CN104471422A - 用于对光谱法搜索应用中所关心的参考材料进行标记的方法 - Google Patents
用于对光谱法搜索应用中所关心的参考材料进行标记的方法 Download PDFInfo
- Publication number
- CN104471422A CN104471422A CN201380034257.2A CN201380034257A CN104471422A CN 104471422 A CN104471422 A CN 104471422A CN 201380034257 A CN201380034257 A CN 201380034257A CN 104471422 A CN104471422 A CN 104471422A
- Authority
- CN
- China
- Prior art keywords
- watch list
- spectrogram
- final analysis
- reference listing
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 239000012925 reference material Substances 0.000 title claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 232
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 7
- 239000000945 filler Substances 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims 11
- 230000000717 retained effect Effects 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 abstract description 7
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 abstract 4
- 230000003287 optical effect Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 22
- 238000012216 screening Methods 0.000 description 15
- JUMYIBMBTDDLNG-OJERSXHUSA-N hydron;methyl (2r)-2-phenyl-2-[(2r)-piperidin-2-yl]acetate;chloride Chemical compound Cl.C([C@@H]1[C@H](C(=O)OC)C=2C=CC=CC=2)CCCN1 JUMYIBMBTDDLNG-OJERSXHUSA-N 0.000 description 10
- 229940099204 ritalin Drugs 0.000 description 9
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 239000002360 explosive Substances 0.000 description 5
- 238000004451 qualitative analysis Methods 0.000 description 5
- 229920002472 Starch Polymers 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 235000019698 starch Nutrition 0.000 description 4
- 239000008107 starch Substances 0.000 description 4
- 238000001069 Raman spectroscopy Methods 0.000 description 3
- 239000000599 controlled substance Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229920002457 flexible plastic Polymers 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- ZPUCINDJVBIVPJ-LJISPDSOSA-N ***e Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 2
- 229940125368 controlled substance Drugs 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000002939 deleterious effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229960003920 ***e Drugs 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003317 industrial substance Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 229960001033 methylphenidate hydrochloride Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N21/643—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" non-biological material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/46—NMR spectroscopy
- G01R33/4625—Processing of acquired signals, e.g. elimination of phase errors, baseline fitting, chemometric analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/06—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
- G07D7/1205—Testing spectral properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
- G01N24/084—Detection of potentially hazardous samples, e.g. toxic samples, explosives, drugs, firearms, weapons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
- G01N24/085—Analysis of materials for the purpose of controlling industrial production systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Toxicology (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
提出了用于对光谱法搜索应用中所关心的参考资料进行标记的一种方法、设备以及计算机程序产品。生成待考虑作为样品材料的光谱法分析的最终分析的一部分的材料参考列表。提供待保留用于样品材料的光谱法分析的最终分析的至少一种材料的观察列表。用该至少一种材料的观察列表以及该材料参考列表来进行该样品材料的最终分析。然后关于该样品材料的谱图是否与该观察列表以及该参考列表上的材料的至少一个谱图相匹配进行确定。
Description
背景
现代分析仪器装备常常能够产生多通道数据,这些数据可以是关于一个样品中的分析物的浓度(在此称为定量分析)或一个样品中存在的一种或多种材料的身份(在此称为定性分析)。能够产生此类数据的仪器的实例包括红外和拉曼光谱仪、质谱仪、X射线荧光(XRF)光谱仪、以及核磁共振(NMR)光谱仪。在定性分析的范围内,存在多种类型的可以进行的评估。
一种类型的定性分析评估为鉴别真伪(authentication),它检查所测得的仪器响应是否与所关心的一种特定材料的一个或多个参考库特征标记相一致。换句话说,这种类型的分析目的在于确定测试材料的谱图是否与本真的物质相一致。进行鉴别真伪的应用的实例包括对从供应商接收的原材料进行估计以确定是否提供了正确的原材料,对药片进行检查以确定它是真正的或伪造的,以及分析一种材料以确定它是否已掺假、变质等。
另一种类型的定性分析评估为筛选,它估计所测得的仪器响应中的至少一个特征子集是否与所关心的一种或多种特定物质相对应。这种类型的评估估计了测试材料是否表现为含有一种特定物质。具有特别关心的分析物的一个特别小的集合的那些可以利用筛选,诸如毒品、***物、或有环境顾虑的材料。在筛选评估中,没有必要确定不在观察列表中的材料的身份。例如,知道儿童玩具中是否含有铅可能是重要的,但没有必要明白存在的是什么类型的塑料、木材、或金属。
还有另一种类型的定性分析评估为辨别,这是通过搜索已知材料的库并且在未知的仪器响应与所储存的已知材料响应(或所储存的已知材料响应的组合)之间寻找相似性来进行的。此种评估假设用户并不知道他们正在测试的是什么,并且因此想知道“这种材料是什么?”。计算机辅助辨别常常被称为“自动化光谱搜索”,并且经常用于以下情形,诸如有害材料(hazmat)呼叫以及实验室研究。
从以上说明可以注意到,鉴别真伪问题是为具有非常特定需求的用户(确切知道他们正在测试的是什么的那些)设计的。从另一方面来说,筛选和辨别问题的限制少得多。在辨别设备提供极其广泛的适用范围的条件下,应指出的是,可以利用它们来辨别筛选设备可能被配置来检测的任何分析物,加上许多其他的。筛选有两个主要优点驱使用户放弃由辨别所提供的广泛适用范围:筛选算法可以典型地被配置为具有比辨别算法更高的检出率以及更低的检测限,并且筛选设备可以被配置为给用户提供已经检测到的所关心的特定材料的视觉和/或声音提示。当一种辨别应用检测到一种材料时,并不将特定材料作为比其他材料更重要或更值得关注的材料进行强调。
概述
常规机制(诸如以上解释的那些)受制于多种不足。如可预期的,典型地认为精确地进行一种未知混合物的自动化分析比精确地辨别纯组分样品更具挑战性。如今使用中的现代参考数据库常常含有多于10,000个参考光谱,并且许多混合物规程试图拟合四种或更多种混合物组分。可以被估计的可能的混合物解候选项的数目可以用“n选k”表示,这以下式表示:
其中N是可能的混合物解候选项的数目,n是可用的参考光谱的数目,并且k是同时拟合的混合物组分的最大数目。对于具有10,000项的参考库,可能的混合物组合的数目随着同时拟合的组分的数目而迅速扩大:
n | k | N |
10,000 | 2 | 4.9995×107 |
10,000 | 3 | 1.6662×1011 |
10,000 | 4 | 4.1642×1014 |
10,000 | 5 | >1×1015 |
如上所示,即使分析只限于寻找仅两种组分的混合物,当使用10,000项的参考库时,也存在多于107种可能的解。由于当以在自动化光谱搜索应用中所用的大参考数据库进行工作时能形成的可能的混合物组合的极其巨大的数目,通常进行一种快速计算,该快速计算可以用来将该库淘汰选择(down select)至更易管理数目的条目。虽然此类规程被设计为保留最可能在未知谱图中呈现的参考候选项,但该规程绝不完美。因此,自动化混合物辨别的一种通常的失效方式是,在通过更慢的、更精密的最终分析算法进行检查之前将未知物中存在的分析物从考虑中排除。
与一般的辨别算法相比,筛选法要求事先指定所关心的分析物。经常地,潜在的干扰物也是事先指定的。因而,用于分析的参考谱数据库已经相当小并且不需要进行淘汰选择。这样,筛选算法不会受制于与在通过最终分析算法进行分析之前对于目标化合物的前期排除相关的误否定条件。
本发明的实施例显著地克服了此类不足,并且提供了能够对光谱法搜索应用中所关心的参考材料进行标记的机制和技术。
在此披露的是一种方法,该方法结合了辨别装置所提供的广泛适用范围(数千个可能的辨别结果)与筛选装置的改进的检测和报告能力。简言之,该方法涉及为用户提供在数据库或库内标记材料并且创建一个观察列表的能力。这些观察列表的物质是用户有理由相信可能存在于样品中的材料,或者是受到如下关注的材料:即使并没有先验信息暗示它们存在但用户也想详细地对它们进行检查。通过算法处理这些观察列表的材料,其方式为使得这些材料的检测限得以改进。另外地,优先地在装置显示器中处理观察列表的材料,以便当已经检测到所关心的材料时毫无疑义地向用户指出。
在用于对光谱法搜索应用中所关心的参考材料进行标记的一种方法的一个具体实施例中,该方法包括获得在一种样品材料的光谱分析法的最终分析的过程中待考虑的参考材料的一个候选项列表。该方法还包括提供待保留用于一种样品材料的光谱法评估的最终分析的至少一种材料的一个观察列表。另外地,该方法包括用至少一种材料的观察列表以及材料的参考列表来进行该样品材料的最终分析,并且确定该样品材料的谱图是否与该观察列表以及该参考列表上的材料的至少一个谱图相匹配。
其他实施例包括一种计算机可读介质,该计算机可读介质在其上具有计算机可读代码以供对光谱法搜索应用中所关心的参考材料进行标记。该计算机可读介质包括指令,这些指令用于获得待考虑作为一种样品材料的光谱法分析的最终分析的一部分的一个材料参考列表。该计算机可读介质还包括指令,这些指令用于提供待保留用于一种样品材料的光谱法分析的最终分析的至少一种材料的一个观察列表。另外地,该计算机可读介质包括指令,这些指令用于使用至少一种材料的观察列表以及材料的参考列表来进行该样品材料的最终分析,以及用于确定该样品材料的谱图是否与该观察列表以及该参考列表上的材料的至少一个谱图相匹配。
还有其他实施例包括一种计算机化装置(例如,一个光谱法***),该计算机化装置被配置为用于处理在此披露的作为本发明的实施例的所有方法操作。在此类实施例中,该计算机化装置包括一个存储器***、一个处理器、在连接这些部件的一个互连机构中的通讯接口。该存储器***由一种进程编码,该进程允许用户如在此说明地对光谱法搜索应用中所关心的参考材料进行标记,当在处理器上进行时(例如,当执行时),该进程如在此说明地在该计算机化装置内运行以便进行在此说明的作为本发明的实施例的所有方法实施例和操作。因此,进行或者被编程以进行在此说明的处理的任意计算机化装置都是本发明的实施例。
在此披露的本发明的实施例的其他安排包括软件程序,这些软件程序用来进行在上面概述的并且在下面详细地披露的方法实施例步骤以及操作。更具体地说,一种计算机程序产品是具有一种计算机可读介质的一个实施例,该计算机可读介质在其上包括编码的计算机程序逻辑,当在一个计算机化装置中进行时,该计算机程序逻辑提供相关的操作以提供如在此说明的对光谱法搜索应用中所关心的参考材料的标记。当用一个计算***在至少一个处理器上执行时,该计算机程序逻辑促使该处理器进行作为本发明的实施例在此指明的操作(例如,这些方法)。本发明的此类安排典型地被提供为软件、代码和/或其他数据结构,它们被安排或编码于一种计算机可读介质(诸如一种光学介质(例如,CD-ROM)、软磁盘或硬磁盘)或者另外地一种介质(诸如一个或多个ROM或RAM或PROM芯片中的固件或微代码)上,或者为一个专用集成电路(ASIC),或者为一个或多个模块、共享库等之中的可下载软件图像。可以将软件或固件、或其他此类配置安装到一个计算机化装置之上,以便促使该计算机化装置中的一个或多个处理器进行作为本发明的实施例在此说明的技术。在一批计算机化装置中(诸如一组数据通信装置或其他实体中)运行的软件进程也可以提供本发明的***。本发明的***可以分布在几个数据通信装置上的许多软件进程之间,或者所有进程可能在专用计算机的一个小集合上、或独自在一个计算机上运行。
应当理解的是,本发明的实施例可以严格体现为一种软件程序、软件和硬件、或者单独地硬件和/或电路。注意,本披露中所讨论的各种不同的特征、技术、配置等可以独立地或者组合地执行。因此,本发明可以按许多不同的方式实施和考虑。而且,请注意,此概述部分在此并没有指定本披露或所要求的发明的每一个实施例和/或增加的新颖的方面。反而,此概述只提供了不同实施例以及相对于常规技术的相应新颖点的初步讨论。对于本发明的其他细节、要素、和/或可能的视图(排列),读者应参照在如以下进一步讨论的本披露的详细说明部分以及相对应的附图。
附图简要说明
前述内容将由以下对于本发明的优选实施例的更具体的描述而变得清楚,如在附图中所阐明的,在这些附图中,在所有不同视图中相同的参考字符指示相同的零件。这些附图不一定是按比例的,而是将重点放在阐明本发明的原理上。
图1描绘了根据本发明的实施例用于对光谱法搜索应用中所关心的参考材料进行标记的一个***的高层框图;
图2描绘了根据本发明的实施例用于对光谱法搜索应用中所关心的参考材料进行标记的一种方法的具体实施例的流程图;并且
图3阐明了根据本发明的实施例的一个计算机***(例如,一个光谱法装置)的示例计算机***架构,该计算机***允许对光谱法搜索应用中所关心的参考材料进行标记。
详细说明
以下陈述的实施例呈现了必要的信息,以便使本领域的普通技术人员能够实践本发明并且阐明实践本发明的实施例的最佳方式。参照这些附图阅读以下说明之后,本领域的普通技术人员将理解本发明的概念并且认识到未在此具体地提出的这些概念的应用。应理解的是,这些概念和应用落在本披露以及所附的权利要求书的范围之内。
现在将参照附图来描述本发明的优选实施例。然而,本发明可以按多种不同的形式实施并且不应被解释为限于在此陈述的实施例;相反,本实施例被提供为使得本披露将是详尽的并且完全的,并且将充分地向本领域的普通技术人员传达本发明的范围。附图中阐明的具体实施例的详细说明中所用的术语并非旨在限制本发明。在这些附图中,类似的数字指的是类似的元件。
计算机辅助辨别、或“自动化光谱搜索”算法已经使用了多年。早期的途径包括基于峰表比较的规程以及各种全光谱搜索方法。最近,还已经引入了用于自动混合物分析的基于概率的方法和规程。
目前披露的用于对光谱法搜索应用中所关心的参考材料进行标记的方法和设备的一个方面在于保证所关心的被标记项(观察列表材料)不会过早地被最终分析算法剔除出考虑之外。在常规的谱图搜索应用中(不允许用户标记所关心的项),没有对淘汰选择过程中所关心的特定材料给予优选。因此,迅速地将未知谱图与来自该参考数据库的每种材料(通常用数据的压缩形式,诸如峰表)进行比较,并且产生一个等级顺序列表使得保留最上面的m项。这并不允许用户对于该情形的知识(例如,他们可能具有表明可能存在所关心的一种特定材料的其他情报)影响分析的结果。
在本发明的一个具体实施例中,该观察列表上的所有项被自动保留以供最终分析算法考虑。这保证了用户所关注的或者相信可能存在的任何材料都将受到分析算法的充分考虑。对于时间约束不允许最终分析算法考虑观察列表的所有材料的情形,本发明的另一个实施例是在淘汰选择规程期间优先地对该观察列表进行加权。存在可以用来完成这个的许多种途径。例如,可以进行典型的用于淘汰选择的快速分析并且保留最上面的m种非观察列表材料以及最上面的k种观察列表材料,使得所保留的材料总数(m+k)可以在所希望的时间段内得以估计。可替代地,可以确定对于每种观察列表材料的一个阈值,在该阈值以上,该材料与其相对于该全参考库的评级无关地被自动保留,并且在该阈值以下,该材料只有当其等级与该库高度相关时才被保留。本领域普通技术人员将认识到,可以容易地想出在淘汰选择过程中优先地保留观察列表材料的其他手段。
一旦已经确定了该样品中可能存在的多种可能的组分之后,用最终分析辨别算法来进行分析。在本发明的背景之内,被选择提交给最终分析的多种组分将始终包含观察列表以及非观察列表材料。利用常规途径时,因为没有观察列表,所以用户相信可能存在的材料(例如毒品、***物、化学武器)只有当它们已经通过最初的淘汰选择规程时才会被最终分析算法所考虑。在这两种情况下,下一步骤都是估计该未知谱图是否与一个或多个纯参考谱图或参考谱图的组合相匹配。为了使该分析真正地自动化,必须在算法中设置拟合优度阈值以便确定(如果有的话)将报告哪种或哪些组分。在自动化分析中,设置报告阈值的需求是普遍的并且不取决于所用的分析算法是哪种类型。
报告阈值的选择对于该搜索用具的真肯定率(TPR)与假肯定率(FPR)之间的权衡具有直接影响。在一种典型的未知物辨别情形下(诸如有害材料呼叫),做出特殊考虑以便保证FPR保持为低的。这防止用户基于可能有歧义的信息来行动并且允许他们将时间和努力集中于其他可能提供更确定的信息的评估。在筛选情形下,报告阈值通常被设定为使TPR最大化,甚至以FPR为代价(通常当存在肯定结果时,存在可以执行以减少潜在的假肯定的第二次确证试验)。
基于刚刚讨论过的考虑因素,筛选算法能够提供比标准辨别算法更好的检出率的另一个原因是,用来设定报告阈值的判据(TPR对FPR)是被不同地优化的。在本发明的背景下,该观察列表呈现了用户有理由相信可能存在于该样品中的材料,或者如下地严重关注的材料:使得TPR的最大化(潜在地以FPR为代价)被认为是可接受的。因此,本发明的一个实施例为,可以将观察列表材料的报告阈值设定为与非观察列表材料不同,从而使检测那些物质的概率最大化。
如以上所指出,某些最终分析算法使用基于概率的方法。此类算法可以结合‘先验概率’并且利用贝叶斯(Bayes)定理来确定所测量的材料为一个库条目对(versus)另一个库条目的表示的排他性概率,通常称为“后验概率”。当在测量的时候没有可用的额外信息(即,除所测得的仪器响应,诸如物质的颜色、pH、或相态以外的信息)时,对于任何特定的库组分并不存在先验优先(在概率文献中通常称为“扁平先验”的一种情况)。如先前指出,当用户已经提供了一个观察列表时,这表明他们相信材料的一个特定集合比材料的其他集合更有可能存在于样品中。这样,本发明的一个实施例为,当使用基于概率的方法时,为观察列表项提供相对于非观察列表项的优选先验概率。
如以上所描述的,筛选算法被设计为确定所测得的仪器响应中的至少一个特征子集是否与所关心的一种或多种物质相对应。相对应地,在筛选中不必确定不在该观察列表中的材料的身份。相比之下,辨别算法被设计为辨别一个未知谱图中的所有特征。如果未知谱图含有来自并没有呈现在该参考库数据库里的一种材料的特征,这个任务变得不可能完成。因此,筛选算法增强了在未知样品含有并没有呈现在该参考库数据库里的干扰物的情况下的检测能力。
本发明的一个另外的实施例是引入一种双重算法能力,其中在一个第一步骤中利用了刚刚概述过的修改的辨别算法。如果找到了符合组合的观察列表与非观察列表的报告判据的一个可接受的解,则对其进行报告。如果没有找到可接受的解,则用不需要考虑该未知谱图的所有特征的筛选算法来进行一个第二步骤。
除了检测考虑因素以外,筛选设备的一个另外的优点是,它们通常被配置为用于给用户提供已经检测到所关心的特定材料的视觉和/或声音提示。虽然某些辨别***能够指示已经辨别出一般类别的威胁(例如***物、毒品等),但不存在当已经检测到所关心的特定材料(例如,***、***等)时进行强调的一般辨别***。
在本发明的一个具体实施例中,当已经检测到一种观察列表材料时,用一个特殊图标来区分含有一种观察列表材料的辨别结果。在本发明的一个替代实施例中,还可以用发向用户的消息(例如,“检测到观察列表材料”)来向用户传达此信息。在这两种情况下,都向用户提供了已经检测到一种“特殊”材料的清楚指示。这消除了结果解释的主观性,并且不需要用户独立地评估所辨别的材料是否为特别关注的。
如以上所描述的,本发明利用结合了辨别算法的某些特征与筛选算法的某些特征的一种组合的算法架构,以便增强用户定义的观察列表材料的检测概率和结果显示。由于该观察列表是用户定义的,因此该途径是极其灵活的,并且可以用于对于不同用户组来说重要的多种多样的应用(例如,毒品、***物、化学武器、有毒工业化学品等)。还假定单一用户组可能想要给该装置配置不同的观察列表以适合于多于一种单一的“任务情形”。存在本发明的数个实施例帮助实现这种考虑。
在本发明的一个具体实施例下,给予用户为所创建的任何观察列表命名的机会。利用这种途径,该装置的一个可能的实施例为对其进行配置,使得用户可以在同时存在于一个装置上的多个观察列表之间选择。在一个不同的实施例下,在任何给定的时间该装置上只允许一个单一的观察列表,但能够切换存在的是哪个观察列表(通过简单的导入/导出功能性)。
刚刚描述的导入/导出功能性是本发明的一种重要的一般实施方案。除了允许用户在一个单一装置上于不同观察列表之间切换以外,此功能性还允许具有多个装置的用户在一个装置上创建一种观察列表配置并且然后将该观察列表配置从该装置导出,使得它可以被导入到其他装置上(例如,这是一种队伍管理(fleet management)形式)。
这种解决方法的另一个实施例是,观察列表可以是用对于应用所固有的参考数据(例如,在手持式扫描仪上,这可能与出厂库项相对应)与由用户提供的参考数据(例如,用户添加的库项)的组合来建立的。当导出一个观察列表时,捕获该观察列表使得任何用户提供的参考数据与该观察列表配置一起被导出(该观察列表配置以另外的方式由指示物组成,这些指示物表示来自该参考数据库的哪些项已经被标记)。
在本发明的一个实施例中,观察列表报告阈值是硬编码的或者另外地由该处理器自确定的,而在另一个实施例中,该报告阈值可以是由***管理员设定的。
在再另一个实施例中,标记特征被用来帮助确定在数据采集中确实要用的恰当的测量设置。两种特定情况将会包括拉曼和红外光谱法。在这些技术中,每种材料的信号强度是不同的。在红外中,信号强度可能是基于吸收系数来描述的,而拉曼工作者则会讨论拉曼截面。一般来说,具有更低信号强度的材料比具有高信号强度的材料更难检测,尤其是在混合物中。这是因为来自含有一种具有高信号强度的物质以及一种具有低信号强度的第二物质的混合物的谱图将由与该高信号强度对应的材料所支配。换句话说,来自具有该低信号强度的材料的光谱贡献可能趋近于测量中的噪音水平。如果正在进行测量以寻找已知具有非常弱的信号的标记项,改进检测限的一种途径将会是改变扫描设定,使得来自该标记项的特征更有可能高于该测量的噪音水平(如果存在该物质的话)。因此,本发明的一个另外的实施例基于该观察列表上的材料的已知光谱特性(例如信号强度)来确定扫描设定目标(所希望的信噪比等)。在此背景下“扫描设定”是指被用来得到样品材料的光谱学分析的装置的任何设定。例如,这可以包括用来探寻该样品的源(诸如一个光源)的强度、持续时间、或波长,该装置中的检测器的或用于检测信号的信号处理的增益或其他设定,或所进行的扫描次数。当样品的谱图不与该观察列表或参考列表上的材料的至少一个谱图相匹配时,本发明的任何实施例都可以任选地包括接着在相同或不同的扫描设置下进行另外的扫描。
现在将讨论一个具体实例。参见图1,示出了一个光谱法***10。***10包括与样品14连通的一个分析器12。分析器12还与一个数据库16连通。通常,分析器12可以进行一般辨别测试,该测试在储存于数据库16中的数万种可能的物质匹配中进行查找。分析器12还可以用于筛选式测试中,在一至数十种物质中进行查找。某些用户想要辨别数万种材料的一般能力,但他们也可能会有特别关心的物质子集。该一般辨别测试可能花费很长时间,而筛选测试则花费少得多的时间。
在所描述的实例中,考虑对一种未知的药片样品的评估。最终用户感兴趣知晓该未知材料的主要组分的身份,并且对于这个特定实例,他们还感兴趣确定存在哪些管制物质(如果有的话)。进一步考虑一种药片材料诸如***,其配制方式为使得活性物(例如,盐酸***,也称为盐酸哌甲酯)处于比主要赋形剂(例如乳糖和淀粉)低得多的浓度。并不出人意料地,当测量这样一种药片时,与盐酸***对应的光谱学特征比与这些主要赋形剂(乳糖和淀粉)对应的那些要弱得多。如果对该药片进行测量并且应用常规的搜索设备,则很可能的是乳糖和淀粉可以被辨别出来,这是因为它们向数据中贡献了足够的信号,使得常规的淘汰选择、报告阈值等仍然允许检测这些分析物。相比之下,该常规的搜索设备也许不能检测***,这是因为该未知谱图中的相应特征弱到足够使得在从具有多于10,000条目的库至被传递给最终分析算法的更小列表的淘汰选择过程中可能消除掉相应的参考谱图。使用常规的搜索设备时,即使通过最终分析算法来估计盐酸***,如果***对该未知谱图的贡献没有达到常规辨别算法的报告阈值,则仍然存在盐酸***不会被检出的可能性。相反,考虑到当用在此披露的方法来分析该未知谱图时所发生的,在这个实例中,该方法利用了一个具有多于10,000项的参考库,其中已经对管制物质进行标记并且将其添加到一个观察列表中。在这种情况下,***被包括在观察列表项中,这保证了它将被最终分析算法所考虑。此外,当对包括几种材料的混合物的一种材料进行分析时,可以给各组分指定一个加权或拟合值。如果在一次拟合中一种材料的权重太低,则不报告该材料。在这个实例中,由于乳糖和淀粉这些项并不存在于该观察列表上,因此不管它们的报告阈值。相比之下,对于该观察列表上的***或其他管制物质,可以使用更低的报告阈值,使得即使只有非常小百分比的该未知图谱是由这些材料中的一种或多种描述的,也会报告这些材料的存在。
现在所披露的方法的一个具体实施例的流程图描绘于图2中。这些矩形单元在此指示“处理框”并且表示计算机软件指令或指令组。可替代地,这些处理框表示由功能上等效的电路(诸如数字信号处理器电路或专用集成电路(ASIC))进行的步骤。这些流程图并没有描绘任何具体编程语言的句法。相反,这些流程图阐明了本领域的普通技术人员制作电路或生成计算机软件所需要的功能信息,以便根据本发明进行所需的处理。应注意的是,许多例行程序元素(诸如循环和变量的初始化以及临时变量的使用)并未示出。本领域普通技术人员应懂得的是,除非在此另有说明,所描述的步骤的具体顺序只是说明性的并且在不偏离本发明的精神的情况下可以变化。因此,除非另行说明,以下描述的步骤是无序的,这意味着,在可能时,这些步骤可以按任何方便的或令人希望的顺序进行。还应注意某些处理框可以是任选的。这些任选的处理框包括处理框106、108、110、112、116、122、123和124。
方法100以处理框102开始,处理框102披露了生成待考虑作为样品材料的光谱法分析的最终分析的一部分的一个材料参考列表。
处理框104陈述了提供待保留用于一种样品材料的光谱法分析的最终分析的至少一种材料的一个观察列表。这样做是为了保证所关心的被标记项(观察列表材料)不会过早地被最终分析算法剔除出考虑之外。
处理框106陈述了该观察列表上的材料并未包括在材料的参考列表中。处理框108披露了对该材料观察列表进行加权,使得只有预定数目的观察列表材料被包括为最终分析的一部分。这是用于时间约束不允许最终分析算法考虑观察列表的所有材料的情形。本发明的这个实施例的一种途径是在淘汰选择规程期间优先地对该观察列表进行加权。存在许多种用于完成这个的途径。例如,进行典型的用于淘汰选择的快速分析并且只保留最上面的m种非观察列表材料以及最上面的k种观察列表材料,使得所保留的材料总数(m+k)可以在所希望的时间段内得以鉴定。可替代地,确定对于每种观察列表材料的一个阈值,在该阈值以上,该材料与其相对于该全参考库的等级无关地被自动保留,并且在该阈值以下,该材料只有当其等级与该库高度相关时才被保留。本领域普通技术人员将认识到,可以容易地想出在淘汰选择过程中优先地保留观察列表材料的其他手段。
处理框110披露了从多个观察列表中选择该观察列表。用户可以在同时存在于一个装置上的多个观察列表之间选择。处理框112陈述了,其中可以从一个外部装置导入一个观察列表,或者其中可以将该观察列表导出到一个外部装置。
处理框114陈述了用至少一种材料的观察列表以及材料的参考列表来进行该样品材料的最终分析。一旦已经确定了该样品中可能存在的多种可能的组分之后,用最终分析辨别算法来进行分析。在本发明的背景之内,被选择提交给最终分析的多种组分将包含观察列表以及非观察列表材料。
处理框116披露了,当最终分析使用基于概率的方法时,为该观察列表上的材料提供优选先验概率。某些最终分析算法使用基于概率的方法。此类算法可以结合‘先验概率’并且利用贝叶斯定理来确定所测量的材料为一个库条目对另一个库条目的表示的排他性概率,通常称为“后验概率”。当在测量的时候没有可用的额外情报(即,除所测得的仪器响应,诸如物质的颜色、pH、或相态以外的信息)时,对于任何特定的库组分并不存在先验优先(在概率文献中通常称为“扁平先验”的一种情况)。如先前指出,当用户已经提供了一个观察列表时,这表明他们相信材料的一个特定集合比材料的其他集合更有可能存在于样品中。这样,本发明的一个实施例为,当使用基于概率的方法时,为观察列表项提供相对于非观察列表项的优选先验概率。
处理框120叙述了确定该样品材料的谱图是否与该观察列表以及该参考列表上的材料的至少一个谱图相匹配。处理框122披露了,利用对于该观察列表上的材料的预定阈值来确定该样品材料的谱图是否与该观察列表以及该参考列表上的材料的至少一个谱图相匹配,使得检测到即使是少量的该观察列表上的材料的概率也被最大化。可以将观察列表材料的报告阈值设定为与非观察列表材料不同,从而使检测到那些物质的概率最大化。
处理框123陈述了,当该最终分析没有生成可以接受的解时,接着对该样品材料进行一种筛选测试。筛选估计了所测得的仪器响应中的至少一个特征子集是否与所关心的一种或多种特定物质相对应。这种类型的评估估计了测试材料是否表现为含有一种特定物质。具有特别关心的分析物的非常小集合的那些可以利用筛选,诸如毒品、***物、或有环境顾虑的材料。在筛选中,没有必要确定并不在观察列表中的材料的身份。例如,知道儿童玩具中是否含有铅可能是重要的,但没有必要明白存在的是什么类型的塑料、木材、或金属。
处理框124披露了区分含有观察列表材料的辨别结果。当已经检测到一种观察列表材料时,可以用一个特殊图标来区分含有观察列表材料的辨别结果。在本发明的一个替代实施例中,还可以用发向用户的消息(例如,“检测到观察列表材料”、“检测到威胁”等)来向用户传达此信息。在这两种情况下,都向用户提供了已经检测到一种“特殊”材料的清楚指示。这消除了结果解释的主观性,并且不需要用户独立地评估所辨别的材料是否为特别关注的。
以上披露的是一种方法,该方法结合了辨别装置所提供的广泛适用范围(数千个可能的辨别结果)与筛选装置的改进的检测和报告能力。简言之,该方法涉及为用户提供在数据库或库内标记材料并且创建一个观察列表的能力。这些观察列表的物质是用户有理由相信可能存在于样品中的材料,或者受到如下关注的材料:即使并没有先验信息暗示它们存在但用户也想详细地对它们进行检查。通过算法处理这些观察列表的材料,其方式为使得这些材料的检测限得以改进。另外地,优先地在装置显示器中处理观察列表的材料,以便毫无疑义地向用户指示已经检测到所关心的材料。
现在参见图3,示出了一个框图,该框图阐明了一个计算机***210(例如光谱分析器)的示例架构,该计算机***执行、运行、解释、操作或以另外方式进行适合用于说明在此披露的实例配置的一种应用程序240-1以及光谱分析器进程240-2。计算机***210可以是任何类型的计算机化装置,诸如个人计算机、工作站、便携式计算装置、控制台、膝上电脑、网络终端等等。输入装置216(例如,一个或多个顾客/开发者控制的装置,诸如键盘、鼠标等)通过I/O接口214联接到处理器213上,并且使顾客208能够提供输入命令,并且总体上控制图形顾客接口,使得光谱分析器应用程序240-1和进程240-2提供于显示器230上。如这个实例中所示,计算机***210包括一个互连机构211,诸如数据总线或其他电路,该互连机构联接一个存储器***212、一个处理器213、一个输入/输出接口214、以及一个通信接口215。通信接口215还可以使计算机***210能够与网络(未示出)上的其他装置(即,其他计算机)进行通信。
存储器***212是任何类型的计算机可读介质,并且在这个实例中,它编码有如在此说明的光谱分析器应用程序240-1。光谱分析器应用程序240-1可以实施为软件代码,诸如数据和/或逻辑指令(例如,存储于该存储器中或另一种计算机可读介质诸如可移动的磁盘上的代码),该软件代码支持根据在此描述的不同实施例的处理功能性。在计算机***210的操作过程中,处理器213通过互连体211访问存储器***212,以便启动、运行、执行、解释或以另外方式进行光谱分析器应用程序240-1的逻辑指令。以这种方式执行光谱分析器应用程序240-1在光谱分析器进程240-2中生成了处理功能性。换句话说,光谱分析器进程240-2呈现运行时在计算机化装置210中的处理器213之内或之上进行或执行的光谱分析器应用程序240-1的一个或多个部分或运行时间例(或者整个光谱分析器应用程序240-1)。
应当指出,在此披露的示例配置包括光谱分析器应用程序240-1本身(即,处于未执行或未进行的逻辑指令和/或数据的形式)。光谱分析器应用程序240-1可以被存储于一种计算机可读介质上,诸如软磁盘,硬磁盘,电子的、磁性的、光学的或其他计算机可读介质。光谱分析器应用程序240-1还可以被存储于存储器***212中,诸如固件、只读存储器(ROM)中,或者,如在这个实例中,作为可执行代码存储于例如随机存取存储器(RAM)中。除了这些实施例以外,还应当指出,此处其他实施例包括在处理器213中执行光谱分析器应用程序240-1作为光谱分析器进程240-2。本领域的普通技术人员将理解,计算机***210可以包括其他进程和/或软件和硬件部件,诸如在这个实例中未示出的操作***。
显示器230不必直接联接到计算机***210上。例如,可以通过网络接口215在一个可远程访问的计算机化装置上执行光谱分析器应用程序240-1。在这种情况下,向远程计算机的顾客208本地地显示图形顾客接口260,并且此处该处理的执行可以是基于客户端-服务器的。
在操作过程中,计算机***200的处理器213通过互连体211访问存储器***212,以便启动、运行、执行、解释或以另外方式进行光谱分析器应用程序240-1的逻辑指令。光谱分析器应用程序240-1的执行在光谱分析器进程240-2中生成了处理功能性。换句话说,光谱分析器进程240-2呈现在计算机化装置200中的处理器213之内或之上进行的光谱分析器应用程序240-1的一个或多个部分(或者整个应用程序)。
应注意,除了光谱分析器进程240-2以外,此处的实施例包括光谱分析器应用程序240-1本身(即,未执行或未进行的逻辑指令和/或数据)。光谱分析器应用程序240-1可以被存储于一种计算机可读介质上,诸如软磁盘、硬磁盘、或光学介质。光谱分析器应用程序240-1还可以被存储于一种存储器型***中,诸如固件、只读存储器(ROM)中,或者,如在这个实例中,作为可执行代码存储于存储器***212内(例如,随机存取存储器或RAM内)。
除了这些实施例以外,还应当指出,此处其他实施例包括在处理器213中执行光谱分析器应用程序240-1作为光谱分析器进程240-2。本领域的普通技术人员将理解,计算机***200可以包括其他进程和/或软件和硬件部件,诸如控制与计算机***200相关的硬件资源的分配和使用的一个操作***。
集成有这个或这些处理器的一个或多个装置或计算机***可以包括例如一个或多个个人计算机、工作站(例如,Sun、HP)、个人数字助理(PDA)、手持式装置(诸如移动电话、膝上电脑、手持计算机)、或者能够集成有可以如在此所提供地进行操作的一个或多个处理器的另外的装置。因此,在此提供的装置并非穷尽性的,并且被提供用以说明而非限制的。
提及“一个微处理器”和“一个处理器”、或者“该微处理器”和“该处理器”可以理解为包括一个或多个微处理器,该一个或多个微处理器可以在一种独立式和/或分布式环境中进行通信,并且因此可以被配置为用于通过有线或无线通信与其他处理器进行通信,其中这样的一个或多个处理器可以被配置为用于在可能为类似或不同的装置的一个或多个处理器控制的装置上进行操作。因此,使用此类“微处理器”或“处理器”术语还可以理解为包括一个中央处理单元、一个算术逻辑单元、一个专用集成电路(IC)、和/或一个任务引擎,其中此类实例被提供用以说明而非限制。
此外,除非另外说明,提及的存储器可以包括一个或多个处理器可读并且可访问的存储器元件和/或部件,该存储器元件和/或部件可以是在该处理器控制的装置内部,在该处理器控制的装置外部,和/或通过有线或无线网络利用多种通信协议可以被访问的,并且除非另外说明,可以被安排为包括外部和内部存储器装置的组合,其中这种存储器基于该应用程序可以是连续的和/或分区的。因此,提及一个数据库可以理解为包括一种或多种存储器关联,其中此类参考资料可以包括可商购的数据库产品(例如,SQL、Informix、Oracle)以及还有专有数据库,并且还可以包括用于关联存储器的其他结构,诸如链路、队列、图、树,其中此类结构被提供用以说明而非限制。
除非另行提供,提及的网络可以包括一个或多个内联网和/或互联网,连同虚拟网络。根据以上所述,在此提及的微处理器指令或微处理器可执行指令可以理解为包括可编程硬件。
除非另行说明,使用词汇“实质性地(substantially)”可以被解释为包括一种精确的关系、条件、安排、取向、和/或其他特性,并且如本领域的普通技术人员所理解的,其偏差达到这样的程度以至此类偏差不会实际上影响所披露的方法和***。
除非另外确切地说明,在本披露的全文当中,使用冠词“a(一个/一种)”或“an(一个/一种)”来修饰一个名词可以理解为是为了方便使用并且包括一个、或多于一个所修饰的名词。
除非在此另行规定,被描述和/或另行通过图形描绘为与另一个物件连通、相关联、和/或基于另一个物件的元件、部件、模块、和/或零件可以被理解为以直接和/或间接的方式如此连通、相关联、和/或基于。
虽然已经相对于这些方法和***的具体实施例对它们进行了描述,它们并不限于此。显然,根据以上传授的内容,许多修改和变化能变得很清楚。在此描述和说明的,本领域的普通技术人员可以于在此描述和说明的细节、材料、以及零件的安排方面做出许多另外的改变。
由于已经描述了本发明的优选实施例,现在本领域普通技术人员将清楚可以使用结合了这些概念的其他实施方式。另外,被包括作为本发明的一部分的软件可以体现为一种计算机程序产品,该计算机程序产品包括一种计算机可用介质。例如,这种计算机可用介质可以包括一种可读存储装置,诸如硬盘驱动器装置、CD-ROM、DVD-ROM、或计算机软盘,其上存储有计算机可读程序代码段。该计算机可读介质还可以包括一种通信链路,为光学的、有线的、或无线的,其上携带有程序代码段作为数字或模拟信号。因此提出,本发明不应受限于所描述的实施例,而应当仅由所附权利要求书的精神和范围限制。
Claims (30)
1.一种方法,包括:
获得待考虑作为样品材料的光谱法分析的最终分析的一部分的材料参考列表;
提供待保留用于样品材料的所述光谱法分析的最终分析的至少一种材料的观察列表;
用所述至少一种材料的观察列表以及所述材料的参考列表来进行所述样品材料的最终分析;并且
确定所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配。
2.如权利要求1所述的方法,其中所述观察列表上的材料不包括在所述材料参考列表中。
3.如权利要求1所述的方法,其中对所述材料观察列表进行加权,使得只有预定数目的观察列表材料被包括为所述最终分析的一部分。
4.如权利要求1所述的方法,其中利用对于所述观察列表上的所述材料的预定报告阈值来进行所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配的所述确定,使得检测即使少量的所述观察列表上的材料的概率也被最大化。
5.如权利要求1所述的方法,其中当所述最终分析使用基于概率的方法时,为所述观察列表上的材料提供优选先验概率。
6.如权利要求1所述的方法,其中当所述最终分析没有生成可接受的解时,则对所述样品材料进行筛选测试。
7.如权利要求1所述的方法,该方法进一步包括区分出含有观察列表材料的辨别结果。
8.如权利要求1所述的方法,其中从多个观察列表中选择所述观察列表。
9.如权利要求1所述的方法,其中可以从外部装置导入观察列表,或者其中可以将所述观察列表导出到外部装置。
10.如权利要求1所述的方法,其中扫描设定是基于所述观察列表上的材料的已知光谱特征。
11.如权利要求1所述的方法,其中当样品的谱图不与所述观察列表或所述参考列表上的材料的至少一个谱图相匹配时,则在相同或不同的扫描设定下进行另外的扫描。
12.如权利要求1所述的方法,其中该方法是在计算机上实现的。
13.一种非瞬时性计算机可读存储介质,其上具有用于对光谱法搜索应用中所关心的参考材料进行标记的计算机可读代码,该介质包括指令,其中计算机***进行操作,这些操作包括:
获得待考虑作为样品材料的光谱法分析的最终分析的一部分的材料参考列表;
提供待保留用于样品材料的所述光谱法分析的最终分析的至少一种材料的观察列表;
用所述至少一种材料的观察列表以及所述材料参考列表来进行所述样品材料的最终分析;并且
确定所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配。
14.如权利要求13所述的非瞬时性计算机可读存储介质,其中所述观察列表上的材料不包括在所述材料参考列表中。
15.如权利要求13所述的非瞬时性计算机可读存储介质,其中对所述材料观察列表进行加权,使得只有预定数目的观察列表材料被包括为所述最终分析的一部分。
16.如权利要求13所述的非瞬时性计算机可读存储介质,其中利用对于所述观察列表上的所述材料的预定报告阈值来进行所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配的所述确定,使得检测即使少量的所述观察列表上的材料的概率也被最大化。
17.如权利要求13所述的非瞬时性计算机可读存储介质,其中当所述最终分析使用基于概率的方法时,为所述观察列表上的材料提供优选先验概率。
18.如权利要求13所述的非瞬时性计算机可读存储介质,其中当所述最终分析没有生成可接受的解时,则对所述样品材料进行筛选测试。
19.如权利要求13所述的非瞬时性计算机可读存储介质,该介质进一步包括区分出含有观察列表材料的辨别结果。
20.如权利要求13所述的非瞬时性计算机可读存储介质,其中从多个观察列表中选择所述观察列表。
21.如权利要求13所述的非瞬时性计算机可读存储介质,其中可以从外部装置导入观察列表,或者其中可以将所述观察列表导出到外部装置。
22.如权利要求13所述的非瞬时性计算机可读存储介质,其中扫描设定是基于所述观察列表上的材料的已知光谱特征。
23.如权利要求13所述的非瞬时性计算机可读存储介质,其中当样品的谱图不与所述观察列表或所述参考列表上的材料的至少一个谱图相匹配时,则在相同或不同的扫描设定下进行另外的扫描。
24.一种光谱仪,包括:
存储器;
处理器;
通信接口;
互连机构,该互连机构联接该存储器、该处理器以及该通信接口;并且
其中该存储器编码有应用程序,该应用程序提供对光谱法搜索应用中所关心的参考材料进行标记,使得当在该处理器上进行时,提供用于处理信息的进程,该进程促使该计算机***进行以下操作:
获得待考虑作为样品材料的光谱法分析的最终分析的一部分的材料参考列表;
提供待保留用于样品材料的所述光谱法分析的最终分析的至少一种材料的观察列表;
用所述至少一种材料的观察列表以及所述材料参考列表来进行所述样品材料的最终分析;并且
确定所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配。
25.如权利要求22所述的光谱仪,其中对所述材料观察列表进行加权,使得只有预定数目的观察列表材料被包括为所述最终分析的一部分,并且其中所述确定所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配利用了对于所述观察列表上的所述材料的预定阈值来进行,使得检测到即使少量的所述观察列表上的材料也被报告。
26.如权利要求24所述的光谱仪,其中所述观察列表上的材料不包括在材料的所述参考列表中。
27.如权利要求24所述的光谱仪,其中对所述材料观察列表进行加权,使得只有预定数目的观察列表材料被包括为所述最终分析的一部分。
28.如权利要求24所述的光谱仪,其中所述确定所述样品材料的谱图是否与所述观察列表以及所述参考列表上的材料的至少一个谱图相匹配利用了对于所述观察列表上的所述材料的预定报告阈值来进行,使得检测即使少量的所述观察列表上的材料的概率也被最大化。
29.如权利要求24所述的光谱仪,其中所述最终分析使用基于概率的方法并且为所述观察列表上的材料提供优选先验概率。
30.如权利要求24所述的光谱仪方法,其中当所述最终分析没有生成可接受的解时,则对所述样品材料进行筛选测试。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/540,152 | 2012-07-02 | ||
US13/540,152 US9110001B2 (en) | 2012-07-02 | 2012-07-02 | Method for tagging reference materials of interest in spectroscopic searching applications |
PCT/US2013/047314 WO2014008023A1 (en) | 2012-07-02 | 2013-06-24 | Method for tagging reference materials of interest in spectroscopic searching applications |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104471422A true CN104471422A (zh) | 2015-03-25 |
CN104471422B CN104471422B (zh) | 2018-05-18 |
Family
ID=48748545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380034257.2A Active CN104471422B (zh) | 2012-07-02 | 2013-06-24 | 用于对光谱法搜索应用中所关心的参考材料进行标记的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9110001B2 (zh) |
EP (1) | EP2867688B1 (zh) |
JP (1) | JP6295474B2 (zh) |
CN (1) | CN104471422B (zh) |
WO (1) | WO2014008023A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748353A (zh) * | 2020-12-29 | 2021-05-04 | 烟台大学 | 高压发生器xpsi板故障诊断方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9513167B2 (en) | 2013-12-23 | 2016-12-06 | Thermo Scientific Portable Analytical Instruments Inc. | Adaptation of field use spectroscopy equipment |
JP6638537B2 (ja) * | 2016-04-21 | 2020-01-29 | 株式会社島津製作所 | 試料解析システム |
JP6683111B2 (ja) * | 2016-11-28 | 2020-04-15 | 株式会社島津製作所 | 試料解析システム |
CN108229772A (zh) * | 2016-12-14 | 2018-06-29 | 北京国双科技有限公司 | 标注处理方法及装置 |
JP6438549B1 (ja) | 2017-08-24 | 2018-12-12 | 日本分光株式会社 | 機械学習を用いた未知化合物の分類方法 |
DE102018103509B3 (de) | 2017-10-11 | 2018-12-13 | Carl Zeiss Spectroscopy Gmbh | Mobiles Inhaltsstoffanalysesystem sowie Verfahren zur probenrichtigen Messung und Nutzerführung mit diesem |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101065658A (zh) * | 2004-11-29 | 2007-10-31 | 摩托罗拉公司 | 使用x射线微量分析来确定复杂结构的化学成分的方法 |
GB2472908A (en) * | 2009-08-18 | 2011-02-23 | Bruker Daltonik Gmbh | Method of substance identification using series of ion mobility spectra |
EP2372357A1 (en) * | 2010-03-31 | 2011-10-05 | Bruker Daltonik GmbH | Identification of Substances by Ion Mobility Spectrometry |
US20110246145A1 (en) * | 2010-04-05 | 2011-10-06 | Multari Rosalie A | Methods For Forming Recognition Algorithms For Laser-Induced Breakdown Spectroscopy |
EP2508909A2 (en) * | 2011-04-07 | 2012-10-10 | Bruker BioSpin Corporation | Method and apparatus for automated raw material screening |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6424745B1 (en) * | 1998-05-19 | 2002-07-23 | Lucent Technologies Inc. | Method and apparatus for object recognition |
WO2002040998A2 (de) | 2000-11-17 | 2002-05-23 | Zeptosens Ag | Kit und verfahren zur multianalytbestimmung |
JP3577281B2 (ja) * | 2001-01-05 | 2004-10-13 | 株式会社島津製作所 | 赤外分光光度計用データ処理装置 |
CA2331116A1 (en) * | 2001-01-15 | 2002-07-15 | Chenomx, Inc. | Compound identification and quantitation in liquid mixtures -- method and process using an automated nuclear magnetic resonance measurement system |
US20070192035A1 (en) * | 2005-06-09 | 2007-08-16 | Chem Image Corporation | Forensic integrated search technology |
US7197402B2 (en) * | 2004-10-14 | 2007-03-27 | Highchem, Ltd. | Determination of molecular structures using tandem mass spectrometry |
US7698098B2 (en) * | 2008-02-18 | 2010-04-13 | Thermo Electron Scientific Instruments Llc | Efficient spectral matching, particularly for multicomponent spectra |
-
2012
- 2012-07-02 US US13/540,152 patent/US9110001B2/en active Active
-
2013
- 2013-06-24 JP JP2015520364A patent/JP6295474B2/ja active Active
- 2013-06-24 CN CN201380034257.2A patent/CN104471422B/zh active Active
- 2013-06-24 EP EP13734924.7A patent/EP2867688B1/en active Active
- 2013-06-24 WO PCT/US2013/047314 patent/WO2014008023A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101065658A (zh) * | 2004-11-29 | 2007-10-31 | 摩托罗拉公司 | 使用x射线微量分析来确定复杂结构的化学成分的方法 |
GB2472908A (en) * | 2009-08-18 | 2011-02-23 | Bruker Daltonik Gmbh | Method of substance identification using series of ion mobility spectra |
US20110042559A1 (en) * | 2009-08-18 | 2011-02-24 | Stefan Klepel | Substance identification using a series of ion mobility spectra |
EP2372357A1 (en) * | 2010-03-31 | 2011-10-05 | Bruker Daltonik GmbH | Identification of Substances by Ion Mobility Spectrometry |
US20110246414A1 (en) * | 2010-03-31 | 2011-10-06 | Stefan Klepel | Identification of substances by ion mobility spectrometry |
US20110246145A1 (en) * | 2010-04-05 | 2011-10-06 | Multari Rosalie A | Methods For Forming Recognition Algorithms For Laser-Induced Breakdown Spectroscopy |
EP2508909A2 (en) * | 2011-04-07 | 2012-10-10 | Bruker BioSpin Corporation | Method and apparatus for automated raw material screening |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748353A (zh) * | 2020-12-29 | 2021-05-04 | 烟台大学 | 高压发生器xpsi板故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6295474B2 (ja) | 2018-03-20 |
EP2867688B1 (en) | 2020-11-18 |
CN104471422B (zh) | 2018-05-18 |
WO2014008023A1 (en) | 2014-01-09 |
US20140005980A1 (en) | 2014-01-02 |
US9110001B2 (en) | 2015-08-18 |
EP2867688A1 (en) | 2015-05-06 |
JP2015522819A (ja) | 2015-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104471422A (zh) | 用于对光谱法搜索应用中所关心的参考材料进行标记的方法 | |
JP6715451B2 (ja) | マススペクトル解析システム,方法およびプログラム | |
Chetnik et al. | MetaClean: a machine learning-based classifier for reduced false positive peak detection in untargeted LC–MS metabolomics data | |
US20050139761A1 (en) | Mass spectrometric data analyzing method, mass spectrometric data analyzing apparatus, mass spectrometric data analyzing program, and solution offering system | |
CN107798242A (zh) | 一种静动态结合的恶意安卓应用自动检测*** | |
US20190362824A1 (en) | Condition specific sample analysis | |
CN101276358A (zh) | 专利技术关联性分析方法 | |
Luo et al. | Protein quantitation using iTRAQ: Review on the sources of variations and analysis of nonrandom missingness | |
JP2010079595A (ja) | 規制対策の対象選定支援方法及びそのシステム | |
Moorthy et al. | Updates to the inverted library search algorithm for mixture analysis | |
JP5088731B2 (ja) | 多変量解析装置及びコンピュータプログラム | |
CN110349621A (zh) | 肽段-谱图匹配可信度检验方法、***、存储介质及装置 | |
US10557787B1 (en) | Detection of compounds in material samples utilizing a transformation and subsequent decomposition | |
CN117373565A (zh) | 离子迁移谱-质谱的建库方法、识别方法及其装置 | |
Sari et al. | The determination of website usability components by using generalized structured component analysis | |
CN108982402A (zh) | 一种同类有机污染物对环境危害性的预测方法及*** | |
Strathmann et al. | Challenges of high-resolution mass spectrometry for detecting designer drugs | |
CN113348513B (zh) | 用于在分子诊断方法中使用的测序仪器和试剂的检核 | |
CN115408244A (zh) | 网页性能测试方法、装置、设备及存储介质 | |
KR20220033690A (ko) | 다중 광원을 활용한 분광 장치 | |
CN108007940B (zh) | 光谱比对判定装置、方法以及药品真伪判定*** | |
WO2023017559A1 (ja) | 質量分析データ処理方法、及び質量分析データ処理装置、質量分析データ処理プログラム | |
CN111062003A (zh) | 样本总体协方差判定方法、装置、设备及存储介质 | |
Hore | Toward automated infrared spectral analysis in community drug checking | |
Stanley et al. | Optimizing geochemical threshold selection while evaluating exploration techniques using a minimum hypergeometric probability method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |