JP2002005827A - 被検体の情報を得る方法 - Google Patents
被検体の情報を得る方法Info
- Publication number
- JP2002005827A JP2002005827A JP2000183427A JP2000183427A JP2002005827A JP 2002005827 A JP2002005827 A JP 2002005827A JP 2000183427 A JP2000183427 A JP 2000183427A JP 2000183427 A JP2000183427 A JP 2000183427A JP 2002005827 A JP2002005827 A JP 2002005827A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- products
- peaks
- spectrum
- processed
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
より高い精度で、被検体の情報を得るための新規な方法
を提供する。 【解決手段】 (a)被検体に、400nmから250
0nmまでのまたはその一部の領域の連続波長光を照射
して、被検体のスペクトルを得る工程、および、(b)
得られたスペクトル中のピークを、分光学的手法により
要素ピークに分解する工程、を含む、被検体の情報を得
る方法。具体的には、未知の被検体が属する群を判別す
る方法、未知の被検体を同定する方法、および被検体の
経時変化をリアルタイムでモニターする方法である。当
該方法によれば、水分子の要素ピークを通して、非破壊
状態で、比較的簡単な装置を用いて、より高い精度で迅
速、低コストで、被検体の情報を得ることができる。
Description
用いた被検体の情報を得る方法、具体的には、未知の被
検体が属する群を判別する方法、未知の被検体を同定す
る方法、および被検体における経時変化をリアルタイム
でモニターする方法に関する。
析が行われている。例えば、近赤外線を被検体に照射
し、特定成分を定量分析することに用いられている。
常に小さく、散乱を受けにくいので、分厚い物体に対し
高い透過性を有する。従って、非破壊状態で被検体の分
析が可能である。また、近赤外線は、エネルギーの低い
電磁波であるので、被検体を殆ど損傷することがない。
析、例えば、メロン、スイカなどの果実類の糖度の分析
には、近赤外スペクトル中の限定されたピークから得ら
れたデータと、予め求めた糖度の検量線より、糖度を算
出していた。このような定量分析は、農業、食品分野で
利用されている。
定量分析しか行えず、定性分析、例えば、炎症等を起こ
した異常な被検体と正常な被検体との判別(例えば、ガ
ン化したマウスと正常なマウスの判別)、類似した種類
の被検体間の判別(例えば、黒豚由来の肉とその他の豚
由来の肉の判別)、個々の被検体の同定(例えば、個々
の牛の同定)等を行うことができなかった。これらの分
析は、DNA分析のように高価な分析機器が必要であっ
たり、分析手順が煩雑であったり、高度の熟練を必要と
したり、分析に長時間必要としたりする等の問題があっ
た。
外スペクトルを用いた、非破壊状態で、より高い精度
で、被検体の情報を得るための新規な方法を提供するこ
とにある。
存在する水分子と他の構成成分との水素結合状態に着目
した。そして、被検体の可視−近赤外スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、上記の水素結合状態との関
係について研究したところ、この水分子の要素ピーク
が、水分子と他の構成成分との相互作用(水素結合状態
の変化)によって、シフトしたり吸光度が変化したりす
るとの知見を得た。そして、この水分子の要素ピークを
通して、より高い精度で、被検体の情報を得ることが可
能となることがわかった。このような、被検体の可視−
近赤外スペクトル中の水分子の要素ピークを通して、被
検体の情報を得るという方法は、本発明者により初めて
行われたものである。
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、および、(b)得られた
スペクトル中のピークを、分光学的手法により要素ピー
クに分解する工程、を含む、被検体の情報を得る方法。 (2) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(1)記載の方法。 (3) 被検体が、生体(ヒトを除く)、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(1)記載の方法。 (4) 分光学的手法が2次微分処理である、上記(1)記載
の方法。 (5) (a)複数の被検体からなる特定の群に属する各
被検体に、400nmから2500nmまでのまたはそ
の一部の領域の連続波長光を照射して、各被検体のスペ
クトルを得る工程、(b)得られた各スペクトル中のピ
ークを、分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークを多変量解析して、その群の解
析モデルを作成する工程、および、(c)未知の被検体
を、上記工程(a)の光の照射および上記工程(b)の
分光学的手法に供して、その水分子の要素ピークのスペ
クトルパターンから、未知の被検体の属する群を判別す
る工程、を含む、方法。 (6) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(5)記載の方法。 (7) 被検体が、生体(ヒトを除く)、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(5)記載の方法。 (8) 多変量解析が主成分分析である、上記(5)記載の方
法。 (9) 分光学的手法が2次微分処理である、上記(5)記載
の方法。 (10) 被検体の正常または異常を判別する方法である、
上記(5)記載の方法。 (11) (a)被検体に、400nmから2500nmま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る工程、(b)得られた各スペク
トル中のピークを、分光学的手法により要素ピークに分
解し、その中の水分子の要素ピークを多変量解析して、
被検体の解析モデルを作成する工程、および、(c)未
知の被検体を、上記工程(a)の光の照射および上記工
程(b)の分光学的手法に供して、その水分子の要素ピ
ークのスペクトルパターンから、未知の被検体を同定す
る工程、を含む、方法。 (12) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(11)記載の方法。 (13) 被検体が、生体(ヒトを除く)、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(11)記載の方法。 (14) 多変量解析が主成分分析である、上記(11)記載の
方法。 (15) 分光学的手法が2次微分処理である、上記(11)記
載の方法。 (16) (a)被検体に、定期的に、400nmから25
00nmまでのまたはその一部の領域の連続波長光を照
射して、被検体の複数のスペクトルを得る工程、(b)
得られた各スペクトル中のピークを、分光学的手法によ
り要素ピークに分解する工程、および、(c)それらの
水分子の要素ピークのスペクトルパターンから、当該被
検体における経時変化をリアルタイムでモニターする工
程、を含む、方法。 (17) 被検体が、天然物、人工物およびそれらの加工品
から選ばれる、上記(16)記載の方法。 (18) 被検体が、生体(ヒトを除く)、農産物およびそ
の加工品、畜産物およびその加工品、並びに海産物およ
びその加工品から選ばれる、上記(16)記載の方法。 (19) 分光学的手法が2次微分処理である、上記(16)記
載の方法。
本発明においては、まず、被検体に、400nmから2
500nmまでのまたはその一部の領域の連続波長光を
照射して、被検体のスペクトルを得る。
0nmまでのまたはその一部の領域の連続波長光」と
は、400nm〜2500nmの範囲またはその一部の
範囲(例えば600〜1000nm)の、その範囲全体
にわたって連続的に波長を変化させた光をいい、例え
ば、600nmから1000nmまで1nmずつ波長を
連続的に変化させた光である。
しては、特に制限なく、公知の近赤外線分光光度計が使
用できる。
を、分光学的手法により要素ピークに分解する。本発明
において、要素ピークに分解する分光学的手法として
は、例えば、2次微分処理、フーリエ変換、ウェブレッ
ト変換、ニューラルネットワーク法等が例示されるが、
本発明はこれらには限定されず、公知の分光学的手法お
よび本発明以降の新たな分光学的手法も全て本発明に含
まれる。また、被検体情報の分析に必要とされる分光学
的手法が選択して用いられる。
素ピーク中の水分子の要素ピークを多変量解析する。本
発明で使用できる多変量解析としては、主成分分析、因
子分析、クラスター分析、SIMCA(soft independe
nt modeling of class analogy)等が例示されるが、本
発明はこれらには限定されず、公知の多変量解析法およ
び本発明以降の新たな多変量解析法も全て本発明に含ま
れる。また、被検体情報の分析に必要とされる多変量解
析法が選択して用いられる。
る点で、SIMCAを用いることが好ましい。SIMC
Aは群毎の主成分分析であり、未知の被検体が、どのク
ラスに属するかあるいは属さないかを判別できる。
ピークを主成分分析して、互いに無相関な複数の主成分
に情報を要約し、これらの主成分スコアの分布に基づい
て、群毎に主成分モデルを作成する。そして、未知の被
検体がどの群に属するかあるいは属さないかを、SIM
CAにより判別する。
であり、これは、水分子の水素結合状態によるものと考
えられている。水分子の水素結合状態は9種類あること
が知られており、それらは5種に分類されることも知ら
れている。また、970nm近傍の水分子のピークは、
水素結合状態が異なる5種の水分子の要素ピークに分解
されることも知られている。
いる。ここに他の成分が加わると、水分子間の水素結合
に切断が生じたり、水分子と他の成分との間で新たな水
素結合が形成される等、水素結合状態は変化する。被検
体はたいていの場合、多量の水を含有し、かつ水以外の
他の構成成分も含有する。
ピークを分光学的手法により要素ピークに分解し、その
中の水分子の要素ピークと、水分子と他の成分との水素
結合状態との関係を鋭意研究した結果、水分子と他の成
分との相互作用(水素結合状態の変化)により、水分子
の要素ピークがシフトしたり、強度が変化するという知
見を得た。
Clまたはアルブミンを添加したものについて、それぞ
れ、600〜1000nmの近赤外線を照射し、スペク
トル中のピークを分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを主成分分析した。そ
のときの第1および第2主成分ローディングを図1〜4
に示す。また、このローディングで示される水分子の要
素ピークを表1に示す。ここでは、5.26g/mlの
ラクトース水溶液、1.27g/mlのNaCl水溶
液、2.56g/mlのアルブミン水溶液について上記
の方法でそれぞれスペクトルを得、その後これらの溶液
を2倍希釈して、同様にそれぞれスペクトルを得、さら
に2倍希釈して、同様にそれぞれスペクトルを得る、と
いうように繰り返して、ラクトース水溶液、NaCl水
溶液、アルブミン水溶液について、それぞれ15のスペ
クトルを得、これらを上記方法で要素ピークに分解し、
その中の水分子の要素ピークを主成分分析した。
外分光光度計(Fantoc社(株)製、FRUIT TESTER20、
セル長1mm)を使用して、600〜1000nmの近
赤外線を照射(600nmから1000nmまで1nm
間隔で)した。得られたスペクトルTを吸光度スペクト
ルに変換するためにlog(1/T)を計算し、次いで
スムージング処理した。次いで、スペクトル中のピーク
を2次微分処理して要素ピークに分解し、その中の水分
子の要素ピークを主成分分析した。これらの一連の処理
には、データ処理ソフトとして、Pirouette2.6(GLサ
イエンス社(株)製)を使用した。
はアルブミンを添加したものにおいては、それらの水分
子の要素ピークが、水単独における水分子の要素ピーク
と比べてシフトしていることがわかる。
子の要素ピーク652nm、724nm、740nm、
782nm、794nm、842nm、872nm、9
34nm、964nmは、水にラクトースを添加したも
のにおいては、それぞれ656nm、730nm、74
4nm、780nm、796nm、838nm、878
nm、932nm、962nmにシフトしていることが
わかる。
の要素ピーク624nm、628nm、652nm、6
62nm、704nm、724nm、760nm、78
2nm、794nm、830nm、842nm、872
nm、886nm、934nm、964nmは、水にN
aClを添加したものにおいては、それぞれ622n
m、630nm、654nm、664nm、708n
m、730nm、762nm、780nm、798n
m、828nm、846nm、876nm、890n
m、932nm、968nmにシフトしていることがわ
かる。
子の要素ピーク652nm、690nm、724nm、
760nm、782nm、794nm、814nm、8
30nm、874nm、934nm、964nmは、水
にアルブミンを添加したものにおいては、それぞれ65
4nm、694nm、728nm、762nm、778
nm、796nm、816nm、834nm、876n
m、932nm、968nmにシフトしていることがわ
かる。
り水素結合状態が変化すると、スペクトル中の水分子の
要素ピークはシフトする(または強度が変化する)。被
検体中に存在する水以外の他の構成成分(被検体中の水
以外の全成分をいう)の種類および量は個々の被検体に
より異なり、よって、被検体中の水分子と他の構成成分
との水素結合状態は被検体に固有である。従って、被検
体中の水と他の構成成分との水素結合状態により変化し
得る(シフトし得るまたは強度が変化し得る)この水分
子の要素ピークを、被検体に固有の水分子の要素ピーク
としてとらえることができる。このような固有の水分子
の要素ピークを通して、より高い精度で簡単に被検体の
情報を得ることが可能となる。
作成でき、この解析モデルから、より高い精度で、未知
の被検体が属する群の判別や未知の被検体の同定が可能
となる。また、水分子の要素ピークのスペクトルパター
ンから、被検体における情報の経時変化をリアルタイム
でモニターすることも可能となる。
はないが、好ましくは非破壊分析を必要とするものであ
り、天然物、人工物およびそれらの加工品のいずれでも
よい。具体的には、生体(ヒトを除く、牛、マウス等の
哺乳動物、魚類、植物等)、農産物(穀類、野菜、豆
類、種子類等)またはそれらの加工品、畜産物(牛乳、
肉類等)またはそれらの加工品、海産物またはそれらの
加工品、土壌、木材、医薬品等が挙げられる。
えば、以下のものが挙げられる。 1.被検体がどのグループに属するかを判別する。例え
ば、被検体の正常・異常を判別する。具体的には、例え
ば、生体(ヒトを除く)が異常(例えばガン、炎症等の
疾病)か正常かを判別する。また、被検体の産地を判別
する。具体的には、香料、大豆、小麦等の産地を判別す
る。さらに、類縁種間の被検体を判別する。具体的に
は、黒豚由来の肉かその他の豚由来の肉かを判別する。
さらに、被検体の等級を判別する。具体的には、水産
物、農産物の鮮度により等級を判別する。さらに、被検
体があるレベルの品質を有するかどうかを判別する。具
体的には、食品加工時にたんぱく質が受けた加熱変性の
度合いにより、品質を判別する。
れる。まず、複数の被検体からなる特定の群(例えば、
正常・異常別、産地別、種別、等級別、品質別)に属す
る各被検体に、400nmから2500nmまでのまた
はその一部の領域の連続波長光を照射して、各被検体の
スペクトルを得る。
を、分光学的手法(例えば、2次微分処理)により要素
ピークに分解し、その中の水分子の要素ピークを多変量
解析(例えば、主成分分析)し、そしてそれらの群の解
析モデル(例えば、主成分モデル)を作成する。
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体が属する群
を判別する。具体的には、その水分子の要素ピークのス
ペクトルパターンと各群のモデルとの距離から、SIM
CAにより判別する。このようにして、例えば、産地、
種、等級、品質、個体、正常・異常を識別できる。
えば、個々の生体(例えば牛)を同定する。この方法で
は、人間における指紋のような、個々の生体に固有の情
報により、例えば個々の牛にいちいち札をつけることな
く管理できる。また、個々の被検体の由来も同定でき
る。例えば、個々の牛肉、牛乳等の畜産物を同定すれ
ば、それが、それぞれどの牛に由来するものであるかも
同定できる。
れる。まず、被検体に、400nmから2500nmま
でのまたはその一部の領域の連続波長光を照射して、被
検体のスペクトルを得る。
を、分光学的手法(例えば、2次微分処理)により要素
ピークに分解する。被検体への照射が2回以上である場
合、その中の水分子の要素ピークを多変量解析(例え
ば、主成分分析)して、そして被検体の解析モデル(例
えば、主成分モデル)を作成する。被検体への照射が1
回のみである場合、水分子の要素ピークのスペクトルパ
ターンを被検体に固有のスペクトルパターンとする。
の照射と分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体を同定す
る。具体的には、その水分子の要素ピークのスペクトル
パターンと、被検体のモデルとの距離から、SIMCA
により同定する。または、その水分子の要素ピークのス
ペクトルパターンと、予め得た被検体に固有のスペクト
ルパターンを比較することにより同定する。
ニターする。具体的なモニター方法は、次の手順で行わ
れる。まず、被検体に、定期的に、400nmから25
00nmまでのまたはその一部の領域の連続波長光を照
射して、被検体のスペクトルを得る。
を、分光学的手法(例えば、2次微分処理)により要素
ピークに分解する。そして、それらの水分子の要素ピー
クのスペクトルパターンから、当該被検体における経時
変化をリアルタイムでモニターする。具体的には、各ス
ペクトルパターンを比較し、水分子のどの要素ピークで
経時変化が生じた(ピーク強度の変化、ピークの有無
等)かを判断する。ここで、1つの要素ピークでの経時
変化を見てもよいし、複数の要素ピークでの経時変化を
見てもよい。また、上記の全てのスペクトルの水分子の
要素ピークを多変量解析(例えば、主成分分析)する
と、どの要素ピークに経時変化が生じているか知ること
もできる(例えば主成分ローディングから)。このよう
な水分子の要素ピークの経時変化から、被検体に具体的
にどのような経時変化が生じているのかを予測すること
もできる。
明するが、本発明はこれらの実施例に限定されるもので
はない。
化)の判別 <使用動物>マウス(CDF1、雄マウス、日本SLC
より入手、7週齢)に、発ガン性物質であるベンツピレ
ンを添加した飼料(ベンツピレン投与量:0.5mg/
kg/day)と無添加の飼料とをそれぞれ与えて、温
度25±2℃、湿度60±3%の条件下で6ヶ月間飼育
して、異常マウス群(ベンツピレン投与群、ガン化した
マウス群)と正常マウス群(ベンツピレン非投与群)を
得、これらを供試した。正常群と異常群(ガン化)の各
群を7匹とした。
トルの測定には近赤外分光光度計(Fantoc社(株)製、
FRUIT TESTER20)を使用し、正常群および異常群の各
マウスについて、マウス全体に、600〜1000nm
の近赤外線を照射(600nmから1000nmまで1
nm間隔で)した。得られた各スペクトルTを吸光度ス
ペクトルに変換するために、log(1/T)を計算
し、そしてスムージング処理した。これらの処理にはデ
ータ処理ソフトとして、Pirouette2.6(GLサイエンス
社(株)製)を使用した。
別>スムージング処理を行った後、得られた各スペクト
ル中のピークを、2次微分処理により要素ピークに分解
した。次いで、その中の水分子の要素ピークを主成分分
析し、抽出した主成分スコアの分布に基づき、各群の主
成分モデルを作成した。各群の主成分スコアに基づく分
布(第1〜3主成分のみ)を図5に示す。図5より、正
常群と異常群はそれぞれ1つの群を形成していることが
わかる。また、SIMCAにより計算された各群の距離
(クラス間距離)を表2に示す。表2より、正常群と異
常群の間の距離は1.1568であることがわかる。な
お、吸光度スペクトルの変換、2次微分処理、主成分分
析およびSIMCAには、データ処理ソフトとして、Pi
rouette2.6(GLサイエンス社(株)製)を使用した。
スについて、上記と同様の方法により近赤外線照射およ
び2次微分処理を行い、その水分子の要素ピークのスペ
クトルパターンと各群のモデルとの距離から、SIMC
Aにより、どの群に属するか、あるいは属さないかを判
別した。90%以上の確率で判別することができた。
定) <使用牛乳>兵庫県立淡路農業技術センターのホルスタ
イン種牛4匹(COWNo.1058、COWNo.1
065、COWNo.1066およびCOWNo.10
76)由来の牛乳を供試した。各牛乳8〜12サンプル
とした。
法により、各牛乳について、牛乳に近赤外線を照射して
スペクトルを測定し(但し、セル長1mm)、吸光度ス
ペクトルに変換し、スムージング処理した。
>スムージング処理を行った後、得られた各スペクトル
中のピークを、2次微分処理により要素ピークに分解し
た。次いで、その中の水分子の要素ピークを主成分分析
し、抽出した主成分スコアの分布に基づき、各牛乳の主
成分モデルを作成した。各牛乳の主成分スコアに基づく
分布(第1主成分および第2主成分のみ)を図6に示
す。図6より、各牛乳はそれぞれ1つの群を形成してい
ることがわかる。また、SIMCAにより計算された各
牛乳間の距離(クラス間距離)を表3に示す。表3よ
り、各牛乳間の距離は2.90以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、2次微分処理、主成分分析およびSIMCAには実
施例1と同様のソフトを使用した。
て、上記と同様の方法により近赤外線照射および2次微
分処理を行い、その水分子の要素ピークのスペクトルパ
ターンと各牛乳のモデルとの距離から、SIMCAによ
り、どの牛乳であるかを同定した。90%以上の確率で
同定することができた。これにより、その牛乳がどの牛
に由来するのか判別することもできた。
イン種牛11匹(COWNo.5、COWNo.8、C
OWNo.11、COWNo.12、COWNo.1
3、COWNo.14、COWNo.15、COWN
o.22、COWNo.23、COWNo.24および
COWNo.79)を使用し、測定部位は***とした。
各牛の同じ***について3〜4回測定した。
法により、各牛ごとに、牛の***に近赤外線を照射して
スペクトルを測定し、吸光度スペクトルに変換し、スム
ージング処理した。
ジング処理を行った後、得られた各スペクトル中のピー
クを、2次微分処理により要素ピークに分解した。次い
で、その中の水分子の要素ピークを主成分分析し、抽出
した主成分スコアの分布に基づき、各牛の主成分モデル
を作成した。各牛の主成分スコアに基づく分布(第1主
成分および第2主成分のみ)を図7に示す。図7より、
各牛の主成分モデルはそれぞれ1つの群を形成している
ことがわかる。また、SIMCAにより計算された各牛
間の距離(クラス間距離)を表4に示す。表4より、各
牛間の距離は0.950707以上であることがわか
る。なお、吸光度スペクトルの変換、スムージング処
理、2次微分処理、主成分分析およびSIMCAには実
施例1と同様のソフトを使用した。
同様の方法により近赤外線照射および2次微分処理を行
い、その水分子の要素ピークのスペクトルパターンと各
牛のモデルとの距離から、SIMCAにより、どの牛で
あるかを同定した。90%以上の確率で同定することが
できた。
イン種牛を使用した。測定部位を***とした。
0秒毎に、牛の***に近赤外線を照射してスペクトルを
測定し、吸光度スペクトルに変換し、スムージング処理
した。
リング>スムージング処理を行った後、得られた各スペ
クトル中のピークを、2次微分処理により要素ピークに
分解した。なお、吸光度スペクトルの変換、スムージン
グ処理および2次微分処理には実施例1と同様のソフト
を使用した。水分子の要素ピークのスペクトルパターン
中の、水分子の要素ピーク840nmにおける吸光度を
図8に示す。図8より、840nmにおいて経時変化が
生じていることがわかる。
ル中のピークを、分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを通して、非破壊状態
で、比較的簡単な装置を用いて、より高い精度で迅速、
低コストで、被検体の情報を得ることができる。
た時の第1および第2主成分のローディングを示す図で
ある。
の要素ピークを主成分分析した時の第1および第2主成
分のローディングを示す図である。
要素ピークを主成分分析した時の第1および第2主成分
のローディングを示す図である。
の要素ピークを主成分分析した時の第1および第2主成
分のローディングを示す図である。
要素ピークを主成分分析した時の、主成分スコアに基づ
く分布を示す図である。
を主成分分析した時の、主成分スコアに基づく分布を示
す図である。
分析した時の、主成分スコアに基づく分布を示す図であ
る。
の中の水分子の要素ピーク840nmにおける吸光度の
経時変化を示す図である。
Claims (19)
- 【請求項1】 (a)被検体に、400nmから250
0nmまでのまたはその一部の領域の連続波長光を照射
して、被検体のスペクトルを得る工程、および、(b)
得られたスペクトル中のピークを、分光学的手法により
要素ピークに分解する工程、を含む、被検体の情報を得
る方法。 - 【請求項2】 被検体が、天然物、人工物およびそれら
の加工品から選ばれる、請求項1記載の方法。 - 【請求項3】 被検体が、生体(ヒトを除く)、農産物
およびその加工品、畜産物およびその加工品、並びに海
産物およびその加工品から選ばれる、請求項1記載の方
法。 - 【請求項4】 分光学的手法が2次微分処理である、請
求項1記載の方法。 - 【請求項5】 (a)複数の被検体からなる特定の群に
属する各被検体に、400nmから2500nmまでの
またはその一部の領域の連続波長光を照射して、各被検
体のスペクトルを得る工程、(b)得られた各スペクト
ル中のピークを、分光学的手法により要素ピークに分解
し、その中の水分子の要素ピークを多変量解析して、そ
の群の解析モデルを作成する工程、および、(c)未知
の被検体を、上記工程(a)の光の照射および上記工程
(b)の分光学的手法に供して、その水分子の要素ピー
クのスペクトルパターンから、未知の被検体の属する群
を判別する工程、を含む、方法。 - 【請求項6】 被検体が、天然物、人工物およびそれら
の加工品から選ばれる、請求項5記載の方法。 - 【請求項7】 被検体が、生体(ヒトを除く)、農産物
およびその加工品、畜産物およびその加工品、並びに海
産物およびその加工品から選ばれる、請求項5記載の方
法。 - 【請求項8】 多変量解析が主成分分析である、請求項
5記載の方法。 - 【請求項9】 分光学的手法が2次微分処理である、請
求項5記載の方法。 - 【請求項10】 被検体の正常または異常を判別する方
法である、請求項5記載の方法。 - 【請求項11】 (a)被検体に、400nmから25
00nmまでのまたはその一部の領域の連続波長光を照
射して、被検体のスペクトルを得る工程、(b)得られ
た各スペクトル中のピークを、分光学的手法により要素
ピークに分解し、その中の水分子の要素ピークを多変量
解析して、被検体の解析モデルを作成する工程、およ
び、(c)未知の被検体を、上記工程(a)の光の照射
および上記工程(b)の分光学的手法に供して、その水
分子の要素ピークのスペクトルパターンから、未知の被
検体を同定する工程、を含む、方法。 - 【請求項12】 被検体が、天然物、人工物およびそれ
らの加工品から選ばれる、請求項11記載の方法。 - 【請求項13】 被検体が、生体(ヒトを除く)、農産
物およびその加工品、畜産物およびその加工品、並びに
海産物およびその加工品から選ばれる、請求項11記載
の方法。 - 【請求項14】 多変量解析が主成分分析である、請求
項11記載の方法。 - 【請求項15】 分光学的手法が2次微分処理である、
請求項11記載の方法。 - 【請求項16】 (a)被検体に、定期的に、400n
mから2500nmまでのまたはその一部の領域の連続
波長光を照射して、被検体の複数のスペクトルを得る工
程、(b)得られた各スペクトル中のピークを、分光学
的手法により要素ピークに分解する工程、および、
(c)それらの水分子の要素ピークのスペクトルパター
ンから、当該被検体における経時変化をリアルタイムで
モニターする工程、を含む、方法。 - 【請求項17】 被検体が、天然物、人工物およびそれ
らの加工品から選ばれる、請求項16記載の方法。 - 【請求項18】 被検体が、生体(ヒトを除く)、農産
物およびその加工品、畜産物およびその加工品、並びに
海産物およびその加工品から選ばれる、請求項16記載
の方法。 - 【請求項19】 分光学的手法が2次微分処理である、
請求項16記載の方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000183427A JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000183427A JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2002005827A true JP2002005827A (ja) | 2002-01-09 |
Family
ID=18684015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000183427A Pending JP2002005827A (ja) | 2000-06-19 | 2000-06-19 | 被検体の情報を得る方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2002005827A (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005050176A1 (ja) * | 2003-11-10 | 2005-06-02 | Zaidanhozin Sinsangyosozokenkyukiko | 可視光・近赤外分光分析方法及びその装置 |
WO2005111583A1 (ja) * | 2004-05-17 | 2005-11-24 | The New Industry Research Organization | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 |
WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Hiv等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
WO2007066589A1 (ja) | 2005-12-06 | 2007-06-14 | Fatigue Science Laboratory Inc. | 近赤外分光を用いた生活習慣病に関する検査・診断法および装置 |
JP2008064681A (ja) * | 2006-09-08 | 2008-03-21 | Iwate Univ | 受粉蕾の検出方法及び装置 |
US8233960B2 (en) | 2005-05-18 | 2012-07-31 | Fatigue Science Laboratory Inc. | Method and device for diagnosing chronic fatigue syndrome (CFS) by using near infrared spectrum |
WO2014034668A1 (ja) * | 2012-08-31 | 2014-03-06 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ-オリザノールの定量方法 |
WO2014050339A1 (ja) * | 2012-09-25 | 2014-04-03 | 住友電気工業株式会社 | 木質材料の分類方法及び判定方法 |
JP2017138105A (ja) * | 2016-02-01 | 2017-08-10 | 株式会社明治 | 包装食品の密封状態判定方法及び密封包装食品の製造方法 |
WO2020111262A1 (ja) * | 2018-11-29 | 2020-06-04 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
WO2021187503A1 (ja) * | 2020-03-18 | 2021-09-23 | 国立大学法人 神戸大学 | 近赤外分光法による汚染検査方法及び検出装置 |
-
2000
- 2000-06-19 JP JP2000183427A patent/JP2002005827A/ja active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005050176A1 (ja) * | 2003-11-10 | 2005-06-02 | Zaidanhozin Sinsangyosozokenkyukiko | 可視光・近赤外分光分析方法及びその装置 |
JPWO2005050176A1 (ja) * | 2003-11-10 | 2007-06-07 | 財団法人新産業創造研究機構 | 可視光・近赤外分光分析方法及びその装置 |
US7570357B2 (en) | 2003-11-10 | 2009-08-04 | Kyokko Denki Kabushiki Kaisha | Visible/near-infrared spectrometry and its device |
JP4710012B2 (ja) * | 2003-11-10 | 2011-06-29 | 公益財団法人新産業創造研究機構 | 可視光・近赤外分光分析方法及びその装置 |
WO2005111583A1 (ja) * | 2004-05-17 | 2005-11-24 | The New Industry Research Organization | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 |
WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Hiv等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
JPWO2006051847A1 (ja) * | 2004-11-12 | 2008-05-29 | 財団法人新産業創造研究機構 | Hiv等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
US8233960B2 (en) | 2005-05-18 | 2012-07-31 | Fatigue Science Laboratory Inc. | Method and device for diagnosing chronic fatigue syndrome (CFS) by using near infrared spectrum |
WO2007066589A1 (ja) | 2005-12-06 | 2007-06-14 | Fatigue Science Laboratory Inc. | 近赤外分光を用いた生活習慣病に関する検査・診断法および装置 |
JP2008064681A (ja) * | 2006-09-08 | 2008-03-21 | Iwate Univ | 受粉蕾の検出方法及び装置 |
WO2014034668A1 (ja) * | 2012-08-31 | 2014-03-06 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ-オリザノールの定量方法 |
JPWO2014034668A1 (ja) * | 2012-08-31 | 2016-08-08 | 築野食品工業株式会社 | 近赤外光分光法を用いたγ−オリザノールの定量方法 |
WO2014050339A1 (ja) * | 2012-09-25 | 2014-04-03 | 住友電気工業株式会社 | 木質材料の分類方法及び判定方法 |
JP2014066578A (ja) * | 2012-09-25 | 2014-04-17 | Sumitomo Electric Ind Ltd | 木質材料の分類方法及び判定方法 |
CN103930764A (zh) * | 2012-09-25 | 2014-07-16 | 住友电气工业株式会社 | 木质材料的分类方法及判定方法 |
US9164029B2 (en) | 2012-09-25 | 2015-10-20 | Sumitomo Electric Industries, Ltd. | Method of classifying and discerning wooden materials |
JP2017138105A (ja) * | 2016-02-01 | 2017-08-10 | 株式会社明治 | 包装食品の密封状態判定方法及び密封包装食品の製造方法 |
WO2020111262A1 (ja) * | 2018-11-29 | 2020-06-04 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
JP2020095008A (ja) * | 2018-11-29 | 2020-06-18 | キユーピー株式会社 | 殻付き鶏卵の選別方法、殻付き鶏卵の評価方法及びゆで卵の製造方法 |
WO2021187503A1 (ja) * | 2020-03-18 | 2021-09-23 | 国立大学法人 神戸大学 | 近赤外分光法による汚染検査方法及び検出装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prieto et al. | A review of the principles and applications of near-infrared spectroscopy to characterize meat, fat, and meat products | |
Xia et al. | Recent advances in emerging techniques for non-destructive detection of seed viability: A review | |
Kademi et al. | Applications of miniaturized and portable near infrared spectroscopy (NIRS) for inspection and control of meat and meat products | |
Chandrasekaran et al. | Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview | |
Kamruzzaman et al. | Non-destructive prediction and visualization of chemical composition in lamb meat using NIR hyperspectral imaging and multivariate regression | |
Shackelford et al. | On-line classification of US Select beef carcasses for longissimus tenderness using visible and near-infrared reflectance spectroscopy | |
Bisutti et al. | Multivariate and machine learning approaches for honey botanical origin authentication using near infrared spectroscopy | |
Cozzolino et al. | Visible/near infrared reflectance spectroscopy for predicting composition and tracing system of production of beef muscle | |
Xiaobo et al. | Non-invasive sensing for food reassurance | |
Liu et al. | Non-destructive determination of chemical and microbial spoilage indicators of beef for freshness evaluation using front-face synchronous fluorescence spectroscopy | |
Afseth et al. | A novel approach for subsurface through-skin analysis of salmon using spatially offset Raman spectroscopy (SORS) | |
Iqbal et al. | An overview on principle, techniques and application of hyperspectral imaging with special reference to ham quality evaluation and control | |
Arboleda | Discrimination of civet coffee using near infrared spectroscopy and artificial neural network | |
Tsenkova et al. | Near infrared spectra of cows' milk for milk quality evaluation: disease diagnosis and pathogen identification | |
Bittante et al. | Invited review: A comprehensive review of visible and near-infrared spectroscopy for predicting the chemical composition of cheese | |
Logan et al. | Authenticating common Australian beef production systems using Raman spectroscopy | |
Patel et al. | Performance of different portable and hand-held near-infrared spectrometers for predicting beef composition and quality characteristics in the abattoir without meat sampling | |
ElMasry et al. | Meat quality assessment using a hyperspectral imaging system | |
JP2002005827A (ja) | 被検体の情報を得る方法 | |
Liu et al. | Feasibility of boar taint classification using a portable Raman device | |
Canaza-Cayo et al. | A feasibility study of the classification of Alpaca (Lama pacos) wool samples from different ages, sex and color by means of visible and near infrared reflectance spectroscopy | |
Berzaghi et al. | Near infrared spectroscopy in animal science production: principles and applications | |
Kombolo-Ngah et al. | Across countries implementation of handheld near-infrared spectrometer for the on-line prediction of beef marbling in slaughterhouse | |
Gao et al. | Differentiation of storage time of wheat seed based on near infrared hyperspectral imaging | |
Peng et al. | Application of near-infrared spectroscopy for assessing meat quality and safety |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070514 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090707 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091006 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100216 |