信息处理装置和信息处理装置的控制方法制造方法及图纸

一种信息处理装置，具有：信息获取部件，获取关于要检测的物质的定量信息，该定量信息通过将关于包括要检测的物质的材料的频谱信息输入到学习模型中而估计；以及贡献度获取部件，获取涉及所获取的关于要检测的物质的定量信息的贡献度。信息的贡献度。信息的贡献度。

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置和信息处理装置的控制方法


[0001]本专利技术涉及信息处理装置和信息处理装置的控制方法。

技术介绍

[0002]频谱分析被广泛用作检测各种样本中所含的特定成分(下文中称为测试物质)的浓度和/或量的方法。在频谱分析中，对样本施加某种刺激，并检测样本对刺激的响应。基于获得的响应信号，可以获得关于样本成分的信息(频谱信息)。频谱信息是表征刺激和/或响应的信息。除了包括光的电磁波的强度之外，频谱信息的示例还包括关于各自具有特定质量的粒子的温度、质量和计数的信息。在频谱分析的另一个示例中，电子撞击被用作刺激，并且对于各种质量的粒子，通过电子撞击分解而生成的粒子的量被记录，从而获得关于结构等的信息。更具体而言，频谱分析的示例包括可见/紫外吸收频谱(UV/Vis频谱)分析、红外吸收频谱(IR频谱)分析、核磁共振频谱(NMR频谱)分析、拉曼频谱分析、荧光频谱分析、原子吸收分析、帧分析、发射频谱法、X射线分析、X射线衍射分析、荧光X射线衍射分析、顺磁共振吸收频谱分析、质谱分析、热分析、毛细管电泳分析等。
[0003]在频谱分析方法的另一个示例中，尝试使用组分之间的空间尺寸、电荷和亲水/疏水特性的差异来分离组分，然后通过用电磁波照射它们来分析组分。这被称为分离分析。例如，在液相色谱法(下文中简称为HPLC)中，通过在柱种类、流动相种类、温度、流速等方面优化分析条件，将测试物质与其它物质(下文中简称杂质)分离开。此后，测量分离的测试物质的频谱，从而检测其浓度和/或量。
[0004]另一个示例是二次离子质谱法，诸如飞行时间二次离子质谱法(TOF
‑
SIMS)，其中用离子束照射固体样本以获得关于存在于固体样本表面上的元素和分子的信息。当离子束(一次离子)被施加到高真空中的固体样本时，固体样本表面上的组分被释放到真空中。在这个过程中生成的带正电或带负电的离子(二次离子)通过电场在一个方向上会聚，并在相隔一定距离的位置处被检测到。根据固体样本表面的组成，生成具有不同质量的二次离子。在恒定电场中，质量较小的离子飞得较快，而质量较大的离子飞得较慢。因此，可以通过测量从生成二次离子至到达检测器的时间(飞行时间)来分析生成的二次离子的质量。
[0005]但是，频谱分析方法要求知识和技能来读取频谱的值。例如，在HPLC中，有必要在测试物质与其它杂质之间充分分离频谱信息，并且要求分离过程技术和预处理技术。在TOF
‑
SIMS方法中，在检测到测试物质的同时也检测到杂质，因此要求知识和经验来确定频谱信息的哪些部分与测试物质相关。
[0006]近年来，随着使用深度学习的机器学习方法的发展，机器学习已被引入到分析方法中。在PTL 1中，基于使用质谱法获得的质谱信息，使用深度学习来确定人是否患有疾病。
[0007]引文列表
[0008]专利文献
[0009]PTL 1：日本专利公开No.2018
‑
152000

技术实现思路

[0010]技术问题
[0011]使用深度学习的机器学习方法是一种无需常规技术中所需的知识和技能就能够以简单且高度准确的方式实现频谱分析的方法。但是，深度学习中的数据处理是在黑盒子中，并且用于计算结果的依据不明确。因此，存在难以判断获得的结果是否可靠的问题。
[0012]问题的解决方案
[0013]根据本专利技术，一种信息处理装置包括：信息获取部件，被配置为获取通过将包括测试物质的样本的频谱信息输入到学习模型中而估计的关于测试物质的定量信息；以及贡献度获取部件，被配置为获取所获取的关于测试物质的定量信息的贡献度。
[0014]根据本专利技术，一种用于信息处理装置的方法包括：信息获取步骤，用于获取通过将包括测试物质的样本的频谱信息输入到学习模型中而估计的关于测试物质的定量信息；以及贡献度获取步骤，用于获取所获取的关于测试物质的定量信息的贡献度。
[0015]专利技术的有益效果
[0016]根据本专利技术的信息处理装置能够使用深度学习来执行过去要求知识和技术的频谱分析，并且将频谱分析的结果与推断结果的依据一起显示，从而使得可以确定获得的结果是否可靠。
附图说明
[0017]图1是示出包括根据本专利技术实施例的信息处理装置的信息处理系统的整体配置的示例的图。
[0018]图2是示出与根据本专利技术实施例的学习模型的生成相关的处理过程的示例的流程图。
[0019]图3是示出根据本专利技术实施例的用于获取贡献度的处理过程的示例的流程图。
[0020]图4是根据本专利技术的示例1中的分析装置的示意性框图。
[0021]图5是示出本专利技术实施例的流程图。
[0022]图6示出了HPLC中的显示单元的示例。
[0023]图7A示出了根据本专利技术另一个实施例的HPLC的显示单元的示例。
[0024]图7B示出了根据本专利技术另一个实施例的HPLC的显示单元的示例。
[0025]图8示出了TOF
‑
SIMS中显示单元的示例。
[0026]图9是示出添加剂浓度与特定质谱的强度之间的关系的图。
[0027]图10是示出根据另一个实施例的TOF
‑
SIMS的显示单元的示例的图。
[0028]图11示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0029]图12示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0030]图13示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0031]图14示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0032]图15示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0033]图16示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0034]图17示出了根据本专利技术实施例的在显示单元上显示信息的方式的示例。
[0035]图18是用于解释根据本专利技术实施例执行的学习方法的示意图。
[0036]图19示出了根据本专利技术实施例的在显示单元上显示的输出的示例。
[0037]图20示出了根据本专利技术实施例的在显示单元上显示的输出的示例。
具体实施方式
[0038]首先，在描述本专利技术的实施例之前，下面先描述术语。
[0039](样本)
[0040]在实施例中，样本是多种类型化合物的混合物。在实施例中，假设样本包含测试物质和另一种物质(杂质)。对样本没有特别限制，只要是物质的混合物即可。此外，没有必要识别混合物的成分，并且混合物可以包含未知成分。例如，混合物可以包含来自活体的物质，诸如血液、尿液或唾液，或者它可以包含来自食物或饮料的物质。由于对生物源样本的分析为提供样本的人的营养和健康状况提供线索，因此该分析在医学和营养学上具有价值。例如，尿中的维生素B3参与糖、脂质和蛋白质的代谢以及能量产生。因此，测量其尿液代谢物N1
‑...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种信息处理装置，包括：信息获取部件，被配置为获取通过将包括测试物质的样本的频谱信息输入到学习模型中而估计的关于测试物质的定量信息；以及贡献度获取部件，被配置为获取所获取的关于测试物质的定量信息的贡献度。2.根据权利要求1所述的信息处理装置，其中贡献度是关于频谱信息中包括的信息在获取关于测试物质的定量信息中的贡献度的信息。3.根据权利要求1或2所述的信息处理装置，其中频谱信息包括关于具有多个峰的曲线图的信息，其中峰的高度与关于样本中包括的物质的定量信息对应，并且峰的位置与样本中包括的物质的类型对应。4.根据权利要求3所述的信息处理装置，其中贡献度是指示所述多个峰中的每个峰在获取关于测试物质的定量信息中的贡献度的信息。5.根据权利要求1至4中的任一项所述的信息处理装置，其中贡献度获取部件基于在改变样本的频谱信息时获取的对关于测试物质的定量信息的影响程度来获取贡献度。6.根据权利要求1至5中的任一项所述的信息处理装置，还包括显示控制部件，该显示控制部件被配置为执行控制，使得所获取的贡献度被显示在显示单元上。7.根据权利要求6所述的信息处理装置，其中显示控制部件还执行控制，使得所获取的关于测试物质的定量信息被显示在显示单元上。8.根据权利要求1至7中的任一项所述的信息处理装置，其中学习模型是经训练的模型，该模型已经使用基于测试物质的频谱信息而生成的用于训练的频谱信息和基于测试物质的频谱信息识别出的关于测试物质的定量信息的多个集合作为训练数据进行了训练。9.根据权利要求8所述的信息处理装置，其中用于训练的频谱信息是使用测试物质的频谱信息和随机噪声生成的。10.根据权利要求9所述的信息处理装置，其中随机噪声具有通过组合多个高斯函数而获得的波形。11.根据权利要求1至10中的任一项所述的信息处理装置，还包括估计部件，该估计部件被配置为通过将样本的频谱信息输入到学习模型中来估计...

【专利技术属性】
技术研发人员：田谷彰大，吉正泰，河村英孝，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：