文献

J-GLOBAL ID：201902282896309533   整理番号：19A2413372

複雑な混合物からの自動分散プロット分析および化学同定のための機械視覚法,自然言語処理および機械学習アルゴリズム【JST・京大機械翻訳】

Machine Vision Methods, Natural Language Processing, and Machine Learning Algorithms for Automated Dispersion Plot Analysis and Chemical Identification from Complex Mixtures

著者 (9件)： Yeap Danny (Department of Mechanical and Aerospace Engineering, University of California, Davis) ,  Hichwa Paul T. (Department of Mechanical and Aerospace Engineering, University of California, Davis) ,  Rajapakse Maneeshin Y. (Department of Mechanical and Aerospace Engineering, University of California, Davis) ,  Peirano Daniel J. (Department of Mechanical and Aerospace Engineering, University of California, Davis) ,  McCartney Mitchell M. (Department of Mechanical and Aerospace Engineering, University of California, Davis) ,  Kenyon Nicholas J. (Department of Internal Medicine, University of California, Davis, California, United States) ,  Kenyon Nicholas J. (Center for Comparative Respiratory Biology and Medicine, University of California, Davis) ,  Kenyon Nicholas J. (VA Northern California Health Care System, California, United States) ,  Davis Cristina E. (Department of Mechanical and Aerospace Engineering, University of California, Davis)
資料名： Analytical Chemistry  (Analytical Chemistry)
巻： 91  号： 16  ページ： 10509-10517  発行年： 2019年 
JST資料番号： A0395A  ISSN： 0003-2700  CODEN： ANCHAM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： イオン移動度分光法(IMS)や微分移動度分光法(DMS)のような気相微量化学検出技術は,患者の健康状態の評価や空港での爆薬の検出など多くの設定で使用できる。これらのデバイスは混合物中の化学化合物を分離し,関心のある特定の化学種を同定するための情報を提供する。さらに,これらのタイプのデバイスは制御された実験室環境と現場応用の両方で良く動作する。しばしば,これらのデバイスの商用バージョンは,再構成機器ハードウェアとデータ解析ソフトウェアアルゴリズムに含まれる困難さのために,ニッチ応用(例えば,爆薬検出)に対して高度に調整されている。化学ターゲットの新しい目的とより広いパネルのためにこれらのツールを迅速に適応させる研究者のために,これらのセンサ応答のライブラリを生成するための新しいアルゴリズムと方法を開発することが重要である。マイクロ電気機械システム(MEMS)技術を用いて,より容易な配置のためのプラットフォームを小型化するDMSデバイスを製作した。しかしながら,進歩したデータ分析における同時の進歩は遅れている。DMSは混合物中の正および負イオンの両方に対して複雑な三次元分散プロットを生成する。単一化学物質の簡単なスペクトルは解釈するのが簡単であるが,多くの化学成分を含む複雑な混合物からの分散プロットを解釈することは非常に困難である。本研究では,画像処理とコンピュータビジョンステップを用いて,DMS分散プロットから特徴を自動的に同定した。著者らは,自然言語処理と情報検索から適応された単語-単語アプローチを用いて,これらの特徴をクラスタ化し,組織化した。最後に,サポートベクトルマシン(SVM)学習アルゴリズムをこれらの特徴を用いて訓練し,これらの表現された概念化データ出力における特定の化合物を検出し分類した。このアプローチを用いて,ガス混合物が存在する妨害化学物質との複雑さを増加させても,高レベルの正しい化学的同定を維持することに成功した。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ハードウェア ,  三次元 ,  アニオン ,  移動度 ,  小型化 ,  *視覚 ,  スペクトル ,  再構成 ,  クラスタ化 ,  サポートベクトルマシン ,  ヒト ,  *アルゴリズム ,  センサ ,  *学習アルゴリズム ,  単語 ,  MEMS

分類 (4件)： 数値計算  (JE02000J) ,  有機化合物の各種分析  (CC08034J) ,  各種分析法一般  (CC08010X) ,  有機化合物の物理分析  (CC03034A)

タイトルに関連する用語 (9件)： 混合物 ,  プロット ,  分析 ,  化学 ,  同定 ,  視覚 ,  自然言語処理 ,  機械学習 ,  アルゴリズム