參考光譜信息的管理和搜索的制作方法
【專(zhuān)利摘要】一個(gè)處理應(yīng)用接收與多個(gè)已知參考樣品相關(guān)的峰信息。該處理應(yīng)用將一個(gè)光譜分區(qū)為多個(gè)不同大小的范圍區(qū)段，使得與這些已知參考樣品相關(guān)的基本上相等數(shù)目的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。為了鑒別一個(gè)參考樣品庫(kù)中潛在地是一個(gè)受測(cè)的未知樣品的良好匹配的一組候選參考樣品，該處理應(yīng)用將與該未知樣品相關(guān)的峰與該多個(gè)不同大小的范圍區(qū)段進(jìn)行比較?；谠撐粗獦悠分械姆搴鸵粋€(gè)相對(duì)應(yīng)的參考樣品中的峰的范圍區(qū)段匹配的數(shù)目越大，該未知樣品與該相對(duì)應(yīng)的參考樣品匹配的可能性越大。
【專(zhuān)利說(shuō)明】參考光譜信息的管理和搜索
[0001]背景
[0002]已知可以對(duì)樣品進(jìn)行光譜分析以鑒別它的類(lèi)型。例如，一種受測(cè)的未知樣品的光譜分析可以包括鑒別一個(gè)或多個(gè)峰值波長(zhǎng)值。該未知樣品的峰值波長(zhǎng)與一種已知參考樣品的峰特征信號(hào)(signature)的仔細(xì)匹配可以表明該未知樣品是否可能是與該參考樣品相同的物質(zhì)。
[0003]在現(xiàn)代多通道儀器中，在其中搜索一種未知樣品并且將其與一種已知樣品進(jìn)行匹配的一個(gè)參考數(shù)據(jù)庫(kù)可能要求大量的處理和存儲(chǔ)資源。例如，接收對(duì)于一個(gè)未知樣品的每個(gè)測(cè)量的包括連續(xù)的一千個(gè)或更多個(gè)數(shù)據(jù)點(diǎn)的光譜分析并不少見(jiàn)。
[0004]此外，在常規(guī)譜圖搜索應(yīng)用中，一個(gè)參考數(shù)據(jù)庫(kù)包括多于10，000組的光譜信息(對(duì)于每個(gè)參考樣品一組光學(xué)信息)并不少見(jiàn)。
[0005]一個(gè)對(duì)應(yīng)參考樣品的每組光譜信息可以由定義峰、谷等等的一千個(gè)或更多個(gè)數(shù)據(jù)點(diǎn)組成。將一個(gè)未知樣品中的光譜信息(例如，一千個(gè)或更多個(gè)數(shù)據(jù)點(diǎn))與多于10，000組的光譜信息(例如，一千個(gè)或更多個(gè)數(shù)據(jù)點(diǎn))中的一個(gè)對(duì)應(yīng)的組進(jìn)行匹配可能是在計(jì)算上有挑戰(zhàn)性的。例如，當(dāng)一個(gè)2000點(diǎn)未知光譜在一個(gè)具有10，000個(gè)參考譜(其中每一個(gè)包含2000個(gè)信息通道)的庫(kù)中進(jìn)行搜索時(shí)，如果沒(méi)有規(guī)定使用一種計(jì)算上有效的搜索方法學(xué)，則必須執(zhí)行20，000，000次或更多次的操作(逐點(diǎn)比較)。
[0006]一種更有效地進(jìn)行該搜索方法學(xué)的方法是在分析之前將光譜數(shù)據(jù)壓縮為一種二進(jìn)制格式。根據(jù)常規(guī)光譜學(xué)，將一個(gè)光譜二進(jìn)制化的一種之前方法是關(guān)于一個(gè)峰的存在或不存在進(jìn)行評(píng)價(jià)。當(dāng)將兩個(gè)光譜進(jìn)行比較時(shí)，如光譜A和光譜B，一種方法將是查找光譜A的一個(gè)峰表并且給其中光譜B在那個(gè)峰的η個(gè)波數(shù)(或其他合適單位，例如像素、m/z等等)內(nèi)也含有一個(gè)特征的任何位置指定一個(gè)為一的值。將一個(gè)零值分配給其中光譜B不含有一個(gè)峰的光譜A的峰表的任何位置。這種方法由Clerc等人在1980年代進(jìn)行了描述。
[0007]盡管這種常規(guī)方法提供總體的相似度排行，但它不提供任何種類(lèi)的概率性解釋。還值得注意(并且由Clerc所指出)的是，根據(jù)這種常規(guī)方法，候選匹配的得分取決于該搜索的方向(結(jié)果是非對(duì)稱(chēng)的)。例如假設(shè)光譜A包含10個(gè)峰，光譜B包含12個(gè)峰，并且發(fā)現(xiàn)這些峰中的8個(gè)是共有的。由于基于存在的峰的數(shù)目將對(duì)應(yīng)的得分進(jìn)行歸一化，因此可以產(chǎn)生8/10或8/12的值。
[0008]實(shí)施例的簡(jiǎn)要說(shuō)明
[0009]如以上所討論的，基于光譜分析將一種未知樣品與在一個(gè)數(shù)據(jù)庫(kù)中的一種已知參考樣品進(jìn)行匹配的常規(guī)技術(shù)可能是具有挑戰(zhàn)性的，由于必須進(jìn)行比較以精確地鑒別一個(gè)適當(dāng)?shù)钠ヅ涞臄?shù)據(jù)點(diǎn)的量。在許多情況下，不希望要求冗長(zhǎng)的計(jì)算來(lái)確定與一個(gè)未知樣品匹配的一個(gè)或多個(gè)參考樣品以鑒別該未知樣品的類(lèi)型。
[0010]此外，常規(guī)的光譜匹配技術(shù)典型地不足以快速鑒別匹配，因?yàn)榇祟?lèi)技術(shù)僅提供表明多個(gè)可能參考樣品中的哪一個(gè)與該未知樣品匹配的一個(gè)清單。該候選物的常規(guī)排序清單可能是誤導(dǎo)性的。例如，根據(jù)常規(guī)清單，不知道一個(gè)清單中的一個(gè)第一候選參考樣品(即，第一已知樣品)是否是比該清單中的一個(gè)第二候選參考樣品(即，第二已知樣品)更可能為一個(gè)與該受測(cè)樣品的匹配。換句話說(shuō)，常規(guī)技術(shù)典型地不提供表明一個(gè)清單中的多個(gè)候選物中的哪一個(gè)更可能是與一個(gè)受測(cè)的未知樣品的適當(dāng)匹配的任何有用的概率信息。
[0011]與常規(guī)技術(shù)相比，總體上，在此的實(shí)施例包括將與一個(gè)或多個(gè)參考樣品相關(guān)的光譜處理信息轉(zhuǎn)化為一種更緊湊的形式。另外，在此的實(shí)施例包括一種搜索一個(gè)光譜庫(kù)的計(jì)算上有效的方法學(xué)。例如，至少部分基于一種管理光譜庫(kù)中的信息的獨(dú)特方式(例如，壓縮數(shù)據(jù))，更少的數(shù)學(xué)操作對(duì)于進(jìn)行光譜搜索以鑒別更可能與該未知樣品匹配的參考樣品的一個(gè)可管理的子集是必需的。注意到如在此所討論的處理很好地適合于用于任何類(lèi)型的光譜學(xué)應(yīng)用中，其中光譜峰提供關(guān)于一種受測(cè)的未知樣品的身份的線索。
[0012]更確切地說(shuō)，根據(jù)一個(gè)實(shí)施例，一種處理應(yīng)用接收指定在一個(gè)庫(kù)中的多個(gè)參考樣品中的每一個(gè)參考樣品的一個(gè)相對(duì)應(yīng)組的峰的信息。該處理應(yīng)用(例如，光譜數(shù)據(jù)處理器)將一個(gè)光譜分區(qū)以包括多個(gè)不同寬度的區(qū)段，在本文件的剩余部分被稱(chēng)為范圍區(qū)段。該光譜可以被分區(qū)，使得該多個(gè)參考樣品中的每個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段的一個(gè)或多個(gè)中。
[0013]在一個(gè)實(shí)施例中，將該光譜分區(qū)為多個(gè)不同大小的范圍區(qū)段包括定義該多個(gè)不同大小的范圍區(qū)段中的每一個(gè)的寬度和/或邊界，使得與這些參考樣品相關(guān)的基本上相等數(shù)目的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。為了鑒別候選參考匹配，總體上，該處理應(yīng)用將與一個(gè)未知樣品相關(guān)的峰與該多個(gè)不同大小的范圍區(qū)段進(jìn)行比較、映射、索引等等。將該受測(cè)的未知樣品中的峰與這些范圍區(qū)段中的一個(gè)或多個(gè)進(jìn)行匹配使得一個(gè)分析器能夠鑒別作為該受測(cè)的未知樣品的良好匹配的候選物的參考樣品。換句話說(shuō)，在該受測(cè)的未知樣品與一個(gè)對(duì)應(yīng)的參考樣品之間共享的共同范圍區(qū)段的數(shù)目越大，該受測(cè)的未知樣品更可能與該對(duì)應(yīng)的參考樣品相匹配。
[0014]根據(jù)一個(gè)實(shí)施例，注意到如在此所討論的這些技術(shù)可以包括將一種未知樣品與一個(gè)池中的所有可能的參考樣品進(jìn)行分析和/或比較。對(duì)于該池中的一個(gè)或多個(gè)參考樣品中的每一個(gè)，在此的實(shí)施例可以進(jìn)一步包括產(chǎn)生對(duì)于任何或所有參考樣品中的每一個(gè)的一個(gè)相對(duì)應(yīng)的P值(例如，概率信息)。如在此所討論的，進(jìn)一步分析該概率信息使得能夠鑒別該未知樣品與一個(gè)參考樣品的良好或最好的可能的匹配。
[0015]與另一個(gè)實(shí)施例相關(guān)聯(lián)，對(duì)于被鑒別為一個(gè)候選匹配的每個(gè)對(duì)應(yīng)的參考樣品，如在此所討論的處理應(yīng)用產(chǎn)生概率信息。該概率信息可以表明信息，如該對(duì)應(yīng)的候選參考樣品與該受測(cè)的未知樣品相對(duì)接近的匹配的程度。因此，在此的實(shí)施例可以包括其中鑒別潛在的候選物的一個(gè)多步驟過(guò)程，并且然后可以在該組候選物上進(jìn)行一個(gè)另外的分析以鑒別概率匹配。
[0016]在此的某些實(shí)施例包括至少部分基于二進(jìn)制定點(diǎn)算法而產(chǎn)生概率信息。
[0017]根據(jù)另外的實(shí)施例，如果一個(gè)對(duì)應(yīng)的候選參考樣品具有與該受測(cè)的未知樣品匹配的合理良好的機(jī)會(huì)，那么可以進(jìn)行另外的處理以確定這些候選參考樣品中的哪一個(gè)是與該受測(cè)的未知樣品的最好匹配。
[0018]將該未知樣品與一個(gè)對(duì)應(yīng)的參考樣品之間的峰進(jìn)行比較可以包括基于將與該未知樣品相關(guān)的峰索引到該多個(gè)不同大小的范圍區(qū)段中，鑒別為該未知樣品的候選匹配的多個(gè)參考樣品的一個(gè)子集。如在此討論的索引可以包括鑒別該未知樣品的峰駐留在多個(gè)范圍區(qū)段的哪一個(gè)中的實(shí)例技術(shù)中的任一者。
[0019]通過(guò)另外的非限制性實(shí)例，將該光譜分區(qū)以包括不同大小的范圍區(qū)段可以包括根據(jù)一個(gè)超幾何分布模型來(lái)選擇該不同大小的范圍區(qū)段的邊界。
[0020]進(jìn)行一個(gè)搜索和/或產(chǎn)生該概率信息可以包括執(zhí)行一個(gè)超幾何概率函數(shù)來(lái)產(chǎn)生表明該未知樣品與該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的樣品是否匹配或匹配程度的概率信息。
[0021]根據(jù)又另一個(gè)實(shí)施例，該超幾何分布使用與參考樣品相關(guān)的峰信息的集合特性(例如，已知樣品和對(duì)應(yīng)的峰數(shù)據(jù))。如在此討論的分析可以包括計(jì)算一個(gè)對(duì)應(yīng)的峰匹配是一個(gè)隨機(jī)事件的概率。
[0022]根據(jù)另外的實(shí)施例，如在此所討論的處理應(yīng)用可以被配置為產(chǎn)生該未知樣品的一串符號(hào)。經(jīng)由該串中的符號(hào)如邏輯符號(hào)或零，該未知樣品的串表明該未知樣品的一個(gè)對(duì)應(yīng)的峰駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中。該未知樣品的串還可以表明該未知樣品的一個(gè)對(duì)應(yīng)的峰不駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中。
[0023]該處理應(yīng)用還可以產(chǎn)生一個(gè)多個(gè)參考樣品的庫(kù)中的每個(gè)參考樣品的一個(gè)對(duì)應(yīng)串的符號(hào)。一個(gè)對(duì)應(yīng)的串表明該對(duì)應(yīng)的參考樣品的一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中。該參考樣品的對(duì)應(yīng)的串還可以表明該對(duì)應(yīng)的參考樣品的一個(gè)峰不駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中。
[0024]根據(jù)另外的實(shí)施例，該處理應(yīng)用至少部分基于該未知樣品的一個(gè)二進(jìn)制串和與這些參考樣品相關(guān)的對(duì)應(yīng)的二進(jìn)制串之間的相似度來(lái)獲得概率信息。也就是說(shuō)，總體上，在該未知樣品的二進(jìn)制串和與一個(gè)對(duì)應(yīng)的參考樣品相關(guān)的對(duì)應(yīng)的二進(jìn)制串之間的匹配的數(shù)目越大，那么該未知樣品與該相對(duì)應(yīng)的參考樣品匹配的可能性越大。
[0025]將與一個(gè)未知樣品相關(guān)的峰索引至該多個(gè)不同大小的范圍區(qū)段可以包括，對(duì)于該多個(gè)參考樣品中的每個(gè)對(duì)應(yīng)的參考樣品:產(chǎn)生一個(gè)值，k,該值k表明該未知樣品的一個(gè)峰落入其中該對(duì)應(yīng)的參考也包括一個(gè)峰的一個(gè)區(qū)段中的發(fā)生次數(shù)；產(chǎn)生一個(gè)值，N，表明一個(gè)光譜被劃分為的多個(gè)不同大小的區(qū)段的總數(shù)；產(chǎn)生一個(gè)值，n，表明該對(duì)應(yīng)的參考樣品中存在的峰的總數(shù)；并且產(chǎn)生一個(gè)值，m，表明該未知樣品中存在的峰的總數(shù)。
[0026]基于如以上所討論的數(shù)據(jù)，在此的實(shí)施例包括基于以下實(shí)例方程式產(chǎn)生這些對(duì)應(yīng)的參考樣品中的每一個(gè)的概率信息(例如，一個(gè)P值):
【權(quán)利要求】
1.一種方法，包括: 接收多個(gè)參考樣品中的每一個(gè)參考樣品的一組峰； 將一個(gè)光譜分區(qū)以包括多個(gè)不同大小的范圍區(qū)段，該多個(gè)參考樣品中的每一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段之一中；并且 將與一個(gè)未知樣品相關(guān)的峰的位置索引至該多個(gè)不同大小的范圍區(qū)段。
2.如權(quán)利要求1所述的方法，其中，將這些峰進(jìn)行比較包括: 基于將與該未知樣品相關(guān)的峰的位置索引至該多個(gè)不同大小的范圍區(qū)段，鑒別為該未知樣品的候選匹配的多個(gè)參考樣品的一個(gè)子集。
3.如權(quán)利要求1所述的方法，其中，將該光譜分區(qū)為多個(gè)不同大小的范圍區(qū)段包括: 定義該多個(gè)不同大小的范圍區(qū)段中的每一個(gè)的寬度，使得這些參考樣品中的基本上相等數(shù)目的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。
4.如權(quán)利要求1所述的方法，進(jìn)一步包括: 對(duì)于該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的參考樣品，產(chǎn)生該對(duì)應(yīng)的參考樣品是該未知樣品的一個(gè)匹配的概率信息。
5.如權(quán)利要求4所述的方法，進(jìn)一步包括: 至少部分基于二進(jìn)制定點(diǎn)算法來(lái)計(jì)算該概率信息。
6.如權(quán)利要求1所述的方法，進(jìn)一步包括: 接收與該多個(gè)參考樣品中的每一個(gè)相關(guān)的光譜信息，該光譜信息包括掃描該光譜的分析；并且 處理該光譜信息以鑒別該多個(gè)參考樣品中的每一個(gè)的組峰。
7.如權(quán)利要求1所述的方法，其中，將該光譜分區(qū)包括: 根據(jù)一個(gè)超幾何分布模型選擇這些不同大小的范圍區(qū)段的邊界。
8.如權(quán)利要求1所述的方法，進(jìn)一步包括: 執(zhí)行一個(gè)超幾何概率函數(shù)來(lái)產(chǎn)生表明該未知樣品與該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的樣品匹配的概率信息。
9.如權(quán)利要求1所述的方法，進(jìn)一步包括: 鑒別該未知樣品的一個(gè)峰和與一個(gè)給定的參考樣品相關(guān)的一個(gè)峰駐留在該多個(gè)范圍區(qū)段的一個(gè)具體范圍區(qū)段內(nèi)；并且 計(jì)算在該未知樣品中的峰和該給定的參考樣品中的峰與該具體范圍區(qū)段之間的一個(gè)匹配是一個(gè)隨機(jī)事件的概率。
10.如權(quán)利要求1所述的方法，進(jìn)一步包括: 計(jì)算一個(gè)概率值，以便檢驗(yàn)在該參考樣品與一個(gè)給定的參考樣品之間的一個(gè)觀察到的峰匹配偶然發(fā)生的零假設(shè)。
11.如權(quán)利要求1所述的方法，其中，將與該未知樣品相關(guān)的峰和該多個(gè)范圍區(qū)段進(jìn)行比較包括: 鑒別該未知樣品的一個(gè)峰； 鑒別該多個(gè)不同大小的范圍區(qū)段中的該未知樣品的峰位于其中的一個(gè)范圍區(qū)段；并且 鑒別該多個(gè)參考樣品中的包括在該已鑒別的范圍區(qū)段中的峰的一個(gè)具體參考樣品。
12.如權(quán)利要求2所述的方法，其中，將與一個(gè)未知樣品相關(guān)的峰索引至該多個(gè)不同大小的范圍區(qū)段包括: 對(duì)于該多個(gè)參考樣品中的每一個(gè)對(duì)應(yīng)的參考樣品: 產(chǎn)生一個(gè)值，k，表明該未知樣品的一個(gè)峰落入其中該對(duì)應(yīng)的參考也包括一個(gè)峰的一個(gè)區(qū)段中的發(fā)生次數(shù)； 產(chǎn)生一個(gè)值，N，表明該多個(gè)不同大小的區(qū)段的數(shù)目； 產(chǎn)生一個(gè)值，n，表明于該對(duì)應(yīng)的參考樣品中存在的峰的總數(shù)；并且 產(chǎn)生一個(gè)值，m，表明于該未知樣品中存在的峰的總數(shù)。
13.如權(quán)利要求12所述的方法，進(jìn)一步包括: 基于以下方程式產(chǎn)生這些對(duì)應(yīng)的參考樣品中的每一個(gè)的概率信息:
14.如權(quán)利要求1所述的方法，其中，將峰進(jìn)行比較包括: 產(chǎn)生一個(gè)第一二進(jìn)制串，該第一二進(jìn)制串表明該未知樣品的一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中；并且 產(chǎn)生一個(gè)第二二進(jìn)制串，該第二二進(jìn)制串表明一個(gè)參考樣品的一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中；并且 基于在該第一二進(jìn)制與該第二二進(jìn)制串之間的相似度來(lái)獲得概率信息。
15.—種系統(tǒng),包括: 一個(gè)處理器；以及 一個(gè)連接到該處理器的硬件存儲(chǔ)資源，該硬件存儲(chǔ)資源存儲(chǔ)指令，當(dāng)由該處理器執(zhí)行時(shí)，這些指令使該處理器進(jìn)行以下操作: 接收多個(gè)參考樣品中的每一個(gè)參考樣品的一組峰； 將一個(gè)光譜分區(qū)以包括多個(gè)不同大小的范圍區(qū)段，該多個(gè)參考樣品中的每一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段之一中；并且 將與一個(gè)未知樣品相關(guān)的峰與該多個(gè)不同大小的范圍區(qū)段進(jìn)行比較。
16.如權(quán)利要求15所述的系統(tǒng)，其中，將這些峰進(jìn)行比較包括: 基于將與該未知樣品相關(guān)的峰索引至該多個(gè)不同大小的范圍區(qū)段，鑒別為該未知樣品的候選物匹配的多個(gè)參考樣品的一個(gè)子集。
17.如權(quán)利要求16所述的系統(tǒng)，其中，該處理器進(jìn)一步執(zhí)行以下操作: 產(chǎn)生該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的參考樣品是該未知樣品的一個(gè)匹配的概率信息。
18.如權(quán)利要求15所述的系統(tǒng)，其中，將一個(gè)光譜分區(qū)為多個(gè)不同大小的范圍區(qū)段包括: 定義該多個(gè)不同大小的范圍區(qū)段中的每一個(gè)的寬度，使得這些參考樣品中的基本上相等數(shù)目的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。
19.如權(quán)利要求15所述的系統(tǒng)，其中，該處理器進(jìn)一步執(zhí)行以下操作: 至少部分基于二進(jìn)制定點(diǎn)算法來(lái)計(jì)算該概率信息。
20.具有存儲(chǔ)在其上的指令的計(jì)算機(jī)可讀存儲(chǔ)硬件，這些指令當(dāng)由一個(gè)處理裝置執(zhí)行時(shí)，使該處理裝置進(jìn)行以下操作: 接收多個(gè)參考樣品中的每一個(gè)參考樣品的一組峰； 將一個(gè)光譜分區(qū)以包括多個(gè)不同大小的范圍區(qū)段，該多個(gè)參考樣品中的每一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段之一中；并且 將與一個(gè)未知樣品相關(guān)的峰與該多個(gè)不同大小的范圍區(qū)段進(jìn)行比較。
21.—種方法,包括: 接收多個(gè)參考樣品中的每一個(gè)參考樣品的一組峰； 將一個(gè)光譜分區(qū)以包括多個(gè)不同大小的范圍區(qū)段，該多個(gè)參考樣品中的每一個(gè)峰駐留在該多個(gè)不同大小的范圍區(qū)段之一中；并且 存儲(chǔ)區(qū)段信息，該區(qū)段信息表明對(duì)于該分區(qū)的光譜產(chǎn)生的多個(gè)不同大小的范圍區(qū)段。
22.如權(quán)利要求21所述的方法，進(jìn)一步包括: 存儲(chǔ)峰信息，該峰信息表明該多個(gè)參考樣品中的峰駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中。
23.如權(quán)利要求21所述的方法，其中，將該光譜分區(qū)為多個(gè)不同大小的范圍區(qū)段包括: 定義該多個(gè)不同大小的范圍區(qū)段中的每一個(gè)的寬度，使得這些參考樣品中的基本上相等數(shù)目的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。
24.如權(quán)利要求21所述的方法，其中，將該光譜分區(qū)包括: 根據(jù)一個(gè)超幾何分布模型選擇這些不同大小的范圍區(qū)段的邊界。
25.—種方法,包括: 接收范圍區(qū)段信息，該范圍區(qū)段信息表明一個(gè)光譜已經(jīng)被分區(qū)為的多個(gè)不同大小的范圍區(qū)段； 接收表明與多個(gè)參考樣品中的每一個(gè)相關(guān)的一組峰的峰信息，該峰信息進(jìn)一步表明這些峰中的每一個(gè)駐留在該多個(gè)不同大小的范圍區(qū)段的哪一個(gè)中；并且 將與一個(gè)未知樣品相關(guān)的峰的位置索引至該多個(gè)不同大小的范圍區(qū)段。
26.如權(quán)利要求25所述的方法，進(jìn)一步包括: 基于將與該未知樣品相關(guān)的峰的位置索引至該多個(gè)不同大小的范圍區(qū)段，鑒別為該未知樣品的候選匹配的多個(gè)參考樣品的一個(gè)子集。
27.如權(quán)利要求25所述的方法，其中，定義該多個(gè)不同大小的范圍區(qū)段中的每一個(gè)的寬度，使得這些參考樣品中的基本上相等數(shù)量的峰落入該多個(gè)不同大小的范圍區(qū)段的每一個(gè)中。
28.如權(quán)利要求25所述的方法，進(jìn)一步包括: 對(duì)于該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的參考樣品，產(chǎn)生該對(duì)應(yīng)的參考樣品是該未知樣品的一個(gè)匹配的概率信息。
29.如權(quán)利要求28所述的方法，進(jìn)一步包括: 至少部分基于二進(jìn)制定點(diǎn)算法來(lái)計(jì)算該概率信息。
30.如權(quán)利要求25所述的方法，進(jìn)一步包括: 執(zhí)行一個(gè)超幾何概率函數(shù)來(lái)產(chǎn)生表明該未知樣品與該多個(gè)參考樣品中的一個(gè)對(duì)應(yīng)的樣品匹配的概率信息。
【文檔編號(hào)】G06K9/62GK104185848SQ201380005162
【公開(kāi)日】2014年12月3日 申請(qǐng)日期:2013年1月17日 優(yōu)先權(quán)日:2012年1月31日
【發(fā)明者】克萊格·M·加德納, 羅伯特·L·格林 申請(qǐng)人:賽默科技便攜式分析儀器有限公司