色谱仪的数据处理装置、数据处理方法以及色谱仪与流程

本发明涉及液相色谱仪等的色谱分析技术，尤其涉及色谱仪的数据处理装置、数据处理方法以及色谱仪。

背景技术：

在色谱仪中，根据横轴为时间、纵轴为信号强度的波形数据来求出分析试样中所包含的成分的种类和量等。此时，根据由装置检测出的数据，检测信号强度上升的开始点或下降的结束点等特征点而进行波形处理。具体而言，例如使用非线性最小二乘法来进行高斯函数等假想曲线计算处理(曲线拟合)，从而发现开始点等特征点(例如，参照专利文献1。)。

专利文献1：日本特开2006-177980号公报

在进行使用了上述非线性最小二乘法的高斯函数等的曲线拟合等的情况下，如果标绘数少，则所求出的曲线很有可能不沿着实际的波形，另一方面，如果标绘数多，则假想曲线计算处理(曲线拟合)的运算处理负荷变大。另外，由于噪声的影响，所求出的曲线很有可能偏离实际的波形。

技术实现要素：

本发明鉴于上述问题点，其目的在于，能够容易地降低假想曲线计算处理时的运算处理负荷、降低噪声的影响等。

为了达成上述目的，本发明是一种色谱仪的数据处理装置，根据由色谱仪计测出的标绘数据来进行数据处理，其特征在于，

该色谱仪的数据处理装置具有：

假想曲线计算数据生成部，其求出数量比计测出的标绘数据少的假想曲线计算数据；以及

假想曲线计算部，其根据所述假想曲线计算数据来求出假想曲线。

由此，能够将求出假想曲线时的数据数抑制得较少，因此能够容易地降低运算处理负荷、噪声的影响等。

根据本发明，能够容易地降低假想曲线计算处理时的运算处理负荷、降低噪声的影响等。

附图说明

图1是示出色谱仪的概略结构的框图。

图2是示出色谱仪的数据处理装置的概略结构的框图。

图3是示出色谱图的例子的图。

图4是示出特征点的提取例的说明图。

图5是示出其他特征点的提取例的说明图。

图6是示出求出无感位移的例子的说明图。

图7是示出其他特征点的提取例的说明图。

标号说明

100：液相色谱仪；110：流动相容器；120：泵；130：自动取样器；140：柱；141：柱烘箱；150：检测器；160：数据处理装置；161：控制处理部；161a：控制部；161b：测定条件设定部；161c：记录部；162：数据保持部；163：运算处理部；163a：信号处理部；163b：运算部；163c：判定部；170：显示部

具体实施方式

以下，根据附图对本发明的实施方式进行详细说明。

(液相色谱仪100的结构)

图1示出液相色谱仪100的概略结构。该液相色谱仪100具有：流动相容器110，其储存作为流动相的液体；泵120，其输送流动相；自动取样器130，其注入试样；柱140，其被柱烘箱141保持恒温并使试样中的成分分离；检测器150，其检测分离出的成分；数据处理装置160，其对检测结果进行处理；以及显示部170，其显示处理结果。另外，构成液相色谱仪100的各部分主要除了数据处理装置160的处理内容以外，能够与通常的装置同样地构成，因此省略详细的说明。

(数据处理装置160的详细结构)

如图2所示，上述数据处理装置160具有控制处理部161、数据保持部162以及运算处理部163。

控制处理部161对液相色谱仪100整体的动作进行控制，设置有控制部161a、测定条件设定部161b以及记录部161c，其中，该测定条件设定部161b根据未图示的操作面板的操作等来设定测定条件，该记录部161c记录测定结果等。

数据保持部162对根据测定结果处理后的数据等进行保持。

运算处理部163进行基于测定结果的处理，作为假想曲线计算数据生成部、假想曲线计算部、暂定开始/结束点运算部、暂定特征点取得部以及实际标绘数据特征点提取部来发挥功能。具体而言，例如，具有：信号处理部163a，其对从检测器150输出的模拟信号进行d/a转换等；运算部163b，其进行特征点的提取和分析等；以及判定部163c，其进行分析结果的判定等。

(数据处理动作)

在上述那样的液相色谱仪100中，通过计测动作得到例如图3所示的波形数据。该波形数据是横轴为时间、纵轴为信号强度的波形数据。由于时间与成分之间的关系是预先已知的，因此通过波形数据的峰顶点的横轴上的保持时间来确定分析试样中所包含的成分(定性处理)。另外，根据波形数据的峰面积来计量该成分的含有物质量(定量计算处理)。这些处理是通过提取如图3中示出典型例子的峰顶点、开始点、结束点、谷点、肩点等特征点并进一步以这些点为基础来设定基线线段而进行的。

关于上述特征点的提取，例如以峰点的提取为例，通过运算处理部163的处理而如以下及图4所示那样进行。

(数据处理动作-聚集(bunching)处理)

首先，在检测器150的采样间隔较细且在峰宽w的范围内实际检测出的离散数据即标绘数据的数量例如为65点以上等较多的情况下，在时间轴上进行将多个标绘数据汇总为64点以下等的假想曲线计算数据的聚集，或者进行基于savitzky-golay法等的实测点群的平滑化前处理等。

上述聚集处理例如以简单地每2个点相加或每3个点相加等为基本。但是，根据数据处理装置的不同，也有数据点不在等间隔的时间上排列的情况，需要与其相应的聚集处理。例如，在以400ms的采样间隔各加了4点(聚集1600ms)而采样间隔变化为2倍的800ms的情况下，此后可以考虑进行每2个点的加法聚集处理。这里，输入peakwidth是用户所想象的峰宽。有时肩峰为2个峰的重合，或者双峰看起来为峰宽较宽的单一峰是无法避免的。还存在次要的峰不像单一的峰而使主峰加宽那样的影响。优选实施这样的各种峰形状也被认真地考虑过的聚集处理。

通过上述聚集而生成的假想曲线计算数据的数量例如被设定为15点～64点等。这是因为，通常要想准确地求出峰面积，大多优选30点～50点的数据，或者为了避免由于数据点数过多而出现例如多个开始点的候补点的情况而容易选择适当的开始点(或结束点)，峰形成数据大多优选为32点～63点等。

更详细地说，上述峰宽w是通过数据处理系统(cds)中的规定的运算或输入而赋予的波形处理用的输入变量，例如在输入0.1分钟的情况下，对象峰的半值全宽是以0.1分钟为目标来计算数据点间隔的基准。例如，在以采样间隔50ms取入实际的数据的情况下，0.1分钟是6s＝6000ms，w的点数为120点。为了将其汇集到约30点，需要将采样间隔设为200ms，其结果是，能够将4点汇总为1个数据点，即执行聚集处理。由此可知，w是非常有用的参数。基于输入值w的聚集处理不仅能够降低噪声，而且作为波形处理的前工序，能够想到操作员所希望的峰波形的cds。即，能够优化为对于cds来说不太多也不太少的容易处理的数据点数。

另外，例如，在作为峰全宽的目标的峰宽为w＝60s的情况下，通过对存在于1s的时间间隔内的数据点进行聚集合计，能够设为大约60点左右的聚集后的数据点数。即，例如，在原始数据的采样周期s为s＝0.4s的情况下，当将一个峰的假想曲线计算数据的点数设为n(例如32～63的点数范围)时，聚集的点数b通过b＝w/(s×n)来求出。另外，在上述b的值不是整数的情况下，也可以将小数点以下舍去、舍入、四舍五入。更具体而言，例如，当设b≥w/(s×n)、n＝64时，b是满足上述式子的最小整数。

当如上述那样求出进行聚集的点数时，通过对每该数量的标绘数据求出计测信号强度的平均值等代表值，能够容易地降低之后的假想曲线计算(曲线拟合)的运算处理负荷或降低噪声的影响。另外，为了削减数据数，不限于求出代表值，也可以进行标绘数据的间隔拉长，即使在该情况下，也能够降低运算处理负荷。

这里，上述峰宽w可以通过用户输入来设定，也可以根据峰形状来进行判断而自动设定。在后者的情况下，能够更容易地对每个成分进行设定。

上述峰宽w是为了求出进行聚集的规定数而暂定求出的，因此与在假想曲线计算处理后求出峰面积的情况等相比，可以不必要求高精度。具体而言，例如可以通过如下方式求出暂定开始点和暂定结束点来获得。即，例如如图5所示，在将相互相邻的标绘数据的计测信号强度之差依次设为d1～d4，将规定的无感位移设为i，d1≤i之后连续3次成为d2～d4≥i的情况下，也可以将与最初的d1对应的标绘e设为开始点。关于结束点，也能够同样地求出。

上述无感位移i例如也可以如以下及图6所示的那样自动设定。例如，首先，在假设不存在峰的时间段(不存在峰附近的峰的区间、即视为基线的区间)中，找出半值全宽的峰宽w1/2的20～30倍的时间区间，在该区间内，将纵轴即检测信号的peak-to-peak的大小(噪声信号的顶点的最大最小差)假定为噪声的大小，对其乘以预先输入等设定的规定的系数(例如3)等而能够设定无感位移i(识别为峰的阈值)。这里，上述系数可以不必是自然数。

另外，在未进行聚集处理的状态下，由于数据点数过多或噪声相对地未被抑制等，即使在应该识别为开始点等的状况下，大小关系也有可能不连续，在该情况下等，只要进行增大或减小上述连续次数、无感位移i的大小等的调整而设定为根据时间经过和重复而成为适当的状况即可。

(数据处理动作-假想曲线计算处理以及特征点确定处理)

当通过上述那样的聚集处理求出适当数量的假想曲线计算数据时，能够以比较小的运算处理负荷来进行假想曲线计算处理(曲线拟合)或特征点决定处理。具体而言，例如通过非线性最小二乘法等求出二次曲线等假想曲线c(图4)。或者也可以使用双曲线余弦函数(双曲余弦：cosh)，但无论在哪种回归曲线的情况下，都是回归系数的个数越少，越难以受到噪声和偏离值的影响。更详细地说，例如，将相邻的5个点的标绘数据套用到二次函数或3次以上的多项式中。

这里，关于作为上述那样的假想曲线计算处理的对象的假想曲线计算数据的范围，与对为了求出上述聚集的规定数而求出峰宽w时根据相互相邻的标绘数据的计测信号强度之差而求出暂定开始点或暂定结束点的例子进行说明的情况相同，可以通过根据相互相邻的上述假想曲线计算数据的信号强度之差来求出开始点和结束点而进行设定。在这种情况下，可期待通过聚集处理使假想曲线计算数据的点数变得适当，并且与原始数据相比，纵向的检测信号噪声被比较良好地抑制，因此能够容易地计算与适当的开始点和结束点对应的假想曲线。

即，也能够通过利用无感位移i来容易地识别基线区域和峰区域，因此在假想曲线计算处理之前将峰区域切出，能够仅以峰区域的数据点为对象来进行假想曲线计算处理。例如，在连续次数为3次的判定中发现了开始点的情况下，可以将其第1次或第2次的数据点提供给假想曲线计算处理。结束点也同样可以在发现之后确定数据点，并提供给假想曲线计算处理(考虑时间经过为前的信号推移)。另外，利用无感位移i的方法也可以有助于检测信号纵轴的量化(确定有效数字的基准)。其优点在于简化了用于假想曲线计算处理的数据点。另外，在显示器上或印刷物的情况下，该量化也是有效的。

另外，在根据通过假想曲线计算处理而得到的假想曲线来求出开始点或结束点等特征点的情况下等，将相邻的7个点的标绘数据套用到双曲线函数(反比例函数)f(t)＝a/(t-b)+c中(例如图7的d)。回归函数可以用4次以上的多项式来推定，但如果回归系数的数量增加，则相应地容易受到噪声等的影响，增大成为回归对象的实际数据点之和的必要性变高。本来，回归系数的数量越少，越难以受到偏离值等的影响。作为自然现象的峰波形应该是单纯的曲线，这一前提是这一回归的背景。另外，作为指数函数的衰减曲线(exponentialdecayfunction)，虽然是非线性函数，但也可以使用gaussian和emg(exponentiallymodifiedgaussian)等。这里，在多个峰等相邻的情况下等，例如所输入的半值全宽的峰宽w等代表性的峰的时间轴方向的特征性的长度、区间、点数是预先或之后设定而进行套用。即，例如基于所输入(赋予)的峰宽来决定使假想曲线回归的对象的实际数据点数。

另外，在使用指数函数对渐近线性的假想曲线计算处理进行回归的情况下，也可以根据使用了对数运算的对数运算数据，用一次式进行回归。例如，

当f(t)-c＝αe＾(t-t)/τ时，简化表示为f(t)-c＝ae＾t/τ，回归系数为a、c及时间常数τ(当t减少τ时，α衰减为1/e倍)。

因此，当取两边的对数时，

log{f(t)-c}＝loga+t/τ，因此通过将直线的基线视为水平的渐近线y＝c，右边的斜率为1/τ，截矩可以通过与loga对应的t的一次式来回归。

另外，也可以进行将c作为回归系数的非线性的假想曲线计算处理。例如，

当f(t)-c＝ae＾-((t-tr)＾2)/2σ＾2时，简化表示为f(t)-c＝ae＾(a0+a1×t+a2×t＾2)，当取两边的对数时，

log{f(t)-c}＝loga+a0+a1×t+a2×t＾2

log{f(t)-c}＝a0’+a1×t+a2×t＾2，因此可以使用时刻t的二次式对减去了基线的色谱波形{f(t)-c}的对数值log{f(t)-c}进行回归，能够容易地搜索开始点和结束点。

另外，也可以按照同样的想法对二次曲线取标绘数据的平方根并利用直线进行回归。

y-c＝(t+r)＾2、sqrt(y-c)＝t+r

另外，作为肩峰的特征点，有时使用拐点。在这种情况下，可以回归分析为三次以上的多项式或双曲线正弦函数。该三次多项式不具有极值而具有拐点。

上述那样的假想曲线c(图4)的顶点o等的坐标在多数情况下能够通过代数运算等比较容易地求出。具体而言，例如当假想曲线由二次曲线f(t)＝at＾2+bt+c表示时，顶点o的时间坐标值由-b/2a赋予。

或者，在反比例函数等的假想曲线d(图7)情况下，也可以将峰i的暂定高度设为h，将乘以能够预先设定或者之后设定的值0.01后的0.01h设为阈值，从暂定基线和暂定顶点起向左右找出暂定开始点(例如图7的r)或暂定结束点。

另外，当假想曲线由三次曲线f(t)＝at＾3+bt＾2+ct+d表示时，肩点s的时间坐标值ti由-b/3a赋予。另外，也可以发现相邻数据点的变化量为阈值以下。这里，在回归分析时，也可以使用二次函数的判别式来确认不存在2个实数解(单调增加、单调减少)，从而进行求暂定特征点的处理。另外，在实数解显著回归为2个的情况下，也可以进行通常的峰顶点检测处理。另外，也可以在与系数a、b、c、d相关的约束条件下进行回归，以限制为实数解1个的回归3次式。另外，即使在实数解为2个的情况下，在很有可能适当地求出作为肩点的拐点的时间坐标值的情况下，假想曲线自身可以未必与最适当的曲线一致，也可以根据该拐点来求出暂定肩点。另外，回归分析的区间设定为波形处理用术语表的指定。在自动执行时，例如可以使用暂定保持时间tr和输入的峰半值全宽w，将tr-2w～tr-1/4w设定为区间并进行回归分析。这里，上述区间tr-2w～tr-1/4w需要具有柔软性，特别是在相邻的峰接近时，优选设定为不受其影响。

另外，也可以在回归曲线的微分系数决定法中使用savitzky-golay法，将开始点、结束点、谷点、峰顶点、肩点等假想特征点暂时求出。即，savitzky-golay法对于计算微分系数也有效，不仅能够求出回归系数，还能够决定多项式的微分系数。因此，也可以使用该微分系数来求出各假想特征点。

(实际标绘数据特征点的提取)

如上述那样求出的顶点o等的坐标通常是假想的点的坐标。因此，将这样根据假想曲线c等求出的特征点作为暂定特征点，从实测的标绘数据中提取、选择标绘数据特征点。具体而言，作为实际标绘数据特征点，例如可以提取并选择时间与暂定特征点最接近的标绘数据(例如标绘数据p)、距暂定特征点的距离最近的标绘数据、或者在从暂定特征点起规定的时间范围内等附近取极值的标绘数据(例如标绘数据q)或在相邻标绘数据之间斜率最小的点等。

即，根据选择距暂定特征点的时间短的标绘数据等的一定规则，能够将实际数据点和各种假想特征点联系起来。该论法是本发明的要点，但除了选择两个时刻间的时间短的一方这样的规则以外，也可以考虑选择时刻早的一方还是时刻晚的一方。另外，也可以考虑对二维色谱图的纵轴方向(检测强度)的信息进行考虑的规则。

如上述那样求出的标绘数据特征点是在实际计测的标绘数据中作为特征点或最接近特征点的点的可能性高的点，因此，期待得到适当的特征点的坐标值。而且，与基于假想曲线的暂定特征点相比，能够使其难以受到远离的标绘数据等其他标绘数据的影响。因此，通过使用上述标绘数据特征点来进行定性处理，或者进行基线的设定，或者进一步进行定量处理，能够容易地提高检测精度。另外，即使在未准备空白试样的情况下等，也可以将连接标绘数据特征点的线段作为基线来进行定量处理等。另外，即使在存在空白数据的情况下，也可以在噪声对空白数据的影响大的情况下等仍然使用标绘数据特征点来进行更准确的处理。此外，即使使用空白试样，也能够在谷点未降低到基线的情况下进行更精确的处理。

(其他事项)

另外，在上述例子中，以液相色谱仪为例进行了说明，但不限于此，也可以对各种色谱仪应用同样的处理。

另外，使用上述那样的暂定特征点和标绘数据特征点的方法并不排除根据假想曲线直接求出特征点的一般方法，也可以选择性地使用这些方法和本发明的方法。此外，也可以以能够对比的方式显示基于这样的各种方法的分析结果。

这里，对时刻和时间的主要区别进行说明。时刻表示时时刻刻前进的时钟的各时间点。时刻有规定的原点、时刻零。例如，2020年4月1日16时10分10秒这样的时间点为时刻。另一方面，时间表示时间的长度，如10秒钟、1.2分钟、时刻a与时刻b之差、期间。保持时间也是时间的一种。

另外，也可以在包括上述那样的聚集处理在内的各处理之前，并用空白减影和/或偏移去除的处理。