RAMANMETRIX ist eine Softwarelösung zur Auswertung Raman-spektroskopischer Daten. Durch die Integration maschinenlernender Algorithmen eignet sie sich besonders für die Analyse umfangreicher und komplexer Datensätze.

Obwohl RAMANMETRIX in erster Linie für die Raman-Spektroskopie optimiert ist, haben wir auch mit anderen spektroskopischen Techniken, wie NIR und NMR, vielversprechende Ergebnisse erzielt. Wir sind sehr daran interessiert, RAMANMETRIX auch für die von Ihnen eingesetzten Analysetechniken einzusetzen.

Die Software ermöglicht eine zuverlässige und robuste Datenauswertung mit einer komfortablen und einfachen Benutzeroberfläche, die eine leichte Navigation durch alle notwendigen Datenverarbeitungsschritte.

 

RAMANMETRIX

Validierungsansätze

Im Falle von überwachten Modellen kann deren Genauigkeit anhand von zwei implementierten Kreuzvalidierungsansätzen verifiziert werden:

  • Leave-One-Batch-Out-Kreuzvalidierung;
  • 10-fache Kreuzvalidierung.

Eine zusätzliche Validierung des konstruierten Modells kann durch die Anwendung auf einen gekennzeichneten Testdatensatz erfolgen oder es kann zur Vorhersage eines nicht gekennzeichneten Testdatensatzes genutzt werden. Hierbei werden Testdaten und Trainingsdaten auf die gleiche Weise verarbeitet und anschließend das vorkonstruierte Modell angewendet. Alternativ können das Modell und die Parameter exportiert und gespeichert oder an einen anderen Benutzer zur weiteren Verwendung gesendet werden.

Die Analysedaten werden nach Abschluss als druckbarer Ergebnisbericht mit übersichtlichen Informationen in Form von Diagrammen, einer Zusammenfassung der Metadaten und der Vorhersage angezeigt. Zusätzlich zum Bericht können detaillierte Ergebnisse in Form von csv-Dateien mit einer Auflistung aller vorverarbeiteten Spektren, Metadaten-Tabellen und Vorhersagen für jedes Spektrum exportiert werden.

 

Weiterlesen …

In der Software enthaltene Modelle

Nach den Vorverarbeitungsschritten und optionaler Qualitätsprüfung ist es möglich wahlweise überwachte oder unüberwachte Machine-Learning-Modelle zu konstruieren. Zur Vermeidung einer Überanpassung der Modelle erfolgt eine Dimensionsreduktion mittels Hauptkomponentenanalyse (PCA) oder einem Convolutional Neural Network (CNN). Je nachdem, ob eine Identifikations- oder Konzentrationsbestimmung erfolgen soll, wird ein Klassifikations- bzw. Regressionsmodell benötigt. Hierfür stehen folgende Modelle in der Software zu Verfügung:

  • lineare Diskriminanzanalyse (LDA);
  • Random Forest (RF);
  • k-nächste Nachbarn (kNN);
  • Support-Vektor-Maschine (SVM);
  • partielle kleinste quadrierte Diskriminanzanalyse (PLS-DA);
  • unüberwachte hierarchische Ward-Cluster-Analyse (HCA);
  • lineare Regression;
  • partielle kleinste quadratische Regression (PLSR).
Weiterlesen …

Vorverarbeitung der Raman-Spektren

Raman-Spektren können in allen gängigen Datenformaten, wie z.B. als TXT-, CSV-, LPE- oder SPC-Datei in die Software importiert werden. Im ersten Schritte nach dem Datenimport wird eine Reihe verschiedener Vorverarbeitungsschritte ausgeführt, um die Spektren zu standardisieren. Hierzu zählen:

  • Korrektur der kosmischen Strahlungsspitzen;
  • Wellenzahl-Kalibrierung;
  • Basislinienkorrektur;
  • spektrale Normalisierung.

Fortgeschrittenen Nutzern steht ein breites Spektrum manuell einstellbarer Vorverarbeitungsparameter und individueller Datenqualitätsfilter zur Verfügung. Hierbei ist es möglich Schwellenwerte für folgende Werte festzulegen:

  • ausgewählte Qualitätspeaks (min und max);
  • Korrelation mit dem mittleren Spektrum;
  • Signal-Rausch-Verhältnis (min);
  • Hintergrundintensität (max);
  • integrierte Intensität der baseline-korrigierten Spektren (min und max).

Einzelne Datenbearbeitungsschritte können durch eine Aufzeichnung der Mittelwertspektren bei jedem Schritt überwacht werden.

Weiterlesen …