1 |
1
고해상도 질량분석기에서 산출된 High resolution mass spectrum을 기반으로 하여 데이터를 수집, 구축하고 2차원, 3차원으로 시각화하여 미량 오염 물질 DB를 구축하는 데이터 수집 및 분석부;상기 데이터 수집 및 분석부에서 분석된 경향을 기초로 내부표준물질의 변화와 유사한 특징을 보이는 특성 인자를 추출하는 변화 인자 추출부;상기 변화 인자 추출부에서 조사된 특성 인자들을 바탕으로 측정 모델을 구축하는 딥러닝 기반 측정 모델 구축부;상기 딥러닝 기반 측정 모델 구축부에서 구축된 측정 모델을 적용하여 내부표준물질 없이 환경시료의 미량오염물질의 농도를 예측하고 검증하는 측정 모델 검증부;를 포함하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
2 |
2
제 1 항에 있어서, 상기 데이터 수집 및 분석부는 미량 오염 물질 DB를 구축하기 위하여,기존 유해물질 모니터링을 하여 DB를 구축하는 기존 유해물질 모니터링 DB 구축부와,신종 유해물질 모니터링을 하여 DB를 구축하는 신종 유해물질 모니터링 DB 구축부와,미지 물질 모니터링을 하여 미지 물질 DB를 구축하는 미지 물질 DB 구축부를 포함하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
3 |
3
제 1 항에 있어서, 상기 데이터 수집 및 분석부에서 구해진 High resolution mass spectrum 데이터로부터 미량 오염물질 측정에 필요한 내부물질을 대신할 후보 영역(candidate subset)을 산출하고 미량오염물질 농도와 후보 영역(candidate subset)의 3차원 Peak를 정량화 하여 비교하여 mass spectrum에서 IS 대체 후보 영역(candidate subset)을 선정하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
4 |
4
제 1 항에 있어서, 상기 딥러닝 기반 측정 모델 구축부는,상기 데이터 수집 및 분석부에서 선정된 IS 대체 후보 영역(candidate subset)과 High resolution mass spectrum, 미량오염물질 모니터링 농도 데이터를 기반으로 Convolutional Neural Network를 이용하여 미량오염물질 측정 모델 구축을 위한 모델 학습을 진행하여 IS를 사용하지 않고 Mass spectrum 만으로 미량 오염물질을 측정이 가능하도록 하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
5 |
5
제 4 항에 있어서, 상기 딥러닝 기반 측정 모델 구축부는,수질 정보 및 물질 자료를 기반으로 분석 값을 보정해 주는 모델을 만들어 내부표준물질 없이도 환경시료의 미량오염물질 농도 측정 정확도를 향상시키는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
6 |
6
제 1 항에 있어서, 상기 데이터 수집 및 분석부는 미량 오염 물질 DB를 구축하기 위하여,지정된 기존의 모니터링의 결과와 유해물질 유입 가능성을 파악하여 대상지점을 설정 후 모니터링을 실시하는 대상지점 설정 모니터링부와,현장시료를 측정 검증하여 미량 오염물질의 특성을 분석하는 현장시료 검증부와, 현장시료에서 산출된 MS 데이터를 이용하여 빅데이터로 산출하고, 산출된 데이터는 딥러닝 기반 미량오염물질 측정 및 예측 모델 구축에 이용할 수 있도록 하는 현장시료 빅데이터 생성부를 포함하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
7 |
7
제 1 항에 있어서, 상기 데이터 수집 및 분석부는 추정 및 비표적 분석을 위하여,시료 내 잔류가 예상되는 물질들에 대한 고유의 exact mass, 이온화 과정을 포함하는 추정 리스트를 작성하고,고분해능 질량분석기를 통해 추출된 데이터로부터 추정리스트를 기반으로 한 물질들이 지니는 고유의 exact mass와 유사한 accurate mass, 동위원소 패턴 일치여부, MS/MS fragments 비교 분석 및 구조 분석 등을 통하여 대상물질을 잠정적으로 확인하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
8 |
8
제 7 항에 있어서, 비표적 분석은 사전정보 없이 예상하지 못했거나 미지물질들을 확인하는 분석으로 추출된 데이터로부터 유의미한 피크를 선정한 다음 분자식을 할당하고,해당 피크의 MS/MS fragment 데이터를 통한 비교 및 분자 구조 분석을 통하여 할당된 분자식에 대한 후보물질들 중 가장 유력한 물질을 최종적으로 확인하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
9 |
9
제 8 항에 있어서, 할당된 분자식에 대한 후보물질 선정시 ChemSpider, Pubchem의 화학물질 관련 데이터베이스가 이용되고,MS/MS fragment 비교 분석은 MassBank, mzCloud의 MS/MS fragment 데이터베이스가 이용되고,분자 구조 분석은 metFrag 와 같은 MS/MS fragment 예측 시스템을 통하여 확인하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
10 |
10
제 1 항에 있어서, 상기 딥러닝 기반 측정 모델 구축부는,계층의 특징 추출을 위한 합성곱 계층 pooling 단계와 분류나 예측을 위한 fully-connected 단계로 구성되는 CNN을 이용하고,입력데이터에서 내부표준물질의 변화와 유사한 특징을 보이는 부분을 CNN모델을 이용하여 추출하고,필터의 크기, 개수, 구조, 보폭과 패딩, 활성화 함수의 요소들을 최적화하여구축된 측정 모델은 학습을 통해 후보범위들 중 내부표준물을 대체할 수 있는 부분을 찾는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 장치
|
11 |
11
제 1 항에 있어서, 상기 데이터 수집 및 분석부는 고분해능 질량분석기를 이용한 표적분석을 표준물질을 통하여 실시하고,표준물질을 이용한 대상물질의 정량검정곡선 작성은 0
|
12 |
12
고해상도 질량분석기에서 산출된 High resolution mass spectrum을 기반으로 하여 데이터를 수집, 구축하고 2차원, 3차원으로 시각화하여 미량 오염 물질 DB를 구축하는 데이터 수집 및 분석 단계;분석된 경향을 기초로 내부표준물질의 변화와 유사한 특징을 보이는 특성 인자를 조사하는 인자 조사 단계;조사된 특성 인자들을 바탕으로 측정 모델을 구축하는 단계;적용된 측정 모델을 기반으로 내부표준물질 없이 환경시료의 미량오염물질의 농도를 예측하고 검증하는 확인 단계;를 포함하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 방법
|
13 |
13
제 12 항에 있어서, 상기 데이터 수집 및 분석 단계에서 미량 오염 물질 DB를 구축하기 위하여,기존 유해물질 모니터링을 하여 DB를 구축하는 기존 유해물질 모니터링 DB 구축 및 신종 유해물질 모니터링을 하여 DB를 구축하는 신종 유해물질 모니터링 DB 구축 및 미지 물질 모니터링을 하여 미지 물질 DB를 구축하는 미지 물질 DB 구축을 수행하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 방법
|
14 |
14
제 12 항에 있어서, 상기 데이터 수집 및 분석 단계에서 구해진 High resolution mass spectrum 데이터로부터 미량 오염물질 측정에 필요한 내부물질을 대신할 후보 영역(candidate subset)을 산출하고 미량오염물질 농도와 후보 영역(candidate subset)의 3차원 Peak를 정량화 하여 비교하여 mass spectrum에서 IS 대체 후보 영역(candidate subset)을 선정하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 방법
|
15 |
15
제 14 항에 있어서, 상기 조사된 특성 인자들을 바탕으로 측정 모델을 구축하는 단계에서,상기 데이터 수집 및 분석 단계에서 선정된 IS 대체 후보 영역(candidate subset)과 High resolution mass spectrum, 미량오염물질 모니터링 농도 데이터를 기반으로 Convolutional Neural Network를 이용하여 미량오염물질 측정 모델 구축을 위한 모델 학습을 진행하여 IS를 사용하지 않고 Mass spectrum 만으로 미량 오염물질을 측정이 가능하도록 하는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 방법
|
16 |
16
제 12 항에 있어서, 상기 조사된 특성 인자들을 바탕으로 측정 모델을 구축하는 단계에서,계층의 특징 추출을 위한 합성곱 계층 pooling 단계와 분류나 예측을 위한 fully-connected 단계로 구성되는 CNN을 이용하고,입력데이터에서 내부표준물질의 변화와 유사한 특징을 보이는 부분을 CNN모델을 이용하여 추출하고,필터의 크기, 개수, 구조, 보폭과 패딩, 활성화 함수의 요소들을 최적화하여구축된 측정 모델은 학습을 통해 후보범위들 중 내부표준물을 대체할 수 있는 부분을 찾는 것을 특징으로 하는 딥러닝 기반 모델링을 통한 미량오염물질 정밀검출 방법
|