Noise and Baseline Filtration in Mass Spectrometry

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60076658%3A12520%2F15%3A43888483" target="_blank" >RIV/60076658:12520/15:43888483 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Noise and Baseline Filtration in Mass Spectrometry

Popis výsledku v původním jazyce

Mass spectrometry (MS) produce terabytes of measurements daily around the world. Systemic (instrumental and chemical) and random noise complicate the dataset. Correct interpretation of mass spectrometry (MS) is aected by presented noise across all kindsof MS techniques. The noise addition may produce fake peaks or hide small intensities in the measurements. Thus, MS data are crowded and have a uneven baseline. In tandem with chromatography, the systemic noise causes extraneous peaks or rising baselineduring gradient elution. The interpretation of MS is not trivial mainly because of the vast amount of noise especially in complex samples. It is necessary to consider approaches for noise subtraction. Common algorithms based on thresholding or wavelet transformation are not resistant to the losses of information from their principle. Thresholding methods, even in the adaptive form, still discard parts under threshold level(s) from the whole measurement. The wavelet transformations direct

Název v anglickém jazyce

Noise and Baseline Filtration in Mass Spectrometry

Popis výsledku anglicky

Mass spectrometry (MS) produce terabytes of measurements daily around the world. Systemic (instrumental and chemical) and random noise complicate the dataset. Correct interpretation of mass spectrometry (MS) is aected by presented noise across all kindsof MS techniques. The noise addition may produce fake peaks or hide small intensities in the measurements. Thus, MS data are crowded and have a uneven baseline. In tandem with chromatography, the systemic noise causes extraneous peaks or rising baselineduring gradient elution. The interpretation of MS is not trivial mainly because of the vast amount of noise especially in complex samples. It is necessary to consider approaches for noise subtraction. Common algorithms based on thresholding or wavelet transformation are not resistant to the losses of information from their principle. Thresholding methods, even in the adaptive form, still discard parts under threshold level(s) from the whole measurement. The wavelet transformations direct

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)

ISBN

978-3-319-16479-3

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

418-425

Název nakladatele

Springer Dordrecht

Místo vydání

Dordrecht

Místo konání akce

Granada; Spain

Datum konání akce

15. 4. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—