Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Noise and Baseline Filtration in Mass Spectrometry

Identifikátory výsledku

  • 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

Alternativní jazyky

  • 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

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • 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