ラマン分光分析アプリケーション

クイックスタート

  • はじめに（Getting Started）
    • システム要件（目安）
    • インストール方法
    • クイックスタート（最初の分析まで）
    • 学習パス（目安）
  • インストールガイド
    • 1) Windows（ポータブル版）
    • 2) ソースから実行（開発者向け）
      • 前提
      • 手順（例）
    • うまくいかない場合
  • クイックスタートガイド
    • 📋 前提条件
    • 🚀 5分間チュートリアル
      • ステップ1: アプリケーションを起動（30秒）
      • ステップ2: データをインポート（1分）
      • ステップ3: 前処理を適用（2分）
      • ステップ4: データを分析（1.5分）
      • ステップ5: 結果をエクスポート（30秒）
    • 📊 視覚的ワークフロー
    • 💡 次のステップ
      • 中級機能
      • チュートリアル
    • 🎯 一般的なワークフロー
      • ワークフロー1: 探索的分析
      • ワークフロー2: グループ比較
      • ワークフロー3: 分類モデル
    • 🔑 キーコンセプト
      • スペクトルデータ
      • 前処理
      • 分析手法
    • ⚙️ 推奨設定
      • 初心者向け
      • 上級者向け
    • 🐛 一般的な問題
      • 問題: データがロードされない
      • 問題: 前処理結果が悪い
      • 問題: PCAの説明分散が低い
      • 問題: 機械学習の精度が低い
    • 📖 学習リソース
      • ドキュメント
      • チュートリアル
      • サンプルデータ
    • 💬 ヘルプが必要ですか？
      • サポートオプション
    • 🎓 次のステップ
    • 🌟 ベストプラクティス
      • データ管理
      • 前処理
      • 分析
      • 機械学習

ユーザーガイド

  • ユーザーガイド
    • 📖 このガイドについて
    • 🎯 対象読者
      • 初心者
      • 中級ユーザー
      • 上級ユーザー
    • 📚 ガイドセクション
      • 1. データ管理
      • 2. スペクトル処理
      • 3. データ解析
      • 4. 機械学習
      • 5. エクスポートと共有
    • 🚀 アプリケーションインターフェース
      • メイン画面
      • 1. ホームタブ
      • 2. データパッケージタブ
      • 3. 前処理タブ
      • 4. 分析タブ
      • 5. 機械学習タブ
    • 🔧 一般的なワークフロー
      • ワークフロー1: 基本的な探索的分析
      • ワークフロー2: グループ比較
      • ワークフロー3: 機械学習分類
    • 💡 ベストプラクティス
      • データ管理
        • ✅ 推奨事項
        • ❌ 避けるべき事項
      • 前処理
        • ✅ 推奨事項
        • ❌ 避けるべき事項
      • 分析
        • ✅ 推奨事項
        • ❌ 避けるべき事項
      • 機械学習
        • ✅ 推奨事項
        • ❌ 避けるべき事項
    • 🎯 ユースケース別ガイド
      • ユースケース1: 研究開発
      • ユースケース2: 品質管理
      • ユースケース3: 医療診断
      • ユースケース4: 教育
    • 🔍 高度なトピック
      • カスタムパイプライン
      • バッチ処理
      • プログラマティックアクセス
    • 📊 データ形式
      • 入力形式
      • 出力形式
    • 🆘 ヘルプとサポート
      • ドキュメントリソース
      • コミュニティサポート
      • フィードバック
    • 🔄 次のステップ
  • インターフェース概要
    • 目次
    • メインウィンドウ
      • 構成要素（概要）
    • ホームタブ
    • データパッケージタブ
    • 前処理タブ
    • 分析タブ
    • 機械学習タブ
  • データ管理ガイド
    • 📋 目次
    • データのインポート
      • サポートされている形式
      • 基本的なインポート手順
        • 方法1: メニューから
        • 方法2: ドラッグ＆ドロップ
        • 方法3: データパッケージタブから
      • 複数ファイルのインポート
        • バッチインポート
        • 自動命名規則
      • インポート設定
        • 高度なオプション
    • データ形式
      • 標準CSV形式
        • 推奨フォーマット
        • 転置形式（オプション）
      • Excel形式
      • メタデータの追加
        • メタデータファイル
        • Excelでのメタデータ
      • データ検証
        • 自動検証
        • 手動検証
    • グループ管理
      • グループの作成
        • 方法1: 手動作成
        • 方法2: ファイル名から自動
        • 方法3: メタデータから
      • グループの編集
        • 名前の変更
        • サンプルの移動
        • グループの結合
        • グループの分割
      • グループの色とスタイル
        • カラーコーディング
        • プロットスタイル
    • データの検証と品質管理
      • 品質メトリクス
        • S/N比（信号対雑音比）
        • ベースライン安定性
        • ピーク検出
      • 外れ値の検出
        • 統計的外れ値
        • スペクトル比較
        • 視覚的確認
      • データのクリーニング
        • 外れ値の除去
        • 欠損値の処理
        • 重複の除去
    • プロジェクト管理
      • プロジェクトの保存
        • 基本的な保存
        • 自動保存
        • バージョン管理
      • プロジェクトの読み込み
      • プロジェクトのエクスポート
        • 完全なエクスポート
      • テンプレートの使用
        • テンプレートの作成
        • テンプレートの使用
    • データのエクスポート
      • 個別スペクトルのエクスポート
        • CSV形式
        • Excel形式
      • バッチエクスポート
        • すべてのスペクトル
        • グループごと
      • 前処理済みデータのエクスポート
      • 分析結果のエクスポート
        • PCA結果
        • 統計分析結果
        • 機械学習モデル
    • ベストプラクティス
      • データ命名規則
        • 推奨されるファイル命名
      • データ構造
        • フォルダ構成
      • データバックアップ
        • 推奨バックアップ戦略
      • メタデータ管理
        • 重要なメタデータ
      • データ品質保証
        • 測定前チェックリスト
        • 測定後チェックリスト
        • データインポート後チェックリスト
    • 🔗 関連ドキュメント
  • 前処理ガイド
    • 📋 目次
    • 前処理の重要性
      • なぜ前処理が必要か
        • 1. 蛍光バックグラウンド
        • 2. ノイズ
        • 3. スケールの違い
        • 4. オフセット
      • 前処理の効果
        • 前処理前
        • 前処理後
    • 前処理パイプライン
      • パイプラインの構築
        • 基本的な流れ
      • UIでのパイプライン構築
      • プレビュー機能の使用
    • ベースライン補正
      • AsLS（Asymmetric Least Squares）
        • 原理
        • パラメータ
        • 実用例
      • AirPLS（Adaptive Iteratively Reweighted Penalized Least Squares）
        • AsLSとの違い
        • パラメータ
        • 使用例
      • Whittaker Smoother
        • 特徴
        • パラメータ
    • スムージング
      • Savitzky-Golay フィルタ
        • 原理
        • パラメータ
        • 経験則
        • 実用例
      • Gaussian スムージング
        • 原理
        • パラメータ
        • 使用例
      • Moving Average
        • 特徴
        • パラメータ
    • 正規化
      • ベクトルノルム（L2正規化）
        • 原理
        • 使用例
      • SNV（Standard Normal Variate）
        • 原理
        • 使用例
      • MSC（Multiplicative Scatter Correction）
        • 原理
        • パラメータ
        • 使用例
      • Min-Max 正規化
        • 原理
        • 使用例
      • 最大値正規化
        • 原理
        • 使用例
    • 微分
      • 一次微分
        • 原理
        • パラメータ（Savitzky-Golay微分）
        • 使用例
        • 注意点
      • 二次微分
        • 原理
        • 使用例
    • 高度な手法
      • EMSC（Extended Multiplicative Signal Correction）
        • 特徴
      • FABC（Fast Adaptive Baseline Correction）
        • 特徴
      • CDAE（Convolutional Denoising Autoencoder）
        • 特徴
    • パイプライン最適化
      • 一般的なパイプライン
        • パイプライン1: 探索的分析用
        • パイプライン2: 定量分析用
        • パイプライン3: 分類・識別用
      • パラメータの調整
        • 体系的アプローチ
        • グリッドサーチ
      • 結果の評価
        • 視覚的評価
        • 定量的評価
    • ケーススタディ
      • ケース1: 強い蛍光バックグラウンド
        • 問題
        • 解決策
      • ケース2: 非常にノイズが多いデータ
        • 問題
        • 解決策
      • ケース3: 粉末サンプル（散乱が大きい）
        • 問題
        • 解決策
      • ケース4: 微小な差の検出
        • 問題
        • 解決策
    • 🔗 関連ドキュメント
  • データ解析ガイド
    • 📋 目次
    • 探索的データ解析
      • データの概要把握
        • 基本統計量
        • スペクトルの可視化
        • ヒートマップ
    • 次元削減
      • PCA（Principal Component Analysis）
        • 原理
        • 実行方法
        • スコアプロット
        • ローディングプロット
        • スクリープロット
        • バイプロット
      • UMAP（Uniform Manifold Approximation and Projection）
        • PCAとの比較
        • 実行方法
        • 使用ケース
      • t-SNE
        • 特徴
        • パラメータ
        • 注意点
    • クラスタリング
      • K-means
        • 原理
        • 実行方法
        • クラスター数の決定
      • 階層的クラスタリング
        • 原理
        • 実行方法
        • デンドログラムの解釈
      • DBSCAN
        • 特徴
        • パラメータ
        • 使用例
    • 統計分析
      • t検定
        • 2群の比較
        • 結果の解釈
      • ANOVA（Analysis of Variance）
        • 3群以上の比較
        • 多重比較
      • 多重比較補正
        • 問題
        • Bonferroni補正
        • FDR（False Discovery Rate）補正
        • 使用方法
      • 効果量
        • 重要性
        • Cohen’s d
        • Eta-squared (η²)
    • 相関分析
      • ピアソン相関
      • スペアマン相関
      • 相関行列
    • ピーク解析
      • ピーク検出
      • ピークフィッティング
      • ピーク同定
    • 結果の解釈
      • PCA結果の解釈
        • スコアプロット分析
        • ローディング解釈
      • クラスタリング結果の解釈
      • 統計検定結果の解釈
    • レポート作成
      • レポート用エクスポート（現状）
      • カスタムレポート
      • 図のエクスポート
    • 🔗 関連ドキュメント
  • 機械学習ガイド
    • 📋 目次
    • 機械学習の基礎
      • 機械学習とは
      • 学習パラダイム
        • 教師あり学習
        • 教師なし学習
      • ワークフロー
    • データ準備
      • データ分割
        • Train/Test分割
        • 層化分割（Stratified Split）
      • クロスバリデーション
      • 前処理パイプライン
    • アルゴリズム選択
      • Random Forest
        • 特徴
        • 主要パラメータ
        • 使用例
      • SVM（Support Vector Machine）
        • 特徴
        • 主要パラメータ
        • 使用例
      • XGBoost
        • 特徴
        • 主要パラメータ
        • 使用例
      • ロジスティック回帰
        • 特徴
        • パラメータ
        • 使用例
    • モデルトレーニング
      • 基本的なトレーニング
      • グリッドサーチ
        • 効率的なグリッドサーチ
      • ランダムサーチ
    • モデル評価
      • 分類メトリクス
        • 精度（Accuracy）
        • 適合率（Precision）
        • 再現率（Recall / Sensitivity）
        • F1スコア
      • 混同行列
      • ROC曲線とAUC
      • クロスバリデーション結果
    • ハイパーパラメータ調整
      • 学習曲線
      • 検証曲線
    • 特徴量選択
      • 特徴量の重要度
      • RFE（Recursive Feature Elimination）
      • 分散閾値法
    • モデルの解釈
      • 混同しやすいサンプルの分析
      • SHAP（予測の説明：SHapley Additive exPlanations）
    • 予測と実運用
      • 新しいデータへの予測
      • モデルの保存と読み込み
      • バッチ予測
      • モデルの更新
    • 🔗 関連ドキュメント
  • ベストプラクティス（Best Practices）
    • 目次
    • データ品質
      • サンプル準備
      • 測定（データ取得）
      • キャリブレーション
    • 前処理戦略
      • 推奨の最小パイプライン
      • 避けたいパターン
    • 統計解析
    • 機械学習
      • データリーク防止
      • 最初に試すモデル
    • 再現性
    • 論文・報告
    • 次に読む

分析手法

  • 分析手法ドキュメント
    • 📚 概要
    • 🎯 手法カテゴリ
      • 1. 前処理手法（40以上）
      • 2. 探索的分析（6手法）
      • 3. 統計分析（8カテゴリ）
      • 4. 機械学習（4アルゴリズム）
    • 🔍 手法選択ガイド
      • 目的別推奨手法
        • データの探索
        • グループ分離の可視化
        • 統計的差異検定
        • 予測モデルの構築
    • 📊 比較表
      • 次元削減手法の比較
      • クラスタリング手法の比較
      • 機械学習アルゴリズムの比較
    • 🎓 理論的背景
      • なぜ前処理が重要か
      • 次元削減の数学
      • 統計検定の理論
      • 機械学習の基礎理論
    • 💡 実践的なヒント
      • 前処理パイプラインの構築
      • 分析結果の解釈
      • 一般的な落とし穴
    • 📚 詳細ドキュメント
    • 🔗 関連リソース
  • 前処理手法（日本語版）
  • 探索的分析（日本語版）
  • 統計分析（日本語版）
    • 目次
    • ANOVA（分散分析）
      • モード（Simple / Grouped）
      • パラメータ
      • 使い分けの目安
    • 補足: 多重検定（Multiple testing）
  • 機械学習（分析手法）（日本語版）

API リファレンス

  • API リファレンス（日本語版）
    • 📌 関連ページ（日本語）
    • 🔗 外部リンク
    • 🆘 サポート
  • コアモジュール（日本語版）
  • ページ（日本語版）
  • コンポーネント（日本語版）
  • 関数モジュール（日本語版）
  • ウィジェット（日本語版）

開発ガイド

  • 開発者ガイド（日本語版）
    • ✅ 前提条件（現状）
    • 🚀 最小クイックスタート（from source）
    • 🧪 簡易テスト（スモークテスト）
    • 📌 関連ページ（日本語）
    • 🔗 外部リンク
    • 🆘 サポート
  • アーキテクチャ（日本語版）
  • 貢献ガイド（日本語版）
  • ビルドシステム（日本語版）
  • テストガイド（日本語版）

追加リソース

  • 変更履歴
    • [Unreleased]
      • ドキュメント
    • [1.0.0-alpha] - 2026-01-24
      • Added
        • コア機能
        • 前処理（40+ 手法）
        • 分析手法
        • 機械学習
        • ビルドシステム
      • Fixed
        • 2026年1月
        • 2025年10月
      • Changed
      • Security
    • [0.1.0] - 2025-10-01
      • Added
    • リリースノート
      • バージョン 1.0.0-alpha
    • Contributors
  • よくある質問（FAQ）
    • 📋 目次
    • 一般的な質問
      • Q1: このアプリケーションは何ができますか？
      • Q2: 無料で使用できますか？
      • Q3: どのような研究分野に適していますか？
      • Q4: プログラミングの知識は必要ですか？
      • Q5: 他のソフトウェアと比較した利点は何ですか？
    • インストールとセットアップ
      • Q6: システム要件は何ですか？
      • Q7: インストール方法を教えてください
      • Q8: "ModuleNotFoundError"が表示されます
      • Q9: Windows で “VCRUNTIME140.dll が見つかりません” エラー
      • Q10: macOS で “破損しているため開けません” エラー
    • データのインポート
      • Q11: どのようなデータ形式がサポートされていますか？
      • Q12: データが正しくロードされません
      • Q13: 大きなデータセット（数千スペクトル）をロードできますか？
      • Q14: 複数のファイルを一度にインポートできますか？
      • Q15: スペクトルをグループ化する方法は？
    • 前処理
      • Q16: どの前処理手法を使用すればよいですか？
      • Q17: AsLSのlambdaとpパラメータの意味は？
      • Q18: 前処理後にピークが消えました
      • Q19: 前処理パイプラインを保存できますか？
      • Q20: バッチで複数のスペクトルに同じ前処理を適用できますか？
    • 分析と結果
      • Q21: PCAの成分数はいくつにすべきですか？
      • Q22: PCAのスコアプロットで外れ値を見つけました。どうすればよいですか？
      • Q23: クラスタリングで最適なクラスター数を決定する方法は？
      • Q24: 統計検定のp値はどう解釈しますか？
      • Q25: 結果をエクスポートする方法は？
    • 機械学習
      • Q26: どの機械学習アルゴリズムを選択すべきですか？
      • Q27: データをトレーニング/テストセットに分割する必要がありますか？
      • Q28: 混同行列の読み方を教えてください
      • Q29: モデルが過学習しているか確認する方法は？
      • Q30: 特徴量の重要度を確認できますか？
    • エラーとトラブルシューティング
      • Q31: "Memory Error"が表示されます
      • Q32: アプリケーションがクラッシュします
      • Q33: 図が表示されません
      • Q34: "Singular matrix"エラーが出ます
      • Q35: プロジェクトファイルが開けません
    • 高度な使用方法
      • Q39: カスタム前処理手法を追加できますか？
      • Q40: Pythonスクリプトからアプリの機能を使用できますか？
      • Q41: バッチ処理を自動化できますか？
      • Q42: 他のソフトウェアとデータを交換できますか？
      • Q43: リアルタイムデータ取得はサポートされていますか？
      • Q44: クラウドでアプリケーションを実行できますか？
      • Q45: ヘルプやサポートを受けるには？
    • 📚 追加リソース
      • 学習資料
      • コミュニティリソース
      • 開発者リソース
  • トラブルシューティングガイド
    • 📋 目次
    • インストール問題
      • 問題1: "Python not found"エラー
      • 問題2: "Permission denied"インストールエラー
      • 問題3: UVのインストールが失敗する
      • 問題4: 依存関係の競合
    • 起動とクラッシュ
      • 問題5: アプリケーションが起動しない
      • 問題6: 起動後すぐにクラッシュ
      • 問題7: ランダムなクラッシュ
    • データロード問題
      • 問題8: CSVファイルが読み込めない
      • 問題9: “Memory Error” データロード時
      • 問題10: スペクトルが正しく表示されない
    • 前処理エラー
      • 問題11: ベースライン補正が機能しない
      • 問題12: スムージング後にピークが消える
      • 問題13: 正規化が期待通りに機能しない
      • 問題14: "Singular matrix"エラー
    • 分析エラー
      • 問題15: PCAで"explained variance"が低い
      • 問題16: クラスタリングで意味のない結果
      • 問題17: 統計検定で"すべてのp値が有意"
    • 機械学習問題
      • 問題18: モデルの精度が非常に低い（<60%）
      • 問題19: トレーニング精度99%、テスト精度60% → 過学習
      • 問題20: “ValueError: Found input variables with inconsistent numbers of samples”
      • 問題21: XGBoostが非常に遅い
    • パフォーマンス問題
      • 問題22: UI がフリーズする
      • 問題23: メモリ使用量が増え続ける
      • 問題24: 大きなファイルのエクスポートが遅い
    • UI/表示問題
      • 問題25: 図が表示されない
      • 問題26: フォントが正しく表示されない
      • 問題27: ハイDPI画面で表示が小さい
    • エクスポート問題
      • 問題28: Excelエクスポートが失敗する
      • 問題29: 図のエクスポート品質が悪い
    • プラットフォーム固有の問題
      • Windows固有
      • 問題30: “VCRUNTIME140.dll が見つかりません”
      • 問題31: Windows Defenderがブロック
      • macOS固有
      • 問題32: “開発元を確認できないため開けません”
      • 問題33: macOS Big Sur以降でクラッシュ
      • Linux固有
      • 問題34: "libGL error"エラー
      • 問題35: Wayland vs X11の問題
    • 🆘 それでも解決しない場合
      • ログの収集
      • バグレポートの作成
      • サポートを受ける
    • 📚 関連リソース
  • 用語集
    • A
      • AsLS（Asymmetric Least Squares）
      • AirPLS（Adaptive Iteratively Reweighted Penalized Least Squares）
      • ANOVA（Analysis of Variance）
      • API（Application Programming Interface）
    • B
      • Baseline Correction
      • Batch Processing
      • Biplot
      • Bonferroni Correction
    • C
      • CDAE（Convolutional Denoising Autoencoder）
      • Clustering
      • Cohen’s d
      • Confusion Matrix
      • Cross-Validation（CV）
    • D
      • DBSCAN（Density-Based Spatial Clustering of Applications with Noise）
      • Dendrogram
      • Dimensionality Reduction
    • E
      • Effect Size
      • Elbow Method
      • EMSC（Extended Multiplicative Signal Correction）
      • Eta-squared（η²）
    • F
      • F1-score
      • FABC（Fast Adaptive Baseline Correction）
      • False Discovery Rate（FDR）
      • Feature Engineering
      • Feature Importance
      • Feature Selection
      • Fluorescence
    • G
      • Gap Statistic
      • Gaussian Smoothing
      • Grid Search
    • H
      • Hierarchical Clustering
      • Hyperparameter Tuning
    • K
      • K-means
    • L
      • Learning Curve
      • Loading Plot
      • Logistic Regression
    • M
      • Machine Learning
      • Min-Max Normalization
      • MSC（Multiplicative Scatter Correction）
      • Multiple Comparison Correction
    • N
      • Neural Network
      • Normalization
    • O
      • Outlier Detection
      • Overfitting
    • P
      • PCA（Principal Component Analysis）
      • Peak Detection
      • Peak Fitting
      • Pipeline
      • Post-hoc Test
      • Precision
      • Preprocessing
    • R
      • Random Forest
      • Random Search
      • Recall
      • Regularization
      • RFE（Recursive Feature Elimination）
      • ROC Curve（Receiver Operating Characteristic Curve）
    • S
      • Savitzky-Golay
      • Scattering
      • Score Plot
      • Scree Plot
      • Silhouette Analysis
      • Smoothing
      • SNV（Standard Normal Variate）
      • Supervised Learning
      • SVM（Support Vector Machine）
    • T
      • t-SNE（t-Distributed Stochastic Neighbor Embedding）
      • t-test
      • Train/Test Split
    • U
      • UMAP（Uniform Manifold Approximation and Projection）
      • Underfitting
      • Unsupervised Learning
    • V
      • Validation Curve
      • Vector Norm
    • W
      • Wavenumber
      • Whittaker Smoothing
      • Workflow
    • X
      • XGBoost（eXtreme Gradient Boosting）
    • Z
      • Z-score
    • 🔗 関連ドキュメント
  • 参考文献（References）
    • 目次
    • Raman Spectroscopy
      • Fundamentals
      • Medical Applications
    • Preprocessing Methods
    • Machine Learning
    • Software Libraries
    • Medical Applications
ラマン分光分析アプリケーション
  • 検索

© Copyright 2025-2026, Muhammad Helmi bin Rozain, University of Toyama.

Built with Sphinx using a theme provided by Read the Docs.