Eines quimiomètriques per a l’anàlisi d’imatges espectroscòpiques
Les imatges espectroscòpiques són mesures instrumentals d’última generació, en què la superfície de la mostra analitzada es divideix en petites seccions o píxels i se’n recull un espectre de cadascun.
Aquestes imatges estan formades per milions de mesures puntuals, que proporcionen una enorme quantitat d'informació estructural i de distribució dels components en la mostra. La imatge «bruta», tal com surt de l'instrument, necessita ser processada abans de proporcionar informació útil.
El disseny de mètodes de compressió, preprocessament i resolució de la imatge original en les contribucions espacials i espectroscòpiques de cadascun dels seus components és un tema de recerca de gran actualitat, necessari per aprofitar la gran potencialitat d'aquest tipus de mesura.
El disseny de mètodes de compressió, preprocessament i resolució de la imatge original en les contribucions espacials i espectroscòpiques de cadascun dels seus components és un tema de recerca de gran actualitat, necessari per aprofitar la gran potencialitat d'aquest tipus de mesura.
Publicacions més rellevants
- De Juan, A., Tauler, R., Dyson, R., Marcolli, C., Rault, M., Maeder, M. (2004). Spectroscopic imaging and chemometrics: a powerful combination for global and local sample analysis. Trac-trend. Anal. Chem., 23(1), 70-79;
- Feltén, J., Hall, H., Jaumot, J., Tauler, R., de Juan, A., Gorzsás, A. (2015). Vibrational spectroscopic image analysis of biological material using multivariate curve resolution–alternating least squares (MCR-ALS). Nat. Protoc., 10(2), 217;
- De Juan, A. Multivariate curve resolution for hyperspectral image analysis. In Data Handling in Science and Technology, vol. 32, pp. 115-150. Elsevier, 2019;
- Hugelier, S., Piqueras, S., Bedia, C., de Juan, A., Ruckebusch, C. (2018). Application of a sparseness constraint in multivariate curve resolution–Alternating least squares. Anal. Chim. Acta, 1000, 100-108;
- De Juan, A., Gowen, A., Duponchel, L., Ruckebusch, C. (2019). Image Fusion. In Data Handling in Science and Technology (Vol. 31, pp. 311-344). Elsevier;
- Gómez-Sánchez, A., Marro, M., Marsal, M., Zacchetti, S., Rocha de Oliveira, R., Loza-Álvarez, P., de Juan, A. (2021). Linear unmixing protocol for hyperspectral image fusion analysis applied to a case study of vegetal tissues. Sci. Rep., 11(1), 18665;
- Piqueras, S., Bedia, C., Beleites, C., Krafft, C., Popp, J., Maeder, M., Tauler, R., de Juan, A. (2018). Handling Different Spatial Resolutions in Image Fusion by Multivariate Curve Resolution-Alternating Least Squares for Incomplete Image Multisets. Anal. Chem., 90(11), 6757-6765 ;
- Allouche, F., Hanafi, M., Jamme, F., Robert, P., Barron, C., Guillon, F., Devaux, M. F. (2012). Coupling hyperspectral image data having different spatial resolutions using Multiple Co-inertia Analysis. Chemometr. Intell. Lab., 117, 200-212;
- Nardecchia, A., de Juan, A., Motto-Ros, V., Gaft, M., Duponchel, L. (2022). Data fusion of LIBS and PIL hyperspectral imaging: Understanding the luminescence phenomenon of a complex mineral sample. Anal. Chim. Acta, 1192, 339368