CN111712706A - 用于实施分析测量的方法和设备 - Google Patents
用于实施分析测量的方法和设备 Download PDFInfo
- Publication number
- CN111712706A CN111712706A CN201980013964.0A CN201980013964A CN111712706A CN 111712706 A CN111712706 A CN 111712706A CN 201980013964 A CN201980013964 A CN 201980013964A CN 111712706 A CN111712706 A CN 111712706A
- Authority
- CN
- China
- Prior art keywords
- pixels
- image
- interest
- region
- subset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 156
- 238000004458 analytical method Methods 0.000 title claims abstract description 80
- 238000012360 testing method Methods 0.000 claims abstract description 148
- 238000009826 distribution Methods 0.000 claims abstract description 76
- 239000012491 analyte Substances 0.000 claims abstract description 41
- 239000000126 substance Substances 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 21
- 230000008030 elimination Effects 0.000 claims description 14
- 238000003379 elimination reaction Methods 0.000 claims description 14
- 239000003086 colorant Substances 0.000 claims description 13
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 9
- 238000012567 pattern recognition method Methods 0.000 claims description 3
- 239000008280 blood Substances 0.000 description 15
- 210000004369 blood Anatomy 0.000 description 15
- 238000005259 measurement Methods 0.000 description 14
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 12
- 239000008103 glucose Substances 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 210000001124 body fluid Anatomy 0.000 description 7
- 150000001875 compounds Chemical class 0.000 description 5
- 230000002950 deficient Effects 0.000 description 5
- 239000010839 body fluid Substances 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004448 titration Methods 0.000 description 3
- -1 Volume 10 Substances 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 210000003722 extracellular fluid Anatomy 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 150000003626 triacylglycerols Chemical class 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108010050375 Glucose 1-Dehydrogenase Proteins 0.000 description 1
- 108010015776 Glucose oxidase Proteins 0.000 description 1
- 239000004366 Glucose oxidase Substances 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 229940116332 glucose oxidase Drugs 0.000 description 1
- 235000019420 glucose oxidase Nutrition 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0162—Arrangements or apparatus for facilitating the optical investigation using microprocessors for control of a sequence of operations, e.g. test, powering, switching, processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N2021/7756—Sensor type
- G01N2021/7759—Dipstick; Test strip
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
- G01N2021/8488—Investigating reagent band the band presenting reference patches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
公开了一种用于实施分析测量的方法、移动设备(112)和套件(148),其中消除了异常值。所述方法包括:提供具有至少一个相机(114)的至少一个移动设备(112);提供至少一个测试条(118),所述测试条(118)被配置用于实施颜色变化检测反应,并将至少一种样品施加到所述测试条(118)的至少一个测试场(120),所述测试场(120)包含至少一种测试化学品用于检测样品中的至少一种分析物;通过使用所述相机(114)来捕获测试条(118)的至少一部分的至少一个图像(124),其中所述图像(124)包括多个像素;确定图像(124)中的至少一个感兴趣区域(128),并且将第一像素子集与所述感兴趣区域(128)相关联;评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;确定所述感兴趣区域(128)内的至少一个感兴趣子区域(134),所述感兴趣子区域(134)的面积小于感兴趣区域(128)的面积,并将第二像素子集与所述感兴趣子区域(134)相关联;和将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较并由此确定关于图像(124)的均质性的至少一项均质性信息。
Description
技术领域
本申请涉及一种用于实施分析测量的方法。本发明进一步涉及一种计算机程序,该计算机程序具有用于执行根据本发明的方法的程序构件。此外,本发明涉及用于实施分析测量的移动设备和套件。根据本发明的方法、计算机程序、移动设备和套件可用于医学诊断,以便定性或定量地检测一种或多种体液中的一种或多种分析物。但是,本发明的其他应用领域也是可能的。
背景技术
在医学诊断领域,在许多情况下,必须在体液(诸如血液、间质液、尿液、唾液或其他类型的体液)的样品中检测一种或多种分析物。待检测的分析物的示例是葡萄糖、甘油三酸酯、乳酸盐、胆固醇或这些体液中通常存在的其他类型的分析物。根据分析物的浓度和/或存在,可以视需要选择适当的处理。
通常,技术人员已知的设备和方法利用包括一种或多种测试化学物质的测试元件,该测试化学物质在待检测的分析物存在的情况下能够实施一种或多种可检测的检测反应,诸如光学上可检测的检测反应。关于这些测试化学物质,可以参考例如J. Hoenes等人:The Technology Behind Glucose Meters: Test Strips, Diabetes Technology &Therapeutics, Volume 10, Supplement 1, 2008, S-10 to S-26。其他类型的测试化学物质是可能的,并且可以用于实施本发明。
通常,监测测试化学物质中的一种或多种光学上可检测的变化,以便从这些变化中得出待检测的至少一种分析物的浓度。为了检测测试场的光学属性的至少一个变化,在本领域中已知各种类型的检测器。因此,用于照亮测试场的各种类型的光源以及各种类型的检测器是已知的。除了诸如光电二极管之类的单个检测器之外,使用具有多个光敏设备的检测器阵列的各种类型的设备也是已知的。因此,WO2007/115732 A1公开了一种用于确定液体样品中的分析物浓度的系统。该系统包括检测单元,该检测单元用于检测从测试元件的检测区域的部分区域辐射的光强度。该系统还包括评估单元,该评估单元确定所检测的光强度的频率分布。类似地,EP1359409A2公开了一种用于确定生理样品中分析物浓度的装置。该装置包括至少一个光源和检测器阵列。
此外,当使用检测器阵列时,本领域中已知用于检测由检测器阵列获取的图像中的错误和伪影的方法。因此,EP1359409A2公开了用于确定在多个不同检测器区域中的每个区域上是否存在足够量的样品的构件,其中,仅将从那些被确定为具有足够样品的区域检测到的光用于确定分析物的浓度。类似地,在WO2007/115732A1中,评估单元根据基于频率分布而选择的光强度来确定分析物的浓度,其中,该频率分布具有至少一个第一最大值和第二最大值,第一最大值是由至少一个参考区域的未润湿部分区域引起的,第二最大值是由润湿部分区域引起的。作为另一个示例,US6993172B2公开了一种方法和系统,该方法和系统采用基于像素的信号强度数据,该基于像素的信号强度数据包含在与特征和特征背景相对应的分子阵列的扫描图像的区域内,以便确定特征或特征背景是否具有不均匀的信号强度,并且因此是异常特征和异常特征背景。
作为示例,US2015/308961A1描述了化学测试垫的颜色定量和分析物的滴定,化学测试垫的颜色定量和分析物的滴定可以在不同的照明条件下实施。在一个实施例中,估计捕获数字图像的照明条件,并利用该照明条件来选择参考颜色集合,比较量化颜色和参考颜色以确定所述滴定。在另一个实施例中,利用不同的照明条件来进行多个比较,选择具有最高置信水平的结果来确定滴定。
DE19630160A1公开了一种用于评估测试元件的分析系统,该分析系统具有用于确定是否足够量的样品液体已被均匀地施加到测试元件的输送区段的构件。在第一实施例中,分析系统包括至少两个光源,所述至少两个光源照亮测试元件的输送区段或评估区段的各区域,这些区域彼此分离或至少不完全重叠。另外,分析系统包括控制单元、至少一个传感器和评估单元,可以利用控制单元来彼此独立地激活所述至少两个光源,该至少一个传感器检测从评估区段反射或透射穿过评估区段的光并提供与光强度对应的输出信号。
在US2016/153912A1中,公开了一种用于检测至少一种体液样品中的至少一种分析物的方法。其中,使用至少一种测试元件,使用具有至少一个测试场的至少一个测试元件,该至少一个测试元件具有至少一种测试化学物质,其中所述测试化学物质适于在存在分析物的情况下实施至少一种光学上可检测的检测反应。该方法包括:通过使用至少一个图像检测器来获取测试场的图像的图像序列。每个图像包括多个像素。该方法还包括:在图像序列的图像中检测测试场的至少一个特性特征。该方法还包括:通过使用所述特性特征来校正图像检测器与图像序列中的测试场之间的相对位置变化,从而获得经校正的图像序列。
尽管在使用具有相机的消费电子产品用于评估分析测量结果方面具有优势,但仍存在几个技术挑战。具体地,到目前为止,有缺陷或不理想的评估区域的测量结果通常被丢弃或受限于特定缺陷的发生,诸如例如EP1359409A2的在已知的分析物浓度确定中不使用不具有充足样品的区域的方法。丢弃此类测量结果的常见方法通常可能给用户和/或患者带来显著的不便。
要解决的问题
因此,期望提供方法和设备,其使用诸如消费电子移动设备之类的移动设备,特别是不专用于分析测量的多用途移动设备(诸如智能电话或平板计算机)解决上述分析测量的技术挑战。具体地,应提出广泛适用于可用的移动设备并且适合于增加测量准确度和用户便利性的方法和设备。
发明内容
具有独立权利要求的特征的方法和设备解决了该问题。在从属权利要求中列出了可以以隔离的方式或以任意组合实现的有利实施例。
如下文所使用的,术语“具有”、“包括”或“包含”或其任意语法变化以非排他性方式使用。因此,除了由这些术语引入的特征之外,这些术语既可以指代在此上下文中描述的实体中不存在其他特征的情况,也可以指代存在一个或多个其他特征的情况。例如,表达“A具有B”、“ A包括B”和“A包含B”既可以指代除了B之外A中不存在其他元素的情况(即,仅A仅由B组成的情况),还可以指代除B之外实体A中还存在一个或多个其他元素(诸如元素C、元素C和D或甚至其他元素)的情况。
此外,应注意,指示特征或元素可存在一次或多于一次的术语“至少一个”、“一个或多个”或类似表达通常将仅在引入相应的特征或元素时使用一次。在下文中,在大多数情况下,当提及相应的特征或元素时,尽管事实是相应的特征或元素可以存在一次或多于一次,但将不重复“至少一个”或“一个或多个”的表达。
此外,如下文所使用的,术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语与可选特征结合使用,而不限制替代可能性。因此,由这些术语引入的特征是可选特征,并且不意图以任何方式限制权利要求的范围。如技术人员将认识到的,本发明可以通过使用替代特征来实施。类似地,由“在本发明的实施例中” 或类似表达引入的特征意图是可选特征,而对本发明的替代实施例没有任何限制,对本发明的范围没有任何限制,并且对以这种方式引入的特征与本发明的其他可选或非可选特征相结合的可能性也没有任何限制。
在第一方面,公开了一种用于实施分析测量的方法。该方法包括以下步骤,作为示例,可以按照给定次序实施以下步骤。然而,应当注意,不同的次序也是可能的。此外,也可以一次或重复实施一个或多个方法步骤。此外,可以同时或以时间上重叠的方式实施两个或更多个方法步骤。该方法可以包括未列出的其他方法步骤。
通常,该用于实施分析测量的方法包括以下步骤:
a)提供至少一个移动设备,所述移动设备具有至少一个相机;
b)提供至少一个测试条,该测试条被配置用于实施颜色变化检测反应,并将至少一种样品施加到该测试条,特别是施加到该测试条的至少一个测试场,该测试场包含至少一种测试化学品用于检测样品中的至少一种分析物;
c)通过使用相机来捕获测试条的至少一部分的至少一个图像,其中,所述图像包括多个像素;
d)确定,特别是识别图像中的至少一个感兴趣区域,并将第一像素子集与感兴趣区域相关联;
e)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
f)确定,特别是识别感兴趣区域内的至少一个感兴趣子区域,该感兴趣子区域的面积小于感兴趣区域的面积,并将第二像素子集与该感兴趣子区域相关联;和
g)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于像素的均质性的至少一项均质性信息。
如本文中所使用的,术语“分析测量”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于定量地和/或定性地确定任意样品中的至少一种分析物。例如,样品可以包括体液,诸如血液、间质液、尿液、唾液或其他类型的体液。作为示例,分析测量的结果可以是分析物的浓度和/或待确定的分析物的存在或不存在。具体地,作为示例,分析测量可以是血糖测量,因此分析测量的结果可以例如是血糖浓度。
如本文中所使用的,术语“分析物”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于待检测和/或测量的一种或多种特定化合物和/或其他参数。例如,至少一种分析物可以是参与新陈代谢的化合物,诸如葡萄糖、胆固醇或甘油三酸酯中的一种或多种。附加地或替代地,可以确定其他类型的分析物或参数,例如,pH值。
在步骤a)中,提供具有至少一个相机的移动设备。如本文中所使用的,术语“移动设备”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于移动电子设备,更具体地指代诸如蜂窝电话或智能电话之类的移动通信设备。附加地或替代地,如将在下面进一步详细概述的,移动设备还可以指代具有至少一个相机的平板计算机或另一类型的便携式计算机。
如本文中进一步使用的,术语“相机”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于被配置用于记录空间解析光学数据(诸如一个或多个图像)的设备。相机具体可以包括一个或多个相机芯片或成像设备,诸如一个或多个CCD和/或CMOS芯片。相机通常可以包括诸如像素之类的图像传感器的一维或二维阵列。作为示例,相机可以在至少一个维度上包括至少10个像素,诸如在每个维度上至少10个像素。然而,应注意,其他相机也是可行的。本发明应特别适用于通常在移动应用中使用的相机,移动应用诸如是笔记本计算机、平板电脑或者特别是蜂窝电话(诸如智能电话)。因此,具体而言,相机可以是移动设备的一部分,该移动设备除了至少一个相机之外还包括一个或多个数据处理设备,诸如一个或多个数据处理器。然而,其他相机也是可行的。除了至少一个相机芯片或成像芯片之外,相机还可以包括其他元件,诸如一个或多个光学元件,例如一个或多个透镜。作为示例,相机可以是具有至少一个透镜的定焦相机,该透镜相对于相机被固定地调整。然而,替代地,相机还可以包括可自动或手动调整的一个或多个可变透镜。
相机具体可以是彩色相机。因此,诸如对于每个像素,可以提供或生成颜色信息,诸如针对三种颜色R、G、B的颜色值。更大数量的颜色值也是可行的,诸如每个像素四种颜色。彩色相机是技术人员通常已知的。因此,作为示例,相机芯片的每个像素可以具有三个或更多个不同的颜色传感器,诸如像一个红色像素(R)、一个黄色像素(G)和一个蓝色像素(B)那样的颜色记录像素。对于每个像素,诸如对于R、G、B,取决于相应颜色的强度,可以按照像素记录各个值,诸如0至255范围内的数字值。代替使用诸如R、G、B之类的颜色三元组,作为示例,可以使用诸如C、M、Y、K之类的四元组。像素的颜色敏感度可以通过颜色过滤器或通过相机像素中所使用的传感器元件的适当的固有灵敏度来生成。这些技术是技术人员通常已知的。
在步骤b)中,提供至少一个测试条。如本文中所使用的,术语“测试条”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于被配置用于实施颜色变化检测反应的任意元件或设备。所述测试条特别地可以具有测试场,所述测试场包含用于检测至少一种分析物的至少一种测试化学品。作为示例,测试元件可以包括至少一个基板,诸如至少一个载体,所述至少一个测试场被施加到该载体或被集成在该载体中。作为示例,所述至少一个载体可以是条形的,从而使测试元件成为测试条。这些测试条通常被广泛使用和可获得。一个测试条可以承载单个测试场或具有在其中包括的相同或不同测试化学品的多个测试场。
如本文中进一步使用的,术语“测试场”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于测试化学品的相关量,诸如场,例如具有一层或多层材料的圆形、多边形或长方形的场,其中测试场的至少一层具有包括于其中的测试化学品。可以存在其他层,其提供特定的光学属性,诸如反射属性,提供用于散布样品的散布属性,或提供分离属性,诸如用于分离样品的微粒成分,例如细胞成分。
如本文所使用的,术语“测试化学品”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于一种化合物或多种化合物,诸如适合在分析物存在的情况下实施检测反应的化合物的混合物,其中检测反应可通过特定手段(诸如光学上)检测到。检测反应具体可以是分析物特有的。在当前情况下,测试化学品具体地可以是光学测试化学品,诸如颜色变化测试化学品,其在分析物存在的情况下颜色变化。颜色变化具体可以取决于样品中存在的分析物的量。作为示例,测试化学品可以包括至少一种酶,诸如葡萄糖氧化酶和/或葡萄糖脱氢酶。另外,可以存在其他成分,诸如一种或多种染料、介体等。测试化学品是技术人员通常已知的,并且可以参考J.Hönes等人:Diabetes Technology and Therapeutics, Vol. 10,Supplement 1, 2008, pp.10-26。但是,其他测试化学品也是可行的。
在步骤c)中,通过使用相机捕获至少一个图像。如本文中所使用的,术语“图像”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于通过使用相机记录的数据或信息,诸如来自成像设备(诸如相机芯片的像素)的多个电子读数。因此,作为示例,图像可以包括数据的一维或二维阵列。因此,图像本身可以包括像素,作为示例,图像的像素与相机芯片的像素相关。因此,当提到“像素”时,要么指代由相机芯片的单个像素生成的图像信息的单元,要么直接指代相机芯片的单个像素。
在步骤d)中,在图像内确定,特别是识别至少一个感兴趣区域。如本文中所使用的,术语“感兴趣区域”是是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于较大数据集内的数据子集,该子集是为特定目的而识别的。作为示例,该术语可以指代出于特定目的而确定的至少一个部分图像或图像内的区域。
此外,第一像素子集与感兴趣区域相关联。如本文所使用的,术语“像素子集”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于图像或图片内的部分数量的图片元素,诸如像素。在当前上下文中,像素子集可以具体地是图像内与显示图像内的感兴趣区域有关的一定量的像素。
在步骤e)中,评估第一像素子集内的颜色分布。如本文中所使用的,术语“颜色分布”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于在定义的数据集中(诸如在图像中)的颜色的分散。颜色分布可以具体地以直方图表示,例如,图像直方图,其通过对颜色坐标系中给定颜色范围集合中的每个范围的像素的数量进行计数而得出。如本文所使用的,术语“颜色坐标系”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于如下任意的坐标系:通过该坐标系可以在诸如数学上或物理上表征对象的颜色,诸如测试场的颜色或由相机记录的图像的颜色。各种颜色坐标系是技术人员通常已知的,诸如由CIE定义的颜色坐标系。颜色坐标可以整体上跨越或定义颜色空间,诸如通过定义三个或四个基本向量。
此外,消除第一像素子集中的异常值。如本文中所使用的,术语“异常值”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于统计上例外的数据点或值。具体地,异常值可以是一数据集中的值,该值与描述该数据集中的大多数其他数据点的统计图案不拟合。因此,作为示例,百分位数方法可以用于诸如通过确定百分位数阈值来确定哪些数据点是规则的以及哪些数据点是异常值。附加地或替代地,可以使用其他手段(诸如简单的阈值过程)来定义规则数据点和异常值。
例如,规则数据点可以等于或高于下百分位数阈值和/或等于或低于上百分位数阈值。因此,异常值可以是低于下百分位数阈值和/或高于上百分位数阈值的数据点。特别地,下百分位数阈值的范围可以例如从大于百分之0至百分之35,其中,百分之0指示不存在低于该百分位数阈值的数据点,优选地从百分之5至百分之30,更优选地从百分之15到百分之25,甚至更优选地,下百分位数阈值可以特别是百分之25。此外,特别是附加地和/或与下百分位数阈值组合,异常值特别地可以是高于上百分位数阈值的数据点。特别地,上百分位数阈值的范围可以例如从百分之65到小于百分之100,其中,百分之100指示所有数据点均落在该百分位数阈值或低于该百分位数阈值,优选地从百分之70到百分之95,更优选从百分之75到百分之85,甚至更优选地,上百分位数阈值可以特别是百分之75。具体地,如上面所指示的,为了确定哪些数据点是规则的以及哪些数据点是异常值,可以使用以上定义的下百分位数阈值和以上定义的上百分位数阈值的任意组合。
步骤f)包括:确定,特别是识别感兴趣区域内的至少一个感兴趣子区域,该感兴趣子区域具有比感兴趣区域小的面积。具体地,第二像素子集与感兴趣子区域相关联。
在步骤g)中,将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较。由此,确定关于图像的均质性的至少一项均质性信息。如本文中所使用的,术语“平均值”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于表示数据集中的所有值的值或数字,诸如,指代通过使用数据集中的所有值而计算出的值或数字,该值表示例如数据集中所有值的近似中间值。具体地,平均值可以选自包括以下各项的组:算术平均值、几何平均值或中值。具体地,可以通过使用分立数据集的值的总和除以分立数据集的值的数量来计算平均值。作为示例,在当前情况下,颜色分布的平均值可以具体地通过将像素集合内的像素的颜色求和并将结果除以该像素集合内的像素数量来计算。其他计算方法也是可能的,诸如例如分别对所有或部分像素进行加权或定级。
如本文中所使用的,术语“一项均质性信息”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于关于任意系统的均质性的指示、量化或信息。具体地,在当前情况下,该术语可以指代与通过使用移动设备的相机捕获的图像的均质性有关的指示或信息。作为示例,该项均质性信息可以是布尔信息或数字信息,诸如指示以下各项中的一项或多项:“均质”或“不均质”、“适合”或“不适合/非适合”。因此,作为示例,如果可以将第一像素子集的颜色分布的平均值与第二像素子集的颜色分布的平均值进行比较并且发现彼此相差的值大于分析测量中可接受的最大公差,则该图像可能不适合实施分析测量。例如,如果第一像素子集和第二像素子集的颜色分布的平均值相差超过血糖测量中可接受的最大公差,则可能会发现该图像不适合实施血糖测量,因此,该项均质性信息可能指示图像“不适合”。然而,替代地,如上面已经概述的,均质性也可以被量化。
如本文中所使用的,术语“均质性”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于特性或属性的均匀性,诸如例如颜色的相似性,特别是像素的颜色的相似性。例如,可以通过指示各个值分布的广度来量化均质性。例如,可以根据颜色坐标系内的颜色之间的距离来指示均质性。
通过包括以下步骤,可以进一步改进根据本发明的第一方面的方法:
h)如果所述至少一项均质性信息指示所述图像不适合实施分析测量,则中止用于实施分析测量的方法;和
i)如果所述至少一项均质性信息指示所述图像适合实施分析测量,则评估所述图像并得出至少一项分析信息,特别是有关样品中至少一种分析物的浓度的至少一项信息。
该方法可以利用所述至少一项均质性信息,作为示例,所述至少一项均质性信息可以是或可以包括数字信息或布尔信息,诸如以上所指示的,例如“适合”或“不适合”,以用于实施分析测量。取决于所述均质性信息,所述方法可以在步骤h)和i)之间分支,其中关于均质性的查询可以被编程为例如“if ……”例程、“ if …… else ……”例程等。
如本文中所使用的,术语“关于至少一种分析物的浓度的一项信息”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于关于任意样品内至少一种分析物的浓度的指示或信息。作为示例,关于样品中至少一种分析物的浓度的该项信息可以具体是血液样品中的血糖浓度。
此外,方法步骤g)可以包括:将第一像素子集的颜色分布的平均值与第二像素子集的颜色分布的平均值之间的差的绝对值与至少一个阈值进行比较。如本文中所使用的,术语“差”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于至少两个值或数字之间的绝对差异或间隙。具体地,颜色分布的值之间的差,诸如例如第一像素子集的颜色分布的平均值与第二像素子集的颜色分布的平均值之间的差可以指示颜色坐标系内颜色分布的值之间的距离。该距离例如可以以“计数”给出和/或指示,诸如以直方图内的阶梯(step)数给出和/或指示,具体地,该距离可以由颜色坐标内具有预定义阶梯尺寸的计数的绝对数量指示。
术语“比较”可以非限制性地指代简单地确定第一值是否小于、大于或等于第二值或类似内容的过程。附加地或替代地,各个值之间的差也可以被量化。也可以使用其他比较手段,从而通常生成关于要比较的值之间的关系的信息。
如本文中所使用的,术语“阈值”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于指示系统内的边界和/或边缘的任意值。阈值可以例如指示一值和/或水平,低于该值和/或水平,某些事情可能是真实的,而高于该值和/或水平,它可能不是真实的。具体地,在本发明内,阈值可以是一个值,低于该值,所述图像可能适合实施分析测量,而高于该值则所述图像可能不合适。具体来说,例如可以在确定该项均质性信息时使用阈值。例如,在差(特别是第一像素子集的颜色分布的平均值和第二像素子集的颜色分布的平均值之间的差)的绝对值小于阈值的情况下或者如果该差的绝对值未超过阈值,则所述至少一项均质性信息可以指示所述图像适合实施分析测量。
具体地,该方法可以包括:定义分析测量的最小准确度。特别地,该方法可以还包括:通过如下步骤来确定阈值:通过使用颜色分布和分析物测量结果之间(尤其是感兴趣区域的颜色分布的平均值与样品中分析物浓度之间)的可确定的关系将分析测量的最小准确度变换为阈值。
此外,方法步骤e)可以包括:针对至少两个颜色坐标评估颜色分布。更优选地,方法步骤e)可以包括:针对至少三个颜色坐标评估颜色分布。特别地,针对所述至少两个颜色坐标,更优选地针对所述至少三个颜色坐标,可以独立地(诸如例如以彼此独立的方式)评估颜色分布。作为示例,可以针对第一颜色坐标(例如指示红色的值)、以及第二颜色坐标(例如指示黄色的值)、以及第三颜色坐标(例如指示蓝色的值),以时间上顺序的方式评估颜色分布。
具体地,方法步骤g)可以针对所述至少两个颜色坐标中的全部颜色坐标独立地被实施。例如,可以针对所述至少两个颜色坐标中的全部颜色坐标独立地,特别是以独立的方式,比较第一像素子集的颜色分布的平均值和第二像素子集的颜色分布的平均值。作为示例,可以针对所述至少两个颜色坐标中的全部颜色坐标以时间上顺序的方式比较颜色分布的平均值。
特别地,可以针对所述至少两个颜色坐标中的每一个颜色坐标确定所述至少一项均质性信息。具体地,可以针对每个颜色坐标分别评估图像的均质性。特别地,在针对第一颜色坐标确定的所述一项均质性信息指示图像不适合实施分析测量的情况下,通常可以将该图像指示为不适合实施分析测量。
作为示例,可以针对所述至少两个颜色坐标中的每一个颜色坐标独立地将第一像素子集的颜色分布的平均值与第二像素子集的颜色分布的平均值之间的差的绝对值与至少一个阈值进行比较。
进一步地,所述测试条可包括至少一个测试场和至少一个参考颜色场。具体地,可以实施方法步骤c),使得所述至少一个图像包含测试场的至少一个图像或至少一个部分图像以及参考颜色场的至少一个图像或至少一个部分图像。特别地,可以针对测试场的图像或部分图像以及针对参考颜色场的图像或部分图像实施(特别是独立地实施)方法步骤d)至g)。
作为示例,参考颜色场可以包含至少一个白色场。具体地,参考颜色场可以包括具有白色(特别是预定白色或白色阴影)的至少一个场。例如,参考颜色场可以特别地包含测试条的颜色,诸如基板或测试条载体的颜色。因此,作为示例,参考颜色场可以简单地是基板(例如,测试条载体)本身。
具体地,感兴趣区域和感兴趣子区域可以各自具有从包括以下各项的组独立地选择的形状:长方形;正方形;圆角形;圆形;及以上各项的相减和/或组合。
此外,方法步骤e)可以包括:消除具有在接受区间之外的颜色(特别是颜色坐标)的像素。特别地,可以消除具有在接受区间[p1-Δp1,p2+Δp2]之外的颜色的像素,其中p1是下百分位数,p2是上百分位数,而Δp1、Δp2是正公差范围。
特别地,p1可以是颜色分布的25%分位数,而p2可以是颜色分布的75%分位数。具体地,25%分位数也可以被称为“下分位数”,并且相似地,75%分位数也可以被称为“上分位数”。
作为示例,可以通过使用以下等式来描述Δp1和Δp2,这些等式进一步称为等式(1)和等式(2):
其中f1、f2是正公差因子,特别是f1、f2≥1,更特别是1.0≤f1、f2≤2.0,更特别是1.3≤f1、f2≤1.7,更特别是f1、f2 = 1.5。
此外,方法步骤d)可以包括:通过使用用于在图像中识别从包括以下各项的组中选择的至少一项的图案识别方法来确定感兴趣区域:测试场;测试场的一部分;参考颜色场;参考颜色场的一部分。
具体地,感兴趣区域的中心可能位于图像内的测试场的中心或参考颜色场的中心。如本文中所使用的,术语“中心”是广义术语,并且将被赋予对本领域普通技术人员来说普通和惯常的含义,并且不限于特定或定制的含义。该术语具体地可以指代但不限于指示形状或对象的中间的点或位置。具体而言,中心可以是圆或球体内与周界或表面的所有点均等距的点,或者是规则多边形内与所有顶点均等距的点。
作为示例,可以从感兴趣区域中排除测试场或参考颜色场的至少一个边缘(优选是测试场或参考颜色场的所有边缘)。特别地,测试场或参考颜色场的边缘和顶点可以不被包括在感兴趣区域内。
特别地,感兴趣子区域的中心可以位于感兴趣区域的中心。
此外,该方法可以包括:将第一像素子集内的像素的数量与至少一个阈值进行比较,从而确定关于感兴趣区域的尺寸的充足性的至少一项尺寸充足性信息。另外,该方法可以包括:在所述至少一项尺寸充足性信息指示感兴趣区域的尺寸不充足的情况下中止用于实施分析测量的方法。特别地,如果所述至少一项尺寸充足性信息指示感兴趣区域的尺寸不充足,则可以中止用于实施分析测量的方法。
作为示例,该阈值可以从包括以下各项的组中选择:绝对阈值;相对阈值;特别是取决于第一像素子集中的像素数量的相对阈值。
此外,该方法可以包括:将在方法步骤e)中消除异常值之前的第一像素子集中的像素数量与在步骤e)中消除异常值之后的第一像素子集中的像素数量进行比较。
特别地,如果在步骤e)中消除异常值之后的第一像素子集中的像素数量小于在步骤e)中消除异常值之前的第一像素子集中的像素数量的预定百分比,则用于实施分析测量的方法可能会中止。
在本发明的另一方面,公开了一种计算机程序,该计算机程序包括用于实施根据本文所述的实施例中的任何一个的方法的计算机可执行指令。具体地,计算机可执行指令可以适合实施方法步骤d)、e)、f)和g)以及可选地实施步骤h)和i)中的一个或多个。特别地,该程序在计算机或计算机网络上(特别是在具有至少一个相机的移动设备的处理器上)被执行。
因此,一般而言,本文公开和提出的是一种包括计算机可执行指令的计算机程序,当在计算机或计算机网络上执行该程序时,实施在本文所包含的一个或多个实施例中的根据本发明的方法。具体地,该计算机程序可以存储在计算机可读数据载体上。因此,具体地,可以通过使用计算机或计算机网络,优选地通过使用计算机程序来实施如上所指示的一个、多于一个、或甚至所有方法步骤。具体而言,所述计算机可以完全或部分集成到移动设备中,并且所述计算机程序可以具体地被体现为软件应用程序。但是,替代地,所述计算机的至少一部分也可以位于移动设备的外部。
本文还公开并提出了一种数据载体,该数据载体具有存储在其上的数据结构,该数据结构在加载到计算机或计算机网络中之后(诸如加载到计算机或计算机网络的工作存储器或主存储器中之后)可以执行根据本文公开的一个或多个实施例的方法,特别是上面提到的一个或多个方法步骤。
本文进一步公开和提出了一种计算机程序产品,该计算机程序产品具有存储在机器可读载体上的程序代码构件,以便当在计算机或计算机网络上执行所述程序时实施根据本文公开的一个或多个实施例的方法。如本文中所使用的,计算机程序产品指代作为可交易产品的程序。该产品通常可以以任意格式(例如以纸质格式)存在或存在于计算机可读数据载体上。具体地,所述计算机程序产品可以分布在数据网络上。
最后,本文公开和提出了一种经调制的数据信号,该数据信号包含可由计算机系统或计算机网络读取的指令,用于实施根据本文公开的一个或多个实施例的方法,特别是上述一个或多个方法步骤。
具体地,本文进一步公开:
•包括至少一个处理器的计算机或计算机网络,其中该处理器适于实施根据本说明书中描述的实施例之一的方法,
•计算机可加载数据结构,适于当在计算机上执行该数据结构时实施根据本说明书中所描述的实施例之一的方法,
•计算机程序,其中,当在计算机上执行该程序时,该计算机程序适于实施根据本说明书中描述的实施例之一的方法,
•包括程序构件的计算机程序,所述程序构件用于当在计算机或计算机网络上执行该计算机程序时实施根据本说明书中描述的实施例之一的方法,
·包括根据前述实施例的程序构件的计算机程序,其中该程序构件被存储在计算机可读的存储介质上,
•存储介质,其中数据结构存储在该存储介质上,并且其中该数据结构适于在已被加载到计算机或计算机网络的主存储装置和/或工作存储装置中之后实施根据本说明书中描述的实施例之一的方法,以及
·具有程序代码构件的计算机程序产品,其中,该程序代码构件可以被存储或被存储在存储介质上,用于在该程序代码构件在计算机上或在计算机网络上被执行的情况下实施根据本说明书中描述的实施例之一的方法。
在本发明的另一方面中,公开了一种用于实施分析测量的移动设备。该移动设备具有至少一个相机。该移动设备被配置为通过使用以下步骤来实施所述至少一个分析测量:
A)通过使用相机来捕获测试条的至少一部分的至少一个图像,其中所述图像包括多个像素;
B)确定,特别是识别图像中的至少一个感兴趣区域,并将第一像素子集与感兴趣区域相关联;
C)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
D)确定,特别是识别感兴趣区域内的至少一个感兴趣子区域,该感兴趣子区域的面积小于感兴趣区域的面积,并将第二像素子集与该感兴趣子区域相关联;和
E)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于图像的均质性的至少一项均质性信息。
对于本文中使用的大多数术语和可能的定义,可以参考上述方法的描述。
该移动设备可以包括至少一个处理器。具体来说,可以对处理器进行编程以实施步骤B)–E)。
对于可能的定义或实施例,可以参考如上所给出的方法的描述。因此,特别地,移动设备,特别是通过使用处理器,可以被配置为实施根据以上描述或以下进一步详细描述的任一实施例的用于实施分析测量的方法。
在本发明的另一方面中,公开了一种用于实施分析测量的套件。该套件包括:
-至少一个移动设备;和
-被配置用于实施颜色变化检测反应的至少一个测试条,特别是光学测试条,特别是具有至少一个测试场的测试条,该测试场包含至少一种测试化学品用于检测样品中的至少一种分析物。
同样,对于术语的可能定义和可能的实施例,可以参考上面给出的描述或下面进一步详述的描述。
与用于分析测量的已知方法和设备相比,根据本发明的方法和设备可提供大量优点。因此,特别地,与本领域中已知的其他过程相比,本发明中提出的实施分析测量的过程可以消耗更少的时间。特别地,本发明可以允许使用稍微有缺陷的图像或包含缺陷或不理想的评估区域(诸如例如,测试场或参考颜色场)的图像来实施分析测量。本发明可以允许使用本来会被丢弃的图像,从而提供了与已知方法和设备相比消耗时间更少且实践上更加可实施的分析测量的手段。
此外,与本领域已知的过程相比,本发明可以提高实施分析测量的过程的可靠性和用户友好性。具体地说,与已知的应用程序或计算机程序相比,本发明可以提高包括用于实施分析测量的计算机可执行指令的应用(例如应用程序)的可靠性和用户友好性。特别地,本发明可以允许主动地改善有缺陷图像或包含缺陷或不理想评估区域的图像,从而允许使用这种图像。作为示例,通过主动改善被捕获用于实施分析测量的图像,本发明可以提高实施分析测量的过程的可靠性和可用性。
总结并且不排除其他可能的实施例,可以设想以下实施例:
实施例1.一种用于实施分析测量的方法,包括以下步骤:
a)提供至少一个移动设备,所述移动设备具有至少一个相机;
b)提供至少一个测试条,所述测试条被配置用于实施颜色变化检测反应以及将至少一种样品施加到所述测试条,特别是施加到所述测试条的至少一个测试场,所述测试场包含至少一种测试化学品用于检测样品中的至少一种分析物;
c)通过使用所述相机来捕获所述测试条的至少一部分的至少一个图像,其中,所述图像包括多个像素;
d)确定,特别是识别图像中的至少一个感兴趣区域,并将第一像素子集与感兴趣区域相关联;
e)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
f)确定,特别是识别所述感兴趣区域内的至少一个感兴趣子区域,所述感兴趣子区域的面积小于所述感兴趣区域的面积,并将第二像素子集与所述感兴趣子区域相关联;和
g)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于图像的均质性的至少一项均质性信息。
实施例2.根据前述实施例的方法,所述方法还包括:
h)如果所述至少一项均质性信息指示所述图像不适合实施分析测量,则中止用于实施分析测量的方法;和
i)如果所述至少一项均质性信息指示所述图像适合实施分析测量,则评估所述图像并得出至少一项分析信息,特别是关于样品中至少一种分析物的浓度的至少一项信息。
实施例3.根据前述实施例中任一项的方法,其中方法步骤g)包括:将第一像素子集的颜色分布的平均值和第二像素子集的颜色分布的平均值之间的差的绝对值与至少一个阈值进行比较。
实施例4.根据前述实施例所述的方法,其中,如果所述差的绝对值小于所述阈值或如果所述差的绝对值不超过所述阈值,则所述至少一项均质性信息指示所述图像适于实施所述分析测量。
实施例5.根据前述两个实施例中任一项的方法,其中该方法包括:定义分析测量的最小准确度,其中该方法还包括:通过以下步骤确定所述阈值:通过使用颜色分布与分析物测量结果之间(特别是感兴趣区域的颜色分布的平均值与样品中分析物浓度之间)的可确定关系,将分析测量的最小准确度变换为所述阈值。
实施例6.根据前述实施例中任一项的方法,其中步骤e)包括:针对至少两个颜色坐标,更优选地针对至少三个颜色坐标,特别是独立地评估所述颜色分布。
实施例7.根据前述实施例的方法,其中,针对所述至少两个颜色坐标中的全部颜色坐标独立地实施步骤g)。
实施例8.根据前述实施例的方法,其中针对所述至少两个颜色坐标中的每一个颜色坐标确定至少一项均质性信息。
实施例9.根据前述实施例中任一项的方法,其中所述测试条包括至少一个测试场和至少一个参考颜色场,其中实施步骤c)以使得所述至少一个图像包含测试场的至少一个图像或至少一个部分图像以及参考颜色场的至少一个图像或至少一个部分图像,其中,针对测试场的图像或部分图像以及针对参考颜色场的图像或部分图像,特别是独立地实施步骤d)至g)。
实施例10.根据前述实施例的方法,其中参考颜色场包含至少一个白色场。
实施例11.根据前述实施例中任一项的方法,其中感兴趣区域和感兴趣子区域各自具有从包括以下各项的组独立选择的形状:长方形;正方形;圆角形;圆形;以及以上各项的相减和/或组合。
实施例12.根据前述实施例中任一项的方法,其中实施步骤e)以使得通过使用颜色分布的直方图分析或百分位数分析中的一个或两个来实施第一像素子集中异常值的消除。
实施例14.根据前述实施例的方法,其中p1是颜色分布的25%分位数,并且其中p2是颜色分布的75%分位数。
实施例15.根据前述两个实施例中任一项的方法,其中
其中f1、f2是正公差因子,特别是f1、f2≥1,更特别是1.0≤f1、f2≤2.0,更特别是1.3≤f1、f2≤1.7,更特别是f1、f2 = 1.5。
实施例17.根据前述实施例中任一项的方法,其中步骤d)包括:通过使用用于在图像中识别从包括以下各项的组选择的至少一项的图案识别方法来确定感兴趣区域:测试场;测试场的一部分;参考颜色场;参考颜色场的一部分。
实施例18.根据前述实施例的方法,其中感兴趣区域的中心位于图像内的测试场的中心或参考颜色场的中心。
实施例19.根据前述两个实施例中任一项的方法,其中从感兴趣区域中排除测试场或参考颜色场的至少一个边缘,优选地排除测试场或参考颜色场的所有边缘。
实施例20.根据前述两个实施例中的任一项所述的方法,其中,所述感兴趣子区域的中心位于所述感兴趣区域的中心。
实施例21.根据前述实施例中任一项的方法,其中该方法还包括:将第一像素子集内的像素的数量与至少一个阈值进行比较,由此确定关于感兴趣区域的尺寸的充足性的至少一项尺寸充足性信息,其中如果所述至少一项尺寸充足性信息指示感兴趣区域的尺寸不充足,则中止用于实施分析测量的方法。
实施例22,根据前述实施例所述的方法,其中,所述阈值是从包括以下各项的组中选择的:绝对阈值;相对阈值;特别是取决于第一像素子集中的像素数量的相对阈值。
实施例23.根据前述实施例中任一项的方法,其中该方法还包括:将在步骤e)中消除异常值之前的第一像素子集中的像素数量与在步骤e)中消除异常值之后的第一像素子集中的像素数量进行比较。
实施例24.根据前述实施例的方法,其中,如果在步骤e)中消除异常值之后的第一像素子集中的像素数量小于在步骤e)中消除异常值之前的第一像素子集中的像素数量的预定百分比,则中止用于实施分析测量的方法。
实施例25.一种计算机程序,包括计算机可执行指令用于实施根据前述实施例中任何一项的方法,具体地,实施方法步骤d)、e)、f)和g)以及可选地实施步骤h)和i)中的一个或多个,其中该程序在计算机或计算机网络上(特别是在具有至少一个相机的移动设备的处理器上)被执行。
实施例26.一种用于实施分析测量的移动设备,该移动设备具有至少一个相机,该移动设备被配置用于通过使用以下步骤来实施至少一个分析测量:
A)通过使用相机来捕获测试条的至少一部分的至少一个图像,其中所述图像包括多个像素;
B)确定,特别是识别图像中的至少一个感兴趣区域,并将第一像素子集与感兴趣区域相关联;
C)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
D)确定,特别是识别感兴趣区域内的至少一个感兴趣子区域,该感兴趣子区域的面积小于感兴趣区域的面积,并将第二像素子集与该感兴趣子区域相关联;和
E)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于图像的均质性的至少一项均质性信息。
实施例27.根据前述实施例的移动设备,其中,所述移动设备包括至少一个处理器,其中,所述处理器被编程为实施步骤B)-E)。
实施例28.根据前述涉及移动设备的实施例中的任何一项的移动设备,其中该移动设备,特别是通过使用处理器,被配置为实施根据前述方法实施例中的任何一项的方法。
实施例29.一种用于实施分析测量的套件,该套件包括:
-根据前述涉及移动设备的实施例中的任一项的至少一个移动设备;和
-被配置用于实施颜色变化检测反应的至少一个测试条,特别是光学测试条,特别是具有至少一个测试场的测试条,该测试场包含至少一种测试化学品用于检测样品中的至少一种分析物。
附图说明
优选地结合从属权利要求,在随后的实施例描述中将更详细地公开进一步的可选特征和实施例。其中,如技术人员将认识到的,相应可选特征可以以隔离的方式以及以任何任意可行的组合来实现。本发明的范围不受优选实施例的限制。在附图中示意性地描绘了各实施例。其中,这些图中相同的附图标记指代相同或功能上相当的元件。
在附图中:
图1和图2示出了用于实施分析测量的方法的流程图;
图3示出了用于实施分析测量的套件和移动设备的实施例的透视图;
图4示出了由移动设备捕获的图像的实施例;
图5A和6A图示了由移动设备捕获的图像和所确定的感兴趣区域的实施例;
图5B和6B图示了对应于图5A和6A的直方图的实施例;和
图7和图8图示了由移动设备捕获的图像和所确定的感兴趣区域以及所确定的感兴趣子区域的实施例。
具体实施方式
在图1中,示出了用于实施分析测量的方法的实施例的流程图。该方法包括步骤a)(方法步骤110):提供至少一个移动设备112,移动设备112具有至少一个相机114。作为示例,如图3中所示的,可以提供具有至少一个相机114的移动设备112。该方法还包括步骤b)(方法步骤116):提供至少一个测试条118,测试条118被配置用于实施颜色变化检测反应,并将至少一种样品施加到测试条118。该样品可以具体地被施加到至少一个测试场120,测试场120包含至少一种测试化学品用于检测样品中的至少一种分析物。具体地,可以提供如图3中所示的测试条118和测试场120。另外,测试条118还可以包括参考颜色场121。
该方法还包括步骤c)(方法步骤122):通过使用相机114来捕获测试条118的至少一部分的至少一个图像124。具体地,如例如图4中所示的,可以捕获图像124。图像124包括多个像素。此外,该方法包括步骤d)(方法步骤126):确定,特别是识别图像124中的至少一个感兴趣区域128,并将第一像素子集与感兴趣区域128相关联。具体来说,可以确定感兴趣对象128,如例如图5A中所示的。
该方法还包括步骤e)(方法步骤130):评估第一像素子集内的颜色分布并消除第一像素子集中的异常值。另外,该方法包括步骤f)(方法步骤132):确定,特别是识别感兴趣区域128内的至少一个感兴趣子区域134,该感兴趣子区域134的面积小于感兴趣区域128的面积,并将第二像素子集与感兴趣子区域134相关联。该方法还包括步骤g)(方法步骤136):将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于图像124的均质性的至少一项均质性信息。
如图2中所示的,用于实施分析测量的方法的实施例可以另外包括分支点138。分支点138可以指示条件查询,诸如在第一分支140和第二分支142之间进行判定。例如,条件查询可以利用所述一项均质性信息。所述一项均质性信息可以包括关于图像124的均质性的布尔信息,诸如“适合”(“y”)或“不适合”(“n”)。第一分支140指示图像124不适合实施分析测量,因此所述如果至少一项均质性信息指示图像124不适合实施图像测量,则第一分支140可以导致步骤h)(方法步骤144),从而中止用于实施分析测量的方法。具体来说,如果所述一项均质性信息指示图像124“不适合”实施血糖测量,则可以不实施血糖测量。
第二分支142指示图像124适合实施分析测量。因此,如果所述至少一项均质性信息指示图像124适合实施分析测量,则第二分支可导致步骤i)(方法步骤146),从而评估图像124并得出至少一项分析信息,特别是关于样品中至少一种分析物的浓度的至少一项信息。具体地,如果所述一项均质性信息指示图像124适合实施血糖测量,则可以实施血糖测量。具体地,可以从图像124得出关于样品中至少一种分析物的浓度的所述至少一项信息。
在图3中,在透视图中图示了用于实施分析测量的移动设备和套件148的实施例。套件148包括至少一个移动设备112和至少一个测试条118,测试条118被配置用于实施颜色变化检测反应。具有相机114的移动设备112还可以包括处理器149。移动设备112,特别是通过使用处理器149,可以被配置用于实施图1和2中所示的方法。测试条118可以具体地是光学测试条。特别地,如上所述,测试条118可以具体地具有至少一个测试场120,该测试场120包含用于检测样品中的至少一种分析物的至少一种测试化学品。
如图3中所示,移动设备112可以通过使用相机114来捕获测试条118的至少一部分的至少一个图像124。在图4中示出了由移动设备112捕获的图像124的实施例。具体地,图像124包括多个像素。如图4中所示,测试条118的至少一部分的图像124可能示出各种缺陷或非理想评估区域,诸如例如测试条118的损伤150和/或测试场120或参考颜色场121内的污染或脏区域152。
此外,如图5A中所示,可以在图像124内确定至少一个感兴趣区域128,并且第一像素子集可以与感兴趣区域128相关联。感兴趣区域128可以具有从长方形减去圆形的形状,例如由虚线图示的。作为示例,参考颜色场121内的污染或脏区域152可能位于感兴趣区域128内。图5A中所示的污染或脏区域152可以特别是红色血迹。在图5B中示出了与图5A中所示的感兴趣区域128相对应的直方图。该直方图可以基于一个颜色坐标,诸如例如指示红色的值的颜色坐标。具体而言,该直方图可以图示在像素的红色值(水平轴)上的像素的量(竖直轴)。如可以看到的,与大多数像素(水平轴上具有大约180计数值)相比,几个像素示出较暗的红色阴影(诸如例如水平轴上具有120–170 计数值的像素)。因此,当与图5A中所示的感兴趣区域相比时,示出较暗的红色阴影的像素可以清楚地与感兴趣区域128内的污染或脏区域152(特别是与红色血迹)相关联。
在评估了第一像素子集内的颜色分布并消除了第一像素子集中的异常值之后,参考颜色场121内的污染或脏区域152(特别是红色血迹)可能不再位于感兴趣区域128内,如图6A中所示。在图6B中示出了与图6A中所示的感兴趣区域128相对应的直方图。如图6B中所示,该直方图基于指示红色的值的颜色坐标,并图示了在图6A中所示的感兴趣区域128内的像素的红色的值(水平轴)上的像素量(竖直轴)。如可以看到的,感兴趣区域128不再包括示出较暗的红色阴影的像素,诸如例如在水平轴上具有120-170计数值的像素。
可以在感兴趣区域128内确定感兴趣子区域134。如图7和图8中所示的,感兴趣子区域134具体地具有比感兴趣区域128小的面积。具体来说,如图7中所示,感兴趣子区域134可以例如具有与感兴趣区域128不同的形状。
附图标记列表
110 步骤a)提供具有至少一个相机的至少一个移动设备
112 移动设备
114 相机
116 步骤b)提供至少一个测试条,该测试条被配置用于实施颜色变化检测反应,并将至少一种样品施加到测试条
118 测试条
120 测试场
121 参考颜色场
122 步骤c)通过使用相机来捕获测试条的至少一部分的至少一个图像
124 图像
126 步骤d)确定图像中的至少一个感兴趣区域
128 感兴趣区域
130 步骤e)评估第一像素子集中的颜色分布并消除第一像素子集中的异常值
132 步骤f)确定感兴趣区域内的至少一个感兴趣子区域,该感兴趣子区域的面积小于感兴趣区域的面积,并将第二像素子集与该感兴趣子区域相关联
134 感兴趣子区域
136 步骤g)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于图像的均质性的至少一项均质性信息
138 分支点
140 第一分支
142 第二分支
144 步骤h)如果所述至少一项均质信息指示该图像不适合实施分析测量,则中止用于实施分析测量的方法
146 步骤i)如果所述至少一项均质性信息指示该图像适合实施分析测量,则评估该图像并得出至少一项分析信息,特别是关于样品中至少一种分析物的浓度的至少一项信息
148 套件
149 处理器
150 损伤
152 脏区域。
Claims (16)
1.一种用于实施分析测量的方法,包括以下步骤:
a)提供具有至少一个相机(114)的至少一个移动设备(112);
b)提供至少一个测试条(118),所述测试条(118)被配置用于实施颜色变化检测反应,并将至少一种样品施加到所述测试条(118)的至少一个测试场(120),所述测试场(120)包含至少一种测试化学品用于检测样品中的至少一种分析物;
c)通过使用所述相机(114)来捕获测试条(118)的至少一部分的至少一个图像(124),其中所述图像(124)包括多个像素;
d)确定所述图像(124)中的至少一个感兴趣区域(128),并且将第一像素子集与所述感兴趣区域(128)相关联;
e)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
f)确定所述感兴趣区域(128)内的至少一个感兴趣子区域(134),所述感兴趣子区域(134)的面积小于感兴趣区域(128)的面积,并将第二像素子集与所述感兴趣子区域(134)相关联;和
g)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于所述图像(124)的均质性的至少一项均质性信息。
2.根据前述权利要求所述的方法,所述方法还包括:
h)如果所述至少一项均质性信息指示所述图像(124)不适合实施分析测量,则中止所述用于实施分析测量的方法;和
i)如果所述至少一项均质性信息指示所述图像(124)适合实施分析测量,则评估所述图像(124)并得出至少一项分析信息。
3.根据前述权利要求中任一项所述的方法,其中,所述方法步骤g)包括:将第一像素子集的颜色分布的平均值和第二像素子集的颜色分布的平均值之间的差的绝对值与至少一个阈值进行比较。
4.根据前述权利要求所述的方法,其中,如果所述差的绝对值小于所述阈值或如果所述差的绝对值不超过所述阈值,则所述至少一项均质性信息指示所述图像(124)适合实施所述分析测量。
5.根据前述权利要求中任一项所述的方法,其中,步骤e)包括:针对至少两个颜色坐标评估所述颜色分布,其中,针对所述至少两个颜色坐标中的全部颜色坐标独立地实施步骤g),其中,针对所述至少两个颜色坐标中的每一个颜色坐标确定至少一项均质性信息。
6.根据前述权利要求中任一项所述的方法,其中,所述测试条包括至少一个测试场(120)和至少一个参考颜色场,其中,实施步骤c)以使得所述至少一个图像(124)包含测试场(120)的至少一个图像(124)或至少一个部分图像(124)以及参考颜色场(121)的至少一个图像或至少一个部分图像,其中针对测试场(120)的图像(124)或部分图像以及针对参考颜色场(121)的图像(124)或部分图像(124)实施步骤d)至g),其中参考颜色场(121)包含至少一个白色场。
7.根据前述权利要求中任一项所述的方法,其中,实施步骤e)以使得通过使用所述颜色分布的直方图分析或百分位数分析中的一个或两个来实施第一像素子集中异常值的消除。
10.根据前述权利要求中任一项所述的方法,其中,步骤d)包括:通过使用图案识别方法来确定所述感兴趣区域(128),所述图案识别方法用于在所述图像(124)中识别从包括以下各项的组中选择的至少一项:测试场(120);测试场(120)的一部分;参考颜色场(121);参考颜色场(121)的一部分。
11.根据前述权利要求中任一项所述的方法,其中,所述方法还包括:将第一像素子集内的像素数量与至少一个阈值进行比较,由此确定关于所述感兴趣区域(128)的尺寸充足性的至少一项尺寸充足性信息,其中如果所述至少一项尺寸充足性信息指示所述感兴趣区域(128)不具有充足的尺寸,则中止所述用于实施分析测量的方法。
12.根据前述权利要求中任一项所述的方法,其中,所述方法还包括:将在方法步骤e)中消除异常值之前的第一像素子集中的像素数量与在步骤e)中消除异常值之后的第一像素子集中的像素数量进行比较。
13.一种计算机程序,包括用于实施根据前述权利要求中任一项所述的方法的计算机可执行指令,其中,所述程序在计算机或计算机网络上执行。
14.根据前述权利要求所述的计算机程序,其中,所述计算机可执行指令被配置用于至少实施所述方法的方法步骤d)、e)、f)和g)。
15.一种用于实施分析测量的移动设备(112),所述移动设备(112)具有至少一个相机(114),所述移动设备(112)被配置用于通过使用以下步骤来实施至少一个分析测量:
A)通过使用所述相机(114)来捕获测试条(118)的至少一部分的至少一个图像(124),其中所述图像(124)包括多个像素;
B)确定所述图像(124)中的至少一个感兴趣区域(128),并且将第一像素子集与所述感兴趣区域(128)相关联;
C)评估第一像素子集内的颜色分布并消除第一像素子集中的异常值;
D)确定所述感兴趣区域(128)内的至少一个感兴趣子区域(134),所述感兴趣子区域(134)的面积小于所述感兴趣区域(128)的面积,并将第二像素子集与所述感兴趣子区域(134)相关联;和
E)将第一像素子集的颜色分布的至少一个平均值与第二像素子集的颜色分布的至少一个平均值进行比较,并由此确定关于所述图像(124)的均质性的至少一项均质性信息。
16.一种用于实施分析测量的套件(148),所述套件(148)包括:
-根据涉及移动设备(112)的前述权利要求中的任一项所述的至少一个移动设备(112);和
-至少一个测试条(118),被配置用于实施颜色变化检测反应,所述测试条(118)具有至少一个测试场(120),所述测试场(120)包含至少一种测试化学品用于检测样品中的至少一种分析物。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18157426.0A EP3527972A1 (en) | 2018-02-19 | 2018-02-19 | Method and devices for performing an analytical measurement |
EP18157426.0 | 2018-02-19 | ||
PCT/EP2019/053993 WO2019158761A1 (en) | 2018-02-19 | 2019-02-18 | Method and devices for performing an analytical measurement |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111712706A true CN111712706A (zh) | 2020-09-25 |
Family
ID=61249518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980013964.0A Pending CN111712706A (zh) | 2018-02-19 | 2019-02-18 | 用于实施分析测量的方法和设备 |
Country Status (11)
Country | Link |
---|---|
US (1) | US20200372680A1 (zh) |
EP (1) | EP3527972A1 (zh) |
JP (1) | JP7209005B2 (zh) |
KR (1) | KR20200121808A (zh) |
CN (1) | CN111712706A (zh) |
BR (1) | BR112020015019A2 (zh) |
CA (1) | CA3090221A1 (zh) |
MA (1) | MA50331B1 (zh) |
TN (1) | TN2020000153A1 (zh) |
TW (1) | TWI832840B (zh) |
WO (1) | WO2019158761A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI800319B (zh) * | 2021-04-23 | 2023-04-21 | 大陸商深圳幀觀德芯科技有限公司 | 使用具有多個輻射檢測器的圖像感測器的成像方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780064B (zh) * | 2019-11-15 | 2020-10-16 | 中国农业科学院农业质量标准与检测技术研究所 | 利用移动终端对目标成分进行检测的方法及系统 |
US10991185B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
EP4166932A1 (en) | 2021-10-14 | 2023-04-19 | F. Hoffmann-La Roche AG | Enhanced method for the determination of an analyte concentration in bodily fluid |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19630160A1 (de) * | 1996-07-26 | 1998-01-29 | Boehringer Mannheim Gmbh | Analysesystem mit Mitteln zur Erkennung von Unterdosierungen |
US5717778A (en) * | 1993-02-26 | 1998-02-10 | Chu; Albert E. | Optical specimen analysis system and method |
DE19638065A1 (de) * | 1996-09-18 | 1998-03-19 | Massen Machine Vision Systems | Automatische Qualitätskontrolle von Fliesen |
CN103620392A (zh) * | 2011-04-28 | 2014-03-05 | 皇家飞利浦有限公司 | 评估具有光学不均匀性的测定 |
JP2014098645A (ja) * | 2012-11-15 | 2014-05-29 | Oem System Co Ltd | 体液成分分析装置および体液成分分析方法 |
CN104364636A (zh) * | 2012-06-22 | 2015-02-18 | 霍夫曼-拉罗奇有限公司 | 用于检测体液中的分析物的方法和器件 |
US20150308961A1 (en) * | 2012-08-08 | 2015-10-29 | Scanadu Incorporated | Quantifying color changes of chemical test pads induced by specific concentrations of biological analytes under different lighting conditions |
US20160239709A1 (en) * | 2015-01-30 | 2016-08-18 | AgriSight, Inc. | System and method for field variance determination |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19852504A1 (de) | 1998-11-13 | 2000-05-18 | Stratec Biomedical Systems Ag | Anordnung und Verfahren zur Blutanalyse für die Serodiagnostik |
US6993172B2 (en) | 2001-06-29 | 2006-01-31 | Agilent Technologies, Inc. | Method and system for automated outlying feature and outlying feature background detection during processing of data scanned from a molecular array |
US6847451B2 (en) | 2002-05-01 | 2005-01-25 | Lifescan, Inc. | Apparatuses and methods for analyte concentration determination |
TW569010B (en) * | 2003-05-13 | 2004-01-01 | Oncoprobe Biotech Inc | Bioagent automatic detection system |
ATE534276T1 (de) | 2005-01-10 | 2011-12-15 | Syngenta Participations Ag | Gerät zur bestimmung der gleichförmigkeit einer saatgutcharge |
ES2883201T3 (es) | 2006-04-08 | 2021-12-07 | Hoffmann La Roche | Análisis de datos ópticos con la ayuda de histogramas |
GB201105474D0 (en) * | 2011-03-31 | 2011-05-18 | Albagaia Ltd | Testing apparatus |
US9063091B2 (en) * | 2012-04-06 | 2015-06-23 | Ixensor Inc. | Test strips and method for reading test strips |
KR102199462B1 (ko) * | 2014-11-04 | 2021-01-06 | 삼성전자주식회사 | 생체 정보 측정 방법 및 이를 위한 장치 |
TWI652470B (zh) * | 2015-02-16 | 2019-03-01 | 安盛生科股份有限公司 | 適用於行動運算載具的測試條模組、螢幕保護件、保護殼體及測量該測試條模組中一測試條的方法 |
US10024842B2 (en) | 2015-04-29 | 2018-07-17 | Ixcela, Inc. | Methods and devices for quantitating blood samples |
CN105181959B (zh) * | 2015-06-25 | 2017-03-08 | 中国科学院电子学研究所 | 一种免疫层析试条定量检测装置及方法 |
-
2018
- 2018-02-19 EP EP18157426.0A patent/EP3527972A1/en active Pending
-
2019
- 2019-02-15 TW TW108105045A patent/TWI832840B/zh active
- 2019-02-18 KR KR1020207023675A patent/KR20200121808A/ko unknown
- 2019-02-18 MA MA50331A patent/MA50331B1/fr unknown
- 2019-02-18 WO PCT/EP2019/053993 patent/WO2019158761A1/en active Application Filing
- 2019-02-18 CN CN201980013964.0A patent/CN111712706A/zh active Pending
- 2019-02-18 BR BR112020015019-3A patent/BR112020015019A2/pt active Search and Examination
- 2019-02-18 TN TNP/2020/000153A patent/TN2020000153A1/en unknown
- 2019-02-18 JP JP2020543765A patent/JP7209005B2/ja active Active
- 2019-02-18 CA CA3090221A patent/CA3090221A1/en active Pending
-
2020
- 2020-08-12 US US16/991,917 patent/US20200372680A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5717778A (en) * | 1993-02-26 | 1998-02-10 | Chu; Albert E. | Optical specimen analysis system and method |
DE19630160A1 (de) * | 1996-07-26 | 1998-01-29 | Boehringer Mannheim Gmbh | Analysesystem mit Mitteln zur Erkennung von Unterdosierungen |
DE19638065A1 (de) * | 1996-09-18 | 1998-03-19 | Massen Machine Vision Systems | Automatische Qualitätskontrolle von Fliesen |
CN103620392A (zh) * | 2011-04-28 | 2014-03-05 | 皇家飞利浦有限公司 | 评估具有光学不均匀性的测定 |
CN104364636A (zh) * | 2012-06-22 | 2015-02-18 | 霍夫曼-拉罗奇有限公司 | 用于检测体液中的分析物的方法和器件 |
US20160153912A1 (en) * | 2012-06-22 | 2016-06-02 | Roche Diabetes Care, Inc. | Connector Device |
US20150308961A1 (en) * | 2012-08-08 | 2015-10-29 | Scanadu Incorporated | Quantifying color changes of chemical test pads induced by specific concentrations of biological analytes under different lighting conditions |
JP2014098645A (ja) * | 2012-11-15 | 2014-05-29 | Oem System Co Ltd | 体液成分分析装置および体液成分分析方法 |
US20160239709A1 (en) * | 2015-01-30 | 2016-08-18 | AgriSight, Inc. | System and method for field variance determination |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI800319B (zh) * | 2021-04-23 | 2023-04-21 | 大陸商深圳幀觀德芯科技有限公司 | 使用具有多個輻射檢測器的圖像感測器的成像方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019158761A1 (en) | 2019-08-22 |
MA50331A1 (fr) | 2020-09-30 |
TW201939020A (zh) | 2019-10-01 |
BR112020015019A2 (pt) | 2021-01-19 |
MA50331B1 (fr) | 2021-03-31 |
KR20200121808A (ko) | 2020-10-26 |
TWI832840B (zh) | 2024-02-21 |
JP7209005B2 (ja) | 2023-01-19 |
JP2021514465A (ja) | 2021-06-10 |
CA3090221A1 (en) | 2019-08-22 |
US20200372680A1 (en) | 2020-11-26 |
TN2020000153A1 (en) | 2022-04-04 |
EP3527972A1 (en) | 2019-08-21 |
RU2020130226A (ru) | 2022-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200372680A1 (en) | Method and devices for performing an analytical measurement | |
KR102603366B1 (ko) | 분석 측정을 수행하기 위한 방법들 및 디바이스들 | |
US20210096083A1 (en) | Method for calibrating a camera of a mobile device for detecting an analyte in a sample | |
US20210258565A1 (en) | Methods and devices for performing an analytical measurement | |
US20200386672A1 (en) | Methods and systems for calibrating and using a camera for detecting an analyte in a sample | |
US20220283148A1 (en) | Method of determining a concentration of an analyte in a bodily fluid | |
US20230103160A1 (en) | Method of determining the concentration of an analyte in a sample of a body fluid | |
CN115461610A (zh) | 评估颜色参考卡的质量的方法 | |
US20230262339A1 (en) | Method of controlling auto-exposure settings of a mobile device having a camera | |
JP7534339B2 (ja) | 体液中の分析物の濃度を判定する方法、および体液中の分析物の濃度を判定するために構成されたモバイル装置 | |
RU2786271C2 (ru) | Способ и устройства для проведения аналитического измерения | |
CN116324389A (zh) | 确定体液中至少一种分析物的浓度的方法 | |
RU2824298C1 (ru) | Способ определения концентрации аналита в физиологической жидкости | |
RU2792659C2 (ru) | Способы и устройства для проведения аналитических измерений | |
RU2823570C1 (ru) | Способ проведения аналитического измерения | |
RU2812204C2 (ru) | Способ определения концентрации аналита в физиологической жидкости и мобильное устройство, сконфигурированное для определения концентрации аналита в физиологической жидкости | |
RU2825082C1 (ru) | Способ определения концентрации аналита в образце физиологической жидкости, мобильное устройство, набор, компьютерная программа и машиночитаемый носитель для хранения данных | |
WO2023152207A1 (en) | Methods and devices for performing an analytical measurement | |
KR20220029580A (ko) | 카메라가 있는 모바일 장치를 사용한 체액 내 분석물질의 농도 측정 | |
CN117940990A (zh) | 用于控制移动装置的自动白平衡设定以用于使用颜色参考卡的基于颜色的测量的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40038540 Country of ref document: HK |