CN112020640B - 用于校准和使用相机检测样本中分析物的方法和系统 - Google Patents

用于校准和使用相机检测样本中分析物的方法和系统 Download PDF

Info

Publication number
CN112020640B
CN112020640B CN201980027815.XA CN201980027815A CN112020640B CN 112020640 B CN112020640 B CN 112020640B CN 201980027815 A CN201980027815 A CN 201980027815A CN 112020640 B CN112020640 B CN 112020640B
Authority
CN
China
Prior art keywords
test
camera
color
color coordinates
sample
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.)
Active
Application number
CN201980027815.XA
Other languages
English (en)
Other versions
CN112020640A (zh
Inventor
M·贝格
F·海勒
B·林布格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN112020640A publication Critical patent/CN112020640A/zh
Application granted granted Critical
Publication of CN112020640B publication Critical patent/CN112020640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/272—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration for following a reaction, e.g. for determining photometrically a reaction rate (photometric cinetic analysis)
    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Plasma & Fusion (AREA)
  • Data Mining & Analysis (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Oncology (AREA)
  • Hospice & Palliative Care (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)

Abstract

公开了一种用于校准和使用相机（116）的方法、计算机程序和系统（110，112，114），所述相机（116）用于检测样本（131）中的分析物。用于校准用来检测样本（131）中的分析物的相机（116）的校准方法包括：a.提供颜色坐标系集合，所述颜色坐标系集合包括被配置用于描述物体的颜色的多个不同的颜色坐标系；b.提供具有已知浓度的分析物的测试样本集合（122）；c.将测试样本（124）施加到测试元件集合（126），每个测试元件（128）具有至少一个测试场（130），所述测试场（130）包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对每个测试样本（124）创建至少一个着色测试场（130）；d.通过使用所述相机（116）获取所述着色测试场（130）的图像；e.通过使用所述颜色坐标系集合中的颜色坐标系，针对所述着色测试场（130）的图像生成颜色坐标，从而针对所述测试样本（124）和针对所述颜色坐标系创建颜色坐标集合；f.提供编码函数集合，所述编码函数集合包括用于将测试场（130）的颜色坐标变换成样本中分析物的对应浓度的多个编码函数；g.通过使用所述编码函数集合把在步骤e中生成的颜色坐标集合变换成测量的浓度的集合；以及h.把测量的浓度的集合与测试样本集合（122）中的测试样本（124）的已知浓度进行比较，并确定颜色坐标系集合中的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数，针对所述最佳匹配颜色坐标系和所述最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。

Description

用于校准和使用相机检测样本中分析物的方法和系统
技术领域
本申请涉及一种用于校准用来检测样本中的分析物的相机的校准方法。本发明还涉及一种用于检测样本中的分析物的检测方法以及一种具有用于执行所述校准方法或所述检测方法的程序装置的计算机程序。此外，本发明涉及一种用于出于通过使用相机来检测样本中的分析物的目的来校准相机的校准系统，用于通过使用至少一个测试元件来检测样本中的分析物的检测系统以及用于检测样本中的分析物的系统。根据本发明的方法、计算机程序和系统可以用于医学诊断中，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。本发明的其他应用领域是可能的。
背景技术
在许多情况下，医学诊断需要在体液（诸如血液、间质液、尿液、唾液或其他类型的体液）样本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、胆固醇或这些体液中通常存在的其他类型的分析物。通常，技术人员已知的用于检测分析物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，所述测试化学物质在待检测的分析物存在的情况下能够进行一种或多种可检测的检测反应，诸如光学可检测的检测反应。关于这些测试化学物质，可以参考例如J. Hoenes等人：The Technology BehindGlucose Meters: Test Strips, Diabetes Technology & Therapeutics, Volume 10,Supplement 1, 2008, S-10 to S-26。根据分析物的浓度和/或存在，可以视需要选择适当的治疗。
通常，监测测试化学物质中的一种或多种光学可检测的变化，以便从这些变化中得出待检测的至少一种分析物的浓度。在本领域中已知各种类型的检测器用于检测测试场的光学属性的至少一个变化。因此，已知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。除了使用专门开发用于在光学上检测对应的测试元件所包括的测试化学物质中的变化的定制检测器外，最近的发展还旨在使用诸如智能电话之类的广泛可用的设备。
例如，Li Shen等人的“Point-of-care colorimetric detection with asmartphone”, Lab Chip, 2012, 12, 4240–4243, “The Royal Society of Chemistry”和针对Lab on a Chip的对应的电子补充材料(ESI) “The Royal Society of Chemistry”提出了利用智能电话执行比色检测。比色诊断化验或利用智能电话定量的颜色可以在广泛范围的环境条件中进行高准确度测量。代替直接使用智能电话拍摄的彩色图像的红色、绿色和蓝色（RGB）强度，色度值用于构建分析物浓度的校准曲线。此外，为了使方法在不同的照明条件下可采用，开发了一种校准技术来补偿由于环境光的变化性而引起的测量误差。
通常，当使用智能电话或其他具有相机的消费电子产品来评估分析测量结果时，有必要对相机进行单独校准。因此，Ali K. Yetisen等人的“A smartphone algorithmwith inter-phone repeatability for the analysis of colorimetric tests”,Sensors and Actuators B 196 (2014) 156–160提出了一种具有电话间可重复性的智能电话算法用于比色测试分析，该算法要求用户通过将信息输入到智能电话中并使用智能电话的相机捕获各个校准点的图像来执行校准条目。该校准需要在预定义条件下执行。随后，可以使用与用于执行校准完全相同的条件来执行比色测量。该应用程序通过将目标数据值与校准曲线进行比较来计算最终测量结果。这是通过类似于计算几何学中的最近邻问题的插值算法实现的。
在WO2014/037820A2中提出了另一种校准方法，WO2014/037820A2公开了一种用于比色测试条的分析和疾病管理的系统和方法。该系统可以包括附件，该附件可操作地耦合到移动设备，该移动设备获取和/或分析比色测试条的图像。灯箱附件可以可拆卸地附接到所述移动设备，或者保持附接到移动设备，但是具有出于一般摄影目的而将灯箱附件从相机的视场中移除的能力。在其他实施例中，在没有灯箱的情况下获得包含已知的校准颜色和试剂区域的图像，用于与先前的校准图像进行比较，以模拟环境照明条件的变化并确定颜色校正函数。可以对检测到的试剂区域颜色施加校正，以使检测到的试剂区域颜色与参考图表上的参考颜色匹配。
尽管校准和使用相机（例如消费电子产品包括的相机）具有很多优点，但为了检测样本中的分析物，仍然存在几个技术挑战。通常，相机系统中的颜色表示被适配为提供根据人类的颜色感知被优化（例如通过对相机捕获的原始数据进行内部后处理）的图像。然而，当旨在准确确定样本中的分析物浓度时，由于人类的颜色感知而导致的这种后处理可能并不理想。另外，非线性因素（诸如不同的照明条件或市场上可获得的大量相机的个体技术和光学属性）可能会影响分析物浓度的确定，并因此需要纳入考虑。
待解决的问题
因此，期望提供解决上述技术挑战的方法、计算机程序和系统，用于校准用来检测样本中的分析物的相机，例如用于校准诸如消费电子移动设备（尤其是不专用于分析测量的多功能移动设备，诸如智能电话或平板计算机）之类的移动设备所包括的相机。具体而言，应提出广泛适用于可用相机并适于为用户增加测量准确度和便利性的方法、计算机程序和系统。
发明内容
具有独立权利要求特征的方法、计算机程序和系统解决了该问题。在从属权利要求中列出了可以以单独方式或以任意组合实现的有利实施例。
如下所使用的，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，这些术语既可以指代除了由这些术语引入的特征之外在此情境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”都可以指代这样的情况：除了B之外，A中不存在其他元素（即，A仅由B组成的情况）；以及除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。
此外，应注意，指示特征或元素可以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，当提到相应的特征或元素时，尽管事实是相应的特征或元素可能存在一次或多于一次，但将不会重复“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”、“专门地”、“更专门地”或类似术语与可选特征结合使用，但不限制替代可能性。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执行。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，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，并且对将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没有任何限制。
在本发明的第一方面中，公开了一种校准方法，该校准方法用于校准用来检测样本中的分析物的相机。该方法包括以下步骤，这些步骤可以具体地以给定顺序执行。但是，不同顺序也是可能的。还可以完全或部分同时执行两个或更多个方法步骤。还可以一次或重复执行一个或多个方法步骤，或甚至所有方法步骤。该方法可以包括本文未列出的附加方法步骤。通常，所述校准方法包括以下步骤：
a. 提供颜色坐标系集合，所述颜色坐标系集合包括被配置用于描述物体的颜色的多个不同的颜色坐标系；
b. 提供具有已知浓度的分析物的测试样本集合；
c. 将测试样本施加到测试元件集合，每个测试元件具有至少一个测试场，所述测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对每个测试样本创建至少一个着色测试场；
d. 通过使用相机获取所述着色测试场的图像；
e. 通过使用所述颜色坐标系集合中的颜色坐标系，针对所述着色测试场的图像生成颜色坐标，从而针对所述测试样本和针对所述颜色坐标系创建颜色坐标集合；
f. 提供编码函数集合，编码函数集合包括用于把测试场的颜色坐标变换成样本中分析物的对应浓度的多个编码函数；
g. 通过使用编码函数集合把在步骤e中生成的颜色坐标集合变换成测量的浓度的集合；以及
h. 把测量的浓度的集合与测试样本集合中的测试样本的已知浓度进行比较，并确定颜色坐标系集合中的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数，针对所述最佳匹配颜色坐标系和所述最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。
如本文中所使用的，术语“用于校准用来检测样本中的分析物的相机的校准方法”是广义的术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。该术语具体地可以指代但不限于确定相机提供的信息与样本中一种或多种特定分析物的存在与否或浓度之间的关系的过程。因此，通常，相机将生成诸如电子信息之类的信息，诸如一幅或多幅图像，诸如至少一个测试场的一幅或多幅图像，这将在下面进一步详细说明。通常，诸如在相机拍摄被样本润湿的测试场的一幅或多幅图像时，信息或其一部分与样本中分析物的存在、不存在或浓度之间可能存在关系。确定该关系的过程可以称为校准方法。作为校准方法的结果，可以诸如通过定义如下各项中的一项或多项来定义所述关系：定义所述关系的至少一个等式；至少一个表格，诸如用于定义所述关系的至少一个查找表；或至少一个图形关系，诸如至少一条校准曲线。
如本文中所使用的，术语“相机”是广义的术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。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的光学数据（诸如一幅或多幅图像）的设备。相机具体地可以包括作为成像设备的一个或多个相机芯片，诸如一个或多个CCD和/或CMOS芯片。相机通常可以包括图像传感器（诸如像素）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。但是，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，该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。但是，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，所述相机可以是定焦相机，定焦相机具有至少一个相对于相机被固定地调节的镜头。然而，替代地，相机还可包括一个或多个可变透镜，可变透镜可自动或手动调节。
如本文中所使用的，术语“检测样本中的分析物”（通常也称为“分析测量”）是广义术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。该术语具体地可以指代但不限于定性和/或定量地确定样本中至少一种分析物。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。
如本文中所使用的，术语“图像”是广义的术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。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，所述图像可以包括一维或二维数据阵列。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，当提及“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。
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。像素的颜色灵敏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。
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。
如本文中所使用的，术语“样本”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分析的任意材料（诸如液体、固体或气体材料中的一种或多种）的量。更具体地说，该术语可以指代体液（诸如血液、间质液、尿液、唾液等中的一种或多种）的量。然而，附加地或替代地，可以使用其他类型的样本，诸如水。
如本文中所使用的，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这样的任意的坐标系：通过该坐标系可以在诸如数学上或物理上表征物体的颜色，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。各种示例将在下面给出。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。
为了提供颜色坐标系，作为示例，这些颜色坐标系可以存储在数据存储设备或数据库中和/或可以由具有一个或多个参数的针对所述坐标系的通用公式来定义。颜色坐标系可以自动提供或通过人为提供。颜色坐标系可以是由校准方法的用户提供的用于校准方法的输入。
如本文中所使用的，术语“测试样本”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其中具有确定的或可确定的分析物的量或浓度的样本。
如本文进一步使用的，术语“集合”通常指代定义数量的相同或相似物体或元素，其中每个物体或元素具有已知或可确定的属性。因此，通常，每个集合可以包含两个或更多个，更优选地三个或更多个物体或元素。所述集合可以包含有限数量的物体或元素，或者无限数量的物体或元素。
因此，作为示例，测试样本集合通常可以包含多种至少两种定义的或可确定量的样本。作为示例，测试样本集合可包含具有第一已知或可确定浓度的分析物的第一数量的测试样本，以及其中具有第二已知或可确定浓度的分析物的至少一个第二数量的测试样本，其中第二浓度不同于第一浓度。可选地，第三、第四等等数量的测试样本可以包含在测试样本集合中，其中包含有第三、第四等等浓度的分析物。因此，作为示例，所述测试样本集合可以在测试样本中包含三种或更多种不同浓度的分析物。作为示例，可以在小瓶或其他容器中提供测试样本集合。可以通过预先确定这些浓度（诸如通过使用认证的或可靠的实验室分析和/或通过经由使用已知量的组分来制备测试样本）来知道浓度。替代地，可以在稍后的时间点知道浓度，诸如通过以下方式：通过使用认证或可靠的实验室分析方法通过后续分析对测试样本进行后处理。
提供测试样本可以包括制备测试样本或提供这些测试样本的其他方式，诸如从合适的提供商处购买这些测试样本。提供测试样本的其他方式可能也是可行的。
该方法还可以包括提供测试元件集合，每个测试元件具有至少一个测试场，所述至少一个测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应。
如本文中所使用的，术语“测试元件”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。特别是在以上给出的定义的意义上，该术语特别地可以指代但不限于被配置用于检测样本中的分析物的任意元件或设备。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，其中所述至少一个测试场施加到所述基板或集成在基板中。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其中包括有相同或不同测试化学品的多个测试场。在本领域中已知几种测试元件，该测试元件包括至少一种测试化学品，也称为测试试剂，其在至少一种待检测分析物存在的情况下经历显色反应。在例如J.Hönes等人的Diabetes Technology andTherapeutics, Vol. 10, Supplement 1, 2008, pp.10-26中描述了在本发明的范围内也可以使用的关于测试元件和试剂的一些基本原理。
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，提供用于散布样本的散布属性，或提供分离属性，诸如用于分离样本的微粒成分，诸如细胞成分。
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进行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本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，并且再次可以参考J.Hönes等人的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。
测试元件集合具体可以包括多个至少三个测试元件，诸如相同设置的至少三个测试元件。其中，测试元件的设置可以由特定的架构来定义，该架构包括定义的基板、定义的几何形状以及包括一种或多种定义的测试化学品的测试场的定义的顶部。具体地，可以从制造的相同批次中选择测试元件集合中的测试元件，从而提供最高可能程度的相同特性的测试元件。
方法步骤c包括将测试样本施加到测试元件集合。因此，作为示例，可以将一滴测试样本施加到测试场，或者可以通过其他方式（诸如通过将测试元件浸入测试样本中）由测试样本润湿测试场。因此，作为示例，生成了润湿的测试元件的集合，润湿的测试元件具有施加到它们的测试场的测试样本，其中，作为示例，存在至少三个测试元件，不同的测试样本被施加到它们相应的测试场。作为示例，可以提供第一测试元件或第一测试场，具有向其施加的第一测试样本，可以提供第二测试元件或第二测试场，具有向其施加的第二测试样本，以及可以提供第三测试元件或第三测试场，具有向其施加的第三测试样本。可以将其他测试样本施加到其他测试元件或测试场。因此，在施加测试样本之后，测试元件集合可以包含多个相同类型的测试场，其中提供了至少三个测试场，所述至少三个测试场具有向其施加的不同测试样本，并且因此，在已经发生检测反应之后，具有不同的颜色。因此，通常，术语“着色测试场”可以具体指代这样的测试场：在该测试场中，在施加样本或测试样本之后，已经发生检测反应，其中，测试场的颜色由检测反应的结果确定。
如本文中进一步使用的，如步骤d中使用的，术语“通过使用相机获取着色测试场的图像”通常指代通过使用相机根据上面给出的定义记录至少一幅图像的过程。其中，具体地，可以从在步骤c中生成的每个着色测试场中获取至少一幅图像。但是，也可以忽略一个或多个测试场。通常，在步骤d中，可以创建图像集合，所述图像集合包含：至少一个第一测试场的至少一幅图像，第一测试场具有向其施加的至少一个第一测试样本；至少一个第二测试场的至少一幅图像，第二测试场具有向其施加的至少一个第二测试样本；以及优选地包含至少一个另外的测试场的至少一个另外的图像，诸如至少一个第三测试场的至少一幅图像，所述另外的测试场具有向其施加的至少一个另外的测试样本，诸如至少一个第三测试样本。
在步骤e中，通过使用颜色坐标系集合中的颜色坐标系来生成针对着色测试场的图像的颜色坐标，从而针对测试样本和针对颜色坐标系创建颜色坐标集合。因此，作为示例，对于被测试样本润湿并因此形成着色测试场的每个测试场，可以生成根据颜色坐标系集合中的所述颜色坐标系的颜色坐标。具体地，可以针对着色测试场的每幅图像，或者针对每个颜色测试场的至少一幅图像中的每幅图像生成颜色坐标，每个颜色坐标描述相应的着色测试场的着色。作为示例，可以生成颜色坐标(Fi,j, mi,j, bi,j)，(Ai,j, Bi,j, Ci,j) 或(Ai,j, Bi,j, Ci,j, Di,j)，其中i表示颜色坐标系集合中的颜色坐标系的标识，并且j表示着色测试场的标识和/或测试样本的标识。其中，可以使用颜色坐标系集合中的每个颜色坐标系，或者可以使用包含颜色坐标系集合中的选择的颜色坐标系的子集。此外，可以分析每幅图像或图像的子集。
此外，作为示例，针对测试样本和针对颜色坐标系的颜色坐标集合可以包含在颜色坐标系集合中的每个颜色坐标系中的针对每个着色测试场或测试样本的颜色坐标（F，m，b），从而产生至少p·q个颜色坐标，其中p是着色测试场或测试样本的数量，并且其中q是颜色坐标系集合中的颜色坐标的数量，其中也可以拍摄单个着色测试场的多幅图像，从而产生增加的数量p。其他选项也是可行的。
在步骤f中，提供编码函数集合，所述编码函数集合包括多个编码函数，编码函数用于将测试场的颜色坐标变换成样本中分析物的对应浓度。
如本文中所使用的，术语“编码函数”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用于将测试场的颜色坐标变换成样本中分析物的对应浓度的任意变换算法，所述测试场特别是被待分析的样本润湿的着色测试场。为此目的，作为示例，编码函数可以包括一个或多个分析函数，诸如把通过相机拍摄着色测试场的图像而测量的一个或多个或所有颜色坐标变换为样本中至少一种分析物的浓度的函数。附加地或替代地，编码函数可以包括一个或多个矩阵算法或运算，用于将颜色坐标向量变换成至少一种分析物的浓度。再次，附加地或替代地，编码函数还可以包括一条或多条曲线，诸如用于把颜色坐标变换为分析物的浓度的一条或多条一维、二维、三维或四维曲线。此外，附加地或替代地，编码函数还可以包括一个或多个查找表或其他表格，用于将分析物的浓度分配给颜色坐标的相应值或值范围。
如将在下面进一步详细解释的，编码函数集合可以具体地通过提供具有一个或多个待指定的参数的类似函数来定义。因此，具体地，可以由一个或多个参数来定义所述编码函数集合，可以确定所述一个或多个参数用于从编码函数集合中指定特定的编码函数。下面将给出示例。
在步骤g中，通过使用编码函数集合把在步骤e中生成的颜色坐标集合变换为测量的浓度的集合。如本文中所使用的，术语“测量的浓度”通常可以指代基于一项或多项实验数据（诸如一个或多个测量值，在当前情况下具体为一个或多个颜色坐标）的实验结果，该实验结果指示样本中的浓度。因此，在步骤g中，在步骤f中提供的编码函数集合中的编码函数被施加到上面步骤e中生成的颜色坐标。其中，编码函数可以施加到在步骤e中生成的所有颜色坐标，或者可以仅施加到在步骤e中生成的这些颜色坐标的子集。此外，步骤f中提供的编码函数集合中的所有编码函数或仅编码函数的子集可以施加到所述颜色坐标。因此，作为示例，在由一个或多个参数定义编码函数的情况下，仅可应用编码函数集合中可能的编码函数的子集，诸如由针对一个或多个或甚至所有参数的一个或多个参数范围和/或由针对至少一个参数的有限数量的值（诸如通过将参数范围细分为分离的阶梯）所定义的子集。通常，在步骤g中，生成测量的浓度的集合。因此，作为示例，对于具有不同浓度的分析物的多个测试样本，可以生成至少一个测量的浓度，诸如针对编码函数集合中的每个编码函数或针对编码函数子集中的每个编码函数。作为示例，在评估着色测试场的n幅图像的情况下和/或在通过润湿对应的测试场并生成其颜色坐标因此得出n个颜色坐标或n个颜色坐标向量来评估n个不同浓度的测试样本的情况下，以及在编码函数集合或编码函数子集中包含m个编码函数的情况下，可以在步骤g中生成n·m个测量的浓度。
在步骤h中，将测量的浓度的集合与所述测试样本集合中的测试样本的已知浓度进行比较。如本文中所使用的，术语“比较”是广义的术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。该术语具体地可以指代但不限于任何类型的确定至少一个待比较的第一项目和至少一个待比较的第二项目之间的定性或定量关系或相似度。在比较中，作为示例，可以生成至少一项信息，所述至少一项信息指示至少两个待比较的项目之间的相似度或同一性程度。作为示例，指示相似度或同一性程度的所述至少一项信息可以包含诸如标准偏差之类的至少一项统计信息。作为示例，指示测量的浓度的集合与已知浓度集合之间的相似度或同一性程度的所述一项统计信息可以包含以下内容：
（0）
其中是针对编码函数i和颜色坐标系j的测量的浓度与对应的已知浓度之间的相似度的度量，其中k是指示测试样本集合的浓度的编号。其他类型的比较通常是可行的，并且是技术人员通常已知的。为了图形表示，作为示例，可以将测量的浓度相对于相应测试样本中的分析物的浓度进行绘制，从而作为示例，得出针对相应测试样本的每个已知浓度的一组测量的浓度。
步骤h还包括：确定所述颜色坐标系集合中的最佳匹配颜色坐标系和所述编码函数集合中的最佳匹配编码函数，针对所述最佳匹配颜色坐标系和最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。如本文中所使用的，术语“匹配”是广义的术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。该术语具体地可以指代但不限于两个或更多个项目相似或相同的品质。因此，如本文中所使用的，术语“最佳匹配”是广义术语，并且将被赋予对于本领域普通技术人员来说普通和惯常的含义，并且不限于专门的或定制的含义。该术语具体地可以指代但不限于从至少两个项目集合中选择项目，针对选择的项目，从以上给出的定义的意义上来说，所述比较指示最高相似度或同一性程度，包括如下选项：这些项目在预先确定的范围内匹配。因此，作为示例，利用以上给出的公式，最佳匹配编码函数i*和最佳匹配颜色坐标系j*可以是编码函数集合中的编码函数和颜色坐标集合中的颜色坐标系，针对该编码函数和颜色坐标系，上述统计指标最小化。确定最佳匹配的其他方式在统计领域中是通常已知的，并且也可以在步骤h中应用。
因此，校准方法的结果可以是最佳匹配编码函数的指示和最佳匹配颜色坐标系的指示。该结果具体地可以是特定于相机的，并且可以特定于要使用的测试元件的类型。因此，对于每种类型的相机，诸如对于具有特定相机的每个便携式设备或智能电话，可能都需要执行校准方法，并且对于每种类型的测试元件，诸如对于每个制造批次的测试元件，可能都需要执行校准方法。可以预先执行校准方法，诸如对于要使用的每种已知类型的智能电话以及对于要使用的每种类型的测试元件，因此，校准方法的结果可能已经被预先编程或提供在对应的计算机程序中，诸如在要在特定智能电话上运行的对应应用程序中。该应用程序或计算机软件还可以被配置用于检测运行它的智能电话或便携式设备的类型，并可以选择对应的编码函数和颜色坐标系，已知这些编码函数和颜色坐标系针对要使用的测试元件和相机是最佳匹配的。
如上所述，相机具体可以是便携式电子设备的相机，诸如便携式计算机的相机，诸如笔记本计算机或模板计算机的相机。然而，具体地，由于许多用户在白天携带智能电话，并且因此智能电话是无处不在的测量设备，因此相机可以是智能电话的相机，智能电话用于确定诸如血糖之类的分析物的用途是非常有利的。
如上所述，如在本文的各种情况下使用的，术语“集合”通常可以指代有限或无限数量的元素。在颜色坐标系的情境中，如上所述，颜色坐标系集合可以具体地由用于变换颜色坐标的参数化函数集合来定义，即，具体地由具有一个或多个参数的一个或多个函数来定义。具体地，一个或多个参数化函数可以用于将由相机提供的颜色坐标变换成经变换的颜色坐标。经变换的颜色坐标尤其可以是独立于相机的经变换的颜色坐标。通常，由参数化函数的一个或多个参数构成的集合可以表征每个颜色坐标系。
用于通过使用颜色坐标系集合中的颜色坐标系生成针对颜色测试场的图像的颜色坐标并针对测试样本和针对该坐标系创建颜色坐标集合的方法步骤e可以是单个步骤，或者可以包含多个子步骤。具体地，首先，所述步骤可以包含将由相机提供的通常依赖于相机的图像的颜色坐标变换成独立颜色坐标。因此，作为示例，相机可以包含相机芯片，该相机芯片在用该相机芯片记录了图像的评估之后创建颜色坐标（R，G，B）或颜色坐标的四元组，该颜色坐标（R，G，B）或颜色坐标的四元组通常依赖于相机芯片的物理属性，相机的光学设置的物理属性或用于记录图像的电子组件的物理属性。因此，作为示例，相机芯片的灵敏度可以取决于光谱范围。因此，该方法可以包含如下方法步骤：将由相机提供的颜色坐标变换为独立于相机的颜色坐标，诸如避免相机的光谱灵敏度的颜色坐标以及在以下意义上相当的颜色坐标：当同一个着色测试场的图像由不同相机评估时，在给定的容差的情况下相同或至少相当。因此，如本文中所使用的，独立于相机的颜色坐标可以是这样的颜色坐标，该颜色坐标可以从利用不同相机从同一个着色测试场拍摄的不同图像获得。其中，通常可以使用标准化的独立于相机的颜色坐标系，诸如CIE坐标系。然而，通常如上所述，方法步骤e可能包括以下子步骤：
e1. 针对着色测试场的图像生成依赖于相机的颜色坐标；
e2. 通过使用第一变换算法，将依赖于相机的颜色坐标变换为独立于相机的颜色坐标；
e3. 通过使用第二变换算法，将独立于相机的颜色坐标变换为针对所述颜色坐标系集合中的颜色坐标系的颜色坐标，从而针对所述测试样本和针对所述颜色坐标系创建颜色坐标集合。
如本文所使用的，术语“依赖于相机的颜色坐标”通常指代通过使用相机对着色物体进行成像而生成的颜色坐标，其中结果依赖于相机和/或其中包含的相机芯片（诸如CCD和/或CMOS芯片）的特定属性。作为示例，相机芯片可以包含记录每种颜色的值（诸如比如RGB之类的三元组或比如CMYK之类的四元组）的颜色传感器，其中这些值依赖于相机芯片的灵敏度。因此，当通过使用不同的相机来记录同一个着色物体的图像时，由这些相机生成的依赖于相机的颜色坐标可能不同。
因此，通常步骤e1包含评估着色测试场的图像，即被测试样本润湿并由于测试场中随后的检测反应而着色的测试场的图像。作为示例，可以评估每个着色测试场的至少一幅图像，以得出其（诸如每个着色测试场的每幅图像）依赖于相机的颜色坐标。因此，作为示例，可以生成多个依赖于相机的颜色坐标（Ri，Gi，Bi），其中i是从1到p的整数，其中p是所评估的着色测试场或测试样本的数量。
如本文中进一步使用的，术语“独立于相机的颜色坐标”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，并且不限于特殊或定制的含义。该术语具体地可以指代但不限于至少对于预先确定的容差不依赖于相机或相机芯片的灵敏度的颜色坐标。换句话说，在高达一个可容忍的差异的情况下，同一个物体的独立于相机的颜色坐标并不依赖于所使用的相机的灵敏度。
为了执行步骤e2，可以使用校准过程，或者可以施加预先确定的校准函数。作为示例，第一变换算法可以通过使用矩阵M来包含矩阵运算，特别是用于通过使用以下变换将依赖于相机的颜色坐标（R，G，B）变换为独立于相机的颜色坐标（X，Y，Z）的矩阵运算：
（1）
其中，M可以指示可以由独立校准过程生成的变换矩阵。作为示例，参考颜色场可以用于校准相机并且用于确定变换矩阵M和/或该变换矩阵的系数。作为示例，独立于相机的颜色坐标X，Y，Z可以是基于人眼感知的坐标，诸如CIE颜色坐标。在使用坐标的四元组的情况下，也可以使用与等式（1）类似的矩阵变换。颜色坐标的矩阵变换通常是已知的，例如来自F.König的“Die Charakterisierung von Farbsensoren”, Dissertation, LogosVerlag, Berlin, 2001, pp. 48-49。
在步骤e2中，可以将依赖于相机的颜色坐标（Ri，Gi，Bi）（其中i = 1……p并且p为所评估的着色测试场或测试样本的数量）的集合变换为独立于相机的颜色坐标 (Xi, Yi,Zi)。类似地，颜色坐标的四元组的变换是可行的。
第二变换算法可以包括：通过使用参数化函数将独立于相机的颜色坐标（诸如坐标X，Y，Z）变换为所述颜色坐标集合中的颜色坐标。因此，作为示例，第二变换算法可以包括：通过使用以下参数化函数将独立于相机的颜色坐标（X，Y，Z）变换为颜色坐标（F，m，b）的集合：
其中：
并且其中P1-P11为参数，特别是实数和/或有理数。
其中，如果在步骤e2中，生成独立于相机的颜色坐标(Xi, Yi, Zi) 的集合，其中i= 1……p，并且p是评估的着色测试场或测试样本的数量，则步骤e3的结果可以是参数化的颜色坐标（Fi，mi，bi）的集合。
独立于相机的颜色坐标可以特别是基于人眼的灵敏度的颜色坐标，特别是根据标准，更特别地根据CIE标准的颜色坐标。特别地，独立于相机的颜色坐标可以是三色值。
第二变换算法也可以计及测试场的照度。第二变换算法可以特别地通过检测至少一种参考颜色（特别是白色场的参考颜色）来特别地计及测试场的照度。因此，作为示例，可以通过使用以下一个或多个等式来将依赖于照度的颜色坐标（F，m，b）变换为相对颜色坐标（Frel，mrel，brel）：
其中（FR，mR，bR）是从被照亮的参考场的图像得出的颜色坐标。
因此，可以生成相对颜色坐标(Fi, rel, mi, rel, bi, rel)的集合，其中i = 1……p，并且p是被评估的着色测试场或测试样本的数量。
可以通过获取具有已知的独立于相机的颜色坐标的至少一个参考颜色场的至少一幅图像来在相机校准过程中确定第一变换算法（特别是矩阵M）。因此，作为示例，可以提供具有已知的独立于相机的颜色坐标的多个参考颜色场，诸如根据色阶或类似物的颜色场。可以记录这些参考颜色场的图像，并且因此可以生成等式系统用于得出矩阵M的系数或用于任何其他变换算法。特别地，再次，参考颜色场的已知颜色坐标可以是已知的CIE坐标和/或三色值。然而，其他实施例是可行的。
如上所述，在步骤h中，将测量的浓度的集合与测试样本集合中的测试样本的已知浓度比较，并且确定颜色坐标系集合中的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数，针对最佳匹配颜色坐标系和最佳匹配编码函数，测量的浓度的集合与所述已知浓度最佳匹配。其中，具体地，可以执行步骤h，使得在预先确定的浓度测量范围内，等距浓度的样本导致最佳匹配颜色坐标系中的颜色坐标具有基本等距的色差。因此，比如CIE坐标系之类的光度坐标系的思想之一也可以被转移到浓度测量中。具体而言，在预先确定的测量范围内，当把具有不同浓度cp，cv的分析物的测试样本施加到测试场时，该测试样本可能导致具有以下色差的着色测试场的颜色坐标（Fp，mp，bp），（Fv，mv，bv）：
（4）
其中是预先确定的范围。的精确值可以取决于所选的颜色空间。作为示例，有些颜色空间被正则化为绝对值100，而其他颜色空间则被正则化为绝对值1。为了给予坐标F，m和b相同的权重，甚至可以由加权因子对颜色坐标进行加权。通常，可以选择明显小于const，即const，诸如 <0.1·const， <0.01·const，<0.001·const等。 的精确值通常不是针对该方法被预先确定或要求的。
测量的浓度的集合与所述已知浓度最佳匹配所针对的颜色坐标系集合中的颜色坐标系和编码函数集合中的编码函数特别地可以形成包括最佳匹配颜色坐标系和最佳匹配编码函数的一对。该对具体地可以是特定于相机的，并且可以诸如经由应用程序或其他软件被提供给包含相机的移动设备。
如上所述的，编码函数集合具体地可以包含颜色坐标的参数化多项式函数。作为示例，参数化多项式函数可以选自由以下内容构成的组：
(5)
其中c(F, m, b)是着色测试场具有颜色（F，m，b）时测量的分析物浓度，其中N是正整数，并且其中是多项式函数的参数。然而，应当注意，也可以使用其他类型的编码函数，并且此外，编码函数集合还可以包含其中具有参数的不同类型的编码函数的混合。但是，多项式函数的使用简化了计算并为分析物测量提供了良好的结果，如将在下面进一步详细概述的。
如上面进一步概述的，在步骤c中使用的测试元件集合中的测试元件特别地可以是相同类型的，诸如完全相同，特别是在设置上。具体而言，这些测试元件可以具有相同的制造批次。所述校准方法还可以包括：定义至少一种标准测试元件设置，该标准测试元件设置定义用于所述至少一个测试场的至少一种类型的测试化学品，所述至少一个测试场包括被配置用于与分析物进行光学可检测的检测反应的至少一种测试化学品。标准测试元件设置还可以包括定义的基板，测试化学品被施加到该基板上。
如上所述的，所述测试样本集合特别地可以包括至少三种不同的测试样本，该至少三种不同的测试样本提供至少三种不同的分析物浓度。具体地，浓度可以在测量范围内等距分布。分析物具体可以是葡萄糖。然而，如上所述的，也可以检测其他类型的分析物。样本具体可以是体液，诸如血液或间质液。然而，应当注意的是，其他类型的样本也是可行的。所述测试样本集合可以包含在0mg/dl至600mg/dl的预先确定的测量范围内的不同浓度的测试样本。因此，作为示例，对于血液或间质液和葡萄糖作为分析物的样本，测量范围可以是0mg/dl至600mg/dl，并且测试样本的浓度可以分布在该测量范围内，诸如等距地分布。
如将在下面进一步详细概述的，所述校准方法特别地可以通过使用计算机或计算机网络来执行。因此，特别地，步骤a、d、e、f、g或h中的至少一个可以通过使用计算机或计算机网络来执行和/或可以在软件中进行编码。
在本发明的另一方面中，公开了一种用于检测样本中的分析物的检测方法。如将在下面进一步详细概述的，所述方法利用如上所述的校准方法。因此，对于可能的定义和实施例，可以参考以上给出的或以下进一步详细给出的公开内容。该方法包括以下步骤，这些步骤可以特别地以给定顺序执行。但是，不同顺序也是可能的。还可以完全或部分地同时执行两个或更多个方法步骤。还可以一次或重复地执行一个或多个方法步骤，甚至所有方法步骤。该方法可以包括本文未列出的附加方法步骤。通常，用于检测样本中分析物的方法包括以下步骤：
A. 提供相机；
B. 使用所述校准方法校准所述相机；
C. 把所述样本施加到测试元件，所述测试元件具有至少一个测试场，所述测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与所述分析物进行光学可检测的检测反应，从而针对所述样本创建至少一个着色测试场；
D. 获取所述至少一个着色测试场的至少一幅图像；
E. 通过使用最佳匹配颜色坐标系生成所述测试场的颜色坐标；
F. 通过使用最佳匹配编码函数将所述颜色坐标变换为样本中分析物的测量浓度。
关于方法步骤A和B，可以广泛地参考如上给出的校准方法的描述。对于方法步骤C，该步骤可以以与上面的方法步骤c非常相似的方式执行，除了以下事实：通常样本和样本中分析物的含量是未知的。特别地，在方法步骤C中使用的测试元件可以与在上面的方法步骤c中使用的测试元件相同或相同类型，优选地是相同的制造批次。由于在存在待检测的分析物的情况下进行检测反应，因此测试元件的测试场变成着色测试场，作为示例，这取决于样本中分析物的浓度，包括样本中不存在分析物的可能性。通常，所述至少一个样本可以润湿一个或多个测试场。
对于方法步骤D，可以参考以上方法步骤d的描述。方法步骤D中的图像的获取可以以类似的方式进行。
关于方法步骤E和F，使用以上在步骤h中确定的最佳匹配颜色坐标系和最佳匹配编码函数。再次，生成测试场的颜色坐标可以是单步骤过程，或者可以是多步骤过程。在后一种情况下，作为示例，首先，相机可以以类似于上述步骤e1的方式针对测试场生成依赖于相机的颜色坐标，诸如（R，G，B）。然后可以把这些依赖于相机的颜色坐标变换为独立于相机的颜色坐标，其中可以参考上面步骤e2的描述。因此，例如，可以针对着色测试场生成独立于相机的坐标（X，Y，Z）。此外，独立于相机的颜色坐标然后可以被变换为最佳匹配颜色坐标系的颜色坐标，诸如被变换为（F，m，b），例如通过使用具有参数P的最佳匹配集合的上述方程（2.1-2.3）或（3.1-3.6）中的一个或多个。随后，在步骤F中，可以然后将颜色坐标变换为测量的分析物浓度，例如通过使用具有最佳匹配参数的上述等式（5）。
具体地，步骤C-F可以重复执行。对于步骤C-F的多次重复，步骤B可以仅最初执行一次，或每次执行步骤C-F之前被执行。
如上所述，步骤C中使用的测试元件可以具体地与校准方法的步骤c中的测试元件集合中的测试元件具有相同的类型。因此，该测试元件可以具有与用于校准方法的相同的设置，或者可以在同一批次中制造。
再次，该检测方法可以由计算机或计算机网络（诸如便携式设备的计算机或计算机网络）支持，便携式设备诸如是平板电脑、笔记本电脑或诸如智能电话之类的蜂窝电话中的一个或多个。特别地，计算机或计算机网络可以用于执行步骤B、D、E或F中的一个或多个。
本文进一步公开和提出了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，该计算机可执行指令用于执行根据本文中所包含的一个或多个实施例中的本发明的方法。因此，如上所述，计算机程序特别地可以包含用于执行校准方法的一个或多个或者甚至所有步骤的计算机可执行指令。具体地，计算机程序可以包含用于执行校准方法的步骤a、d、e、f、g或h中的一个或多个或甚至全部的计算机可执行指令。附加地或替代地，提出了一种具有计算机可执行指令的计算机程序，该计算机可执行指令用于执行检测方法的至少一些或甚至所有方法步骤，诸如检测方法的步骤B、D、E或F中的一个或多个或甚至全部。具体地，计算机程序可以存储在计算机可读数据载体上。
本文进一步公开和提出了一种具有程序代码装置的计算机程序产品，以便当该程序在计算机或计算机网络上执行时执行根据本文中所包含的一个或多个实施例中的本发明的方法，诸如上面在计算机程序的情境中描述的一个或多个方法步骤。具体地说，程序代码装置可以存储在计算机可读数据载体上。
本文进一步公开和提出了一种数据载体，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，可以执行根据本文中公开的一个或多个实施例的方法，诸如，通过执行在计算机程序的情境中讨论的一个或多个上述步骤。
本文进一步公开和提出了一种计算机程序产品，具有存储在机器可读载体上的程序代码装置，以便当在计算机或计算机网络上执行该程序时执行根据本文公开的一个或多个实施例的方法，诸如在计算机程序的情境中讨论的一个或多个上述步骤。如本文所使用的，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（诸如以纸质格式）存在或在计算机可读数据载体上存在。特别地，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，其包含可由计算机系统或计算机网络读取的指令，用于执行根据本文公开的一个或多个实施例的方法，诸如在计算机程序的情境中讨论的一个或多个上述步骤。
参考本发明的计算机实现的方面，可以通过使用计算机或计算机网络来执行根据本文公开的一个或多个实施例的方法的一个或多个方法步骤或者甚至所有方法步骤。因此，通常，可以通过使用计算机或计算机网络来执行包括提供和/或操纵数据的任何方法步骤。通常，这些方法步骤可以包括任何方法步骤，通常除了需要手动工作的方法步骤，诸如提供样本和/或执行实际测量的某些方面。
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，其中该处理器被适配为完全或部分地执行根据本说明书中所描述的实施例之一的方法之一，
-计算机可加载的数据结构，其被适配为在计算机上执行数据结构时完全或部分执行根据本说明书中所描述的实施例之一的方法之一，
-计算机程序，其中当在计算机上执行该程序时，该计算机程序被适配为完全或部分地执行根据本说明书中描述的实施例之一的方法之一，
-计算机程序，包括程序装置，当在计算机或计算机网络上执行计算机程序时，该程序装置用于完全或部分地执行根据本说明书中所描述的实施例之一的方法之一，
-计算机程序，包括根据前述实施例的程序装置，其中，程序装置被存储在计算机可读的存储介质上，
-存储介质，其中，数据结构被存储在该存储介质上，并且其中，所述数据结构被适配为在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完全或部分地执行根据本说明书中描述的实施例之一的方法之一，以及
-具有程序代码装置的计算机程序产品，其中，该程序代码装置可以被存储或存储在存储介质上，用于：如果该程序代码装置在计算机或计算机网络上执行，则完全或部分地执行根据本说明书中描述的实施例之一的方法之一。
在本发明的另一方面，公开了一种用于校准相机的校准系统，其目的是通过使用相机来检测样本中的分析物。该校准系统包括至少一个计算机或计算机网络。该校准系统被配置用于执行根据本文所述的任一实施例中的本发明的校准方法，诸如通过计算机或计算机网络的适当软件编程。此外，该校准系统可以包括具有已知浓度的分析物的测试样本集合和测试元件集合，每个测试元件具有至少一个测试场。此外，校准系统可以包括相机。
在本发明的另一方面，公开了一种检测系统，其目的是通过使用具有至少一个测试场的至少一个测试元件来检测样本中的分析物，所述至少一个测试场包括被配置用于与分析物进行光学可检测的检测反应的至少一种测试化学品。该检测器系统包括至少一个相机，诸如移动设备的相机，例如智能电话的相机。该检测器系统还包括至少一个计算机或计算机网络，特别是至少一个智能电话。该检测系统被配置用于执行根据本文描述的实施例中的任何一个的检测方法。此外，该检测系统可以包括至少一个样本和至少一个测试元件，该测试元件具有至少一个测试场。此外，该检测系统可以包括具有已知浓度的分析物的测试样本集合和测试元件集合，每个测试元件具有至少一个测试场。
此外，公开了一种包括指令的计算机程序，当计算机程序由如上所述的或如将在下面进一步更详细地描述的校准系统或由如上所述的或如将在下面进一步更详细地描述的检测系统执行时，该指令使得如上所述的或如将在下面进一步更详细地描述的校准系统或如上所述的或如将在下面进一步更详细地描述的检测系统分别执行如上所述的或如将在下面进一步更详细地描述的校准方法的步骤或如上所述的或如将在下面进一步更详细地描述的检测方法的步骤。
在本发明的另一方面中，公开了一种包括指令的计算机程序，当所述计算机程序由计算机或计算机网络执行时，所述指令使得所述计算机或所述计算机网络执行如上所述的或如将在下面进一步更详细地描述的校准方法的步骤a、d、e、f、g或h中的至少一个或者如上所述的或如将在下面进一步更详细地描述的检测方法的步骤B、D、E或F中的一个或多个。
在本发明的另一方面中，公开了一种用于检测样本中的分析物的系统。该系统包括根据本发明的校准系统和检测系统。
与用于校准和/或使用用来检测样本中的分析物的相机的已知应用相比，根据本申请的方法、计算机程序和系统可以提供许多优点。因此，具体来说，本发明可以提高确定分析物浓度值的准确度。特别地，本申请可以提供在算法中使用的经特别适配的颜色空间，该算法用于确定样本中的分析物浓度，例如，用于确定血糖浓度。特别地，本申请可以提供经特别适配的颜色空间，该颜色空间创建测试条的颜色与分析物浓度之间的线性关系，特别是测试条的颜色与其得出的数值表示之间的线性关系。经适配的颜色空间的线性关系可以在整个测量值范围内实现统一的准确度。此外，本申请可替代地允许在测量值的定义范围内（特别是在测量值的预定义范围内）特别高准确度地确定分析物浓度。
此外，本申请可以提高分析物浓度值的光学确定的有效性。具体来说，与现有技术中已知的应用相比，可以提高光学测量的有效性。特别地，在本申请中提供的经特别适配的颜色空间可以基于外部确定的分析物浓度。更特别地，本发明的方法、计算机程序和系统可以通过把颜色空间优化和适配到外部确定的分析物浓度（例如在实验室中确定的分析物浓度，特别地允许确定的分析物浓度的特别高的有效性）来提供经特别适配的颜色空间，从而使用经适配的颜色空间来提高光学确定的分析物浓度的有效性。与此相反，现有技术通常旨在基于人类颜色感知进行优化。
此外，与现有技术已知的其他方法相反，在根据本申请的方法、计算机程序和系统中可以计及对样本中的分析物的检测有影响的非线性因素。因此，通过本申请可以最小化或甚至消除非线性因素对样本中分析物的检测的影响。具体地，可以在根据本申请的方法、计算机程序和系统中计及非线性因素，诸如不同或可变的照明条件或市场上可获得的大量相机的单独的技术和光学属性。
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1.一种用于校准用来检测样本中的分析物的相机的校准方法，包括：
a. 提供颜色坐标系集合，所述颜色坐标系集合包括被配置用于描述物体的颜色的多个不同的颜色坐标系；
b. 提供具有已知浓度的分析物的测试样本集合；
c. 将测试样本施加到测试元件集合，每个测试元件具有至少一个测试场，所述测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对每个测试样本创建至少一个着色测试场；
d. 通过使用相机获取所述着色测试场的图像；
e. 通过使用所述颜色坐标系集合中的颜色坐标系，针对所述着色测试场的图像生成颜色坐标，从而针对所述测试样本和针对所述颜色坐标系创建颜色坐标集合；
f. 提供编码函数集合，编码函数集合包括用于将测试场的颜色坐标变换成样本中分析物的对应浓度的多个编码函数；
g. 通过使用编码函数集合把在步骤e中生成的颜色坐标集合变换成测量的浓度的集合；以及
h. 把测量的浓度的集合与测试样本集合中的测试样本的已知浓度进行比较，并确定颜色坐标系集合中的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数，针对所述最佳匹配颜色坐标系和所述最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。
实施例2.根据前述实施例的校准方法，其中，相机是智能电话相机。
实施例3.根据前述实施例中的任一项所述的校准方法，其中，所述颜色坐标系集合由参数化函数集合定义，所述参数化函数用于变换颜色坐标，特别是用于将由相机提供的颜色坐标变换为经变换的颜色坐标，更特别地，变换为独立于相机的经变换的颜色坐标，其中参数化函数的参数集合表征每个颜色坐标系。
实施例4.根据前述实施例中任一项所述的校准方法，其中步骤e包括：
e1. 针对着色测试场的图像生成依赖于相机的颜色坐标；
e2. 通过使用第一变换算法，将依赖于相机的颜色坐标变换为独立于相机的颜色坐标；
e3. 通过使用第二变换算法，将独立于相机的颜色坐标变换为针对所述颜色坐标系集合中的颜色坐标系的颜色坐标，从而针对测试样本和针对颜色坐标系创建颜色坐标集合。
实施例5.根据前述实施例的校准方法，其中第一变换算法通过使用矩阵M来包含矩阵运算，特别是用于通过使用以下变换将依赖于相机的颜色坐标（R，G，B）变换为独立于相机的颜色坐标（X，Y，Z）的矩阵运算：
（1）。
实施例6.根据前述两个实施例中的任一项所述的校准方法，其中第二变换算法包括：通过使用参数化函数将独立于相机的颜色坐标变换为所述颜色坐标集合的颜色坐标。
实施例7.根据前述实施例所述的校准方法，其中第二变换算法包括通过使用以下参数化函数将独立于相机的颜色坐标（X，Y，Z）变换为颜色坐标（F，m，b）的集合：
其中
并且其中P1-P11为参数，特别是实数和/或有理数。
实施例8.根据前述四个实施例中任一项所述的校准方法，其中第二变换算法计及测试场的照度。
实施例9.根据前述五个实施例中任一项所述的校准方法，其中，所述独立于相机的颜色坐标是基于人眼的灵敏度的颜色坐标，特别是根据标准的颜色坐标，更具体地根据CIE标准的颜色坐标。
实施例10.根据前述实施例所述的校准方法，其中，独立于相机的颜色坐标是三色值。
实施例11.根据前述实施例所述的校准方法，其中第二变换算法特别是通过检测至少一个参考颜色，特别是白色场的参考颜色来计及测试场的照度。
实施例12.根据前述实施例所述的校准方法，其中通过使用以下等式中的一个或多个来把依赖于照度的颜色坐标（F，m，b）变换为相对颜色坐标（Frel，mrel，brel）：
其中（FR，mR，bR）是从被照亮的参考场的图像得出的颜色坐标。
实施例13.根据前述九个实施例中任一项所述的校准方法，其中，在相机校准过程中，通过获取至少一个参考颜色场的至少一幅图像来确定第一变换算法，特别是矩阵M，所述至少一个参考颜色场具有已知的独立于相机的颜色坐标，特别是已知的CIE坐标和/或三色值。
实施例14.根据前述实施例中任一项所述的校准方法，其中执行步骤h，使得在预先确定的浓度测量范围内，等距浓度的样本导致最佳匹配颜色坐标系中的颜色坐标具有基本等距的色差。
实施例15.根据前述实施例的校准方法，其中，在预先确定的测量范围内，具有不同浓度cp、cv的分析物的测试样本当被施加到测试场时产生带有以下色差的着色测试场的颜色坐标 (Fp, mp, bp), (Fv, mv, bv) ：
(4)
其中是预先确定的范围。
实施例16.根据前述实施例中任一项所述的校准方法，其中，测量的浓度的集合与所述已知浓度最佳匹配所针对的所述颜色坐标系集合中的颜色坐标系和编码函数集合中的编码函数形成包括最佳匹配颜色坐标系和最佳匹配编码函数的一对。
实施例17.根据前述实施例中的任一项所述的校准方法，其中，所述编码函数集合包含所述颜色坐标的参数化多项式函数。
实施例18.根据前述实施例的校准方法，其中参数化多项式函数选自由以下内容构成的组：
其中c(F，m，b)是在着色测试场具有颜色（F，m，b）时测量的分析物浓度，其中N是正整数，并且其中是多项式函数的参数。
实施例19.根据前述实施例中任一项所述的校准方法，其中，在步骤c中使用的所述测试元件集合中的测试元件全部是相同类型的，优选地全部是相同的。
实施例20.根据前述实施例中任一项所述的校准方法，其中该方法还包括定义至少一个标准测试元件设置，所述标准测试元件设置定义针对所述至少一个测试场的至少一种类型的测试化学品，所述至少一个测试场包括被配置用于与分析物进行光学可检测的检测反应的至少一种测试化学品。
实施例21.根据前述实施例所述的校准方法，其中，所述标准测试元件设置还包括定义的基板，所述测试化学品被施加到该基板上。
实施例22.根据前述实施例中任一项所述的校准方法，其中，所述测试样本集合包括提供至少三种不同浓度的所述分析物的至少三个不同的测试样本。
实施例23.根据前述实施例中任一项所述的校准方法，其中分析物是葡萄糖。
实施例24.根据前述实施例的校准方法，其中样本是体液。
实施例25.根据前述两个实施例中任一项所述的校准方法，其中，所述测试样本集合包含处于0mg / dl至600mg / dl的预先确定的测量范围内的不同浓度的测试样本。
实施例26.根据前述实施例中任一项所述的校准方法，其中，所述校准方法是通过使用计算机或计算机网络（特别是用于执行步骤a、d、e、f、g或h中的至少一个的计算机或计算机网络）来执行的。
实施例27.一种用于检测样本中分析物的检测方法，所述方法包括：
A. 提供相机；
B.使用根据前述实施例中任一项所述的校准方法校准所述相机；
C. 把所述样本施加到测试元件，所述测试元件具有至少一个测试场，所述测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与所述分析物进行光学可检测的检测反应，从而针对所述样本创建至少一个着色测试场；
D. 获取所述至少一个着色测试场的至少一幅图像；
E. 通过使用最佳匹配颜色坐标系生成所述测试场的颜色坐标；
F. 通过使用最佳匹配编码函数将所述颜色坐标变换为样本中分析物的测量浓度。
实施例28.根据前述实施例的检测方法，其中步骤C中使用的测试元件与校准方法的步骤c中的测试元件集合中的测试元件具有相同的类型。
实施例29.根据涉及检测方法的前述实施例中任一项所述的检测方法，其中步骤C-F被重复执行，其中步骤B针对步骤C-F的多次重复仅最初被执行一次，或每次执行步骤C-F之前被执行。
实施例30.根据涉及检测方法的前述实施例中任一项所述的检测方法，其中所述检测方法是通过使用计算机或计算机网络（特别是用于执行步骤B、D、E或F中的一项或多项的计算机或计算机网络）来执行的。
实施例31.一种计算机程序，包括指令，当所述计算机程序由计算机或计算机网络执行时，所述指令使得所述计算机或计算机网络执行根据涉及校准方法的前述实施例中的任一项所述的校准方法的步骤或根据涉及检测方法的前述实施例中任一项所述的检测方法的步骤。
实施例32.一种用于校准相机的校准系统，所述相机用来通过使用相机来检测样本中的分析物，所述校准系统包括至少一个计算机或计算机网络，所述校准系统被配置用于执行根据涉及校准方法的前述实施例中任一项所述的校准方法。
实施例33.根据前述实施例的校准系统，其中所述校准系统还包括具有已知浓度的分析物的测试样本集合和测试元件集合，每个测试元件具有至少一个测试场。
实施例34.根据前述两个实施例中任一项所述的校准系统，其中，所述校准系统还包括相机。
实施例35.一种检测系统，用于通过使用具有至少一个测试场的至少一个测试元件来检测样本中的分析物，所述至少一个测试场包括被配置用于与所述分析物进行光学可检测的检测反应的至少一种测试化学品，所述检测系统包括至少一个相机，特别是智能电话的相机，所述检测系统还包括至少一个计算机或计算机网络，特别是至少一个智能电话，所述检测系统被配置用于执行根据涉及检测方法的前述实施例中任一项所述的检测方法。
实施例36.根据前述实施例的检测系统，其中，所述检测系统还包括至少一个样本和至少一个测试元件，所述测试元件具有至少一个测试场。
实施例37.根据前述两个实施例中任一项所述的检测系统，其中所述检测系统还包括具有已知浓度的分析物的测试样本集合和测试元件集合，每个测试元件具有至少一个测试场。
实施例38.一种用于检测样本中的分析物的系统，包括根据前述两个实施例的校准系统和检测系统。
附图说明
在随后对实施例的描述中，优选地结合从属权利要求，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，相应的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。
在图中：
图1图示了系统的实施例、检测系统的实施例和校准系统的实施例；
图2和图3图示了校准方法的流程图的实施例；
图4图示了检测方法的流程图的实施例；
图5图示了校准方法的实施例的流程图的一部分；
图6图示指示实际血糖值与独立于相机的颜色坐标X之间的关系的图；
图7A至图7E图示了指示实际血糖值与所选择的CIE坐标之间的关系的图的实施例；和
图8A和图8B图示了指示实际血糖值与使用用于确定血糖值的一般方法和系统（图A）和使用根据本申请的用于确定血糖值的本发明的方法和系统（图8）所确定的血糖值之间的关系的图的实施例。
具体实施方式
在图1中图示了系统110的实施例，该系统110具有校准系统112和检测系统114。如图1中所示，校准系统112被配置用于校准相机116，例如智能电话118所包括的相机。校准系统112包括至少一个计算机119或计算机网络120。在所示的校准系统112的实施例中，计算机119具体可以是固定计算机或计算机网络120。替代地，计算机119可以例如是移动或便携式设备（诸如平板电脑、笔记本电脑或蜂窝电话（诸如例如，智能电话118）中的一个或多个）的计算机网络。校准系统112还被配置用于执行校准方法，特别是如图2和3中所示的校准方法。此外，图1图示了测试样本集合122，特别是包括多于一个测试样本124的测试样本集合122。测试样本124可以具体地是诸如例如血液或尿液之类的体液样本。测试样本集合122所包括的测试样本124可以具体地具有不同浓度的分析物。具体来说，当校准相机116时，每个测试样本124可以特别地具有已知浓度的分析物。此外，图1图示了测试元件集合126，每个测试元件128具有至少一个测试场130，测试场130包括至少一种测试化学药品，该测试化学药品被配置用于与所述分析物进行光学可检测的检测反应，从而创建至少一个着色测试场130。
如图1中所示，检测系统114被配置用于通过使用具有至少一个测试场130的至少一个测试元件128来检测样本131中的分析物。样本131例如可以是用于检测分析物浓度的单个样本，因此，特别地，样本131内的分析物浓度可能是未知的。具体地，检测系统114可以被配置用于检测样本131中的分析物，如图1中与测试样本集合122分开地图示的。类似地，具有测试场130的测试元件128可以是如图1中与测试元件集合126分开图示的测试元件128。测试场130包括被配置用于与分析物进行光学可检测的检测反应至少一种测试化学品。检测系统114包括至少一个相机116，特别是智能电话118的相机116。此外，检测系统114包括至少一个计算机119或计算机网络120。在所示的检测系统114的实施例中，计算机119可以具体地是智能电话118。检测系统还被配置用于执行检测方法，特别是如图4中所示的检测方法。
通常，在校准用于检测光学可检测的检测反应的相机时可能会出现典型的困难。作为示例，确定用于测量色差的测量单位的方法可以包括以下三个步骤，所述色差用于校准所述相机。
第一步骤例如可以包括执行初始变换。具体地说，第一步骤可以包括把依赖于相机的颜色坐标，例如（R，G，B），变换为独立于相机的颜色坐标，诸如例如（X，Y，Z）。示例性地，初始变换可以用于将电磁光谱的物理尺寸与生理颜色视觉相联系的目的。例如，初始变换可以利用如以上描述中所公开的等式（1）。具体地，可以使用标准算法（例如基于参考颜色的测量的标准算法）来确定等式（1）中使用的变换矩阵M。同样，可以参考F.König的“ DieCharakterisierung von Farbsensoren”, Dissertation, Logos Verlag, Berlin,2001, pp. 48-49。
第二步骤可以包括进一步的变换。具体地，第二步骤可以包括把独立于相机的颜色坐标，例如（X，Y，Z），变换成选择的颜色空间，诸如适合于优化色差（例如根据人类颜色感知的色差）的颜色空间，例如根据CIE的颜色空间。以下等式示例性地示出了独立于相机的颜色坐标到CIE L * a * b *颜色空间的变换的计算。
其中
。
第三步骤可以包括计算和/或定义用于测量颜色之间的差异（例如色差）的测量单位。 例如，可以使用以下等式确定基于L * a * b *颜色空间的色差，诸如两个样本p和v之间的色差：
（7）
特别地，可以使用用于定义测量单位的其他数学表达式或等式，诸如非线性等式，例如计及对色差的可能的非线性影响的更复杂的非线性等式。具体地说，计及了环境亮度对色差（例如和）的可能影响的非线性等式可用于确定用于测量色差的测量单位。
当被应用于分析测量时，上述方法通常隐含着几个挑战。因此，应该考虑的是，数学表达式，例如基于CIE推荐来定义测量单位的数学表达式，可以旨在建立人类颜色感知与颜色刺激的物理来源之间的联系或关系，并且因此可能导致等距数据的不规则或非线性表示，诸如例如等距分析物浓度的不规则或非线性表示。具体来说，当用于校准用来检测分析物的相机116时，所述非线性表示例如可能导致所确定的分析物浓度的非线性或不规则准确度。因此，可以特别地执行根据本发明的用于校准用来检测样本131中的分析物的相机116的校准方法，使得在预先确定的浓度测量范围内，等距浓度的样本导致具有基本上等距的色差的颜色坐标。在图2中图示了用于校准用来检测样本131中的分析物的相机116的校准方法的流程图的实施例。
在图2中，示出了根据本发明的校准方法。图2中所示的校准方法包括步骤a（方法步骤132），该步骤用于提供颜色坐标系集合，所述颜色坐标系集合包括被配置用于描述物体的颜色的多个不同的颜色坐标系。校准方法还包括步骤b（方法步骤134），该步骤用于提供具有已知浓度的分析物的测试样本集合122。具体地，可以提供图1中所示的测试样本集合122。
此外，校准方法包括步骤c（方法步骤136），该步骤用于将测试样本124施加到测试元件集合126。具体地，可以将测试样本124施加到图1中所示的测试元件集合126。具体地，测试样本集合122中的每个测试样本124可被分别施加到测试元件集合126中的测试元件128。每个测试元件128具有至少一个测试场130，测试场130包括被配置用于与分析物进行光学可检测的检测反应的至少一种测试化学品，从而针对每个测试样本124创建至少一个着色测试场130。
校准方法还包括步骤d（方法步骤138），该步骤用于通过使用相机116来获取着色测试场130的图像。具体地，如图1中所示的智能电话118所包括的相机116可以用于获取着色测试场130的图像。此外，校准方法包括步骤e（方法步骤140），该步骤用于通过使用颜色坐标系集合中的颜色坐标系来针对着色测试场130的图像生成颜色坐标，从而针对测试样本和针对颜色坐标系创建颜色坐标集合。
此外，校准方法包括步骤f（方法步骤142），该步骤用于提供编码函数集合。编码函数集合包括多个编码函数，编码函数用于将测试场130的颜色坐标变换成测试样本124中的分析物的对应浓度。校准方法还包括步骤g（方法步骤144），该步骤用于通过使用所述编码函数集合把在步骤e中生成的颜色坐标集合变换为测量的浓度的集合。
另外，所述校准方法包括步骤h（方法步骤146），该步骤用于将测量的浓度的集合与测试样本124的已知浓度进行比较，并确定最佳匹配颜色坐标系和编码函数集合的最佳匹配编码函数，针对最佳匹配颜色坐标系和最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。具体地，可以特别地执行校准方法，使得等距浓度的样本124导致具有基本等距色差的最佳匹配颜色坐标系中的颜色坐标。
例如，一个、多于一个或全部颜色坐标可以取自不同的颜色坐标系，特别是取自颜色坐标系集合的不同颜色坐标系，并且可以用于跨越最佳匹配颜色坐标系。具体地，最佳匹配颜色坐标系可以包括多于一个颜色坐标，优选地多于两个颜色坐标。具体地，多个颜色坐标可以被称为多维参数。示例性地，为了确定最佳匹配颜色坐标系，可以具体地使测量的浓度与已知浓度之间（例如测量结果和参考结果之间）的差异（例如误差）最小化。特别地，例如可以通过适配颜色坐标系（例如颜色空间）的参数（例如系数）的值来使所述误差最小化。此外，编码函数集合可以特别地包括多于一个编码函数，具体称为多维代码函数。作为示例，多维代码函数可用于计算结果，例如用于确定样本131的分析物浓度。
在图3中，示出了校准方法的另一实施例，其在大多数部分中对应于图2的方法。因此，对于大多数步骤，可以参考以上对图2的描述。如图3中所示，在校准方法的该实施例中，步骤e（方法步骤140）可以包括三个子步骤。具体地，第一子步骤e1（方法步骤148）用于针对着色测试场130的图像生成依赖于相机的颜色坐标，第二子步骤e2（方法步骤150）用于通过使用第一变换算法将依赖于相机的颜色坐标变换为独立于相机的颜色坐标，和第三子步骤e3（方法步骤152）用于通过使用第二变换算法将独立于相机的颜色坐标变换为针对颜色坐标系集合中的颜色坐标系的颜色坐标，从而创建针对所述测试样本和针对所述颜色坐标系的颜色坐标集合。
图4图示了用于检测样本124中的分析物的检测方法的实施例的流程图。该检测方法包括步骤A（方法步骤154），该步骤用于提供相机116。具体地，可以提供如图1中所示的相机116。此外，检测方法包括步骤B（方法步骤156），该步骤用于通过使用校准方法来校准相机116。特别地，如图2或图3中所示的校准方法可以用于校准相机116。
此外，该检测方法包括步骤C（方法步骤158），该步骤用于将样本施加到测试元件128，该测试元件128具有至少一个测试场130，该测试场130包括至少一种测试化学品，该至少一种测试化学品被配置用于与所述分析物进行光学可检测的检测反应，从而针对样本124创建至少一个着色测试场130。具体地，图1中与测试样本集合122分开图示的样本124可以被施加到测试元件128，特别是施加到图1中与测试元件集合126分开图示的测试元件128。
另外，所述检测方法包括步骤D（方法步骤160），该步骤用于获取所述至少一个着色测试场130的至少一幅图像。所述检测方法还包括步骤E（方法步骤162），该步骤用于通过使用最佳匹配颜色坐标系来生成测试场130的颜色坐标。特别地，最佳匹配颜色坐标系可以由来自颜色坐标系集合中的不同颜色坐标系的三个或四个颜色坐标组成。此外，该检测方法包括步骤F（方法步骤164），该步骤用于通过使用最佳匹配编码函数将颜色坐标变换为样本124中分析物的测量浓度。
图5图示了用于校准用来检测样本124中的分析物的相机116的校准方法的实施例的流程图的一部分。该实施例可以被认为是图2或图3中所示的方法的特定实施例的一部分。特别地，在图5中可以图示包括子步骤e2和e3（方法步骤150和152）以及步骤f、g和h（方法步骤142、144和146）的校准方法的实施例的流程图的一部分。
步骤e2（方法步骤150）的第一变换算法可以例如包含矩阵运算。具体地，第一变换算法可以通过使用矩阵M来包含矩阵预算，特别是用于将依赖于相机的颜色坐标（R，G，B）变换为独立于相机的颜色坐标（X，Y，Z）的矩阵运算。第一变换可以具体地使用等式（1）中给出的变换，特别是如图5中的左侧的第一框中所示的。
步骤e3（方法步骤152）的第二变换算法可以例如包括：通过使用参数化函数来将独立于相机的颜色坐标变换为所述颜色坐标集合中的颜色坐标。具体地，可以通过使用等式2.1、2.2和2.3中给出的变换来将独立于相机的颜色坐标（X，Y，Z）变换为颜色坐标（F，m，b）的集合。如图5中所示，可以在执行第一变换算法之后执行将独立于相机的颜色坐标（X，Y，Z）变换为颜色坐标（F，m，b）的集合。第二变换算法还可以特别地通过检测至少一种参考颜色（特别是白色场的参考颜色）来计及测试场的照度。特别地，通过使用等式3.1到3.6中的一个或多个可以将依赖于照度的颜色坐标（F，m，b）变换为相对颜色坐标（Frel，mrel，brel），如图5中左侧的第三框中所示的。
随后，可以执行步骤f、g和h（方法步骤142、144和146）。具体而言，可以执行步骤h（方法步骤146），使得在预先确定的浓度测量范围内，等距浓度的样本124导致具有基本等距色差的最佳匹配颜色坐标系中的颜色坐标。作为示例，图5中所示的最右侧的框图示了理想的示例，其中样本124的实际分析物浓度（c）（x轴）与样本124的基本等距的色差（∆E）（x轴）之间存在线性关系。
此外，图6图示了指示实际血糖值（c）（例如，测试样本124的预定义血糖值）与独立于相机的颜色坐标（X，Y，Z）的比率X/（X + Y）之间的关系的图。在所示示例中，颜色坐标Z设置为Z =0。具体地说，独立于相机的颜色坐标的比率a0∙X /（a1∙X + a2∙Y）（其中参数a0，a1和a2示例性地被设置为a0= 1，a1=1和a2=1）在图6所示的图的y轴上绘制。在x轴上绘制的是样本124中分析物的浓度，诸如实际血糖值（c），例如以毫克/分升（mg / dl）为单位给出。特别地，该图示出了独立于相机的颜色坐标的比率与实际血糖值之间的非线性相关性。因此，在所示的示例中，等距浓度的样本在所选颜色坐标系（X，Y，Z）中不会导致基本等距的色差。因此，所选择的颜色坐标系可能不是最佳匹配颜色坐标系，并且可能有必要进一步执行如例如图2和图3中所示的校准方法。
此外，图7A至图7E图示了指示实际血糖值（c）与所选择的CIE坐标（诸如例如图7A中的L*，图7B中的a*，图7C中的b*，图7D中的u'和图7E中的v'）之间的关系的图的实施例。这些图针对每个CIE坐标指示实际血糖值与CIE坐标之间的不同关系。具体地，如图所示，不同的颜色坐标对于匹配实际血糖浓度具有不同适应性。特别地，对于所有图7A至图7E，所示的等距浓度的样本是相同的，但是并不对于所有图示的CIE坐标都会导致基本上等距的色差。例如，与基于颜色坐标a*的图7B中所示的图相比，图7D中所示的图指示了颜色坐标u’和样本之间的更线性的关系。
图8A图示了指示实际血糖值与使用用于确定血糖值的一般方法和系统确定的血糖值之间的关系的图的实施例。特别地，图8A中所示的图指示了实际血糖值（c）与使用CIE颜色坐标系L * a * b *确定或测量的血糖值（mBG）之间的关系。
与此相对，图8B图示了指示如下内容的图的实施例：实际血糖值与使用根据本申请的用于确定血糖值的本发明的方法和系统确定的血糖值之间的关系。具体地，图8B中图示的图指示实际血糖值（c）与使用最佳匹配颜色坐标系和最佳匹配编码函数确定或测量的血糖值（mBG）之间的关系。具体地，图8A和图8B的比较示出了：与使用确定血糖浓度的一般方法相比当使用最佳匹配颜色坐标系和最佳匹配编码函数时提高的准确度。具体地，当使用最佳匹配颜色坐标系和最佳匹配编码函数时，可以实现所确定的血糖值的较低分散。此外，图8A和图8B示出了误差网格分析（Error-Grid-Analysis）的区域A至E，特别是帕克斯误差网格（Parkers Error Grid）的区域A至E，量化了所确定的血糖浓度与实际血糖浓度相比的临床准确度。
此外，图8A和图8B示出了误差网格分析的区域A至E，特别是帕克斯误差网格的区域A至E，量化了所确定的血糖浓度与实际血糖浓度相比的临床准确度。例如以下各项内的血糖值：
-区域A包含处于参考传感器的20％以内的值；
-区域B包含超出20％但将不会导致不适当的治疗的值；
-区域C包含导致不必要的治疗的值；
-区域D包含指示检测低血糖或高血糖的潜在危险失败的值，以及
-区域E包含将混淆针对高血糖的低血糖治疗和反之的值。
有关“误差网格分析”的更多信息可以参考Clarke WL, Cox D, Gonder-Frederick LA, Carter W, Pohl SL: Evaluating clinical accuracy of systems forself-monitoring of blood glucose. Diabetes Care 10:622–628,1987。
图8A和8B两者均基于相同的样本，特别是相同的测试样本集合用于确定两幅图中的血糖值。表1指示根据图8A和图8B的相应区域分类的针对图8A和图8B的确定的血糖值的数量。
表1：根据图8A和图8B的相应区域分类的针对图8A和图8B的确定的血糖值的数量。
具体地，如图8A和图8B中所示并且如由上表中给出的确定的血糖值的定量所示的，与使用确定血糖浓度的一般方法相比，当使用最佳匹配颜色坐标系和最佳匹配编码函数时可以提高确定的血糖值的准确度和精确度。
附图标记列表
110系统
112校准系统
114检测系统
116相机
118智能电话
119计算机
120计算机网络
122测试样本集合
124测试样本
126测试元件集合
128测试元件
130测试场
131样本
132步骤a. 提供颜色坐标系集合
134步骤b. 提供具有已知浓度的分析物的测试样本集合
136步骤c. 将测试样本施加到测试元件集合，每个测试元件具有至少一个测试场，所述测试场包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对每个测试样本创建至少一个着色测试场
138步骤d. 通过使用相机获取所述着色测试场的图像
140步骤e. 通过使用所述颜色坐标系集合中的颜色坐标系，针对所述着色测试场的图像生成颜色坐标，从而针对所述测试样本和针对所述颜色坐标系创建颜色坐标集合
142步骤f. 提供编码函数集合，编码函数集合包括用于将测试场的颜色坐标变换成样本中分析物的对应浓度的多个编码函数
144步骤g. 通过使用编码函数集合把在步骤e中生成的颜色坐标集合变换成测量的浓度的集合
146步骤h. 把测量的浓度的集合与测试样本的已知浓度进行比较，并确定测量的浓度的集合与已知浓度最佳匹配所针对的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数
148步骤e1. 针对着色测试场的图像生成依赖于相机的颜色坐标
150步骤e2. 通过使用第一变换算法，将依赖于相机的颜色坐标变换为独立于相机的颜色坐标
152步骤e3. 通过使用第二变换算法，将独立于相机的颜色坐标变换为针对所述颜色坐标系集合中的颜色坐标系的颜色坐标，从而针对测试样本和针对颜色坐标系创建颜色坐标集合。

Claims (16)

1.一种用于校准相机(116)的校准方法，所述相机(116)用于检测样本(131)中的分析物，所述校准方法包括：
a.提供颜色坐标系集合，所述颜色坐标系集合包括被配置用于描述物体的颜色的多个不同的颜色坐标系；
b.提供具有已知浓度的分析物的测试样本集合(122)；
c.将测试样本(124)施加到测试元件集合(126)，每个测试元件(128)具有至少一个测试场(130)，所述测试场(130)包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对每个测试样本(124)创建至少一个着色测试场(130)；
d.通过使用所述相机(116)获取所述着色测试场(130)的图像；
e.通过使用所述颜色坐标系集合中的颜色坐标系，针对所述着色测试场(130)的图像生成颜色坐标，从而针对所述测试样本(124)和针对所述颜色坐标系创建颜色坐标集合；
f.提供编码函数集合，所述编码函数集合包括用于将测试场(130)的颜色坐标变换成样本中分析物的对应浓度的多个编码函数；
g.通过使用所述编码函数集合把在步骤e中生成的颜色坐标集合变换成测量的浓度的集合；以及
h.把测量的浓度的集合与所述测试样本集合(122)中的测试样本(124)的已知浓度进行比较，并确定颜色坐标系集合中的最佳匹配颜色坐标系和编码函数集合中的最佳匹配编码函数，针对所述最佳匹配颜色坐标系和所述最佳匹配编码函数，所述测量的浓度的集合与所述已知浓度最佳匹配。
2.根据权利要求1所述的校准方法，其中，所述相机(116)是智能电话相机。
3.根据权利要求1-2中任一项所述的校准方法，其中，所述颜色坐标系集合由用于变换颜色坐标的参数化函数集合定义，其中，所述参数化函数的参数集合表征每个颜色坐标系。
4.根据权利要求1所述的校准方法，其中步骤e包括：
e1.针对着色测试场(130)的图像生成依赖于相机的颜色坐标；
e2.通过使用第一变换算法，将依赖于相机的颜色坐标变换为独立于相机的颜色坐标；
e3.通过使用第二变换算法，将独立于相机的颜色坐标变换为针对所述颜色坐标系集合中的颜色坐标系的颜色坐标，从而针对测试样本(124)和针对颜色坐标系创建所述颜色坐标集合。
5.根据权利要求4所述的校准方法，其中，所述第二变换算法包括：通过使用参数化函数，将所述独立于相机的颜色坐标变换为所述颜色坐标集合中的颜色坐标。
6.根据权利要求5所述的校准方法，其中，所述第二变换算法包括：通过使用以下参数化函数，将独立于相机的颜色坐标(X，Y，Z)变换为颜色坐标(F，m，b)的集合：
m＝P3*F(m′-m′r) (2.2)
b＝P3*F(b′-b′r) (2.3)
其中
并且其中P1-P11为参数。
7.根据权利要求4-6中任一项所述的校准方法，其中，所述独立于相机的颜色坐标是基于人眼的灵敏度的颜色坐标，其中，独立于相机的颜色坐标是三色值，其中第二变换算法计及测试场的照度，其中，使用以下等式中的一个或多个，将与照度有关的颜色坐标(F，m，b)变换为相对颜色坐标(Frel，mrel，brel)：
其中(FR，mR，bR)是从被照亮的参考场的图像得出的颜色坐标。
8.根据权利要求4-6中任一项所述的校准方法，其中，在相机校准过程中通过获取至少一个参考颜色场的至少一幅图像来确定所述第一变换算法，所述参考颜色场具有已知的独立于相机的颜色坐标。
9.根据权利要求1-2和4-6中任一项所述的校准方法，其中，执行步骤h，使得在预先确定的浓度测量范围内，等距浓度的样本导致最佳匹配颜色坐标系中的颜色坐标具有基本等距的色差。
10.一种用于检测样本(131)中的分析物的检测方法，所述方法包括：
A.提供相机(116)；
B.通过使用根据权利要求1-9中任一项所述的校准方法来校准相机(116)；
C.将样本(131)施加到测试元件(128)，所述测试元件(128)具有至少一个测试场(130)，所述测试场(130)包括至少一种测试化学品，所述至少一种测试化学品被配置用于与分析物进行光学可检测的检测反应，从而针对样本(131)创建至少一个着色测试场(130)；
D.获取所述至少一个着色测试场(130)的至少一幅图像；
E.通过使用最佳匹配颜色坐标系生成所述测试场(130)的颜色坐标；
F.通过使用最佳匹配编码函数将所述颜色坐标变换为样本(131)中分析物的测量浓度。
11.根据权利要求10所述的检测方法，其中步骤C-F被重复执行，其中步骤B针对步骤C-F的多次重复仅最初被执行一次，或每次执行步骤C-F之前被执行。
12.一种用于校准相机(116)的校准系统(112)，所述相机(116)用于通过使用相机(116)来检测样本(131)中的分析物的目的，所述校准系统(112)包括：至少一个计算机(119)或计算机网络(120)；具有已知浓度的分析物的测试样本集合(122)；和测试元件集合(126)，每个测试元件(128)具有至少一个测试场(130)，所述校准系统(112)被配置用于执行根据权利要求1-9中任一项所述的校准方法。
13.一种检测系统(114)，用于通过使用具有至少一个测试场(130)的至少一个测试元件(128)来检测样本(131)中的分析物，所述测试场(130)包括被配置用于与分析物进行光学可检测的检测反应的至少一种测试化学品，所述检测系统(114)包括至少一个相机(116)，检测系统(114)还包括至少一个计算机(119)或计算机网络(120)、至少一个样本(131)和至少一个测试元件(128)，所述测试元件(128)具有至少一个测试场(130)，所述检测系统(114)配置用于执行根据权利要求10-11中任一项所述的检测方法。
14.一种用于检测样本中的分析物的系统(110)，包括根据权利要求12所述的校准系统(112)和根据权利要求13所述的检测系统(114)。
15.一种计算机可读存储介质，存储包括指令的计算机程序，当所述计算机程序由权利要求12所述的校准系统(112)执行时，所述指令使得权利要求12所述的校准系统(112)执行根据权利要求1-9中任一项所述的校准方法。
16.一种计算机可读存储介质，存储包括指令的计算机程序，当所述计算机程序由权利要求13所述的检测系统(114)执行时，所述指令使得权利要求13所述的检测系统(114)执行根据权利要求10-11中任一项所述的检测方法。
CN201980027815.XA 2018-02-26 2019-02-25 用于校准和使用相机检测样本中分析物的方法和系统 Active CN112020640B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18158626.4 2018-02-26
EP18158626 2018-02-26
PCT/EP2019/054583 WO2019162496A1 (en) 2018-02-26 2019-02-25 Methods and systems for calibrating and using a camera for detecting an analyte in a sample

Publications (2)

Publication Number Publication Date
CN112020640A CN112020640A (zh) 2020-12-01
CN112020640B true CN112020640B (zh) 2024-03-08

Family

ID=61386730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980027815.XA Active CN112020640B (zh) 2018-02-26 2019-02-25 用于校准和使用相机检测样本中分析物的方法和系统

Country Status (13)

Country Link
US (1) US11781973B2 (zh)
EP (1) EP3759465B1 (zh)
JP (1) JP7185701B2 (zh)
KR (1) KR102340166B1 (zh)
CN (1) CN112020640B (zh)
BR (1) BR112020017213A2 (zh)
CA (1) CA3091988A1 (zh)
ES (1) ES2957337T3 (zh)
MA (1) MA52410B1 (zh)
PL (1) PL3759465T3 (zh)
RU (1) RU2754208C1 (zh)
TW (1) TWI810247B (zh)
WO (1) WO2019162496A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4150327B1 (en) 2020-05-11 2024-01-10 F. Hoffmann-La Roche AG Method of evaluating the quality of a color reference card
EP4214669A1 (en) 2020-09-17 2023-07-26 Scanwell Health, Inc. Diagnostic test kits and methods of analyzing the same
CA3198824A1 (en) 2020-10-23 2022-04-28 Becton, Dickinson And Company Systems and methods for imaging and image-based analysis of test devices
USD970033S1 (en) 2020-10-23 2022-11-15 Becton, Dickinson And Company Cartridge imaging background device
KR20230165290A (ko) 2021-04-01 2023-12-05 벡톤 디킨슨 앤드 컴퍼니 그룹 a 연쇄상구균 면역검정의 특이성 및 민감도를 향상시키기 위한 방법들
WO2023152266A1 (en) 2022-02-11 2023-08-17 F. Hoffmann-La Roche Ag Methods and devices for determining the concentration of at least one analyte in a bodily fluid

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1073534A (ja) * 1996-08-30 1998-03-17 Kdk Corp 呈色物定量装置
JP2003262591A (ja) * 2002-03-08 2003-09-19 Japan Science & Technology Corp タンパク質又は核酸の定量の最適化方法及び蛍光測定による物質の定量方法
CN104122213A (zh) * 2014-06-30 2014-10-29 苏州科技学院 一种测量水质色度的方法
CN104812292A (zh) * 2012-09-05 2015-07-29 希德汉特·耶拿 便携式医学诊断系统以及使用移动装置的方法
WO2015164991A2 (es) * 2014-04-30 2015-11-05 Lab4U Spa Sistema y método para la determinación de la concentración de solutos en una muestra líquida coloreada
CN105164514A (zh) * 2013-01-21 2015-12-16 康奈尔大学 基于智能手机的装置和用于获取可重复的定量比色测量的方法
WO2016025935A2 (en) * 2014-08-15 2016-02-18 Scanadu Incorporated Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments
CN105675507A (zh) * 2016-01-18 2016-06-15 浙江大学 一种基于手机颜色分析的半胱氨酸检测方法
CN106068449A (zh) * 2014-03-05 2016-11-02 思勘度股份有限公司 通过量化和解释颜色的分析物浓度

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007101482A (ja) * 2005-10-07 2007-04-19 Matsushita Electric Ind Co Ltd 測定チップならびにその分析方法
KR20180088924A (ko) * 2005-11-18 2018-08-07 케이엘에이-텐코 코포레이션 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템
EP1801568A1 (de) * 2005-12-21 2007-06-27 Micronas Holding GmbH Teststreifen und Verfahren zum Messen einer Analytkonzentration in einer Probe eines biologischen Fluids
US20080267446A1 (en) * 2007-04-18 2008-10-30 Dale Capewell Chemistry strip reader and method
JP2011191081A (ja) * 2010-03-12 2011-09-29 Incorporated Educational Institution Meisei 分析システムおよび分析方法
JP2015509582A (ja) * 2012-02-03 2015-03-30 ユニバーシティ・オブ・シンシナティ 比色アッセイを解析するための方法、システム、および装置
EP2941630B1 (en) * 2013-01-07 2019-08-21 Ixensor Co., Ltd. Test strips and method for reading test strips
US9528941B2 (en) * 2012-08-08 2016-12-27 Scanadu Incorporated Method and apparatus for determining analyte concentration by quantifying and interpreting color information captured in a continuous or periodic manner
US9787815B2 (en) * 2013-01-21 2017-10-10 Cornell University Smartphone-based apparatus and method
TWI534430B (zh) * 2013-04-16 2016-05-21 安盛生科股份有限公司 試片和讀取試片的方法
US9442089B2 (en) * 2013-12-23 2016-09-13 Lifescan Scotland Limited Analyte meter test strip detection
GB2524227B (en) * 2014-01-17 2017-07-26 Ffe Ltd Method of forming an imaging reference device
US9568432B2 (en) * 2014-09-26 2017-02-14 Intel Corporation Sensor apparatus to determine a value of a chemical parameter based on a color shade and methods thereof
US11293873B2 (en) * 2015-09-08 2022-04-05 Xerox Corporation Methods and devices for improved accuracy of test results
US20170184506A1 (en) * 2015-12-29 2017-06-29 Pritesh Arjunbhai Patel Reagent test strips comprising reference regions for measurement with colorimetric test platform
EP3739311A1 (en) * 2016-03-31 2020-11-18 Dai Nippon Printing Co., Ltd. Transmission-type color calibration chart and calibration slide glass
CN107240089B (zh) * 2017-04-17 2020-12-01 戴斌 一种分析物的浓度检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1073534A (ja) * 1996-08-30 1998-03-17 Kdk Corp 呈色物定量装置
JP2003262591A (ja) * 2002-03-08 2003-09-19 Japan Science & Technology Corp タンパク質又は核酸の定量の最適化方法及び蛍光測定による物質の定量方法
CN104812292A (zh) * 2012-09-05 2015-07-29 希德汉特·耶拿 便携式医学诊断系统以及使用移动装置的方法
CN105164514A (zh) * 2013-01-21 2015-12-16 康奈尔大学 基于智能手机的装置和用于获取可重复的定量比色测量的方法
CN106068449A (zh) * 2014-03-05 2016-11-02 思勘度股份有限公司 通过量化和解释颜色的分析物浓度
WO2015164991A2 (es) * 2014-04-30 2015-11-05 Lab4U Spa Sistema y método para la determinación de la concentración de solutos en una muestra líquida coloreada
CN104122213A (zh) * 2014-06-30 2014-10-29 苏州科技学院 一种测量水质色度的方法
WO2016025935A2 (en) * 2014-08-15 2016-02-18 Scanadu Incorporated Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments
CN105675507A (zh) * 2016-01-18 2016-06-15 浙江大学 一种基于手机颜色分析的半胱氨酸检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Elizabeth M. Thomas et. al..The colorimetric determination of selectively cleaved adenosines and guanosines in DNA oligomers using bicinchoninic acid and copper.《Journal of Biological Inorganic Chemistry》.2016,第第22卷卷(第第22卷期),第31-46页. *
Li Shen et. al..第4240-4243页.《Lab on a Chip》.2012,第第12卷卷(第第12卷期),第4240-4243页. *
李文 ; 杨守波 ; 罗学科 ; .基于远程图像色度的点源水质监测方法.环境工程学报.2015,(09),第4603-4608页. *
柴阿丽 等.基于计算机视觉技术的番茄叶片叶绿素含量的检测.《园艺学报》.2009,第第36卷卷(第第36卷期),第46-50页. *

Also Published As

Publication number Publication date
TW202004163A (zh) 2020-01-16
ES2957337T3 (es) 2024-01-17
TWI810247B (zh) 2023-08-01
CA3091988A1 (en) 2019-08-29
RU2754208C1 (ru) 2021-08-30
PL3759465T3 (pl) 2023-12-11
BR112020017213A2 (pt) 2020-12-22
WO2019162496A1 (en) 2019-08-29
US20200386672A1 (en) 2020-12-10
EP3759465C0 (en) 2023-08-02
MA52410B1 (fr) 2023-10-31
KR20200122375A (ko) 2020-10-27
KR102340166B1 (ko) 2021-12-16
EP3759465B1 (en) 2023-08-02
US11781973B2 (en) 2023-10-10
EP3759465A1 (en) 2021-01-06
MA52410A (fr) 2021-06-02
CN112020640A (zh) 2020-12-01
JP2021515203A (ja) 2021-06-17
JP7185701B2 (ja) 2022-12-07

Similar Documents

Publication Publication Date Title
CN112020640B (zh) 用于校准和使用相机检测样本中分析物的方法和系统
US9506855B2 (en) Method and system for analyzing a colorimetric assay
JP7278276B2 (ja) 発色反応に基づいて分析測定を行うための方法および装置
JP2023525776A (ja) 色基準カードの品質を評価する方法
KR20230020993A (ko) 체액의 샘플 내 분석물의 농도를 결정하는 방법, 모바일 장치, 키트, 컴퓨터 프로그램 및 컴퓨터 판독형 저장 매체
US20220104736A1 (en) Method of determining a concentration of an analyte in a bodily fluid and mobile device configured for determining a concentration of an analyte in a bodily fluid
JPWO2019162496A5 (zh)
RU2768216C1 (ru) Способ определения концентрации аналита в физиологической жидкости
RU2812204C2 (ru) Способ определения концентрации аналита в физиологической жидкости и мобильное устройство, сконфигурированное для определения концентрации аналита в физиологической жидкости
JPWO2020260246A5 (zh)

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: 40042274

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant