CN114667452A - 确定体液中分析物的浓度的方法 - Google Patents

Abstract

本发明公开了一种确定体液中分析物的浓度的方法。所述方法包括使用具有相机(114)的移动装置(112)。此外，所述方法包括通过使用所述相机(114)捕获具有测试区(126)的光学测试条(124)的至少一部分的至少一个图像。所述方法进一步包括从所述测试区(126)的颜色形成确定至少一个分析物浓度值，其中所述方法包括：i)在所述移动装置(112)中提供用于将所述测试区(126)的颜色形成转换为分析物浓度值的至少一种相关性；ii)在所述移动装置(112)中提供至少一个清除信息项，所述至少一个清除信息项指示用于所述相关性的置信水平；以及iii)如果所述清除信息项指示所述相关性的置信水平足够，则通过所述移动装置(112)向使用者提供所述至少一个图像的所述捕获不需要使用颜色参考卡(128)的指示。此外，本发明公开了一种控制分析测量的方法、移动装置(112)、用于控制分析测量的系统(110)以及用于执行和/或控制分析测量的计算机程序。

Description

确定体液中分析物的浓度的方法

技术领域

本发明涉及一种确定体液中分析物的浓度的方法。本发明进一步涉及一种控制使用具有相机的至少一个移动装置的分析测量的方法。进一步地，本发明涉及一种具有至少一个相机的移动装置、用于控制分析测量的系统、计算机程序和计算机可读存储介质。该方法、移动装置、计算机程序和存储介质具体地可用于医学诊断，以便例如定性地或定量地检测一种或多种体液中的一种或多种分析物，诸如用于检测血液和/或间质液中的葡萄糖。然而，本申请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，必须在诸如血液、间质液、尿液、唾液或其他类型的体液的体液样品中检测一种或多种分析物。待检测分析物的示例为葡萄糖、甘油三酯、乳酸盐、胆固醇或通常存在于这些体液中的其他类型的分析物。如有必要，可根据分析物的浓度和/或存在情况选择适当的处理。在不缩小范围的情况下，本发明具体地可关于血糖测量来描述。然而，应注意的是，本发明还可用于使用测试元件的其他类型的分析测量。

通常，技术人员已知的设备和方法使用包含一种或多种测试化学物的测试元件，其在待检测的分析物存在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。关于测试元件中包含的测试化学物，可参考例如 J. Hoenes 等人：TheTechnology Behind Glucose Meters: Test Strips, Diabetes Technology &Therapeutics，第 10 卷，增刊 1，2008 年，S-10 至 S-26。其他类型的测试化学成分也是可能的，并且可用于执行本发明。

在分析测量中，特别是基于颜色形成反应的分析测量中，一项技术挑战在于评估由检测反应引起的颜色变化。除使用专用的分析装置诸如手持式血糖仪以外，近年来，通用电子装置诸如智能电话和便携式计算机或其他移动装置的使用变得越来越普遍。例如，WO2012/131386 A1 公开了一种用于进行测定的测试设备，该测试设备包括：容纳试剂的容器，该试剂与施加的测试样品反应，发生颜色或模式变化；便携式装置，例如移动电话或膝上型计算机，包括处理器和图像捕获装置，其中处理器配置为处理由图像捕获装置捕获的数据并且输出所施加的测试样品的测试结果。

EP 3 477 270 A1 描述了用于一种用于评估具有至少一个相机的用于基于颜色形成反应执行分析测量的移动装置的适用性的方法。该方法包括：a) 提供具有至少一个相机的至少一个移动装置；b) 提供具有至少一个参考颜色区的至少一个物体；c) 通过使用相机拍摄参考颜色区的至少一部分的至少一个图像；d) 通过使用图像得出至少一个颜色分辨率信息项。

与实验室测量和通过使用专用分析测量装置而执行的测量相对，在使用移动计算装置（诸如智能电话）时，需要考虑各种影响。例如，要考虑照明条件、定位、振动或其他或多或少不可控的条件。

通常，对于光学评估并且具体地对于图像的评估，已经开发了多种方法。尤其是，使用人工神经网络 (ANN) 的方法是已知的。

US 6122042 A 公开了一种用于光度分析和/或识别实质物体的特性的设备。该设备包括具有基本上不同的波长包络并以一序列快速不同组合被激活的一组光源。该装置进一步包括一组空间分布的光检测器，这些光检测器检测来自物体的辐射并产生检测到的信号。用于控制光源和分析检测到的信号的信号处理器将检测到的信号与光源的不同组合序列的激活同步，以产生检测到的信号的关联组合，然后对这些关联组合进行分析以确定物体的物理特性和/或比较与先前检测到的来自已知物体的信号的相似性。光度数据可以与其他测得数据组合和关联以增强识别。

EP 1051687 B1 公开了用于患者的医学诊断或风险评估的系统和方法。这些系统和方法设计为在医疗点诸如急诊室和手术室中采用，或在任何需要快速、准确的结果的情况下采用。这些系统和方法处理患者数据，特别是来自医疗点诊断测试或测定的数据，包括免疫测定、心电图、X 射线及其他此类测试，并且提供医学病况或风险的指示或者不存在医学病况或风险的指示。这些系统包括用于读取或评估测试数据的仪器以及用于将数据转换为诊断或风险评估信息的软件。

US 10277877 B2 公开了一种将一系列二维图像转换成一系列三维图像的方法。该方法包括接收所述一系列二维图像，并且进一步包括将所述一系列二维图像转换为所述一系列三维图像。所述转换可以基于神经网络来确定与所述一系列二维图像中的每个二维图像相关联的相应深度图，并处理所述深度图以将所述二维图像渲染为所述一系列三维图像以显示在3D显示器上。

EP 612035 A1 公开了一种基于提取特征的比较（优选使用专门的神经网络）来验证签名和笔迹的方法。

WO 2018/224442 A1 公开了一种使用针对多个类别而预训练的深度神经网络来分析图像的方法和设备。图像通过穿过自适应神经网络的正向传递进行处理，以生成处理结果。自适应神经网络是从预训练的神经网络自适应而来，以仅关注一个选定类别。然后使用图像处理算法分析处理结果并关注与选定类别相对应的特征。通过从图像中删除这些特征的表现来生成经修改的图像。

WO 2018/141429 A1 公开了一种用于检测图像中感兴趣物体的方法和设备。该方法包括以下步骤：将至少一个输入图像提供给经训练的深度神经网络，该深度神经网络包括一堆层。该方法进一步包括：使用至少一个习得滤波器的至少一个去卷积输出或组合经训练的深度神经网络的至少一个层的习得滤波器的去卷积输出，以检测所提供图像中的感兴趣物体。

WO 1999/053288 A2 公开了使用自动化系统和方法来解译莱姆蛋白印迹。程序可以通过数码相机扫描测试膜并将测试结果解译为阳性或阴性来分析免疫印迹测试（诸如蛋白印迹测试）产生的条带模式。在一个实施例中，采用条带数据的统计分析，而在另一个实施例中，采用神经网络。统计程序可以包含解译算法，诸如 CDC/ASTPHLD 支持的莱姆蛋白印迹算法。神经网络能够学习并提高其性能，并将通过对大量阳性样品和阴性样品的分析来制定自身的解译标准。

尽管使用移动计算设备执行分析测量具有优势，但仍存在若干技术挑战。因此，尽管人工神经网络通常用于图像分析，但在基于移动的光学测试条（诸如色度测试条）评估中的应用仍然具有挑战性。具体地，由于大量的综合影响因素以及使用新技术的新智能电话的不断发布，在专门的研究中为人工神经网络生成所需的训练数据通常具有挑战性。因此，原则上，对于移动装置的每次发布，都必须启动新的培训研究，这通常涉及大量的工作。

待解决的问题

因此，期望提供至少部分地解决上述技术挑战的装置和方法。具体地，期望提供允许以使用者友好且基于移动的方式确定体液中分析物浓度的装置和方法，精度和可再现性高但是设置和准备工作量少。

发明内容

该问题通过确定体液中分析物的浓度的方法、通过控制使用具有相机的至少一个移动装置的分析测量的方法来解决。进一步地，通过具有至少一个相机的移动装置、通过用于控制分析测量的系统以及通过计算机程序和计算机可读存储介质，利用独立权利要求的特征。在从属权利要求中列出了可能以单独的方式或者以任何任意组合实现的有利实施方案。

如下文所使用的，术语“具有”、“包括”或“包含”或者它们的任何任意语法变化形式以非排他性方式使用。因此，这些术语既可指其中除了由这些术语引入的特征之外，在该上下文中描述的实体中不存在另外的特征的情况，也可以指其中存在一个或多个另外的特征的情况。例如，表述“A 具有 B”、“A 包括 B”和“A 包含 B”既可指其中除 B 之外，A 中不存在其他要素的情况（即，A 由 B 单独且唯一地组成的情况），也可指其中除 B 之外，实体A 中还存在一个或多个另外的要素（诸如要素 C、要素 C 和要素 D 或甚至另外的要素）的情况。

另外，应当注意，指示特征或要素可以存在一次或多于一次的术语“至少一个/种”、“一个/种或多个/种”或类似表述在引入相应的特征或要素时仅会使用一次。在下文中，在大多数情况下，当提及相应的特征或要素时，尽管相应的特征或要素可能只存在一次或多于一次，但不会重复使用表述“至少一个/种”或“一个/种或多个/种”。

另外，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”或类似的术语与任选特征结合使用，而不限制替代性的可能性。因此，由这些术语引入的特征是任选特征，并且不旨在以任何方式限制权利要求的范围。如技术人员将认识到的，本发明可通过使用替代性特征来执行。类似地，由“在本发明的一个实施例中”引入的特征或类似表述旨在成为任选特征，而对本发明的替代性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任选或非任选特征相结合的可能性也没有任何限制。

在本发明的第一方面，公开了一种确定体液中分析物的浓度的方法，该方法包括使用具有相机的移动装置。该方法包括以下步骤，这些步骤作为示例可以按照给定的顺序进行。然而，应当注意，不同的顺序也是可能的。此外，还可以一次或重复执行一个或多个方法步骤。此外，可以同时或以适时重合的方式执行两个或更多个方法步骤。该方法可包括未列出的其他方法步骤。该方法包括：捕获具有测试区的光学测试条的至少一部分的至少一个图像，其中捕获包括使用移动装置的相机。该方法进一步包括从测试区的颜色形成确定至少一个分析物浓度值。

该方法进一步包括：

i)在移动装置中提供用于将测试区的颜色形成转换为分析物浓度值的至少一种相关性；

ii) 在移动装置中提供至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

iii) 如果清除信息项指示相关性的置信水平足够，则通过移动装置向使用者提供至少一个图像的捕获不需要使用颜色参考卡的指示。

如本文所用，术语“确定体液中分析物的浓度”（其也称为分析测量）是广义的术语且被赋予对于本领域普通技术人员普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于定量地和/或定性地确定体液的任意样品或等分试样中的至少一种分析物。例如，体液可包含血液、间质液、尿液、唾液或其他类型的体液中一者或多者。例如，确定浓度的结果可以是分析物的浓度和/或待确定分析物的存在或不存在。特别地，作为示例，分析测量可以是血糖测量，因此分析测量可得到例如血糖浓度。特别地，可通过分析测量来确定分析测量结果值。

因此，如本文所使用的术语“分析物浓度值”（通常也称为“分析测量结果值”）是广义的术语，且将被赋予对于本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。具体地，该术语可指但不限于指样品中的分析物浓度的数字指示。

作为示例，该至少一种分析物可以是或者可包括一种或多种特定化合物和/或其他参数。作为示例，可确定参与新陈代谢的一种或多种分析物，诸如血糖。另外地或可替代地，可确定其他类型的分析物或参数，例如 pH 值。

如上文所概述，该方法包括使用具有至少一个相机的至少一个移动装置。如本文中所使用的术语“移动装置”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体可以指但不限于移动电子装置，更具体地可以指移动通信装置诸如移动电话或者智能手机。另外地或可替代地，如下文将进一步详细概述的，移动装置还可以指具有至少一个相机的平板电脑或者另一类型的便携式计算机。

如本文中所使用的术语“相机”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体可以指但不限于具有至少一个成像元件的装置，该至少一个成像元件经配置用于记录或捕获空间分辨的一维、二维或者甚至三维光学数据或信息。作为示例，相机可包括经配置用于记录图像的至少一个相机芯片诸如至少一个 CCD 芯片和/或至少一个 CMOS 芯片。如本文所使用的，但不限于此，术语“图像”具体可涉及通过使用相机记录的数据，诸如来自成像装置的多个电子读数，诸如相机芯片的像素。

除该至少一个相机芯片或成像芯片之外，相机可包括其他元件，诸如一个或多个光学元件，例如一个或多个镜头。作为示例，相机可为定焦相机，其具有相对于相机固定调整的至少一个镜头。然而，可替代地，相机也可包括能够自动或手动调整的一个或多个可变镜头。本发明具体适用于通常用于移动应用诸如笔记本计算机、平板电脑或具体地手机诸如智能电话的相机。因此，具体地，相机可以是移动装置的一部分，除了该至少一个相机外，移动装置还包括一个或多个数据处理装置诸如一个或多个数据处理器。然而，其他相机也是可行的。

相机具体地可以是彩色相机。因此，诸如对于每个像素，可以提供或生成颜色信息，诸如三种颜色的色值 R、G、B。更多数量的色值也是可行的，诸如每个像素四种色值，例如 R、G、G、B。彩色相机通常是本领域技术人员所熟知的。因此，作为示例，相机芯片可由多个颜色传感器组成，每个芯片包含三个或更多个颜色传感器，诸如颜色记录像素，如一个像素用于红色 (R)、一个像素用于绿色 (G) 以及一个像素用于蓝色 (B)。对于每个像素，诸如对于 R、G、B，可由像素来记录值，诸如 0 至 255 范围内的数字值，其取决于相应颜色的强度。作为示例，可使用四元组，诸如 R、G、G、B，而不是使用颜色三元组诸如 R，G，B。像素的感色灵敏度可通过滤色器或通过相机像素中所用传感器元件的适当的固有灵敏度来产生。这些技术是技术人员通常已知的。

该方法进一步包括使用具有至少一个测试区的至少一个光学测试条。如本文所使用的术语“光学测试条”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体可以指但不限于经配置用于执行颜色变化检测反应的任意元件或装置。该光学测试条也可称为测试条或测试元件，其中所有三个术语都可以指同一个元件。特别地，光学测试条可具有测试区，该测试区包括用于检测至少一种分析物的至少一种测试化学成分。作为示例，光学测试条可包括至少一个衬底，诸如至少一个载体，其中该至少一个测试区施加在光学测试条上或集成在光学测试条中。特别地，光学测试条可进一步包括至少一个白色区域，诸如白色区，具体是在接近测试区的地方，例如封闭或包围测试区。白色区域可以是独立地布置在基材或载体上的单独区。然而，另外地或可替代地，基材或载体本身可以是或可以包括白色区域。作为示例，至少一个载体可为条带形，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提供。一个测试条可承载单个测试区或多个测试区，在测试区中包含相同或不同的测试化学成分。

如本文所用，术语“测试区域”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常规的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于测试化学物的相干量，例如一个区域，诸如具有一层或多层材料的圆形、多边形或矩形区域，其中测试区的至少一层中包含测试化学物。

如上文所进一步概述，该方法包括通过使用相机来捕获具有至少一个测试区的至少一个光学测试条的至少一部分的至少一个图像。如本文所用，术语“捕获至少一个图像”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于成像、图像记录、图像采集、图像捕获中的一种或多种。术语“捕获至少一个图像”可包括捕获单个图像和/或多个图像诸如一系列图像。例如，图像的捕获可以包括连续记录图像序列，诸如视频或电影。所述至少一个图像的捕获可通过用户操作来启动，或者可例如在自动检测到相机的视野内和/或视野的预定扇区内存在至少一个物体时自动启动。这些自动图像获取技术在例如自动条形码阅读器领域（诸如自动条形码读取应用）中是已知的。例如，可以通过利用相机采集图像的流或“实时流”来进行图像的捕获，其中图像中的一个或多个图像自动地或通过使用者交互（诸如按下按钮）进行存储并分别用作至少一个第一图像或至少一个第二图像。图像采集可以由移动装置的处理器来支持，并且图像的存储可以在移动装置的数据存储装置中进行。

光学试纸条的至少一部分的至少一个图像具体地可包括测试区的至少一部分的图像。进一步地，图像可以包括光学测试条的其他部分的图像，诸如测试条的白色参考部分。

至少一个图像的捕获可包括：在将体液的样品施加到测试条的情况下捕获至少一个图像；以及进一步地且任选地，诸如在将样品施加到测试条的情况下捕获图像之前，在不将体液的样品施加到测试条的情况下捕获至少一个图像。后者的图像具体地可用于比较目的，并且也可称为“空白图像”或“干式图像”。例如，样品施加通常可以例如经由至少一个毛细管元件直接或间接地进行。在样品施加之后捕获的至少一个图像通常也可以称为“湿式图像”，即使在实际捕获图像时样品可能已经干燥。湿式图像通常可以在已经等待至少预定等待时间之后（诸如在五秒或更多秒之后）拍摄，以便允许发生检测反应。因此，例如，该方法可包括：在拍摄至少一个任选的干式图像和至少一个湿式图像之间，等待至少预定的最小量的时间。该预定的最小量的时间具体地可以足以使检测反应在测试条中发生。例如，最小量的等待时间可以是至少 5 秒。

该方法包括从测试区的颜色形成确定分析物浓度值。因此，该方法可以是包括光学测试条的至少一个光学性质的变化的分析测量，该变化可通过使用相机在视觉上测量或确定。具体地，分析测量可以是或可包括在待确定的至少一种分析物的存在下的颜色形成反应。如本文所使用的术语“颜色形成反应”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体可以指但不限于化学、生物或物理反应，在所述反应期间，在反应中涉及的至少一种元素的颜色（具体地，反射比）随着反应的进行而变化。颜色形成可以由移动装置检测，诸如通过移动装置的处理器检测，并且可以定量地评估，诸如通过从至少一个图像得出量化或表征由于体液中存在分析物而导致的测试区的颜色形成的至少一个参数。例如，可以使用上述颜色坐标中的一个或多个颜色坐标。因此，移动装置以及具体地移动装置的处理器可被配置用于通过确定由于检测反应而发生的一个或多个颜色坐标的改变来确定颜色改变。

从测试区的颜色形成确定该至少一个分析物浓度值。为此目的，可以使用至少一个图像。例如，分析物浓度值可以是分析测量结果的数值指示标识，诸如指示样品中至少一种分析物的浓度，诸如血糖浓度。

如上文所进一步概述，在步骤 i) 中，该方法包括：在移动装置中提供用于将测试区的颜色形成转换为分析物浓度值的至少一种相关性。例如，可以以电子格式提供相关性，诸如在数据存储装置中和/或经由移动装置的至少一个接口。例如并且如下文将进一步详细概述的，具体地可以以各种方式提供相关性，诸如通过提供定义相关性的一个或多个参数，诸如定义分析物浓度值与从至少一个图像得出的至少一个信息项之间的线性关系的参数。其他类型的相关性是可能的。

因此，如本文中所使用，如本文中所使用的术语“相关性”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于从至少一个图像得到的信息（诸如颜色信息或颜色变化信息）与至少一个分析测量浓度值之间的预定或可确定的关系。为了从至少一个图像确定分析测量结果值，例如，可以使用从至少一个图像得出的信息（诸如颜色信息或颜色变化信息）与至少一个分析测量结果值之间的相关性或预定或可确定的关系。这种相关性或预定或可确定的关系例如可以存储在移动装置的数据存储装置中和/或移动装置的处理器中。处理器例如可以通过软件编程来配置以从至少一个图像得出至少一个信息项，诸如至少一种颜色坐标，并将预定或可确定的关系应用于至少一个信息项。作为示例，可例如经验性地确定相关性、转换函数、转换表或查找表，并且作为示例，可将它们存储在移动设备的至少一个数据存储设备中，这例如通过软件，特别是通过从应用商店下载的应用等来进行。例如，为了得出至少一个信息项，处理器可以被编程以便识别，优选地自动识别（例如通过模式识别和/或其他算法）图像中的测试区或测试区的至少一部分。由此，处理器可被编程用于确定至少一个信息项，诸如一个或多个颜色坐标。从至少一个任选的空白或干式图像得出的相应至少一个信息项可以用于归一化，诸如通过将从湿式图像得出的至少一个信息项除以从对应的空白图像得出的至少一个信息项，或通过从从空白图像得出的至少一个信息项减去从湿式图像得出的至少一个信息项，或反过来。其他归一化方式也是可行的。作为示例，可例如经验性地确定相关性、转换函数、转换表或查找表，并且作为示例，可将它们存储在移动设备的至少一个数据存储设备中，这例如通过软件，特别是通过从应用商店下载的应用等来进行。

如下文将进一步详细概述的，相关性通常可以通过使用经验或半经验方法（也称为“训练”）来确定。例如，训练可包括：执行多次测量，将颜色形成转换为分析物浓度值；以及将结果与至少一个已知结果和/或通过使用其他偏好手段（诸如在下文进一步详细解释的至少一个颜色参考卡）进行比较。例如并且如下文将进一步详细概述的，训练还可包括使用一个或多个人工神经网络。例如，多个图像可以用作一个或多个人工神经网络的输入以用于通过使用参考信息（诸如来自一个或多个颜色参考卡和/或来自用于反馈的一个或多个参考测量）来确定分析物浓度值。其他训练手段也是可能的并且通常为技术人员所熟知，诸如通过使用回归方法，诸如线性回归，例如用于确定相关性的参数。作为训练的结果，可以获得表征相关性的一个或多个参数。

该方法可以进一步包括以下步骤：在诸如移动装置的显示器上显示分析物浓度值。另外地或可替代地，该方法可包括将至少一个分析物浓度值存储在移动装置的至少一个数据存储装置中。同样另外地且可替代地，该方法可以进一步包括经由至少一个接口和/或经由至少一个数据传输网络传输将至少一个分析物浓度值传输到例如另一个计算机以用于例如进一步评估。

如上文所进一步概述，步骤 ii) 包括在移动装置中提供至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平。例如，可以诸如在至少一个数据存储装置中和/或经由移动装置的至少一个接口以电子格式提供该至少一个清除信息项。如本文所用的术语“清除信息”是一个广义术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于对用于相关性的置信水平进行定性和/或定量的任意信息项。在此，如本文中所使用的术语“置信水平”也是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于对至少一种相关性的质量进行定量的一个信息项。因此，例如，至少一个信息项可以通过使用相关性来对测试区的颜色形成到分析物浓度值的转换的正确性进行（例如统计上的）定量。特别地，置信水平可以对测试区的颜色形成到分析物浓度值的转换的质量或正确性进行定量。具体地，置信水平可被配置用于（例如定量地）评级和/或评估相关性的质量，诸如测试区的颜色形成到分析物浓度值的转换的质量。因此，置信水平可指示测试区的颜色形成到分析物浓度值的转换的良好程度。例如，为了对转换的正确性进行定量，统计学的技术人员通常已知各种手段，诸如相关性系数、标准偏差、不确定程度或区间等等。至少一个清除信息项指示置信水平，诸如通过使用一个或多个数值，诸如一个或多个布尔值和/或一个或多个数字值，诸如“足够”和“不足”等等。例如并且如下文将进一步详细概述的，在至少一个置信水平高于或低于预定阈值的情况下，可以将清除信息项设置为特定值。例如，可以使用一个或多个置信阈值，其中，在置信水平高于置信阈值的情况下，清除信息项可设置为“足够”，否则设置为“不足”，或者反过来。

在经验或半经验上，可通过以下方式来确定用于相关性的置信水平：使用用于将（针对多个测试样品）相应测试样品的测试区的颜色形成转换为计算出的分析物浓度值的相关性；以及对这些计算出的分析物浓度值与相应测试样品的已知分析物浓度值（诸如通过实验室测量等参考测量确定的已知分析物浓度值）进行比较。通过统计方法，诸如回归方法，可以确定置信水平，如技术人员将认识到的，并且可以对置信水平进行定量，例如通过确定标准偏差等。

如上文所概述，在步骤 iii) 中，在清除信息项指示相关性的置信水平足够的情况下，该方法包括通过移动装置向使用者提供至少一个图像的捕获不需要使用颜色参考卡的指示。因此，例如，移动装置（具体是移动装置的至少一个处理器）可被配置用于评估至少一个清除信息项，诸如通过评估清除信息项是指示相关性的置信水平足够还是不足。在至少一个清除信息项指示相关性的置信水平足够的情况下，向使用者提供至少一个图像的捕获不需要使用颜色参考卡的指示。因此，例如，默认情况下，可能需要使用者使用颜色参考卡。然而，例如，在至少一个清除信息项指示相关性的置信水平不足的情况下，该方法可以直接继续，而无需向使用者提供至少一个图像的捕获不需要捕获至少一个颜色参考卡的至少一张图像的指示。否则，如上文所概述，可以向使用者提供至少一个图像的捕获不需要捕获至少一个颜色参考卡的至少一个图像的指示。

如本文所使用，如本文所使用的术语“颜色参考卡”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于任意项，其具有设置在其中或设置在其上（诸如在至少一个表面上）的具有已知颜色特性或光学特性的至少一个颜色参考区，诸如具有一个或多个颜色区，其具有一个或多个颜色坐标。例如，颜色参考卡可以是包括至少一个基材的扁平卡，该基材具有位于至少一个表面上和/或设置在其中的具有已知颜色坐标的至少一个颜色参考区。然而，可替代地，颜色参考卡也可以完全或部分地集成到光学测试条中。至少一张颜色参考卡的至少一张图像可以完全或部分地由具有测试区的光学测试条的至少一部分的上述图像包括。因此，例如，当捕获测试区的至少一个图像时，至少一个颜色参考卡可以位于相机的视野中，并且因此，颜色参考卡的至少一部分在测试区的至少一部分的至少一个图像中可以是可见的。例如，光学测试条可以放置在颜色参考卡的顶部上，并且/或者颜色参考卡可以包括一个或多个窗口，其中具有一个或多个窗口的颜色参考卡放置在光学测试条的顶部上，使得测试区通过窗口可见。然而，可替代地，也可以捕获至少一个测试区和颜色参考卡的独立图像。

使用颜色参考卡具体地可允许校正测试区的颜色的至少一个图像中的相机特定或装置特定的变化。因此，通常，相机和/或移动装置在不通知使用者的情况下对图像应用一个或多个评估或预评估算法，诸如伽马校正，在评估图像和确定至少一个分析物浓度值时必须考虑这些算法。通过使用具有已知光学特性的至少一个颜色参考卡，可以设置移动装置以校准和/或校正图像，从而在确定至少一个分析物浓度值时或之前考虑相机和/或移动装置的内部过程和/或特性。进一步地，可以考虑环境光的影响。因此，在至少一个清除信息项指示用于相关性的置信水平不足的情况下，使用至少一张颜色参考卡可以为确定浓度的方法提供附加置信和/或校正，从而提高分析物浓度值的准确性和/或可靠性。尽管如此，在至少一个清除信息项指示置信水平足够的情况下，使用至少一个颜色参考卡（通常需要附加处理步骤和/或对使用者造成额外的不便）可能已过时，并且因此可能会被排除在外。因此，如果需要的话并且在相关性的训练尚未完成的情况下，该方法可使准确性提高，然而，在清除信息指示相关性的置信水平足够并且因此指示训练已完成的情况下，可以在不使用颜色参考卡的情况下，执行将测试区的颜色形成转换为至少一个分析物浓度值。

可以以各种方式提供上文概述的至少一个清除信息项。例如，至少一个清除信息项可以是变量，其可以诸如设置在移动装置的数据存储装置中，并且/或者可以提供给移动装置，诸如经由至少一个无线接口或至少一个绕线接口。因此，例如，至少一个清除信息项可以包含至少一个清除信息标记，其具有指示置信水平不足的状态和指示置信水平足够的状态。因此，例如，至少一个清除信息标记可以是或可以包含二进制变量，其可以根据至少一个清除信息项和/或相对于用于相关性的置信水平的足够或不足来进行设置。

该方法可进一步包括：

iv) 如果清除信息项指示相关性的置信水平不足，则通过移动装置向使用者提供至少一个图像的捕获需要捕获至少一个颜色参考卡的至少一个图像的指示。

通常，可以由移动装置在移动装置的显示屏上提供以下指示：至少一个图像的捕获确实需要使用颜色参考卡；以及/或者至少一个图像的捕获不需要使用颜色参考卡。然而，其他指示手段也是可能的，诸如听觉指示等。

如上文所概述，至少一个清除信息项具体地可以存储在移动装置的数据存储装置中。因此，例如，清除信息标记可以是或可以包含至少一个变量（诸如二进制变量、位、字符等），其存储在移动装置的至少一个数据存储装置中。类似地，用于将测试区的颜色形成转换为分析物浓度值的至少一种相关性可以存储在移动装置的数据存储装置（诸如用于存储至少一个清除信息项的同一数据存储装置）中。因此，例如，相关性的一个或多个参数（诸如针对线性相关性，用于将至少一个颜色信息项转换为至少一个分析物浓度值的偏移参数和/或斜率参数）可以存储在数据存储装置中。

用于将测试区的颜色形成转换为分析物浓度的至少一种相关性具体地可以包括以下中的至少一者：算法、相关性矩阵、编码曲线或查找表。因此，如上文所概述，相关性例如可以包括编码曲线，诸如线性相关性编码曲线，例如特征在于偏移和斜率的编码曲线，其中从图像得出的至少一个颜色信息项可以通过线性变换转换为至少一个分析物浓度值。

例如，该算法可以基于虚拟参考装置方法。因此，例如，智能电话等一组若干移动装置可用于生成参考相对缓和。例如，基于参考相对缓和，可以确定斜率和偏移校正，例如智能电话特定的斜率和偏移校正。斜率和偏移校正可用于均衡多于一个移动装置在经校正的相对缓和中的行为。基于经校正的相对缓和，可以确定和/或推导共同的代码函数和/或编码曲线，诸如描述校正性相对缓和与分析物浓度之间的关系的数学函数。

用于将测试区的颜色形成转换为分析物浓度的至少一种相关性可包括将从至少一个图像得出的至少一个颜色信息项转换为分析物浓度。因此，如上文所概述，移动装置可以诸如通过至少一个处理器的软件编程来设置，用于从至少一个图像得出至少一个颜色信息项，诸如至少一个颜色坐标，诸如 R、G 或 B 坐标。至少一个颜色信息项还可以指示变化，诸如通过考虑干式图像与湿式图像相比的颜色坐标。

在本发明的进一步方面，公开了一种控制分析测量的方法，分析测量使用具有相机的至少一个移动装置。该方法包括以下步骤，这些步骤作为示例可以按照给定的顺序进行。然而，应当注意，不同的顺序也是可能的。此外，还可以一次或重复执行一个或多个方法步骤。此外，可以同时或以适时重合的方式执行两个或更多个方法步骤。该方法可包括未列出的其他方法步骤。

所述方法包括：

I.) 数据收集过程，其包括：

a. 执行多次分析测量，其中分析测量至少部分地包括通过使用相机来捕获具有测试区的光学测试条的至少一部分的图像并且进一步包括捕获至少一个颜色参考卡的图像；

b. 评估多次分析测量，从而确定至少一种相关性，该相关性被配置用于将测试区的颜色形成转换为分析物浓度值，而无需使用颜色参考卡；

c. 确定步骤 b. 中确定的用于相关性的置信水平；

d. 设置至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

II.) 执行根据本发明的确定体液中分析物的浓度的方法，诸如在上文所描述的实施例中的任一实施例中所公开的和/或根据下文所进一步详细描述的实施例中的任一实施例。

如本文所使用的术语“控制分析测量的方法”是广义的术语，且将被赋予对于本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于适用于执行、优化、改进、启动、触发或处理如上文所定义的一次或多次分析测量中的一者或多者的任何方法，其中至少一次分析测量包括使用具有至少一个相机的至少一个移动装置。

如本文所用，术语“数据收集过程”（其也称为“训练过程”、或“数据收集周期”或“设置过程”）是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于可在延长的时间段内发生的过程，其中在该过程期间，数据被收集并用于一个或多个控制目的，诸如用于改进至少一次分析测量或优化分析测量中的一者或多者。例如并且如下文将进一步详细概述的，数据收集过程可包括连接关于分析测量的信息并利用该信息来提高如上文所提及的用于相关性的置信水平。

如上文所概述，数据收集过程 I.) 包括：在步骤 a. 中，执行多次分析测量。如上文所定义，分析测量（也称为“分析物测量”）通常可以指但不限于（具体是体液的）任意样品或等分试样中的至少一种分析物的定量和/或定性确定。对于进一步的选择，可以参考上文给出的定义。步骤 a. 的分析测量或这些分析测量中的至少一些分析测量包括通过使用相机来捕获具有测试区的光学测试条的至少一部分的图像，并且进一步包括捕获至少一个颜色参考卡的图像。因此，数据收集过程期间的分析测量或数据收集过程的分析测量中的至少一些分析测量包括使用颜色参考卡的上述过程。出于数据收集过程的目的，这些分析测量可以用作训练测量。对于颜色参考卡的细节以及使用颜色参考卡的可能选择，可参考上文给出的描述。具体地，光学测试条的图像和颜色参考卡的图像可以是独立图像，或者可替代地，颜色参考卡的至少一部分和测试区的至少一部分可以在同一个图像中可见，从而例如形成同一个图像的独立子图像。

如上文所进一步概述，数据收集过程的步骤 b. 包括评估多次分析测量，具体是包括使用颜色参考卡的训练测量，从而确定至少一种相关性，该相关性被配置用于将测试区的颜色形成转换为分析物浓度值，而无需使用颜色参考卡。对于相关性的可能方案和实施例，可以参考上文给出的确定分析物的方法的描述。进一步地，为了确定相关性，可使用各种选择，这些选择也至少部分地在上文进行了讨论并且通常是技术人员所熟知的。因此，通常，至少一个颜色参考卡的图像可以提供参考数据，其中可以选择相关性使得通过使用相关性来将从具有测试区的光学测试条的至少一部分的图像得出的至少一个信息项转换为分析物浓度考虑了该参考数据，诸如匹配了该参考数据，从而允许通过使用相关性来执行未来的分析测量，而不使用从颜色参考卡得出的参考数据。

在步骤 b. 的数据收集过程中，从至少一个颜色参考卡的图像中得出的信息可以用作参考信息。因此，例如，从至少一个颜色参考卡的图像可以得出颜色参考信息，诸如针对分析测量中的每次分析测量或至少针对数据收集过程的多次分析测量中的一些分析测量。从图像得出的颜色参考信息可以例如提供标准化信息，其中，颜色参考卡例如具有一个或多个已知颜色，并且其中至少一个颜色参考信息项可以从图像中得出。因此，可以将从测试区的对应图像得出的对应颜色参考信息与从颜色参考卡的图像得出的颜色参考信息进行比较，这允许校正由相机和/或移动装置引起的颜色变化。因此，例如，在从测试区的图像得出的至少一个颜色信息项等于从颜色参考卡的至少一个颜色参考区的图像得出的颜色信息项的情况下，并且在已知该颜色参考区对应于体液的样品中分析物的特定分析物浓度的情况下，可以得出用于将测试区的颜色形成（即用于将从测试区的图像得出的至少一个颜色信息项）转换为分析物浓度值的特定相关性，诸如转换系数和/或线性相关性和/或另一类型的相关性，诸如数学关系，其将测试区的图像的颜色信息项转化为对应的分析物浓度值。例如，可以使用回归分析。另外地或可替代地并且如下文将进一步详细概述的，可以使用人工神经网络。因此，相关性可具体地被配置用于将从具有测试区的光学测试条的图像得出的至少一个颜色信息项转换成分析物浓度值。因此，例如，相关性可以是或可以包括直接参考颜色比较、插值和绝对颜色确定中的一者或多者。

如上文所进一步概述，在步骤 c. 中，确定在步骤 b. 中确定的用于相关性的置信水平。该置信水平例如可以如上文所讨论通过使用统计分析得出。因此，例如，从步骤 a.的训练分析测量的评估以及它们在步骤 b. 中的评估，统计分析可用于得出相关性的不确定程度。例如，当例如在使用回归分析时使用将至少一个颜色信息项转换为对应的分析浓度值时，可以使用标准偏差或技术人员熟知的类似值来描述不确定程度。当使用人工神经网络和/或任何其他分类方法（诸如决策树、最近邻等）来确定相关性时，可以得出类似的置信信息。

同样如上文所讨论，在步骤 d. 中，设置至少一个清除信息项，该至少一个清除信息项指示在步骤 b. 中得出的用于相关性的置信水平。例如，至少一个清除信息项可简单地指示置信水平是否指示置信足够或置信不足，其中，如上文在确定体液中分析物的浓度的方法的上下文中所讨论，一旦置信水平达到足够，就可以在不使用颜色参考卡的情况下执行确定分析物的浓度的方法。例如并且如下文将进一步详细概述的，可以根据阶跃函数设置至少一个清除信息项，其中，一旦该至少一个清除信息项达到至少一个阈值，阶跃函数就从指示置信水平不足的水平变为指示置信水平足够的水平，或者反过来。

如上文所进一步讨论，除了步骤 I.) 中的数据收集过程和/或训练过程之外，控制分析测量的方法还包括：在步骤 II.) 中，执行根据本发明（即根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的该方法的实施例中的任一个实施例）的确定体液中分析物的浓度的方法。应注意，步骤 I.) 中的训练过程可部分地在移动装置之外执行，而步骤 II.) 通过使用移动装置来执行。因此，例如，具体地，步骤 I.) 的训练过程的步骤 b.、c. 或 d. 中的一个或多个步骤可完全或部分地通过与移动装置分开的至少一个计算机或计算机系统来执行。因此，例如，可以通过使用移动装置来生成训练数据以执行步骤 a.，其中训练数据或从其得出的数据（包括例如图像或从图像得出的至少一个信息项）可例如无线地传输到至少一个评估计算机，其中步骤 b.、c. 和 d. 中的一个或多个步骤或所有步骤至少部分地由评估计算机执行。至少一个清除信息项可以由评估计算机传输回到移动装置。进一步地，相关性或表征相关性的信息（诸如表征线性相关性的偏移和/或斜率的数据等）也可从评估计算机传输回到移动装置。然而，并行地或可替代地，训练测量也可以由移动装置本身完全或部分地评估，例如通过使移动装置完全或部分地执行步骤b.、c. 和 d. 中的一个或多个步骤。

步骤 I.) 的训练过程可以在步骤 II.) 的主动测量过程之前，即在执行步骤II.) 之前，可以在步骤 I.) 中评估多个训练样品。然而，另外地或可替代地，可以迭代地执行训练，其中在已执行步骤 II.) 至少一次之后执行步骤 I.) 的一次或多次迭代。进一步地，步骤 I.) 和 II.) 可至少部分地使用相同的分析测量，即步骤 I.) a. 的分析测量还可至少部分地用作用于在步骤 II.) 中确定分析物的浓度的方法的目的的分析测量，这允许使用“真实”测量数据以同样用于训练的目的，只要测量包括捕获至少一个颜色参考卡的图像即可。一旦至少一个清除信息项指示相关性的置信水平足够，就可以停止训练，或者可替代地，诸如仍然可以以规则或不规则的间隔使用颜色参考卡来执行训练步骤，诸如用于提高相关性的置信水平和/或用于检查相关性的置信水平，诸如以便避免和/或考虑劣化效应、电子偏移或设置的其他变化。

在步骤 a. 中执行的所有分析测量都可以在相同的测量条件下执行，或者可以在多种不同的测量条件下执行。因此，例如，可以使用不同的测量条件，诸如不同的照明条件、不同的样品条件、不同的温度、不同的分析物浓度等。这些不同的测量条件可有助于改善相关性，诸如通过考虑体液的样品中分析物的浓度以外的因素，例如血细胞比容值、样品温度、照明等。具体地，在使用人工神经网络但也使用其他手段（诸如回归方法）进行评估以及确定相关性时，可以考虑除体液的样品中分析物的浓度之外的这些因素，使得相关性是考虑到这些因素的函数或相关性。

如上文所概述，在步骤 b. 中，评估步骤 a. 的多次分析测量。如上文所概述，这种评估可以利用各种手段，诸如统计分析或使用人工神经网络。具体地，评估还可以搜索图像中的模式或相似性，以便考虑这些模式或相似性以生成相关性。因此，通常，步骤 b. 可包括评估在步骤 a. 中捕获的图像，从而识别图像中的至少一些图像中的相似性，相似性是指相似模式或相似变量中的至少一者，设置相似性与分析测量的特定条件相关的。分析测量的具体条件可包括例如以下中的至少一者：至少一种特定分析物浓度；至少一种特定范围的分析物浓度；至少一种特定类型的移动装置，例如至少一种特定类型的移动电话；至少一项另外的信息，诸如制造商、位置（例如地理位置）和日期，例如图像捕获日期。

相应地，置信水平也可取决于分析测量的特定条件。因此，置信水平例如可以考虑特定分析物浓度或特定范围的分析物浓度和/或特定类型的移动电话等因素。然而，另外地或可替代地，置信水平也可以特定于某些照明条件等。因此，通常，在步骤 c. 中确定的置信水平可以是特定于分析测量的特定条件中的至少一个特定条件（具体地特定于特定类型的移动电话）的置信水平。例如，可以确定若干置信水平，诸如针对分析测量的不同条件的置信水平。例如，可以针对不同范围的分析物浓度确定不同的置信水平并且/或者可以针对不同类型的移动装置确定不同的置信水平。因此，例如，针对一种类型的移动电话的置信水平可以是足够的，而针对另一种类型的移动电话的置信水平可能不足，从而指示需要更多的训练。

识别图像中的至少一些图像中的相似性因此可包括识别图像的组中的相似性。因此，例如，步骤 b. 中的评估可包括对分析测量和/或图像进行分组，诸如根据特定特征和/或根据其他分组标准，诸如分析测量的条件和/或从图像得出的分组标准。

如上文所概述，步骤 b. 可包括使用至少一个人工神经网络。如本文所用，术语“人工神经网络”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于计算机、计算机系统、计算机网络或计算机程序，其能够诸如在不被编程有任务特定规则的情况下通过考虑一个或多个实例来学习执行一个或多个任务。通常，该术语可以指能够实现深度学习过程的系统。具体地，至少一个人工神经网络可包括至少一个自学习或机器学习系统。例如，人工神经网络可包括具有多个节点的至少一个输入层、具有多个节点的至少一个输出层以及任选地位于输入层和输出层之间的一个或多个隐藏层。相邻层之间的节点可通过信号连接互连。人工神经网络具体地可以模拟人脑的学习过程。至少一个人工神经网络具体地可以是或者可以包括至少一个卷积神经网络。如技术人员将理解的，人工神经网络具体地可用于识别或分析图像和/或用于识别多个图像中的特征或相似性。因此，例如，至少一个人工神经网络可用于识别图像中的至少一些图像中的相似性。相似性具体地可以指以下中的至少一者：相似模式、相似变量、与分析测量的特定条件相关的相似性。

如上文所概述，用于设置至少一个清除信息项的若干手段通常是可能的，诸如使用与至少一个阈值的比较和/或应用至少一个阶跃函数。因此，例如，步骤 d. 可包括：将置信水平与至少一个预定阈值（具体是预定最小值）进行比较；以及基于该比较，将至少一个清除信息项设置为值，该值分别指示用于在不使用颜色参考卡的情况下进行测量的置信水平不足，或用于在不使用颜色参考卡的情况下进行测量的置信水平足够。

在本发明的进一步方面，公开了一种移动装置，该移动装置具有至少一个相机，并且该移动装置被配置用于执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的确定体液中分析物的浓度的方法。具体地，移动装置可包括至少一个处理器。如本文所用，术语“处理器”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可以指但不限于以下项：任意逻辑电路，其配置成用于执行计算机或系统的基本操作；和/或，一般而言，配置成用于执行计算或逻辑操作的设备。特别地，处理器可配置成用于处理驱动计算机或系统的基本指令。作为实例，处理器可包括至少一个算术逻辑单元 (ALU)、至少一个浮点运算单元 (FPU)（诸如数学协处理器或数值协处理器）、多个寄存器（具体地是配置成用于向 ALU 提供操作数并存储操作结果的寄存器）以及一个存储器（诸如 L1 和 L2 高速缓冲存储器）。特别地，处理器可以是多核处理器。具体地，处理器可以是或可包括中央处理单元 (CPU)。另外地或另选地，处理器可以是或可包括微处理器，因此，具体地，处理器的元件可包含在一个单一集成电路 (IC) 芯片中。另外地或可替代地，处理器可以是或可以包括一个或多个专用集成电路 (ASIC) 和/或一个或多个现场可编程门阵列 (FPGA) 和/或一个或多个张量处理单元 (TPU) 和/或一个或多个芯片，诸如专用机器学习优化芯片等。

处理器具体地可诸如通过软件编程被配置用于执行和/或支持方法的方法步骤。具体地，处理器可被配置用于支持通过使用相机来捕获具有测试区的光学测试条的至少一部分的至少一个图像。处理器可以进一步被配置用于从测试区的颜色形成确定至少一个分析物浓度值，诸如通过评估图像、从图像得出至少一个信息项以及通过将至少一个信息项转换为至少一个分析物浓度值。处理器具体地可以进一步被配置用于支持方法的步骤 i)、ii) 和 iii) 中的一个或多个或所有步骤，诸如用于提供和/或接收相关性，诸如用于提供回应或接收至少一个清除信息项和用于评估至少一个清除信息项以及用于进一步向使用者提供指示，表明至少一个图像的捕获不需要使用颜色参考卡。处理器可以进一步被配置用于支持将样品施加到测试条，诸如通过提供例如视觉格式等或听觉格式的使用者指导。处理器可以进一步被配置用于支持至少一个图像的捕获，例如通过在视野中自动地检测测试条或其一部分和/或通过提示使用者捕获图像。

在本发明的进一步方面，公开了一种用于控制分析测量的系统。该系统包括具有至少一个相机的至少一个移动装置。该系统进一步被配置用于执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的使用至少一个移动装置来控制分析测量的方法。因此，该系统通常可包括被配置用于交互的多个部件。因此，除了至少一个移动装置之外，该系统具体地还可包括至少一个评估装置，该评估装置被配置用于执行至少步骤 b.、c. 和 d.。例如，评估装置可具体地以无线方式（诸如经由互联网和/或经由无线通信网络）连接到移动装置。例如，评估装置可包括计算机和计算机系统中的一者或多者（诸如服务器、服务器系统或基于云的服务器或服务器系统中的一者或多者），其通过软件编程来配置用于执行至少步骤 b.、c. 和 d.。评估装置可以进一步被配置用于（具体地，无线地）接收在步骤 a. 中生成的结果，诸如图像和/或其部分和/或从图像得出的至少一个信息项，诸如至少一个颜色信息项和/或至少一个从其得出的分析测量值。进而，评估装置可以进一步被配置用于诸如以无线方式将至少一个清除信息项传输到移动装置。为了进行接收和发射，评估装置可以包括至少一个接收器和/或至少一个发射器。

评估装置具体地可以与移动装置分开，诸如远离移动装置。如上文所概述，评估装置具体地可以被配置用于具体地以无线方式与移动装置通信。评估装置可包括服务器装置和基于云的评估装置中的至少一者。评估装置具体地可进一步被配置用于将至少一个清除信息项传输到移动装置。

在本发明的进一步方面，公开了计算机程序和计算机可读存储介质，它们完全或部分地支持或执行根据本发明的方法，即确定分析物的浓度的方法和/或控制分析测量的方法中的一者或两者，例如在上文公开的实施例中的一个或多个实施例中和/或在下文进一步详细公开的实施例中的一个或多个实施例中。因此，在进一步方面，一种包含指令的计算机程序，当该程序由具有相机的移动装置（具体是移动装置的处理器）执行时，该指令使移动装置执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的确定体液中分析物的浓度的方法。类似地，一种包含指令的计算机可读存储介质，该指令当由具有相机的移动装置（具体是由移动装置的处理器）执行时，使移动装置执行根据本发明（诸如根据上面公开的实施例中的任一个实施例和/或根据下面更详细公开的实施例中的任一个实施例）的确定体液中分析物的浓度的方法。进一步地，公开了一种计算机程序，其包含指令，当该程序由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的用于控制分析测量的系统执行时，该指令使系统执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的控制分析测量的方法。类似地，公开了一种计算机可读存储介质，其包含指令，该指令当由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的用于控制分析测量的系统执行时，使该系统执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的控制分析测量的方法。

如本文所用，术语“计算机可读存储介质”具体地可以指非暂时性数据存储装置，诸如其上存储有计算机可执行指令的硬件存储介质。计算机可读数据载体或存储介质具体地可以是或可包括诸如随机存取存储器 (RAM) 和/或只读存储器 (ROM) 之类的存储介质。

计算机程序还可以体现为计算机程序产品。如本文所用，计算机程序产品可以指作为可交易产品的程序。该产品一般可以任意格式（诸如纸质格式）存在，或存在于计算机可读数据载体和/或计算机可读存储介质上。具体地讲，计算机程序产品可以分布在数据网络上。

根据本发明的方法和装置与本领域中已知的类似方法和装置相比提供大量的优点。因此，与本领域已知的方法和装置相比，本文所述的方法和装置可提升测量灵活性和处理。具体地，可以通过允许大量移动装置用于分析物测量确定和控制来提升测量灵活性和处理。本发明可允许用于分析测量的大量移动装置甚至可以是数量越来越多（由于持续发布，诸如新智能电话的持续发布）的移动装置。特别地，根据本发明的方法和装置可通过执行训练过程（例如生成训练数据）来允许使用这些移动装置。特别地，在执行分析物测量的同时生成训练数据可比用于在实验室环境中生成训练数据的复杂且耗时的专门研究更优选。

进一步地，本发明的方法和装置（例如，通过使用参考卡）可以提高已知方法和装置的测量安全性。具体地，使用根据本发明的参考卡（例如生成参考卡测量数据）可用于训练人工神经网络，诸如基于图像的神经网络。因此，例如通过允许方法和装置适应真实环境和条件，诸如智能手机特定和场景特定的方面，根据本发明的分析测量可比本领域已知的测量更安全。

此外，由于允许例如在初始数据收集过程之后，独立于参考卡来确定分析物测量浓度，因此本方法和装置可以增强测量性能。因此，一旦收集到足够的数据和/或可以训练人工网络，就可以不再需要参考卡。不再需要参考卡来确定分析物浓度的简单性可进一步提升使用者处理。

总结并且不排除另外的可能的实施例，可以设想以下实施例：

实施例 1：一种确定体液中分析物的浓度的方法，该方法包括使用具有相机的移动装置，其中方法包括通过使用相机捕获具有测试区的光学测试条的至少一部分的至少一个图像，并且其中该方法进一步包括从测试区的颜色形成确定至少一个分析物浓度值，其中该方法包括：

i) 在移动装置中提供用于将测试区的颜色形成转换为分析物浓度值的至少一种相关性；

ii) 在移动装置中提供至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

iii) 如果清除信息项指示相关性的置信水平足够，则通过移动装置 (112) 向使用者提供至少一个图像的捕获不需要使用颜色参考卡的指示。

实施例 2：根据前述实施例所述的方法，其中至少一个清除信息项包括清除信息标记，该清除信息标记具有指示置信水平不足的状态和指示置信水平足够的状态。

实施例 3：根据前述实施例中任一项所述的方法，其中该方法进一步包括：

iv) 如果清除信息项指示相关性的置信水平不足，则通过移动装置 (112) 向使用者提供至少一个图像的捕获需要捕获至少一个颜色参考卡的至少一个图像的指示。

实施例 4：根据前述实施例中任一项所述的方法，其中该指示是由移动装置在该移动装置的显示屏上提供的。

实施例 5：根据前述实施例中任一项所述的方法，其中至少一个清除信息项存储在移动装置的数据存储装置中。

实施例 6：根据前述实施例中任一项的方法，其中用于将测试区的颜色形成转换为分析物浓度值的至少一种相关性存储在移动装置的数据存储装置中。

实施例 7：根据前述实施例中任一项所述的方法，其中用于将测试区的颜色形成转换为分析物浓度的至少一种相关性包括以下中的至少一者：算法、相关性矩阵、编码曲线或查找表。

实施例 8：根据前述权利要求中任一项所述的方法，其中用于将测试区的颜色形成转换为分析物浓度的至少一种相关性包括将从至少一个图像得出的至少一个颜色信息项转换为分析物浓度。

实施例 9：一种控制使用具有相机的至少一个移动装置的分析测量的方法，该方法包括：

I.) 数据收集过程，其包括：

a. 执行多次分析测量，其中分析测量至少部分地包括通过使用相机来捕获具有测试区的光学测试条的至少一部分的图像并且进一步包括捕获至少一个颜色参考卡的图像；

b. 评估多次分析测量，从而确定至少一种相关性，该相关性被配置用于将测试区的颜色形成转换为分析物浓度值，而无需使用颜色参考卡；

c. 确定步骤 b. 中确定的用于相关性的置信水平；

d. 设置至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

II.) 执行根据前述实施例中任一项所述的确定体液中分析物的浓度的方法。

实施例 10：根据前述实施例所述的方法，其中在步骤 a. 中执行的分析测量是至少部分地在各种不同的测量条件下执行的。

实施例 11：根据前述两个实施例中任一项所述的方法，其中步骤 b. 包括评估在步骤 a. 中捕获的图像，从而识别图像中的至少一些图像中的相似性，相似性具体地是指相似模式、相似变量、与分析测量的特定条件相关的相似性中的至少一者。

实施例 12：根据前述实施例所述的方法，其中分析测量的特定条件包括以下中的至少一者：至少一种特定分析物浓度；至少一种特定范围的分析物浓度；至少一种特定类型的移动装置；至少一项另外的信息，诸如制造商、位置（例如地理位置）和日期，例如图像捕获日期。

实施例 13：根据前述实施例所述的方法，其中在步骤 c. 中确定的置信水平是特定于分析测量的特定条件中的至少一个特定条件（具体地特定于特定类型的移动装置）的置信水平。

实施例 14：根据前述三个实施例中任一项所述的方法，其中图像中的至少一些图像中的相似性的识别包括识别图像的组中的相似性。

实施例 15：根据前述六个实施例中任一项所述的方法，其中步骤 b. 包括使用人工神经网络，具体地用于识别图像中的至少一些图像中的相似性，该相似性是指相似模式或相似变量中的至少一者，设置相似性与分析测量的特定条件相关的。

实施例 16：根据前述七个实施例中任一项所述的方法，其中步骤 d. 包括：将所述置信水平与预定阈值（具体是预定最小值）进行比较；以及基于该比较，将至少一个清除信息项设置为值，该值分别指示用于在不使用颜色参考卡的情况下进行测量的置信水平不足，或用于在不使用颜色参考卡的情况下进行测量的置信水平足够。

实施例 17：一种具有至少一个相机的移动装置，该移动装置被配置用于执行根据实施例 1 至 8 中任一项所述的确定体液中分析物的浓度的方法。

实施例 18：根据前述实施例所述的移动装置，其中该移动装置进一步包括至少一个处理器。

实施例 19：一种用于控制分析测量的系统，该系统包括具有至少一个相机的至少一个移动装置，该系统被配置用于执行根据实施例 9 至 16 中任一项所述的方法。

实施例 20：根据前述实施例所述的系统，其中该系统包括被配置用于执行至少步骤 b.、c. 和 d. 的至少一个评估装置。

实施例 21：根据前述实施例所述的系统，其中评估装置与移动装置分开并且被配置用于与该移动装置通信。

实施例 22：根据前述两个实施例中的任一项所述的系统，其中该评估装置包括服务器装置和基于云的评估装置中的至少一者。

实施例 23：根据前述三个实施例中的任一项所述的系统，其中该评估装置被配置用于将至少一个清除信息项传输到移动装置。

实施例 24：一种计算机程序，其包含指令，当该程序由具有相机的移动装置（具体是移动装置的处理器）执行时，该指令使移动装置执行根据实施例 1 至 8 中任一项所述的方法。

实施例 25：一种计算机可读存储介质，其包含指令，该指令在由具有相机的移动装置（具体是移动装置的处理器）执行时使移动装置执行根据实施例 1 至 8 中任一项所述的方法。

实施例 26：一种计算机程序，其包含指令，当该程序由根据实施例 19 至 23 中任一项所述的系统执行时，该指令使系统执行根据实施例 9 至 16 中任一项所述的方法。

实施例 27：一种计算机可读存储介质，其包含指令，该指令当由根据实施例 19至 23 中任一项所述的系统执行时使系统执行根据实施例 9 至 16 中任一项的方法。

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另外的可选特征和实施例。其中，如本领域技术人员将认识到的，各个任选特征可以按单独的方式以及按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，这些附图中相同的附图标记是指相同或功能上相当的元件。

在附图中：

图 1 在透视图中示出了移动装置和用于控制分析测量的系统的实施例；

图 2 和图 3 示出了确定体液中分析物的浓度的方法的不同实施例的流程图；

图 4 示出了控制分析测量的方法的实施例的流程图；

图 5 示出了对确定体液中分析物的浓度的方法的影响因素；

图 6 示出了控制分析测量的方法的实施例的流程图；并且

图 7 示出了控制分析测量的方法的一部分的流程图。

具体实施方式

在图 1 中，移动装置 112 和用于控制分析测量的系统 110 的实施例以透视图示出。移动装置 112 具有至少一个相机 114。进一步地，移动装置 112 被配置用于执行确定体液中分析物的浓度的方法 116。确定体液中分析物的浓度的方法 116 也可称为确定方法 116。将参考图 3 和图 2 所示的流程图中所示的示例性实施例来描述该确定方法116。系统 110 包括具有至少一个相机 114 的至少一个移动装置 112。系统 110 进一步被配置用于执行控制分析测量的方法 118。控制分析测量的方法 118 也可称为控制方法118。将参考图 4 和图 6 所示的流程图中所示的示例性实施例来描述该控制方法 118。

系统 110 可进一步包括至少一个评估装置 120。评估装置 120 可具体地与移动装置 112 分开并且可被配置用于与移动装置 112 通信，在图 1 中由指向相反方向的两个箭头示出。特别地，评估装置 120 可将至少一个清除信息项传输到移动装置 112。例如，评估装置 120 可包括服务器装置 130 和基于云的评估装置 132 中的至少一者。移动装置可进一步包括至少一个处理器 122。处理器 122 可具体地支持移动装置 112 的图像采集，诸如捕获具有测试区 126 的光学测试条 124 的至少一部分的图像。图 1 中进一步示出了颜色参考卡 128。

确定体液中分析物的浓度的方法 116 包括使用具有相机 114 的移动装置 112。方法 116 进一步包括通过使用相机 114 来捕获具有测试区 126 的光学测试条 124 的至少一部分的至少一个图像。方法 116 进一步包括从测试区 126 的颜色形成确定至少一个分析物浓度值。此外，方法 116 包括以下步骤，这些步骤可具体地以给定顺序执行。但是，不同的顺序也是可行的。完全或部分地同时执行方法步骤中的两个或多个是可能的。一次性或重复地执行方法步骤中的一个、多于一个、或甚至是所有步骤，进一步是可能的。方法 116 可包括未列出的其他方法步骤。方法 116 的方法步骤如下：

i) （用附图标记 134 表示）在移动装置 112 中提供用于将测试区 126 的颜色形成转换为分析物浓度值的至少一种相关性；

ii) （用附图标记 136 表示）在移动装置 112 提供至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

iii) （用附图标记 138 表示）如果清除信息项指示相关性的置信水平足够，则通过移动装置 112 向使用者提供至少一个图像的捕获不需要使用颜色参考卡 128。

此外，如图 3 示例性所示，方法 116 可以包括分支点 140。分支点 140 可以指示条件查询，诸如在第一分支 142 与第二分支 144 之间作决定。例如，条件查询可以利用清除信息项。清除信息项可以例如包括清除信息标记，其具有指示置信水平不足的状态和指示置信水平足够的状态。因此，清除信息项可包括布尔信息，诸如“足够”（“y”）或“不足”（“n”）。例如，如果清除信息项指示相关性的置信水平不足，移动装置 112 向使用者提供至少一个图像的捕获需要捕获至少一个颜色参考卡 128 的至少一个图像，则第一分支 142可指示置信水平不足并且可以产生步骤 iv)（用附图标记 146 表示）。第二分支 144 指示置信水平足够并且因此产生步骤 iii) 138。

控制使用具有相机 114 的至少一个移动装置 112 来控制分析测量的方法 118包括以下步骤，这些步骤可以具体地以给定顺序执行。但是，不同的顺序也是可行的。完全或部分地同时执行方法步骤中的两个或多个是可能的。一次性或重复地执行方法步骤中的一个、多于一个、或甚至是所有步骤，进一步是可能的。方法 118 可包括未列出的其他方法步骤。方法 118 的方法步骤如下：

I.) （用附图标记 148 表示）数据收集过程，其包括：

a. （用附图标记 150 表示）执行多次分析测量，其中分析测量至少部分地包括通过使用相机 114 捕获具有测试区 126 的光学测试条 124 的至少一部分的图像并且进一步包括捕获至少一个颜色参考卡 128 的图像；

b. （用附图标记 152 表示）评估多次分析测量，从而确定至少一种相关性，该相关性被配置用于将测试区 126 的颜色形成转换为分析物浓度值，而无需使用颜色参考卡128；

c. （用附图标记 154 表示）确定步骤 b. 中确定的用于相关性的置信水平；

d. （用附图标记 156 表示）设置至少一个清除信息项，该至少一个清除信息项指示用于相关性的置信水平；以及

II.) 执行确定体液中分析物的浓度的方法 116。

特别地，步骤 b. 可包括使用人工神经网络，具体地用于识别图像中的至少一些图像中的相似性。具体地，相似性可以指相似模式或相似变量中的至少一者。详细地说，相似性可与分析测量的特定条件有关。分析测量（具体是确定体液中分析物的浓度的方法）可能会受到各种影响因素的影响，如图 5 示例性所示。可能影响分析测量的外部因素 158可以是或可以包括处理方面 160、样品变量 162 和进一步的外部变量 164。例如，处理方面 160 可以是或可以包括时间方面，例如定时以及角度或空间取向，例如光学测试条 124和相机 114 的角度或空间取向。例如，样品变量 162 可以是或可以包括影响分析测量的样品的特性，诸如血细胞比容 (hct)、血容量和干扰，诸如麦芽糖等。进一步的外部变量164 可以例如包括温度和湿度。

进一步的影响因素可通过例如在步骤 iii) 138 和步骤 a. 150 中在捕获至少一个图像时发生或进行干扰来影响分析测量。特别地，捕获至少一个图像（例如以便检索图像的 RGB 数据 165）可包括至少两个子步骤，诸如图像采集 166 和图像处理 168，例如这些子步骤可能受不同影响因素的影响。因此，例如，图像采集 166 可能受到移动装置 112（例如智能电话）的属性或特性的影响，诸如通过相机设置变量 170，例如曝光时间、ISO 设置、RGGB 增益等，以及通过光学变量 172，其可包括传感器设置，诸如光圈、焦距、再现比例、像素分辨率和传感器类型（例如拜耳传感器）。进一步地，图像采集 166 可能受到图像场景变量 174 （诸如环境光（例如强度和/或光谱分布）、背景（例如背景照明或颜色）、以及光学测试条 124 与背景的比率，例如表示光学测试条 124 的像素与表示背景的像素之间的像素比）的影响。可能影响图像处理 168 的移动装置 112 的属性或特性可以是或可以包括色调映射 176、颜色变换矩阵 178 和去马赛克 180。

在图 6 中，示出了控制分析测量的方法的实施例的流程图。其中，例如，图 6 的左上角的黑点或圆圈示出了控制分析测量的方法 118 的起点。如图 6 中示例性所示，方法 118 可开始于在第二分支 144 之间作决定的分支点 140，该第二分支可指示具有指示置信水平“足够”（“y”）的状态的清除信息标记，并且可以产生步骤 iii) 138。随后，可以通过使用相机 114 来执行具有测试区 126 的光学测试条 124 的至少一部分的至少一个图像的捕获 182，而无需使用颜色参考卡 128。具体地，步骤 182 之后可以是从测试区 126的颜色形成确定 184 至少一个分析物浓度值。

第一分支 142 可指示具有指示置信水平“不足”（“n”）的状态的清除信息标记，并且可以产生在第一分支 188 和第二分支 190 之间作决定的下一个分支点 186。第一分支142 可以是“默认”分支或默认设置，使得默认情况下可能需要使用者使用颜色参考卡128。分支点 186 可以包括对云访问 186 的检查，诸如确定移动装置 112 是否可以访问在数据收集过程 I.) 148 中收集的数据（例如存储在基于云的评估装置 132 上）。因此，第一分支 188 可以指示“云访问”（“y”）并且可以产生在第一分支 194 与第二分支 196之间作决定的进一步的分支点 192，该决定是关于在数据收集过程 I.) 148 中收集的数据是指示置信水平“足够”（“y”）还是“不足”（“n”）。具体地，查询 192 可包括针对移动装置112 的仅条带清除检查，诸如通过确定在步骤 c. 154 中确定的置信水平是足够还是不足。如图所示，第一分支 194 可指示置信水平“足够”（“y”），并且因此可以产生将清除信息标记设置 198 到指示置信水平足够的状态的步骤，并且可以随后产生执行方法 116，具体地产生步骤 iii) 138，如上文所描述。第二分支 190 可以指示“无云访问”。第二分支 196可以指示在数据收集过程 I.) 148 中收集的数据以指示置信水平“不足”。

第二分支 190 和第二分支 196 两者都可产生步骤 iv) 146。因此，对于这两种情况，例如对于移动装置 112 被认为具有“无云访问”的情况和对于在数据收集过程 I.)148 中收集的数据指示置信水平“不足”的情况，结果可以是相同的。具体地，可以执行确定体液中分析物的浓度的方法 116，其中通过使用相机 114 来捕获 182 具有测试区 126的光学测试条 124 的至少一部分的至少一个图像需要使用至少一个参考卡 128。同样，步骤 182 之后可以是从测试区 126 的颜色形成确定 184 至少一个分析物浓度值。特别地，方法 116 的执行（其中捕获 182 至少一个图像需要捕获至少一个颜色参考卡 128 的至少一个图像）可以进一步包括存储 200 测量细节，诸如元数据（例如图像）、至少一个中间步骤和至少一个智能电话元数据。详细地，至少一个中间步骤具体地可以是或者可以包括强度校正、颜色校正和颜色参考卡质量检查。进一步地，至少一个智能电话元数据可以是或可以包含关于用于捕获至少一个图像的智能电话的信息，诸如制造商、型号类型、自动设置（例如所使用的自动设置）和硬件信息。测量细节可用在数据收集过程 I.) 148 中，具体是在步骤 b. 152 中，如由图 6 中从方法 116 指向步骤 I.) 148 的箭头示例性地示出的。例如，可以使用来自各种测量的测量细节，例如使用颜色参考卡 128 的不同实施例。

在图 7 中，示出了控制分析测量的方法 118 的一部分的流程图。具体地，示出了关于步骤 I.) 148 的细节。同样，图 7 左上角的黑点或圆圈示出了起点。首先，在评估装置 120 上，可以根据用于生成特定收集数据的移动装置 112，例如根据电话型号类型，对收集数据进行聚类或分类（用附图标记 202 表示）。随后，对于每个移动装置 112，例如，对于每种电话型号类型，可以对强度信息进行聚类或分类（用附图标记 204 表示）。进一步地，对于每个强度信息和每个移动装置 112，例如，对于每个强度信息和每个智能手机，可以对颜色信息进行聚类或分类（用附图标记 206 表示）。具体地，聚类的强度信息和颜色信息可适合于显示特定于相应移动装置 112（用附图标记 208 表示）的环境照明和图像记录信息。例如，可以分别显示每个智能电话的环境照明和图像记录黑匣子。

进一步地，可以使聚类数据经历分支点 210，该分支点基于聚类数据的数量在第一分支 212 和第二分支 214 之间做决定。具体地，可以检查每个集群的数据量，决定数据量是“足够”（“y”）还是“不足”（“n”）。

具体地，可以使用人工神经网络 (ANN)，例如用于图像分析。原则上，光学和/或色度测试条算法可以基于使用 ANN。但是，为了训练基于图像的神经网络（如例如任何类型的卷积神经网络 (CNN)），应该有足够的数据（例如超过预定阈值量的数据）可用，例如涵盖（例如独立地和组合地）多种情况的数据，诸如针对多个影响因素的血糖值。因此，指示数据量“不足”的第二分支 214 可能导致中止该方法（用附图标记 216 表示）。

如果认为数据量“足够”，例如在第一分支 212 上作决定，则可以根据聚类数据来训练 CNN（用附图标记 218 表示）。随后，可以利用独立测试数据来验证 CNN 质量（用附图标记 220 表示）。随后，神经网络（诸如 CNN）的性能可能会受到另一条件查询或分支点222 的影响，其中可对神经网络（例如 CNN）的性能进行验证。通过的验证可通向将清除信息标记设置为指示置信水平足够的状态的步骤 198。在验证没有通过的情况下，同样可以中止 216 该方法。

例如，来自任何基于参考卡的应用程序版本的可用参考卡测量数据可用于部分地训练基于图像的神经网络。特别地，参考卡数据可再用于训练智能电话特定的方面以及场景特定的方面。

附图标记列表

110 系统

112 移动装置

114 相机

116 确定方法

118 控制方法

120 评估装置

122 处理器

124 光学测试条

126 测试区

128 颜色参考卡

130 服务器装置

132 基于云的评估装置

134 步骤 i)

136 步骤 ii)

138 步骤 iii)

140 分支点

142 第一分支

144 第二分支

146 步骤 iv)

148 步骤 I.)

150 步骤 a.

152 步骤 b.

154 步骤 c.

156 步骤 d.

158 外部因素

160 处理方面

162 样品变量

164 外部变量

165 图像的 RGB 数据

166 图像采集

168 图像处理

170 相机设置变量

172 光学变量

174 图像场景变量

176 色调映射

178 颜色变换矩阵

180 去马赛克

182 使用相机来捕获具有测试区的光学测试条的至少一部分的至少一个图像

184 从测试区的颜色形成确定至少一个分析物浓度值

186 分支点-检查云访问

188 第一分支指示“云访问”

190 第二分支指示“无云访问”

192 分支点

194 第一分支指示置信水平“足够”

196 第二分支指示置信水平“不足”

198 将清除信息标记设置为表示置信水平足够的状态

200 存储测量细节

202 根据移动装置对收集数据进行聚类

204 聚类强度信息

206 聚类颜色信息

208 显示环境照明和图像记录信息

210 分支点—检查数据的量

212 第一分支指示“足够”

214 第二分支指示“不足”

216 中止方法

218 根据聚类数据训练卷积神经网络

220 利用独立测试数据来验证神经网络质量

222 分支点—验证。

Claims (15)

1.一种确定体液中分析物的浓度的方法，所述方法包括使用具有相机 (114) 的移动装置 (112)，其中所述方法包括通过使用所述相机 (114) 捕获具有测试区 (126) 的光学测试条 (124) 的至少一部分的至少一个图像，并且其中所述方法进一步包括从所述测试区 (126) 的颜色形成确定至少一个分析物浓度值，其中所述方法包括：

i) 在所述移动装置 (112) 中提供用于将所述测试区 (126) 的颜色形成转换为分析物浓度值的至少一种相关性；

ii) 在所述移动装置 (112) 中提供至少一个清除信息项，所述至少一个清除信息项指示用于所述相关性的置信水平；以及

iii) 如果所述清除信息项指示用于所述相关性的置信水平足够，则通过所述移动装置 (112) 向使用者提供所述至少一个图像的所述捕获不需要使用颜色参考卡 (128) 的指示。

2.根据前述权利要求所述的方法，其中所述至少一个清除信息项包括清除信息标记，所述清除信息标记具有指示置信水平不足的状态和指示置信水平足够的状态。

3.根据前述权利要求中任一项所述的方法，其中所述方法进一步包括：

iv) 如果所述清除信息项指示用于所述相关性的置信水平不足，则通过所述移动装置(112) 向使用者提供所述至少一个图像的所述捕获需要捕获至少一个颜色参考卡 (128)的至少一个图像的指示。

4.根据前述权利要求中任一项所述的方法，其中用于将所述测试区 (126) 的颜色形成转换为分析物浓度的所述至少一种相关性包括将从所述至少一个图像得出的至少一个颜色信息项转换为所述分析物浓度。

5.一种控制使用具有相机 (114) 的至少一个移动装置 (112) 的分析测量的方法，所述方法包括：

I.) 数据收集过程，所述数据收集过程包括：

a. 执行多次分析测量，其中所述分析测量至少部分地包括通过使用所述相机 (114)捕获具有测试区 (126) 的光学测试条 (124) 的至少一部分的图像并且进一步包括捕获至少一个颜色参考卡 (128) 的图像；

b. 评估所述多次分析测量，从而确定至少一种相关性，所述相关性被配置用于将所述测试区 (126) 的颜色形成转换为分析物浓度值，而无需使用所述颜色参考卡 (128)；

c. 确定步骤 b. 中确定的用于所述相关性的置信水平；

d. 设置至少一个清除信息项，所述至少一个清除信息项指示用于所述相关性的所述置信水平；以及

II.) 执行根据前述权利要求中任一项所述的确定体液中分析物的浓度的方法。

6.根据前述权利要求所述的方法，其中步骤 b. 包括评估在步骤 a. 中捕获的所述图像，从而识别所述图像中的至少一些图像中的相似性。

7.根据前述权利要求所述的方法，其中所述图像中的至少一些图像中的相似性的所述识别包括识别所述图像的组中的相似性。

8.根据前述三项权利要求中任一项所述的方法，其中步骤 b. 包括使用人工神经网络。

9.根据前述四项权利要求中任一项所述的方法，其中步骤 d. 包括：将所述置信水平与预定阈值进行比较；以及基于所述比较，将所述至少一个清除信息项设置为值，所述值分别指示用于在不使用所述颜色参考卡 (128) 的情况下进行测量的置信水平不足，或用于在不使用所述颜色参考卡 (128) 情况下进行测量的置信水平足够。

10.一种具有至少一个相机 (114) 的移动装置 (112)，所述移动装置 (112) 被配置用于执行根据权利要求 1 至 4 中任一项所述的确定体液中分析物的浓度的方法。

11.一种用于控制分析测量的系统 (110)，所述系统包括具有至少一个相机 (114) 的至少一个移动装置 (112)，所述系统被配置用于执行根据权利要求 5 至 9 中任一项所述的方法。

12.根据前述权利要求所述的系统 (110)，其中所述系统 (110) 包括被配置用于执行至少步骤 b.、c. 和 d. 的至少一个评估装置 (120)。

13.根据前述权利要求所述的系统 (110)，其中所述评估装置 (120) 与所述移动装置(112) 隔开并且被配置用于与所述移动装置 (112) 通信，其中所述评估装置 (120) 被配置用于将所述至少一个清除信息项传输到所述移动装置 (112)。

14.一种计算机程序，其包含指令，当所述程序由具有相机 (114) 的移动装置 (112)执行时，所述指令使所述移动装置 (112) 执行根据权利要求 1 至 4 中任一项所述的方法。

15.一种计算机程序，其包含指令，当所述程序由根据权利要求 11 至 13 中任一项所述的系统 (110) 执行时，所述指令使所述系统 (110) 执行根据权利要求 5 至 9 中任一项所述的方法。

Images