CN116250004A - 诊断测试试剂盒及其分析方法 - Google Patents
诊断测试试剂盒及其分析方法 Download PDFInfo
- Publication number
- CN116250004A CN116250004A CN202180063419.XA CN202180063419A CN116250004A CN 116250004 A CN116250004 A CN 116250004A CN 202180063419 A CN202180063419 A CN 202180063419A CN 116250004 A CN116250004 A CN 116250004A
- Authority
- CN
- China
- Prior art keywords
- test
- diagnostic test
- image
- diagnostic
- control
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
-
- 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
- G01N33/5302—Apparatus specially adapted for immunological test procedures
-
- 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
- G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
- G01N33/54366—Apparatus specially adapted for solid-phase testing
- G01N33/54386—Analytical elements
- G01N33/54387—Immunochromatographic test strips
- G01N33/54388—Immunochromatographic test strips based on lateral flow
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
- G06V40/63—Static or dynamic means for assisting the user to position a body part for biometric acquisition by static guides
-
- 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
- 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
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2458/00—Labels used in chemical analysis of biological material
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/034—Recognition of patterns in medical or anatomical images of medical instruments
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Quality & Reliability (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biotechnology (AREA)
- Cell Biology (AREA)
- Microbiology (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (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)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
一种用于分析诊断测试的方法可以包括接收描绘诊断测试的图像,其中诊断测试包括指示测试结果的测试区域、验证图像的质量、定位图像的描绘诊断测试的测试区域的测试区域图像部分;以及基于测试区域图像部分预测测试结果。此外,一种用于促进诊断测试的分析的方法可以包括接收描绘扫描表面上的一个或多个对照标记的一个或多个图像,其中该一个或多个对照标记代表诊断测试的一个或多个预定测试结果;以及使用至少一种计算机视觉技术来验证一个或多个图像中的一个或多个对照标记的检测。
Description
相关申请的交叉引用
本申请要求于2020年9月17日提交的美国专利申请序列号63/079,975的优先权,该申请的全部内容通过引用并入本文。
技术领域
本发明整体涉及使用计算机视觉辅助分析的诊断测试领域。
背景技术
医疗诊断检测是医疗保健的重要部分。许多诊断测试结合了免疫测定测试,以确认患者样本(例如,尿液、血液、唾液、鼻拭子样本等)中是否存在目标分析物,诸如生物标志物或病原体。例如,一种类型的诊断测试是侧流免疫测定测试,其中将样本放置在结合垫上或盒的井中并且液体流过侧流免疫测定,然后考虑到对目标分析物存在的积极(positive)化学响应,可能产生基准。作为另一个示例,比色诊断测试使用试剂,该试剂在目标分析物存在的情况下会经历明显的颜色改变。然而,使用肉眼解释诊断测试结果可能具有挑战性和/或主观性(例如,在非常弱阳性的测试结果的情况下),这可能导致测试结果不准确。
虽然存在当前的诊断测试读取设备和其他临床分析仪,但它们需要定制的读取装备才能使测试读取环境标准化。许多化验读取器器械也需要专门培训才能操作。因此,当前的诊断测试读取设备需要在诊所、医院或其他受控场合中操作,以便可以进行准确的读取。这样的限制导致包括给患者带来不便、医疗保健费用增加以及广泛诊断测试的限制在内的缺点。因此,需要用于诊断测试的新的和改进的系统和方法。
发明内容
在一些变体中,一种用于分析诊断测试的方法可以包括:在一个或多个处理器处,接收描绘诊断测试的图像,其中诊断测试包括指示测试结果的测试区域;验证图像的质量;定位图像的描绘诊断测试的测试区域的测试区域图像部分;以及基于测试区域图像部分预测测试结果。
此外,在一些变体中,一种用于促进诊断测试的分析的方法可以包括:在一个或多个处理器处,接收描绘扫描表面上的一个或多个对照标记的一个或多个图像,其中该一个或多个对照标记代表诊断测试的一个或多个预定测试结果;以及使用至少一种计算机视觉技术来验证一个或多个图像中的一个或多个对照标记的检测。
在一些变体中,一种用于促进诊断测试的分析的系统可以包括扫描表面,该扫描表面包括一个或多个对照标记,其中一个或多个对照标记代表诊断测试的一个或多个预定测试结果。在一些变体中,扫描表面可以进一步包括指示诊断测试的放置的测试放置引导件。例如,扫描表面可以用作背景,诊断测试可以在该背景下成像以使用一种或多种计算机视觉技术分析诊断测试结果。
通常,在一些变体中,一种诊断测试试剂盒可以包括诊断测试和扫描表面,该诊断测试包括用于指示测试结果的测试区域,并且该扫描表面包括一个或多个对照标记,其中该一个或多个对照标记代表诊断测试的一个或多个预定测试结果。
附图说明
专利或申请文件包含至少一张彩色附图。具有(一张或多张)彩色附图的本专利或专利申请公开的副本将在请求和支付必要费用后由官方提供。
图1是用于分析诊断测试的诊断平台的说明性示意图。
图2A是用于使用计算机视觉技术辅助分析诊断测试的诊断测试试剂盒的示例变体的说明性示意图。
图2B至图2D是具有高对比度指示器的样本采集器械的示例变体的说明性示意图。
图3A和图3B描绘了用于接收要成像的诊断测试的扫描表面的示例变体。
图4A和图4B描绘了诊断测试试剂盒中的外壳的示例变体。
图4C和图4D描绘了用于诊断测试试剂盒的外壳盖的示例变体的透视图。
图4E是诊断测试试剂盒中化验台的示例变体的说明性示意图。
图5描绘了用于分析诊断测试的方法的示例变体的流程图。
图6描绘了用于分析诊断测试的方法的示例变体的另一个流程图。
图7A和图7B描绘了通过使用对照标记来促进诊断测试的分析的方法的示例变体的流程图。
图8A和图8B描绘了具有经印刷的对照物的扫描表面的示例变体及其分析。
图9A和图9B描绘了将图像裁剪到包括诊断测试的感兴趣区域的示例变体。
图10A至图10I描绘了测量和校正图像中诊断测试的取向的示例变体。
图11描绘了将图像裁剪到诊断测试的测试区域的示例变体。
图12A和图12B描绘了将图像裁剪到诊断测试的测试区域的示例变体。
图13A至图13F是用于从诊断测试的测试区域的图像预测诊断测试结果的方法的示例变体的部分的示意图。
具体实施方式
本发明的各个方面和变体的非限制性示例在本文中被描述并在附图中示出。
本文描述的是用于使用计算机视觉技术分析诊断测试的系统和方法。系统和方法可以例如用于分析快速诊断测试的结果,这些测试提供了由于与医疗状况相关联的某种化学响应的存在而导致的测试结果的视觉指示(例如,线、颜色改变等)。本文所描述的系统和方法利用基于计算机视觉的技术来使用计算机视觉技术自动解释诊断测试的结果,这些技术能够从各种场合(包括在家中或在传统医疗场合之外)轻松、准确和可靠地执行诊断测试。
一般来说,如图1所示,诊断平台100可以用于分析与一个或多个用户110相关联的诊断测试。每个用户110可以启动并执行诊断测试(例如,通过将样本(诸如尿液、唾液和缓冲液、鼻拭子和缓冲液、或血液和缓冲液)应用于诊断测试),然后例如通过具有至少一个图像传感器的移动计算设备114(例如,智能手机、平板电脑等)来获得诊断测试的至少一个图像。移动计算设备114可以经由网络120(例如,蜂窝网络、因特网等)将诊断测试的图像传送到预测分析系统130,该预测分析系统130可以包括一个或多个处理器,该一个或多个处理器被配置为利用计算机视觉技术来解释来自诊断测试的图像的测试结果。附加地或可替代地,预测分析系统130的至少一部分可以本地托管在移动计算设备114上。在一些变体中,移动计算设备114可以执行移动应用程序,该应用程序可以提供图形用户界面(GUI)来引导用户获得样本和/或将样本应用于诊断测试,和/或引导用户获得用于分析的诊断测试的合适图像。
下面更详细地描述用于分析诊断测试的(一个或多个)图像的示例技术。例如,预测分析系统130可以利用支持诊断测试的基于计算机视觉的解释的诊断测试试剂盒中的一个或多个特征,如下文进一步描述的。然后可以将预测的测试结果传送给用户(例如,经由移动计算设备114,诸如通过相关联的移动应用程序上的GUI),传送给另一个合适的用户(例如,医疗保健从业者),传送给与用户、其他(一个或多个)存储设备和/或其他合适的实体相关联的电子健康记录140。
因此,本文所描述的系统和方法可以使诊断信息能够被快速且容易地获得和传送以提供对用户的医疗状况的洞察力,这继而可以提示用于医疗保健的合适的后续行动,诸如开药方、提供医疗指导或治疗等。此外,与其他当前的自动化技术(诸如模板匹配)相比,使用基于计算机视觉的技术进行诊断测试分析导致更高的测试解释的准确性,模板匹配是不可靠的并且对环境因素(诸如光照、成像传感器类型等)过于敏感。此外,如下文进一步描述的,本文所描述的系统和方法可以有利地用于分析多种多样的诊断测试,而不需要用于分析的昂贵、专门的硬件设备,也不需要诊断测试本身上的任何基准或界标。
尽管本文主要关于医疗诊断测试的分析描述了系统和方法,但应理解,在一些变体中,系统和方法可以用于医疗保健以外的其他应用,诸如食品、饮料、环境条件等测试的分析。
诊断测试试剂盒
如下文进一步详细描述的,诊断测试试剂盒可以包括用于使用计算机视觉技术辅助分析诊断测试的一个或多个部件。在一些变体中,诊断测试试剂盒可以被配置为与分开的(例如,第三方或现成的)诊断测试一起使用。例如,诊断测试试剂盒可以包括被配置为辅助某种类型或类别的诊断测试(例如,侧流免疫测定测试、比色试纸测试、比色等温扩增测试或侧流等温扩增测试等)的部件,但在此类诊断测试中省略或与此类诊断测试分开包装。然而,在一些变体中,诊断测试试剂盒可以包括(一个或多个)图像分析辅助工具和一个或多个诊断测试。换句话说,诊断测试试剂盒可以包括用于辅助分析诊断测试的(一个或多个)部件,该部件与一个或多个合适的诊断测试一起包装或以其他方式与一个或多个合适的诊断测试一起供应。
图2A描绘了用于促进诊断测试的计算机视觉辅助分析的诊断测试试剂盒200的示例变体的示意图。如图2所示,试剂盒200可以包括至少一个扫描表面220,该扫描表面包括一个或多个不同的特征,诸如指示用于成像的诊断测试的放置的测试放置引导件222,和/或代表诊断测试的一个或多个可能的(例如,预定)测试结果的一个或多个对照标记224。测试放置引导件222和对照标记224可以在同一表面上或在分开的表面上,如下文进一步描述的。在一些变体中,扫描表面220可以附加地或可替代地包括用作空间参考、颜色校准等的基准的其他标记。此外,诊断测试试剂盒200可以包括与扫描表面220一起使用的一个或多个诊断测试210,使得(一个或多个)诊断测试210和扫描表面220被包装在一起或以其他方式一起供应。可替代地,诊断测试试剂盒200可以省略诊断测试210,使得诊断测试试剂盒200可以作为分开的诊断测试210的补充辅助来提供,以为其计算机视觉辅助分析提供支持。
诊断测试
诊断测试试剂盒200可以包括一个或多个合适的诊断测试210(例如,快速诊断测试)(或可以被配置为支持一个或多个合适的诊断测试210的分析)。合适的诊断测试包括描绘测试结果的视觉指示(诸如线、颜色改变或其他基准)的快速诊断测试。诊断测试的示例类型包括侧流免疫测定测试和比色诊断测试(例如,直接流免疫测定测试、具有纸读数的等温扩增测试、具有比色读数的等温扩增测试等)。例如,侧流免疫测定测试可以包括容纳在盒中的测试条,该盒具有框住测试条的测试区域的窗口,并且在测试结果呈阳性的情况下,测试结果线(结合对照线)可以在盒的窗口内可见。
在一些变体中,诊断测试可以包括在包括测试结果的测试区域的周围的高对比度材料。高对比度可以有助于使用计算机视觉技术更准确地识别测试区域的外形或边界。例如,虽然常规诊断测试包括白色盒壳体和白色测试条,但如果盒壳体是暗的(例如,灰色或黑色)并且测试条是白色的,则可以增强计算机视觉技术(诸如本文所述的那些技术)的性能。因此,在一些变体中,诊断测试的盒壳体可以比测试条更暗(例如,盒壳体可以是灰色或黑色,而测试条可以是白色)。然而,与测试条颜色(和/或如下所述的扫描表面)形成对比的其他高对比度盒颜色(例如,亮绿色、亮紫色)也可能是合适的。附加地或可替代地,在一些变体中,盒材料可以比测试条反射率低。例如,即使是反射率略低于测试条材料的塑料盒材料也可以大大增强图像分割的便利性,使得可以轻松定位测试条的确切边界。在一些变体中,诊断测试的盒可以是塑料的并且是浅灰色的,这可以提供与测试条足够的对比度以在宽范围的光照条件下对图像进行高准确性分割。
附加地或可替代地,诊断测试可以包括一个或多个几何特征以增强本文所描述的计算机视觉技术的性能。例如,在一些变体中,诊断测试中的化验窗口可以具有倾斜或圆形边缘,这可以减少投射在测试条上的阴影的影响。
例如,诊断测试210被配置为接收来自用户的样本,诸如血液、血浆、血清、尿液、唾液、溶解的固体和/或来自鼻拭子的物质,该样本可以被分析以评估用户的医疗状况。诊断测试210可以被配置为测试医疗状况,诸如病毒感染(例如流感、肝炎、寨卡病毒、登革热、基金肯雅病毒、诺瓦克病毒、冠状病毒(例如COVID-19))、细菌感染、寄生虫感染引起的疾病(例如疟疾)、怀孕和/或任何合适的医疗状况(例如慢性肾病、卟啉症、高草酸尿症、脱水、自身免疫性疾病、炎症性疾病、药物滥用、过敏反应、高胆固醇血症或高甘油三酯血症等)。在一些变体中,诊断测试210可以包括多个测试区域(例如,多个化验窗口)以同时促进测试多个医疗状况(例如流感和冠状病毒)。诊断测试210可以包括例如两个、三个、四个或五个或更多个测试区域。
样本采集工具
在一些变体中,诊断测试试剂盒200可以进一步包括一个或多个样本采集工具以促进从用户采集样本。合适的样本采集工具包括例如鼻拭子、口腔采集拭子、唾液采集容器、杯子、管子等。样本采集工具可以被配置为使一个或多个计算机视觉技术能够跟踪样本采集工具的位置和移动,以便在用户使用样本采集工具中的一个或多个来采集样本的视频中验证是否已经正确采集样本。
例如,一个或多个样本采集工具可以包括具有高对比度颜色(例如亮绿色、亮紫色)的高对比度指示器。附加地,或可替代地,高对比度指示器可以包括另一种视觉上引人注目的特性,诸如荧光性或高反射率。更进一步,在一些变体中,高对比度指示器可以包括计算机可读基准,诸如ArUco标记、WR码标记等。高对比度指示器可以集成在样本采集工具中(例如,作为样本采集工具的一部分或全部上的染料或涂层),和/或可以包括耦合到样本采集工具的单独部件。
图2B至图2D是高对比度指示器的示例变体的示意描绘。如图2B所示,高对比度指示器230a可以包括环或套筒,该环或套筒可伸缩地接合样本采集工具的构件部分,诸如拭子的轴(如图2B所示)或杯子或管子的主体。可替代地,高对比度指示器230a可以包括附接在样本采集工具的表面周围的带。高对比度指示器230a可以用一个或多个紧固件(例如,粘合剂)或通过机械互配(例如,过盈配合)耦合到样本采集工具,或者作为用于整个工具的染料或作为用于工具的特定区域或部件的染料等被包括在采集工具的制造中。指示器可以沿电磁波谱的任何一个或多个区域(包括可见光/颜色、红外线、紫外线等)具有高对比度。作为说明性使用示例,高对比度指示器230a可以接合在插入用户鼻腔中的远侧植绒附近的鼻拭子的轴上。高对比指示器230a在视频中是高度可见的并且可以被跟踪以使得能够确定拭子是否被插入到用户的鼻孔或口腔中到正确的深度。在一些变体中,相同或不同高对比度特征的多个高对比度指示器可以沿采集拭子或其他样本采集工具的长度布置。多个这样的高对比度指示器可以例如用于在用户对其采集的视频中确定拭子插入的深度,和/或向用户提供引导以改进样本采集技术(例如,指导用户插入拭子更深)。
在一些变体中,样本采集工具的功能部件可以包括高对比度指示器。例如,如图2C所示,样本采集器皿(例如杯子、管子)可以包括器皿盖形式(或耦合到器皿盖)的高对比度指示器230b。附加地或可替代地,在一些变体中,高对比度指示器可以包括耦合到样本采集工具的表面或者作为用于整个工具的染料或用于工具的特定区域或部件的染料等被包括在采集工具的制造中的粘贴标签。指示器可以沿电磁波谱的任何一个或多个区域(包括可见光/颜色、红外线、紫外线等)具有高对比度。例如,如图2D所示,样本采集器皿(例如杯子、管子)可以包括应用于样本采集器皿的表面的高对比度指示器230c粘贴标签。可以与上述类似地跟踪此类高对比度指示器,并且可以分析它们的位置和/或取向以确定用户是否已经通过正确的程序获得样本。
在一些变体中,样本采集工具的运动可以相对于用户的脸(可以使用合适的面部辨别方法来检测)和/或用户的另一身体部位(例如,手指、手、手臂等)来进行跟踪以确定用户是否已经适当地执行了样本采集程序。附加地或可替代地,可以使用深度相机(例如,具有3D深度映射的红外相机)和/或其他合适的传感器(例如,接近传感器)来执行形状辨别和/或跟踪以识别和/或跟踪样本采集工具,以类似地确定用户是否已经适当地执行了样本采集程序。
扫描表面
如上所述,诊断测试试剂盒200可以包括一个或多个扫描表面220,该扫描表面220可以被放置在任何合适的诊断测试的后面,作为基于计算机视觉的分析的辅助。扫描表面可以例如位于卡片、托盘、垫子、基座、外壳、说明书或被配置为接收诊断测试的任何合适的物理结构上。扫描表面可以形成在纸、塑料、硬纸板或其他合适的材料上。
如图2A所示,一个或多个扫描表面220可以包括指示诊断测试抵靠扫描表面放置以用于成像的测试放置引导件222,和/或代表诊断测试的一个或多个预定测试结果的一个或多个对照标记224。各种其他基准可以附加地或可替代地被包括在一个或多个扫描表面上以辅助计算机视觉技术,如下文进一步描述的。
扫描表面上的任何视觉特征(例如,测试放置引导件、空间标记、校准标记、对照标记、其他基准等)可以印刷或以其他方式直接应用到扫描表面上或应用到贴花(其被应用到扫描表面)上。例如,视觉特征可以用墨(例如,彩色墨、黑色墨、荧光墨等)、油漆和/或激光喷射调色剂等印刷。在其中一些或所有视觉特征以荧光墨印刷的变体中,荧光墨可以包括例如包含铕、罗丹明、荧光素、alexa萤石、量子点和/或荧光纳米粒子的墨。例如,使用荧光墨在扫描表面上印刷视觉特征可以使诊断测试试剂盒能够与使用荧光读出机制的诊断化验(例如,带有荧光颗粒或染料的产品,其需要专门的读取器器械)兼容。在一些变体中,视觉特征可以以数字印刷工艺、板印刷工艺和/或其他合适的印刷工艺进行印刷。
测试放置引导件
在一些变体中,扫描表面可以包括测试放置引导件,该测试放置引导件提供用户应该在哪里放置诊断测试以便被成像和分析的指示。测试放置引导件可以包括一个或多个特征以辅助诊断测试的自动分析。
如图2A的示意图所示,测试放置引导件222可以包括相对于要成像的诊断测试具有高对比度的背景颜色。高对比度背景可以有助于确保诊断测试的外形可以通过计算机视觉技术被可靠地检测。例如,许多诊断测试是白色的(例如,在白色盒外壳中)。因此,对于这些和/或其他浅色诊断测试,测试放置引导件222可以包括与诊断测试具有强烈对比度的暗色区域(例如,黑色或暗灰色)或亮色区域(例如,亮绿色或亮紫色等)。
对比背景的有界区可以大于旨在成像的诊断测试的有界区(例如,提供至少是0.1cm、在约0.1cm和约5cm之间、在约0.1cm和约1cm之间、在约1cm和约2cm之间、在约2cm和约5cm之间,或任何其他合适的裕度,或测试长度或宽度中较高者的某个百分比(诸如10%、20%、50%或任何其他合适的裕度)的对比背景的裕度)。然而,背景区可能会受到限制,以免影响图像传感器的ISO/曝光时间调整(例如,背景中过多的黑色会导致某些图像传感器通过将ISO调整得过高而导致过度补偿,这将致使成像的诊断测试的某些区段中的白色饱和)。当将成像的诊断测试被放置在高对比度背景上时,可以通过诸如轮廓检测的技术在图像中识别诊断测试的外形。以这种方式,可以确定配合在测试放置引导件222内的任何诊断测试的外形。换句话说,诊断测试确定可以独立于诊断测试本身上的任何自定义标记或其他基准来执行。因此,扫描表面的高对比度背景可以有利地使诊断测试试剂盒更加通用,从而支持更多种类的诊断测试。
此外,在一些变体中,测试放置引导件222可以包括其他标记和/或其他特征以指导在引导件222上放置诊断测试。例如,在一些变体中,测试放置引导件222可以包括文本(例如,“在此处放置测试”)、诊断测试的图形表示(例如,线图)或其边界,和/或合适的符号(例如,箭头)以建议抵靠扫描表面进行诊断测试的正确定位和/或定向。这种附加引导例如可以是视觉的(例如,直接印刷在扫描表面上、印刷在贴在扫描表面上的贴花上等)和/或纹理的(例如,压痕、凸起特征等)。
图3A中示出了扫描表面300(例如,扫描卡)的示例变体。如图3A所示,扫描表面300包括测试放置引导件310,该测试放置引导件包括被配置为相对于要被放置在测试放置引导件310上的浅色诊断测试具有高对比度的深色背景。测试放置引导件310还包括指导性文本(“在此处放置盒”)和侧流化验测试盒的图形表示,以建议盒相对于扫描表面的正确取向。例如,图3A所示的图形表示包括盒的外形,其样本入口(描绘为短线)指向扫描表面300的下边缘,并且其测试区域(描绘为较长的线)指向扫描表面300的上边缘。因此,测试放置引导件310包括以类似于图3B所示的诊断测试(T)的方式来定向测试盒的建议。
空间标记
在一些变体中,扫描表面可以包括一个或多个空间标记,其作用是帮助促进空间定位和/或识别诊断测试和/或图像内的测试区域(显示测试结果的测试区域)的空间取向。在一些变体中,空间标记可以以定义图像中的诊断测试的边界的布置方式位于测试放置引导件中和/或周围(即,预期接收诊断测试的扫描表面的区域)。通过识别空间标记,可以识别诊断测试周围的边界,从而能够裁剪图像以隔离诊断测试以进行进一步分析,而不受图像的背景的干扰。例如,扫描表面可以包括至少三个空间标记,其形成有界区的顶点。通常,空间标记可以包括任何合适的基准,诸如ArUco标记、QR码标记、其他计算机可读标记或具有足够对比视觉特性的自定义标记。在图像分析期间使用空间标记的附加细节在下面进一步详细描述。
如图3A中所描绘的示例所示,扫描表面300可以包括四个空间标记320,其布置在测试放置引导件310周围的有界矩形区的角处。在一些变体中,三个这样的空间标记可能足以通过定义矩形区的宽度和长度来定义有界矩形区。尽管图3中描绘的扫描表面300包括形成矩形边界的四个空间标记,为粗略的图像裁剪提供引导,但应当理解,在其他变体中,扫描表面可以包括形成任何合适形状的任何合适数量的空间标记(例如,三个标记、五个标记、六个标记等)。此外,虽然图3A所示的扫描表面300包括用作空间标记的ArUco标记,但应当理解,在其他变体中,空间标记可以具有任何合适的形式。例如,图3B描绘了类似于图3A中描绘的扫描表面300的扫描表面302的示例变体,不同之处在于扫描表面302中的空间标记是QR标记而不是ArUco标记。
校准标记
在一些变体中,扫描表面可以包括用于校准或其他参考的其他合适的标记。例如,扫描表面可以包括标准颜色和/或灰度标记,它们可以作为图像传感器进行自动颜色校正(例如,白平衡)的参考,以减少可能干扰准确测试结果解释的照明条件的影响。附加地或可替代地,这样的颜色校准标记可以出现在任何合适的表面上,诸如与用于接收诊断测试的扫描表面分开的表面。例如,颜色校准标记可以存在于分开的校准卡上,该校准卡可以在诊断测试在扫描表面上成像之前分开地参考。
附加地或可替代地,扫描表面可以包括对准标记,其可以用于指示化验上的诊断测试的预定几何形状和取向。这样的对准标记可以例如类似于如上所述的测试放置引导件222上的标记和/或如上所述的如图3A所示的标记。
对照标记
如图2A所示,在一些变体中,扫描表面220可以包括一个或多个对照标记224,其代表用于诊断测试的一个或多个预定测试结果。例如,对照标记可以包括具有特定颜色、粗细和/或强度的形状,其对应于诊断测试中测试结果和/或测试对照标记的预期形状、颜色、粗细和/或强度。在一些变体中,对照标记224可以包括对应于诊断测试的检测或定量的下限(或在下限附近)的至少一个标记。
对照标记224可以用于帮助确保相机能够生成充足质量的图像,该图像允许检测指示测试结果的基准,包括隐约可见的基准。例如,对照标记224可以用于帮助确保相机具有足够的分辨率、足够的图像传感器质量和/或足够的自动对焦、自动曝光和/或颜色/白平衡设置和/或能力。如果通过诊断测试平台的计算机视觉技术在对照标记的图像中检测到一个或多个对照标记224中的每一个,则平台可能能够正确解释诊断测试的测试结果,包括阳性和弱阳性结果。
对照标记的外观可以根据与对照标记相关联的诊断测试的类型而变化。例如,对于诸如侧流免疫测定测试的诊断测试,对照标记224可以包括一组线。如图2A的示意图所示,线的粗细、颜色、反射率和/或色调(例如,暗度)可以变化,并且至少一些线的大小、形状和/或颜色可以与预期的对照线和/或出现在侧流免疫测定测试中的测试结果线类似。例如,在一些变体中,印刷的对照物可以包括黑色或灰色线(例如,灰度强度变化)。作为另一个示例,在一些变体中,印刷的对照物可以包括变化颜色的线(例如,红色、蓝色、绿色等)。如果每条线都被计算机视觉技术检测到,则计算机视觉技术可能能够正确地解释诊断测试的图像中的测试结果。
作为另一个示例,对于诸如比色免疫测定测试的诊断测试,一个或多个对照标记可以包括一组彩色标记。如图4B所示,例如,扫描表面420可以包括包含彩色框的一系列对照标记424。与上述类似,每个框的颜色可以代表诊断测试的预定测试结果(例如,阳性或阴性测试、阳性对照、阴性对照等)。附加地或可替代地,对照标记可以包括黑色或灰色框(例如,灰度强度变化)。如果彩色、黑色和/或灰色框中的每一个都被计算机视觉技术检测到,则计算机视觉技术可能能够正确地解释诊断测试图像中的测试结果。
虽然在一些变化中,如图2A和图4B所示,对照标记可以包括布置成阵列的几何形状(例如,1D阵列、2D阵列),但应当理解,对照标记可以结合适当的对照标记作为任何合适设计的一部分。例如,对照标记可以巧妙地布置在合适的图形设计中(例如,诸如波浪、房子、树、简单线等的图形图标),这可以有助于诊断测试试剂盒的更美观的设计。
与上述扫描表面的其他视觉特征类似,对照标记可以印刷在卡片、纸、垫子、托盘、外壳(例如,框)和/或其他合适的表面上。在一些变体中,对照标记可以位于扫描表面上的测试放置引导件附近(例如,相邻),使得诊断测试和对照标记可以在对诊断测试成像的相机的相同视野(一起成像)中。在一些变体中,因为可以与对诊断测试成像分开地(例如,在其之前)对对照标记成像,所以一些或所有对照标记可以位于与接收诊断测试的部件分开的部件上。在对诊断测试成像之前对对照标记的分析可以例如帮助使用户能够在进行诊断测试之前确定特定的相机设备是否足够,从而避免在用户预期的相机设备无法获得足够质量的图像进行分析的情况下浪费诊断测试。使用对照标记来验证相机质量的其他细节将在下文进一步描述。
编码信息
在一些变体中,诊断测试试剂盒可以包括一个或多个计算机可读码,用于测试试剂盒和/或其部件的容易和可靠的识别和/或可追溯性。例如,诊断测试试剂盒可以包括QR码、条形码和/或编码与诊断测试试剂盒相关联的信息(诸如有效期、产品SKU、批号等)的其他合适的标记。附加地或可替代地,计算机可读码可以对路由信息进行编码,该路由信息指引通信软件(例如,在移动计算设备上执行的移动应用程序中)将测试结果和/或任何相关联的元数据(例如,名称、测试日期/时间、与校准或图像质量控制相关的信息等)传输到特定的指定目的地,诸如特定的服务器、云服务、电子邮件地址、手机号码等。
在一些变体中,一个或多个这样的计算机可读码可以被印刷或以其他方式位于扫描表面上,并且可以在测试放置引导件附近以便与诊断测试和/或扫描表面上的其他标记在相同的视野中。可替代地,一个或多个计算机可读码可以在单独的扫描表面上(例如,在如下所述的外壳上、在单独的说明书上等)。
颜色参考
附加地或可替代地,在一些变体中,扫描表面可以包括颜色参考阵列或其他图案,该阵列或其他图案包括用于分析比色诊断测试的测试结果的示例颜色。例如,颜色参考阵列可以包括一组彩色块或其他图标,每个彩色块或其他图标可以对应于特定的测试结果,并且可以旨在用于评估具有特定测试结果(例如,分析物浓度)的化验的颜色。颜色参考阵列可以包括以网格、巧妙布置或任何合适的图案布置的彩色图标。在一些变体中,如上所述的对照标记可以附加地用作用于测试分析目的的颜色参考阵列。附加地或可替代地,颜色参考阵列可以类似于美国专利号8,655,009和8,911,679中描述的那些,上述专利中的每一个通过引用并入本文。
外壳
在一些变体中,诊断测试试剂盒可以包括外壳。例如,如图4A所示,在一些变体中,诊断测试试剂盒可以包括外壳400,该外壳400包括至少一个隔室430,该隔室可以接收一个或多个诊断测试试剂盒部件。在一些变体中,外壳可以用于缺少塑料壳体或盒的诊断测试。例如,隔室430可以被配置为存储部件,诸如用于样本采集和/或样本操纵的一个或多个工具(例如,拭子、杯子、管子、离心管、毛细管、一次性移液管、其他样本器皿、测试条、注射器、针头、注射器过滤器、酒精湿巾、试剂等)。在一些变体中,部件可以以托盘(例如,具有被成形为对应于部件的空腔的注塑成型托盘)、框和/或任何合适的方式被组织在隔室430中。在测试过程期间可以移出部件以供使用。
附加地或可替代地,在一些变体中,外壳可以包括类似于上述扫描表面的扫描表面420,并且外壳可以用作化验台。例如,如图4A和图4B所示,扫描表面420可以包括高对比度背景、空间标记426和/或帮助计算机视觉技术以定位被放置成抵靠扫描表面420的诊断测试的其他合适的校准标记。此外,如图4B所示,扫描表面420可以包括一个或多个对照标记424,如上所述。在一些变体中,如图4B所示,扫描表面420可以向上倾斜或成角度(例如,由于外壳的几何形状、带有支架的外壳的取向,诸如图4E所示用于化验台等),这可以改进扫描表面420上诊断测试的照明,避免阴影等。在一些变体中,角度可以是固定的,而在一些变体中,角度可以是可调整的,诸如使用可调整支架。
然而,图4A和图4B所示的扫描表面420可以包括测试放置引导件422,该测试放置引导件包括至少一个接受器(例如,切口或缺口),该接受器被配置为接收用于分析的诊断测试。例如,接受器的形状和尺寸可以设计成支托(cradle)诊断测试(例如,盒、样本器皿等)。此外,在一些变体中,接受器可以与隔室430共享壁(或膜等),使得在加热设备布置在隔室430中的变体中(如下文进一步详细描述),热量可以从加热设备跨过共享壁到定位在测试放置引导件422中的诊断测试。诊断测试可以经由诸如卡扣配合、粘合剂等的机械互配固定在接受器中,使得其在扫描表面420上保持就位。测试放置引导件422可以包括如图4A所示的单个接受器或如图4B所示的多个接受器。例如,如图4B所示的测试放置引导件422可以包括三个接受器以用于接收提供阳性对照、阴性对照和测试结果的器皿。然而,应当理解,在其他变体中,测试放置引导件422可以包括任何合适数量的任何合适形状的接受器(例如,用于接收锥形样本管、移液管、毛细管、试管等)。附加地或可替代地,其他切口(例如,凹口436)或其他合适的安装特征可以形成在外壳的侧面或其他合适的表面中,以便为诸如试管保持器等的部件提供安装点。
在一些变体中,外壳可以包括用于覆盖隔室和/或封闭外壳的盖。例如,图4C和图4D描绘了外壳盖440的示例变体,其可以耦合到诸如图4B中描绘的外壳402的外壳。外壳盖440可以包括一个或多个对准特征446,该一个或多个对准特征446被配置为与外壳402上的对准特征434接合,这可以帮助将外壳盖440定向和/或固定在外壳402上。在一些变体中,外壳盖440可以包括一个或多个接受器442以用于接收诊断测试部件(例如,用于反应混合物的锥形管等)。这些接受器442的位置例如可以在其中来自隔室430中的加热设备(如下文进一步详细描述)的热量用于加温接受器442中的物品的变体中是有利的。在一些变体中,接受器442可以用于加温样本器皿(例如,阳性对照、阴性对照、测试结果)达预定时间段(例如,30秒),然后加温的器皿可被转移到成像区,诸如扫描表面420。
外壳可以以任何各种合适的方式制成。例如,外壳可以注塑成型、3D印刷、铣削、折叠和/或以任何合适的工艺形成。外壳可以包括任何合适的材料,诸如塑料、纸(例如,蜡纸)、硬纸板、金属等。
加热设备
在一些变体中,诊断测试试剂盒可以包括加热设备。许多诊断测试利用等温扩增步骤,加热设备可以为此提供热量。如图4A示意性所示,加热设备432可以位于外壳的隔室430中,以便加温放置在外壳内和/或外壳周围的一个或多个接受器中的物品。例如,当放置在隔室430中时,加热设备可以被配置为加温扫描表面420和/或外壳盖440上的(一个或多个)诊断测试(包括测试样本、对照等)。然而,一个或多个加热设备可以布置在任何合适的位置(例如,在外壳的外部,诸如在前表面、后表面、底表面、侧表面等上)。更进一步地,在一些变体中,加热设备可以与外壳分离,诸如在被配置为用于加温测试样本的独立结构中。
在加热设备432位于外壳的隔室430中的一些变体中,外壳可以包括增强加热设备432与诊断设备和/或用于加温的其他器皿之间的热传递的特征。例如,外壳可以包括通道或空腔,该通道或空腔被配置为最大化加热设备和诊断设备之间的表面积接触。作为另一个示例,外壳可以附加地或可替代地包括导热材料(例如,铝或其他导热材料)以用作加热设备和用于加温的期望位置之间的热导管。
加热设备可以包括任何合适种类的加热机构。例如,加热设备可以包括水活化生石灰加热器、空气活化加热器(例如,具有纤维素、铁、活性炭或暴露于空气时从放热反应中产生热量的其他合适物质)、电加热器或其他化学加热器。在一些变体中,加热设备可以达到超过约65℃的温度以与LAMP、滚环扩增、NEAR、蝌蚪(tadpole)和其他等温扩增反应一起使用。加热设备可以附加地或可替代地用于执行细胞裂解和/或对于一些诊断测试关键的其他加热步骤。
其他成像辅助工具
化验台
在一些变体中,诊断测试试剂盒可以附加地或可替代地包括台,该台被配置为以合适的角度定向扫描表面和诊断测试以改进诊断测试的照明并取得更好的诊断测试图像。化验台可以类似于上文关于图4B所述的成角度的外壳402,不同之处在于化验台可以省略外壳隔室。在某些变体中,台可能对没有塑料壳体或盒的诊断测试有用。如图4E的说明性示意图所示,化验台450例如可以包括托盘或其他保持器352,该托盘或其他保持器352可以包括与上述扫描表面类似的扫描表面(例如,具有对准标记)以用于接收诊断测试(T)。台可以被配置为使诊断测试向上成角度和/或将环境光向上朝向化验反射,以改进诊断测试上光照的均匀性。例如,台可以被配置为使诊断测试成约10°和约80°之间、约25°和约65°之间、约35°和约55°之间或约45°等的角度。由于台的成角度面和/或由于台相对于水平表面的角度,扫描表面可以是成角度的。该角度可以固定,诸如使用静态成角度的托架或其他构建物。可替代地,该角度可以是可调整的,诸如使用成角度的支架(例如图4E所示的支架454)。
荧光相关附件
在一些变体中,诊断测试试剂盒可以包括荧光相关附件以协助成像。例如,诊断测试试剂盒可以包括与使用荧光读出机制(例如,带有荧光颗粒或染料的产品)的诊断测试兼容的附件。在一些变体中,诊断测试试剂盒可以包括一个或多个激发光源(例如,紫外线(UV)光源),用于在诊断测试中激发荧光粒子或染料。附加地或可替代地,诊断测试试剂盒可以包括一个或多个合适的UV滤光片,该滤光片在成像期间放置在诊断测试和相机之间,以促进从诊断测试试剂盒发出的荧光的成像,用于测试分析目的。
应当理解,诊断测试试剂盒的变体可以包括本文所述的部件的任何合适的组合。此外,在一些变体中,测试试剂盒的某些部件可以是可重复使用的(例如,化验台、荧光相关附件)并且可以与多个一次性部件(例如,多个诊断测试)一起重复使用。可替代地,在一些变体中,诊断测试试剂盒的所有部件都可以指定为单次使用。
分析诊断测试的方法
如图5所示,用于分析诊断测试的方法500可以包括:在一个或多个处理器处,接收描绘诊断测试的图像510,其中诊断测试包括指示测试结果的测试区域;验证图像的质量520;定位图像的描绘诊断测试的测试区域的测试区域图像部分530;以及基于测试区域图像部分预测测试结果540。此外,在一些变体中,方法500进一步可以包括将预测的测试结果传送给用户或其他实体550,和/或存储预测的测试结果560(例如,在用户的电子健康记录中,在与诊断平台相关联的用户账户中等)。在一些变体中,该方法可以包括使用诸如上文参考图2B至图2D描述的技术验证样本采集502(在图像分析之前、期间或之后以确定测试结果)。此外,在一些变体中,该方法可以包括验证扫描表面上的一个或多个对照标记的检测504,其可以例如用于评估用于获得用于诊断测试分析的图像的相机质量。
在一些变体中,方法500可以与诊断测试试剂盒结合使用,例如上面描述的那些(或其部件)。方法500可以在本地执行,诸如在移动计算设备(例如,在计算设备上执行并与诊断平台相关联的移动应用程序)上,和/或远程执行,诸如在服务器(例如,云服务器)上。
验证对照标记的检测
在一些变体中,该方法可以包括评估相机和/或图像传感器(和/或成像条件)的质量以用于获得用于分析的诊断测试的图像。例如,如图7A所示,用于促进诊断测试分析的方法700可以包括接收诊断测试和一个或多个对照标记的图像(710)。对照标记可以包括代表诊断测试的一个或多个预定测试结果的合适标记,如上文进一步详细描述的。计算机视觉技术可以评估是否可以在图像中检测到所有(或足够部分)的对照标记(720)。如果没有在图像中检测到所有对照标记,则可以通知用户错误(730)。例如,可以向用户提供尝试不同相机、改变一个或多个相机设置、调整一个或多个环境因素或其任何组合等的建议。如果在图像中检测到对照标记,则可以进一步分析图像以预测诊断测试结果(740),并且可以输出或以其他方式传送测试结果(750),诸如如下所述。
尽管图7A中描绘的方法700利用包括诊断测试和对照标记两者的图像,但在一些变体中,分开的图像可以提供该信息。例如,如图7B所示,用于促进诊断测试的分析的方法700’可以包括接收一个或多个对照标记的第一图像(710a)并且计算机视觉技术可以评估是否可以在第一图像中检测到对照标记的所有或足够部分(720)。如果没有在图像中检测到所有对照标记,则可以通知用户错误(730),如上所述。如果在图像中检测到对照标记,则可以提示用户拍摄描绘诊断测试的第二图像(710b)。然后可以进一步分析第二图像以预测诊断测试结果(740)并输出或以其他方式传送(750)。
图8A示出了验证在包括多个印刷对照标记810的扫描表面上的一个或多个对照标记的检测的示例变体。具体地,图8A描绘了具有包括一组九条不同反射率的线的对照标记810的扫描卡的图像。这九条线可被认为代表了侧流免疫测定中从弱阳性到强阳性的测试结果。在分析图像时,基于例如识别到已知位于适当图像区域820任一侧的基准(例如,ArUco标记),有界图像区域820可以被识别为包括印刷对照标记810。可以使用合适的计算机视觉技术(诸如OpenCV和/或类似的计算机视觉软件包的内置功能)来识别基准。可以裁剪图像区域820,并且可以将其像素浓缩成像素值的1D阵列,其中1D阵列的每个元素可以包括图像区域820中的图像片段(例如像素的行或列)的代表性度量(例如,平均值、中值、其他统计测量值等)。可以分析该1D阵列的元素的相对值以确定一系列峰,每个峰可以被认为潜在地对应于相应对照标记。在一些变体中,对照标记的区域中的空白空间可以用作阴性对照,因为系统应该期望在空白空间中检测不到峰。所识别的峰的结果计数可以与接受的预定值(例如,已知数量的对照线)进行比较。如果峰计数与接受的预定值足够相似(例如,至少是接受的阈值,或落在阈值的特定范围内),则可以认为用于拍摄对照标记的图像的相机和/或成像条件具有足够的质量。在图8A的示例中,对图像区域820的1D阵列的分析得到九个峰的计数,这与扫描卡上预定的已知数量的对照线810相匹配。因此,图8A表示基于在图像区域820中识别的峰,对照检查已经通过,并且可以进行后续图像分析的情况。
图8B图示了验证扫描表面上的一个或多个对照标记的检测的另一示例变体。图8B的变体类似于图8A的变体,不同之处在于该方法进一步考虑每个识别的峰的突起(prominence),其表示峰由于其固有高度和/或相对于其他峰的位置而突出的程度。所得到的峰和/或其突起的计数可以与接受的预定值进行比较(例如,至少是接受的阈值,或落在阈值的特定范围内)。如果峰和/或其突起的数量满足预定条件,则可以认为用于拍摄对照标记的图像的相机和/或成像条件具有足够的质量。在图8B的示例中,对图像区域820的1D阵列的分析得到九个峰的计数,以及每个峰的测量的突起也满足预定条件。因此,图8B表示基于在图像区域820中识别的峰和突起,对照检查已经通过,并且可以进行后续图像分析的情况。
此外,在一些变体中,印刷对照标记可以附加地或可替代地用其他方法评估,诸如基于每个测试带轮廓的检测和该轮廓内的值的测量、预定空间区域中的值的测量,和/或通过经训练的机器学习模型进行分析。
接收图像
图6详细图示了用于分析诊断测试的图像的计算机视觉技术的各个方面。如上所述,可以接收图像(610),该图像描绘抵靠背景的诊断测试。背景可以包括也可以不包括具有基准的指定扫描表面。在一些变体中,图像可以由用户在移动计算设备上执行的应用程序的协助下获得,或者由连接到具有计算设备和显示器的测试装置的相机获得。例如,应用程序可以为用户显示屏幕上的指令和/或引导(例如,显示的标线(reticle))以获得合适的图像。在一些变体中,应用程序可以附加地或可替代地利用计算设备或测试装置中的传感器,诸如光传感器,以自动将相机设置(例如,白平衡/色彩平衡等)调整到最佳条件和/或给用户提供建议(例如,“移动到光线更多的地方。”),和/或关闭反馈回路以自动增加测试的照明。图像可以是任何合适的格式,诸如jpeg、png、RAW等。
假设对照检查(例如,如关于图7A和图7B所描述的)已经通过,图像的分析可以进行,诸如通过围绕成像的诊断测试生成图像的粗略裁剪版本(612)以将诊断测试与背景隔离开来。在不执行对照检查的变体中,接收到的图像的分析可以自动进行,如下文进一步描述的。
在一些变体中,粗略裁剪(612)可以在扫描表面的辅助下使用计算机视觉技术自动执行。例如,图9A描绘了在具有空间标记(QR码标记,尽管其可以包括ArUco标记或任何合适的基准)的扫描卡上的诊断测试的图像910。可以将图像910粗略地裁剪成围绕诊断测试的感兴趣区域920。该感兴趣区域920可以例如通过识别一组三个或更多个空间标记来定位,诸如利用OpenCV或其他合适的计算机视觉软件包的内置功能。可以对这些空间标记界定的区进行进一步分析。
在一些变体中,粗略裁剪(612)可以使用附加的计算机视觉技术以及借助于扫描表面的其他图像分析来自动执行。例如,图9B描绘了具有空间标记(QR码标记)的扫描卡上的诊断测试的图像910,其中图像910可以被裁剪成围绕诊断测试的感兴趣区域920。类似于上面关于图9A描述的方法,可以识别三个或更多个空间标记(例如,QR码标记,尽管其可以包括ArUco标记或任何合适的基准),但是这里可以通过将图像910转换成不同的颜色空间并识别指示每个空间标记的位置的轮廓来识别空间标记。例如,可以将图像转换为灰度以使分析与颜色无关,然后可以应用阈值截止值来帮助区分感兴趣区域和背景。例如,阈值截止值可以基于启发式确定的阈值(该阈值可以是目标区相对于“背景”区的平均光强度的函数)以及用于识别空间标记的候选位置的轮廓检测。区域大小和/或区域纵横比的测试可以应用于空间标记的候选位置以识别空间标记在图像中的位置。在图9B所示的变体中,空间标记中的一个包括在空间标记中预定的已知位置(右下角)中的红色方块。在定位了一组空间标记之后,识别红色方块,并且将感兴趣区域920识别为图像910的区,其是该红色方块的倍数(例如,(M乘以红色方块的高度)x(N乘以红色方块的宽度)的区域),使用红色方块的角或相对于红色方块的其他合适点作为相乘坐标的原点。
附加地或可替代地,可以通过首先将图像转换成灰度并应用阈值截止值来自动执行图像的粗略裁剪,如上文关于图9B所述。随后,可以使用一个或多个滤波器(例如,中值滤波器)来从图像中去除阴影。可以对图像执行开、闭和/或梯度形态学操作,并且分析可以集中在图像的由屏幕上的标线勾勒出轮廓的区域上。最小面积算法可以用于确定诊断测试周围的最佳拟合框作为图像的粗略裁剪的感兴趣区域。
此外,在一些变体中,诊断测试的图像的粗略裁剪(612)可以附加地或可替代地包括手动输入以指定诊断测试的边界。例如,在用户在该背景下拍摄诊断测试的图像后,诸如使用执行移动应用程序的移动计算设备(例如,智能手机),移动应用程序可以提示用户指示在成像诊断测试周围的感兴趣区域。例如,用户可以通过使用合适的图形用户界面在显示的图像上手动追踪感兴趣区域和/或指示感兴趣的几何区域的顶点(例如,矩形的角)来指示感兴趣区域。可替代地,用户可以使用计算设备上的任何合适的照片编辑应用程序裁剪、标记或以其他方式编辑诊断测试的原始图像,并指定该经编辑的照片以供进一步分析。作为又一示例,诊断测试的图像的粗略裁剪可以附加地或可替代地基于屏幕上的标线和/或显示在成像设备的观察屏幕上的其他合适的引导件。例如,成像设备(例如,智能手机)的GUI可以显示具有与目标(例如,诊断测试、诊断测试的测试区域等)相同纵横比的标线,其中用户可以在捕获图像之前使用标线对准目标。作为结果,在一些变体中,粗略裁剪可以基于接收到的图像中的对应于显示的标线的像素裁剪区域。
在一些变体中,粗略裁剪(612)可以结合与诊断测试的图像中的感兴趣区域相关的自动确定和手动输入两者。例如,任何上述自动化技术都可以确定提议的感兴趣区域,该区域定义成像的诊断测试周围的粗略裁剪,并且提议的感兴趣区域可以显示在计算设备(例如,智能手机)的屏幕上以用于由用户确认和/或手动调整。
附加地或可替代地,图像的粗略裁剪(612)可以结合正在成像的诊断测试的已知特性。例如,可以确定诊断测试的类型(例如,品牌等),并且对于该类型的诊断测试,诊断测试的一个或多个特性(诸如总体形状或纵横比)可以是已知的(例如,在存储的配置文件中)。例如,来自该诊断测试的配置文件的信息可以用于验证图像中感兴趣区域的适当大小和/或形状。诊断测试的类型可以自动确定(例如,成像诊断测试上品牌的光学字符识别、其他独特特征、机器学习、模板匹配等)和/或通过计算设备上的手动输入确定(例如,由用户从具有已知特性的诊断测试的显示的预填充的列表中进行选择)。在一些变体中,通过自动化方法确定的提议的诊断测试类型然后可以由用户手动确认或校正。此外,在一些变体中,此类确认或校正可以用于进一步训练机器学习模型(或以其他方式细化上述自动化方法)以改进其准确性。
在一些变体中,图像(例如,图像的粗略裁剪版本)可以在图像验证之前(或期间)进一步预处理,如下所述。例如,预处理可以包括从图像中去除阴影。例如,可以通过将图像转换为灰度以使图像与颜色无关,测量跨图像的每个轴的平均光水平,并生成跨每个轴的光水平的1D阵列,并沿着图像的每个轴以使较浅区变深并使较深区变浅的方式(例如,划分)应用这些1D阵列,来去除阴影。
验证图像
可以通过一系列一个或多个验证过程来分析图像的粗略裁剪版本以确保图像的质量(620)。可以验证图像的一个或多个各方面的质量,包括但不限于接收到的图像中的光照水平、色彩平衡、曝光水平、噪声水平、图像模糊水平、阴影的存在和/或眩光的存在。如下文详细描述的,可以表征这些方面以使用各种技术(诸如计算机视觉技术)来验证图像质量。在一些变体中,可以表征这些方面中的一个或多个以使用一个或多个合适的经训练的机器学习模型(例如,深度学习技术)来验证图像质量。例如,可以使用包括具有标记特征(例如,可接受或不可接受的测试取向、可接受或不可接受的图像中的模糊和/或噪声水平、可接受或不可接受的曝光水平、光照或色彩平衡、图像的裁剪的识别的空间坐标、相对于背景的隔离测试或测试区域、识别的测试取向等)的图像的训练数据以监督方式来训练机器学习模型,该训练数据可以用于训练神经网络或其他合适类型的机器学习技术来识别关于某些特性的合适质量的图像。以无监督或半监督方式训练的机器学习模型可以附加地或可替代地用于验证关于图像的一个或多个方面的图像质量。
在一些变体中,如图6所示,验证图像的质量(620)可以包括执行光照、饱和度、色彩平衡或照明检查中的任何一个或多个(622),以确保诊断测试有足够(或过度)的照明。例如,可以通过计算图像的平均(例如,均值)红绿蓝(RGB),并且然后将图像的平均RGB值与预定阈值条件(诸如阈值或值范围)进行比较来执行光照检查。例如,可以启发式地确定合适的阈值或范围。如果平均RGB值不满足预定阈值条件,则可以认为图像质量不足,并且可以向用户传送错误,指示图像未通过验证过程。应当理解,在其他变体中,在执行上述光照检查时可以替代地使用其他颜色空间(例如,YUV、CYMK等)中的通道的平均值。在其他变体中,可以使用HSV颜色空间的V通道。此外,相机或其他工具提供的信息(例如BV、勒克斯、ISO、ET、焦距)可以单独使用或相互结合使用和/或计算测量值来确定适当的照明。
附加地或可替代地,验证图像的质量可以包括执行曝光检查以确保图像被正确曝光。在一些变体中,这可以通过查看相机或其他工具提供的信息(例如BV、勒克斯、ISO、ET、焦距)来执行。在一些变体中,这可以通过识别图像的预期区域并将它们相互比较以确保它们的相对值在已知的启发式确定的范围或值之内或之外,或者在每图像或区域计算的范围或值之内或之外,来执行。在一些变体中,这可以单独地或组合地包括上述项目。
附加地或可替代地,验证图像的质量(620)可以包括执行取向检查(624)。在取向检查中,可以测量诊断测试在图像内的旋转量,并且可以相应地校正图像帧内的诊断测试的取向。在一些变体中,诊断测试上的已知标记可以用作“指纹”或用于确定取向的信息参考。例如,图10A描绘了在图像帧内旋转的诊断测试盒的图像。盒上的黑色印刷箭头(例如,与化验窗口相邻的箭头)可以为确定图像中诊断测试的取向提供有用的参考。可以将图像转换到另一个颜色空间或另一个颜色空间的通道(例如,灰度或LAB L通道等)。可以创建1D阵列,其中1D阵列的每个元素包括图像的区域(例如,列或行)的像素值的代表性度量(例如,平均值)。可以对1D阵列进行滤波(例如,使用中值滤波器或其他适当的滤波器)以去除噪声和/或其他伪像。1D阵列中的峰的位置(图10H)可以被认为对应于盒上的黑色印刷标记,并且可指示图像内化验的取向的角度(或化验的翻转180度的取向,尽管黑色印刷箭头之间的不规则间距或标记的其他不对称特性可以有助于区分实际取向和翻转180度取向)。由于白色/浅色盒材料与盒上的黑色印刷标记之间的高对比度,预计这些峰的突起也高,这可以进一步有助于识别化验的取向。基于所确定的取向,可以将旋转变换应用于图像以将诊断测试对准图像帧(图10E至图10G)。作为结果,具有诊断测试的校正的基本取向的图像对于已知类型的诊断测试可能看起来具有预期数量的峰和突起(图10I)。
用于执行取向检查的方法的示例变体在图10B和图10C中示出。例如,如图10B和图10C所示,图像可以被转换成不同的颜色空间,其增强代表对准的特征或一组特征。可以使用一种或多种计算机视觉方法或计算机视觉方法的组合来隔离(一个或多个)对准代表特征并识别其取向。例如,用于隔离此类特征和识别取向的合适的计算机视觉方法包括使用一个或多个最小面积边界框、轮廓算法等。作为另一个示例,接收到的图像可以被裁剪(例如,用于执行如上所述的图像的粗略裁剪的变体),可以对所得图像执行轮廓操作。具有在预期区域内的轮廓的图像可以被接受,而具有在预期区域之外的轮廓的任何图像可以作为不良取向而拒绝。附加地或可替代地,一种或多种合适的计算机视觉技术可以用于识别目标图像区域的外形,诸如诊断测试或测试的特征(例如,测试区域),或图像或测试的其他目标预定区域。例如,一个或多个边缘检测(例如Canny、Diriche、Differential、Sobel、Prewitt、Roberts cross等)、脊检测(例如Hough变换等)、blob检测(例如LoG、DoG、DoH、MSER、PCBR等)、特征检测(例如,仿射、SIFT、SURF、GLOH、HOG等)和/或深度学习技术可以用于确定目标区域的外形。此后,可以使用可以计算或确定的纵横比、面积或透视变换等基于所识别的区域来识别任何平面内或平面外旋转,以便测量该区域未对准的度数。
在一些变体中,过度旋转或未对准的图像(例如,旋转至少预定阈值度数),诸如由上述技术中的任一种确定的图像,可能导致图像被拒绝。然后可以提示用户采集更正确对准的图像。附加地或可替代地,可以执行变换以将图像恢复到预期状态以供进一步分析和/或进一步手动确认图像看起来正确取向。
在一些变体中,验证图像的质量(620)可以附加地或可替代地包括执行模糊或噪声检查(626)以确定图像中的模糊或噪声的量是否可接受。例如,这样的检查可以包括可选地将图像转换成各种颜色空间中的任何一种或多种并且以各种合适的组合应用一种或多种计算机视觉技术。用于减少模糊的合适的计算机视觉技术的示例包括拉普拉斯方差、拉普拉斯均值、NIQE、Tenengrad、Sobel函数、快速傅里叶变换(FFT)等。在一些变体中,模糊或噪声的量可以通过为整个图像或感兴趣区域生成图像质量度量来表征。如果此度量超出预定阈值或动态设定阈值,或者如果这些值的某些组合超出阈值组合,则图像被视为对于后续分析来说具有太多模糊和/或噪声。其他方法可以包括使用显着图或经训练的深度学习模型。附加地或可替代地,可以使用参考,诸如通过将图像或区域的锐化版本与参考进行比较,或者将图像或区域的平滑版本与参考进行比较,和/或对图像或区域执行有意模糊并与参考进行比较等。参考可以包括例如原始图像、原始图像的区域、预定参考图像或处理后的图像或图像的区域。该比较得到度量,然后可以将该度量用作图像中模糊或噪声的量的测量结果。
附加地或可替代地,在一些变体中,验证图像的质量(620)可以包括执行眩光检查(628)以确定图像中的眩光量是否可接受。在一些变体中,眩光检查可以包括将图像转换成各种颜色空间中的任何一种,并且然后以各种合适的组合应用各种计算机视觉技术,诸如使用百分比最大值和显着图。在某些情况下,眩光可能会导致相机传感器的饱和,因此处于或接近传感器报告的最大值的值可能会被视为眩光。例如,在从0到255的标度上,强度大于240的任何像素都可以视为潜在眩光。此外,具有满足阈值(动态设定值或预设值)的强度的任何像素都可以被视为眩光。该值可以是绝对值,或者可以相对于图像中的最大强度来定义,例如在自感兴趣区域中的最大值的三个计数内。此外,在某些情况下,眩光表现为比其周围环境亮得多的像素。第二动态阈值(诸如中值像素强度加上两个标准差)可以附加地或可替代地用于确定是否将像素视为眩光。在一些变体中,可以基于这些像素强度测试中的一个或多个来确定图像的总体眩光水平。例如,可以将满足上述标准中的一个或两个的像素相加并除以感兴趣区域中的像素总数,以确定满足眩光标准的像素的百分比或分数。满足眩光标准的像素除以像素总数的分数反映了感兴趣区域内的眩光水平。用于执行眩光检查的其他方法可以附加地或可替代地包括使用滑动窗口处理转换或未转换的图像,以及基于与图像的其余部分相比的窗口的特征在窗口内执行变换以便隔离眩光区域。
例如,诊断测试盒的测试区域(例如,化验)的塑料覆盖窗口上可能会存在眩光。因此,在辅助眩光检查的一些变体中,可以手动地和/或以自动方式执行图像的裁剪以将测试区域与诊断测试的其余部分隔离开来(例如,类似于上面描述的粗略裁剪以将诊断测试与背景隔离开来)。粗略裁剪可能会裁剪掉诊断测试的样本端口,以及盒上的标记(例如,手写墨标记等)。作为执行图像的粗略裁剪以隔离测试区域的自动化方式的示例,图11图示了执行描绘包括盒中的测试条的诊断测试的图像的粗略裁剪的变体。在一些变体中,假设测试条在相机设备(例如,移动计算设备)上显示的屏幕上标线内稍微居中,粗略裁剪可以去除图像周界的预定部分(例如,百分比)。例如,粗略裁剪可以去除图像周界的外部30%,尽管要裁剪的百分比可以是任何合适的值。
附加地或可替代地,可以使用基于外形的技术来定位测试区域。例如,可以至少部分地基于诊断测试的所识别的外形和测试区域相对于诊断测试的外形的估计位置来定位测试区域。例如,计算机视觉技术可以使用阈值化(thresholding)、边缘查找、blob查找、轮廓检测等来识别诊断测试(例如,盒)的外形。可以基于相对于诊断测试的外形和/或其他标记的预定坐标来确定测试区域的位置,从而使用图像中的此类已知标记作为空间界标。预定坐标可以例如在确定诊断测试的类型之后是已知的(其可以如上所述自动地和/或手动地确定)。
在一些变体中,可以在任何图像验证测试之前执行图像的裁剪以将测试区域与图像的其余部分隔离开来。此外,应当理解,虽然图6描绘了以特定顺序执行的图像验证过程,但是可以以任何合适的顺序执行诸如光照检查(622)、取向检查(624)、模糊/噪声检查(626)和眩光检查(628)的过程,省略任何检查或插入附加的检查,基于测试的确定需求进行定制。
此外,在一些变体中,验证图像(620)可以利用来自配置文件的信息,该配置文件与正在成像的诊断测试的类型相关联。可以自动和/或手动(例如,如上所述)确定诊断测试的类型,并且可以访问相关联的配置文件。诸如诊断测试的大小或纵横比、测试区域中的线数、测试区域中的线之间的距离、测试区域与测试中其他界标(例如左上角)相比的位置、测试区域(例如,化验窗口)的大小等信息可以用于帮助验证诊断测试是否充分成像。配置文件还可以包含诸如阈值的信息,或关于如何使用和使用哪些质量技术以及如何使用这些技术的算法控件。
附加地,可以为执行此类过程的(一个或多个)设备订制和/或以其他方式定制上述验证过程中的任何一个或多个。可以从操作系统或从为特定设备的自定义软件构建预先确定的值等获得对设备描述符(诸如品牌、型号、相机焦距和/或成像设备(例如,智能手机)的其他识别特性)的认知。一个或多个验证过程的订制可以至少部分地基于这样的特定于设备的描述符,并且存储为预定指令。预定指令可以被包含在算法的代码中,或者可以从远程位置(例如,服务器、(一个或多个)远程存储设备、云存储等)下载。
定位测试区域
可以定位测试区域(例如,化验窗口)以进行诊断测试分析。可以以各种合适的方式定位测试区域。例如,上述粗略的测试区域隔离技术(例如,参考图11,和/或基于外形的技术)在某些情况下可能足够精确以进行分析。可替代地,在一些变体中,如图6所示,在图像已被验证为具有足够的质量之后,可以执行更精确或确切的图像裁剪(630)以更精确地隔离诊断测试的测试区域(例如,化验窗口)。在一些变体中,如下文详细描述的,可以使用合适的计算机视觉技术来定位和/或隔离图像中的测试区域。附加地或可替代地,可以使用一个或多个合适的经训练的机器学习模型(例如,深度学习技术)来隔离和/或定位测试区域。例如,可以使用训练数据以监督方式训练机器学习模型,训练数据包括具有标记的测试区域部分(例如,化验窗口、试剂垫等)的图像,该训练数据可以用于训练神经网络或其他合适类型的机器学习技术来识别和/或隔离图像中的测试区域。以无监督或半监督方式训练的机器学习模型可以附加地或可替代地用于定位和/或隔离图像中的测试区域。
例如,在一些变体中,可以至少部分地根据基于颜色的方法来定位测试区域。举例来说,如图12A所示,裁剪后的图像(例如,测试区域的粗略裁剪)可以转换为LAB颜色空间或其他合适的颜色空间。可以将图像阵列分成L、A和B通道2D阵列,并且可以在2D阵列中计算用于诊断测试的最高对比度通道中的高百分位值(例如,第99、第98、第97百分位等)。可以基于诊断测试的颜色选择最高对比度的通道。例如,可以确定A通道阵列的高百分位值以用于具有红色/粉红色线的侧流免疫测定测试。不在预定义百分位A通道值中的图像的任何部分可以经由二进制或Otsu滤波器等去除。换句话说,二进制或Otsu滤波器可以有效地对来自图像中的除最亮的A通道值(例如,A通道中最亮的1%、2%、3%等)之外的所有值进行阈值处理(threshold out)。可以在剩余的图像中识别最大的轮廓,并且该轮廓可以被认为是测试区域中的对照线。如图12B所示,可以基于对照线的估计位置和/或任何其他信息(诸如测试区域的估计纵横比(标称值或从与诊断测试相关联的配置文件中已知的等)来推断测试区域的位置(例如界限)。根据测试的颜色,可以使用其他高对比度通道(例如,针对产生蓝线的诊断测试使用B通道)。
此外,定位测试区域的基于颜色的方法可以利用任何合适的颜色空间。在一些变体中,裁剪后的图像可以转换为YUV、XYZ、HSV、CYMK或其他合适的颜色空间,并且可以如上所述使用所选颜色空间中的最高对比度颜色通道来识别用于测试区域推断的对照线。例如,裁剪后的图像可以转换为YUV颜色空间,并且对于带有红色/粉红色线的诊断测试,V通道可以用于对图像的部分进行阈值处理并识别用于测试区域推断的对照线。
作为另一个示例,裁剪后的图像可以转换为灰度图像,并且灰度图像可以转换为1D阵列,其中阵列的元素是诸如灰度图像的行或列的部分的代表性度量(例如均值)。可以在1D阵列中识别峰,并且可以将具有最高突起的(一个或多个)峰视为对照线,作为对整个测试区域进行推断的基础。如果测试条上存在一个以上的高强度线或峰,则最接近空间界标对照线的预期位置的峰可以被确定为空间界标。在某些情况下,可能存在多条对照线,并且每条对照线都可以用作空间界标以细化测试区域的位置。
在某些情况下,由于环境条件(例如,光照条件),确切的测试区域(例如,化验窗口)可能会被阴影部分遮挡,这可能使精确定位测试区域变得更加困难。例如,在某些情况下,从低角度(例如,通过地板至顶棚的窗)照射诊断测试的光可能导致测试盒将阴影投射到测试区域的至少一部分上。在这种情况下,可能会在测试区域的第一部分投射较重的阴影,而测试区域的第二部分(例如,其余部分)可能会被很好地照射。因此,大部分测试区域可以通过阈值化(例如,二进制阈值化,如上所述)找到,以仅示出最亮的区;然而,测试区域的黑暗或阴影部分很难仅通过二进制阈值化找到。因此,在一些变体中,分析拉普拉斯值的技术可以通过利用具有高拉普拉斯值的图像区域指示测试区域的暗区域的边缘的理解来提供一种改进的、更准确的识别图像中的测试区域的方法。因此,添加测试条的“亮”和“暗”区可以得到可能包括整个测试区域的组合图像。
例如,在一些变体中,一种用于识别图像中的测试区域的方法可以包括确定图像的具有高于预定拉普拉斯阈值的拉普拉斯值的一个或多个高拉普拉斯区域,确定图像的具有高于预定亮度阈值的亮度的一个或多个亮区域,将图像的一个或多个高拉普拉斯区域与一个或多个亮区域通过按位“或”运算组合,并基于图像的组合的高拉普拉斯区域和亮区域的轮廓来定义测试区域。
在该方法的示例性变体中,可以首先将图像转换成灰度。可以计算灰度图像的拉普拉斯,并且可以将合适的二进制拉普拉斯阈值应用于拉普拉斯以形成阈值化拉普拉斯图像,其包括具有高于拉普拉斯阈值的拉普拉斯值的(一个或多个)图像部分。拉普拉斯阈值例如可以是拉普拉斯图像的平均(例如均值)拉普拉斯值加上拉普拉斯图像的拉普拉斯图像中的标准偏差。然后可以将一组进一步的侵蚀和扩张应用于阈值化拉普拉斯图像以平滑测试区域轮廓。此外,可以将合适的二进制灰度阈值应用于灰度图像以形成阈值化灰度图像,其包括具有高于灰度阈值的更亮灰度值的(一个或多个)图像部分。例如,灰度阈值可以是灰度图像的平均灰度值(例如均值)加上灰度图像的标准灰度偏差。然后可以将另一组进一步的侵蚀和扩张应用于阈值化灰度图像以平滑测试条轮廓。阈值化拉普拉斯图像和阈值化灰度图像然后可以通过按位“或”运算合并。然后可以将一组附加的进一步侵蚀和扩张应用于合并图像以平滑测试区域轮廓。然后可以将该合并图像传递给轮廓查找功能。如果找到具有预期的(例如,正确的)大小、纵横比和位置的轮廓,则该轮廓被标记为测试区域轮廓并且测试区域的进一步分析可以如本文别处所述进行。
在另一示例性变体中,可以以两种方式转换接收到的图像以形成图像的灰度版本,以及在诸如HSV颜色空间的合适颜色空间中的图像的另一版本。类似于上面的示例,可以计算灰度图像的拉普拉斯,并且可以将合适的二进制拉普拉斯阈值应用于拉普拉斯以形成阈值化拉普拉斯图像,其包括具有高于拉普拉斯阈值的拉普拉斯值的(一个或多个)图像部分。拉普拉斯阈值例如可以是拉普拉斯图像的平均拉普拉斯值(例如均值)加上拉普拉斯图像的拉普拉斯图像中的标准偏差。然后可以将一组进一步的侵蚀和扩张应用于阈值化拉普拉斯图像以平滑测试区域轮廓。在此示例中,HSV颜色空间的V或值、通道可以用于阈值化以识别图像的亮区域。例如,“FOR”回路可以用于迭代调用阈值化功能,其中在该回路的每个循环中,可以使用不同的截止值并且在截止值处应用二进制阈值以形成阈值化值(V)图像。然后可以应用一组进一步的侵蚀和扩张以平滑测试条轮廓。阈值化拉普拉斯图像和阈值化值(V)图像然后可以通过按位“或”运算合并。然后可以应用一组进一步的侵蚀和扩张以平滑测试区域轮廓。然后可以将该合并图像传递给轮廓查找功能。如果找到具有预期的(例如,正确的)大小、纵横比和位置的轮廓,则该轮廓被标记为测试区域轮廓并且测试区域的进一步分析可以如本文别处所述进行。
在一些变体中,诊断测试可以仅包括一个测试区域(例如,一个化验窗口),并且可以仅需要将一个这样的测试区域定位在图像中以供分析。然而,在一些变体中,诊断测试可以包括多个测试区域(例如,多个化验窗口,或跨单个化验窗口分布的多个测试区域),并且相应地在这些变体中,可以适当地通过重复上述过程来定位多个测试区域。
在一些变体中,可以通过使用隔离测试区域的外形的任何数量、顺序或组合的适当的计算机视觉技术(例如,阈值化、边缘查找、blob查找、轮廓检查等和/或上述其他技术)来附加地或可替代地隔离测试区域。在一些变体中,用于隔离测试区域的技术可以通过首先隔离图像中的诊断测试(例如,使用先前描述的技术)以创建代表诊断测试的子集区域,并且然后使用测试的已知特征(例如,可以从如上所述的配置文件中确定),并且识别要在其中搜索测试区域的子区域来辅助。
预测测试结果
给定充分隔离图像中的诊断测试的(一个或多个)测试区域的充分裁剪后的图像,可以基于分析图像中描绘的测试区域来预测测试结果(640)。如图6所示,精确或确切裁剪后的图像可以转换为灰度(642a)或合适的高对比度颜色空间(642b),或者可以转换为包括灰度版本和颜色空间版本的多个版本以供进一步分析。此外,测试区域中的测试线可能更容易与比例颜色通道(例如LAB“A”或LAB“B”或YUV“V”通道)中的阴影区分开来,这些通道抵抗来自阴影的干扰。因此,在一些变体中,当确定线在测试区域中的位置时,使用这些通道可能优于使用结合了照度和颜色测量的通道。
在一些变体中,可以在进一步分析之前处理裁剪后的测试区域图像,以便去除可能由于污垢、异物、阴影等而误导性地暗的有问题的区域(例如,行)。例如,最暗的像素行(例如,如在图像的灰度版本中确定的)可以基于由图像或其一部分(例如,按行)中的最高百分位值(例如,99%、98%等)确定的阈值截止值、基于确定跨行的像素强度的峰值,和/或以任何合适的方式而进行阈值处理。
图13A至图13F是从成像测试条预测测试结果的示例变体的方面的示意图。例如,从隔离图像中的诊断测试的测试区域的充分裁剪后的图像开始(图13A),可以将图像转换成任何合适的高对比度颜色空间,诸如LAB或YUV等(图13B)。转换后的图像可以分成多个颜色通道(图13C)。例如,LAB颜色空间中的图像可以分为L通道、A通道和B通道。可以为高对比度通道的每一列确定代表性或描述性统计量(例如,均值)(例如,针对具有红色/粉红色线的诊断测试使用A)并且将其浓缩到1D阵列中(图13D)。该1D阵列中的峰可以被定位(图13E)并被识别为诊断测试中的潜在线,因为测试条上的每条线都应该在1D阵列中产生一个峰。
如果分析灰度中的图像,可以类似于上述将灰度图像浓缩到1D阵列中,其中阵列的元素是诸如灰度图像的行或列的部分的代表性度量(例如,均值)。类似地,该1D阵列中的峰可以被定位并识别为诊断测试中的潜在线。
通常,在颜色空间和灰度图像分析两者中,可以确定每个峰的相对位置,以及每个峰的突起。在一些变体中,线的存在的确定可以基于峰突起、峰位置(例如,相对于测试区域的其他峰和/或边)和峰宽中的任何一个或多个。在一些变体中,在搜索可以代表测试结果线的其他峰/线之前,可以首先识别对照线(例如,作为线的最强存在,基于峰相对于测试区域边的位置等)。如果没有找到峰,则该测试可被视为无效。同样,如果没有找到对照线,则测试可以被视为无效。
作为说明性示例,可以根据如表1所示的一组规则以重复回路方式(例如,针对所有峰在“for”回路中)分析所识别的峰。对照线和/或测试线的预期位置和/或这些线的阈值可以基于来自与正在成像的诊断测试的类型相关联的配置文件的信息。可替代地,可以以其他方式预先确定这样的位置,例如通过标称位置值。
在下表中,提到的阈值变量具有如下相对值:
[非常低的阈值]<[略低的阈值]<[相对低的阈值]
表1.用于预测诊断测试结果的图像中的峰的分析
附加地或可替代地,一旦确定了测试区域的确切位置(例如,经由上述任何技术),就可以在测试区域中的预期位置(例如,对于该特定类型的诊断测试,化验窗口内的已知线位置)处测量测试区域中的线的强度。根据用于诊断测试的测试条的制造公差,可以在位置范围内测量这些线强度。例如,如果测试线位置的已知制造公差具有1mm的范围(例如,相对于标称测试线位置的±0.5mm,或介于标称测试线位置左侧0.5mm和标称测试线位置右侧0.5mm之间),然后对于该测试线可以在测试区域中相同1mm空间范围内的图像位置处执行线强度测量。在一些变体中,用于分析测试结果的目的,该1mm空间范围区域中的最大强度可以用作代表性线强度。然而,其他代表性值(例如,平均线强度值、线强度值的前四分位数的平均值等)可以用于分析测试结果的目的。此外,应当理解,1mm的制造公差仅是出于说明目的的示例,并且具体的适当值可以因测试类型、诊断测试品牌等而异。
附加地或可替代地,可以使用一个或多个合适的经训练的机器学习模型(例如,深度学习技术)来分析图像的测试区域部分以预测测试结果。例如,可以使用训练数据以监督方式训练机器学习模型,训练数据包括具有用于各种诊断测试的标记测试结果(例如,弱阳性、中强阳性、强阳性等)的图像。该训练数据可以用于训练神经网络或其他合适类型的机器学习技术以从图像预测测试结果。以无监督或半监督方式训练的机器学习模型可以附加地或可替代地用于从图像预测测试结果。
虽然以上主要参考分析侧流免疫测定测试描述了这些方法,但应当理解,这些方法的方面也可以应用于其他类型的诊断测试(例如,比色免疫测定测试)。例如,在一些变体中,比色免疫测定测试的分析可以包括识别测试区域(例如,使用扫描表面上的基准)。然而,预测比色测试的测试结果可能不涉及定位对照线和/或测试线,而是包括定位对照器皿和/或测试器皿,并将(一个或多个)测试器皿中样本的检测到的颜色与一个或多个预定颜色(例如,颜色参考阵列)进行比较来评估诊断测试结果。在一些变体中,基于颜色的图像分析可以类似于美国专利号8,655,009和8,911,679中描述的分析,以上专利都被并入。
此外,在用于分析比色测试的一些变体中,测试区域(例如,试剂垫)可以通过诸如使用合适的轮廓算法找到其轮廓来定位。一旦测试区域位于图像中,描绘测试区域的图像的部分可被转换成最适合分析其颜色的颜色空间。例如,在许多情况下,LAB、YUV或CIE-XYZ颜色空间最适合分析试剂垫颜色。一旦测试区域图像部分被隔离并转换为适当的颜色空间,就可以测量关于其颜色的描述性统计量。例如,测量测试区域图像部分的描述性统计量(例如,颜色空间中的颜色通道中的值)的中值。在一些变体中,在进行该描述性统计量的计算之前,可以忽略在测试区域上检测到眩光或异物的任何区。例如,这样的眩光和/或异物可以如上所述被检测。
在一些变体中,在任何比色测试图像的场景中存在的可以是参考颜色,诸如参考色块或印刷在扫描表面上并在图像中描绘的其他图标。这些参考色块可以通过找到它们的轮廓来定位。一旦定位了参考色块,就可以将这些色块的图像转换为最适合分析其颜色的颜色空间。表示色块的描述性统计量可以类似于如上所述的那样被计算。这些描述性统计量可以用于生成颜色校正矩阵,该矩阵可以应用于整个图像或仅应用于感兴趣区域。该颜色校正矩阵用于减轻异常照明条件对试剂垫颜色的测量的影响。
在一些变体中,试剂垫的颜色值然后可以转化为试剂浓度和对应的测试结果,诸如使用查找表或方程式,该查找表或方程式可以存储在存储器中并在适当的时间被访问。
传送测试结果
在已经预测(一个或多个)测试结果之后,其可以被输出或以其他方式传送给合适的实体。例如,在一些变体中,测试结果可以通过与诊断平台相关联的移动应用程序、通过通知消息、通过电子邮件或以任何合适的方式传送给用户。附加地或可替代地,诊断测试结果可以传送给用户的医疗护理团队,诸如通过相关联的仪表板或与诊断平台通信的其他合适的系统。此外,在一些变体中,诊断测试结果可以传送到用户的合适的电子健康记录或其他存储器存储设备。
在一些变体中,诊断平台可以根据预测的测试结果协助一个或多个各种后续行动。例如,诊断平台可以帮助用户与合适的医疗保健从业者建立联系以讨论进行医疗保健的问题或选项。诊断平台可以适当地建议和/或促进对医疗保健从业者的亲自访问。附加地或可替代地,诊断平台可以协助提供适当药物的处方、提供一般医疗引导和/或资源链接,和/或其他适当的行动以根据诊断测试结果进一步对用户进行医疗保健。
示例实施例
实施例1.一种用于分析诊断测试的方法,所述方法包括:
在一个或多个处理器处:
接收描绘诊断测试的图像,其中所述诊断测试包括指示测试结果的测试区域;
验证所述图像的质量;
定位所述图像的描绘所述诊断测试的所述测试区域的测试区域图像部分;以及
基于所述测试区域图像部分预测所述测试结果。
实施例2.根据实施例1所述的方法,其中验证所述图像的质量包括评估接收到的图像中的光照水平、色彩平衡、噪声水平、图像模糊水平、阴影的存在和眩光的存在中的至少一个。
实施例3.根据实施例1所述的方法,其中验证所述图像的质量包括评估接收到的图像中的所述诊断测试的位置和取向中的至少一个。
实施例4.根据实施例1所述的方法,其中验证所述图像的质量包括验证接收到的图像中的一个或多个对照标记的成像质量。
实施例5.根据实施例4所述的方法,其中所述一个或多个对照标记包括多条线。
实施例6.根据实施例4所述的方法,其中所述一个或多个对照标记包括多种颜色。
实施例7.根据实施例1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中的所述诊断测试的边界。
实施例8.根据实施例7所述的方法,其中识别所述图像中的所述诊断测试的所述边界包括在高对比度背景下识别所述诊断测试的所述边界。
实施例9.根据实施例7所述的方法,其中定位所述测试区域图像部分包括至少部分地基于相对于所述图像中的所述诊断测试的所述边界的一个或多个预定测试区域坐标来定位所述测试区域图像部分。
实施例10.根据实施例9所述的方法,其中所述一个或多个预定测试区域坐标与所述诊断测试的类型相关联。
实施例11.根据实施例1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中的扫描表面上的一个或多个基准,以及基于所述一个或多个基准的位置来定位所述测试区域图像部分。
实施例12.根据实施例1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中具有预定颜色通道的峰代表值的感兴趣图像部分,以及基于所述感兴趣图像部分中的所述预定颜色通道中的最大轮廓的位置来定位所述测试区域图像部分。
实施例13.根据实施例11所述的方法,其中所述预定颜色通道处于选自由LAB、YUV、HSV、XYZ和CYMK组成的组的颜色空间中。
实施例14.根据实施例1所述的方法,其中预测所述测试结果包括识别所述测试区域图像部分中的预定颜色通道中的一个或多个峰突起。
实施例15.根据实施例14所述的方法,其中预测所述测试结果包括针对所述测试区域图像部分中的对照指示符和结果指示符中的至少一个来评定所述一个或多个峰突起。
实施例16.根据实施例1所述的方法,进一步包括接收用户的一个或多个图像以及基于所述用户的所述一个或多个图像来验证所述用户的样本采集。
实施例17.根据实施例1所述的方法,进一步包括识别接收到的图像中描绘的所述诊断测试的类型。
实施例18.根据实施例1所述的方法,进一步包括将预测的测试结果传送给用户。
实施例19.根据实施例1所述的方法,其中所述诊断测试包括侧流免疫测定测试。
实施例20.根据实施例19所述的方法,其中所述侧流免疫测定测试是直接流免疫测定测试。
实施例21.根据实施例1所述的方法,其中所述诊断测试包括比色免疫测定测试。
实施例22.根据实施例21所述的方法,其中所述比色免疫测定测试是等温扩增测试。
实施例23.一种用于促进诊断测试的分析的方法,所述方法包括:
在一个或多个处理器处:
接收描绘扫描表面上的一个或多个对照标记的一个或多个图像,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果;以及
使用至少一种计算机视觉技术来验证所述一个或多个图像中的所述一个或多个对照标记的检测。
实施例24.根据实施例23所述的方法,其中所述图像中的至少一个图像描绘所述诊断测试和所述一个或多个对照标记。
实施例25.根据实施例23所述的方法,进一步包括单独地接收描绘所述诊断测试的一个或多个图像。
实施例26.根据实施例23所述的方法,其中验证所述一个或多个图像中的所述一个或多个对照标记的检测包括生成与所述一个或多个对照标记相关联的一系列像素的代表值的阵列,确定所述阵列中的峰和/或突起,以及将所述峰和/或突起与一个或多个预定阈值进行比较。
实施例27.根据实施例26所述的方法,其中验证所述一个或多个对照标记的检测包括将所述一个或多个图像中的空白空间视为阴性对照。
实施例28.根据实施例23所述的方法,进一步包括响应于在描绘一个或多个对照标记的所述一个或多个图像中检测到所述一个或多个对照标记,基于所述诊断测试的图像来预测所述诊断测试的测试结果。
实施例29.根据实施例23所述的方法,进一步包括响应于在描绘一个或多个对照标记的所述一个或多个图像中未能检测到所述一个或多个对照标记而通知用户。
实施例30.根据实施例23所述的方法,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
实施例31.根据实施例30所述的方法,其中所述一条或多条线在粗细、颜色、色调和反射率中的至少一个方面变化。
实施例32.根据实施例30所述的方法,其中所述一条或多条线包括黑色和/或灰色线。
实施例33.根据实施例23所述的方法,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括一种或多种颜色。
实施例34.根据实施例23所述的方法,其中所述扫描表面进一步包括在所述一个或多个对照标记附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
实施例35.一种用于促进诊断测试的分析的系统,所述系统包括:
包括一个或多个对照标记的扫描表面,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果。
实施例36.根据实施例35所述的系统,其中所述扫描表面进一步包括指示所述诊断测试的放置的测试放置引导件。
实施例37.根据实施例36所述的系统,其中所述测试放置引导件具有与所述诊断测试形成对比的颜色。
实施例38.根据实施例36所述的系统,其中所述测试放置引导件指示所述诊断测试的外形。
实施例39.根据实施例35所述的系统,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
实施例40.根据实施例39所述的系统,其中所述一条或多条线在粗细、颜色、色调和反射率中的至少一个方面变化。
实施例41.根据实施例39所述的系统,其中所述一条或多条线包括黑色和/或灰色线。
实施例42.根据实施例35所述的系统,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括一种或多种颜色。
实施例43.根据实施例35所述的系统,其中所述扫描表面进一步包括至少一个空间基准。
实施例44.根据实施例35所述的系统,其中所述扫描表面包括具有识别信息的至少一个计算机可读码。
实施例45.根据实施例35所述的系统,其中所述一个或多个对照标记印刷在所述扫描表面上。
实施例46.根据实施例45所述的系统,其中所述一个或多个对照标记是用墨或调色剂印刷的。
实施例47.根据实施例46所述的系统,其中所述一个或多个对照标记是用荧光墨印刷的。
实施例48.根据实施例47所述的系统,其中所述荧光墨包括选自由以下各项组成的组中的至少一个:铕、罗丹明、荧光素、alexa萤石、量子点和荧光纳米粒子。
实施例49.一种诊断测试试剂盒,其包括:
包括用于指示测试结果的测试区域的诊断测试;以及
包括一个或多个对照标记的扫描表面,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果。
实施例50.根据实施例49所述的诊断测试试剂盒,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
实施例51.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线在粗细方面变化。
实施例52.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线在颜色方面变化。
实施例53.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线在色调方面变化。
实施例54.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线在反射率方面变化。
实施例55.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线是黑色的和/或灰色的。
实施例56.根据实施例50所述的诊断测试试剂盒,其中所述一条或多条线的颜色与所述诊断测试中的测试结果线的预期颜色匹配。
实施例57.根据实施例49所述的诊断测试试剂盒,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括多种颜色。
实施例58.根据实施例49所述的诊断测试试剂盒,其中所述一个或多个对照标记印刷在所述扫描表面上。
实施例59.根据实施例58所述的诊断测试试剂盒,其中所述一个或多个对照标记是用墨或调色剂印刷的。
实施例60.根据实施例59所述的诊断测试试剂盒,其中所述一个或多个对照标记是用荧光墨印刷的。
实施例61.根据实施例60所述的诊断测试试剂盒,其中所述荧光墨包括选自由以下各项组成的组中的至少一个:铕、罗丹明、荧光素、alexa萤石、量子点和荧光纳米颗粒。
实施例62.根据实施例49所述的诊断测试试剂盒,其中所述扫描表面进一步包括在所述一个或多个对照标记附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
实施例63.根据实施例49所述的诊断测试试剂盒,其中所述扫描表面是第一扫描表面,并且其中所述诊断测试试剂盒进一步包括与所述第一扫描表面分开并包括测试放置引导件的第二扫描表面。
实施例64.根据实施例49所述的诊断测试试剂盒,进一步包括加热设备。
实施例65.根据实施例64所述的诊断测试试剂盒,进一步包括外壳,所述外壳包括所述加热设备和在所述加热设备附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
实施例66.根据实施例65所述的诊断测试试剂盒,其中所述扫描表面被布置在所述外壳上。
实施例67.根据实施例66所述的诊断测试试剂盒,其中所述外壳被配置为接收测试样本。
实施例68.根据实施例67所述的诊断测试试剂盒,其中所述外壳包括被配置为接收测试样本器皿的接受器。
实施例69.根据实施例68所述的诊断测试试剂盒,其中所述接受器在所述加热设备附近。
为了解释的目的,前面的描述使用了特定的术语来提供对本发明的透彻理解。然而,对于本领域技术人员来说显而易见的是,实践本发明不需要具体细节。因此,本发明的具体实施例的前述描述是为了说明和描述的目的而呈现的。它们并非旨在详尽无遗或将本发明限制为所公开的精确形式;显然,鉴于上述教导,许多修改和变化是可能的。选择和描述这些实施例是为了解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够利用本发明和具有各种修改的各种实施例以适合于预期的特定用途。所附权利要求及其等同物旨在限定本发明的范围。
Claims (69)
1.一种用于分析诊断测试的方法,所述方法包括:
在一个或多个处理器处:
接收描绘诊断测试的图像,其中所述诊断测试包括指示测试结果的测试区域;
验证所述图像的质量;
定位所述图像的描绘所述诊断测试的所述测试区域的测试区域图像部分;以及
基于所述测试区域图像部分预测所述测试结果。
2.根据权利要求1所述的方法,其中验证所述图像的质量包括评估接收到的图像中的光照水平、色彩平衡、噪声水平、图像模糊水平、阴影的存在和眩光的存在中的至少一个。
3.根据权利要求1所述的方法,其中验证所述图像的质量包括评估接收到的图像中的所述诊断测试的位置和取向中的至少一个。
4.根据权利要求1所述的方法,其中验证所述图像的质量包括验证接收到的图像中的一个或多个对照标记的成像质量。
5.根据权利要求4所述的方法,其中所述一个或多个对照标记包括多条线。
6.根据权利要求4所述的方法,其中所述一个或多个对照标记包括多种颜色。
7.根据权利要求1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中的所述诊断测试的边界。
8.根据权利要求7所述的方法,其中识别所述图像中的所述诊断测试的所述边界包括在高对比度背景下识别所述诊断测试的所述边界。
9.根据权利要求7所述的方法,其中定位所述测试区域图像部分包括至少部分地基于相对于所述图像中的所述诊断测试的所述边界的一个或多个预定测试区域坐标来定位所述测试区域图像部分。
10.根据权利要求9所述的方法,其中所述一个或多个预定测试区域坐标与所述诊断测试的类型相关联。
11.根据权利要求1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中的扫描表面上的一个或多个基准,以及基于所述一个或多个基准的位置来定位所述测试区域图像部分。
12.根据权利要求1所述的方法,其中定位所述测试区域图像部分包括识别所述图像中具有预定颜色通道的峰代表值的感兴趣图像部分,以及基于所述感兴趣图像部分中的所述预定颜色通道中的最大轮廓的位置来定位所述测试区域图像部分。
13.根据权利要求11所述的方法,其中所述预定颜色通道处于选自由LAB、YUV、HSV、XYZ和CYMK组成的组的颜色空间中。
14.根据权利要求1所述的方法,其中预测所述测试结果包括识别所述测试区域图像部分中的预定颜色通道中的一个或多个峰突起。
15.根据权利要求14所述的方法,其中预测所述测试结果包括针对所述测试区域图像部分中的对照指示符和结果指示符中的至少一个来评定所述一个或多个峰突起。
16.根据权利要求1所述的方法,进一步包括接收用户的一个或多个图像以及基于所述用户的所述一个或多个图像来验证所述用户的样本采集。
17.根据权利要求1所述的方法,进一步包括识别接收到的图像中描绘的所述诊断测试的类型。
18.根据权利要求1所述的方法,进一步包括将预测的测试结果传送给用户。
19.根据权利要求1所述的方法,其中所述诊断测试包括侧流免疫测定测试。
20.根据权利要求19所述的方法,其中所述侧流免疫测定测试是直接流免疫测定测试。
21.根据权利要求1所述的方法,其中所述诊断测试包括比色免疫测定测试。
22.根据权利要求21所述的方法,其中所述比色免疫测定测试是等温扩增测试。
23.一种用于促进诊断测试的分析的方法,所述方法包括:
在一个或多个处理器处:
接收描绘扫描表面上的一个或多个对照标记的一个或多个图像,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果;以及
使用至少一种计算机视觉技术来验证所述一个或多个图像中的所述一个或多个对照标记的检测。
24.根据权利要求23所述的方法,其中所述图像中的至少一个图像描绘所述诊断测试和所述一个或多个对照标记。
25.根据权利要求23所述的方法,进一步包括单独地接收描绘所述诊断测试的一个或多个图像。
26.根据权利要求23所述的方法,其中验证所述一个或多个图像中的所述一个或多个对照标记的检测包括生成与所述一个或多个对照标记相关联的一系列像素的代表值的阵列,确定所述阵列中的峰和/或突起,以及将所述峰和/或突起与一个或多个预定阈值进行比较。
27.根据权利要求26所述的方法,其中验证所述一个或多个对照标记的检测包括将所述一个或多个图像中的空白空间视为阴性对照。
28.根据权利要求23所述的方法,进一步包括响应于在描绘一个或多个对照标记的所述一个或多个图像中检测到所述一个或多个对照标记,基于所述诊断测试的图像来预测所述诊断测试的测试结果。
29.根据权利要求23所述的方法,进一步包括响应于在描绘一个或多个对照标记的所述一个或多个图像中未能检测到所述一个或多个对照标记而通知用户。
30.根据权利要求23所述的方法,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
31.根据权利要求30所述的方法,其中所述一条或多条线在粗细、颜色、色调和反射率中的至少一个方面变化。
32.根据权利要求30所述的方法,其中所述一条或多条线包括黑色和/或灰色线。
33.根据权利要求23所述的方法,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括一种或多种颜色。
34.根据权利要求23所述的方法,其中所述扫描表面进一步包括在所述一个或多个对照标记附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
35.一种用于促进诊断测试的分析的系统,所述系统包括:
包括一个或多个对照标记的扫描表面,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果。
36.根据权利要求35所述的系统,其中所述扫描表面进一步包括指示所述诊断测试的放置的测试放置引导件。
37.根据权利要求36所述的系统,其中所述测试放置引导件具有与所述诊断测试形成对比的颜色。
38.根据权利要求36所述的系统,其中所述测试放置引导件指示所述诊断测试的外形。
39.根据权利要求35所述的系统,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
40.根据权利要求39所述的系统,其中所述一条或多条线在粗细、颜色、色调和反射率中的至少一个方面变化。
41.根据权利要求39所述的系统,其中所述一条或多条线包括黑色和/或灰色线。
42.根据权利要求35所述的系统,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括一种或多种颜色。
43.根据权利要求35所述的系统,其中所述扫描表面进一步包括至少一个空间基准。
44.根据权利要求35所述的系统,其中所述扫描表面包括具有识别信息的至少一个计算机可读码。
45.根据权利要求35所述的系统,其中所述一个或多个对照标记印刷在所述扫描表面上。
46.根据权利要求45所述的系统,其中所述一个或多个对照标记是用墨或调色剂印刷的。
47.根据权利要求46所述的系统,其中所述一个或多个对照标记是用荧光墨印刷的。
48.根据权利要求47所述的系统,其中所述荧光墨包括选自由以下各项组成的组中的至少一个:铕、罗丹明、荧光素、alexa萤石、量子点和荧光纳米粒子。
49.一种诊断测试试剂盒,其包括:
包括用于指示测试结果的测试区域的诊断测试;以及
包括一个或多个对照标记的扫描表面,其中所述一个或多个对照标记代表所述诊断测试的一个或多个预定测试结果。
50.根据权利要求49所述的诊断测试试剂盒,其中所述诊断测试包括侧流免疫测定测试,并且所述一个或多个对照标记包括一条或多条线。
51.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线在粗细方面变化。
52.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线在颜色方面变化。
53.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线在色调方面变化。
54.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线在反射率方面变化。
55.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线是黑色的和/或灰色的。
56.根据权利要求50所述的诊断测试试剂盒,其中所述一条或多条线的颜色与所述诊断测试中的测试结果线的预期颜色匹配。
57.根据权利要求49所述的诊断测试试剂盒,其中所述诊断测试包括比色免疫测定测试,并且所述一个或多个对照标记包括多种颜色。
58.根据权利要求49所述的诊断测试试剂盒,其中所述一个或多个对照标记印刷在所述扫描表面上。
59.根据权利要求58所述的诊断测试试剂盒,其中所述一个或多个对照标记是用墨或调色剂印刷的。
60.根据权利要求59所述的诊断测试试剂盒,其中所述一个或多个对照标记是用荧光墨印刷的。
61.根据权利要求60所述的诊断测试试剂盒,其中所述荧光墨包括选自由以下各项组成的组中的至少一个:铕、罗丹明、荧光素、alexa萤石、量子点和荧光纳米颗粒。
62.根据权利要求49所述的诊断测试试剂盒,其中所述扫描表面进一步包括在所述一个或多个对照标记附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
63.根据权利要求49所述的诊断测试试剂盒,其中所述扫描表面是第一扫描表面,并且其中所述诊断测试试剂盒进一步包括与所述第一扫描表面分开并包括测试放置引导件的第二扫描表面。
64.根据权利要求49所述的诊断测试试剂盒,进一步包括加热设备。
65.根据权利要求64所述的诊断测试试剂盒,进一步包括外壳,所述外壳包括所述加热设备和在所述加热设备附近的测试放置引导件,其中所述测试放置引导件被配置为引导所述诊断测试的放置。
66.根据权利要求65所述的诊断测试试剂盒,其中所述扫描表面被布置在所述外壳上。
67.根据权利要求66所述的诊断测试试剂盒,其中所述外壳被配置为接收测试样本。
68.根据权利要求67所述的诊断测试试剂盒,其中所述外壳包括被配置为接收测试样本器皿的接受器。
69.根据权利要求68所述的诊断测试试剂盒,其中所述接受器在所述加热设备附近。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063079975P | 2020-09-17 | 2020-09-17 | |
US63/079,975 | 2020-09-17 | ||
PCT/US2021/025789 WO2022060415A1 (en) | 2020-09-17 | 2021-04-05 | Diagnostic test kits and methods of analyzing the same |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116250004A true CN116250004A (zh) | 2023-06-09 |
Family
ID=75675000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180063419.XA Pending CN116250004A (zh) | 2020-09-17 | 2021-04-05 | 诊断测试试剂盒及其分析方法 |
Country Status (8)
Country | Link |
---|---|
US (2) | US11996183B2 (zh) |
EP (1) | EP4214669A1 (zh) |
JP (1) | JP2023541663A (zh) |
KR (1) | KR20230082616A (zh) |
CN (1) | CN116250004A (zh) |
AU (1) | AU2021345448A1 (zh) |
CA (1) | CA3192942A1 (zh) |
WO (1) | WO2022060415A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058359A (zh) * | 2023-08-11 | 2023-11-14 | 云南省农业科学院质量标准与检测技术研究所 | 基于计算机视觉的定量胶体金试纸检测方法和系统 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023541663A (ja) | 2020-09-17 | 2023-10-03 | スキャンウェル ヘルス インコーポレイテッド | 診断試験キット及びその分析方法 |
USD970033S1 (en) | 2020-10-23 | 2022-11-15 | Becton, Dickinson And Company | Cartridge imaging background device |
US11988596B2 (en) | 2020-10-23 | 2024-05-21 | Becton, Dickinson And Company | Systems and methods for imaging and image-based analysis of test devices |
WO2022154847A1 (en) | 2021-01-12 | 2022-07-21 | Emed Labs, Llc | Health testing and diagnostics platform |
EP4291894A1 (en) * | 2021-02-14 | 2023-12-20 | Becton, Dickinson and Company | Lateral flow assay with sample adequacy line |
US20220375594A1 (en) * | 2021-05-24 | 2022-11-24 | Emed Labs, Llc | Systems, devices, and methods for diagnostic aid kit apparatus |
US11929168B2 (en) * | 2021-05-24 | 2024-03-12 | Emed Labs, Llc | Systems, devices, and methods for diagnostic aid kit apparatus |
US20220375595A1 (en) * | 2021-05-24 | 2022-11-24 | Emed Labs, Llc | Systems, devices, and methods for diagnostic aid kit apparatus |
JP2022182513A (ja) * | 2021-05-28 | 2022-12-08 | セイコーエプソン株式会社 | 測色システム、測色方法及びプログラム |
US20230057531A1 (en) * | 2021-08-17 | 2023-02-23 | Emed Labs, Llc | Mobile device stands for at-home diagnostics and healthcare |
US20230080048A1 (en) * | 2021-09-16 | 2023-03-16 | Specialty Diagnostic (SDI) Laboratories, Inc. | Method and apparatus for generating a contagion prevention health assessment |
US20230268083A1 (en) * | 2022-02-21 | 2023-08-24 | Brightermd Llc | Asynchronous administration and virtual proctoring of a diagnostic test |
US11810662B2 (en) * | 2022-03-04 | 2023-11-07 | Imagemovermd, Inc. | Collection, storage, and management of images or image results |
WO2024138209A1 (en) * | 2022-12-23 | 2024-06-27 | Emed Labs, Llc | Systems, methods, and devices for an integrated telehealth platform |
Family Cites Families (159)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4843377A (en) | 1987-04-21 | 1989-06-27 | Guardian Technologies, Inc. | Remote confinement system |
US4976923A (en) | 1989-05-12 | 1990-12-11 | Rhode Island Hospital | Sample container |
CA2008414A1 (en) | 1989-11-15 | 1991-05-15 | David Bar-Or | Detection of appendicits by measurement of ortho-hydroxyhippuric acid |
US5260219A (en) | 1990-12-11 | 1993-11-09 | Robert Fritz | Method of determining nitrogen balance and fat loss for persons involved in diet and/or physical training program |
US5119830A (en) | 1991-04-03 | 1992-06-09 | Code Blue Medical Corporation | Analytical specimen cup with testing means |
US5408535A (en) | 1993-09-07 | 1995-04-18 | Miles Inc. | Video test strip reader and method for evaluating test strips |
US5595187A (en) | 1994-06-20 | 1997-01-21 | Urocath Corporation | Analytical specimen cup system and method |
US5501837A (en) | 1994-07-15 | 1996-03-26 | Sayles; Philip W. | One-step test device |
US5640969A (en) | 1995-05-16 | 1997-06-24 | Urocath Corporation | Lid for an analytical specimen cup |
US6718053B1 (en) | 1996-11-27 | 2004-04-06 | Chromavision Medical Systems, Inc. | Method and apparatus for automated image analysis of biological specimens |
US6254385B1 (en) | 1997-01-02 | 2001-07-03 | Lj Laboratories, Llc | Apparatus and method for measuring optical characteristics of teeth |
US6514461B1 (en) | 1997-02-14 | 2003-02-04 | Escreen, Inc. | System for automatically testing a fluid specimen |
AU744547B2 (en) | 1998-03-18 | 2002-02-28 | Sekisui Chemical Co., Ltd. | Plug body for vacuum specimen sampling container, vacuum specimen sampling container, vacuum specimen sampling system, vacuum specimen sampling holder, and thermoplastic elastomer composition for plug body |
GB2339615B (en) | 1998-07-14 | 2001-02-07 | Cozart Bioscience Ltd | Screening device and method of screening an immunoassay test |
USD457246S1 (en) | 1999-12-20 | 2002-05-14 | Merck & Co., Inc. | Pharmaceutical kit |
US6534014B1 (en) | 2000-05-11 | 2003-03-18 | Irm Llc | Specimen plate lid and method of using |
US7300626B2 (en) | 2001-05-21 | 2007-11-27 | John Wu | Fluid-specimen collecting and testing device and method for recording chromatographic assay test results |
US7267799B1 (en) | 2002-08-14 | 2007-09-11 | Detekt Biomedical, L.L.C. | Universal optical imaging and processing system |
US7200252B2 (en) | 2002-10-28 | 2007-04-03 | Ventana Medical Systems, Inc. | Color space transformations for use in identifying objects of interest in biological specimens |
US7197169B2 (en) | 2003-01-02 | 2007-03-27 | Kuo-Jeng Wang | Method for detecting a response of each probe zone on a test strip |
US7097103B2 (en) | 2003-05-22 | 2006-08-29 | Wen-Chao Tseng | Method of automatically detecting a test result of a probe zone of a test strip |
EP1725973A4 (en) | 2004-03-05 | 2013-12-11 | Siemens Healthcare Diagnostics | HAND-HELD OPTICAL DIAGNOSTIC DEVICE WITH IMAGE SYSTEM ARRAY |
US20050221504A1 (en) | 2004-04-01 | 2005-10-06 | Petruno Patrick T | Optoelectronic rapid diagnostic test system |
US7763454B2 (en) | 2004-07-09 | 2010-07-27 | Church & Dwight Co., Inc. | Electronic analyte assaying device |
WO2006107666A2 (en) | 2005-04-01 | 2006-10-12 | Reinhard Hafellner | Body fluid testing component for analyte detection |
US7420663B2 (en) | 2005-05-24 | 2008-09-02 | Bwt Property Inc. | Spectroscopic sensor on mobile phone |
EP1801568A1 (de) | 2005-12-21 | 2007-06-27 | Micronas Holding GmbH | Teststreifen und Verfahren zum Messen einer Analytkonzentration in einer Probe eines biologischen Fluids |
US7652268B2 (en) | 2006-01-31 | 2010-01-26 | Jp Laboratories, Inc | General purpose, high accuracy dosimeter reader |
US7474390B2 (en) | 2006-05-26 | 2009-01-06 | Lifescan Scotland Limited | Test strip with permutative grey scale calibration pattern |
GB2445187B (en) | 2006-12-29 | 2010-10-27 | Mologic Ltd | Diagnostic test device |
US7776618B2 (en) | 2007-03-01 | 2010-08-17 | Church & Dwight Co., Inc. | Diagnostic detection device |
JP4528336B2 (ja) | 2007-03-10 | 2010-08-18 | ローム アンド ハース カンパニー | 試験ストリップを読み取る方法 |
US8150115B2 (en) | 2007-04-18 | 2012-04-03 | Iris International, Inc. | Chemistry strip reader and method |
US8073248B2 (en) | 2007-06-08 | 2011-12-06 | Apple Inc. | Automatic detection of calibration charts in images |
USD633209S1 (en) | 2008-11-27 | 2011-02-22 | Clondiag Gmbh | Cartridge for counting particles in blood |
US20100222560A1 (en) | 2009-03-02 | 2010-09-02 | Zymo Research Corporation | Universal column |
USD637310S1 (en) | 2009-12-03 | 2011-05-03 | Gilson Sas | Assay device |
US8655009B2 (en) | 2010-09-15 | 2014-02-18 | Stephen L. Chen | Method and apparatus for performing color-based reaction testing of biological materials |
US8506901B2 (en) | 2010-11-03 | 2013-08-13 | Teco Diagnostics | All-in-one specimen cup with optically readable results |
GB201105474D0 (en) * | 2011-03-31 | 2011-05-18 | Albagaia Ltd | Testing apparatus |
JP5267617B2 (ja) | 2011-06-23 | 2013-08-21 | ウシオ電機株式会社 | 分析装置および分析方法 |
US9354181B2 (en) | 2011-08-04 | 2016-05-31 | Saint Mary's College | Analytical devices for detection of low-quality pharmaceuticals |
WO2013036618A1 (en) | 2011-09-06 | 2013-03-14 | Canfield Scientific, Incorporated | Systems, devices, and methods for image analysis |
US9939385B2 (en) | 2011-09-09 | 2018-04-10 | Church & Dwight Co., Inc. | Systems, methods, and test kits for analyte variation detection |
US8889424B2 (en) | 2011-09-13 | 2014-11-18 | Joel R. L. Ehrenkranz | Device and method for performing a diagnostic test |
AU342348S (en) | 2011-09-22 | 2012-05-03 | Conidia Bioscience Ltd | Testing apparatus |
US9042630B2 (en) | 2011-10-26 | 2015-05-26 | Definiens Ag | Biomarker evaluation through image analysis |
US8999728B2 (en) | 2011-12-21 | 2015-04-07 | Church & Dwight Co., Inc. | Diagnostic detection device |
WO2013116253A1 (en) | 2012-01-30 | 2013-08-08 | Scanadu Incorporated | Spatial resolution enhancement in hyperspectral imaging |
EP2810046A1 (en) | 2012-02-03 | 2014-12-10 | University of Cincinnati | Method and system for analyzing a colorimetric assay |
ES2890752T3 (es) | 2012-02-06 | 2022-01-21 | Univ California | Lector de prueba de diagnóstico rápido portátil |
US9588113B2 (en) | 2012-02-22 | 2017-03-07 | Church & Dwight Co., Inc. | Methods for electronic analyte assaying |
US9230187B2 (en) | 2012-03-15 | 2016-01-05 | Qualcomm Incorporated | System and method for robust estimation of color dependent measurements |
US9063091B2 (en) | 2012-04-06 | 2015-06-23 | Ixensor Inc. | Test strips and method for reading test strips |
US10132802B2 (en) | 2012-04-17 | 2018-11-20 | i-calQ, LLC | Device for performing a diagnostic test and methods for use thereof |
US9311520B2 (en) * | 2012-08-08 | 2016-04-12 | Scanadu Incorporated | Method and apparatus for performing and quantifying color changes induced by specific concentrations of biological analytes in an automatically calibrated environment |
US10983065B2 (en) | 2012-08-08 | 2021-04-20 | Healthy.Io Ltd. | Method, apparatus and system for detecting and determining compromised reagent pads by quantifying color changes induced by exposure to a hostile environment |
US9285323B2 (en) | 2012-08-08 | 2016-03-15 | Scanadu Incorporated | Quantifying color changes of chemical test pads induced concentrations of biological analytes under different lighting conditions |
USD690828S1 (en) | 2012-09-17 | 2013-10-01 | Intron Biotechnology, Inc. | Culture media device |
ES2401443B1 (es) | 2012-10-11 | 2013-11-15 | Blazer Technologies, Slu | Procedimiento y sistema de medición de una tira reactiva |
US9778200B2 (en) | 2012-12-18 | 2017-10-03 | Ixensor Co., Ltd. | Method and apparatus for analyte measurement |
US9445749B2 (en) | 2013-01-21 | 2016-09-20 | Cornell University | Smartphone-based apparatus and method for obtaining repeatable, quantitative colorimetric measurement |
US9787815B2 (en) | 2013-01-21 | 2017-10-10 | Cornell University | Smartphone-based apparatus and method |
US8976252B2 (en) | 2013-01-30 | 2015-03-10 | Hewlett-Packard Development Company, L.P. | Acquisition of color calibration charts |
US9240039B2 (en) | 2013-02-01 | 2016-01-19 | Ge Cong | Method for fast test strip intensity recognition |
WO2014178062A2 (en) | 2013-02-25 | 2014-11-06 | Biosense Technologies Private Ltd | Method and system for analysing body fluids |
FI20135189L (fi) | 2013-02-28 | 2014-08-29 | iStoc Oy | Kannettava lateraalinen koetulosten lukija |
FI20135204L (fi) | 2013-03-04 | 2014-09-25 | iStoc Oy | Testihallinta |
US9042663B2 (en) | 2013-03-15 | 2015-05-26 | Pictech Management Limited | Two-level error correcting codes for color space encoded image |
JP6382309B2 (ja) | 2013-07-12 | 2018-08-29 | カルロバッツ,ネベン | トランスビジュアル感度を有する汎用迅速診断検査リーダー |
CN106030608A (zh) | 2013-11-06 | 2016-10-12 | 理海大学 | 生物组织分析诊断系统与方法 |
KR101492972B1 (ko) | 2013-11-26 | 2015-02-12 | 에스케이텔레콤 주식회사 | 컴퓨팅 단말 장치의 광학 특성 캘리브레이션 방법과 광학 진단검사 보조장치 |
CN103606221B (zh) * | 2013-12-04 | 2016-01-20 | 广州广电运通金融电子股份有限公司 | 清分机故障自动诊断方法以及装置 |
US10101342B2 (en) | 2014-02-12 | 2018-10-16 | Church & Dwight Co., Inc. | Devices and methods for electronic analyte assaying |
US9569858B2 (en) | 2014-02-13 | 2017-02-14 | James Bennett Babcock | Cloud-based system for water analysis |
CN103888689B (zh) | 2014-03-13 | 2017-10-31 | 北京智谷睿拓技术服务有限公司 | 图像采集方法及图像采集装置 |
US11030778B2 (en) | 2014-03-31 | 2021-06-08 | Healthy.Io Ltd. | Methods and apparatus for enhancing color vision and quantifying color interpretation |
WO2015160997A1 (en) | 2014-04-15 | 2015-10-22 | Gauss Surgical, Inc. | Method for estimating a quantity of a blood component in a fluid canister |
AU2015247338B2 (en) | 2014-04-17 | 2020-10-08 | Z-Integrated Digital Technologies, Inc. | Electronic test device data communication |
US10498936B2 (en) | 2014-04-21 | 2019-12-03 | i-calQ, LLC | Assay detector device compatible with any digital camera/portable computing device |
US10991096B2 (en) | 2014-05-12 | 2021-04-27 | Healthy.Io Ltd. | Utilizing personal communications devices for medical testing |
US11087467B2 (en) | 2014-05-12 | 2021-08-10 | Healthy.Io Ltd. | Systems and methods for urinalysis using a personal communications device |
US9972077B2 (en) | 2014-05-12 | 2018-05-15 | Healthy.Io Ltd. | Method and system for automated visual analysis of a dipstick using standard user equipment |
US10068329B2 (en) | 2014-05-12 | 2018-09-04 | Healthy.Io Ltd | Method and system for automated visual analysis of a dipstick using standard user equipment |
EP3149489B1 (en) | 2014-05-31 | 2021-05-05 | Relay Medical Corp. | Joint spectroscopic and biosensor system for point-of-care testing |
US9424628B2 (en) | 2014-06-19 | 2016-08-23 | Microsoft Technology Licensing, Llc | Identifying gray regions for auto white balancing |
US9686540B2 (en) | 2014-06-23 | 2017-06-20 | Xerox Corporation | Robust colorimetric processing method for paper based sensors |
US9933359B2 (en) | 2014-06-23 | 2018-04-03 | Xerox Corporation | Vendor exclusivity security feature for paper-based diagnostic solution |
WO2016025935A2 (en) | 2014-08-15 | 2016-02-18 | Scanadu Incorporated | Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments |
WO2016033657A1 (en) | 2014-09-05 | 2016-03-10 | Axxin Pty Ltd | An immunoassay test apparatus |
WO2016072756A1 (en) | 2014-11-04 | 2016-05-12 | Samsung Electronics Co., Ltd. | Method of and apparatus for measuring biometric information |
US20160139156A1 (en) * | 2014-11-18 | 2016-05-19 | Welltwigs LLC | Apparatuses, methods, and systems for home monitoring of physiological states and conditions |
US9307214B1 (en) | 2014-12-19 | 2016-04-05 | Omnivision Technologies, Inc. | Automatic white balance methods and systems for electronic cameras |
US10362984B2 (en) | 2015-01-27 | 2019-07-30 | Healthy.Io Ltd | Measuring and monitoring skin feature colors, form and size |
JP6345612B2 (ja) | 2015-02-06 | 2018-06-20 | 株式会社ソニー・インタラクティブエンタテインメント | 撮像装置、情報処理システム、マット、および画像生成方法 |
US9990560B2 (en) | 2015-02-09 | 2018-06-05 | Digital Concepts Of Missouri, Inc. | Test strip mobile APP system and method |
WO2016132243A1 (en) | 2015-02-19 | 2016-08-25 | Renalyx Health Systems Pvt Ltd | Method and device for performing colorimetric analysis of a test fluid to evaluate physiological parameters |
AU2016235288B2 (en) | 2015-03-24 | 2019-02-28 | Illumina Cambridge Limited | Methods, carrier assemblies, and systems for imaging samples for biological or chemical analysis |
JP6030732B1 (ja) | 2015-09-09 | 2016-11-24 | 株式会社小森コーポレーション | 見当誤差量検出方法および装置 |
US9978153B2 (en) | 2015-11-30 | 2018-05-22 | Detectachem Llc | Image color balancing for test receptacle |
ES2921435T3 (es) | 2015-12-18 | 2022-08-25 | Abbott Lab | Métodos y sistemas para la evaluación de tinciones histológicas |
WO2017127778A1 (en) | 2016-01-22 | 2017-07-27 | Scanadu Incorporated | Systems, methods, and apparatus for personal medical record keeping |
WO2017138946A1 (en) | 2016-02-11 | 2017-08-17 | Massachusetts Institute Of Technology | Multiplexed lateral flow assay |
DE102016202428B4 (de) | 2016-02-17 | 2018-06-21 | Axagarius Gmbh & Co. Kg | Messsystem für colorimetrische Assays |
TR201603524A2 (zh) | 2016-03-18 | 2016-08-22 | Anadolu Ueniversitesi | |
US9689803B1 (en) | 2016-04-20 | 2017-06-27 | Chroma Fish Corp. | Method and system for measuring a colorimetric characteristic of a sample and calibration of same |
US9857372B1 (en) | 2016-10-17 | 2018-01-02 | Reliant Immune Diagnostics, LLC | Arbovirus indicative birth defect risk test |
US9857373B1 (en) | 2016-10-17 | 2018-01-02 | Reliant Immune Diagnostics, LLC | Pregnancy test to assess disease risk |
US11107585B2 (en) | 2016-10-17 | 2021-08-31 | Reliant Immune Diagnostics, Inc | System and method for a digital consumer medical wallet and storehouse |
US10527555B2 (en) | 2016-12-14 | 2020-01-07 | Reliant Immune Disgnostics, Inc. | System and method for visual trigger to perform diagnostic test |
US11125746B2 (en) | 2016-12-14 | 2021-09-21 | Reliant Immune Diagnostics, Inc. | Two-sided flow-through immunoassay |
US11915810B2 (en) | 2016-12-14 | 2024-02-27 | Reliant Immune Diagnostics, Inc. | System and method for transmitting prescription to pharmacy using self-diagnostic test and telemedicine |
US10331924B2 (en) | 2016-12-14 | 2019-06-25 | Reliant Immune Diagnostics, Inc. | System and method for audiovisual response to retail diagnostic product |
EP3374771A1 (en) * | 2016-12-28 | 2018-09-19 | Neogen Corporation | Implement analyzing device and method for utilizing the same |
USD857228S1 (en) | 2017-01-03 | 2019-08-20 | Illumina, Inc. | Full flowcell cartridge |
CN206489079U (zh) | 2017-01-05 | 2017-09-12 | Teco诊断有限公司 | 一种生物样品测试盒 |
US11474034B2 (en) | 2017-03-13 | 2022-10-18 | Zoetis Services Llc | Lateral flow test system |
US9756324B1 (en) | 2017-04-10 | 2017-09-05 | GELT Inc. | System and method for color calibrating an image |
US10354166B2 (en) | 2017-05-22 | 2019-07-16 | Bio-Rad Laboratories (Israel) Inc. | Reading test cards using a mobile device |
EP3641644A4 (en) | 2017-06-23 | 2021-07-28 | Voyant Diagnostics, Inc. | MEDICAL DIAGNOSTIC SYSTEM AND PROCEDURE |
US10089753B1 (en) | 2017-07-05 | 2018-10-02 | Almotive Kft. | Method, system and computer-readable medium for camera calibration |
ES2890884T3 (es) | 2017-10-25 | 2022-01-24 | Hoffmann La Roche | Procedimientos y dispositivos para realizar una medición analítica en base a una reacción de formación de color |
ES2943012T3 (es) | 2017-10-25 | 2023-06-08 | Hoffmann La Roche | Procedimientos y dispositivos para realizar una medición analítica |
US11437142B2 (en) | 2017-11-10 | 2022-09-06 | Reliant Immune Diagnostics, Inc. | Biofluidic triggering system and method |
GB2569803B (en) | 2017-12-22 | 2021-11-24 | Novarum Dx Ltd | Analysis of a captured image to determine a test outcome |
WO2019126693A1 (en) | 2017-12-22 | 2019-06-27 | Quest Diagnostics Investments Llc | Automated analysis of analytical gels and blots |
CN108333176A (zh) | 2018-02-07 | 2018-07-27 | 曾嵘斌 | 一种移动终端定量分析干化学检测试条的系统和方法 |
ES2957337T3 (es) | 2018-02-26 | 2024-01-17 | Hoffmann La Roche | Procedimientos y sistemas para calibrar y usar una cámara para detectar un analito en una muestra |
US11243160B2 (en) | 2018-03-28 | 2022-02-08 | Detekt Biomedical, Llc | Custom optical reference calibrator fabrication system |
JP7417537B2 (ja) | 2018-05-07 | 2024-01-18 | イムンディアグノスティック アー ゲー | 定量的なラテラルフロークロマトグラフィーの分析システム |
US10835122B2 (en) | 2018-05-14 | 2020-11-17 | Reliant Immune Diagnostics, Inc. | System and method for image processing of medical test results using generalized curve field transform |
US11125749B2 (en) | 2018-06-06 | 2021-09-21 | Reliant Immune Diagnostics, Inc. | System and method for remote colorimetry and ratiometric comparison and quantification in analysis of medical test results |
US10636527B2 (en) | 2018-06-06 | 2020-04-28 | Reliant Immune Diagnostics, Inc. | System and method for quantifying, ensuring, and triggering the prescriptive authority for a telemedicine session |
EP3581921A1 (en) | 2018-06-11 | 2019-12-18 | Roche Diabetes Care GmbH | Method for evaluating a suitability of lighting conditions for detecting an analyte in a sample using a camera of a mobile device |
MA52741A (fr) | 2018-06-11 | 2021-04-14 | Hoffmann La Roche | Procédé d'étalonnage permettant d'étalonner une caméra d'un dispositif mobile à des fins de détection d'un analyte dans un échantillon |
US11112406B2 (en) | 2018-06-15 | 2021-09-07 | Reliant Immune Diagnostics, Inc. | System and method for digital remote primary, secondary, and tertiary color calibration via smart device in analysis of medical test results |
CA3104640A1 (en) | 2018-06-22 | 2019-12-26 | Oova, Inc. | Methods, devices, and systems for detecting analyte levels |
US10605741B2 (en) | 2018-06-28 | 2020-03-31 | International Business Machines Corporation | Accurate colorimetric based test strip reader system |
EP3591385A1 (en) | 2018-07-06 | 2020-01-08 | Roche Diabetes Care GmbH | A detection method for detecting an analyte in a sample |
GB201811927D0 (en) * | 2018-07-20 | 2018-09-05 | Experiment X Ltd | Lateral flow test strip immunoassay in vitro diagnostic device |
USD886901S1 (en) | 2018-10-23 | 2020-06-09 | Talis Biomedical Corporation | Cartridge |
PL3647774T3 (pl) | 2018-10-31 | 2022-08-01 | F. Hoffmann-La Roche Ag | Urządzenie i sposób pomiaru stężenia analitu w próbce płynu ustrojowego |
USD879999S1 (en) | 2018-11-02 | 2020-03-31 | Group K Diagnostics, Inc. | Microfluidic device |
MA51643B1 (fr) | 2018-11-07 | 2022-09-30 | Hoffmann La Roche | Procédés et dispositifs pour effectuer une mesure analytique |
BR112021015374A2 (pt) | 2019-02-06 | 2021-09-28 | Fibrotx Oü | Kit para detectar a presença ou quantidade de um ou mais analitos de teste dentro de uma amostra de teste obtida a partir de uma superfície de pele de um mamífero e método para detectar a presença ou quantidade de um ou mais analitos de teste |
WO2020165456A1 (en) | 2019-02-15 | 2020-08-20 | Immundiagnostik Ag | Rapid test for diagnosis of bacterial infections in neonates |
USD915618S1 (en) | 2019-02-21 | 2021-04-06 | Testcard Ltd | Medical test card |
US20210016280A1 (en) | 2019-07-19 | 2021-01-21 | CytoRecovery, Inc. | Microfluidic package, holder, nad methods of making the same |
US11739997B2 (en) | 2019-09-19 | 2023-08-29 | Rocky Research | Compressor-assisted thermal energy management system |
US11961608B2 (en) | 2019-11-11 | 2024-04-16 | Healthy.Io Ltd. | Image processing systems and methods for caring for skin features |
EP4058775A1 (en) | 2019-11-13 | 2022-09-21 | Scanwell Health, Inc. | Diagnostic test kits for sample preparation and analysis |
WO2021155170A1 (en) | 2020-01-31 | 2021-08-05 | Reliant Immune Diagnostics, Inc. | Automated self-organized queuing of data records with matching profiles and methods of use thereof |
WO2021155153A1 (en) | 2020-01-31 | 2021-08-05 | Reliant Immune Diagnostics, Inc. | Computer-based systems configured for reference-free color correction and methods thereof |
WO2021155103A1 (en) | 2020-01-31 | 2021-08-05 | Reliant Immune Diagnostics, Inc. | Automated dynamic generation of interface sequences for data record creation and methods of use thereof |
WO2021155105A1 (en) | 2020-01-31 | 2021-08-05 | Reliant Immune Diagnostics, Inc. | Automated profile classification and prediction and methods of use thereof |
WO2021155082A1 (en) | 2020-01-31 | 2021-08-05 | Reliant Immune Diagnostics, Inc. | Computer-based systems configured for automated feature detection for image analysis and methods thereof |
JP2023541663A (ja) | 2020-09-17 | 2023-10-03 | スキャンウェル ヘルス インコーポレイテッド | 診断試験キット及びその分析方法 |
USD970033S1 (en) | 2020-10-23 | 2022-11-15 | Becton, Dickinson And Company | Cartridge imaging background device |
US11988596B2 (en) | 2020-10-23 | 2024-05-21 | Becton, Dickinson And Company | Systems and methods for imaging and image-based analysis of test devices |
-
2021
- 2021-04-05 JP JP2023517379A patent/JP2023541663A/ja active Pending
- 2021-04-05 AU AU2021345448A patent/AU2021345448A1/en active Pending
- 2021-04-05 CN CN202180063419.XA patent/CN116250004A/zh active Pending
- 2021-04-05 CA CA3192942A patent/CA3192942A1/en active Pending
- 2021-04-05 EP EP21721737.1A patent/EP4214669A1/en active Pending
- 2021-04-05 KR KR1020237011335A patent/KR20230082616A/ko active Search and Examination
- 2021-04-05 US US17/222,819 patent/US11996183B2/en active Active
- 2021-04-05 WO PCT/US2021/025789 patent/WO2022060415A1/en unknown
-
2023
- 2023-03-16 US US18/185,243 patent/US20230296600A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058359A (zh) * | 2023-08-11 | 2023-11-14 | 云南省农业科学院质量标准与检测技术研究所 | 基于计算机视觉的定量胶体金试纸检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022060415A1 (en) | 2022-03-24 |
KR20230082616A (ko) | 2023-06-08 |
US20230296600A1 (en) | 2023-09-21 |
US11996183B2 (en) | 2024-05-28 |
EP4214669A1 (en) | 2023-07-26 |
CA3192942A1 (en) | 2022-03-24 |
US20220084659A1 (en) | 2022-03-17 |
AU2021345448A1 (en) | 2023-04-20 |
JP2023541663A (ja) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11996183B2 (en) | Methods of analyzing diagnostic test kits | |
JP6546605B2 (ja) | 液体キャニスタ内の血液成分量の推定方法 | |
US11120553B2 (en) | Methods and devices for performing an analytical measurement | |
US20210096083A1 (en) | Method for calibrating a camera of a mobile device for detecting an analyte in a sample | |
US11333658B2 (en) | Urine test strip comprising timer, and method for detecting and analyzing urine test strip | |
US20220291134A1 (en) | Method of performing an analytical measurement | |
JP2023517061A (ja) | スキャナとして使用するためのデジタルカメラのキャリブレーション | |
KR20230008743A (ko) | 컬러 참조 카드의 품질을 평가하는 방법 | |
KR20230086754A (ko) | 카메라를 가진 모바일 장치의 자동 노출 설정 제어 방법 | |
US20230184689A1 (en) | Test strip fixation device for optical measurements of an analyte | |
RU2823570C1 (ru) | Способ проведения аналитического измерения | |
CN114096830A (zh) | 通过使用具有相机的移动装置确定体液中的分析物的浓度 |
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 |