JP2016516475A - ビリルビンレベルを推定すること - Google Patents

Abstract

ビリルビンレベルを推定するためのシステム、方法、およびデバイスが、提供される。一側面では、患者におけるビリルビンレベルを推定するための方法は、患者の皮膚のある領域および色較正標的を含む、少なくとも１つの画像に関する画像データを受信するステップを含む。皮膚領域に関する色平衡化画像データは、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて生成される。患者におけるビリルビンレベルは、皮膚領域に関する色平衡化画像データに基づいて推定される。

Description

（関連出願）
本願は、２０１３年３月１２日に出願された、米国仮出願第６１／７７７，０９７号の利益を主張するものであり、該出願は、参照により本明細書中に援用される。

新生児の推定６０〜８４％が、赤血球の破壊によって産生される自然発生化合物である、過剰ビリルビンの蓄積（高ビリルビン血症）によって生じる皮膚の黄変をもたらす、新生児黄疸を発症している。本症状は、典型的には、無害であって、数日以内に寛解するが、高度に上昇したビリルビンレベルは、聴覚消失、脳性麻痺、重度の発達遅延、またはさらに死亡によって特徴付けられる破壊的かつ不可逆的神経症状である、核黄疸につながり得る。

幼児におけるビリルビンレベルを監視するための現在のアプローチは、典型的には、病院環境における反復試験を要求する。ビリルビンの血液濃度は、血液サンプルから測定された血清総ビリルビン（ＴＳＢ）によって、または非侵襲的であるが、コストがかかる器具を使用して遂行される、経表皮的ビリルビン測定装置（ＴｃＢ）測定を介して、判定されることができる。これらの試験は、多くの場合、リソースが不足した環境では利用不可能であって、したがって、核黄疸の早期検出および治療を妨げる。これらの試験の代替として頻繁に使用される、視覚的査定は、多くの場合、不正確であって、照明または皮膚色調等の要因によって混同され得る。故に、改良されたアプローチが、過剰ビリルビンレベルに関する非侵襲的かつ費用効果的スクリーニングを提供するために必要とされる。

ビリルビンレベルを推定するためのシステム、方法、およびデバイスが、提供される。多くの実施形態では、モバイルデバイスが、患者の皮膚および色較正標的の画像データを捕捉するために使用される。画像データは、ビリルビンレベルの推定を生成するために処理される。画像処理は、画像データを複数の異なる色空間に変換し、照明、皮膚色調、および他の潜在的に混同させる要因によって生じる色の差異を補償しながら、皮膚の全体的黄変の査定を促進するステップを含むことができる。本明細書に説明されるスクリーニング技法は、特殊医療機器を要求せずに、外来環境（例えば、患者の自宅）において、ユーザ（例えば、両親、医療従事者、地域の保健従業員）によって実践され、それによって、ビリルビン監視の便宜性、利便性、および費用効果性を改善することができる。

したがって、第１の側面では、患者におけるビリルビンのレベルを推定するための方法が、提供される。本方法は、患者の皮膚のある領域および色較正標的を含む、少なくとも１つの画像に関する画像データを受信するステップを含む。皮膚領域に関する色平衡化画像データは、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて生成される。患者におけるビリルビンレベルは、皮膚領域に関する色平衡化画像データに基づいて推定される。多くの実施形態では、画像データは、任意の好適な撮像デバイスを用いて得られることができる。撮像デバイスは、外部レンズ、フィルタ、または他の特殊ハードウェア等、付加的アタッチメントまたは機器から独立して、画像データを収集することができる。

ビリルビンレベルは、特定の時点における患者の皮膚色の画像データのみを使用して、または皮膚色画像データとベースライン皮膚色画像データを比較することによって、推定されることができる。例えば、本方法はさらに、患者が基準ビリルビンレベルを有するときに対応する患者に関するベースライン皮膚色データ（例えば、ベースラインデータが誕生後２４時間以内に得られるとき、約ゼロである）を受信するステップを含むことができる。ビリルビンレベルは、ベースライン皮膚色データと皮膚領域に関する色平衡化画像データとの間の１つまたはそれを上回る差異に基づいて推定されることができる。患者に関するベースライン皮膚色データは、患者が基準ビリルビンレベルを有するときの患者に関するベースライン画像データを捕捉することによって生成されることができる。ベースライン画像データは、皮膚領域およびベースライン色較正標的を含む、少なくとも１つの画像に対応することができる。皮膚領域に関する色平衡化ベースライン画像データは、ベースライン色較正標的および皮膚領域に対応するベースライン画像データのサブセットに基づいて、生成されることができる。ベースライン皮膚色データは、皮膚領域に関する色平衡化ベースライン画像データに基づいて、生成されることができる。

標準化された色較正標的が、色平衡化プロセスを促進するために使用されることができる。色較正標的は、白色領域を含む、複数の標準化された色領域を含むことができる。標準化された色領域は、黒色領域、灰色領域、薄茶色領域、シアン色領域、マゼンタ色領域、黄色領域、および濃茶色領域を含むことができる。色較正標的は、少なくとも部分的に、皮膚領域を暴露し、皮膚領域に関する画像データの捕捉を可能にするように構成される、開口部を画定することができる。標準化された色領域は、開口部を囲繞する既知の配列に配置されることができる。故に、皮膚領域に関する色平衡化画像データを生成するためのプロセスは、受信された画像データを処理し、暴露された皮膚領域に対応する画像データのサブセットおよび白色領域に対応する画像データのサブセットを識別するステップを含むことができる。白色領域データは、処理され、白色領域に関して観察された色値を判定することができる。暴露された皮膚領域に関する色平衡化画像データは、白色領域に関して観察された色値に基づいて、生成されることができる。白色領域に関して観察された色値は、赤色、緑色、青色（ＲＧＢ）色空間値等、任意の好適な色空間値を含むことができる。

画像データは、皮膚の黄変を検出するために、複数の異なる色空間に変換されることができる。例えば、皮膚領域に関する色平衡化画像データは、ＲＧＢ色空間データを含むことができ、患者におけるビリルビンのレベルを推定する方法はさらに、ＲＧＢ色空間データを少なくとも１つの他の色空間に変換し、少なくとも１つの他の色空間のための暴露された皮膚領域に関する色平衡化画像データを生成するステップを含むことができる。少なくとも１つの色空間は、（ａ）シアン色、マゼンタ色、黄色、および黒色（ＣＭＹＫ）色空間、（ｂ）ＹＣｂＣｒ色空間、および／または（ｃ）Ｌａｂ色空間を含むことができる。

複数の有彩色および無彩色特徴は、画像データに基づいて、生成されることができる。いくつかの事例では、受信された画像データは、フラッシュ照射を使用して得られた画像およびフラッシュ照射を使用せずに得られた画像を含むことができる。ビリルビンレベルを推定するステップは、複数の正規化された有彩色および無彩色特徴を処理し、ビリルビンレベルの第１の推定範囲を複数の異なるビリルビン範囲のうちの１つから選択するステップを含むことができる。特徴は、ビリルビンレベルの選択された第１の推定範囲に基づくアプローチを使用して処理され、ビリルビンレベルの最終推定値を生成することができる。複数の異なるビリルビン範囲は、低範囲、中範囲、および高範囲を含むことができる。複数の特徴は、複数の異なる色空間に関する皮膚領域の選択された色値を含むことができる。いくつかの事例では、複数の特徴は皮膚領域を横断する色勾配の計算を含むことができる。

ビリルビンレベルの推定は、１つまたはそれを上回る回帰を行うステップを伴うことができる。例えば、特徴を処理し、ビリルビンレベルの第１の推定範囲を選択するステップは、（ａ）線形回帰、（ｂ）カプセル化ｋ最近傍回帰、（ｃ）ラッソ回帰、（ｄ）ＬＡＲＳ回帰、（ｅ）弾性ネット回帰、（ｆ）線形カーネルを使用したサポートベクトル回帰、（ｇ）より高い加重をより高率のビリルビン値に割り当てるサポートベクトル回帰、および（ｈ）ランダムフォレスト回帰のうちの少なくとも１つを含む、一連の回帰を行うステップを含むことができる。特徴を処理し、ビリルビンレベルの第１の推定範囲を選択するステップは、（ａ）線形回帰、（ｂ）カプセル化ｋ最近傍回帰、（ｃ）ラッソ回帰、（ｄ）ＬＡＲＳ回帰、（ｅ）弾性ネット回帰、（ｆ）線形カーネルを使用したサポートベクトル回帰、（ｇ）より高い加重をより高率のビリルビン値に割り当てるサポートベクトル回帰、および（ｈ）ランダムフォレスト回帰を含む、一連の回帰を行うステップを含むことができる。ビリルビンレベルの選択された第１の推定範囲に基づく処理アプローチを使用するステップは、最終ランダムフォレスト回帰のための特徴として、複数の正規化された有彩色および無彩色特徴ならびにビリルビンレベルの選択された第１の推定範囲を使用する、最終ランダムフォレスト回帰を行うステップを含むことができる。いくつかの事例では、ビリルビンレベルを推定するステップは、患者の皮膚に関する色空間値を判定し、判定された色空間値に基づく処理アプローチを使用して、ビリルビンレベルを推定するステップを含む。回帰方程式はまた、ベースライン画像からの特徴（例えば、１つまたはそれを上回る色空間からの色空間値）を含むことができる。

別の側面では、患者におけるビリルビンのレベルを推定するように構成される、モバイルデバイスが、提供される。本デバイスは、ある視野に関する画像データを捕捉するように動作可能なカメラと、カメラと動作可能に結合されるプロセッサと、プロセッサと動作可能に結合されるデータ記憶デバイスとを含む。データ記憶デバイスは、プロセッサによって実行されると、プロセッサに、カメラによって捕捉された画像データを受信させる命令を記憶することができ、画像は、患者の皮膚のある領域および色較正標的を含む。命令は、プロセッサに、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて、皮膚領域に関する色平衡化画像データを生成し、皮膚領域に関する色平衡化画像データに基づいて、患者におけるビリルビンレベルを推定させることができる。多くの実施形態では、モバイルデバイスは、モバイルデバイス（例えば、レンズ、フィルタ）または任意の他の特殊モバイルデバイス機器への任意の外部アタッチメントから独立して、ビリルビンレベルを推定するために使用されることができる。

色較正標的は、少なくとも部分的に、皮膚領域を暴露し、皮膚領域に関する画像データの捕捉を可能にするように構成される、開口部を画定することができ、白色領域を含む、複数の標準化された色領域を含むことができる。命令は、プロセッサに、受信された画像データを処理し、暴露された皮膚領域に対応する画像データのサブセットおよび白色領域に対応する画像データのサブセットを識別させることができる。白色領域データは、処理され、白色領域に関して観察された色値を判定することができる。色平衡化ＲＧＢ画像データは、白色領域に関して観察された色値に基づいて、暴露された皮膚領域のために生成されることができる。暴露された皮膚領域に関する色平衡化画像データは、色平衡化ＲＧＢ画像データを少なくとも１つの他の色空間に変換することによって、少なくとも１つの他の色空間に関して生成されることができる。複数の正規化された有彩色および無彩色特徴は、処理され、ビリルビンレベルの第１の推定範囲を複数の異なるビリルビン範囲のうちの１つから選択することができる。特徴は、ビリルビンレベルの選択された第１の推定範囲に基づくアプローチを使用して処理され、ビリルビンレベルの最終推定値を生成することができる。

代替として、または加えて、暴露された皮膚領域に関する色平衡化画像データは、処理され、患者の皮膚に関する色空間値を判定することができる。複数の正規化された有彩色および無彩色特徴は、判定された患者の皮膚の色空間値に基づくアプローチを使用して処理され、ビリルビンレベルを推定することができる。

本明細書に説明されるモバイルデバイスはさらに、視野を選択的に照射するように動作可能なフラッシュユニットを含むことができる。ビリルビンレベルを推定するために処理される受信画像データは、フラッシュユニットによって照射されている視野を用いて捕捉された画像およびフラッシュユニットによって照射されていない視野を用いて捕捉された画像を含むことができる。

別の側面では、患者におけるビリルビンレベルを推定するための方法が、提供される。本方法は、モバイルデバイスから、患者の皮膚領域および色較正標的を含む、画像に関する画像データを受信するステップを含む。皮膚領域に関する色平衡化画像データは、１つまたはそれを上回るプロセッサを介して、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて生成されることができる。患者におけるビリルビンレベルは、１つまたはそれを上回るプロセッサを介して、皮膚領域に関する色平衡化画像データに基づいて推定されることができる。推定されたビリルビンレベルは、モバイルデバイスに伝送されることができる。多くの実施形態では、画像データを受信するステップおよび推定されたビリルビンレベルを伝送するステップのうちの少なくとも１つは、ショートメッセージサービス（ＳＭＳ）テキストメッセージングを使用して行われる。画像データは、外部アタッチメント、ハードウェアアドオン、または任意の他の特殊機器を使用せずに、モバイルデバイスによって得られることができる。

本発明の他の目的および特徴は、明細書、請求項、および添付の図のレビューによって明白となるであろう。

本発明の新規特徴は、添付の請求項に具体的に説明される。本発明の特徴および利点のより深い理解は、本発明の原理が利用される例証的実施形態を記載する以下の発明を実施するための形態と、付随の図面とを参照することによって得られるであろう。
図１Ａは、実施形態による、新生児黄疸を治療するための光線療法の使用のためのガイドラインを図示する。 図１Ｂは、実施形態による、新生児黄疸を治療するための交換輸血の使用のためのガイドラインを図示する。 図１Ｃは、新生児黄疸と関連付けられたリスクを査定するためのＢｈｕｔａｎｉノモグラムを図示する。 図２は、多くの実施形態による、患者におけるビリルビンレベルを推定するために使用される画像データを捕捉するためのモバイルデバイスの使用を図示する。 図３Ａから図３Ｄは、多くの実施形態による、ビリルビンレベルを推定するために使用される画像データを捕捉するためのモバイルデバイスと併用される、色較正標的を図示する。 図３Ａから図３Ｄは、多くの実施形態による、ビリルビンレベルを推定するために使用される画像データを捕捉するためのモバイルデバイスと併用される、色較正標的を図示する。 図３Ａから図３Ｄは、多くの実施形態による、ビリルビンレベルを推定するために使用される画像データを捕捉するためのモバイルデバイスと併用される、色較正標的を図示する。 図３Ａから図３Ｄは、多くの実施形態による、ビリルビンレベルを推定するために使用される画像データを捕捉するためのモバイルデバイスと併用される、色較正標的を図示する。 図４Ａから図４Ｃは、多くの実施形態による、ビリルビンレベルを推定するためのモバイルアプリケーションの例示的ユーザインターフェースを図示する。 図４Ａから図４Ｃは、多くの実施形態による、ビリルビンレベルを推定するためのモバイルアプリケーションの例示的ユーザインターフェースを図示する。 図４Ａから図４Ｃは、多くの実施形態による、ビリルビンレベルを推定するためのモバイルアプリケーションの例示的ユーザインターフェースを図示する。 図５Ａから図５Ｆは、多くの実施形態による、ビリルビンレベルを推定する際に使用するために収集される例示的画像データを図示する。 図６は、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法を図示する。 図７は、多くの実施形態による、患者の皮膚に関する色平衡化画像データを生成するための方法を図示する。 図８は、多くの実施形態による、画像内の標準化された色領域の識別を図示する。 図９Ａは、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法を図示する。 図９Ｂは、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法の別の実施例を図示する。 図１０は、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法を図示する。 図１１Ａは、多くの実施形態による、ベースライン皮膚色データを使用してビリルビンレベルを推定するための方法を図示する。 図１１Ｂは、多くの実施形態による、ベースライン皮膚色データを生成するための方法を図示する。 図１２は、多くの実施形態による、ビリルビンレベルを推定するためのモバイルデバイスを図示する。 図１３は、多くの実施形態による、ビリルビンレベルを推定するためのデータ処理システムと通信する、モバイルデバイスを図示する。

本明細書に説明されるシステム、デバイス、および方法は、患者（例えば、幼児または成人）におけるビリルビンレベルを推定するための改良されたアプローチを提供する。好適なソフトウェアを用いて構成されたモバイルデバイスが、患者の皮膚および標準化された色較正標的の画像を捕捉するために使用されることができる。皮膚および標的の画像データは、患者におけるビリルビンレベルを推定するために分析される、色平衡化画像データを生成するために使用されることができる。例えば、色平衡化画像データは、皮膚の黄変を表す特徴を抽出するために、複数の異なる色空間に変換されることができ、これらの特徴は、ビリルビン推定値を生成するために、複数の回帰において使用されることができる。侵襲的血液試験に依拠するか、またはコストがかかる器具類を利用するかのいずれかである、ビリルビンレベルを測定するための既存のアプローチとは対照的に、本明細書に説明されるシステム、デバイス、および方法は、パーソナルモバイルデバイスを使用して、非医療従事者によって容易に行われることができる、便宜的、可搬性、かつ安価なビリルビンレベル推定を可能にし、それによって、ビリルビン監視の利便性および費用効果性を改善する。有利には、本明細書に説明される方法は、外部アタッチメント、ハードウェアアドオン、または任意の他の特殊モバイルデバイス機器の使用を要求せずに、モバイルデバイス上で行われることができる。着目すべきは、開示される技法は、高ビリルビンレベルでは、正確度の低下を呈する、ＴｃＢ測定とは対照的に、広範囲のビリルビン濃度にわたって、正確なビリルビンレベル推定を提供する。加えて、本明細書に説明される方法は、皮膚色調ならびに異なる照明条件における多様性を考慮し、それによって、非侵襲的ビリルビンレベル推定の正確度および柔軟性を改善する。さらに、モバイルデバイスソフトウェアプラットフォームの使用は、本明細書に説明される推定方法およびアルゴリズムの容易かつ迅速なアップデートを可能にし、したがって、必要に応じて、改良およびアップグレードが行われることを可能にする。

ここで、図面を参照すると、図１Ａは、新生児黄疸を治療するための光線療法の使用のためのガイドラインを図示する。同様に、図１Ｂは、新生児黄疸を治療するための交換輸血の使用のためのガイドラインを図示する。ガイドラインは、医療従事者によって、幼児の年齢、血清総ビリルビン（ＴＳＢ）、妊娠期間（例えば、≧３５週）、および他の危険因子に基づいて、適切な治療過程を判定するために使用されることができる。危険因子として、同種免疫性溶血性疾患、Ｇ６ＰＤ欠乏症、仮死、有意な睡眠過度、温度不安定性、敗血症、酸血症、または３．０グラム／デシリットルを下回るアルブミンレベルが挙げられ得る。図１Ａおよび１Ｂに描写される曲線は、低リスク、中リスク、および高リスク幼児に関する例示的治療閾値を示す。

図１Ｃは、新生児黄疸と関連付けられたリスクを査定するためのＢｈｕｔａｎｉノモグラム１１０を図示する。Ｂｈｕｔａｎｉノモグラム１１０は、医療従事者によって、幼児の生後年齢およびビリルビンレベルに基づいて、高ビリルビン血症を発症する幼児のリスクを査定するために使用されることができる。例えば、Ｂｈｕｔａｎｉノモグラム１１０は、低リスクゾーン１１４、低中間リスクゾーン１１６、高中間リスクゾーン１１８、および高リスクゾーン１２０を定義するために使用される、複数のパーセンタイル曲線１１２を含むことができる。

図２は、多くの実施形態による、ビリルビンレベルのモバイルデバイスベースの推定を図示する。モバイルデバイス２０２（例えば、スマートフォン、タブレット）等の撮像デバイスが、患者２０６の皮膚領域２０４および色較正標的２０８の画像を捕捉するために使用されることができる。本明細書に説明されるアプローチの好適な皮膚領域として、前額部および胸骨、ならびに均等に照明される可能性がある皮膚の任意の他の顕著な平坦領域が挙げられる。加えて、黄疸は、典型的には、最初に、前額部に現れ、身体の下方に徐々に進行するため、前額部により近い領域は、潜在的に、診断のためにより情報が豊富であり得る。故に、多くの実施形態では、色較正標的２０８は、胸骨近傍の患者２０６の腹部上にある。モバイルデバイス２０２は、画像データを記録するためのカメラ（図示せず）と、画像データに基づいてビリルビンレベルを推定するためのモバイルソフトウェアアプリケーション（「モバイルアプリ」または「アプリ」）のユーザインターフェース（ＵＩ）を提示するために使用されるディスプレイ２１０とを含む。モバイルデバイス２０２は、ユーザが、本明細書に説明される方法を行うために、他の器具類またはハードウェアが色較正標的２０８に加えて必要とされず、彼らのパーソナルデバイス上にモバイルアプリをインストールのみする必要があるように、ユーザ（例えば、両親、医療従事者、地域の保健従業員等）のパーソナルデバイスであることができる。着目すべきは、モバイルデバイス２０２は、外部レンズ、フィルタ、または他の特殊モバイルデバイス機器等のモバイルデバイスに対する任意のさらなるアタッチメントまたは付属品から独立して、本明細書に説明される方法を実践するために使用されることができる。モバイルデバイス２０２のための好適なソフトウェアおよびハードウェア構成要素に関する付加的詳細は、以下にさらに詳細に提供される。

図３Ａから図３Ｄは、多くの実施形態による、ビリルビンレベルを推定するためのモバイルデバイスと併用されることができる、色較正標的を図示する。本明細書に説明される色較正標的（また、「色較正カード」および「色カード」としても知られる）は、皮膚画像データの得られた色平衡に影響を及ぼす照明条件または他の環境条件における差異を考慮するために使用されることができる。図３Ａを参照すると、色較正標的３００は、長方形カード３０２上に提供されることができる。カード３０２は、ほぼ名刺サイズ等、患者（例えば、幼児）の皮膚上に留置するために好適な任意のサイズのカード用紙であることができる。いくつかの事例では、カード３０２は、患者間の病原の拡散を防止するように、滅菌可能または使い捨てであることができる。色較正標的３００は、カード３０２上に印刷され得る、複数の標準化された着色領域３０４を含むことができる。着色領域３０４は、任意の好適なサイズ、数、または形状（例えば、正方形、長方形、多角形、円形、楕円形等）であることができる。例えば、色較正標的３００は、８つの同じサイズの正方形着色領域３０４ａ−ｈを含むように描写される。標準化された着色領域３０４はそれぞれ、異なる色（例えば、黒色、灰色、白色、シアン色、マゼンタ色、黄色、薄茶色、濃茶色）であって、カード３０２上の既知の配列に位置付けられることができる。例えば、図３Ａの実施形態では、３０４ａは、黒色領域であって、３０４ｂは、灰色領域（例えば、５０％灰色）であって、３０４ｃは、白色領域であって、３０４ｄは、薄茶色領域（例えば、第１の皮膚色調）であって、３０４ｅは、シアン色領域であって、３０４ｆは、マゼンタ色領域であって、３０４ｇは、黄色領域であって、３０４ｈは、濃茶色領域（例えば、第２の皮膚色調）である。他の色の配列および組み合わせもまた、使用されることができる。さらに、カード３０２の裏側（図示せず）は、カード３０２が患者の皮膚に可撤性に取り付けられることを可能にする、１つまたはそれを上回る接着剤領域を含むことができる。裏側はまた、付随のモバイルアプリをそのパーソナルモバイルデバイス上にダウンロードする方法に関する、ユーザのための指示等の関連指示を含むことができる。

図３Ｂは、色較正標的３２０の代替実施形態を図示する。色較正標的３２０は、実質的に、色較正標的３００に類似するが、また、開口部３２２も画定する。開口部３２２は、色較正標的３００が患者上に留置されると、着目皮膚領域が開口部３２２を通して暴露されるように位置付けられることができる。開口部３２２は、標的３２０によって、全体的に画定される（例えば、完全に囲繞される）または部分的に画定される（例えば、部分的に囲繞される）ことができる。白色領域を含む、複数の標準化された色領域３２４が、既知の配列において、開口部３２２の周囲に位置付けられることができる。図３Ｂの実施形態はさらに、合計１０の異なる標準化された色領域のために、薄灰色、中間灰色、および濃灰色領域を含む。図３Ｃは、正方形カード３４２上に提供される色較正標的３４０を図示し、複数の標準化された色領域３４４は、正方形開口部３４６を囲繞する。色領域３４４のうちのいくつかは、白色によって境界される中心黒色正方形を含む、色領域３４８等の２つまたはそれを上回る色を含むことができる。図３Ｄは、開口部３６４を囲繞する複数の標準化された色領域３６２を有する、色較正標的３６０を図示する。開口部３６４は、色領域３６２の一部または全部に隣接することができる。色領域３６２は、異なる縦横比を伴う一連の長方形領域として図３Ｄに描写される。本明細書に説明される色較正標的の色領域の色、幾何学形状、および配列は、以下に論じられる実施形態等の使用されるべき画像処理および分析方法に基づいて選択されることができる。

図４Ａから図４Ｃは、多くの実施形態による、ビリルビンレベルを推定するためのモバイルアプリの例示的ユーザインターフェース（ＵＩ）を図示する。図４Ａは、患者に関連する種々の統計および測定基準を表示するための概要ＵＩ４００を図示する。ＵＩ４００は、患者識別情報４０２（例えば、患者名、研究ＩＤ番号）、出産時刻４０４、および任意の利用可能なビリルビンレベル結果４０６（例えば、ＴＳＢおよび／またはＴｃＢ結果）を含むことができる。ＵＩ４００はまた、ユーザが、患者の画像データ（例えば、ビデオサンプルまたは写真サンプル）を収集することを可能にする、ボタン４０８または他の双方向要素を含むことができる。いくつかの事例では、ビデオサンプルは、モーションブラーの問題を排除するために有利であり得る。図４Ｂは、ユーザが患者の画像データを捕捉するのを補助するための指示ＵＩ４２０を図示する。ＵＩ４２０は、ユーザに、適切なステップを行うように指図する、グラフィカルおよび／またはテキスト指示４２２を含むことができる。例えば、指示４２２は、ユーザに、色較正標的を胸骨の下方の患者の腹部上に留置するように指示することができる。多くの実施形態では、指示４２２は、医療訓練を伴わずに、個人によって容易に理解されるように適合され、それによって、非医療従事者が、モバイルアプリを動作させることを可能にする。図４Ｃは、画像捕捉プロセスの間、ユーザに表示されるライブプレビューＵＩ４４０を図示する。ＵＩ４４０は、モバイルデバイスのカメラの現在の視野のビデオプレビュー４４２を含むことができる。ＵＩ４４０は、１つまたはそれを上回る位置決め標的４４４を含み、ユーザが、モバイルデバイスを位置付けるのを補助することができる。例えば、位置決め標的４４４は、色較正標的の適切な留置を示すために、ビデオプレビュー４２２上にオーバーレイされたボックス、フレーム、または着色領域であることができる。位置決め標的４４４のサイズおよび場所は、患者からのモバイルデバイスの距離を最適範囲内に制約し、また、視野が適切な皮膚領域および色較正標的を適正に捕捉することを確実にするように選択されることができる。いったん視野が正しく整合されると、ユーザは、記録ボタン４４６をタップすることによって、画像データを記録することができる。画像収集および分析プロセスに関する付加的詳細は、以下に提供される。

図５Ａから図５Ｆは、多くの実施形態による、モバイルアプリによって収集された例示的画像データを図示する。記録プロセスに続いて、モバイルアプリは、レビューおよび承認のために、画像データをユーザに表示することができる。さらに、捕捉された画像が処理および分析のために十分な品質であることを確実にするために、モバイルアプリは、画質を検出するための機能性を含み、品質閾値を満たしていない画像に関してユーザにアラートし、それによって、再撮影を余儀なくすることができる。図５Ａは、照明が満足のゆくものであって、患者および色較正標的が両方とも、明白に可視である、十分な品質の画像５００を図示する。図５Ｂは、画像の一部がグレアによって妨害されている、不十分な画像５０２を図示する。図５Ｃは、画像が明るすぎる、不十分な画像５０４を図示する。図５Ｄは、色較正標的が部分的に妨害されている、不十分な画像５０６を図示する。図５Ｅは、画像が影によって部分的に妨害されている、不十分な画像５０８を図示する。図５Ｆは、画像が暗すぎる、不十分な画像５１０を図示する。

図６は、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法６００を図示する。方法６００は、本明細書に説明される全他の方法と同様に、モバイルデバイスまたはモバイルデバイスと通信する別個のコンピューティングシステム（例えば、遠隔サーバ）等、本明細書に開示されるシステムおよびデバイスのいずれかを使用して実践されることができる。方法６００のあるステップは、本明細書に説明される全他の方法と同様に、随意であることができる、あるいは本明細書に開示される他の方法の好適なステップと組み合わせられる、またはそれの代用とされてもよい。

作用６１０では、画像データが、患者の皮膚のある領域および色較正標的を含む、少なくとも１つの画像に関して受信される。画像データは、本明細書に前述のように、モバイルデバイスのカメラを使用して収集されることができる。画像データは、写真データ、ビデオデータ、または好適なそれらの組み合わせを含むことができる。写真データおよびビデオデータは、連続して、または同時に、捕捉されることができる（例えば、画像は、ビデオ記録の間に撮影される）。画像データは、フラッシュ照射を使用して、および／または使用せずに得られることができる。いくつかの事例では、フラッシュ照射は、得られた画像内の照明がフラッシュ照射からの寄与によってのみ判定されるように、環境照明をキャンセルするために使用されることができる。これは、より一貫した照明を産生するために、または環境照明が準最適（例えば、暗すぎる、著しく着色される等）である状況において有利であり得る。

多くの実施形態では、画像データは、モバイルデバイスのフラッシュユニットならびに撮影される画像のシーケンスおよび数を制御する、モバイルアプリを使用して収集される。例えば、アプリは、モバイルデバイスの初期位置決めの間、ユーザが、画像内のグレアの量を査定し（例えば、ビデオプレビューを介して）、グレアを低減または排除するために、必要に応じて、デバイスを再位置付けし得るように、フラッシュユニットをオンにすることができる。記録プロセスの間、アプリは、モバイルデバイスを制御し、最初に、フラッシュユニットをオンにして画像データを得て、次いで、フラッシュユニットをオフにして画像データを得て、それによって、それぞれ、フラッシュ照射ありおよびなしの２つの画像セットを生成することができる。例えば、ユーザが、画像捕捉プロセスを開始すると（例えば、記録ボタンを押下することによって）、アプリは、前半は、フラッシュユニットをオンにして、後半は、オフにして、患者および較正標的のビデオを記録するように構成されることができる。アプリはまた、それぞれ、ビデオ記録の前半および後半の間に撮影される、２つの写真を捕捉することができる。ビデオの全体長は、約１０秒等の任意の好適な時間であることができる。画像捕捉プロセスのタイミングはさらに、モバイルデバイスの画像センサ（例えば、電荷結合素子（ＣＣＤ）アレイ）が、次の画像が撮影される前に安定することを確実にするように構成されることができる。例えば、アプリは、各画像セットを記録する前に、規定遅延時間（例えば、３〜４秒）を含むことができる。

前述のように、いったん画像捕捉シーケンスが完了すると、モバイルアプリは、画像データを分析し、後続使用のために十分な品質であるかどうかを判定することができる。例えば、アプリは、好適な画像分析技法（例えば、コンピュータビジョン）を実装し、画質を査定することができる。例示的手技は、色較正標的を捕捉された画像データから抽出し、較正標的の各色領域を横断した色一貫性をチェックする（例えば、色領域毎の画素値の標準偏差が所定の閾値を下回るかどうかを判定する）、およびユーザが本試験に合格しない任意の画像を再撮影することを推奨することを伴う。いくつかの事例では、アプリは、画像データの少なくともいくつかが品質基準を満たす可能性を最大限にするように、セッションあたり複数のセットの画像データを捕捉するように構成されることができる。承認された画像は、次いで、以下にさらに詳細に説明されるように、モバイルデバイス上で処理される、または処理のために、別個のコンピューティングシステムに伝送されることができる。

作用６２０では、皮膚領域に関する色平衡化画像データが、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて生成される。色平衡化は、画像データの色コンテンツが、環境照明（例えば、強度、色、タイプ（ハロゲン蛍光、自然等））に基づいて、著しく変動し得るため、異なる照明条件を補償するために行われることができる。多くの実施形態では、画像データは、最初に、３つの赤色、緑色、青色（ＲＧＢ）色チャネルを画像の全体的ルミネセンスで除算することによって正規化される。さらに、色較正標的の標準化された色領域のうちの１つまたはそれを上回るものに関して観察された画素色値は、以下に論じられるように、画像データ内の皮膚領域に適用される色平衡化調節を判定するために使用されることができる。

作用６３０では、患者におけるビリルビンレベルが、皮膚領域に関する色平衡化画像データに基づいて推定される。高ビリルビン血症は、皮膚の黄変をもたらすため、ビリルビンレベルは、色平衡化皮膚領域画像データ内の黄色の量に基づいて判定されることができる。本判定は、色平衡化画像データを皮膚の全体的黄変の定量化を促進するために選択された複数の異なる色空間に変換すること等、任意の好適な技法を使用して行われることができる。変換された画像データから生成された画像特徴は、患者の身体中のビリルビンの濃度を推定するために設計される一連の機械学習回帰に入力されることができる。これらのアプローチは、以下にさらに詳細に論じられる。

図７は、多くの実施形態による、色平衡化画像データを生成するための方法７００を図示する。方法７００は、前述のように、患者の皮膚領域および色較正標的の得られた写真および／またはビデオデータに適用されることができる。作用７１０では、受信された画像データは、暴露された皮膚領域に対応する画像データおよび白色領域に対応する画像データを識別するために処理される。例えば、画像データは、色較正標的および着目皮膚領域（例えば、胸骨、前額部）の色領域の画素値を抽出するように区画化されることができる。色較正標的に関して、モバイルアプリＵＩが、較正標的を整合させるための位置決め標的（例えば、図４Ｃの位置決め標的４４４）を含む場合、画像データ内の色較正標的の近似画素座標は、すでに既知であって、色領域に関する検索空間は、適宜、制約されることができる。色領域の位置決めは、較正標的上の少なくとも２つの色領域を識別することによって判定されることができる。

図８は、多くの実施形態による、画像内の標準化された色領域の識別を図示する。色領域区画化プロセスは、所定の閾値を画像に適用するように構成される好適なアルゴリズムを介して、実装されることができる。多くの実施形態では、シアン色、マゼンタ色、および黄色領域は、別々の色相および比較的に高飽和を有するため、アルゴリズムは、最初に、これらの領域の少なくとも２つの識別を試みる。アルゴリズムは、画像データを色相飽和値（ＨＳＶ）色空間に変換し、経験的に判定された閾値を色相および飽和チャネルに適用し、それによって、閾値色相画像８００および閾値飽和画像８０２を得ることができる。「ＡＮＤ」演算が、２つの閾値画像に行われ、規定の色領域を画像の残りから分離し、それによって、区画化された画像８０４を産生することができる。さらに、各色領域の近似サイズが、事前に判定されるため、本情報は、色領域を画像データ内の雑音から区別するために使用されることができる（例えば、エッジ検出、モルフォロジー演算等を使用して）。アルゴリズムは、次いで、輪郭検出を使用して、色領域の境界を識別することができ、輪郭平滑化が、Ｄｏｕｇｌａｓ−Ｐｅｕｋｅｒアルゴリズム等の好適な技法を使用して行われる。色領域の全体的配列は、既知であるため、いったん２つの色領域の位置が判定されると、較正標的の全体的配向が、白色領域を含む、他の領域の位置を外挿するために計算および使用されることができる。

作用７２０では、白色領域データは、白色領域に関して観察された色値を判定するために処理される。作用７３０では、暴露された皮膚領域に関する色平衡化画像データが、白色領域に関して観察された色値に基づいて生成される。白色領域に関して観察された色値は、ＲＧＢ色値を含むことができ、これは、皮膚領域に関する画像のＲＧＢ値を調節するために使用されることができる。例えば、白色領域に関して観察された色値ｘ＝（Ｒ’，Ｇ’，Ｂ’）の場合、皮膚領域に関して調節される色値（Ｒ，Ｇ，Ｂ）は、以下によって得られることができる。

式中、Ｋ_Ｗ＝（Ｒ’_Ｗ，Ｇ’_Ｗ，Ｂ’_Ｗ）は、色較正標的に関する白色領域の未加工観察色値である。

図９Ａは、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法９００を図示する。方法９００は、本明細書に前述のように得られる色平衡化ＲＧＢ画像データを使用して、実践されることができる。作用９１０では、色平衡化ＲＧＢ画像データは、少なくとも１つの他の色空間に変換され、少なくとも１つの他の色空間のための暴露された皮膚領域に関する色平衡化画像データを生成する。前述のように、色平衡化皮膚領域画像データの黄変は、患者の身体におけるビリルビンレベルと相関する。多くの実施形態では、モバイルデバイスの画像センサ（例えば、ＣＣＤまたはＣＭＯＳセンサ）が、反射された光を赤色、緑色、および青色波長に内挿し、画像センサが、黄色波長帯域の反射を明確に捕捉することを防止することができる。故に、色平衡化ＲＧＢデータは、シアン色、マゼンタ色、および黄色（ＣＭＹ）；シアン色、マゼンタ色、黄色、および黒色（ＣＭＹＫ）；ＹＣｂＣｒ；またはＬａｂ色空間等、複数の異なる色空間に変換されることができる。色空間の任意の好適な数または組み合わせが、使用されることができる。例えば、多くの実施形態では、ＲＧＢ画像データは、ＣＭＹＫ、ＹＣｂＣｒ、およびＬａｂ色空間に変換される。代替として、ＲＧＢ画像データは、ＣＭＹ、ＹＣｂＣｒ、およびＬａｂ色空間に変換されることができる。

作用９２０では、複数の正規化された有彩色および無彩色特徴が、複数の異なるビリルビン範囲からビリルビンレベルの第１の推定範囲を選択するために処理される。特徴は、皮膚領域に関する有彩色および／または無彩色（例えば、ルミネセンス）値であることができ、各特徴は、使用される色空間の色空間値に対応する。いくつかの事例では、特徴は、皮膚領域を横断する１つまたはそれを上回る色勾配の計算を含むことができる。特徴の任意の好適な数および組み合わせが、使用されることができる。例えば、３つの特徴が、４つの色空間（例えば、ＲＧＢ、ＣＭＹ、ＹＣｂＣｒ、ＬａｂまたはＲＧＢ、ＣＭＹＫ、ＹＣｂＣｒ、Ｌａｂ）のそれぞれから抽出され、１２の有彩色および無彩色特徴を得ることができる。さらに、特徴は、それぞれ、フラッシュ照射ありおよびフラッシュ照射なしで得られた画像データから別個に抽出され、合計２４の有彩色および無彩色特徴をもたらすことができる。特徴は、方法６００の作用６２０に関して本明細書に前述のように、画像の全体的ルミネセンスに基づいて正規化されることができる。抽出される特徴は、ビリルビンレベルを推定するために使用される機械学習回帰への入力として使用されることができる。回帰は、抽出された特徴の一部または全部を利用することができ、使用される特徴の最適サブセットは、機械学習技法に基づいて選択される。本明細書に説明される機械学習回帰は、臨床患者データ等の好適なデータセットに関して訓練されることができ、パラメータおよび非パラメータ回帰モデルの任意の好適な数および組み合わせを組み込むことができる。本明細書に説明される方法と併用するために好適な例示的回帰は、以下に提供される。多くの実施形態では、最初に計算された特徴および選択されたリグレッサの出力が、推定されたビリルビンレベルを低、中、および高範囲等、複数の異なるビリルビン範囲のうちの１つに分類するために使用される。

作用９３０では、特徴は、ビリルビンレベルの最終推定値を生成するために、ビリルビンレベルの選択された第１の推定範囲に基づく処理アプローチを使用して処理される。作用９２０と同様に、正規化された有彩色および有彩色特徴が、１つまたはそれを上回る機械学習回帰に通知するために使用されることができる。回帰への入力は、以下により詳細に提供されるように、ビリルビンレベルの第１の推定範囲が、低、中、または高であるかどうかに基づいて、異なり得る。例えば、第１の推定範囲の分類は、機械学習回帰への入力として使用されることができる。作用９２０において行われる初期回帰の結果もまた、入力として使用されることができる。ビリルビン推定の本「２段階」アプローチは、直接推定と比較して、より正確な推定結果を生成するために使用されることができる。

図９Ｂは、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法９５０を図示する。方法９５０は、ビリルビンレベルのより正確な推定値を得るために、方法９００と組み合わせて実践されることができる。方法９００と同様に、方法９５０は、本明細書に前述のように得られる色平衡化ＲＧＢ画像データを使用して、実践されることができる。作用９６０では、色平衡化ＲＧＢ画像データが、方法９００の作用９１０に関して前述のように、少なくとも１つの他の色空間に変換され、少なくとも１つの他の色空間のための暴露された皮膚領域に関する色平衡化画像データを生成する。

作用９７０では、暴露された皮膚領域に関する色平衡化画像データは、患者の皮膚に関する色空間値を判定するために処理される。患者の皮膚に関する色空間値は、患者の皮膚色を薄色皮膚、中間色皮膚、および濃色皮膚等、複数の異なる皮膚色タイプのうちの１つに分類するために使用されることができる。皮膚色タイプは、患者の人種および／または民族性に関連し得る。皮膚色タイプは、皮膚領域の色値および／または色平衡化ＲＧＢ画像データから得られる色較正標的に基づいて判定されることができる。例えば、皮膚領域は、色較正標的の１つまたはそれを上回る標準化された色領域（例えば、第１および第２の皮膚色調色領域）と比較され、皮膚色タイプを判定することができる。

作用９８０では、複数の正規化された有彩色および無彩色特徴が、ビリルビンレベルを推定するために、判定された皮膚色に基づくアプローチを使用して処理される。正規化された有彩色および無彩色特徴は、方法９００に関して前述のように、１つまたはそれを上回る異なる色空間に関する色平衡化画像データから抽出されることができる。特徴は、判定された皮膚色とともに、方法９００の作用９３０と同様に、好適な機械学習回帰への入力として使用されることができる。

図１０は、多くの実施形態による、患者におけるビリルビンレベルを推定するための方法１０００を図示する。方法１０００は、カメラから画像を得るステップ１００２と、画像データを色平衡化するステップ１００４と、色平衡化画像データから特徴抽出を行うステップ１００６と、特徴に基づいて機械学習回帰を行うステップ１００８と、ビリルビン推定値を生成するステップ１０１０とを含む。

画像データは、好適なモバイルアプリの制御下、モバイルデバイスのカメラから得られることができる（作用１００２）。画像データのいくつかは、フラッシュ照射を用いて得られることができ、画像データのいくつかは、フラッシュ照射を用いずに得られることができる。いったんアプリが、画像が処理および分析のために十分な品質であることを検証すると、画像データは、色平衡化されることができる（作用１００４）。色平衡化は、色較正標的に対応する画像データサブセットの識別と、本明細書に前述された閾値方法を使用した標的の標準化された色領域の自動区画化とを伴うことができる（作用１０１２）。区画化された白色領域は、画像データを白色平衡化し（作用１０１４）、それによって、色平衡化画像データを生成するために使用されることができる。色平衡化画像データは、ＲＧＢ画像データであることができる。１つまたはそれを上回る特徴が、色平衡化画像データから抽出されることができる（作用１００６）。特徴抽出プロセスは、本明細書に前述のように、ＲＧＢ色空間からの画像データを複数の異なる色空間に変換するステップを伴うことができる（作用１０１６）。変換された画像データは、次いで、複数の正規化された有彩色および無彩色特徴を計算するために使用されることができる（作用１０１８）。

抽出された特徴の一部または全部は、機械学習回帰への入力として使用されることができる（作用１００８）。回帰の任意の好適な数および／または組み合わせが、使用されることができる。例えば、機械学習回帰の初期セットは、５つの異なる回帰を含むことができる（作用１０２０、１０２２、１０２４、１０２６、および１０２８）。例えば、第１の回帰は、１つまたはそれを上回るカプセル化ｋ最近傍（ｋＮＮ）回帰を含むことができる（作用１０２０）。本回帰は、既知の特徴およびビリルビン値のデータベースを利用することができる。未知の試験ベクトルが分析されるとき、凸包が、特徴のデータベース内の試験ベクトルの周囲に見出され得る。凸包からの特徴点は、次いで、線形回帰において使用されることができる。新しい回帰は、新しい試験点が分析される度に構築されることができる。包を作成するためのパラメータは、輝度の正規化された値（例えば、ＹＣｂＣｒ色空間変換から）および「緑色」チャネル（例えば、ＲＧＢ色空間から）であることができる。これは、凸包計算が２次元においてのみ生じ、したがって、凸包内の点の数が扱いやすい（例えば、約４〜６つの点）ことを保証するために使用されることができる。

第２の回帰は、１つまたはそれを上回るラッソ回帰および／または１つまたはそれを上回る最小角度回帰（ＬＡＲＳ）を含むことができる（作用１０２２）。ＬＡＲＳは、抽出された特徴の合計セットから、前向き特徴選択の変形を使用して、どの特徴が最も有用であるかを決定するために有用であり得る。例えば、特徴セットからの最良予測値が、各特徴から単一特徴の線形回帰を展開することによって選定されることができる。最も相関する出力が、「第１」の特徴として選定されることができる。本予測は、残余を得るために出力から減算されることができる。アルゴリズムは、出力に対する第１の特徴と残余に対するほぼ同一の相関を伴う別の特徴を見出すことを試みるという点において、他の前向き特徴選択アルゴリズムから分かれ得る。これは、次いで、２つの推定値間の「等角」方向を見出すことができ、等角方向に沿った新しい残余への相関を最大限にする、第３の特徴を見出すことができる。新しい角度が、次いで、以前の特徴から見出され、新しい特徴は、セットに追加されることができる。特徴は、所望の正確度が満たされるまで、このように追加されることができる。

第３の回帰は、弾性ネットアルゴリズムとしても知られる、１つまたはそれを上回る弾性ネット回帰を含むことができる（作用１０２４）。弾性ネット回帰は、ラッソ回帰およびリッジ回帰の組み合わせである。しかしながら、前向き特徴選択のみを使用する代わりに、アルゴリズムはまた、その目的関数にＬ１およびＬ２ノルムを採用することができる。これは、ＬＡＲＳおよびラッソに関連させるが、より安定し得るように、ある「バックオフ」規則化を伴う。パラメータは、段階的包括的プロセスを使用して交差検定されることができる。

第４の回帰は、１つまたはそれを上回るサポートベクトル（ＳＶ）回帰を含むことができる（作用１０２６）。２つのＳＶ回帰が、画像データとビリルビンレベルとの間の可能性として考えられる非線形関係を捕捉するために採用されることができる。ＳＶ回帰は、高次元特徴空間内の線形回帰関数を見出すために使用されることができる。次いで、入力データが、潜在的非線形関数を使用して、空間にマップされることができる。第１のＳＶ回帰は、線形カーネルを使用することができ、第２のＳＶ回帰は、非線形放射基底関数を使用して、より高い加重をより高率のビリルビン値に割り当てることができる。

第５の回帰は、１つまたはそれを上回るランダムフォレスト回帰を含むことができる（作用１０２８）。例えば、第５の回帰は、５００個のツリーを伴う、ランダムフォレスト回帰を使用する。ランダムフォレストは、推定量の集合である。これは、データセットの種々のサブサンプルに多くの「分類」決定ツリーを使用することができる。これらのツリーの出力は、予測正確度を改善し、オーバーフィットを制御するように平均化されることができる。各ツリーは、ランダムサブサンプルを使用して作成されることができる（置換を伴う）。

多くの実施形態では、他のタイプの回帰もまた、本明細書に説明される回帰のうちの１つまたはそれを上回るものに加え、またはその代用として、使用されることができる。例えば、１つまたはそれを上回る線形回帰もまた、使用されることができる。方法１０００は、線形および非線形回帰を含む、任意の好適なタイプの回帰を使用して実践されることができる。

初期回帰に続いて、１つまたはそれを上回る多層分類子が、使用されることができる（作用１０３０）。例えば、最初に計算された特徴が、リグレッサの初期セットの出力とともに、ビリルビンレベルの第１の推定範囲を本明細書に前述のような複数の異なるビリルビン範囲のうちの１つに分類するために使用されることができる。分類子は、ランダムフォレスト分類子、サポートベクトル機械、およびｋ最近傍（ｋ＝３）を含むことができる。全分類子の結果ならびにクラス毎の対数尤度が、最終ランダムフォレスト回帰であり得る、最終スタック回帰のための特徴として使用されることができる（作用１０３２）。初期回帰の元々抽出された特徴および結果もまた、本最終段階回帰のための特徴として使用されることができる。最終リグレッサは、ＡｄａＢｏｏｓｔ等の好適な機械学習アルゴリズムを使用して訓練されることができる。最終リグレッサは、ビリルビンレベル１０１０の最終推定値（例えば、ミリグラム／デシリットルで測定される）として使用されることができる。オーバーフィットを回避するために、一個抜き交差検証が、全学習レベルで使用されることができる。

図１１Ａは、多くの実施形態による、ベースライン皮膚色データを使用して患者におけるビリルビンレベルを推定するための方法１１００を図示する。方法１１００は、方法６００と類似するが、患者の現在の皮膚色データが、ビリルビン推定値を生成するために、ベースライン皮膚色データと比較される。本アプローチは、患者の人種または民族性による異なる皮膚色調等、画像分析を混同させ得る要因を補償するために使用されることができる。

作用１１１０では、患者に関するベースライン皮膚色データが受信され、該ベースライン皮膚色データは、患者が基準ビリルビンレベルを有するときに対応する。基準ビリルビンレベルは、既知のビリルビンレベル（例えば、ＴＳＢまたはＴｃＢ試験に基づく）であることができる。患者が幼児である場合、ベースライン皮膚色データは、ビリルビンレベルが、典型的には、約ゼロ等、非常に低いときの、幼児の誕生から最初の２４時間以内に収集されることができる。ベースライン皮膚色データを収集および生成するために好適な方法は、以下に説明される。

作用１１２０では、画像データが、患者の皮膚のある領域および色較正標的を含む、少なくとも１つの画像に関して受信される。作用１１３０では、皮膚領域に関する色平衡化画像データは、色較正標的および皮膚領域に対応する画像データのサブセットに基づいて生成される。画像データ収集および色平衡化プロセスは、それぞれ、方法６００の作用６１０および６２０に関して本明細書に前述されるものに類似し得る。作用１１２０および１１３０は、ベースライン皮膚色データが受信された後、任意の時間において行われることができ、皮膚がより黄色になっているかどうかを判定するために使用される連続画像データセットを生成するように、任意の好適な時間周期にわたって（例えば、幼児の誕生から最初の４〜５日間）、繰り返されることができる。

作用１１４０では、患者におけるビリルビンレベルは、ベースライン皮膚色データと皮膚領域に関する色平衡化画像データとの間の差異に基づいて推定される。多くの実施形態では、ベースライン皮膚色データは、現在の画像データが比較される標準としての役割を果たす。方法６００の作用６３０に関して本明細書に前述のように、推定は、色平衡化画像データを複数の色空間に変換し、特徴を変換された画像データから抽出し、次いで、機械学習回帰のための特徴を使用して、ビリルビン推定値を生成することによって行われることができる。本明細書に説明される回帰の少なくともいくつかはまた、ベースライン皮膚色データから抽出される特徴の一部または全部を使用することができる。

図１１Ｂは、多くの実施形態による、ベースライン皮膚色データを生成するための方法１１５０を図示する。作用１１６０では、患者に関するベースライン画像データが、患者が基準ビリルビンレベルを有するとき、捕捉され、ベースライン画像データは、皮膚領域およびベースライン色較正標的を含む、少なくとも１つの画像に対応する。ベースライン画像データの収集は、方法６００の作用６１０に関して本明細書に前述される収集手技と類似し得る。ベースライン色較正標的は、通常の画像データを収集するために使用される色較正標的と同一であることができる、または異なる色較正標的であることができる。同様に、ベースライン画像データは、通常の画像データと同一の皮膚領域または異なる皮膚領域を含むことができる。前述のように、基準ビリルビンレベルは、誕生から２４時間以内に試験することによって判定または撮影される、ビリルビンレベル等、任意の既知のビリルビンレベルであることができる。

作用１１７０では、色平衡化ベースライン画像データが、ベースライン画像データに基づいて、皮膚領域に関して生成される。色平衡化ベースライン画像データの生成は、通常の画像データに関して本明細書に前述される技法のいずれかを使用して行われることができる。作用１１８０では、ベースライン皮膚色データは、皮膚領域に関する色平衡化ベースライン画像データに基づいて生成される。本プロセスは、前述のように、色平衡化ベースライン画像データからの特徴抽出と、機械学習回帰のための特徴の使用とを伴い得る。

図１２は、多くの実施形態による、患者におけるビリルビンレベルを推定するためのモバイルデバイス１２００を図示する。モバイルデバイス１２００は、画像データを捕捉するために好適なカメラ１２０２と、フラッシュ照射を提供するために好適なフラッシュユニット１２０４とを含む。カメラ１２０２およびフラッシュユニット１２０４は、モバイルデバイス１２００の内蔵ハードウェアであることができる。代替として、カメラ１２０２およびフラッシュユニット１２０４は、モバイルデバイス１２００と別個に提供され、そこに結合されることができる（例えば、有線または無線通信を介して）。いくつかの事例では、本明細書に説明されるモバイルアプリは、カメラ１２０２が、後続画像分析のために十分に高分解能を伴う画像を捕捉可能であるかどうかを検出することができ、本基準が満たされない場合、ユーザにアラートすることができる。

モバイルデバイス１２００はまた、入力をユーザから受信するための入力ユニット１２０６と、コンテンツをユーザに表示するためのディスプレイ１２０８とを含む。入力ユニット１２０６は、キーボード、マウス、タッチスクリーン、ジョイスティック、および同等物を含むことができる。入力ユニット１２０６はまた、音声コマンドまたはジェスチャコマンドを受け取るように構成されることができる。ディスプレイ１２０８は、モニタ、画面、タッチスクリーン、および同等物を含むことができる。いくつかの事例では、入力ユニット１２０６およびディスプレイ１２０８は、共有ハードウェアを横断して実装されることができる（例えば、同一のタッチスクリーンが、入力を受け取り、出力を表示するために使用される）。前述のように、ディスプレイ１２０８は、ビリルビンレベルを推定するためのモバイルアプリのＵＩ等、１つまたはそれを上回る好適なＵＩをユーザに表示することができる。

モバイルデバイス１２００は、１つまたはそれを上回るプロセッサ１２１０と、画像データならびに１つまたはそれを上回るソフトウェアモジュール１２１４を記憶するためのメモリまたは他のデータ記憶デバイス１２１２と、通信ユニット１２１６とを含む。プロセッサ１２１０は、カメラ１２０２および／またはフラッシュユニット１２０４に動作可能に結合され、１つまたはそれを上回る機能（例えば、記録機能、ズーム機能、フラッシュ照射機能）を制御することができる。プロセッサ１２１０はまた、プロセッサ１２１０が、ソフトウェアモジュール１２１４によって提供される命令を受信および実行し得るように、メモリ１２１２に動作可能に結合されることができる。ソフトウェアモジュール１２１４は、本明細書に説明されるモバイルアプリの一部として実装されることができ、前述の方法の１つまたはそれを上回る作用を実施するための命令を提供することができる。例えば、ソフトウェアモジュール１２１４は、モバイルデバイス１２００が、患者および較正標的の画像データを捕捉することを可能にすることができる。いくつかの事例では、ソフトウェアモジュール１２１４は、前述で開示される画像処理および分析タスク（例えば、色平衡化、特徴抽出、機械学習回帰）の一部または全部を行うことができる。ソフトウェアモジュール１２１４は、複数の異なるタイプのモバイルデバイスに適合されることができる。さらに、モバイルデバイス１２００は、１つまたはそれを上回る画像捕捉、処理、および分析アルゴリズムを改善するアップデート等のソフトウェアアップデートを受信およびインストールし、それによって、モバイルアプリが、必要に応じて、容易かつ迅速にアップグレードされることを可能にするように構成されることができる。

モバイルデバイス１２００の通信ユニット１２１６は、モバイルデバイス１２００と、遠隔サーバまたは他のコンピューティングシステム等の別個のデバイスまたはシステムとの間において、データ（例えば、画像データ、ビリルビン推定値、ソフトウェアアップデート等）を受信および／または伝送するように構成されることができる。通信ユニットは、Ｗｉ−Ｆｉ通信を含む、有線または無線通信方法の任意の好適な組み合わせを使用することができる。いくつかの事例では、モバイルデバイス１２００と別個のデバイスとの間の通信は、ショートメッセージサービス（ＳＭＳ）テキストメッセージングを使用して行われることができる。通信ユニット１２１６はまた、モバイルデバイス１２００へおよびそこからのデータ通信が、ソフトウェアモジュール１２１４によって提供される命令に基づいて制御され得るように、プロセッサ１２１０に動作可能に結合されることができる。

図１３は、多くの実施形態による、ビリルビンレベルを推定するためのデータ処理システム１３０２と通信する、モバイルデバイス１３００を図示する。モバイルデバイス１３００は、図１２のモバイルデバイス１２００に関して本明細書に前述された構成要素のいずれかを含むことができる。データ処理システム１３０２の構成要素は、分散型コンピューティングリソース（「クラウド内の」）を含む、物理的および／または仮想化されたコンピューティングリソース（例えば、仮想マシン）の任意の好適な組み合わせを横断して実装されることができる。多くの実施形態では、データ処理システム１３０２は、モバイルデバイス１３００を含む、複数のユーザモバイルデバイスと通信するように構成される、遠隔サーバである。通信は、前述のように、任意の好適な有線または無線通信方法を利用することができる。

データ処理システム１３０２は、１つまたはそれを上回るプロセッサ１３０４と、１つまたはそれを上回るソフトウェアモジュール１３０８を記憶するためのメモリまたは他のデータ記憶デバイス１３０６と、通信ユニット１３１０とを含む。通信ユニット１３１０は、システム１３０２とモバイルデバイス１３００との間においてデータ（例えば、画像データ、ビリルビン推定値、ソフトウェアアップデート等）を通信する（例えば、ＳＭＳテキストメッセージングを介して）ために使用されることができる。例えば、通信ユニット１３１０は、色平衡化されていない画像データ等、モバイルデバイス１３００によって提供される画像データを受信することができる。モバイルデバイス１３００から得られるデータは、メモリ１３０６内に記憶されることができる。ソフトウェアモジュール１３０８は、本明細書に説明される方法の１つまたはそれを上回る作用を行うこと等によって、画像データを処理および分析する（例えば、色平衡化、特徴抽出、機械学習回帰）ために、プロセッサ１３０４によって実行可能な命令を提供することができる。プロセッサ１３０４は、メモリ１３０６内に記憶され、および／またはモバイルデバイス１３００に伝送され得る、患者のビリルビンレベルの推定値を出力することができる。いくつかの事例では、ユーザ選好に応じて、結果はまた、結果をレビューし、必要に応じて、ユーザにさらなる命令を提供し得る、医療従事者等の第三者に伝送されることができる。

代替実施形態では、本明細書に説明されるモバイルデバイスは、患者の皮膚を異なる光の波長（例えば、４６０ｎｍ、５４０ｎｍ）を用いて照射し、カメラを使用して、照射された皮膚の画像を捕捉するように構成されることができる。照射のタイミングおよびシーケンスは、モバイルアプリによって制御されることができる。モバイルアプリは、収集された画像データを分析し、皮膚領域から反射された異なる光の波長の強度を測定することができる。多くの実施形態では、異なる波長の吸収は、黄変を含む、皮膚の色に基づいて異なる。いくつかの波長は、その強度が患者の身体内のビリルビンの量の指標を提供するように、ビリルビンレベルによって影響され得る。故に、好適な機械学習回帰および／またはモデルが、波長吸収が患者におけるビリルビンレベルを推定するための入力として使用されることを可能にするように開発されることができる。有利には、本アプローチは、異なる環境および状況条件に対してよりロバストであることができる。

多くの実施形態では、モバイルデバイスは、フロントカメラ（例えば、スクリーンとモバイルデバイスの画面と同一の側に配置されるカメラ）を含み、該カメラは、周囲照明条件を査定するために使用される、画像データ（例えば、写真、ビデオ）を捕捉するために使用されることができる。そのようなデータは、患者のビリルビンレベルの推定の間、患者の皮膚の色データを正規化するために使用され得る、代替および／または付加的周囲照明情報を提供する。

本明細書に説明される種々の技法は、記憶媒体およびコンピュータ可読媒体上に記憶可能であって、かつコンピュータシステムの１つまたはそれを上回るプロセッサによって実行可能である、コードを使用して部分的または完全に実装されてもよい。コードまたはコードの一部を含有するための記憶媒体およびコンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリまたは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多アプリケーションディスク（ＤＶＤ）または他の光学記憶、磁気カセット、磁気テープ、磁気ディスク記憶または他の磁気記憶デバイス、固体ドライブ（ＳＳＤ）または他の固体状態記憶デバイス、あるいは所望の情報を記憶するために使用され得、かつシステムデバイスによってアクセスされ得る、任意の他の媒体を含む、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータ等の情報の記憶および／または伝送のための任意の方法または技術において実装される、限定ではないが、揮発性および不揮発性の可撤性ならびに非可撤性媒体等の記憶媒体および通信媒体を含む、当技術分野において公知または使用されている任意の適切な媒体を含むことができる。本明細書に提供される開示および教示に基づいて、当業者は、種々の実施形態を実装するための他の手法および／または方法を認識するであろう。

本発明の好ましい実施形態が、本明細書に図示および説明されたが、そのような実施形態が一例として提供されているにすぎないことは、当業者に明白となるであろう。多数の変形例、変更、および代用が、本発明から逸脱することなく、現時点において当業者に想起されるであろう。本明細書に説明される本発明の実施形態の種々の代替が、本発明を実践する際に採用されてもよいことを理解されたい。以下の請求項は、本発明の範囲を定義し、これらの請求項およびその均等物の範囲内の方法および構造は、それによって網羅されることが意図される。

Claims (27)

1. 患者におけるビリルビンのレベルを推定する方法であって、
   前記患者の皮膚のある領域および色較正標的を含む、少なくとも１つの画像に関する画像データを受信するステップと、
   前記色較正標的および皮膚領域に対応する画像データのサブセットに基づいて、前記皮膚領域に関する色平衡化画像データを生成するステップと、
   前記皮膚領域に関する色平衡化画像データに基づいて、前記患者におけるビリルビンレベルを推定するステップと
   を含む、方法。
2. 前記患者が基準ビリルビンレベルを有するときに対応する、前記患者に関するベースライン皮膚色データを受信するステップをさらに含み、前記ビリルビンレベルを推定するステップは、前記ベースライン皮膚色データと前記皮膚領域に関する色平衡化画像データとの間の１つまたはそれを上回る差異に基づく、請求項１に記載の方法。
3. 前記患者に関するベースライン皮膚色データは、
   前記患者が前記基準ビリルビンレベルを有するときの前記患者に関するベースライン画像データを捕捉するステップであって、前記ベースライン画像データは、前記皮膚領域およびベースライン色較正標的を含む、少なくとも１つの画像に対応する、ステップと、
   前記ベースライン色較正標的および前記皮膚領域に対応する前記ベースライン画像データのサブセットに基づいて、前記皮膚領域に関する色平衡化ベースライン画像データを生成するステップと、
   前記皮膚領域に関する色平衡化ベースライン画像データに基づいて、前記ベースライン皮膚色データを生成するステップと
   によって生成される、請求項２に記載の方法。
4. 前記色較正標的は、白色領域を含む、複数の標準化された色領域を含む、請求項１に記載の方法。
5. 前記標準化された色領域は、黒色領域、灰色領域、薄茶色領域、シアン色領域、マゼンタ色領域、黄色領域、および濃茶色領域を含む、請求項４に記載の方法。
6. 前記色較正標的は、少なくとも部分的に、前記皮膚領域を暴露し、前記皮膚領域に関する画像データの捕捉を可能にするように構成される、開口部を画定する、請求項４に記載の方法。
7. 前記標準化された色領域は、前記開口部を囲繞する既知の配列に配置される、請求項６に記載の方法。
8. 前記皮膚領域に関する色平衡化画像データを生成するステップは、
   前記受信された画像データを処理し、前記暴露された皮膚領域に対応する画像データのサブセットおよび前記白色領域に対応する画像データのサブセットを識別するステップと、
   前記白色領域データを処理し、前記白色領域に関して観察された色値を判定するステップと、
   前記白色領域に関して観察された色値に基づいて、前記暴露された皮膚領域に関する色平衡化画像データを生成するステップと
   を含む、請求項６に記載の方法。
9. 前記白色領域に関して観察された色値は、赤色、緑色、青色（ＲＧＢ）色空間値を含む、請求項８に記載の方法。
10. 前記皮膚領域に関する色平衡化画像データは、ＲＧＢ色空間データを含み、前記方法はさらに、前記ＲＧＢ色空間データを少なくとも１つの他の色空間に変換し、前記少なくとも１つの他の色空間のための前記暴露された皮膚領域に関する色平衡化画像データを生成するステップを含む、請求項１に記載の方法。
11. 前記少なくとも１つの他の色空間は、（ａ）シアン色、マゼンタ色、黄色、および黒色（ＣＭＹＫ）色空間、（ｂ）ＹＣｂＣｒ色空間、または（ｃ）Ｌａｂ色空間を含む、請求項１０に記載の方法。
12. 前記少なくとも１つの他の色空間は、（ａ）シアン色、マゼンタ色、黄色（ＣＭＹ）色空間、（ｂ）ＹＣｂＣｒ色空間、または（ｃ）Ｌａｂ色空間を含む、請求項１０に記載の方法。
13. 前記受信された画像データは、フラッシュ照射を使用して得られた画像およびフラッシュ照射を使用せずに得られた画像を含む、請求項１１に記載の方法。
14. 前記ビリルビンレベルを推定するステップは、
    複数の正規化された有彩色および無彩色特徴を処理し、前記ビリルビンレベルの第１の推定範囲を複数の異なるビリルビン範囲のうちの１つから選択するステップと、
    前記ビリルビンレベルの選択された第１の推定範囲に基づくアプローチを使用して、前記特徴を処理し、前記ビリルビンレベルの最終推定値を生成するステップと
    を含む、請求項１３に記載の方法。
15. 前記複数の異なるビリルビン範囲は、低範囲、中範囲、および高範囲を含む、請求項１４に記載の方法。
16. 前記複数の特徴は、複数の異なる色空間に関する前記皮膚領域の選択された色値を含む、請求項１４に記載の方法。
17. 前記複数の特徴は、前記皮膚領域を横断する色勾配の計算を含む、請求項１４に記載の方法。
18. 前記特徴を処理し、前記ビリルビンレベルの第１の推定範囲を選択するステップは、（ａ）線形回帰、（ｂ）カプセル化ｋ最近傍回帰、（ｃ）ラッソ回帰、（ｄ）ＬＡＲＳ回帰、（ｅ）弾性ネット回帰、（ｆ）線形カーネルを使用したサポートベクトル回帰、（ｇ）より高い加重をより高率のビリルビン値に割り当てるサポートベクトル回帰、および（ｈ）ランダムフォレスト回帰のうちの少なくとも１つを含む、一連の回帰を行うステップを含む、請求項１４に記載の方法。
19. 前記特徴を処理し、前記ビリルビンレベルの第１の推定範囲を選択するステップは、（ａ）線形回帰、カプセル化ｋ最近傍回帰、（ｃ）ラッソ回帰、（ｄ）ＬＡＲＳ回帰、（ｅ）弾性ネット回帰、（ｆ）線形カーネルを使用したサポートベクトル回帰、（ｇ）より高い加重をより高率のビリルビン値に割り当てるサポートベクトル回帰、および（ｈ）ランダムフォレスト回帰を含む、一連の回帰を行うステップを含む、請求項１４に記載の方法。
20. 前記ビリルビンレベルの前記選択された第１の推定範囲に基づく処理アプローチを使用するステップは、最終ランダムフォレスト回帰のための特徴として、前記複数の正規化された有彩色および無彩色特徴ならびに前記ビリルビンレベルの選択された第１の推定範囲を使用する、最終ランダムフォレスト回帰を行うステップを含む、請求項１４に記載の方法。
21. 前記ビリルビンレベルを推定するステップは、前記患者の皮膚に関する色空間値を判定し、前記判定された患者の皮膚の色空間値に基づく処理アプローチを使用して、前記ビリルビンレベルを推定するステップを含む、請求項１に記載の方法。
22. 患者におけるビリルビンのレベルを推定するように構成される、モバイルデバイスであって、
    ある視野に関する画像データを捕捉するように動作可能なカメラと、
    前記カメラと動作可能に結合されるプロセッサと、
    前記プロセッサと動作可能に結合されたデータ記憶デバイスであって、前記データ記憶デバイスは、前記プロセッサによって実行されると、前記プロセッサに、
    前記カメラによって捕捉された画像に対する画像データを受信することであって、前記画像は、前記患者の皮膚のある領域および色較正標的を含む、ことと、
    前記色較正標的および前記皮膚領域に対応する画像データのサブセットに基づいて、前記皮膚領域に関する色平衡化画像データを生成することと、
    前記皮膚領域に関する色平衡化画像データに基づいて、前記患者におけるビリルビンレベルを推定することと
    を行わせる命令を記憶する、データ記憶デバイスと、
    を備える、デバイス。
23. 前記色較正標的は、少なくとも部分的に、前記皮膚領域を暴露し、前記皮膚領域に関する画像データを捕捉することを可能にするように構成される、開口部を画定し、白色領域を含む、複数の標準化された色領域を含み、前記命令は、前記プロセッサに、
    前記受信された画像データを処理し、前記暴露された皮膚領域に対応する画像データのサブセットおよび前記白色領域に対応する画像データのサブセットを識別することと、
    前記白色領域データを処理し、前記白色領域に関して観察された色値を判定することと、
    前記白色領域に関して観察された色値に基づいて、前記暴露された皮膚領域に関する色平衡化ＲＧＢ画像データを生成することと、
    前記色平衡化ＲＧＢ画像データを少なくとも１つの他の色空間に変換することによって、少なくとも１つの他の色空間のための前記暴露された皮膚領域に関する色平衡化画像データを生成することと、
    複数の正規化された有彩色および無彩色特徴を処理し、前記ビリルビンレベルの第１の推定範囲を複数の異なるビリルビン範囲のうちの１つから選択することと、
    前記ビリルビンレベルの選択された第１の推定範囲に基づくアプローチを使用して、前記特徴を処理し、前記ビリルビンレベルの最終推定値を生成することと
    を行わせる、請求項２２に記載のモバイルデバイス。
24. 前記色較正標的は、少なくとも部分的に、前記皮膚領域を暴露し、前記皮膚領域に関する画像データを捕捉することを可能にするように構成される、開口部を画定し、白色領域を含む、複数の標準化された色領域を含み、前記命令は、前記プロセッサに、
    前記受信された画像データを処理し、前記暴露された皮膚領域に対応する画像データのサブセットおよび前記白色領域に対応する画像データのサブセットを識別することと、
    前記白色領域データを処理し、前記白色領域に関して観察された色値を判定することと、
    前記白色領域に関して観察された色値に基づいて、前記暴露された皮膚領域に関する色平衡化ＲＧＢ画像データを生成することと、
    前記色平衡化ＲＧＢ画像データを少なくとも１つの他の色空間に変換することによって、少なくとも１つの他の色空間のための前記暴露された皮膚領域に関する色平衡化画像データを生成することと、
    前記暴露された皮膚領域に関する色平衡化画像データを処理し、前記患者に関する皮膚色を判定することと、
    前記判定された皮膚色に基づくアプローチを使用して、複数の正規化された有彩色および無彩色特徴を処理し、前記ビリルビンレベルを推定することと
    を行わせる、請求項２２に記載のモバイルデバイス。
25. 前記視野を選択的に照射するように動作可能なフラッシュユニットをさらに備え、前記ビリルビンレベルを推定するために処理される受信画像データは、前記フラッシュユニットによって照射されている視野を用いて捕捉された画像および前記フラッシュユニットによって照射されていない視野を用いて捕捉された画像を含む、請求項２３および請求項２４のいずれかに記載のモバイルデバイス。
26. 患者におけるビリルビンレベルを推定するための方法であって、
    モバイルデバイスから、患者の皮膚領域および色較正標的を含む、画像に関する画像データを受信するステップと、
    １つまたはそれを上回るプロセッサを介して、前記色較正標的および前記皮膚領域に対応する画像データのサブセットに基づいて、前記皮膚領域に関する色平衡化画像データを生成するステップと、
    前記１つまたはそれを上回るプロセッサを介して、前記皮膚領域に関する色平衡化画像データに基づいて、前記患者におけるビリルビンレベルを推定するステップと、
    前記推定されたビリルビンレベルを前記モバイルデバイスに伝送するステップと、
    を含む、方法。
27. 前記画像データを受信するステップおよび前記推定されたビリルビンレベルを伝送するステップのうちの少なくとも１つは、ショートメッセージサービス（ＳＭＳ）テキストメッセージングを使用して行われる、請求項２５に記載の方法。

Images