KR102603366B1 - 분석 측정을 수행하기 위한 방법들 및 디바이스들 - Google Patents
분석 측정을 수행하기 위한 방법들 및 디바이스들 Download PDFInfo
- Publication number
- KR102603366B1 KR102603366B1 KR1020207014500A KR20207014500A KR102603366B1 KR 102603366 B1 KR102603366 B1 KR 102603366B1 KR 1020207014500 A KR1020207014500 A KR 1020207014500A KR 20207014500 A KR20207014500 A KR 20207014500A KR 102603366 B1 KR102603366 B1 KR 102603366B1
- Authority
- KR
- South Korea
- Prior art keywords
- mobile device
- image
- camera
- information item
- spatial resolution
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 239
- 238000004458 analytical method Methods 0.000 title claims abstract description 158
- 238000012360 testing method Methods 0.000 claims description 225
- 238000005259 measurement Methods 0.000 claims description 41
- 230000000007 visual effect Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 239000000126 substance Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 32
- 239000008103 glucose Substances 0.000 description 32
- 239000008280 blood Substances 0.000 description 30
- 210000004369 blood Anatomy 0.000 description 30
- 239000012491 analyte Substances 0.000 description 17
- 239000003086 colorant Substances 0.000 description 11
- 238000005755 formation reaction Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000007619 statistical method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 239000003153 chemical reaction reagent Substances 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 210000001124 body fluid Anatomy 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000007705 chemical test Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 2
- 239000013060 biological fluid Substances 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 239000010839 body fluid Substances 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000003722 extracellular fluid Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- -1 Vol. 10 Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- 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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N2021/7756—Sensor type
- G01N2021/7759—Dipstick; Test strip
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
분석 측정을 수행하기 위해 모바일 디바이스 (112) 의 적합성을 평가하는 방법이 개시된다. 모바일 디바이스 (112) 는 적어도 하나의 카메라 (122) 를 갖는다. 상기 방법은 다음을 포함한다: a ) 적어도 하나의 카메라 (122) 를 갖는 적어도 하나의 모바일 디바이스 (112) 를 제공하는 단계; b) 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 를 제공하는 단계; c) 카메라 (122) 를 이용하여 참조 오브젝트 (114) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계; 및, d) 그 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계로서, 상기 적어도 하나의 공간 분해능 정보 항목은 상기 이미지에서의 2 개 이상의 오브젝트들을 분해하는 카메라의 능력을 정량화하는 하나 이상의 수치들을 포함하는, 상기 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
Description
기술 분야
본 발명은 일반적으로 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하기 위한 방법에 관한 것이다. 본 발명은 또한, 분석 측정을 수행하기 위한 방법에, 컴퓨터 프로그램에, 그리고 분석 측정을 수행하기 위한 모바일 디바이스에, 및 분석 측정을 수행하기 위한 키트에 관한 것이다. 이러한 방법들, 디바이스들 또는 애플리케이션들은 특히 혈액 글루코오스 농도를 결정하기 위해 사용된다. 그러나, 원칙적으로, 대안적으로 또는 추가적으로, 하나 이상의 다른 종류의 피분석물들의 결정, 특히 하나 이상의 대사산물들의 결정이 또한 가능하다.
배경 기술
체액, 예컨대, 혈액, 소변, 간질액 및 타액에서의 하나 이상의 피분석물들을 결정하기 위한 다수의 상이한 디바이스들 및 방법들이 종래 기술로부터 알려져 있다. 범위를 좁힘이 없이, 본 발명은 구체적으로 혈액 글루코오스 측정과 관련하여 설명될 것이다. 하지만, 본 발명은 또한 테스트 엘리먼트들을 사용하는 다른 유형들의 분석 측정에 이용될 수도 있음에 유의하여야 한다.
검출될 적어도 하나의 피분석물 (analyte) 의 존재 하에 착색 반응을 겪는, 테스트 시약으로서 또한 지칭되는, 적어도 하나의 테스트 화학물질 (test chemical) 을 포함하는 몇몇 테스트 엘리먼트가 당해 기술분야에서 알려져 있다. 본 발명의 범위 내에서 또한 사용될 수도 있는 테스트 엘리먼트들 및 시약들에 대한 몇몇 기본 원리들이 예컨대 J. Hoenes 외 저: Diabetes Technology and Therapeutics, Vol. 10, Supplement 1, 2008, pp.10-26 에서 기술된다.
분석 측정, 구체적으로, 컬러 형성 반응에 기초한 분석 측정에서, 한 가지 기술적 문제는 검출 반응으로 인한 컬러 변화의 평가에 있다. 휴대용 혈액 글루코오스 미터들과 같은 전용 분석 디바이스들을 사용하는 것 외에, 스마트 폰들 및 휴대용 컴퓨터들과 같은 일반적으로 이용가능한 전자기기들의 사용이 최근 몇 년 동안 점점 더 인기를 얻고 있다.
WO 2012/131386 A1 은 분석을 수행하기 위한 테스팅 장치를 개시하고, 그 테스팅 장치는, 시약을 포함하는 용기로서, 그 시약은 컬러 또는 패턴 변화를 발생시킴으로써 적용된 테스트 샘플에 대해 반응하는, 상기 용기; 프로세서 및 이미지 캡처 디바이스를 포함하는 휴대용 디바이스, 예컨대, 모바일 폰 또는 랩탑으로서, 그 프로세서는 이미지 캡처 디바이스에 의해 캡처된 데이터를 프로세싱하고, 적용된 테스트 샘플에 대한 테스트 결과를 출력하도록 구성되는, 상기 휴대용 디바이스를 포함한다.
WO 2014/025415A2 는 생물학적 물질의 컬러-기반 반응 테스팅을 수행하기 위한 방법 및 디바이스를 개시한다. 그 방법은 자동적으로 교정된 환경 내에서 노출되지 않은 및 나중에 노출된 기기의 디지털 이미지들을 캡처하고 해석하는 것을 포함한다. 기기는 고유 식별표시 (Unique Identification; UID) 라벨, 이미지 컬러 교정을 위한 표준화된 컬러들의 샘플들을 제공하는 참조 컬러 바 (Reference Color Bar; RCB), 및 화학적 테스트 패드들 (Chemical Test Pads; CTP) 의 몇몇 테스트특정적 시퀀스들을 포함한다. 방법은, 이미지에서 기기를 위치시키는 것, UID 를 추출하는 것, RCB 를 추출하는 것, 및 각 이미지에서 복수의 CTP 를 위치시키는 것을 추가로 포함한다. 방법은 추가로, CTP 에서 이미지 노이즈를 감소시키고, RCB 상에서 수행된 조명 측정들에 따라 자동적으로 이미지를 교정한다. 방법은 추가로, 제조자 해석 컬러 차트 (Manufacturer Interpretation Color Chart; MICC) 에서의 컬러들에 대해 CTP 이미지의 컬러를 비교함으로써 테스트 결과들을 결정하다. 그 방법은 이들 결과들을 그래픽적 또는 정량화된 모드로 보여준다.
EP 1801568 A1 는 생물학적 유체 샘플에서 피분석물 농도를 측정하기 위한 방법 및 테스트 스트립 (test strip) 을 개시한다. 그 방법은 컬러 표시자 및 참조 컬러 영역을 그림적으로 검출하기 위해 테스트 스트립에서 카메라를 포지셔닝시키는 것을 수반한다. 측정된 값은 카메라 및 스트립 사이의 상대적 포지션에 대해 결정되고, 요망되는 값 영역과 비교된다. 카메라는 측정된 값과 요망되는 값 사이의 편향 동안 스트립에 대해 편향을 감소시키도록 이동된다. 표시자에 할당된 이미지 영역은 카메라에 의해 검출되는 컬러링된 이미지에서 국지화된다. 피분석물 농도는 비교 값에 의해 샘플에서 결정된다.
EP 1963828 B1 는 생물학적 유체의 샘플에서 포함된 적어도 하나의 피분석물의 농도의 측정을 위한 방법을 개시하고, a) 여기서, 적어도 하나의 테스트 포인트, 적어도 하나의 시간 표시자, 및 컬러 화이트 및/또는 컬러 스케일을 포함하는 적어도 하나의 참조 컬러 범위를 갖는 테스트 스트립이 준비되고, b) 여기서, 유체 샘플이 테스트 포인트 및 시간 표시자와 접촉하게되고, c) 여기서, 컬러 표시자는 피분석물의 농도의 함수로서 테스트 포인트에서 배열되며, d) 여기서, 시간 표시자의 컬러는, 유체가 테스트 포인트와 접촉하게 된 동안의 지속 시간의 함수로서, 그리고 적어도 하나의 피분석물의 농도와 독립적으로 변화되며, e) 여기서, 카메라는 테스트 스트립 상에 포지셔닝되고, f) 여기서, 카메라와 테스트 스트립 사이의 상대적 포지션에 대한 적어도 하나의 측정된 값이 결정되고, 공칭 값 범위와 비교되며, g) 여기서, 측정된 값과 공칭 값 범위 사이에 불일치가 존재하는 경우에, 카메라는 그 불일치를 감소시키기 위해서 테스트 스트립에 대해 상대적으로 이동되며, 그리고 단계들 f) 및 g) 가 반복되고, h) 여기서, 카메라는 적어도 컬러 표시자, 시간 표시자 및 참조 컬러 범위가 그 위에 이미징되는 컬러 이미지를 기록하기 위해 사용되며, j) 여기서, 컬러 표시자, 시간 표시자 및 참조 컬러 범위와 연관되는 이미지 영역들이 컬러 이미지에서 국지화되고, 이들 이미지 영역들의 컬러 값들이 결정되고, k) 여기서, 테스트 포인트와 접촉하게 되는 유체 샘플과 컬러 이미지의 레코딩 사이의 지속 시간은, 미리결정된 참조 값들의 도움으로, 시간 표시자에 대해 결정된 컬러 값에 기초하여 결정되며, 그리고 l) 여기서, 샘플에서의 피분석물 농도는, 미리결정된 비교 값들의 도움으로, 컬러 표시자 및 참조 컬러 범위에 대해 결정된 컬러 값들에 기초하여 그리고 지속 시간에 기초하여 결정된다.
US 2014/0080129 A1 은 화학적 테스트 키트로부터 이미지를 캡처하고 화학적 정보를 제공하기 위해 그 이미지를 프로세싱하기 위해 모바일 디바이스 (전화기, iPad 등) 로부터 카메라를 통합시키는 것을 개시한다. 추가로, 이미지, 데이터 엔트리, gps 정보의 자동적 평가, 및 이전 분석들로붙의 레코드들을 유지하는 것을 가능하게 하는 간단한 사용자 인터페이스가 개시된다.
WO 2014/057159 A1 에서 개시된 발명의 목적은, 시약 스트립의 이미지를 캡처하기 위해 사용되는 디지털 이미지 캡처링 카메라를 포함하는 단일 디바이스에 의해 예를 들어 시약 스트립을 측정하고, 후속하여, 사용자의 모바일 전화기와 연관된 데이터의 데이터베이스에서 제공된 참조 컬러들을 이용하여 그리고 그것의 프로그램 또는 내부 소프트웨어를 이용하여 비교적 측정에 이어서, 컬러들에 대응하는 데이터베이스의 이미지들에 관한 구체적인 컬러 측정을 획득하는 것이 가능하도록 하는 것이다. 상기 시스템은 사용자로 하여금, 예를 들어, 문제의 프로그램 및 데이터베이스를 포함하는 모바일 전화기를 이용하여, 추가적인 에리먼트들을 필요로 함이 없이, 혈액에서의 글루코오스를 검출하는 것을 가능하게 한다.
WO 2014/025415 A2 는 생물학적 물질의 컬러-기반 반응 테스팅을 수행하기 위한 방법 및 디바이스를 개시한다. 그 방법은 자동적으로 교정된 환경 내에서 노출되지 않은 및 나중에 노출된 기기의 디지털 이미지들을 캡처하고 해석하는 것을 포함한다. 기기는 고유 식별표시 (UID) 라벨, 이미지 컬러 교정을 위한 표준화된 컬러들의 샘플들을 제공하는 참조 컬러 바 (RCB), 및 화학적 테스트 패드들 (CTP) 의 몇몇 테스트특정적 시퀀스들을 포함한다. 방법은, 이미지에서 기기를 위치시키는 것, UID 를 추출하는 것, RCB 를 추출하는 것, 및 각 이미지에서 복수의 CTP 를 위치시키는 것을 추가로 포함한다. 방법은 추가로, CTP 에서 이미지 노이즈를 감소시키고, RCB 상에서 수행된 조명 측정들에 따라 자동적으로 이미지를 교정한다. 방법은 추가로, 제조자 해석 컬러 차트 (Manufacturer Interpretation Color Chart; MICC) 에서의 컬러들에 대해 CTP 이미지의 컬러를 비교함으로써 테스트 결과들을 결정하다. 그 방법은 이들 결과들을 그래픽적 또는 정량화된 모드로 보여준다.
WO 02/13136 A2 는 타겟 표면의 디지털 이미지를 캡처하는 것을 수반하는 타겟 표면의 컬러와, 각 컬러 필드가 기지의 진정한 컬러를 갖는 컬러 필드들의 패턴을 갖는 테스트 카드를 매칭 (matching) 시키기 위한 방법을 개시한다. 디지털 이미지는 테스트 카드 컬러 필드들의 캡처된 컬러들과 캡처된 타겟 컬러를 결정하기 위해 분석된다. 주변 조명 조건들 및 이미지 캡처링 디바이스로 인한 왜곡들을 고려하는 정정 모델이 테스트 카드 컬러 필드들의 캡처된 그리고 기지의 컬러들로부터 계산된다. 정정 모델은 캡처된 타겟 컬러에 적용되고, 결과적인 추정된 진정한 타겟 컬러는 가장 가까운 매칭 제품 컬러를 결정하기 위해 진정한 제품 컬러들의 데이터베이스에 대해 비교된다.
Dong-Xue M. Wang 외 저: "Simple and effective method to quantify the optical performance of camera phones", Proceedings of SPIE, vol. 5668, 17 January 2005 (2005-01-17), page 214, XP055554976, 1000 20th st. Bellingham WA 98225-6705 USA, ISSN: 0277-786X, DOI: 10.1117/12.585966, ISBM. 978-1-5106-20999-5 에서, 카메라 폰들의 이미지 품질을 평가하기 위한 바이너리 라인 쌍 패턴들에 기초한 간단한 방법이 제안되었고, 여기서, 4 개의 상이한 공간 분해능 라인 쌍들이 4 개의 상이한 사분면에 각각 위치된다. 카메라 폰들의 변조 전달 함수 (MTF) 의 값은 전체 시야 (FOV) 에 대해 4 개의 상이한 공간 해상도들에서 동시에 테스트될 수 있다. 또한, 이미지 왜곡, 상대적 조명과 같은 광학적 이미징 품질 기준들의 다른 키 파라미터들이 또한 동시에 특성화될 수 있다. 더욱이, RGB 채널들로부터의 컬러 에일리어싱으로 인한 가능한 컬러 모이레가 동일한 테스트 차트를 이용하여 검출되고 평가될 수 있다.
EP 0 864 858 A2 에서, 수성 용액의 픽셀 어레이 조명된 이미지들 상으로 포커싱하기 위해서 픽셀 어레이 및 가변 포커스 라인을 포함하는 수성 용액을 분석하기 위한 시스템을 교정하기 위한 방법 및 교정 디바이스가 기술된다. 그 방법은 그 패턴의 조명된 이미지를 형성하기 위해 교정 디바이스 상에 패턴을 조명하는 단계, 및 그 조명된 이미지를 렌즈를 통해서 그리고 픽셀 어레이 상으로 다이렉팅시키는 단계의 단계들을 포함한다. 그 방법은, 픽셀 어레이 상에 이미지를 나타내는 데이터 값들을 도출하는 단계, 및 렌즈의 포커스를 조정하기 위해서 그리고 픽셀 어레이에 대한 교정 디바이스의 포지션을 조정하기 위해서 그들 데이터 값들을 이용하는 단계의 추가 단계들을 포함한다.
Dong-Xue M. Wang 외 저: "Simple and effective method to quantify the optical performance of camera phones", Proceedings of SPIE, vol. 5668, 17 January 2005 (2005-01-17), page 214, XP055554976, 1000 20th st. Bellingham WA 98225-6705 USA, ISSN: 0277-786X, DOI: 10.1117/12.585966, ISBM. 978-1-5106-20999-5 에서, 카메라 폰들의 이미지 품질을 평가하기 위한 바이너리 라인 쌍 패턴들에 기초한 간단한 방법이 제안되었고, 여기서, 4 개의 상이한 공간 분해능 라인 쌍들이 4 개의 상이한 사분면에 각각 위치된다. 카메라 폰들의 변조 전달 함수 (MTF) 의 값은 전체 시야 (FOV) 에 대해 4 개의 상이한 공간 해상도들에서 동시에 테스트될 수 있다. 또한, 이미지 왜곡, 상대적 조명과 같은 광학적 이미징 품질 기준들의 다른 키 파라미터들이 또한 동시에 특성화될 수 있다. 더욱이, RGB 채널들로부터의 컬러 에일리어싱으로 인한 가능한 컬러 모이레가 동일한 테스트 차트를 이용하여 검출되고 평가될 수 있다.
EP 0 864 858 A2 에서, 수성 용액의 픽셀 어레이 조명된 이미지들 상으로 포커싱하기 위해서 픽셀 어레이 및 가변 포커스 라인을 포함하는 수성 용액을 분석하기 위한 시스템을 교정하기 위한 방법 및 교정 디바이스가 기술된다. 그 방법은 그 패턴의 조명된 이미지를 형성하기 위해 교정 디바이스 상에 패턴을 조명하는 단계, 및 그 조명된 이미지를 렌즈를 통해서 그리고 픽셀 어레이 상으로 다이렉팅시키는 단계의 단계들을 포함한다. 그 방법은, 픽셀 어레이 상에 이미지를 나타내는 데이터 값들을 도출하는 단계, 및 렌즈의 포커스를 조정하기 위해서 그리고 픽셀 어레이에 대한 교정 디바이스의 포지션을 조정하기 위해서 그들 데이터 값들을 이용하는 단계의 추가 단계들을 포함한다.
분석 측정들을 평가하는 목적을 위해 카메라를 갖는 소비자 전자기기를 이용하는 것에서 수반되는 이점들에도 불구하고, 몇몇 기술적 문제들이 남아 있다. 따라서, 참조 컬러 바들을 갖는 테스트 엘리먼트들을 이용하는 온라인 교정 방법이 예컨대 WO 2014/025415A2 로부터 일반적으로 알려져 있음에도 불구하고, 분석 측정의 정확도는 일반적으로, 측정들을 평가할 때 지금까지 무시되었던 많은 기술적 요인들에 의존한다. 구체적으로, 카메라들을 갖는 수많은 모바일 디바이스들이 시판되고 있고, 이들 모두는 분석 측정을 위해 고려되어야만 하는 상이한 기술적 및 광학적 특성들을 갖는다. 모바일 디바이스들의 일부는, 테스트 엘리먼트의 이미지들을 캡처 가능함에도 불구하고, 분석 측정을 위해 전혀 적합화되어 있지 않을 수도 있다. 온라인 교정 측정들이 다소 복잡하고 시간 소모적이라는 추가적인 문제들도 존재한다. 하지만, 프로세싱 시간 및 프로세싱 자원은, 특히 효대용 디바이스들로 측정들을 수행할 때, 특히 중요하다. 테스트 스트립과 같은 테스트 엘리먼트의, 또는 테스트 필드의 등과 같은 그것의 일부의 검출이 다소 시간 소모적이고 자원 소모적이고, 이는 이미징 (imaging) 동안 사용자 안내 (user guidance) 를 제공하기 위해 종종 사용되는 실시간 계산에 대해 특히 결정적이라는 추가적인 기술적인 문제들이 존재한다. 따라서, 일반적으로, 이미지 내의 테스트 엘리먼트의 실제 사이즈는 통상적으로 알려져 있지 않다. 또한, 카메라의 해상도는 또한 통상적으로 알려져 있지 않고, 이는 특히 패턴 인식 및 통계적 분석에 대한 단점들을 유발한다.
따라서, 소비자 전자기기 모바일 디바이스들, 특히 스마트 폰들 또는 태블릿 컴퓨터들과 같은 분석 측정에 전용되지 않는 다목적 모바일 디바이스들과 같은 모바일 디바이스들을 이용하는 분석 측정의 상기 언급된 기술적 문제들을 해결하는 방법들 및 디바이스들을 제공하는 것이 바람직하다. 특히, 가용 모바일 디바이스들에 넓게 적용가능하고 측정 정확도 및 사용자에 대한 편의성을 증가시키도록 적합화되는 방법들 및 디바이스들이 제안될 것이다.
요약
이러한 문제는 독립 청구항들의 특징들을 갖는 방법들 및 디바이스들에 의해 해결된다. 분리된 방식으로 또는 어떤 임의의 조합으로 실현될 수도 있는 유리한 실시형태들이 종속 청구항들에서 열거된다.
하기에서 사용되는 용어 "가지다", "포함하다" 또는 "포괄하다" 또는 이들의 임의의 문법적 변형들은 비제한적인 방식으로 사용된다. 따라서, 이들 용어는 이들 용어에 의해 도입되는 특징 이외에, 이 문맥에서 기술된 실체에 추가 특징들이 존재하지 않는 상황 및 하나 이상의 추가적인 특징들이 존재하는 상황 양자 모두를 표현할 수도 있다. 예로서, 표현 "A는 B를 가지다", "A는 B를 포함하다" 및 "A는 B를 포괄하다"는 B 이외에, 다른 엘리먼트가 A에 존재하지 않는 상황 (즉, A가 오직 배타적으로 B로 이루어지는 상황) 및 B 이외에 하나 이상의 추가 엘리먼트, 예컨대 엘리먼트 C, 엘리먼트 C 및 D 또는 더 추가의 엘리먼트가 존재하는 상황 양자 모두를 표현할 수도 있다.
추가로, 특징 또는 엘리먼트가 1회 또는 1회 초과로 존재할 수도 있음을 표시하는 용어들 "적어도 하나", "하나 이상" 또는 유사한 표현들은 개별 특징 또는 엘리먼트를 도입할 때 통상적으로 오직 1회만 사용될 것임이 주목될 것이다. 이하에서, 대부분의 경우, 각각의 특징 또는 요소를 언급할 때, 각각의 특징 또는 요소가 1 회 또는 1 회 초과로 존재할 수 있다는 사실에도 불구하고, "적어도 하나" 또는 "하나 이상" 이라는 표현은 반복되지 않을 것이다.
추가로, 다음에서 사용되는 바와 같이, 용어들 "바람직하게", "더 바람직하게", "특히", "더 특히", "구체적으로", "더 구체적으로" 또는 유사한 용어들은 대안적인 가능성들을 제한함이 없이 옵션적인 특징들과 함께 사용된다. 따라서, 이들 용어들에 의해 도입된 특징들은 옵션적인 특징들이고, 어떠한 방식으로든 청구항들의 범위를 제한하도록 의도되지 않는다. 본 발명은, 당업자가 인식할 바와 같이, 대안적인 특징들을 사용함으로써 수행될 수도 있다. 유사하게, "본 발명의 일 실시형태에서" 에 의해 도입된 특징들 또는 유사한 표현들은 본 발명의 대안적인 실시형태들에 관한 임의의 제한 없이, 본 발명의 범주에 관한 임의의 제한 없이, 및 이러한 방식으로 도입된 특징들을 본 발명의 다른 선택적 또는 비-선택적 특징들과 조합하는 가능성에 관한 임의의 제한 없이 선택적 특징들인 것으로 의도된다.
제 1 양태에서, 분석 측정을 수행하기 위한 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성 (suitability) 을 평가하기 위한 방법이 개시된다. 이하에서 더 자세히 개괄되는 바와 같이, 분석 측정은 구체적으로, 예컨대 상술된 바와 같이 적어도 하나의 화학물질을 이용함으로써, 컬러 형성 반응 (color formation reaction) 에 대한 것일 수도 있다. 그 방법은, 일례로서 주어진 순서로 수행될 수도 있는, 다음과 같은 단계들을 포함한다. 하지만, 상이한 순서가 또한 가능함에 유의하여야 한다. 추가로, 방법 단계들 중 하나 이상을 한번 또는 반복적으로 수행하는 것 또한 가능하다. 추가로, 방법 단계들 중 2 이상을 동시에 또는 시간적으로 중첩하는 방식으로 수행하는 것도 가능하다. 방법은 열거되지 않은 추가적인 방법 단계들을 포함할 수도 있다.
그 방법에 의해 포함된 방법 단계들은 다음과 같다:
a) 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 디바이스를 제공하는 단계;
b) 적어도 하나의 공간 차원 (spatial dimension) 에서 적어도 하나의 미리 정의된 공간 확장부 (spatial extension) 를 갖는 적어도 하나의 참조 오브젝트 (reference object) 를 제공하는 단계;
c) 카메라를 이용하여 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계; 및
d) 그 이미지를 이용하여 적어도 하나의 공간 분해능 (spatial resolution) 정보 항목을 도출하는 단계.
본 명세서에서 사용된 “모바일 디바이스 (mobile device)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이 모바일 전자 디바이스를, 보다 구체적으로, 셀 폰 또는 스마트 폰과 같은 모바일 통신 디바이스를 지칭할 수도 있다. 추가적으로 또는 대안적으로, 이하에서 더 자세히 개괄되는 바와 같이, 모바일 디바이스는 또한, 적어도 하나의 카메라를 갖는 태블릿 컴퓨터 또는 다른 유형의 휴대용 컴퓨터를 지칭할 수도 있다.
본 명세서에서 사용된 “카메라 (camera)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 공간적으로 분해된 1-차원적, 2-차원적 또는 심지어 3-차원적 광학적 정보를 레코딩하거나 캡처하도록 구성된 적어도 하나의 이미징 엘리먼트를 갖는 디바이스를 지칭할 수도 있다. 일례로서, 카메라는 이미지들을 레코딩하도록 구성된 적어도 하나의 CCD 칩 및/또는 적어도 하나의 CMOS 칩과 같은 적어도 하나의 카메라 칩을 포함할 수도 있다. 본 명세서에서 사용된 바와 같이, 제한 없이, 용어 “이미지 (image)” 는 구체적으로, 카메라 칩의 픽셀들과 같이, 이미징 디바이스로부터의 복수의 전자적 리딩들과 같은, 카메라를 이용하여 레코딩된 데이터에 관련될 수도 있다. 따라서, 이미지 그 자체는 픽셀들을 포함할 수도 있고, 이미지의 픽셀들은 카메라 칩의 픽셀들에 상관된다. 결과적으로, “픽셀들 (pixels)” 을 지칭할 때, 그 언급은 카메라 칩의 단일 픽셀들에 의해 생성된 이미지 정보의 유닛들에 대해 또는 직접적으로 카메라 칩의 단일 픽셀들에 대해 중 어느 일방에 대해 이루어진다.
카메라는, 적어도 하나의 카메라 칩 또는 이미징 칩 외에, 하나 이상의 광학적 엘리먼트들, 예컨대, 하나 이상의 렌즈들과 같은 추가적인 엘리먼트들을 포함할 수도 있다. 일례로서, 카메라는 그 카메라에 대해 고정적으로 조정되는 적어도 하나의 렌즈들을 갖는 고정-초점 카메라일 수도 있다. 하지만, 대안적으로, 카메라는 또한, 자동으로 또는 수동으로 조정될 수도 있는 하나 이상의 가변 렌즈들을 포함할 수도 있다. 카메라는, 특히, 모바일 디바이스 내로 통합될 수도 있다.
본 명세서에서 사용된 “적합성 (suitability)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 하나 이상의 미리결정된 기능들을 수행하기 위한 엘리먼트 또는 디바이스의 특성을 지칭할 수도 있다. 따라서, 일례로서, 적합성은 디바이스의 하나 이상의 특성 파라미터들을 이용하여 정성화 또는 정량화될 수도 있다. 이들 하나 이상의 특성 파라미터들은, 이하에서 더 자세히 개괄되는 바와 같이, 개별적으로 또는 미리결정된 조합에 따라, 하나 이상의 조건들과 비교될 수도 있다. 간단한 예로서, 개별적 파라미터들 또는 파라미터들의 하나 이상은 하나 이상의 비교 값들, 참조 값들 또는 표준 값들과 비교될 수도 있고, 여기서, 그 비교는 정성적 (qualitative) 또는 정량적 (quantitative) 비교일 수도 있고, “적합한 (suited)” 또는 “적합하지 않은 (not suited)”/”부적합한 (unsuited)” 과 같은 바이너리 결과를 초래할 수도 있다. 일례로서, 적어도 하나의 비교 또는 참조 값은 이하에서 더 자세히 개괄되는 바와 같이 적어도 하나의 임계치를 포함할 수도 있다. 하지만, 추가적으로 또는 대안적으로, 비교는 적합성의 정도를 나타내는 수치와 같은 정량적 결과를 초래할 수도 있다. 비교 값들, 참조 값들 또는 표준 값들은, 일례로서, 예컨대, 달성되어야 할 정확도로, 실험들로부터 또는 결정된 경계 조건들로부터 도출될 수도 있다.
본 명세서에서 사용된 “분석 측정 (analytical measurement)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 샘플에서의 적어도 하나의 피분석물의 정성적 및/또는 정량적 결정을 지칭할 수도 있다. 분석 측정의 결과는, 일례로서, 피분석물의 농도 및/또는 결정될 피분석물의 존재 또는 부존재일 수도 있다.
적어도 하나의 피분석물은, 일례로서, 하나 이상의 특정 화학적 화합물들 및/또는 다른 파라미터들일 수도 있거나 그것들을 포함할 수도 있다. 일례로서, 혈액 글루코오스와 같은 대사에 관여하는 하나 이상의 피분석물들이 결정될 수도 있다. 추가적으로 또는 대안적으로, 다른 유형들의 피분석물들 또는 파라미터들, 예컨대, pH 값이 결정될 수도 있다. 적어도 하나이 샘플은, 구체적으로, 혈액, 간질액, 소변, 타액 등과 같은 적어도 하나의 체액일 수도 있거나 그것들을 포함할 수도 있다. 하지만, 추가적으로 또는 대안적으로, 물과 같은 다른 유형들의 샘플들이 사용될 수도 있다.
분석 측정은, 구체적으로, 테스트 엘리먼트의 적어도 하나의 광학적 특성의 변화를 포함하는 분석 측정일 수도 있고, 그 변화는 카메라를 이용하여 시각적으로 측정되거나 결정될 수도 있다. 구체적으로, 분석 측정은 결정될 적어도 하나의 피분석물의 존재 하에서의 컬러 형성 반응일 수도 있거나 그것을 포함할 수도 있다. 본 명세서에서 사용된 “컬러 형성 반응 (color formation reaction)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 화학적, 생물학적 또는 물리적 반응으로서, 그 반응의 진행에 따라 그 반응에 수반되는 적어도 하나의 엘리먼트의 컬러, 구체적으로 반사율이 변화하는 그러한 반응을 지칭할 수도 있다. 따라서, 일례로서, 컬러 변화를 수반하는 혈액 글루코오스를 검출하기 위해 통상적으로 사용되는 상기 언급된 생물학적 반응들에 대한 언급이 이루어질 수도 있다. pH 값을 결정하기 위한 전형적인 화학적 반응과 같은, 다른 유형들의 컬러 변화 또는 컬러 형성 반응들이 당업자에게 알려져 있다.
본 명세서에서 사용된 “참조 오브젝트 (reference object)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 적어도 하나의 공간 차원에서 미리 정의된 공간 확장을 갖는 임의의 오브젝트를 지칭할 수도 있다. 일례로서, 참조 오브젝트는 적어도 하나의 오브젝트에 부착된, 그것 상에 인쇄된 또는 그것 내로 통합된 시각적 참조 스케일, 시각적 참조 필드 또는 시각적 참조 마크 중 하나 이상일 수도 있거나 그것들을 포함할 수도 있다. 따라서, 이하에서 더 자세히 개괄되는 바와 같이, 일례로서, 참조 오브젝트는, 테스트 엘리먼트, 구체적으로 테스트 스트립; 테스트 엘리먼트 용기, 구체적으로 테스트 스트립 용기; 적어도 하나의 테스트 엘리먼트를 수용하기 위한 포장 (package) 과 같은, 오브젝트에 부착된, 그것 상에 인쇄된 또는 그것 내로 통합된 시각적 참조 스케일, 시각적 참조 필드 또는 시각적 참조 마크 중 하나 이상일 수도 있다. 일례로서, 참조 오브젝트는 참조 오브젝트에 부착된 좌표 시스템에서 x- 및/또는 y-방향에서와 같이 적어도 하나의 공간 차원에서 알려진 또는 미리 정의된 공간 확장을 갖는 참조 필드일 수도 있고, 그 참조 오브젝트는 예컨대 그 오브젝트의 표면 상에 인쇄된다. 하지만, 추가적으로 또는 대안적으로, 테스트 스트립 용기, 적어도 하나의 테스트 엘리먼트를 수용하기 위한 포장 또는 테스트 스트립 또는 그것의 일부 중 하나 이상과 같이 오브젝트 그 자체가 또한 참조 오브젝트로서 기능할 수도 있다. 따라서, 일례로서, 테스트 스트립의 및/또는 테스트 스트립의 테스트 필드의 폭 및/또는 길이는 일반적으로 매우 정확하게 알려져 있다. 테스트 스트립의 이미지를 촬영함으로써 그리고, 일례로서, 테스트 스트립의 이미지 내에서 테스트 스트립의 폭에 걸쳐 픽셀들의 수를 카운팅함으로써, 테스트 스트립 그 자체는 참조 오브젝트로서 기능할 수도 있다. 참조 오브젝트는 또한 다수의 기능들을 가질 수도 있다. 따라서, 일례로서, 참조 오브젝트는, 일례로서, 참조 컬러를 제공할 수 있을 뿐만 아니라 적어도 하나의 공간 차원에서 공간적 참조를 또한 제공할 수도 있는 참조 컬러 필드를 포함할 수도 있다.
그 안에서 추가로 사용되는 바와 같이, “적어도 하나의 공간 차원에서의 미리 정의된 공간 확장” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 참조 오브젝트 그 자체에 의해, 예컨대, 오브젝트의 그것의 길이방향 또는 횡방향 확장에 의해 결정된 방향과 같이, 예컨대, 공간에서의 적어도 하나의 방향에서, 폭, 높이 또는 깊이와 같은 알려진 또는 결정가능한 확장을 지칭할 수도 있다. 따라서, 일례로서, 본질적으로 직사각형 형상을 갖는 테스트 스트립 또는 테스트 필드의 이미지가 촬영되는 경우에, 그 직사각형 형상의 제 1 변은 x-방향 또는 x-차원을 정의할 수도 있고, 그 직사각형 형상의 제 2 변은 y-방향 또는 y-차원을 정의할 수도 있다. 따라서, 일례로서, x-차원에서의 테스트 스트립 또는 테스트 필드의 확장은 테스트 스트립 또는 테스트 필드의 폭일 수도 있는 반면에, 일례로서, y-차원에서의 테스트 스트립 또는 테스트 필드의 확장은 테스트 스트립 또는 테스트 필드의 높이일 수도 있다. 폭 및/또는 높이는 통상적으로 알려져 있기 때문에, 테스트 스트립 또는 테스트 필드는, 일례로서, 참조 오브젝트를 제공하거나 참조 오브젝트로서 기능할 수도 있다.
구체적으로 카메라를 이용함으로써 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지의 촬영은 적어도 하나의 참조 오브젝트 내의 관심 영역을 적어도 포함하는 이미지를 촬영하는 것을 의미할 수도 있다. 따라서, 일례로서, 참조 오브젝트는 예컨대 당업자에게 일반적으로 알려진 패턴 인식 기법들에 의해 이미지 내에서 자동적으로 검출될 수도 있고, 적어도 하나의 관심 영역, 예컨대, 직사각형, 정사각형, 다각형, 타원형 또는 둥근 관심 영역이 참조 오브젝트 내에서 선택될 수도 있다.
적어도 하나의 이미지의 촬영은, 예컨대, 카메라의 시야 내의 및/또는 그 시야의 미리결정된 섹터 내의 적어도 하나의 참조 오브젝트의 존재가 일단 자동적으로 검출되면, 자동적으로 개시될 수도 있거나, 사용자 행동에 의해 개시될 수도 있다. 이들 자동적 이미지 획득 기법들은 예컨대 자동적 바코드 판독 앱들 등으로부터, 자동적 바코드 판독기들의 분야에서 알려져 있다. 참조 오브젝트의 적어도 일부의 촬영은 구체적으로, 적어도 하나의 공간 차원에서 적어도 하나의 미리정의된 공간 확장을 갖는 참조 오브젝트의 적어도 하나의 부분이 가시적이도록 발생할 수도 있고, 그것으로부터, 상기 언급된 공간 분해능 정보가 도출될 수도 있다. 따라서, 일례로서, 에지, 예컨대, 참조 컬러 필드 또는 테스트 필드의 에지의 이미지, 또는, 테스트 스트립의 일부, 예컨대, 실제 공간적 확장이 알려진 테스트 스트립의 작은 에지의 이미지를 촬영하는 것으로 일반적으로 충분하다.
본 명세서에서 사용된 “공간 분해능 정보 (spatial resolution information)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 이미지에서의 2 개 이상의 오브젝트들을 분해하는 카메라의 능력을 정량화하는 임의의 정보 항목, 예컨대, 하나 이상의 수치들을 지칭할 수도 있다. 따라서, 일례로서 그리고 추가적인 가능성들을 제한함이 없이, 적어도 하나의 공간 분해능 정보 항목은 이미지 사이즈 및 오브젝트 사이즈의 몫 (quotient) 또는 역 몫에 관한 적어도 하나의 정보 항목을 포함할 수도 있다. 추가적으로 또는 대안적으로, 적어도 하나의 공간 분해능 정보 항목은 또한, 실제 오브젝트 또는 참조 오브젝트에서의 단위 거리 당 적어도 하나의 공간 차원에서의 이미지에서의 픽셀들의 수를 또한 포함할 수도 있다. 따라서, 일례로서, 적어도 하나의 공간 차원에서 미리결정된 공간적 확장부를 갖는 라인, 스케일, 에지 또는 다른 유형의 참조 오브젝트가 이미징될 때, 적어도 하나의 공간 분해는 정보는 참조 오브젝트가 이미징되는 적어도 하나의 공간 차원에서의 픽셀들의 수에 관한 정보를 포함할 수도 있다. 공간 분해능 정보는 따라서, 단위 “픽셀/mm” 또는 거리 단위 당 픽셀들의 수를 나타내는 다른 단위를 갖는 수치에 의해 표현될 수도 있다. 적어도 하나의 공간 분해능 정보는 구체적으로, 실제 세계에서 2 개의 상이한 항목들 또는 엘리먼트들이 이미지에서 분리되도록 하기 위해 얼마나 가깝게 위치될 수도 있는지에 관한 정보를 제공한다.
이하에서 더 자세히 개괄되는 바와 같이, 적어도 하나의 공간 분해능 정보 항목을 결정하는 다양한 방식들이 일반적으로 알려져 있고, 본 방법에서 사용도리 수도 있다. 일례로서, 공간 분해능 정보 항목은 참조 오브젝트의 이미지의 픽셀들의 수, 구체적으로 하나의 축을 따른 픽셀들의 수를 카운팅하고, 그 픽셀들의 수를 참조 오브젝트의 알려진 공간적 확장에 의해 나눔으로써 간단하게 생성될 수도 있다. 따라서, 일례로서, 알려진 길이 L 을 갖는 테스트 스트립의 에지는, 적어도 하나의 공간 분해능 항목이 R = N/L 또는 R=L/N 으로서 간단하게 계산될 수도 있도록, 그 에지의 이미지에서, N 픽셀들의 길이를 가질 수도 있다. 따라서, 일반적으로, 적어도 하나의 공간 분해능 정보 항목은, 이미지의 적어도 하나의 공간 차원에서 거리 단위 당 픽셀들의 수를 나타내는 재생 스케일 (reproduction scale) 을 포함할 수도 있다.
적어도 하나의 공간 분해능 정보 항목의 결정은 구체적으로, 적어도 하나의 이미지 또는 그것의 부분을 적어도 하나의 공간 분해능 정보 항목으로 변환하는 적어도 하나의 변환 알고리즘을 이용함으로써 발생할 수도 있다. 따라서, 일례로서, 픽셀들을 카운트하고 다른 수단에 의해 그것의 적어도 하나의 공간 분해능 정보 항목을 계산하거나 결정하기 위해서, 예컨대, 에지 또는 다른 유형의 참조 오브젝트를 검출하기 위해서 이미지 인식 알고리즘이 사용될 수도 있다. 구체적으로, 이하에서 더 자세히 개괄되는 바와 같이, 적어도 하나의 공간 분해능 정보 항목의 도출은 적어도 하나의 프로세서를 하용하여 발생할 수도 있다.
본 발명의 제 1 양태에 따른 방법은 다음의 단계를 포함함으로써 추가로 정제될 수도 있다:
e) 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교함으로써, 분석 측정을 수행하기 위한 모바일 디바이스의 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정하는 단계.
따라서, 미리결정된 또는 결정가능한 임계치와 같은, 적어도 하나의 공간 분해능 정보 항목에 대한 적어도 하나의 임계치가 주어질 수도 있다. 상기 개괄된 바와 같이, 일례로서, 그 적어도 하나의 임계치는 분석 측정의 요망되는 정밀도에 의해 결정되거나 미리정의될 수도 있다. 적어도 하나의 임계치는 구체적으로, 이미지에서의 적어도 하나의 관심 영역 내의 적어도 하나의 공간 차원에서의 픽셀들의 최대 수에 의해 결정될 수도 있다. 따라서, 일례로서 그리고 이하에서 더 자세히 예시적인 실시형태들에 의해 개괄되는 바와 같이, 글루코오스 측정을 위해서, 100 mg/dl 혈액 글루코오스 농도에서 2% 의 최대 편차와 같이 소정의 최대 공차가 주어질 수도 있다. 통계 분야에서의 당업자에게 알려진 바와 같이, 일반적으로 측정의 정밀도 또는 측정의 공차는 픽셀들의 최대 수에 걸쳐 평균화함으로써 향상될 수도 있기 때문에, 그리고, 통상적으로, 평균 값의 오차는 평균화가 발생하는 픽셀들의 수의 제곱근에 역 비례하기 때문에, 최대 공차 또는 최대 편차는 이미지 당, 단위 면적 당, 단위 거리 당 등에 픽셀들의 최소 수 또는 최소 공간 분해능으로 변환될 수도 있다. 따라서, 일례로서, 단계 d) 에서 도출된 적어도 하나의 공간 분해능 정보 항목은 글루코오스 농도의 요망되는 정확도 또는 다른 유형의 분석 측정의 요망되는 정확도로부터 도출된 임계치와 비교될 수도 있다. 하지만, 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교하기 위한 다른 가능성들이 실현가능함에 유의한다. 따라서, 일례로서, 타입 R < T; R > T; R ≤ T; R ≥ T; T1 < R < T2; T1 ≤ R < T2; T1 < R ≤ T2 또는 T1 ≤ R ≤ T2 의 비교들이 실현가능하고, 여기서, T, T1, T2 는 임계치들이고, R 은 적어도 하나의 공간 분해능 정보 항목이다.
본 명세서에서 사용된 “적합성 정보 항목 (item of suitability information)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 구체적으로 분석 측정을 수행하기 위한 모바일 디바이스의 적합성의 존재의 경우에, 적합성에 관한 정보 또는 표시를 지칭할 수도 있다. 적합성 정보 항목은, 일례로서, “적합한” 또는 “적합하지 않은”/”부적합한” 을 나타내는 것과 같은, 불리언 (Boolean) 또는 디지털 정보일 수도 있다. 따라서, 일례로서, 컬러 좌표의 통계적 분포의 피크의 분포의 폭이 적어도 하나의 임계치, 예컨대, 글루코오스 측정의 최대 공차를 이용하여 도출된 임계치와 비교될 수도 있는 경우에, 그리고, 그 폭이 임계치보다 더 크거나 임계치와 적어도 동일하거나 더 큰 값인 경우에, 모바일 디바이스는 분석 측정을 수행하기 위해 부적합한 것으로서 결정될 수도 있다. 하지만, 대안적으로, 상기 이미 개괄된 바와 같이, 적합성은 또한 정량화될 수도 있다.
본 명세서에서 사용된 “관심 영역 (region of interest; ROI)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 보다 큰 데이터 세트 내의 데이터의 서브세트를 지칭할 수도 있고, 그 서브세트는 특정 목적을 위해 식별된다. 일례로서, 그 용어는 특정 목적을 위해 결정된, 이미지 내의 적어도 하나의 부분적 이미지 또는 영역을 지칭할 수도 있다. 본 문맥에서, 관심 영역은 구체적으로, 적어도 하나의 공간 분해능 정보 항목을 도출하기 위해 단계 d) 에서 사용되는 부분적 이미지일 수도 있다. 적어도 하나의 분석 측정의 맥락에서, 이하 방법 단걔 iii) 과 관련하여 설명되는 바와 같이, 적어도 하나의 관심 영역은 구체적으로, 테스트 필드를 포함하는 이미지의 부분 내의 테스트 필드의 이미지 내의 영역, 예컨대, 원, 타원, 다각형 또는 정사각형, 예컨대, 최대 정사각형일 수도 있다. 일례로서, 이미지 인식 알고리즘을 이용함으로써, 테스트 필드는 이미지 내에서 인식될 수도 있고, 관심 영역, 예컨대, 정사각형 관심 영역은 예컨대 컬러 형성 반응의 분석의 목적을 위해 테스트 필드의 이미지 내에서 정의될 수도 있다. 따라서, 일례로서, 적어도 하나의 관심 영역 내의 픽셀들의 컬러, 예컨대, 적어도 하나의 컬러 좌표는, 예컨대, 분포의 중심을 결정하는 것 및 표준 편차와 같은 편차를 결정하는 것과 같은 통계적 분석을 포함하여 결정될 수도 있다. 관심 영역을 결정하기 위해, 일례로서, 이미지, 참조 오브젝트의 이미지 또는 테스트 엘리먼트의 이미지 중 어느 일방의 이미지 내의 특정 피처들 (features) 이, 참조 오브젝트 및/또는 테스트 필드의 형상 또는 순서 라인들을 인식하는 등에 의해, 예컨대, 당업자에게 일반적으로 알려진 이미지 인식 기법들에 의해 검출될 수도 있다. 관심 영역은, 구체적으로, 자동적으로 결정될 수도 있다. 관심 영역의 결정은 또한, 아무런 관심 영역도 결정되지 않는 경우에 또는 이미지 품질이 관심 영역을 결정하기에는 너무 낮은 경우에, 반복될 수도 있다. 추가적인 실시형태들이 이하에서 주어질 것이다.
방법은:
f) 적어도 하나의 공간 분해능 정보 항목을 이용하여 모바일 디바이스의 스케일링 정보를 조정하는 단계
를 더 포함할 수도 있다.
본 명세서에서 사용된 “스케일링 정보 (scaling information)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 이미지에서의 거리와 실제 세계에서의 대응하는 거리 사이의 관계를 나타내는 임의의 타입의 정보를 지칭할 수도 있다. 따라서, 일례로서, 스케일링 정보는 특정 수의 픽셀들이 대응하는 실제에서의 거리를 나타낼 수도 있다. 이 정보는, 일례로서, 카메라와, 그 카메라에 의한 이미지인 오브젝트 사이의 미리결정된 또는 결정가능한 거리를 지칭할 수도 있다. 일례로서 그리고 통상적인 경우와 같이, 단계 c) 에서, 참조 오브젝트는 일반적으로 선명함을 잃지 않고서 기술적으로 실현가능한 만큼 카메라에 근접하게 될 수도 있다. 일례로서, 참조 오브젝트는, 이미지가 여전히 선명하도록 하면서, 이미지를 촬영하기 위한 카메라에 대해 최소 거리로 될 수도 있다. 유사하게, 이하의 단계 iii) 에서, 테스트 엘리먼트는, 부분적 단계 b. 에서 테스트 엘리먼트의 적어도 일부의 이미지를 촬영할 때, 카메라의 전면에서 최소 거리로 되면서, 카메라는 여전히 선명한 이미지를 획득하여야 한다. 스케일링 정보는 이 최소 거리를 지칭할 수도 있다. 일반적으로, 일단 적어도 하나의 공간 분해능 정보 항목이 결정되고 나면, 공간 분해능 정보는 일반적으로, 스케일링 정보를 또한 제공할 수도 있다. 방법을 시작할 때, 스케일링 정보는 디폴트 (default) 값으로 설정될 수도 있고, 그리고, 단계 f) 에서, 스케일링 정보는 단계 d) 에서 얻어진 적어도 하나의 공간 분해능 정보 항목에 따라 조정될 수도 있다.
적어도 하나의 스케일링 정보는 다양한 방식들로 이용될 수도 있다. 따라서, 일례로서, 이하에서 더 자세히 개괄되는 바와 같이, 이미지를 촬영할 때, 단계 c) 에서 참조 오브젝트의 이미지를 촬영할 때 및/또는 이하의 단계 iii) b. 에서 테스트 필드의 이미지를 촬영할 때, 사용자에 대해 시각적 안내가 주어질 수도 있다. 따라서, 일례로서, 그 안내는, 이미지를 촬영할 때 참조 이미지의 형상 및/또는 테스트 엘리먼트의 및/또는 테스트 필드의 형상을 중첩시키는 것을 포함할 수도 있고, 여기서, 형상의 사이즈는 스케일링 정보에 따라 조정될 수도 있다.
추가적인 선택적 상세들은 단계 d) 에서의 적어도 하나의 공간 분해능 정보 항목의 도출에 관련될 수도 있다. 따라서, 일례로서, 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계는 다음의 하위단계들을 포함할 수도 있다:
d1) 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트를 상기 이미지 내에서 인식하는 단계;
d2) 그 적어도 하나의 공간 차원에서 이미지에서의 오브젝트의 픽셀들의 수를 결정하는 단계;
d3) 그 적어도 하나의 공간 차원에서의 참조 오브젝트의 미리정의된 공간 확장 및 그 픽셀들의 수를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
이들 하위단계들의 가능성있는 실시형태들은 이미 상기 부분적으로 논의되었다. 여기서, 단계 d3) 는 구체적으로, 적어도 하나의 공간 분해능 정보 항목을 도출하기 위해 픽셀들의 수 및 미리정의된 공간 확장의 몫 또는 역 몫을 결정하는 것을 포함할 수도 있다.
이전의 항들 중 임의의 하나에 따른 방법에서, 그 방법은 적어도 방법 단계 d) 를 수행하기 위해서 적어도 하나의 프로세서 및 소프트웨어 명령들을 사용하는 것을 포함한다.
이하에서 더 자세히 개괄되는 바와 같이, 모바일 디바이스의 적합성을 평가하는 방법 및 분석 측정을 수행하는 이하에서 언급되는 방법은 구체적으로, 구체적으로 모바일 디바이스의 프로세서와 같은 모바일 디바이스의 컴퓨터 상에서, 전체적으로 또는 부분적으로 컴퓨터 구현될 수도 있다. 따라서, 구체적으로, 방법은 적어도 방법 단계 d) 를 수행하기 위해 적어도 하나의 프로세서 및 소프트웨어 명령들을 이용하는 것을 포함할 수도 있다. 구체적으로, 방법들은, 예컨대 Android 또는 iOS 용의 소위 앱들 (apps) 로서 완전히 또는 부분적으로 구현될 수도 있고, 일례로서, 앱 스토어로부터 다운로드가능할 수도 있다. 따라서, 구체적으로, 모바일 디바이스의 적합성을 평가하는 방법에서, 그 방법은 적어도 방법 단계 d) 를 수행하기 위해 적어도 하나의 프로세서 및 소프트웨어 명령들을 이용하는 것을 포함할 수도 있다. 소프트웨어 명령들, 구체적으로 앱은 추가로, 방법 단계들 a), b) 및 c) 을 지원하기 위해서, 예컨대, 디스플레이 중 하나 이상에 의해, 오디오 명령들 또는 다른 명령들에 의해, 사용자 명령들을 제공할 수도 있다. 여기서, 상기 나타낸 바와 같이, 방법 단계 c) 는 또한, 일단 참조 오브젝트 또는 그것의 부분이 카메라의 시야 내에 및/또는 그 시야 내의 특정 범위 내에 있게 되면, 예컨대, 카메라를 사용하여 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 자동적으로 촬영함으로써, 완전히 또는 부분적으로 컴퓨터 구현될 수도 있다. 방법을 수행하기 위한 프로세서는 구체적으로 모바일 디바이스의 일부일 수도 있다.
상기 개괄된 바와 같이, 모바일 디바이스는 구체적으로, 모바일 컴퓨터 및/또는 모바일 통신 디바이스일 수도 있다. 따라서, 구체적으로, 모바일 디바이스는 모바일 통신 디바이스, 구체적으로 스마트 폰; 휴대용 컴퓨터, 구체적으로 노트북; 태블릿 컴퓨터로 이루어진 그룹으로부터 선택될 수도 있다.
상기 나타낸 바와 같이, 추가적인 방법 단계들은, 구체적으로 모바일 디바이스의 프로세서에 의해, 컴퓨터 구현되거나 컴퓨터 보조될 수도 있다. 따라서, 일례로서, 방법 단계 c) 는 오브젝트에 대하여 상대적으로 모바일 디바이스를 포지셔닝하기 위해 사용자에 대해 시간적 안내를 제공하는 것을 포함할 수도 있다. 추가적으로 또는 대안적으로, 오디오 안내 또는 다른 타입의 안내가 주어질 수도 있다.
추가적인 실시형태들은 참조 오브젝트를 지칭할 수도 있다. 상기 논의된 바와 같이, 참조 오브젝트는 이하에서 "오브젝트 (an object)" 로서 단순히 지칭되는 다른 오브젝트에 의해 전체적으로 또는 부분적으로 포함될 수도 있다. 오브젝트는 구체적으로, 테스트 엘리먼트, 구체적으로 테스트 스트립; 테스트 엘리먼트 용기, 구체적으로 테스트 스트립 용기; 적어도 하나의 테스트 엘리먼트를 수용하기 위한 포장으로 이루어진 그룹으로부터 선택될 수도 있다. 여기서, 수개의 가능성들이 존재한다. 먼저, 참조 오브젝트는, 일례로서, 오브젝트 상의 임프린트 (imprint) 일 수도 있거나 그것을 포함할 수도 있고, 그 임프린트는 적어도 하나의 차원에서 적어도 하나의 미리정의된 공간 확장을 제공하는 스케일 또는 미리정의된 공간 확장을 갖는다. 대안적으로, 참조 오브젝트는 또한 실제 오브젝트일 수도 있다. 일례로서 그리고 상기 논의된 바와 같이, 참조 오브젝트는 테스트 엘리먼트 또는 그것의 부분, 구체적으로 테스트 엘리먼트의 테스트 필드일 수도 있고, 테스트 엘리먼트 또는 그것의 부분은 적어도 하나의 차원에서 미리정의된 공간 확장을 갖는다.
본 발명의 추가적인 양태에서, 분석 측정을 수행하기 위한 방법이 이용되고, 여기서, 분석 측정은 적어도 하나의 카메라를 갖는 모바일 디바이스를 사용한다. 그 방법은, 주어진 순서로 수행될 수도 있는, 다음과 같은 방법 단계들을 포함한다. 다시, 하지만, 상이한 순서가 또한 가능할 수도 있다. 추가로, 방법 단계들 중 하나, 하나보다 더 많은 또는 심지어 전부의 단계가 한 번 또는 반복적으로 수행될 수도 있다. 추가로, 방법 단계들은 연속적으로 수행될 수도 있거나, 또는, 대안적으로, 2 개 이상의 방법 단계들이 적시에 중첩되는 방식으로 또는 심지어 병렬로 수행될 수도 있다. 방법은 열거되지 않은 추가적인 방법 단계들을 더 포함할 수도 있다.
이 방법은 다음의 단계들을 포함한다:
i) 이전의 항들 중 어느 한 항에 따른 방법을 이용하여 모바일 디바이스의 적합성을 평가하는 단계;
ii) 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 수행하기 위한 방법을 중단하는 단계;
iii) 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 적합한 것을 나타내는 경우에, 다음과 같은 단계들을 포함하는 분석 측정을 수행하는 단계:
a. 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 엘리먼트에 적어도 하나의 샘플을 적용하는 단계;
b. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계;
c. 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계.
본 명세서에서 사용된 용어들의 대부분의 추가적인 가능한 정의들에 대해, 상기 개시된 바와 같이 또는 이하에서 더 자세히 개시되는 바와 같이 모바일 디바이스의 적합성을 평가하는 방법의 개시에 대한 참조가 이루어질 수도 있다.
방법 단계 i) 과 관련하여, 상기 방법의 설명에 대한 참조가 이루어질 수도 있다. 따라서, 일례로서, 방법 단계 e) 의 설명에 대한 참조가 이루어질 수도 있고, 여기서, 적어도 하나의 공간 분해능 정보 항목이 적어도 하나의 임계치와 비교될 수도 있고, 그에 의해, 분석 측정을 수행는 목적을 위한 모바일 디바이스의 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정한다. 방법 단계 i) 은, 일례로서, 적어도 하나의 적합성 정보 항목을 이용할 수도 있고, 그 적어도 하나의 적합성 정보 항목은, 일례로서, 디지털 정보 또는 불리언 정보 "적합한" 또는 "적합하지 않은" 일 수도 있거나 그것을 포함할 수도 있다. 이 적합성 정보에 의존하여, 방법은 단계들 ii) 및 iii) 사이에서 분기할 수도 있고, 여기서, 단계 i) 에서의 적합성에 관한 문의는 예컨대, "if...” 루틴, “if...else...” 루틴 등으로서 프로그래밍될 수도 있다.
적어도 하나의 이미지를 평가하고 그것의 적어도 하나의 분석 정보를 도출하기 위해, 혈액 글루코오스 모니터링의 분야에서와 같이, 분석 분야에서의 당업자에게 일반적으로 알려진 몇몇 알고리즘들이 이용될 수도 있다. 따라서, 일례로서, 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 필드의 컬러와 같은, 테스트 엘리먼트의 컬러가 평가될 수도 있다. 일례로서, 이미지를 평가할 때, 테스트 엘리먼트의 테스트 필드 내의 관심 영역과 같이, 테스트 엘리먼트의 이미지 내에서 관심 영역이 정의될 수도 있고, 통계적 분석과 같은 컬러의 분석이 수행될 수도 있다. 일례로서, 직사각형, 정사각형, 다각형, 타원형 또는 원형의 관심 영역이 테스트 필드의 이미지이도록 인식되는 이미지의 부분 내에서 정의될 수도 있다. 후속하여, 관심 영역 내의 픽셀들의 컬러의 통계적 분석이 수행될 수도 있다. 일례로서, 픽셀들에 대해 하나 이상의 컬러 좌표들이 도출될 수도 있고, 관심 영역에 걸쳐 컬러 좌표들의 통계적 분석이 수행될 수도 있다. 일례로서, 적어도 하나의 컬러 좌표의 분포의 중심이 결정될 수도 있다. 본 명세서에서 사용된 “컬러 좌표 (color coordinate)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 좌표들을 이용하여 컬러를 기술하기 위해 사용되는 임의의 컬러 좌표 시스템의 좌표를 지칭할 수도 있다. 몇몇 컬러 좌표 시스템들이 당업자에게 일반적으로 알려져 있고, 또한 본 발명의 맥락에서 사용될 수도 있다. 따라서, 일례로서, CIE 1964 색 공간, Munsell 컬러 시스템 또는 R, G, B, L, a, b 와 같은 다른 좌표 시스템들과 같은 인간 지각에 기초하는 좌표 시스템 또는 비색계의 좌표 시스템이 사용될 수도 있다.
따라서, 이미지로부터 분석 정보를 도출하기 위해서, 일례로서, 테스트 필드와 같이 테스트 엘리먼트의 적어도 하나의 컬러 좌표 사이의 미리결정된 또는 결정가능한 관계가 모니터링될 수도 있다. 상기 개괄된 바와 같이, 적어도 하나의 테스트 화학물질을 포함하는 테스트 필드에 대해서, 및/또는 적어도 하나의 테스트 화학물질을 포함하는 테스트 필드 내의 관심 영역에 대해서와 같이, 테스트 엘리먼트 또는 그것의 일부에 대해 통계적 분석이 수행될 수도 있다. 따라서, 일례로서, 테스트 엘리먼트의 이미지 내의 적어도 하나의 테스트 필드는, 예컨대, 패턴 인식 및/또는 이하의 예들에서 설명되는 바와 같은 다른 알고리즘들에 의해, 바람직하게는 자동적으로, 인식될 수도 있다. 다시, 하나 이상의 관심 영역들은 테스트 필드의 부분적 이미지 내에서 정의될 수도 있다. 관심 영역에 걸쳐, 컬러 좌표들, 예컨대, 다시 청색 컬러 좌표들 및/또는 다른 컬러 좌표들이, 예컨대, 다시 하나 이상의 히스토그램들을 이용하여, 결정될 수도 있다. 통계적 분석은 그 적어도 하나의 히스토그램에, 상기 설명된 바와 같이, 하나 이상의 피팅 곡선들 (fitting curves) 을 앉히고, 그에 의해, 예컨대, 피크의 중심을 결정하는 것을 포함할 수도 있다. 따라서, 컬러 형성 반응은 하나 이상의 이미지들을 이용하여 모니터링될 수도 있고, 여기서, 그 하나 이상의 이미지들에 대해, 통계적 분석을 이용하여, 피크의 중심이 결정될 수도 있고, 그에 의해, 적어도 하나의 좌표 내의 컬러 시프트 (color shift) 를 결정할 수도 있다. 일단, 예컨대, 혈액 글루코오스 모니터링으로부터, 당업자가 일반적으로 아는 바와 같이, 컬러 형성 반응이 미리결정된 또는 결정가능한 엔드포인트에 도달했거나 종료되면, 적어도 하나의 컬러 좌표에서의 시프트 또는 엔드포인트 컬러 좌표들이 결정되고, 예컨대, 컬러 좌표와 농도 사이의 미리결정된 또는 결정가능한 상관관계를 이용하여 샘플에서 피분석물의 농도로 변환될 수도 있다. 그 상관관계, 일례로서 변환 함수, 변환 테이블 또는 룩업 테이블은, 예컨대, 실험적으로 결정될 수도 있고, 일례로서, 예컨대, 소프트웨어에 의해, 구체적으로, 앱 스토어 등으로부터 다운로드된 앱에 의해, 모바일 디바이스의 적어도 하나의 저장 디바이스에 저장될 수도 있다.
상기 논의된 바와 같이, 당해 기술분야에서 알려진 방법들에서, 교정 방법은 통상적으로 테스트 스트립 또는 테스트 엘리먼트 그 자체에 의해 제공된다. 하지만, 본원에서 제안된 바와 같은 방법은, 모바일 디바이스의 적합성을 평가하는 단계와 분석 측정을 수행하는 실제 단계를 분리할 수도 있고, 여기서, 일단 적합성이 결정되면, 그 모바일 디바이스를 이용하여 임의의 수의 분석 측정들이 수행될 수도 있다. 하지만, 대안적으로, 단계 i) 에서의 모바일 디바이스의 적합성의 평가는, 예컨대, 미리결정된 또는 결정가능한 간격들 후에 또는 모바일 디바이스에 대해 임의의 변화들이 이루어진 경우에, 반복될 수도 있다. 소프트웨어, 예컨대, 소프트웨어 앱은, 사용자로 하여금, 예컨대, 디스플레이 상에 및/또는 오디오 명령들로서 대응하는 명령들을 제공함으로서, 방법 단계 i) 을 수행하도록 프롬프트 (prompt) 할 수도 있다. 하지만, 구체적으로, 방법 단계 i) 은 방법 단계 iii) 이 수행되기 전에 적어도 한번 수행될 수도 있다. 방법 단계 i) 은 방법 단계 iii) 이 적어도 한번 수행되기 전에 한번 수행되거나, 방법 단계 i) 은 방법 단계 iii) 이 반복적으로 수행되기 전에 한번 수행될 수도 있다.
적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 수행하기 위한 방법은 중단될 수도 있다. 이 중단은, 일례로서, 모바일 디바이스의 사용자에게 분석 측정을 수행하기 위한 모바일 디바이스의 부적합성을 알리는 것을 또한 포함할 수도 있다. 그 정보는, 일례로서, 디스플레이 상에 통상적인 정보로서 및/또는 가청 정보로서 제공될 수도 있다.
추가적으로 또는 대안적으로, 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것으로서 결정되는 경우에, 단계 ii) 는 또한, 그 모바일 디바이스를 사용하여 분석 측정을 수행하기 위한 장래의 시도들을 차단하는 것을 포함할 수도 있다. 따라서, 일례로서, 사용자가 그의 또는 그녀의 모바일 폰 상에서 소프트웨어 앱을 시작하려고 시도하는 경우에, "죄송합니다, 모바일 디바이스가 부적합합니다! (Sorry, mobile device not suited!)" 등과 같은 메시지가 디스플레이 상에 표시될 수도 있고, 분석 측정이 방지될 수도 있다.
다시, 추가적으로 또는 대안적으로, 단계 ii) 는 또한, 구체적으로 이 특정 타입의 모바일 디바이스가 부적합함을 소프트웨어 다운로드 서버에게 알리기 위해서, 보다 구체적으로 이 특정 타입의 모바일 디바이스에 대해 분석 측정을 위한 소프트웨어의 소프트웨어 다운로드의 장래의 제공을 방지하기 위해서, 그 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것에 관한 정보를 소프트웨어 다운로드 서버에 전송하는 것을 포함할 수도 있다. 따라서, 일례로서, 다운로드 서버는 이 부적합성에 관한 정보를 수신할 수도 있고, 장래에 이 특정 타입의 모바일 디바이스에 대해 분석 소프트웨어 다운로드를 제공하지 않을 수도 있다.
추가적인 상세들은 적어도 하나의 이미지를 촬영하는 단계 b. 를 참조할 수도 있다. 따라서, 단계 b. 는 다음의 하위단계들을 포함할 수도 있다:
b1. 이미지에서의 테스트 엘리먼트의 테스트 필드의 또는 테스트 엘리먼트에 대한 타겟 사이즈를 결정하는 단계;
b2. 타겟 사이즈를 나타내는 시각적 표시자를 중첩시킴으로써 이미지를 촬영하는 동안 사용자 안내를 제공하는 단계.
따라서, 일례로서, 적어도 하나의 공간 분해능 정보 항목을 이용함으로써, 방법은, 예컨대, 미리결정된 거리, 예컨대, 여전히 선명한 이미지가 획득될 수도 있는 상기 언급된 최소 거리에서, 이미지에서의 테스트 엘리먼트의 요망되는 사이즈를 결정할 수도 있다. 일례로서, 테스트 스트립 또는 테스트 필드의 폭 및 길이가 밀리미터 단위로 알려진 경우 및 공간 분해능 정보가 1mm 에 대응하는 픽셀들의 수에 관한 정보를 포함하는 경우에, 그 길이에 대응하는 픽셀들의 수 및 폭에 대응하는 픽셀들의 수는 밀리미터 당 픽셀들을 폭 또는 길이와 각각 단순히 곱함으로써 쉽게 계산될 수도 있다. 그에 의해, 일례로서, 모바일 디바이스의 스크린 상에 시각적 표시자가 생성될 수도 있고, 현재의 이미지, 예컨대, 정사각형 또는 직사각형 박스에 중첩될 수도 있다. 사용자는, 테스트 엘리먼트 또는 테스트 필드가 박스 내에 있도록 될 때까지, 모바일 디바이스의 포지션 및 모바일 디바이스와 테스트 엘리먼트 사이의 거리를 대응하여 조정할 수도 있다. 다른 시각적 표시자들이 실현가능하다. 일단 방법이 요망되는 포지션에 도달된 것을 인식하면, 이미지 획득은 자동적으로 시작될 수도 있다.
타겟 사이즈는 구체적으로, 단계 c. 를 수행하기 위한 미리결정된 최소 수의 픽셀들, 구체적으로, 이미지 내의 관심 영역 내의 최소 수의 픽셀들 및 적어도 하나의 공간 분해능 정보를 이용하고, 그것의 타겟 사이즈를 도출함으로써 결정될 수도 있다.
따라서, 상기 개괄된 바와 같이, 단계 c. 는 구체적으로, 이미지 내의 관심 영역을 정의하는 것 및 관심 영역의 픽셀들에 걸쳐 통계적 분석에 의해 컬러 정보를 검출하는 것 및 그 컬러 정보를 이용하여 적어도 하나의 분석 정보를 도출하는 것을 포함할 수도 있다. 컴퓨터 프로그램은, 그 프로그램이 컴퓨터 또는 컴퓨터 네트워크, 구체적으로 적어도 하나의 카메라를 갖는 모바일 디바이스의 프로세서 상에서 실행될 때, 이전의 항들 중 어느 한 항에 따른 방법, 구체적으로, 방법 단계 d) 및 선택적으로 방법 단계들 c) 및 e) 중 하나 이상을 수행하기 위한 컴퓨터-실행가능 명령들을 포함한다.
추가적인 양태에서, 컴퓨터 프로그램은, 그 프로그램이 컴퓨터 또는 컴퓨터 네트워크, 구체적으로 적어도 하나의 카메라를 갖는 모바일 디바이스의 프로세서 상에서 실행될 때, 본원에 개시되어 기술된 바와 같은 실시형태들 중 어느 하나에 따른 방법, 구체적으로, 방법 단계 d) 및 선택적으로 방법 단계들 c), e) 및 f) 중 하나 이상을 수행하기 위한 컴퓨터-실행가능 명령들을 포함한다. 추가로, 컴퓨터-실행가능 명령들은 또한, 방법 단계들 i) 및 ii) 를 수행하기 위해, 그리고, 선택적으로, 방법 단계 iii) 에 대해 적어도 안내를 제공하기 위해 적합화될 수도 있다. 여기서, 부분적 단계 a) 에 대한 사용 또는 안내가 제공될 수도 있고, 부분적 단계 b) 에서의 적어도 하나의 이미지의 촬영은 컴퓨터-실행가능 명령들에 의해 자동적으로 개시될 수도 있으며, 단계 c) 에서의 이미지의 평가 및 분석 정보의 도출은 컴퓨터-실행가능 명령들에 의해 수행될 수도 있다.
따라서, 일반적으로 말해서, 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때 본원에 포함된 실시형태들 중 하나 이상에서 본 발명에 따른 방법을 수행하기 위한 컴퓨터-실행가능 명령어를 포함하는 컴퓨터 프로그램이 본원에 개시되고 제안된다. 구체적으로, 컴퓨터 프로그램은 컴퓨터-판독가능 데이터 캐리어 상에 저장될 수도 있다. 따라서, 구체적으로, 상기 나타낸 바와 같은 방법 단계들 중 하나, 하나 초과 또는 심지어 모두가 컴퓨터 또는 컴퓨터 네트워크를 이용함으로써, 바람직하게는 컴퓨터 프로그램을 이용함으로써 수행될 수도 있다. 컴퓨터는 구체적으로, 모바일 디바이스 내로 전체적으로 또는 부분적으로 통합될 수도 있고, 컴퓨터 프로그램들은 구체적으로, 소프트웨어 앱으로서 구현될 수도 있다. 하지만, 대안적으로, 컴퓨터의 적어도 일부는 또한 모바일 디바이스의 외부에 위치될 수도 있다.
프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때 본원에 포함된 실시형태들 중 하나 이상에서 본 발명에 따른 방법, 예컨대, 상기 언급된 방법 단계들 중 하나 이상을 수행하기 위한 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품이 본원에 추가로 개시되고 제안된다. 구체적으로, 프로그램 코드 수단은 컴퓨터-판독가능 데이터 캐리어 상에 저장될 수 있다.
컴퓨터 또는 컴퓨터 네트워크의 작업 메모리 또는 메인 메모리 내로와 같이 컴퓨터 또는 컴퓨터 네트워크로의 로딩 후, 본원에서 개시된 실시형태들 중 하나 이상, 구체적으로 상기 언급된 방법 단계들 중 하나 이상에 따른 방법을 실행할 수도 있는 데이터 구조가 저장된 데이터 캐리어가 본원에 추가로 개시되고 제안된다.
프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때 본원에 개시된 실시형태들 중 하나 이상에 따른 방법, 구체적으로, 상기 언급된 방법 단계들 중 하나 이상을 수행하기 위해, 머신-판독가능 캐리어 상에 저장된 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품이 본원에 추가로 개시되고 제안된다. 본원에 사용된 바와 같이, 컴퓨터 프로그램 제품은 프로그램을 거래가능한 제품으로 지칭한다. 제품은 일반적으로, 종이 형식으로, 또는 컴퓨터-판독가능 데이터 캐리어 상에서와 같이, 임의의 형식으로 존재할 수도 있다. 구체적으로, 컴퓨터 프로그램 제품은 데이터 네트워크를 통해 분배될 수 있다.
마지막으로, 본원에 개시된 실시형태들 중 하나 이상에 따른 방법, 구체적으로, 상기 언급된 방법 단계들 중 하나 이상을 수행하기 위해, 컴퓨터 시스템 또는 컴퓨터 네트워크에 의해 판독가능한 명령들을 포함하는 변조된 데이터 신호가 본원에서 개시되고 제안된다.
구체적으로, 추가로 본원에 개시되는 것은 다음과 같다:
- 적어도 하나의 프로세서를 포함하는 컴퓨터 또는 컴퓨터 네트워크로서, 상기 프로세서는 본 명세서에서 기재된 실시형태들 중 하나에 따른 방법을 수행하도록 적응되는, 상기 컴퓨터 또는 컴퓨터 네트워크,
- 데이터 구조가 컴퓨터 상에서 실행되는 동안, 본 명세서에서 기재된 실시형태들 중 하나에 따른 방법을 수행하도록 적응되는 컴퓨터 로딩가능한 데이터 구조,
- 컴퓨터 프로그램으로서, 그 프로그램이 컴퓨터 상에서 실행되는 동안, 본 명세서에서 기재된 실시형태들 중 하나에 따른 방법을 수행하도록 컴퓨터 프로그램이 적응되는, 상기 컴퓨터 프로그램,
- 컴퓨터 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행되는 동안, 본 명세서에서 기재된 실시형태들 중 하나에 따른 방법을 수행하기 위한 프로그램 수단을 포함하는 컴퓨터 프로그램,
- 상기 실시형태에 따른 프로그램 수단을 포함하는 컴퓨터 프로그램으로서, 그 프로그램 수단은 컴퓨터로 판독가능한 저장 매체 상에 저장되는, 상기 컴퓨터 프로그램,
- 저장 매체로서, 데이터 구조가 저장 매체에 저장되고, 데이터 구조는 컴퓨터의 또는 컴퓨터 네트워크의 메인 및/또는 작업 스토리지에 로딩된 후 본 명세서에 기재된 실시형태들 중 하나에 따른 방법을 수행하도록 적응되는, 상기 저장 매체, 및
- 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품으로서, 그 프로그램 코드 수단이 컴퓨터에서 또는 컴퓨터 네트워크에서 실행되는 경우에, 본 명세서에 기재된 실시형태들 중 하나에 따른 방법을 수행하기 위해, 저장 매체에 프로그램 코드 수단이 저장될 수 있거나 또는 저장되어 있는, 상기 컴퓨터 프로그램 제품.
본 발명의 추가적인 양태에서, 컬러 형성 반응에 기초하여 분석 측정을 수행하기 위한 모바일 디바이스가 개시된다. 그 모바일 디바이스는 적어도 하나의 카메라를 포함한다. 그 모바일 디바이스는 다음의 단계들을 이용하여 자기-적합성 평가를 수행하도록 구성된다:
I. 카메라를 이용하여 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계; 및
II. 그 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
본 명세서에서 사용되는 용어들 및 가능한 정의들의 대부분에 대해, 상기 방법들의 설명에 대한 참조가 이루어질 수도 있다. 본 명세서에서 사용된 “자기-적합성 평가 (self-suitability evaluation)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한 없이, 디바이스 그 자체가 미리결정된 목적을 위해 적합한지 또는 적합하지 않은지 여부를 평가하기 위한 디바이스의 프로세스를 지칭할 수도 있고, 여기서, 적합성과 관련하여, 상기 주어진 설명에 대한 참조가 이루어질 수도 있다.
모바일 디바이스는 다음의 단계들을 이용하여 적어도 하나의 분석 측정을 수행하도록 구성될 수도 있다:
III. 적어도 하나의 공간 분해능 정보 항목에 기초하여 모바일 디바이스의 적합성을 평가하는 단계;
IV. 적어도 하나의 공간 분해능 정보 항목이, 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 중단하는 단계;
V. 적어도 하나의 공간 분해능 정보 항목이, 모바일 디바이스가 분석 측정을 수행하기에 적합한 것을 나타내는 경우에, 다음과 같은 단계들을 포함하는 분석 측정을 수행하는 단계:
a. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계로서, 상기 테스트 엘리먼트는 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질, 구체적으로 적어도 하나의 테스트 필드를 가지고, 상기 테스트 엘리먼트는 거기에 적어도 하나의 샘플이 적용되는, 상기 적어도 하나의 이미지를 촬영하는 단계;
b. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계;
c. 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계.
가능한 정의들 또는 실시형태들에 대해, 상기 주어진 바와 같은 방법의 설명에 대한 참조가 이루어질 수도 있다. 따라서, 구체적으로, 모바일 디바이스는, 상기 설명된 또는 이하 더 자세히 설명되는 실시형태들 중 어느 하나에 따라 모바일 디바이스의 적합성을 평가하는 방법 및/또는 컬러 형성 반응에 기초하여 분석 측정을 수행하는 방법을 수행하도록 구성될 수도 있다. 모바일 디바이스는 구체적으로, 단계 III. 을 반복적으로 수행하도록 구성될 수도 있다. 모바일 디바이스는 구체적으로, 상기 설명된 또는 이하 더 자세히 설명되는 실시형태들 중 하나 이상에서, 본원에서 제안된 바와 같은 방법을 수행하도록 구성될 수도 있다. 구체적으로, 모바일 디바이스는, 방법 또는, 구체적으로, 상기 나타낸 방법 단계들을 수행하도록 프로그래밍되는, 적어도 하나의 프로세서와 같은 적어도 하나의 컴퓨터를 포함할 수도 있다.
본 발명의 추가적인 양태에서, 분석 측정을 수행하기 위한 키트가 개시된다. 그 키트는 다음을 포함한다:
- 상기 설명된 또는 이하 더 자세히 설명되는 실시형태들 중 어느 하나에 따른 적어도 하나의 모바일 디바이스;
- 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트; 및
- 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 엘리먼트.
다시, 가능한 용어들의 정의들 및 가능한 실시형태들에 대해, 상기 주어진 설명에 대한 참조가 이루어질 수도 있다.
본 발명에 따른 방법들 및 디바이스들은, 분석 측정들을 위한 알려진 방법들 및 디바이스들에 대해 수많은 이점들을 제공할 수도 있다. 따라서, 구체적으로, 본 발명에서 제안된 분석 측정을 수행하는 프로세스는 당해 기술분야에서 아려진 다른 프로세스들에 비해 덜 시간 소모적일 수도 있다. 특히, 본 발명은 하나의 단일 측정을 수행함으로써 모바일 디바이스의 일반적인 적성 (aptitude) 을 평가할 수도 있다. 하나의 단일 측정에 의한 모바일 디바이스의 확립된 적성은 모든 후속 측정들에 대해 유효할 수도 있다. 따라서, 본 발명은, 각각의 분석 측정 이전에 정정 알고리즘들을 적용하는 것에 초점을 맞추는 종래 기술의 접근법들에 비해 분석 측정을 수행하기 위해 더 적은 시간을 필요로 할 수도 있다. 구체적으로, 본 발명에서, 모바일 디바이스의 적성은, 각각의 측정 이전에 정정 알고리즘들을 적용하는 것에 반해 본질적으로 모든 측정들에 대해 하나의 단일 측정에 의해 확립될 수도 있다. 따라서, 본 발명은 종래 기술의 접근법들보다 더 빠른, 후속 분석 측정들 중 적어도 하나를 수행 가능할 수도 있다. 그에 의해, 본 발명은 사용자에 대해 분석 측정을 수행하는 프로세스를 단순화할 수도 있다. 구체적으로, 일단 모바일 디바이스의 일반적인 적성이 확립되고 나면, 적어도 하나의, 바람직하게는 모든, 후속 측정들에서, 분석 측정을 수행하는 프로세스가 종래 기술의 측정들보다 더 간단할 수도 있다. 특히, 적합한 모바일 디바이스를 이용하여, 본 발명은 사용자에 대해 혈액 글루코오스 측정을 수행하는 프로세스를 단순화할 수도 있다. 적합한 모바일 디바이스를 이용할 때, 혈액 글루코오스 측정을 수행하는 프로세스는, 특히, 종래 기술의 프로세스들보다 더 적은 시간을 필요로 할 수도 있다.
본 발명은, 분석 측정을 수행하기에 적합한 모바일 디바이스와 연관하여, 분석 측정을 수행하기 위한 컴퓨터-실행가능 명령들을 포함하는 애플리케이션, 예컨대, 앱 (app) 의 사용을 오직 허용할 수도 있다. 특히, 본 발명은, 분석 측정을 수행할 때 충분한 공간 분해능을 갖는 모바일 디바이스와 연관하여 애플리케이션의 사용을 오직 허용할 수도 있다. 그에 의해, 본 발명은 분석 측정, 특히, 혈액 글루코오스 측정을 수행하기 위해 모바일 디바이스를 사용하는 것을 안전성을 향상시킬 수도 있다. 특히, 유효한 결과의 안전성, 예컨대, 결정된 피분석물 농도의 유효성이 본 발명에 의해 보장될 수도 있다. 구체적으로, 본 발명은, 혈액 글루코오스 측정을 수행하기 위한 모바일 디바이스의 사용을 승인하기 전에 모바일 디바이스의 적합성을 식별함으로써 측정 품질을 보장할 수도 있다. 보다 구체적으로, 모바일 디바이스와 연관하여 그러한 분석 측정을 수행하기 위해 컴퓨터-실행가능 명령들을 포함하는 애플리케이션의 사용은 분석 측정을 위해 적합한 모바일 디바이스를 이용하여 오직 허여될 수도 있다. 특히, 본 발명은 모바일 디바이스의 적합성이 보장된 후에 애플리케이션을 사용을 오직 승인할 수도 있다. 예를 들어, 혈액 글루코오스 측정을 수행하기에 부적합한 또는 맞지 않은 모바일 디바이스 상에서의 애플리케이션의 다운로드가 억제될 수도 있다. 모바일 디바이스 상에서의 애플리케이션의 다운로드는 모바일 디바이스의 적성이 보장될 수도 있을 때까지 제한될 수도 있다. 따라서, 본 발명은, 모바일 디바이스에 의한 혈액 글루코오스 측정의 수행을 승인하기 이전에, 예컨대 초기 유효화 단계 또는 체크에서, 모바일 디바이스의 적합성을 평가함으로써, 그 모바일 디바이스를 이용하는, 혈액 글루코오스 측정의 안전성, 예를 들어 결정된 혈액 글루코오스 농도의 유효성을 향상시킬 수도 있다.
본 발명에서, 모바일 디바이스의 적합성은 내부적으로, 예컨대, 모바일 디바이스 자체 내에서 평가될 수도 있다. 구체적으로, 본 발명은 모든 모바일 디바이스에 대해 개별적으로 측정 품질을 보장할 수도 있다. 따라서, 본 발명에서, 측정 품질은, 모바일 디바이스의 적합성을 예를 들어 실험실에서와 같이 외부적으로 평가하는 외부적 평가에 반해, 내부적 평가의 방식에 의해 보장될 수도 있다. 특히, 광범위한 그룹의 사용자들에 의해 소유되는 아주 다양한 모바일 디바이스들의 외부적 평가는 본 발명에서 개시된 내부적 평가보다, 더 긴 시간을 필요로 할 수도 있고, 추가적으로 또는 대안적으로, 더 많은 자원을 소비할 수도 있다. 추가적으로, 본 발명은 대부분의 최근의 모바일 디바이스들, 예컨대, 새로 나온 스마트 폰들에 대해 이용가능할 수도 있다. 그에 의해, 본 발명은 최근의 모바일 디바이스의 적합성의 즉각적인 평가를 허용할 수도 있다. 따라서, 본 발명은 실험실에서의 외부적 평가 방식에 의해서와 같이 외부적으로 측정 품질을 보장하는 것보다는, 새로 출시된 모바일 디바이스로 더 빠르게 분석 측정을 수행하는 것을 허용할 수도 있다.
추가적인 가능한 실시형태들으 배제함이 없이 요약하자면, 다음과 같은 실시형태들이 예상될 수도 있다:
실시형태 1: 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는
모바일 디바이스의 적합성을 평가하는 방법으로서, 다음의 단계들을 포함하는 방법:
a) 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 디바이스를 제공하는 단계;
b) 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트를 제공하는 단계;
c) 카메라를 이용하여 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계; 및
d) 그 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
실시형태 2: 이전의 실시형태에 따른 방법으로서, 다음 단계를 더 포함하는 방법:
e) 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교함으로써, 분석 측정을 수행하기 위한 모바일 디바이스의 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정하는 단계.
실시형태 3: 이전 실시형태에 따른 방법으로서, 여기서, 적어도 하나의 임계치는 이미지에서의 적어도 하나의 관심 영역 내의 상기 적어도 하나의 공간 차원에서의 픽셀들의 최소 수에 의해 결정된다.
실시형태 4: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 적어도 하나의 공간 분해능 정보 항목은, 이미지의 적어도 하나의 공간 차원에서 거리 단위 당 픽셀들의 수를 나타내는 재생 스케일을 포함한다.
실시형태 5: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 다음 단계를 추가로 포함하는 방법:
f) 적어도 하나의 공간 분해능 정보 항목을 이용하여 모바일 디바이스의 스케일링 정보를 조정하는 단계.
실시형태 6: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 이미지를 이용하여 적어도 하나의 공간 분해능 정보를 도출하는 단계는 다음의 단계들을 포함한다:
d1) 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트를 이미지 내에서 인식하는 단계;
d2) 그 적어도 하나의 공간 차원에서 이미지에서의 오브젝트의 픽셀들의 수를 결정하는 단계;
d3) 그 적어도 하나의 공간 차원에서의 참조 오브젝트의 미리정의된 공간 확장 및 그 픽셀들의 수를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
실시형태 7: 이전 실시형태에 따른 방법으로서, 여기서, 단계 d3) 는 적어도 하나의 공간 분해능 정보 항목을 도출하기 위해 픽셀들의 수 및 미리정의된 공간 확장의 몫 또는 그것의 역 값을 결정하는 것을 포함한다.
실시형태 8: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 그 방법은 적어도 방법 단계 d) 를 수행하기 위해서 적어도 하나의 프로세서 및 소프트웨어 명령들을 사용하는 것을 포함한다.
실시형태 9: 이전 실시형태에 따른 방법으로서, 여기서, 프로세서는 모바일 디바이스의 일부이다.
실시형태 10: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 모바일 디바이스는 모바일 통신 디바이스, 구체적으로 스마트 폰; 휴대용 컴퓨터, 구체적으로 노트북; 태블릿 컴퓨터로 이루어진 그룹으로부터 선택된다.
실시형태 11: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 방법 단계 c) 는 참조 오브젝트에 대하여 모바일 디바이스를 포지셔닝시키기 위한 사용자에 대한 시각적 안내 (visual guidance) 를 제공하는 단계를 포함한다.
실시형태 12: 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 참조 오브젝트는 오브젝트에 의해 완전히 또는 부분적으로 포함된다.
실시형태 13: 이전 실시형태에 따른 방법으로서, 여기서, 오브젝트는, 테스트 엘리먼트, 구체적으로 테스트 스트립; 테스트 엘리먼트 용기, 구체적으로 테스트 스트립 용기; 적어도 하나의 테스트 엘리먼트를 수용하기 위한 포장으로 이루어진 그룹으로부터 선택된다.
실시형태 14: 2 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 참조 오브젝트는 오브젝트 상의 임프린트이고, 그 임프린트는 적어도 하나의 차원에서 적어도 하나의 미리정의된 공간 확장을 제공하는 스케일 또는 미리정의된 공간 확장을 갖는다.
실시형태 15: 2 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 참조 오브젝트는 테스트 엘리먼트 또는 그것의 부분, 구체적으로 테스트 엘리먼트의 테스트 필드이고, 테스트 엘리먼트 또는 그것의 부분은 적어도 하나의 차원에서 미리정의된 공간 확장을 갖는다.
실시형태 16: 적어도 하나의 카메라를 갖는 모바일 디바이스를 이용하여 분석 측정을 수행하기 위한 방법으로서, 다음의 단계들을 포함하는 방법:
i) 이전의 실시형태들 중 어느 하나에 따른 방법을 이용하여 모바일 디바이스의 적합성을 평가하는 단계;
ii) 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 수행하기 위한 방법을 중단하는 단계;
iii) 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 적합한 것을 나타내는 경우에, 다음과 같은 단계들을 포함하는 분석 측정을 수행하는 단계:
a. 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 엘리먼트에 적어도 하나의 샘플을 적용하는 단계;
b. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계;
c. 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계.
실시형태 17: 이전 실시형태에 따른 방법으로서, 여기서, 단계 iii) 이 수행되기 전에 단계 i) 이 적어도 한번 수행된다.
실시형태 18: 2 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 단계 ii) 는, 분석 측정을 수행하기 위한 모바일 디바이스의 부적합성을 모바일 디바이스의 사용자에게 알리는 것을 포함한다.
실시형태 19: 3 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 단계 ii) 는, 모바일 디바이스를 사용하여 분석 측정을 수행하기 위한 장래의 시도들을 차단하는 것을 포함한다.
실시형태 20: 4 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 단계 ii) 는, 구체적으로 이 특정 타입의 모바일 디바이스가 부적합함을 소프트웨어 다운로드 서버에게 알리기 위해서, 보다 구체적으로 이 특정 타입의 모바일 디바이스에 대해 분석 측정을 위한 소프트웨어의 소프트웨어 다운로드의 장래의 제공을 방지하기 위해서, 그 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것에 관한 정보를 소프트웨어 다운로드 서버에 전송하는 것을 포함한다.
실시형태 21: 5 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 단계 b. 는 다음의 하위단계들 (substeps) 을 포함한다:
b1. 이미지에서의 테스트 엘리먼트의 테스트 필드의 또는 테스트 엘리먼트에 대한 타겟 사이즈를 결정하는 단계;
b2. 타겟 사이즈를 나타내는 시각적 표시자 (visual indicator) 를 중첩시킴으로써 이미지를 촬영하는 동안 사용자 안내를 제공하는 단계.
실시형태 22: 이전 실시형태에 따른 방법으로서, 여기서, 타겟 사이즈는 단계 c. 를 수행하기 위한 미리결정된 최소 수의 픽셀들, 구체적으로, 이미지 내의 관심 영역 내의 최소 수의 픽셀들, 및 적어도 하나의 공간 분해능 정보를 이용함으로써, 그리고 그것의 타겟 사이즈를 도출함으로써 결정된다.
실시형태 23: 7 개의 이전 실시형태들 중 어느 하나에 따른 방법으로서, 여기서, 단계 c. 는 이미지 내의 관심 영역을 정의하는 것 및 관심 영역의 픽셀들에 걸쳐 통계적 분석에 의해 컬러 정보를 검출하는 것 및 그 컬러 정보를 이용하여 적어도 하나의 분석 정보를 도출하는 것을 포함한다.
실시형태 24: 프로그램이 컴퓨터 또는 컴퓨터 네트워크, 구체적으로 적어도 하나의 카메라를 갖는 모바일 디바이스의 프로세서 상에서 실행될 때, 이전의 실시형태들 중 어느 하나에 따른 방법, 구체적으로, 방법 단계 d) 및 선택적으로 방법 단계들 c) 및 e) 중 하나 이상을 수행하기 위한 컴퓨터-실행가능 명령들을 포함하는 컴퓨터 프로그램.
실시형태 25: 분석 측정을 수행하기 위한 모바일 디바이스로서, 그 모바일 디바이스는 적어도 하나의 카메라를 갖고, 그 모바일 디바이스 는 다음의 단계들을 이용하여 자기-적합성 평가를 수행하도록 구성된다:
I. 카메라를 이용하여 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계; 및
II. 그 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계.
실시형태 26: 이전 실시형태에 따른 모바일 디바이스로서, 그 모바일 디바이스는 다음의 단계들을 이용하여 적어도 하나의 분석 측정을 수행하도록 구성된다:
III. 적어도 하나의 공간 분해능 정보 항목에 기초하여 모바일 디바이스의 적합성을 평가하는 단계;
IV. 적어도 하나의 공간 분해능 정보 항목이, 모바일 디바이스가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 중단하는 단계;
V. 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스가 분석 측정을 수행하기에 적합한 것을 나타내는 경우에, 다음과 같은 단계들을 포함하는 분석 측정을 수행하는 단계:
a. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계로서, 상기 테스트 엘리먼트는 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질, 구체적으로 적어도 하나의 테스트 필드를 가지고, 상기 테스트 엘리먼트는 거기에 적어도 하나의 샘플이 적용되는, 상기 적어도 하나의 이미지를 촬영하는 단계;
b. 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계;
c. 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계.
실시형태 27: 이전 실시형태에 따른 모바일 디바이스로서, 여기서, 그 모바일 디바이스는 단계 III. 을 반복적으로 수행하도록 구성된다.
실시형태 28: 2 개의 이전 실시형태에 다른 모바일 디바이스로서, 여기서, 그 모바일 디바이스는 이전 방법 실시형태들 중 어느 하나에 따른 방법을 수행하도록 구성된다.
실시형태 29: 분석 측정을 수행하기 위한 키트로서, 그 키트는 다음을 포함한다:
- 모바일 디바이스를 지칭하는 이전 실시형태들 중 어느 하나에 따른 적어도 하나의 모바일 디바이스;
- 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트; 및
- 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 엘리먼트.
실시형태 30: 이전 실시형태에 따른 키트로서, 여기서, 참조 오브젝트는, 테스트 엘리먼트, 구체적으로 테스트 스트립; 테스트 엘리먼트 용기, 구체적으로 테스트 스트립 용기; 적어도 하나의 테스트 엘리먼트를 수용하기 위한 포장; 테스트 차트로 이루어진 그룹으로부터 선택된 오브젝트에 의해 부분적으로 포함된다.
도면들의 간단한 설명
추가적인 옵션적인 특징들 및 실시형태들이, 바랍직하게는 종속 청구항들과 함께, 실시형태들의 후속 설명에서 보다 자세히 개시될 것이다. 여기서, 각각의 옵션적인 특징들은, 당업자가 알 수 있는 바와 같이, 어떤 임의의 실현가능한 조합으로 뿐만 아니라 분리된 방식으로 실현될 수도 있다. 본 발명의 범위는 바람직한 실시형태들에 의해 한정되지 않는다. 실시형태들이 도면들에 개략적으로 도시된다. 여기서, 이들 도면들에서 동일한 참조 부호들은 동일한 또는 기능적으로 비견할만한 엘리먼트들을 지칭한다.
도면들에서:
도 1 은 분석 측정을 수행하기 위한 모바일 디바이스 및 키트의 일 실시형태의 투시도를 나타낸다.
도 2 는 모바일 디바이스의 적합성을 평가하기 위한 방법의 플로우차트를 나타낸다.
도 3 은 분석 측정을 수행하기 위한 방법의 플로우차트를 나타낸다.
도 4 및 도 5 는 이미지를 촬영하는 모바일 디바이스의 실시형태들을 나타낸다.
도 6 및 도 7 은 오브젝트의 적어도 일부의 이미지의 실시형태들을 나타낸다.
추가적인 옵션적인 특징들 및 실시형태들이, 바랍직하게는 종속 청구항들과 함께, 실시형태들의 후속 설명에서 보다 자세히 개시될 것이다. 여기서, 각각의 옵션적인 특징들은, 당업자가 알 수 있는 바와 같이, 어떤 임의의 실현가능한 조합으로 뿐만 아니라 분리된 방식으로 실현될 수도 있다. 본 발명의 범위는 바람직한 실시형태들에 의해 한정되지 않는다. 실시형태들이 도면들에 개략적으로 도시된다. 여기서, 이들 도면들에서 동일한 참조 부호들은 동일한 또는 기능적으로 비견할만한 엘리먼트들을 지칭한다.
도면들에서:
도 1 은 분석 측정을 수행하기 위한 모바일 디바이스 및 키트의 일 실시형태의 투시도를 나타낸다.
도 2 는 모바일 디바이스의 적합성을 평가하기 위한 방법의 플로우차트를 나타낸다.
도 3 은 분석 측정을 수행하기 위한 방법의 플로우차트를 나타낸다.
도 4 및 도 5 는 이미지를 촬영하는 모바일 디바이스의 실시형태들을 나타낸다.
도 6 및 도 7 은 오브젝트의 적어도 일부의 이미지의 실시형태들을 나타낸다.
실시형태들의 상세한 설명
도 1 에서, 분석 측정을 수행하기 위한 키트 (110) 가 투시도로 도시된다. 키트 (110) 는 적어도 하나의 모바일 디바이스 (112), 적어도 하나의 미리정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114), 및 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질 (120) 을 갖는 적어도 하나의 테스트 엘리먼트 (118) 를 포함한다. 도 1 에 도시된 바와 같이 적어도 하나의 미리정의된 공간 확장부 (116) 를 갖는 참조 오브젝트 (114) 는 테스트 엘리먼트 (118), 구체적으로 테스트 스트립, 또는 테스트 엘리먼트 용기 (117), 구체적으로 테스트 스트립 용기일 수도 있다. 참조 오브젝트 (114) 는, 예를 들어, 참조 오브젝트 (114) 에 부착된 x-y-좌표 시스템에서의 x-방향에서와 같이, 실제 세계 (128) 에서의 적어도 하나의 공간 차원 (126) 에서 미리정의된 공간 확장 (116) 을 갖는 하나 이상의 시각적 참조 필드들 (119) 일 수도 있거나 그것들을 포함할 수도 있다. 따라서, 도 1 에서, 적어도 하나의 시각적 참조 필드 (119) 를 배열하기 위한 2 개의 상이한 가능성들이 도시되고, 이는 독립적으로 실현될 수도 있다, 즉, 테스트 엘리먼트 컨테이너 (117) 에 의해 포함되는 적어도 하나의 시각적 참조 필드 (119) 및/또는 테스트 엘리먼트 (118) 에 의해 포함되는 시각적 참조 필드 (119) 를 갖는 가능성.
도 1 에 도시된 바와 같은 모바일 디바이스 (112) 는 적어도 하나의 카메라 (122) 를 가지고, 적어도 하나의 디스플레이 (123) 및 프로세서 (130) 를 포함할 수도 있다. 모바일 디바이스 (112) 는 자기 적합성 평가를 수행하도록 구성된다. 자기-적합성 평가는, 카메라 (122) 를 이용하여 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 것을 포함한다. 일례로서, 도 4 및 도 5 는 이미지 (124) 를 촬영하는 모바일 디바이스 (112) 의 실시형태들을 나타낸다. 테스트 엘리먼트 (118) 와 같이 적어도 하나의 참조 오브젝트의 적어도 일부의 이미지 (124) 는 복수의 픽셀들 (132) 에 의해 모바일 디바이스 (112) 의 디스플레이 (128) 상에 표시될 수도 있다. 참조 오브젝트 (114), 예컨대, 테스트 엘리먼트 (118) 는, 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 포함한다. 구체적으로, 적어도 하나의 공간 차원 (126) 에서의 테스트 엘리먼트 (118) 의 미리정의된 공간 확장 (116) 은 실제 세계 (128) 내의 단위 거리로 알려질 수도 있다.
자기-적합성 평가는, 이미지 (124) 를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 것을 추가로 포함한다. 공간 분해능 정보의 항목은 구체적으로, 이미지 (124) 에서 2 개 이상의 오브젝트들을 분해하기 위한 카메라 (122) 의 능력을 정량화하는 하나 이상의 수치들을 포함할 수도 있다. 공간 분해능 정보 항목은, 구체적으로, 실제 세계 (128) 에서의 참조 오브젝트 (114) 의 사이즈의 그리고 이미지 (124) 의 사이즈의 몫에 관한 적어도 하나의 정보 항목을 포함한다. 따라서, 공간 분해능 정보의 항목은, 예를 들어, 참조 오브젝트 (114) 의 실제 세계 (128) 에서의 단위 거리 당 적어도 하나의 공간 차원 (126) 에서의 이미지 (124) 에서의 픽셀들 (132) 의 수일 수도 있거나 그것을 포함할 수도 있다. 특히, 공간 분해능 정보의 항목은, 실제 세계 (128) 에서 2 개의 상이한 아이템들 또는 엘리먼트들이 이미지 (124) 에서 분리되도록 하기 위해 얼마나 가깝게 위치될 수도 있는지에 관한 정보를 제공할 수도 있다.
공간 분해능 정보 항목은, 예를 들어, x-방향에서와 같이 공간 차원 (126) 에서 참조 오브젝트 (114) 의, 예컨대 테스트 엘리먼트 (118) 의 이미지 (124) 의 픽셀들 (132) 의 수를 카운팅하는 것, 및, 그 픽셀들 (132) 의 수를 실제 세계 (128) 내의 단위 거리 당 x-방향에서의 참조 오브젝트 (114) 의 알려진 공간 확장 (116) 에 의해 나누는 것에 의해, 도출될 수도 있다. 따라서, 도 4 및 도 5 에서 도시된 바와 같이, 공간 차원 (126) 에서, 예컨대 x-방향에서 테스트 엘리먼트 (118) 의 공간 확장 (116) 은 실제 세계 (128) 내의 단위 거리로 알려질 수도 있고, 추가적으로, x-방향에서의 테스트 엘리먼트 (118) 의 공간 확장 (116) 은 이미지 (124) 내의 단위 픽셀로 알려질 수도 있다. 공간 분해능 정보 항목은 실제 세계 (128) 내의 단위 거리에서의 공간 확장과 이미지 (124) 내의 단위 픽셀의 몫 (quotient) 일 수도 있거나 그것을 포함할 수도 있다.
도 2 에서, 도 1, 도 4 및 도 5 에서 도시된 바와 같이, 모바일 디바이스 (112) 의 적합성을 평가하기 위한 방법 (136) 의 일 실시형태의 플로우 차트 (134) 가 도시된다. 방법 (136) 은, 예를 들어 도 1 에서 도시된 바와 같이, 적어도 하나의 카메라 (122) 를 갖는 적어도 하나의 모바일 디바이스 (112) 를 제공하는 단계 a) (방법 단계 138) 를 포함한다. 방법 (136) 은 추가로, 도 1 에서 도시된 바와 같이, 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 를 제공하는 단계 b) (방법 단계 140) 를 포함한다. 추가로, 방법 (136) 은 카메라 (122) 를 이용하여 참조 오브젝트 (114) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계 c) (방법 단계 142) 를 포함한다.
이미지 (124) 를 촬영 (상기 단계 c)) 하는 모바일 디바이스 (112) 의 실시형태가 도 4 및 도 5 에서 도시되고, 모바일 디바이스 (112) 는 카메라 (122) 를 포함한다. 추가적으로, 참조 오브젝트 (114) 에 대하여 카메라 (122) 및/또는 모바일 디바이스 (112) 를 포지셔닝 (positioning) 시키기 위한 안내가 참조 오브젝트 (114) 의 적어도 일부의 이미지 (124) 를 촬영할 때 제공될 수도 있다. 그 안내는 구체적으로 시각적 안내일 수도 있고, 예를 들어, 모바일 디바이스 (112) 의 디스플레이 (123) 상에 중첩된, 참조 오브젝트 (114) 의 형상에서의 윤곽 (144) 일 수도 있거나 그 윤곽을 포함할 수도 있다. 도 4 및 도 5 에서 도시된 바와 같이, 시각적 안내는, 테스트 엘리먼트 (118) 에 대하여 카메라 (122) 를 포지셔닝시키기 위한 시각적 안내를 제공하는, 모바일 디바이스 (112) 의 디스플레이 (123) 상에 중첩된, 테스트 엘리먼트 (118) 의 윤곽 (144) 을 포함할 수도 있다. 방법 (136) 은 추가로, 이미지 (124) 를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계 d) (방법 단계 146) 를 포함할 수도 있다.
방법 단계 146 (단계 d)) 는 3 개의 하위 단계들과 같은 하위단계들을 포함할 수도 있다. 제 1 하위 단계 d1) (방법 단계 148) 은 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 를 이미지 (124) 내에서 인식하는 것을 포함할 수도 있다. 구체적으로, 적어도 하나의 참조 오브젝트 (114) 는 이미지 인식 알고리즘을 이용하여 이미지 (124) 내에서 인식될 수도 있다. 보다 구체적으로, 이미지 인식 알고리즘을 이용하여, 관심 영역 (152) 이 이미지 (124) 내에서 인식될 수도 있다. 관심 영역 (152) 은, 오브젝트 (154) 의 적어도 일부의 이미지 (124) 의 실시형태들을 나타내는, 도 6 및 도 7 에서 도시된 바와 같은, 적어도 하나의 시각적 참조 필드 (119) 를 포함할 수도 있다. 오브젝트 (154) 는 테스트 엘리먼트 (118) 에 의해 포함되는 테스트 화학물질 (120) 을 갖는 테스트 필드 (156) 또는 시각적 참조 필드 (119) 일 수도 있거나 그것을 포함할 수도 있다. 따라서, 관심 영역은, 대안적으로, 이하 더 자세히 설명되는 바와 같이, 분석 측정을 수행하기에 적합한 모바일 디바이스 (112) 를 사용하여 분석 측정을 수행할 때, 테스트 필드 (156) 를 포함할 수도 있다. 분석 측정을 수행하기 위한 모바일 디바이스 (112) 의 적합성을 평가할 때, 관심 영역 (152) 은 구체적으로 시각적 참조 필드 (119) 를 포함할 수도 있다. 하지만, 그 시각적 참조 필드 (119) 및 테스트 필드 (156) 는 유사한 형상들을 가질 수도 있고, 따라서, 관심 영역 (152) 은, 도 6 및 도 7 에서 도시된 바와 같이, 모바일 디바이스 (112) 의 적합성을 평가할 때 그리고 분석 측정을 수행할 때, 동일할 수도 있다.
제 2 하위 단계 d2) (방법 단계 150) 는 적어도 하나의 공간 차원 (126) 에서 이미지 (124) 에서의 오브젝트의 픽셀들 (132) 의 수를 결정하는 것을 포함할 수도 있다. 구체적으로, 예를 들어 x-방향에서의 미리정의된 공간 확장부 (116) 등의, 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 의 픽셀들 (132) 의 수가 결정될 수도 있다. 이미지에서의 2 개 이상의 오브젝트들을 분해하는 카메라 (122) 의 능력에 의존하여, 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 는 상이한 수의 픽셀들 (132) 을 초래할 수도 있다. 따라서, 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 에서의 픽셀들 (132) 의 수는 카메라 (122) 의 공간 분해 능력고 상관될 수도 있다. 그 상관은 도 6 및 도 7 에서 도시된다. 도 6 은 도 7 에서 도시된 이미지 (124) 를 촬영하는 카메라 (122) 보다 더 높은 공간 분해 능력을 갖는 카메라 (122) 에 의해 촬영된 오브젝트 (154) 의 적어도 일부의 이미지 (124) 의 일 실시형태를 도시한다. 구체적으로, 도 6 에서 도시된 이미지 (124) 는 도 7 에서 도시된 오브젝트 (154) 의 동일한 부분의 이미지 (124) 보다 더 높은 수의 픽셀들 (132) 을 포함한다. 보다 구체적으로, 이미지 (124) 내의 관심 영역 (152) 은 도 7 에서보다 도 6 에서 더 높은 수의 픽셀들 (132) 을 포함할 수도 있다. 따라서, 미리정의된 공간 확장부 (116) 에서의 픽셀들 (132) 의 수는 도 7 에서 도시된 이미지 (124) 에서보다 도 6 에서 도시된 이미지 (124) 에서 더 높을 수도 있다.
제 3 하위단계 d3) (방법 단계 158) 는, 적어도 하나의 공간 차원 (126) 에서의 참조 오브젝트 (114) 의 미리 정의된 공간 확장부 (116) 및 픽셀들 (132) 의 수를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계를 포함할 수도 있다. 구체적으로, 공간 분해능 정보 항목은 실제 세계 (128) 내의 단위 거리에서의 미리정의된 공간 확장 (116) 과 이미지 (124) 내의 단위 픽셀에서의 미리정의된 공간 확장 (116) 의 몫일 수도 있거나 그것을 포함할 수도 있다.
모바일 디바이스 (112) 의 적합성을 평가하기 위한 방법 (136) 은 추가로, 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교하고, 그에 의해, 분석 측정을 수행는 목적을 위한 모바일 디바이스 (112) 의 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정하는 단계 e) (방법 단계 160) 를 포함할 수도 있다. 그 적어도 하나의 임계치는 분석 측정의 요망되는 정밀도로부터 도출될 수도 있다. 예를 들어, 그 임계치는 이미지 (124) 에서의 관심 영역 (152) 내의 적어도 하나의 공간 차원 (126) 에서의 픽셀들 (132) 의 최소 수에 의해 결정될 수도 있다. 구체적으로, 임계치는 글루코오스 측정들에 대한 최대 공차에 의해 주어질 수도 있다. 보다 구체적으로, 임계치는 분석 측정의 요망되는 정확도, 특히, 글루코오스 농도 결정의 요망되는 정확도로부터 도출될 수도 있다.
분석 측정을 수행하는 목적을 위한 모바일 디바이스 (112) 의 적합성에 관한 적합성 정보 항목은 예를 들어 불리언 또는 디지털 정보일 수도 있다. 구체적으로, 적합성 정보 항목은 모바일 디바이스를 분석 측정을 수행하는 목적을 위해 "적합한 (suited)” 또는 “부적합한 (unsuited)” 것으로서 표시할 수도 있다. 예를 들어, 적합성 정보 항목을 결정하기 위해, 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 의 x-방향에서의 픽셀들 (132) 의 수는 임계치, 예컨대, 글루코오스 측정의 최대 공차로부터 도출된 임계치와 비교될 수도 있다. 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 의 픽셀들 (132) 의 수가 임계치에 의해 정의된 참조 오브젝트 (114) 의 미리정의된 공간 확장부 (116) 의 x-방향에서의 픽셀들 (132) 의 최소 수보다 더 작은 경우에, 모바일 디바이스 (112) 는 분석 측정을 수행하는 목적을 위해 부적합한 것으로서 결정될 수도 있다.
모바일 디바이스 (112) 의 적합성을 평가하기 위한 방법 (136) 은 추가로, 적어도 하나의 공간 분해능 정보 항목을 이용하여 모바일 디바이스 (112) 의 스케일링 정보를 조정하는 단계 f) (방법 단계 162) 를 포함할 수도 있다. 모바일 디바이스 (112) 의 스케일링 정보는 구체적으로, 모바일 디바이스 (112) 에 의해 촬영된 이미지 (124) 에서의 거리와 실제 세계 (128) 에서의 대응하는 거리 사이의 관계를 나타낼 수도 있다. 그 스케일링 정보는 예를 들어, 방법 (136) 을 시작할 때 스케일링 정보가 디폴트 값으로 설정된 후에 모바일 디바이스 (112) 의 적어도 하나의 공간 분해능에 따라 조정될 수도 있다. 스케일링 정보는, 선명한 이미지를 획득하기 위해 필요한 카메라 (122) 와 카메라 (122) 의 전면에서의 아이템 사이의 최소 거리를 지칭할 수도 있다.
모바일 디바이스 (112) 는 적어도 하나의 분석 측정을 수행하도록 추가로 구성될 수도 있다. 분석 측정을 수행하기 위한 방법 (164) 의 실시형태의 플로우 차트 (134) 가 도 3 에서 도시된다. 분석 측정을 수행하기 위한 방법 (164) 은 모바일 디바이스 (112) 의 적합성을 평가하기 위한 방법 (136) 을 이용하여 모바일 디바이스 (112) 의 적합성을 평가하는 제 1 단계 i) (방법 단계 166) 을 포함할 수도 있다. 구체적으로, 모바일 디바이스 (112) 의 적합성은 상기 설명된 바와 같이 방법 (136) 을 이용하여 평가될 수도 있다.
추가로, 방법 (164) 은 분기점 (168) 을 포함할 수도 있다. 분기점 (168) 은 제 1 분기 (170) 와 제 2 분기 (172) 사이의 결정과 같은 조건 문의를 나타낼 수도 있다. 예를 들어, 조건 문의는 적합성 정보 항목을 이용할 수도 있다. 적합성 정보 항목은 "적합 (suited)” (“y”) 또는 “부적합 (unsuited)” (“n”) 과 같은, 모바일 디바이스 (112) 에 대한 불리언 정보를 포함할 수도 있다. 제 1 분기 (170) 는 모바일 디바이스 (112) 가 분석 측정을 수행하기에 부적합한 것을 나타내고, 따라서, 그 분기는 제 2 단계 ii) (방법 단계 174) 로 이끌 수도 있고, 그 제 2 단계 ii) 는, 적어도 하나의 공간 분해능 정보 항목이 모바일 디바이스 (112) 가 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 분석 측정을 수행하기 위한 방법을 중단한다. 구체적으로, 적합성 정보 항목이 모바일 디바이스 (112) 가 혈액 글루코오스 측정을 수행하기에 부적합한 것을 나타내는 경우에, 혈액 글루코오스 측정은 수행되지 않을 수도 있다. 보다 구체적으로, 혈액 글루코오스 농도를 결정하기 위한 요망되는 공간 분해능이 모바일 디바이스 (112) 및/또는 카메라 (122) 에 의해 충족되지 않는 경우에 혈액 글루코오스 측정은 수행되지 않을 수도 있다.
제 2 분기 (172) 는, 모바일 디바이스 (112) 가 분석 측정을 수행하기에 적합한 것을 나타낸다. 따라서, 제 2 분기 (172) 는, 적어도 하나의 적합성 정보 항목이 모바일 디바이스 (112) 가 분석 측정을 수행에 적합한 것을 나타내는 경우에, 분석 측정을 수행하는 제 3 단계 iii) (방법 단계 176) 으로 이끌 수도 있다. 구체적으로, 적합성 정보 항목이 모바일 디바이스 (112) 가 혈액 글루코오스 측정을 수행하기에 적합한 것을 나타내는 경우에, 혈액 글루코오스 측정이 수행될 수도 있다. 보다 구체적으로, 혈액 글루코오스 측정은, 혈액 글루코오스 농도를 결정하기 위한 요망되는 정확도가 카메라 (122) 및/또는 모바일 디바이스 (112) 에 의해 충족되는 경우에만 혈액 글루코오스 측정이 수행될 수도 있다. 예를 들어, 일단 모바일 디바이스 (112) 의 적합성이 결정되고 나면, 그 모바일 디바이스 (112) 를 사용하여 임의의 수의 분석 측정들이 수행될 수도 있다. 하지만, 대안적으로, 예컨대, 방법 (136) 에서의 모바일 디바이스 (112) 의 적합성의 평가는, 예를 들어, 미리결정된 또는 결정가능한 간격들 후에 또는 모바일 디바이스 (112) 에 대해 임의의 변화들이 이루어진 경우에, 반복될 수도 있다. 따라서, 단계 i) (방법 단계 166) 은 단계 iii) (방법 단계 176) 이 적어도 한번 수행되기 전에 적어도 한번 수행되거나, 방법 단계 166 은 방법 단계 176 이 반복적으로 수행되기 전에 적어도 한번 수행될 수도 있다. 하지만, 방법 단계 176 에 따라 모바일 디바이스 (112) 를 사용하여 분석 측정을 수행하는 것은 복수의 부분적 단계들을 포함할 수도 있다.
방법 단계 176 은 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질을 갖는 적어도 하나의 테스트 엘리먼트 (118) 에 적어도 하나의 샘플을 적용하는 제 1 부분적 단계 a) (방법 단계 178) 를 포함할 수도 있다. 구체적으로, 체액, 예를 들어 혈액의 적어도 하나의 샘플이 적어도 하나의 테스트 엘리먼트 (118) 에 적용될 수도 있다. 도 1 에서 도시된 바와 같은 테스트 엘리먼트 (118) 는, 컬러 형성 반응이 가능한 테스트 화학물질 (120) 을 포함할 수도 있다. 특히, 테스트 화학물질 (120) 은 체액에서의 피분석물 농도에 상관되는 컬러 형성 반응이 가능할 수도 있다. 예를 들어, 테스트 화학물질 (120) 은 테스트 엘리먼트 (118) 에 적용되는 혈액 내의 글루코오스 농도에 상관되는 컬러 형성 반응이 가능할 수도 있다.
방법 단계 176 은 추가로, 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 제 2 부분적 단계 b) (방법 단계 180) 를 포함할 수도 있다. 구체적으로, 테스트 엘리먼트 (118) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영할 때, 도 4 및 도 5 에서 도시된 바와 같이, 모바일 디바이스 (112) 의 디스플레이 (123) 상에 중첩되는 윤곽 (144) 이 모바일 디바이스 (112) 의 카메라 (122) 에 대하여 테스트 엘리먼트 (118) 를 포지셔닝시키기 위한 시각적 안내를 제공할 수도 있다. 따라서, 안내는 방법 (136) 내의 방법 단계 142 (단계 c)) 에서 그리고 방법 (164) 내의 방법 단계 180 에서 양자에서 제공될 수도 있다. 이에 따라, 모바일 디바이스 (112) 가 이미지 (124) 를 촬영하는 것을 나타내는 도 4 및 도 5 는 방법 136 의 방법 단계 142 및 방법 164 의 방법 단계 180 양자를 나타낼 수도 있다.
방법 단계 180 (부분적 단계 b)) 은 복수의 하위단계들, 예컨대 2 개의 하위단계들을 포함할 수도 있다. 제 1 하위단계 b1) (방법 단계 182) 은, 이미지 (124) 에서의 테스트 엘리먼트 (118) 의 테스트 필드 (156) 의 또는 상기 테스트 엘리먼트 (118) 에 대한 타겟 사이즈를 결정하는 것을 포함할 수도 있다. 타겟 사이즈는 예를 들어 이미지 (124) 에서의 테스트 엘리먼트 (118) 의 요망되는 사이즈일 수도 있다. 추가로, 제 2 하위단계 b2) (방법 단계 184) 는, 타겟 사이즈를 나타내는 시각적 표시자를 중첩시킴으로써 이미지 (124) 를 촬영하는 동안 사용자 안내를 제공하는 것을 포함할 수도 있다. 따라서, 구체적으로, 타겟 사이즈는, 도 4 및 도 5 에서 도시된 바와 같이, 모바일 디바이스 (112) 로 이미지 (124) 를 촬영할 때, 디스플레이 (123) 상에 중첩되는 윤곽 (144) 의 사이즈일 수도 있거나 그것을 포함할 수도 있다. 타겟 사이즈, 예컨대, 윤곽 (144) 의 사이즈는, 구체적으로, 적어도 하나의 공간 분해능 정보 항목을 이용하여 결정될 수도 있다. 보다 구체적으로, 디스플레이 (123) 상에 중첩되는 윤곽 (144) 의 사이즈는 이미지 (124) 에서의 2 개 이상의 아이템들을 분해하는 카메라 (122) 의 능력에 대응할 수도 있다. 따라서, 디스플레이 (123) 상에 중첩되는 윤곽 (144) 의 사이즈는, 분석 측정을 수행하기 위해 요망되는 공간 분해능을 충족시키기 위한, 이미지 (124) 에서의, 오브젝트 (154) 의, 예컨대, 테스트 엘리먼트 (118) 의 필요한 사이즈를 나타낼 수도 있다. 오브젝트 (154) 는 이미지 (124) 의 선명함을 잃지 않고서 기술적으로 실현가능한만큼 카메라 (122) 에 가깝게 될 수도 있다. 도 4 에서, 테스트 엘리먼트 (118) 는, 디스플레이 (123) 상에 중첩된 윤곽 (144), 및 테스트 엘리먼트 (118) 가 이미지 (124) 내에 정렬되도록, 모바일 디바이스 (112) 의 카메라 (122) 에 대해 포지셔닝될 수도 있다. 예를 들어, 테스트 엘리먼트 (118) 는, 이미지가 여전히 선명하고 테스트 엘리먼트 (118) 가 디스플레이 (123) 상에 중첩된 윤곽 (144) 과 정렬되도록, 이미지 (124) 를 촬영하기 위한 모바일 디바이스의 카메라 (122) 에 대한 거리 내로 가져와질 수도 있다. 하지만, 도 5 에서, 테스트 엘리먼트 (118) 는 디스플레이 (123) 상에 중첩된 윤곽 (144) 과 정렬되지 않는다. 따라서, 테스트 엘리먼트 (118) 와 카메라 (122) 사이의 거리는 테스트 엘리먼트 (118) 와 윤곽 (144) 을 정렬시키기 위해서 변화될 수도 있다. 예를 들어, 테스트 엘리먼트 (118) 와 윤곽 (144) 을 정렬시키기 위해, 테스트 엘리먼트 (118) 는 모바일 디바이스 (112) 의 카메라 (122) 에 가깝게 가져와질 수도 있다.
추가로, 방법 단계 176 은 이미지 (124) 를 평가하는 것 및 그것의 적어도 하나의 분석 정보를 도출하는 것을 포함하는 제 3 부분적 단계 c) (방법 단계 186) 를 포함할 수도 있다. 구체적으로, 적어도 하나의 분석 정보는, 컬러 형성 반응이 가능한 테스트 화학물질 (120) 을 포함하는 테스트 엘리먼트 (118) 에 적용된, 혈액 내의 혈액 글루코오스 농도와 같은, 샘플 내의 피분석물의 농도일 수도 있거나 그것을 포함할 수도 있다. 이미지 (124) 의 평가는, 테스트 화학물질 (120) 의 결정된 컬러 좌표를, 컬러 좌표와 농도 사이의 미리결정된 또는 결정가능한 상관관계를 이용하여, 샘플 내의 피분석물의 농도로 변환하는 것을 포함할 수도 있다. 그 상관관계는, 예를 들어, 실험적으로 결정된, 룩업 테이블 또는 변환 테이블, 변환 함수일 수도 있거나 그것을 포함할 수도 있다. 상관관계는 추가로, 일례로서, 도 1 에서 예시된 모바일 디바이스 (112) 에 의해 저장 디바이스에 저장될 수도 있다. 구체적으로, 상관관계는 소프트웨어에 의해, 보다 구체적으로 앱에 의해 저장 디바이스에 저장될 수도 있다. 추가로, 소프트웨어 및/또는 앱은, 도 2 및 도 3 에서 예시된 바와 같은, 방법 136 및 방법 164 양자를 수행하기 위한 컴퓨터-실행가능 명령들을 포함하는, 컴퓨터 프로그램일 수도 있거나 그것을 포함할 수도 있다. 프로그램은 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 수도 있고, 구체적으로, 프로그램은 카메라 (122) 를 포함하는 모바일 디바이스 (112) 의 프로세서 (130) 상에서 실행될 수도 있다.
참조 번호들의 리스트
110 분석 측정을 수행하기 위한 키트
112 모바일 디바이스
114 참조 오브젝트
116 미리정의된 공간 확장부
117 테스트 엘리먼트 용기
118 테스트 엘리먼트
119 시각적 참조 필드
120 테스트 화학물질
122 카메라
123 디스플레이
124 이미지
126 차원
128 실제 세계
130 프로세서
132 픽셀
134 플로우 차트
136 모바일 디바이스의 적합성을 평가하기 위한 방법
138 단계 a): 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 디바이스를 제공하는 단계
140 단계 b): 적어도 하나의 미리 정의된 공간 확장부를 갖는 적어도 하나의 참조 오브젝트를 제공하는 단계
142 단계 c): 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계
144 윤곽
146 단계 d): 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계
148 단계 d1): 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트를 이미지 내에서 인식하는 단계
150 하위단계 d2): 적어도 하나의 공간 차원에서 이미지에서의 오브젝트의 픽셀들의 수를 결정하는 단계
152 관심 영역
154 오브젝트
156 테스트 필드
158 하위단계 d3): 적어도 하나의 공간 차원에서의 참조 오브젝트의 미리정의된 공간 확장부 및 픽셀들의 수를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계
160 단계 e): 적어도 하나의 공간 분해능 항목을 적어도 하나의 임계치와 비교하는 단계
162 단계 f): 적어도 하나의 공간 분해능 정보 항목을 이용하여 모바일 디바이스의 스케일링 정보를 조정하는 단계
164 분석 측정을 수행하기 위한 방법
166 단계 i): 모바일 디바이스의 적합성을 평가하는 단계
168 분기점
170 제 1 분기
172 제 2 분기
174 단계 ii): 방법을 중단하는 단계
176 단계 iii): 분석 측정을 수행하는 단계
178 부분적 단계 a): 적어도 하나의 테스트 엘리먼트에 적어도 하나의 샘플을 적용하는 단계
180 부분적 단계 b): 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계
182 하위단계 b1): 이미지에서의 테스트 엘리먼트의 테스트 필드의 또는 테스트 엘리먼트에 대한 타겟 사이즈를 결정하는 단계
184 하위단계 b2): 타겟 사이즈를 나타내는 시각적 표시자를 중첩시킴으로써 이미지를 촬영하는 동안 사용자 안내를 제공하는 단계
186 부분적 단계 c): 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계
110 분석 측정을 수행하기 위한 키트
112 모바일 디바이스
114 참조 오브젝트
116 미리정의된 공간 확장부
117 테스트 엘리먼트 용기
118 테스트 엘리먼트
119 시각적 참조 필드
120 테스트 화학물질
122 카메라
123 디스플레이
124 이미지
126 차원
128 실제 세계
130 프로세서
132 픽셀
134 플로우 차트
136 모바일 디바이스의 적합성을 평가하기 위한 방법
138 단계 a): 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 디바이스를 제공하는 단계
140 단계 b): 적어도 하나의 미리 정의된 공간 확장부를 갖는 적어도 하나의 참조 오브젝트를 제공하는 단계
142 단계 c): 참조 오브젝트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계
144 윤곽
146 단계 d): 이미지를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계
148 단계 d1): 적어도 하나의 공간 차원에서 적어도 하나의 미리 정의된 공간 확장을 갖는 적어도 하나의 참조 오브젝트를 이미지 내에서 인식하는 단계
150 하위단계 d2): 적어도 하나의 공간 차원에서 이미지에서의 오브젝트의 픽셀들의 수를 결정하는 단계
152 관심 영역
154 오브젝트
156 테스트 필드
158 하위단계 d3): 적어도 하나의 공간 차원에서의 참조 오브젝트의 미리정의된 공간 확장부 및 픽셀들의 수를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계
160 단계 e): 적어도 하나의 공간 분해능 항목을 적어도 하나의 임계치와 비교하는 단계
162 단계 f): 적어도 하나의 공간 분해능 정보 항목을 이용하여 모바일 디바이스의 스케일링 정보를 조정하는 단계
164 분석 측정을 수행하기 위한 방법
166 단계 i): 모바일 디바이스의 적합성을 평가하는 단계
168 분기점
170 제 1 분기
172 제 2 분기
174 단계 ii): 방법을 중단하는 단계
176 단계 iii): 분석 측정을 수행하는 단계
178 부분적 단계 a): 적어도 하나의 테스트 엘리먼트에 적어도 하나의 샘플을 적용하는 단계
180 부분적 단계 b): 카메라를 이용하여 테스트 엘리먼트의 적어도 일부의 적어도 하나의 이미지를 촬영하는 단계
182 하위단계 b1): 이미지에서의 테스트 엘리먼트의 테스트 필드의 또는 테스트 엘리먼트에 대한 타겟 사이즈를 결정하는 단계
184 하위단계 b2): 타겟 사이즈를 나타내는 시각적 표시자를 중첩시킴으로써 이미지를 촬영하는 동안 사용자 안내를 제공하는 단계
186 부분적 단계 c): 이미지를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계
Claims (15)
- 분석 측정을 수행하기 위해 적어도 하나의 카메라 (122) 를 갖는 모바일 디바이스 (112) 의 적합성을 평가하는 방법으로서,
a) 상기 적어도 하나의 카메라 (122) 를 갖는 적어도 하나의 상기 모바일 디바이스 (112) 를 제공하는 단계;
b) 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 를 제공하는 단계;
c) 상기 카메라 (122) 를 이용하여 상기 참조 오브젝트 (114) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계;
d) 상기 참조 오브젝트 (114) 의 적어도 일부의 상기 이미지 (124) 를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계로서, 상기 적어도 하나의 공간 분해능 정보 항목은 상기 이미지 (124) 에서의 2 개 이상의 오브젝트들을 분해하는 상기 카메라 (122) 의 능력을 정량화하는 하나 이상의 수치들을 포함하는, 상기 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계; 및
e) 상기 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교함으로써, 상기 분석 측정을 수행하기 위한 모바일 디바이스 (112) 의 상기 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정하는 단계로서, 상기 적어도 하나의 임계치는 상기 이미지 (124) 에서의 적어도 하나의 관심 영역 (152) 내의 상기 적어도 하나의 공간 차원에서의 픽셀들 (132) 의 최소 수에 의해 결정되는, 상기 적어도 하나의 적합성 정보 항목을 결정하는 단계를 포함하는, 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하는 방법. - 제 1 항에 있어서,
f) 상기 적어도 하나의 공간 분해능 정보 항목을 이용하여 상기 모바일 디바이스 (112) 의 스케일링 정보를 조정하는 단계를 더 포함하는, 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하는 방법. - 제 1 항에 있어서,
상기 이미지를 이용하여 상기 적어도 하나의 공간 분해능 정보를 도출하는 단계는,
d1) 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 상기 적어도 하나의 참조 오브젝트 (114) 를 상기 이미지 (124) 내에서 인식하는 단계;
d2) 상기 적어도 하나의 공간 차원 (126) 에서 상기 이미지 (124) 에서의 상기 오브젝트의 픽셀들 (132) 의 수를 결정하는 단계;
d3) 상기 적어도 하나의 공간 차원 (126) 에서의 상기 참조 오브젝트 (114) 의 상기 미리 정의된 공간 확장부 (116) 및 상기 픽셀들 (132) 의 수를 이용하여 상기 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계를 포함하는, 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하는 방법. - 제 1 항에 있어서,
방법 단계 c) 는 상기 참조 오브젝트 (114) 에 대하여 상기 모바일 디바이스 (112) 를 포지셔닝시키기 위한 사용자에 대한 시각적 안내를 제공하는 단계를 포함하는, 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하는 방법. - 제 1 항에 있어서,
상기 참조 오브젝트 (114) 는 오브젝트 (154) 에 의해 완전히 또는 부분적으로 포함되고, 상기 오브젝트 (154) 는 테스트 엘리먼트 (118); 테스트 엘리먼트 용기 (117); 적어도 하나의 테스트 엘리먼트 (118) 를 수용하기 위한 포장으로 이루어진 그룹으로부터 선택되는, 분석 측정을 수행하기 위해 적어도 하나의 카메라를 갖는 모바일 디바이스의 적합성을 평가하는 방법. - 적어도 하나의 카메라 (122) 를 갖는 모바일 디바이스 (112) 를 이용하여 분석 측정을 수행하기 위한 방법으로서,
i) 청구항 제 1 항에 기재된 방법을 이용하여 상기 모바일 디바이스 (112) 의 적합성을 평가하는 단계;
ii) 적어도 하나의 공간 분해능 정보 항목이 상기 모바일 디바이스 (112) 가 상기 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 상기 분석 측정을 수행하기 위한 상기 방법 (164) 을 중단하는 단계;
iii) 상기 적어도 하나의 공간 분해능 정보 항목이 상기 모바일 디바이스 (112) 가 상기 분석 측정을 수행하기에 적합한 것을 나타내는 경우에,
a. 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질 (120) 을 갖는 적어도 하나의 테스트 엘리먼트 (118) 에 적어도 하나의 샘플을 적용하는 단계;
b. 상기 카메라 (122) 를 이용하여 상기 테스트 엘리먼트 (118) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계;
c. 상기 이미지 (124) 를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계
를 포함하는, 상기 분석 측정을 수행하는 단계를 포함하는, 분석 측정을 수행하기 위한 방법. - 제 6 항에 있어서,
단계 iii) 이 수행되기 전에 단계 i) 이 적어도 한번 수행되는, 분석 측정을 수행하기 위한 방법. - 제 6 항에 있어서,
단계 ii) 는, 상기 분석 측정을 수행하기 위한 상기 모바일 디바이스 (112) 의 부적합성을 상기 모바일 디바이스 (112) 의 사용자에게 알리는 것; 상기 모바일 디바이스 (112) 를 사용하여 상기 분석 측정을 수행하기 위한 장래의 시도들을 차단하는 것; 소프트웨어 다운로드 서버에 상기 분석 정보를 수행하기에 부적합한 상기 모바일 디바이스 (112) 에 대한 정보를 전송하는 것 중 적어도 하나를 포함하는, 분석 측정을 수행하기 위한 방법. - 제 6 항에 있어서,
단계 b. 는 다음의 하위단계들:
b1. 상기 이미지 (124) 에서의 상기 테스트 엘리먼트 (118) 의 테스트 필드 (156) 의 또는 상기 테스트 엘리먼트 (118) 에 대한 타겟 사이즈를 결정하는 단계;
b2. 상기 타겟 사이즈를 나타내는 시각적 표시자를 중첩시킴으로써 상기 이미지 (124) 를 촬영하는 동안 사용자 안내를 제공하는 단계
를 포함하는, 분석 측정을 수행하기 위한 방법. - 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 컴퓨터 또는 컴퓨터 네트워크 상에서 상기 프로그램이 실행될 때 청구항 제 1 항 내지 제 9 항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터-실행가능 명령들을 포함하는, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 분석 측정을 수행하기 위한 모바일 디바이스 (112) 로서,
상기 모바일 디바이스 (112) 는 적어도 하나의 카메라 (122) 를 갖고, 상기 모바일 디바이스 (112) 는,
I. 상기 카메라 (122) 를 이용하여 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계; 및
II. 상기 참조 오브젝트 (114) 의 적어도 일부의 상기 이미지 (124) 를 이용하여 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계로서, 상기 적어도 하나의 공간 분해능 정보 항목은 상기 이미지 (124) 에서의 2 개 이상의 오브젝트들을 분해하는 상기 카메라 (122) 의 능력을 정량화하는 하나 이상의 수치들을 포함하는, 상기 적어도 하나의 공간 분해능 정보 항목을 도출하는 단계
를 이용하여 자기-적합성 평가를 수행하도록 구성되고,
상기 모바일 디바이스 (112) 는, 상기 적어도 하나의 공간 분해능 정보 항목을 적어도 하나의 임계치와 비교함으로써, 상기 분석 측정을 수행하기 위한 모바일 디바이스 (112) 의 상기 적합성에 관한 적어도 하나의 적합성 정보 항목을 결정하는 것으로서, 상기 적어도 하나의 임계치는 상기 이미지 (124) 에서의 적어도 하나의 관심 영역 (152) 내의 상기 적어도 하나의 공간 차원에서의 픽셀들 (132) 의 최소 수에 의해 결정되는, 상기 적어도 하나의 적합성 정보 항목을 결정하는 것을 행하도록 더 구성되는, 분석 측정을 수행하기 위한 모바일 디바이스 (112). - 제 11 항에 있어서,
상기 모바일 디바이스 (112) 는,
III. 상기 적어도 하나의 공간 분해능 정보 항목에 기초하여 상기 모바일 디바이스 (112) 의 상기 적합성을 평가하는 단계;
IV. 상기 적어도 하나의 공간 분해능 정보 항목이 상기 모바일 디바이스 (112) 가 상기 분석 측정을 수행하기에 부적합한 것을 나타내는 경우에, 상기 분석 측정을 중단하는 단계;
V. 상기 적어도 하나의 공간 분해능 정보 항목이 상기 모바일 디바이스 (112) 가 상기 분석 측정을 수행하기에 적합한 것을 나타내는 경우에,
a. 상기 카메라 (122) 를 이용하여 테스트 엘리먼트 (118) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계로서, 상기 테스트 엘리먼트 (118) 는 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질 (120) 을 가지고, 상기 테스트 엘리먼트 (118) 는 거기에 적어도 하나의 샘플이 적용된, 상기 적어도 하나의 이미지 (124) 를 촬영하는 단계;
b. 상기 카메라 (122) 를 이용하여 상기 테스트 엘리먼트 (118) 의 적어도 일부의 적어도 하나의 이미지 (124) 를 촬영하는 단계;
c. 상기 이미지 (124) 를 평가하고, 그것의 적어도 하나의 분석 정보를 도출하는 단계
를 포함하는, 상기 분석 측정을 수행하는 단계
를 이용하여, 적어도 하나의 분석 측정을 수행하도록 더 구성되는, 분석 측정을 수행하기 위한 모바일 디바이스 (112). - 분석 측정을 수행하기 위한 키트 (110) 로서,
상기 키트 (110) 는,
- 청구항 제 11 항 또는 제 12 항에 기재된 적어도 하나의 모바일 디바이스 (112);
- 적어도 하나의 공간 차원 (126) 에서 적어도 하나의 미리 정의된 공간 확장부 (116) 를 갖는 적어도 하나의 참조 오브젝트 (114); 및
- 컬러 형성 반응이 가능한 적어도 하나의 테스트 화학물질 (120) 을 갖는 적어도 하나의 테스트 엘리먼트 (118)
를 포함하는, 분석 측정을 수행하기 위한 키트. - 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP17198287.9A EP3477286B1 (en) | 2017-10-25 | 2017-10-25 | Methods and devices for performing an analytical measurement |
| EP17198287.9 | 2017-10-25 | ||
| PCT/EP2018/079079 WO2019081541A1 (en) | 2017-10-25 | 2018-10-24 | METHODS AND DEVICES FOR IMPLEMENTING AN ANALYTICAL MEASUREMENT |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200079269A KR20200079269A (ko) | 2020-07-02 |
| KR102603366B1 true KR102603366B1 (ko) | 2023-11-16 |
Family
ID=60269632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207014500A KR102603366B1 (ko) | 2017-10-25 | 2018-10-24 | 분석 측정을 수행하기 위한 방법들 및 디바이스들 |
Country Status (21)
| Country | Link |
|---|---|
| US (1) | US11120553B2 (ko) |
| EP (1) | EP3477286B1 (ko) |
| JP (1) | JP7228585B2 (ko) |
| KR (1) | KR102603366B1 (ko) |
| CN (1) | CN111247422A (ko) |
| AR (1) | AR113403A1 (ko) |
| AU (1) | AU2018356385B2 (ko) |
| BR (1) | BR112020007641B1 (ko) |
| CA (1) | CA3078667A1 (ko) |
| ES (1) | ES2943012T3 (ko) |
| HU (1) | HUE061575T2 (ko) |
| IL (1) | IL273981B2 (ko) |
| MA (1) | MA49594B1 (ko) |
| MX (1) | MX2020003484A (ko) |
| PL (1) | PL3477286T3 (ko) |
| PT (1) | PT3477286T (ko) |
| SG (1) | SG11202003564RA (ko) |
| TN (1) | TN2020000056A1 (ko) |
| TW (1) | TWI799459B (ko) |
| WO (1) | WO2019081541A1 (ko) |
| ZA (1) | ZA202002196B (ko) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019150770A1 (ja) * | 2018-01-31 | 2019-08-08 | 富士フイルム株式会社 | 音響波装置および音響波装置の制御方法 |
| WO2020260246A1 (en) | 2019-06-26 | 2020-12-30 | F. Hoffmann-La Roche Ag | Method of determining a concentration of an analyte in a bodily fluid and mobile device configured for determining a concentration of an analyte in a bodily fluid |
| CN110887960B (zh) * | 2019-12-02 | 2021-11-02 | 电子科技大学 | 一种基于机器视觉的尿液试纸条定量检测系统及方法 |
| US20220020481A1 (en) | 2020-07-20 | 2022-01-20 | Abbott Laboratories | Digital pass verification systems and methods |
| CN116250004A (zh) | 2020-09-17 | 2023-06-09 | 斯肯威尔健康公司 | 诊断测试试剂盒及其分析方法 |
| USD970033S1 (en) | 2020-10-23 | 2022-11-15 | Becton, Dickinson And Company | Cartridge imaging background device |
| CN116324382A (zh) | 2020-10-23 | 2023-06-23 | 贝克顿·迪金森公司 | 用于测试设备的成像和基于图像的分析的系统和方法 |
| CN112540145A (zh) * | 2020-11-04 | 2021-03-23 | 江苏大学 | 一种自动色差滴定仪及其测量方法 |
| CN113598761B (zh) * | 2021-05-10 | 2024-10-08 | 浙江大学台州研究院 | 一种基于ccd的双波长红外血氧检测系统 |
| CN113538593B (zh) * | 2021-06-22 | 2022-04-15 | 北京大学 | 一种基于车载移动靶标的无人机遥感时间分辨率定标方法 |
| CN113466440B (zh) * | 2021-06-30 | 2024-04-19 | 上海科华实验系统有限公司 | 一种生化分析仪定位精度测试设备及测试方法 |
| WO2024184138A1 (en) | 2023-03-03 | 2024-09-12 | F. Hoffmann-La Roche Ag | Methods and devices for providing blacklist information on the suitability of a mobile device for performing analytical measurements |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013530799A (ja) | 2010-07-20 | 2013-08-01 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 体液中の検体を検出する装置 |
| JP2015230488A (ja) | 2014-06-03 | 2015-12-21 | 富士ゼロックス株式会社 | 真贋評価装置及びプログラム |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5872860A (en) * | 1997-03-13 | 1999-02-16 | Ortho Diagnostic Systems, Inc. | Calibration cassette for use in calibrating an automated agglutination reaction analyzing system |
| US6628829B1 (en) * | 2000-08-08 | 2003-09-30 | Richard Jeffrey Chasen | Method and system for matching a surface color |
| US20090177068A1 (en) * | 2002-10-09 | 2009-07-09 | Stivoric John M | Method and apparatus for providing derived glucose information utilizing physiological and/or contextual parameters |
| PL3026874T3 (pl) * | 2005-04-01 | 2020-05-18 | Polymer Technology Systems, Inc. | Składnik do badania płynu ustrojowego do detekcji analitu |
| EP1801568A1 (de) | 2005-12-21 | 2007-06-27 | Micronas Holding GmbH | Teststreifen und Verfahren zum Messen einer Analytkonzentration in einer Probe eines biologischen Fluids |
| HUP0600177A2 (en) * | 2006-03-03 | 2009-03-02 | 3D Histech Kft | Equipment for and method of digitizing slides by automated digital image recording system |
| WO2009128205A1 (ja) * | 2008-04-18 | 2009-10-22 | パナソニック株式会社 | 液体試料分析方法 |
| GB201105474D0 (en) * | 2011-03-31 | 2011-05-18 | Albagaia Ltd | Testing apparatus |
| US9708641B2 (en) * | 2012-05-14 | 2017-07-18 | Lawrence Livermore National Security, Llc | Mobile app for chemical detection |
| BR112014028616B1 (pt) | 2012-06-22 | 2020-12-29 | F. Hoffmann-La Roche Ag | método para a detecção de pelo menos um analito em pelo menos uma amostra de um fluido do corpo, dispositivo e sistema de teste |
| WO2014025415A2 (en) | 2012-08-08 | 2014-02-13 | Scanadu Incorporated | Method and apparatus for performing and quantifying color changes induced by specific concentrations of biological analytes in an automatically calibrated 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 |
| US9241663B2 (en) * | 2012-09-05 | 2016-01-26 | Jana Care Inc. | Portable medical diagnostic systems and methods using a mobile device |
| ES2401443B1 (es) * | 2012-10-11 | 2013-11-15 | Blazer Technologies, Slu | Procedimiento y sistema de medición de una tira reactiva |
| KR101750638B1 (ko) * | 2012-12-20 | 2017-06-23 | 에프. 호프만-라 로슈 아게 | 체액의 샘플을 분석하는 방법 |
| EP3140613B1 (en) * | 2014-05-05 | 2024-04-03 | Hexagon Technology Center GmbH | Surveying system |
| 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 |
| US9940717B2 (en) * | 2014-12-23 | 2018-04-10 | Intel Corporation | Method and system of geometric camera self-calibration quality assessment |
| JP6714006B2 (ja) * | 2015-01-29 | 2020-06-24 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 医療イメージングモダリティで使用するための患者の生体計測パラメータ及び生理学的パラメータを自動測定するためのカメラシステム |
| EP3054273B8 (en) * | 2015-02-09 | 2019-09-11 | Instrument Systems Optische Messtechnik GmbH | Colorimetry system for display testing |
| EP3085306B1 (en) * | 2015-04-22 | 2017-11-01 | Roche Diabetes Care GmbH | Medical product and method for authenticating the same |
| DE102015207348B4 (de) * | 2015-04-22 | 2018-02-15 | Siemens Healthcare Gmbh | Verfahren, Datenverarbeitungseinheit, motorisiertes Gerät, Computerprogrammprodukt und computerlesbares Medium zum Kalibrieren einer Kamera |
| CN104867159B (zh) * | 2015-06-05 | 2018-04-10 | 北京大恒图像视觉有限公司 | 一种数字相机传感器污点检测及分级方法与装置 |
| WO2017056002A1 (en) * | 2015-09-29 | 2017-04-06 | Ascensia Diabetes Care Holdings Ag | Method and system of using a mobile device for analyte detection |
| CN106971146B (zh) * | 2017-03-03 | 2018-04-03 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和系统 |
-
2017
- 2017-10-25 PL PL17198287.9T patent/PL3477286T3/pl unknown
- 2017-10-25 EP EP17198287.9A patent/EP3477286B1/en active Active
- 2017-10-25 HU HUE17198287A patent/HUE061575T2/hu unknown
- 2017-10-25 PT PT171982879T patent/PT3477286T/pt unknown
- 2017-10-25 ES ES17198287T patent/ES2943012T3/es active Active
-
2018
- 2018-10-24 TW TW107137450A patent/TWI799459B/zh active
- 2018-10-24 IL IL273981A patent/IL273981B2/en unknown
- 2018-10-24 WO PCT/EP2018/079079 patent/WO2019081541A1/en active Application Filing
- 2018-10-24 CN CN201880069372.6A patent/CN111247422A/zh active Pending
- 2018-10-24 MA MA49594A patent/MA49594B1/fr unknown
- 2018-10-24 TN TNP/2020/000056A patent/TN2020000056A1/en unknown
- 2018-10-24 BR BR112020007641-4A patent/BR112020007641B1/pt active IP Right Grant
- 2018-10-24 KR KR1020207014500A patent/KR102603366B1/ko active IP Right Grant
- 2018-10-24 AU AU2018356385A patent/AU2018356385B2/en active Active
- 2018-10-24 AR ARP180103093A patent/AR113403A1/es active IP Right Grant
- 2018-10-24 MX MX2020003484A patent/MX2020003484A/es unknown
- 2018-10-24 CA CA3078667A patent/CA3078667A1/en active Pending
- 2018-10-24 JP JP2020523283A patent/JP7228585B2/ja active Active
- 2018-10-24 SG SG11202003564RA patent/SG11202003564RA/en unknown
-
2020
- 2020-04-17 US US16/852,027 patent/US11120553B2/en active Active
- 2020-05-04 ZA ZA2020/02196A patent/ZA202002196B/en unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013530799A (ja) | 2010-07-20 | 2013-08-01 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 体液中の検体を検出する装置 |
| JP2015230488A (ja) | 2014-06-03 | 2015-12-21 | 富士ゼロックス株式会社 | 真贋評価装置及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| ZA202002196B (en) | 2024-09-25 |
| AR113403A1 (es) | 2020-04-29 |
| JP2021500569A (ja) | 2021-01-07 |
| IL273981A (en) | 2020-05-31 |
| RU2020115601A (ru) | 2021-11-25 |
| IL273981B2 (en) | 2023-12-01 |
| IL273981B1 (en) | 2023-08-01 |
| TW201924605A (zh) | 2019-07-01 |
| MA49594A1 (fr) | 2020-12-31 |
| ES2943012T3 (es) | 2023-06-08 |
| TN2020000056A1 (en) | 2022-01-06 |
| HUE061575T2 (hu) | 2023-07-28 |
| PT3477286T (pt) | 2023-04-24 |
| TWI799459B (zh) | 2023-04-21 |
| EP3477286B1 (en) | 2023-03-01 |
| BR112020007641B1 (pt) | 2023-12-12 |
| BR112020007641A2 (pt) | 2020-12-01 |
| SG11202003564RA (en) | 2020-05-28 |
| JP7228585B2 (ja) | 2023-02-24 |
| CA3078667A1 (en) | 2019-05-02 |
| PL3477286T3 (pl) | 2023-06-26 |
| RU2020115601A3 (ko) | 2022-02-14 |
| US20200242769A1 (en) | 2020-07-30 |
| WO2019081541A1 (en) | 2019-05-02 |
| KR20200079269A (ko) | 2020-07-02 |
| US11120553B2 (en) | 2021-09-14 |
| AU2018356385B2 (en) | 2023-11-23 |
| AU2018356385A1 (en) | 2020-04-23 |
| MA49594B1 (fr) | 2021-08-31 |
| EP3477286A1 (en) | 2019-05-01 |
| CN111247422A (zh) | 2020-06-05 |
| MX2020003484A (es) | 2020-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102603366B1 (ko) | 분석 측정을 수행하기 위한 방법들 및 디바이스들 | |
| KR102654430B1 (ko) | 컬러 형성 반응에 기초하여 분석 측정을 수행하기 위한 방법들 및 디바이스들 | |
| US20210096083A1 (en) | Method for calibrating a camera of a mobile device for detecting an analyte in a sample | |
| KR20230086754A (ko) | 카메라를 가진 모바일 장치의 자동 노출 설정 제어 방법 | |
| RU2777489C2 (ru) | Способы и устройства для проведения аналитического измерения | |
| US20230184689A1 (en) | Test strip fixation device for optical measurements of an analyte | |
| RU2777984C9 (ru) | Способы и устройства для проведения аналитического измерения, основанного на цветообразующей реакции | |
| RU2809608C2 (ru) | Способ калибровки для калибровки камеры мобильного устройства для определения аналита в образце | |
| RU2777984C2 (ru) | Способы и устройства для проведения аналитического измерения, основанного на цветообразующей реакции | |
| KR20220029580A (ko) | 카메라가 있는 모바일 장치를 사용한 체액 내 분석물질의 농도 측정 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |