KR20220104171A - 체액 내 분석물의 농도를 결정하는 방법 - Google Patents

체액 내 분석물의 농도를 결정하는 방법 Download PDF

Info

Publication number
KR20220104171A
KR20220104171A KR1020227017532A KR20227017532A KR20220104171A KR 20220104171 A KR20220104171 A KR 20220104171A KR 1020227017532 A KR1020227017532 A KR 1020227017532A KR 20227017532 A KR20227017532 A KR 20227017532A KR 20220104171 A KR20220104171 A KR 20220104171A
Authority
KR
South Korea
Prior art keywords
mobile device
image
analyte
correlation
color
Prior art date
Application number
KR1020227017532A
Other languages
English (en)
Inventor
막스 베르크
시바 치타잘루
벤허 에이신
Original Assignee
에프. 호프만-라 로슈 아게
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에프. 호프만-라 로슈 아게 filed Critical 에프. 호프만-라 로슈 아게
Publication of KR20220104171A publication Critical patent/KR20220104171A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8483—Investigating reagent band
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/52—Use of compounds or compositions for colorimetric, spectrophotometric or fluorometric investigation, e.g. use of reagent paper and including single- and multilayer analytical elements
    • G01N33/521—Single-layer analytical elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/251—Colorimeters; Construction thereof
    • 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
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/52—Use of compounds or compositions for colorimetric, spectrophotometric or fluorometric investigation, e.g. use of reagent paper and including single- and multilayer analytical elements
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G01N2021/1776—Colour camera
    • 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
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Microbiology (AREA)
  • Food Science & Technology (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Spectroscopy & Molecular Physics (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)

Abstract

체액 내 분석물의 농도를 결정하는 방법이 개시된다. 상기 방법은 카메라(114)를 갖는 모바일 장치(112)를 이용하는 단계를 포함한다. 또한, 상기 방법은 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 포함한다. 상기 방법은 테스트 필드(126)의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계를 더 포함하며, 상기 방법은
i) 모바일 장치(112)에서, 테스트 필드(126)의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계,
ii) 모바일 장치(112)에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
iii) 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해 적어도 하나의 이미지의 캡처가 컬러 참조 카드(128) 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계를 포함한다.
또한, 분석 측정을 제어하는 방법, 모바일 장치(112), 분석 측정을 제어하기 위한 시스템(110) 및 분석 측정을 수행 및/또는 제어하기 위한 컴퓨터 프로그램이 개시된다.

Description

체액 내 분석물의 농도를 결정하는 방법
본 발명은 체액 내 분석물의 농도를 결정하는 방법과 관련된다. 본 발명은 카메라를 갖는 적어도 하나의 모바일 장치를 이용해 분석 측정을 제어하는 방법과 관련된다. 또한, 본 발명은 적어도 하나의 카메라를 갖는 모바일 장치, 분석 측정을 제어하기 위한 시스템, 컴퓨터 프로그램 및 컴퓨터-판독형 저장 매체와 관련된다. 상기 방법, 모바일 장치, 컴퓨터 프로그램 및 저장 매체는 특히 하나 이상의 체액에서 하나 이상의 분석물을 정성적 또는 정량적으로 검출하기 위해, 예를 들어, 가령, 혈액 및/또는 간질액에서 포도당을 검출하기 위해, 의학적 진단에서 사용될 수 있다. 그러나 본 발명의 그 밖의 다른 응용 분야도 가능하다.
의학적 진단 분야에서, 많은 경우에서, 하나 이상의 분석물이 체액, 가령, 혈액, 조직액, 소변, 타액 또는 그 밖의 다른 유형의 체액의 샘플에서 검출되어야 한다. 검출되는 분석물의 예로는 포도당, 트리글리세리드, 젖산, 콜레스테롤 또는 이들 체액에 일반적으로 존재하는 그 밖의 다른 유형의 분석물이 있다. 분석물의 농도 및/또는 존재여부에 따라, 필요한 경우 적절한 치료가 선택될 수 있다. 범위를 좁히지 않으면서, 본 발명은 구체적으로 혈당 측정에 대해 기재될 수 있다. 그러나 본 발명은 테스트 요소를 이용하는 그 밖의 다른 유형의 분석 측정을 위해서도 사용될 수 있다.
일반적으로, 통상의 기술자에게 알려진 장치 및 방법이, 검출될 분석물이 존재할 때 하나 이상의 검출 가능한 검출 반응, 가령, 광학적으로 검출 가능한 검출 반응을 수행할 수 있는 하나 이상의 테스트 화학을 포함하는 테스트 요소를 이용한다. 테스트 요소에 포함된 테스트 화학과 관련하여, 예컨대, J.Hoenes외: The Technology Behind Glucose Meters: Test Strips, Diabetes Technology & Therapeutics, Volume 10, Supplement 1, 2008, S-10 to S-26를 참조할 수 있다. 그 밖의 다른 유형의 테스트 화학이 가능하며 본 발명을 수행하도록 사용될 수 있다.
분석 측정에서, 특히, 컬러 형성 반응에 기초한 분석 측정에서, 검출 반응으로 인한 컬러 변화의 평가에서 한 가지 기술적 과제가 있다. 특화된 분석 장치, 가령, 핸드헬드 혈당계를 이용하는 것외에, 최근들어, 일반적으로 사용 가능한 전자장치, 가령, 스마트폰 및 휴대용 컴퓨터 또는 그 밖의 다른 모바일 장치의 사용이 점점 더 대중적이 되고 있다. 예를 들어, WO 2012/131386 A1가 어세이를 수행하기 위한 테스트 장치를 개시하고, 테스트 장치는, 시약을 담는 용기 - 상기 시약은 컬러 또는 패턴 변화를 형성함으로써 도포된 테스트 샘플에 반응함 - , 프로세서 및 이미지 캡처 장치를 포함하는 휴대용 장치, 가령, 모바일 전화기 또는 랩톱 - 프로세서는 이미지 캡처 장치에 의해 캡처된 데이터를 처리하고 도포된 테스트 샘플에 대한 테스트 결과를 출력하도록 구성됨 - 을 포함한다.
EP 3 477 270 A1는 컬러 형성 반응에 기초하여 분석 측정을 수행하기 위한 목적으로 적어도 하나의 카메라를 갖는 모바일 장치의 적합성을 평가하기 위한 방법을 기재한다. 상기 방법은 a) 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 장치를 제공하는 단계, b) 적어도 하나의 참조 컬러 필드를 갖는 적어도 하나의 물체를 제공하는 단계, c) 카메라를 이용함으로써 참조 컬러 필드의 적어도 하나의 부분의 적어도 하나의 이미지를 취하는 단계, 및 d) 이미지를 이용함으로써 적어도 하나의 컬러 해상도 정보를 도출하는 단계를 포함한다.
실험실 측정 및 전용 분석 측정 장치를 이용함으로써 수행되는 측정과 달리, 모바일 컴퓨팅 장치, 가령, 스마트 폰을 이용할 때, 다양한 영향이 고려될 필요가 있다. 예를 들어, 조명 조건, 위치설정, 진동 또는 그 밖의 다른 다양한 제어 불가능한 조건이 고려될 것이다.
일반적으로, 광학 평가를 위해, 그리고 특정하게, 이미지의 평가를 위해, 복수의 방법이 개발되었다. 그 중에서, 인공 신경망(ANN)을 이용한 방법이 알려져 있다.
US 6122042 A는 물체의 광측정 분석 및/또는 속성의 식별을 위한 장치를 개시한다. 상기 장치는 실질적으로 구별되는 파장 포락선을 가지며 구별되는 조합의 신속한 시퀀스로 활성화되는 광원의 모음을 포함한다. 상기 장치는 또한 물체로부터 복수를 검출하고 검출된 신호를 생성하는 공간적으로 분포된 광 검출기의 모음을 더 포함한다. 광원을 제어하고 검출된 신호를 분석하기 위한 신호 프로세서가 검출된 신호를 구별되는 광원 조합의 시퀀스의 활성화와 동기화시켜 연관된 검출 신호 조합을 생성할 수 있으며, 그 후 물체의 물리적 속성을 결정하기 위해 연관된 검출 신호 조합이 분석 및/또는 알려진 물체로부터 이전에 검출된 신호와 유사한지 비교된다. 광측정 데이터가 조합되고 다른 측정된 데이터와 상관되어 식별을 보강할 수 있다. 　
EP 1051687 B1은 의학적 진단 또는 환자를 위한 위험 평가를 위한 시스템 및 방법을 개시한다. 이들 시스템 및 방법은 현장 진료(point of care)에서, 가령, 응급실 및 수술실에서, 또는 신속하고 정확한 결과가 희망되는 임의의 상황에서, 채용되도록 설계된다. 시스템 및 방법은 환자 데이터, 특히, 현장 진료 진단 테스트 또는 어세이, 가령, 면역분석, 심전도, X-선 및 그 밖의 다른 이러한 테스트로부터의 데이터를 처리하고, 의료 상태 또는 위험 또는 이의 부재의 지시자를 제공한다. 시스템은 테스트 데이터를 판독 또는 평가하기 위한 기구 및 데이터를 진단 또는 위험 평가 정보로 변환하기 위한 소프트웨어를 포함한다.
US 10277877 B2는 일련의 2차원 이미지를 일련의 3차원 이미지로 변환하기 위한 방법을 개시한다. 상기 방법은 상기 일련의 2차원 이미지를 수신하는 단계를 포함하고, 상기 일련의 2차원 이미지를 상기 일련의 3차원 이미지로 변환하는 단계를 더 포함한다. 상기 변환은 신경망에 기초하여 상기 일련의 2차원 이미지 각각과 연관된 각자의 심도 맵을 결정할 수 있고 상기 심도 맵을 처리하여 상기 2차원 이미지를 3D 디스플레이 상에 디스플레이되기 위한 상기 일련의 3차원 이미지로서 렌더링할 수 있다.
EP 612035 A1는 추출된 특징의 비교에 기초하여, 바람직하게는 특수 신경망을 이용해, 서명과 손글씨를 검증하는 방법을 개시한다.
WO 2018/224442 A1는 다수의 클래스에 대해 사전-훈련된 딥 신경망을 이용해 이미지를 분석하기 위한 방법 및 장치를 개시한다. 적응된 신경망을 순방향 통과하여 처리 결과를 생성함으로써, 이미지가 처리된다. 적응된 신경망은 정확히 하나의 선택된 클래스에 집중하도록 사전-훈련된 신경망으로부터 적응된다. 그런 다음 처리 결과가 분석되고 이미지 처리 알고리즘을 이용해 선택된 클래스에 대응하는 특징에 집중한다. 이미지로부터 이들 특징의 징후를 제거함으로써 수정된 이미지가 생성된다.
WO 2018/141429 A1는 이미지에서 관심 객체를 검출하기 위한 방법 및 장치를 개시한다. 상기 방법은 적어도 하나의 입력 이미지를, 레이어의 스택을 포함하는 훈련된 딥 신경망에 공급하는 단계를 포함한다. 상기 방법은 적어도 하나의 학습된 필터의 적어도 하나의 디콘볼루션된 출력을 이용하거나 훈련된 딥 신경망의 적어도 하나의 레이어의 학습된 필터의 디콘볼루션된 출력을 조합하여, 공급된 이미지에서 관심 객체를 검출하는 단계를 포함한다.
WO 1999/053288 A2는 라임 웨스턴 블랏(Lyme Western Blot)의 해석을 위한 자동화된 시스템 및 방법의 사용을 개시한다. 프로그램이, 디지털 카메라에 의해 테스트 막을 스캔하고 테스트 결과를 양성 또는 음성으로 해석함으로써, 면역블랏 테스트, 가령, 웨스턴 블랏 테스트에 의해 생성된 띠 패턴을 분석할 수 있다. 하나의 실시예에서, 띠 데이터의 통계적 분석이 채용되고 다른 경우 신경망이 채용된다. 통계 프로그램이 해석 알고리즘, 가령, 라임 웨스턴 블랏의 경우 CDC/ASTPHLD에 의해 지원되는 것을 포함할 수 있다. 신경망은 학습할 수 있고 자신의 성능을 개선시킬 수 있으며, 많은 수의 양성 및 음성 샘플의 분석을 통해 해석을 위한 고유의 기준을 개발할 것이다.
분석 측정을 수행하기 위해 모바일 컴퓨팅 장치를 이용하는 것과 관련된 이점에도 불구하고, 몇 가지 기술적 과제가 남아 있다. 따라서 일반적으로 인공 신경망이 이미지 분석을 위해 알려져 있더라도, 광학 테스트 스트립, 가령, 색채학적 테스트 스트립의 모바일-기반 평가에의 적용이 여전히 과제이다. 특히, 방대한 양의 조합된 영향 인자와 새로운 기술을 이용하는 새로운 스마트폰의 상시 출시 때문에, 특화된 연구에서 인공 신경망을 위한 필요한 훈련 데이터를 생성하는 것이 일반적으로 과제이다. 따라서, 원칙적으로, 모바일 장치의 각각의 버전에 대해 일반적으로 엄청난 양의 노력과 관련된 새로운 훈련 연구가 개시되어야 할 것이다.
따라서 앞서 언급된 과제를 적어도 부분적으로 해결하는 장치 및 방법을 제공하는 것이 바람직하다. 특히, 높은 정확도와 재현성을 갖고, 그러나 설정과 준비를 위한 노력은 적은, 체액 내 분석물의 농도의 사용자 친화적 모바일 기반 결정을 가능하게 하는 장치 및 방법을 제공하는 것이 바람직하다.
이 문제는 체액 내 분석물의 농도를 결정하는 방법에 의해, 카메라를 갖는 적어도 하나의 모바일 장치를 이용해 분석 측정을 제어하는 방법에 의해 해결된다. 또한, 독립 청구항의 특징을 갖는, 적어도 하나의 카메라를 갖는 모바일 장치에 의해, 분석 측정을 제어하기 위한 시스템에 의해, 그리고 컴퓨터 프로그램 및 컴퓨터-판독형 저장 매체에 의해 해결된다. 독립적으로 또는 임의의 무작위 조합으로 구현될 수 있는 바람직한 실시예가 종속 청구항에 나열된다.
이하에서 사용될 때, 용어 "갖다(have)", "포함하다(comprise)" 또는 "포함하다(include)" 또는 이들의 임의의 무작위적 변형이 비-배타적 방식으로 사용된다. 따라서 이들 용어는 모두, 이들 용어에 의해 도입되는 특징들 외에, 어떠한 추가 특징도 이 맥락에서 개체 내에 존재하지 않는 상황과 하나 이상의 추가 특징이 존재하는 상황을 지칭할 수 있다. 예를 들어, 표현 "A는 B를 가진다", "A는 B를 포함한다" 및 "A는 B를 포함한다"는 B외에 어떠한 다른 요소도 A에 존재하지 않는 상황(즉, A가 B만으로 독점적으로 구성되는 상황) 및 B외에 하나 이상의 추가 요소, 가령, 요소 C 및 D, 또는 심지어 또 다른 요소까지가 개체 A에 존재하는 상황 모두를 지칭할 수 있다.
또한, 용어 "적어도 하나", "하나 이상" 또는 특징 또는 요소가 한 번 이상 존재할 수 있음을 나타내는 유사한 표현은 일반적으로 각자의 특징 또는 요소를 소개할 때 한 번만 사용될 것이다. 이하에서, 대부분의 경우, 각자의 특징 또는 요소를 참조할 때, 각자의 특징 또는 요소가 한 번 이상 존재할 수 있다는 사실에도 불구하고, 표현 "적어도 하나" 또는 "하나 이상"은 반복되지 않을 것이다.
또한, 이하에서 사용될 때, 용어 "바람직하게", "더 바람직하게", "특히", "더 특히", "구체적으로", "더 구체적으로" 또는 유사한 용어가, 대안 가능성을 제한하지 않으면서, 선택적 특징과 함께 사용된다. 따라서, 이들 용어에 의해 소개되는 특징이 선택적 특징이며 청구항의 범위를 어떠한 식으로도 제한하려는 의도가 없다. 본 발명은, 해당 분야의 통상의 기술자라면 알 바와 같이, 대안 특징을 이용함으로써 수행될 수 있다. 마찬가지로, "본 발명의 하나의 실시예에서" 또는 유사한 표현으로 도입되는 특징은, 본 발명의 대안 실시예에 대한 어떠한 제한 없이, 본 발명의 범위에 대한 어떠한 제한 없이, 그리고 이러한 방식으로 도입된 특징을 본 발명의 다른 선택적 또는 비-선택적 특징과 조합할 가능성에 대한 어떠한 제한 없이, 선택적 특징인 것으로 의도된다.
본 발명의 제1 양태에서, 체액 내 분석물의 농도를 결정하는 방법이 개시되며, 상기 방법은 카메라를 갖는 모바일 장치를 이용하는 단계를 포함한다. 상기 방법은 예를 들어, 주어진 순서로 수행될 수 있는, 다음의 단계들을 포함한다. 그러나 상이한 순서가 역시 가능함을 알아야 한다. 또한, 방법 단계들 중 하나 이상을 한 번 또는 반복적으로 수행하는 것이 또한 가능하다. 또한, 방법 단계들 중 둘 이상을 동시에 또는 시간상 겹치는 방식으로 수행하는 것이 가능하다. 방법은 나열되지 않은 추가 방법 단계를 포함할 수 있다. 또한, 상기 방법은 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 포함하고, 캡처하는 단계는 모바일 장치의 카메라를 이용하는 단계를 포함한다. 상기 방법은 테스트 필드의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계를 더 포함한다.
상기 방법은:
i) 모바일 장치에서, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계,
ii) 모바일 장치에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
iii) 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 모바일 장치에 의해 적어도 하나의 이미지의 캡처가 컬러 참조 카드 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계를 포함한다.
"분석 측정"이라고도 지칭되는 용어 "체액 내 분석물의 농도를 결정"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 임의의 샘플 또는 체액의 분취량 내 적어도 하나의 분석물의 정량적 및/또는 정성적 결정을 지칭할 수 있으나, 이에 한정되지는 않는다. 예를 들어, 체액은 혈액, 간질액, 소변, 타액 또는 그 밖의 다른 유형의 체액 중 하나 이상을 포함할 수 있다. 농도 결정의 결과가, 예를 들면, 결정될 분석물의 농도 및/또는 상기 분석물의 존재 또는 부재일 수 있다. 구체적으로, 예를 들어, 분석 측정은 혈당 측정일 수 있으며, 따라서 분석 측정의 결과가 예를 들어 혈당 농도일 수 있다. 특히, 분석 측정 결과 값은 분석 측정에 의해 결정될 수 있다.
결과적으로, 종종 "분석 측정 결과 값"이라고도 지칭되는 용어 "분석물 농도 값"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 샘플 내 분석물 농도의 숫자 표시를 지칭할 수 있으나, 이에 한정되지는 않는다.
적어도 하나의 분석물은, 예를 들어, 하나 이상의 특정 화학 화합물 및/또는 그 밖의 다른 파라미터이거나 이를 포함할 수 있다. 예를 들어, 대사에 참여하는 하나 이상의 분석물, 가령, 혈당이 결정될 수 있다. 추가로 또는 대안으로, 그 밖의 다른 유형의 분석물 또는 파라미터, 가령, pH 값이 결정될 수 있다.
방법은, 앞서 간략히 나타낸 바와 같이, 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 장치를 이용하는 단계를 포함한다. 용어 "모바일 장치"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 모바일 전자 장치, 더 구체적으로, 모바일 통신 장치, 가령, 셀 폰 또는 스마트폰을 지칭할 수 있으나, 이에 한정되는 않는다. 추가로 또는 대안으로, 이하에서 더 상세히 기재될 바와 같이, 모바일 장치는 적어도 하나의 카메라를 가진 태블릿 컴퓨터 또는 또 다른 유형의 휴대용 컴퓨터도 지칭할 수 있다.
용어 "카메라"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 공간 분해되는 1차원, 2차원, 또는 심지어 3차원 광학 데이터 또는 정보를 레코딩 또는 캡처하도록 구성된 적어도 하나의 이미징 요소를 갖는 장치를 지칭할 수 있으나, 이에 한정되지는 않는다. 예를 들어, 카메라는 이미지를 레코딩하도록 구성된 적어도 하나의 카메라 칩, 가령, 적어도 하나의 CCD 칩 및/또는 적어도 하나의 CMOS 칩을 포함할 수 있다. 본 명세서에서 사용될 때, 용어 "이미지"는 구체적으로, 카메라를 이용함으로써 레코딩된 데이터, 가령, 이미징 장치, 가령, 카메라 칩의 픽셀로부터의 복수의 전자 판독치를 지칭할 수 있으나, 이에 한정되지는 않는다.
상기 카메라는, 적어도 하나의 카메라 칩 또는 이미징 칩 외에, 추가 요소, 가령, 하나 이상의 광학 요소, 가령, 하나 이상의 렌즈를 포함할 수 있다. 예를 들어, 카메라는 카메라에 대해 고정적으로 조정되는 적어도 하나의 렌즈를 갖는 고정-초점 카메라일 수 있다. 그러나 대안으로, 카메라는 자동으로 또는 수동으로 조정될 수 있는 하나 이상의 가변 렌즈도 포함할 수 있다. 본 발명은 구체적으로 모바일 응용분야, 가령, 노트북 컴퓨터, 태블릿, 또는 특히 셀 폰, 가령, 스마트폰에서 사용되는 카메라에 적용되어야 할 것이다. 따라서 구체적으로, 카메라는, 적어도 하나의 카메라외에, 하나 이상의 데이터 프로세싱 장치, 가령, 하나 이상의 데이터 프로세서를 포함하는 모바일 장치의 일부일 수 있다. 그러나 그 밖의 다른 카메라가 가능하다.
카메라는 구체적으로 컬러 카메라일 수 있다. 따라서, 가령, 각각의 픽셀에 대해, 색상 정보, 가령, 세 가지 색상 R, G, B에 대한 색상 값이 제공 또는 생성될 수 있다.더 많은 수의 색상 값이 또한 가능한데, 가령, 각각의 픽셀에 대해 네 가지 색상 값, 예를 들어, R, G, G, B가 가능하다. 컬러 카메라는 해당 분야의 통상의 기술자에게 일반적으로 알려져 있다. 따라서 예를 들어, 카메라 칩은 각각 복수의 셋 이상의 상이한 컬러 센서, 가령, 색상 레코딩 픽셀로 구성될 수 있는데, 가령, 적(R)에 대해 하나의 픽셀, 녹(G)에 대해 하나의 픽셀, 및 청(B)에 대해 하나의 픽셀로 구성될 수 있다. 각각의 픽셀에 대해, 가령, R, G, B에 대한 픽셀에 대해, 각자의 색상의 강도에 따라, 값, 가령, 0 내지 255 범위 내 디지털 값이 픽셀에 의해 레코딩될 수 있다. 픽셀의 색 감도가 색 필터에 의해 또는 카메라 픽셀에서 사용되는 센서 요소의 적절한 고유 감도에 의해 생성될 수 있다. 픽셀의 색 감도가 색 필터에 의해 또는 카메라 픽셀에서 사용되는 센서 요소의 적절한 고유 감도에 의해 생성될 수 있다. 이들 기법은 일반적으로 해당 분야의 기술자에게 알려져 있다.
본 발명은 적어도 하나의 테스트 필드를 갖는 적어도 하나의 광학 테스트 스트립을 이용하는 단계를 더 포함한다. 용어 "광학 테스트 스트립"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 색상-변경 검출 반응을 수행하도록 구성된 임의의 요소 또는 장치를 지칭할 수 있으나, 이에 한정되지는 않는다. 광학 테스트 스트립은 테스트 스트립 또는 테스트 요소라고도 지칭될 수 있으며, 세 가지 용어 모두 동일한 요소를 지칭할 수 있다. 광학 테스트 스트립이 특히 적어도 하나의 분석물을 검출하기 위한 적어도 하나의 테스트 화학물을 함유하는 테스트 필드를 가질 수 있다. 광학 테스트 스트립은, 예를 들어, 적어도 하나의 테스트 필드가 도포되거나 일체 구성된 적어도 하나의 기판, 가령, 적어도 하나의 캐리어를 포함할 수 있다. 특히, 광학 테스트 스트립은, 구체적으로, 테스트 필드에 근접한, 예를 들어, 테스트 필드를 감싸거나 둘러 싸는 적어도 하나의 백색 영역, 가령, 백색 필드를 더 포함할 수 있다. 백색 영역은 기판 또는 캐리어 상에 독립적으로 배열된 개별 필드일 수 있다. 그러나, 추가로 또는 대안으로, 기판 또는 캐리어 자체가 백색 영역이거나 이를 포함할 수 있다. 예를 들어, 적어도 하나의 캐리어는 스트립-형상을 가짐으로써, 테스트 요소를 테스트 스트립으로 만들 수 있다. 이들 테스트 스트립은 일반적으로 널리 사용 중이며 이용 가능하다. 하나의 테스트 스트립이 단일 테스트 필드 또는 동일하거나 상이한 테스트 화학물을 포함하는 복수의 테스트 필드를 지닐 수 있다.
본 명세서에서도 사용될 때, 용어 "테스트 필드"는 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 테스트 화학물의 일관된 양, 가령, 테스트 필드의 적어도 하나의 층이 테스트 화학물을 포함할 때 하나 이상의 물질 층을 갖는 필드, 가령, 둥근, 다각형 또는 사각형의 필드를 지칭할 수 있으나, 이에 한정되지는 않는다.
또한 앞서 간략히 언급한 바와 같이, 상기 방법은 카메라를 이용함으로써 적어도 하나의 테스트 필드를 갖는 적어도 하나의 광학 테스트 스트립의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 포함한다. 용어 "적어도 하나의 이미지를 캡처하는 것"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 이미징, 이미지 레코딩, 이미지 획득, 이미지 캡처 중 하나 이상을 지칭할 수 있으나, 이에 한정되지는 않는다. 용어 "적어도 하나의 이미지를 캡처하는 것"은 단일 이미지 및/또는 복수의 이미지, 가령, 이미지의 시퀀스를 캡처하는 것을 포함할 수 있다. 예를 들어, 이미지의 캡처는 이미지의 시퀀스, 가령, 비디오 또는 영화를 연속적으로 레코딩하는 것을 포함할 수 있다. 적어도 하나의 이미지의 캡처는 사용자 행위에 의해 개시되거나 자동으로, 가령, 카메라의 시야 내 및/또는 시야의 지정 섹터 내 적어도 하나의 물체의 존재가 자동으로 검출되면, 개시될 수 있다. 이들 자동 이미지 획득 기법은, 가령, 자동 바코드 판독기 분야에서, 가령, 자동 바코드 판독 앱으로부터 알려져 있다. 이미지의 캡처는 예를 들어 카메라로 이미지의 스트림 또는 "라이프 스트림(life stream)"을 획득함으로써 발생할 수 있으며, 여기서 하나 이상의 이미지는 자동으로 또는 버튼을 누르는 것과 같은 사용자 상호작용에 의해 저장되고 적어도 하나의 제1 이미지 또는 적어도 하나의 제2 이미지로서 각각 사용된다. 이미지 획득은 모바일 장치의 프로세서에 의해 지원될 수 있고, 이미지의 저장은 모바일 장치의 데이터 저장 장치에서 발생할 수 있다.
광학 테스트 스트립의 적어도 하나의 부분의 적어도 하나의 이미지가 구체적으로 테스트 필드의 적어도 일부분의 이미지를 포함할 수 있다. 또한, 이미지는 광학 테스트 스트립의 나머지 부분, 가령, 테스트 스트립의 흰색 기준 부분의 이미지를 포함할 수 있다.
적어도 하나의 이미지의 캡처는 체액의 샘플이 테스트 스트립에 적용된 적어도 하나의 이미지를 캡처하는 것, 그리고 선택적으로, 샘플이 테스트 스트립에 적용된 이미지를 캡처하기 전에, 체액의 샘플이 테스트 스트립에 적용되지 않은 적어도 하나의 이미지를 캡처하는 것을 포함할 수 있다. 후자의 이미지는 구체적으로 비교 목적으로 사용될 수 있으며 "빈 이미지(blank image)" 또는 "건조 이미지(dry image)"라고도 지칭된다. 샘플 적용은 일반적으로 예를 들어 직접 또는 간접적으로, 가령, 적어도 하나의 모세관 요소를 통해, 발생할 수 있다. 샘플 적용 후 캡처된 적어도 하나의 이미지는, 이미지가 실제로 캡처될 때 샘플이 건조되었을 수 있지만 일반적으로 "습식 이미지(wet image)"라고 지칭될 수 있다. 일반적으로 습식 이미지는 검출 반응이 일어나도록 하기 위해, 적어도 지정 대기 시간 동안 대기한 후, 가령, 5초 이상 후에 취해질 수 있다. 따라서, 예를 들어, 방법은 적어도 하나의 선택적인 건조 이미지와 적어도 하나의 습식 이미지를 취하는 것 사이에, 적어도 지정 최소 시간 동안 대기하는 단계를 포함할 수 있다. 이 지정 최소 시간은 구체적으로 테스트 스트립에서 검출 반응이 발생하기에 충분할 수 있다. 예를 들어, 최소 대기 시간은 적어도 5초일 수 있다.
상기 방법은 테스트 필드의 컬러 형성으로부터 분석물 농도 값을 결정하는 단계를 포함한다. 따라서 방법은 광학 테스트 스트립의 적어도 하나의 광학 속성의 변경을 포함하는 분석 측정일 수 있으며, 이 변경은 카메라를 이용함으로써 시각적으로 측정 또는 결정될 수 있다. 구체적으로, 분석 측정은 결정될 적어도 하나의 분석물의 존재 시의 색상 형성 반응이거나 이를 포함할 수 있다. 용어 "색상 형성 반응"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 반응에 관여하는 적어도 하나의 요소의 색상, 구체적으로, 반사율이 반응의 진행에 따라 변하는 화학, 생체 또는 물리 반응을 지칭할 수 있으나, 이에 한정되지는 않는다. 컬러 형성은 모바일 장치에 의해, 가령, 모바일 장치의 프로세서에 의해 검출될 수 있고, 정량적으로, 가령, 적어도 하나의 이미지로부터 체액 내 분석물의 존재여부로 인한 테스트 필드의 컬러 형성을 정량화 또는 특성화하는 적어도 하나의 파라미터를 도출함으로써, 평가될 수 있다. 예를 들어, 앞서 언급한 컬러 좌표 중 하나 이상이 사용될 수 있다. 따라서, 모바일 장치 및 특히 모바일 장치의 프로세서는 검출 반응으로 인해 발생하는 하나 이상의 컬러 좌표의 변화를 결정함으로써 컬러 변화를 결정하도록 구성될 수 있다.
적어도 하나의 분석물 농도 값은 테스트 필드의 컬러 형성으로부터 결정된다. 이를 위해, 적어도 하나의 이미지가 사용될 수 있다. 예를 들어, 분석물 농도 값이 분석 측정의 결과의 수치 값 지시자, 가령, 샘플 내 적어도 하나의 분석물의 농도, 가령, 혈당 농도를 나타내는 것일 수 있다.
또한 앞서 요약된 바와 같이, 단계 i)에서, 방법은 모바일 장치에서, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계를 포함한다. 예를 들어, 상관관계는 전자 포맷으로, 가령, 데이터 저장장치에 및/또는 모바일 장치의 적어도 하나의 인터페이스를 통해 제공될 수 있다. 예로서 그리고 아래에서 더 상세히 설명될 바와 같이 상관관계는 특히 다양한 방식으로, 가령, 상관관계를 정의하는 하나 이상의 파라미터, 가령, 분석물 농도 값과 적어도 하나의 이미지로부터 얻어진 적어도 하나의 정보 간 선형 관계를 정의하는 파라미터를 제공함으로써 제공될 수 있다. 그 밖의 다른 유형의 상관관계가 가능하다.
따라서, 본 명세서에서 사용될 때, 용어 "상관관계"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 이 용어는 구체적으로, 적어도 하나의 이미지로부터 얻어진 정보, 가령, 컬러 정보 또는 컬러 변경 정보와 적어도 하나의 분석 측정 농도 값 간 지정된 또는 결정 가능한 관계를 지칭할 수 있지만, 이에 제한되지 않는다. 예를 들어, 적어도 하나의 이미지로부터 분석 측정 결과 값을 결정하기 위해, 적어도 하나의 이미지로부터 얻어진 정보, 가령, 컬러 정보 또는 컬러 변경 정보와 적어도 하나의 분석 측정 결과 값 간 상관관계 또는 지정된 또는 결정 가능한 관계가 사용될 수 있다. 이 상관관계 또는 지정된 또는 결정 가능한 관계는, 예를 들어, 모바일 장치의 데이터 저장장치 및/또는 모바일 장치의 프로세서에 저장될 수 있다. 예를 들어, 프로세서는 소프트웨어 프로그래밍에 의해, 적어도 하나의 이미지로부터 적어도 하나의 정보, 가령, 적어도 하나의 컬러 좌표를 얻도록, 및 지정된 또는 결정 가능한 관계를 적어도 하나의 정보에 적용하도록 구성될 수 있다. 상관관계, 예를 들어 변환 함수, 변환 테이블 또는 룩업 테이블이, 가령, 실험적으로 결정될 수 있으며, 예를 들어, 소프트웨어에 의해, 구체적으로, 앱 스토어 등으로부터 다운로드되는 앱에 의해, 모바일 장치의 적어도 하나의 데이터 저장 장치에 저장될 수 있다. 적어도 하나의 정보를 도출하기 위한 예시로서, 프로세서는 바람직하게는 자동으로, 가령, 패턴 인식 및/또는 그 밖의 다른 알고리즘에 의해, 이미지에서 테스트 필드 또는 테스트 필드의 적어도 하나의 부분을 인식하도록 프로그래밍될 수 있다. 그 중에서, 프로세서는 적어도 하나의 정보, 가령, 하나 이상의 컬러 좌표를 결정하도록 프로그래밍될 수 있다. 예를 들어, 대응하는 빈 이미지로부터 도출된 적어도 하나의 정보에 의해 습식 이미지로부터 도출된 적어도 하나의 정보를 분할함으로써, 또는 빈 이미지로부터 도출된 적어도 하나의 정보로부터 습식 이미지로부터 도출된 적어도 하나의 정보를 뺌으로써, 적어도 하나의 선택적 빈 또는 건조 이미지로부터 도출된 각각의 적어도 하나의 정보가 정규화를 위해 사용될 수 있으며, 그 반대도 가능하다. 그 밖의 다른 정규화 방식도 가능하다. 상관관계, 예를 들어 변환 함수, 변환 테이블 또는 룩업 테이블이, 가령, 실험적으로 결정될 수 있으며, 예를 들어, 소프트웨어에 의해, 구체적으로, 앱 스토어 등으로부터 다운로드되는 앱에 의해, 모바일 장치의 적어도 하나의 데이터 저장 장치에 저장될 수 있다.
이하에서 더 상세히 설명될 바와 같이, 상관관계는 일반적으로 "훈련(training)"이라고도 하는 경험적 또는 준-경험적 방법을 사용하여 결정될 수 있다. 예를 들어, 훈련은 컬러 형성을 분석물 농도 값으로 변환하고 그 결과를 적어도 하나의 알려진 결과와 비교함으로써 및/또는 그 밖의 다른 선호 수단, 가령, 이하에서 더 상세히 적어도 하나의 컬러 참조 카드를 이용함으로써 복수의 측정을 수행하는 것을 포함할 수 있다. 예로서 그리고 아래에서 더 자세히 설명될 바와 같이, 훈련은 하나 이상의 인공 신경망의 사용을 더 포함할 수 있다. 예를 들어, 복수의 이미지는 가령, 하나 이상의 컬러 참조 카드 및/또는 하나 이상의 참조 측정으로부터의 참조 정보를 피드백을 위해 이용함으로써 분석물 농도 값을 결정하기 위한 하나 이상의 인공 신경망을 위한 입력으로서 사용될 수 있다. 그 밖의 다른 훈련 수단이 또한 가능하며 해당 분야의 통상의 기술자에게 일반적으로 알려져 있는데, 가령, 상관관계의 파라미터를 결정하기 위한 회귀 방법, 가령, 선형 회귀가 있다. 훈련의 결과, 상관관계를 특징짓는 하나 이상의 파라미터가 획득될 수 있다.
방법은 분석물 농도 값을 가령, 모바일 장치의 디스플레이 상에 디스플레이하는 단계를 더 포함할 수 있다. 추가로 또는 대안으로, 방법은 모바일 장치의 적어도 하나의 데이터 저장 장치에 적어도 하나의 분석물 농도 값을 저장하는 단계를 포함할 수 있다. 다시 추가로 그리고 대안으로, 방법은 적어도 하나의 인터페이스를 통해 및/또는 적어도 하나의 데이터 전송 네트워크를 통해, 예를 들어 다른 컴퓨터로, 가령, 추가 평가를 위해, 적어도 하나의 분석물 농도 값을 전송하는 단계를 더 포함할 수 있다.
앞서 추가로 설명된 바와 같이, 단계 ii)는 모바일 장치에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - 를 포함한다. 예를 들어, 적어도 하나의 클리어런스 정보는 전자 포맷으로, 가령, 적어도 하나의 데이터 저장 장치에 및/또는 모바일 장치의 적어도 하나의 인터페이스를 통해 제공될 수 있다. 용어 "클리어런스 정보"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 이 용어는 구체적으로, 상관관계에 대한 신뢰도를 정성화 및/또는 정량화하는 임의의 정보를 지칭할 수 있으나, 이에 한정되지는 않는다. 본 명세서에서 사용될 때, 용어 "신뢰도"는 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 적어도 하나의 상관관계의 품질을 정량화하는 하나의 정보를 지칭할 수 있으나, 이에 한정되지는 않는다. 따라서, 예를 들어, 적어도 하나의 정보가 상관관계를 사용함으로써 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하는 것의 정확성을, 가령, 통계적으로, 정량화할 수 있다. 특히, 신뢰도가 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하는 것의 품질 또는 정확성을 정량화할 수 있다. 구체적으로, 신뢰도는 가령, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하는 것의 상관관계의 품질을, 가령, 정량적으로, 순위화 및/또는 평가하도록 구성될 수 있다. 따라서, 신뢰도는 테스트 필드의 컬러 형성이 분석물 농도 값으로 얼마나 잘 변환되는지를 나타낼 수 있다. 예를 들어, 변환의 정확성을 정량화하기 위해, 일반적으로 다양한 수단, 가령, 상관 계수, 표준 편차, 불확실성 구간 또는 정도 등이 통계학 분야의 통상의 지식을 가진 자에게 일반적으로 알려져 있다. 적어도 하나의 클리어런스 정보가, 가령, 하나 이상의 수치 값, 가령, 하나 이상의 부울 값(Boolean value) 및/또는 하나 이상의 디지털 값, 가령, "충분" 및 "불충분" 등을 이용하여, 신뢰도를 나타낸다. 예로서 그리고 아래에서 더 자세히 설명되는 바와 같이, 적어도 하나의 신뢰도가 지정 임계값 위 또는 아래인 경우에, 클리어런스 정보가 특정 값으로 설정될 수 있다. 예를 들어, 하나 이상의 신뢰 임계값이 사용될 수 있으며, 여기서 신뢰도가 신뢰 임계값보다 높은 경우, 클리어런스 정보가 "충분"으로 설정될 수 있고, 그렇지 않은 경우, "불충분"으로 설정될 수 있거나, 그 반대도 가능하다.
실험적 또는 준-실험적으로, 복수의 테스트 샘플에 대해, 상관관계를 이용해 각자의 테스트 샘플에 대한 테스트 필드의 컬러 형성을 계산된 분석물 농도 값으로 변환하고 이들 계산된 분석물 농도 값을 각자의 테스트 샘플에 대해 알려진 분석물 농도 값, 가령, 참조 측정, 가령, 실험실 측정에 의해 결정된 알려진 분석물 농도 값과 비교함으로써, 상관관계에 대한 신뢰도가 결정될 수 있다. 통계적 방법, 가령, 회귀 방법에 의해, 해당 분야의 통상의 기술자가 인식할 수 있는 바와 같이 신뢰도가 결정될 수 있고, 가령, 표준 편차 등을 결정함으로써 정량화될 수 있다.
앞서 요약된 바와 같이, 단계 iii)에서 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 방법은 모바일 장치에 의해 적어도 하나의 이미지의 캡처가 컬러 참조 카드 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계를 포함한다. 따라서, 예를 들어, 모바일 장치, 구체적으로, 모바일 장치의 적어도 하나의 프로세서는, 가령, 클리어런스 정보가 상관관계에 대해 충분 또는 불충분 신뢰도를 나타내는지를 평가함으로써, 적어도 하나의 클리어런스 정보를 평가하도록 구성될 수 있다. 적어도 하나의 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 적어도 하나의 이미지의 캡처가 컬러 참조 카드 이용을 필요로 하지 않는다는 지시자가 사용자에게 제공된다. 따라서 예를 들어 디폴트로, 사용자는 컬러 참조 카드를 이용하도록 요구될 수 있다. 그러나, 예를 들어, 적어도 하나의 클리어런스 정보가 상관관계에 대해 불충분 신뢰도를 나타내는 경우, 방법은 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드의 적어도 하나의 이미지의 캡처를 필요로 하지 않는다는 지시자를 사용자에게 제공하지 않고, 간단하게 진행될 수 있다. 그렇지 않으면, 앞서 개략적으로 설명된 바와 같이, 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드의 적어도 하나의 이미지의 캡처를 필요로 하지 않는다는 지시자가 사용자에게 제공될 수 있다.
본 명세서에서 사용될 때, 용어 "컬러 참조 카드"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 이 용어는 구체적으로, 가령, 자신의 적어도 하나의 표면 상에, 알려진 컬러 속성 또는 광학 속성을 갖는, 가령, 알려진 컬러 좌표를 갖는 하나 이상의 컬러링된 필드를 갖는 적어도 하나의 컬러 참조 필드가 배치되는 임의의 아이템을 지칭할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 컬러 참조 카드는 알려진 컬러 좌표를 갖는 적어도 하나의 컬러 참조 필드를 적어도 하나의 표면 상에 및/또는 그 내부에 배치한 적어도 하나의 기판을 포함하는 평면 카드일 수 있다. 그러나 대안으로 컬러 참조 카드는 광학 테스트 스트립에 완전히 또는 부분적으로 통합될 수도 있다. 적어도 하나의 컬러 참조 카드의 적어도 하나의 이미지는 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부의 앞서 언급된 이미지에 의해 완전히 또는 부분적으로 포함될 수 있다. 따라서, 예를 들어, 테스트 필드의 적어도 하나의 이미지를 캡처할 때, 적어도 하나의 컬러 참조 카드는 카메라의 시야에 있을 수 있고, 따라서 컬러 참조 카드의 적어도 일부는 테스트 필드의 적어도 하나의 부분의 적어도 하나의 이미지에서 가시적일 수 있다. 예를 들어, 광학 테스트 스트립은 컬러 참조 카드의 상부 상에 배치될 수 있거나 및/또는 컬러 참조 카드는 하나 이상의 창을 포함할 수 있으며, 여기서 하나 이상의 창과 함께 컬러 참조 카드는 광학 테스트 스트립의 상부 상에 배치되어, 테스트 필드가 창을 통해 가시적일 수 있다. 그러나 대안으로 적어도 하나의 테스트 필드 및 컬러 참조 카드의 개별 이미지를 캡처하는 것이 또한 가능하다.
특히 컬러 참조 카드를 사용함으로써 테스트 필드의 컬러의 적어도 하나의 이미지에서의 카메라 특정 또는 장치 특정 변경을 보정할 수 있다. 따라서 일반적으로 카메라 및/또는 모바일 장치는, 사용자에게 알리지 않고, 하나 이상의 평가 또는 사전-평가 알고리즘, 가령, 감마 보정을 이미지를 평가하고 적어도 하나의 분석물 농도 값을 결정할 때 고려되어야 할 이미지에 적용한다. 알려진 광학 속성을 갖는 적어도 하나의 컬러 기준 카드를 사용함으로써, 모바일 장치는 이미지를 교정 및/또는 보정하도록 설정될 수 있으며, 따라서 적어도 하나의 분석물 농도 값을 결정할 때 또는 결정하기 전에 카메라 및/또는 모바일 장치의 내부 프로세스 및/또는 속성을 고려할 수 있다. 또한 주변광의 영향이 고려될 수 있다. 따라서, 적어도 하나의 클리어런스 정보가 상관관계에 대한 신뢰도가 불충분임을 가리키는 경우, 적어도 하나의 컬러 참조 카드가 추가 신뢰도 및/또는 보정을 농도를 결정하는 방법에 제공하여, 분석물 농도 값의 정확도 및/또는 신뢰도를 증가시킬 수 있다. 그러나 적어도 하나의 클리어런스 정보가 충분한 신뢰도를 나타내는 경우, 일반적으로 추가 핸들링 단계 및/또는 사용자에 대한 추가 불편함을 필요로 하는 적어도 하나의 컬러 참조 카드의 사용이 더는 필요하지 않으며, 따라서 생략될 수 있다. 따라서, 이 방법에 의해 필요에 따라 정확도를 증가시키는 것이 가능하고 상관관계 훈련이 아직 완료되지 않았을 경우, 반면에 클리어런스 정보가 상관관계에 대해 충분 신뢰도를 나타내는 경우, 따라서 훈련이 완료됐음을 나타내는 경우, 테스트 필드의 컬러 형성이 적어도 하나의 분석물 농도 값으로 변환되는 것이 컬러 참조 카드를 이용하지 않고 수행될 수 있다.
앞서 요약된 적어도 하나의 클리어런스 정보가 다양한 방식으로 제공될 수 있다. 예를 들어, 적어도 하나의 클리어런스 정보가 가령 모바일 장치의 데이터 저장 장치에서 설정 및/또는 가령, 적어도 하나의 무선 또는 적어도 하나의 유선 바운드 인터페이스를 통해 모바일 장치로 제공될 수 있는 변수일 수 있다. 따라서, 예를 들어 적어도 하나의 클리어런스 정보가 불충분 신뢰도를 나타내는 상태 및 충분 신뢰도를 나타내는 상태를 갖는 적어도 하나의 클리어런스 정보 플래그를 포함할 수 있다. 따라서, 예를 들어 적어도 하나의 클리어런스 정보 플래그가 적어도 하나의 클리어런스 정보에 따라 및/또는 상관관계에 대한 신뢰도의 충분성 또는 불충분성에 대해 설정될 수 있는 이진 변수이거나 이진 변수를 포함할 수 있다.
방법은 다음을 더 포함할 수 있다:
iv) 클리어런스 정보가 상관관계에 대해 불충분 신뢰도를 나타내는 경우, 모바일 장치에 의해, 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드의 적어도 하나의 이미지의 캡처를 필요로 한다는 지시자를 사용자에게 제공하는 단계.
일반적으로, 적어도 하나의 이미지의 캡처가 컬러 참조 카드의 이용을 필요로 한다는 지시자 및/또는 적어도 하나의 이미지의 캡처가 컬러 참조 카드의 이용을 필요로 하지 않는다는 지시자가 모바일 장치에 의해 모바일 장치의 디스플레이 상에 제공될 수 있다. 그러나, 그 밖의 다른 지시자 수단, 가령, 가청 지시자 등이 또한 가능하다.
앞서 요약된 바와 같이, 구체적으로 적어도 하나의 클리어런스 정보가 모바일 장치의 데이터 저장 장치에 저장될 수 있다. 따라서, 예를 들어, 클리어런스 정보 플래그는 모바일 장치의 적어도 하나의 데이터 저장 장치에 저장된 적어도 하나의 변수, 가령, 이진 변수, 비트, 캐릭터 등이거나 이를 포함할 수 있다. 마찬가지로, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계가 모바일 장치의 데이터 저장 장치, 가령, 적어도 하나의 클리어런스 정보를 저장하는 데 사용되는 동일한 데이터 저장 장치에 저장될 수 있다. 따라서, 예를 들어, 상관관계의 하나 이상의 파라미터, 가령, 선형 상관관계의 경우 적어도 하나의 컬러 정보를 적어도 하나의 분석물 농도 값으로 변환하기 위한 오프셋 파라미터 및/또는 기울기 파라미터가 데이터 저장 장치에 저장될 수 있다.
테스트 필드의 컬러 형성을 분석물 농도로 변환하기 위한 적어도 하나의 상관관계는 구체적으로 알고리즘, 상관관계 매트릭스, 코딩 곡선 또는 룩업 테이블 중 적어도 하나를 포함할 수 있다. 따라서, 앞서 요약된 바와 같이, 상관관계는 예를 들어 코딩 곡선, 가령, 선형 상관 코딩 곡선, 가령, 오프셋 및 기울기에 의해 특징 지어지는 코딩 곡선을 포함할 수 있고, 여기서, 이미지로부터 얻어진 적어도 하나의 컬러 정보가, 선형 변환에 의해, 적어도 하나의 분석물 농도 값으로 변환될 수 있다.
예를 들어, 알고리즘은 가상 기준 장치 어프로치에 기초할 수 있다. 따라서, 예를 들어, 몇 가지 모바일 장치의 집합체, 가령, 스마트폰이 기준 상대 리미션(reference relative remission)을 생성하는 데 사용될 수 있다. 기준 상대 리미션에 기초하여, 하나의 예시로서, 기울기 및 오프셋 보정, 가령, 스마트폰 특정 기울기 및 오프셋 보정이 결정될 수 있다. 기울기 및 오프셋 보정은 보정된 상대 리미션에서 둘 이상의 모바일 장치의 거동을 균등화하기 위해 사용될 수 있다. 보정된 상대 리미션에 기초하여, 공통 코드 함수 및/또는 코딩 곡선, 가령, 보정 상대 리미션과 분석물 농도 사이의 관계를 설명하는 수학적 함수가 결정 및/또는 추론될 수 있다.
테스트 필드의 컬러 형성을 분석물 농도로 변환하기 위한 적어도 하나의 상관관계가 적어도 하나의 이미지로부터 얻어진 적어도 하나의 컬러 정보의 분석물 농도로의 변환을 포함할 수 있다. 따라서, 앞서 요약된 바와 같이, 모바일 장치는, 가령, 적어도 하나의 프로세서의 소프트웨어 프로그래밍에 의해, 적어도 하나의 이미지로부터 적어도 하나의 컬러 정보, 가령, 적어도 하나의 컬러 좌표, 가령, R, G, 또는 B 좌표를 얻도록 설정될 수 있다. 적어도 하나의 컬러 정보는 또한 예를 들어 습식 이미지와 비교하여 건조 이미지의 컬러 좌표를 고려함으로써 변경을 나타낼 수 있다.
본 발명의 또 다른 양태에서, 분석 측정을 제어하는 방법이 개시되며, 상기 분석 측정은 카메라를 갖는 적어도 하나의 모바일 장치를 이용한다. 상기 방법은 예를 들어, 주어진 순서로 수행될 수 있는, 다음의 단계들을 포함한다. 그러나 상이한 순서가 역시 가능함을 알아야 한다. 또한, 방법 단계들 중 하나 이상을 한 번 또는 반복적으로 수행하는 것이 또한 가능하다. 또한, 방법 단계들 중 둘 이상을 동시에 또는 시간상 겹치는 방식으로 수행하는 것이 가능하다. 방법은 나열되지 않은 추가 방법 단계를 포함할 수 있다.
상기 방법은:
I.) 데이터 수집 프로세스를 포함하며, 상기 데이터 수집 프로세스는 다음을 포함한다:
a. 복수의 분석 측정을 수행하는 단계 - 상기 분석 측정은, 적어도 부분적으로, 카메라를 이용함으로써 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 이미지를 캡처하는 것을 포함하고 적어도 하나의 컬러 참조 카드의 이미지를 캡처하는 것을 더 포함함 - ,
b. 복수의 분석 측정을 평가함으로써, 적어도 하나의 상관관계를 결정하는 단계 - 상기 상관관계는 컬러 참조 카드 이용을 필요로 하지 않으면서 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하도록 구성됨 - ,
c. 단계 b.에서 결정된 상관관계에 대한 신뢰도를 결정하는 단계,
d. 적어도 하나의 클리어런스 정보를 설정하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
II.) 본 발명에 따르는 체액 내 분석물의 농도를 결정하는 방법, 가령, 앞서 기재된 실시예들 중 임의의 하나에 개시된 것 및/또는 이하에서 더 상세히 기재될 실시예들 중 임의의 하나에 따르는 것을 수행하는 단계.
용어 "분석 측정을 제어하는 방법"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 앞서 정의된 바와 같이, 하나 이상의 분석 측정을 수행, 최적화, 개선, 개시, 트리거 또는 핸들링하는 것 중 하나 이상에 적합한 임의의 방법을 지칭할 수 있고, 이때, 적어도 하나의 분석 측정은 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 장치를 이용하는 것을 포함하나, 이에 한정되지는 않는다.
"훈련 프로세스", "데이터 수집 주기", 또는 "설정 프로세스"라고도 지칭될 수 있는 용어 "데이터 수집 프로세서"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 연장된 시간 동안 발생할 수 있는 프로세스를 지칭할 수 있으며, 상기 프로세스 동안 하나 이상의 제어 목적으로, 가령, 적어도 하나의 분석 측정을 개선하거나 분석 측정을 최적화하는 것 중 하나 이상을 위해, 데이터가 수집되고 사용되나, 이에 한정되지는 않는다. 예를 들어 그리고 아래에서 더 자세히 설명될 바와 같이, 데이터 수집 프로세스는 분석적 측정에 대한 정보들을 연결하고 앞서 언급한 바와 같이 상관관계에 대한 신뢰도를 개선하기 위해 이 정보를 사용하는 것을 포함할 수 있다.
앞서 요약된 바와 같이, 데이터 수집 프로세스 I.)는 단계 a.에서 복수의 분석 측정을 수행하는 것을 포함한다. 앞서 정의한 바와 같이, "분석물 측정"이라고도 지칭되는 분석 측정은, 일반적으로, 임의의 샘플 또는 분취량, 특히, 체액의 것에서 적어도 하나의 분석물의 정량적 및/또는 정성적 결정을 지칭할 수 있으나, 이에 한정되지는 않는다. 추가 옵션에 대해서, 앞서 제공된 정의를 참조할 수 있다. 단계 a.의 분석 측정 또는 이들 분석 측정 중 적어도 일부가 카메라를 이용함으로써 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 이미지를 캡처하는 것을 포함하고 적어도 하나의 컬러 참조 카드의 이미지를 캡처하는 것을 더 포함한다. 따라서, 데이터 수집 프로세스 동안의 분석 측정 또는 데이터 수집 프로세스의 분석 측정의 적어도 일부는 컬러 참조 카드를 사용하는 앞서 기재된 프로세스를 포함한다. 이들 분석 측정은 데이터 수집 프로세스의 목적을 위해 훈련 측정으로 사용될 수 있다. 컬러 참조 카드에 대한 자세한 내용과 컬러 참조 카드를 사용할 수 있는 옵션에 대해서는 앞서 제공된 설명을 참조할 수 있다. 구체적으로, 광학 테스트 스트립의 이미지와 컬러 참조 카드의 이미지는 개별 이미지일 수 있거나, 대안으로 컬러 참조 카드의 적어도 일부와 테스트 필드의 적어도 일부는 하나의 동일한 이미지에서 가시적일 수 있으며, 따라서 하나의 동일한 이미지의 별개의 하위-이미지를 형성할 수 있다.
앞서 더 요약된 바와 같이, 데이터 수집 프로세스의 단계 b.는 복수의 분석 측정, 특히, 훈련 측정을 평가하는 단계는 컬러 참조 카드를 사용함으로써 적어도 하나의 상관관계를 결정하는 단계를 포함하며, 상기 상관관계는 컬러 참조 카드 이용을 필요로 하지 않으면서 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하도록 구성된다. 상관관계의 가능한 해법 및 실시예에 대해, 앞서 제공된 분석물을 결정하는 단계에 대한 기재가 참조될 수 있다. 또한, 상관관계를 결정하기 위해, 또한 적어도 부분적으로 앞서 논의되고 일반적으로 해당 분야의 통상의 기술자에게 알려진 다양한 옵션이 이용 가능하다. 따라서 일반적으로 적어도 하나의 컬러 참조 카드의 이미지가 참조 데이터를 위해 제공될 수 있으며, 이때 상관관계를 이용함으로써, 테스트 필드를 갖는 광학 테스트 스트립 중 적어도 일부분의 이미지로부터 도출된 적어도 하나의 정보를 분석물 농도로 변환하는 것이 참조 데이터를 고려할 수 있도록 상관관계가 선택될 수 있다, 가령, 참조 데이터를 매칭함으로써 컬러 참조 카드로부터 도출된 참조 데이터를 이용하지 않고 상관관계를 이용해 미래의 분석 측정이 수행될 수 있게 할 수 있다.
단계 b.의 데이터 수집 프로세스에서, 적어도 하나의 컬러 참조 카드의 이미지로부터 도출된 정보가 참조 정보로 사용될 수 있다. 따라서, 예를 들어, 가령, 데이터 수집 프로세스의 복수의 분석 측정의 각각의 분석 측정 또는 적어도 일부에 대해, 적어도 하나의 컬러 참조 카드의 이미지로부터, 컬러 참조 정보가 도출될 수 있다. 예를 들어, 이미지로부터 도출된 컬러 참조 정보는 표준화된 정보를 제공할 수 있으며, 이때 컬러 참조 카드는 예를 들어 하나 이상의 알려진 컬러를 가지며 적어도 하나의 컬러 참조 정보는 이미지로부터 도출될 수 있다. 결과적으로, 테스트 필드의 대응하는 이미지로부터 도출된 대응하는 컬러 참조 정보가 컬러 참조 카드의 이미지로부터 도출된 컬러 참조 정보와 비교될 수 있으며, 이로 인해 카메라 및/또는 모바일 장치에 의해 도입된 컬러의 변경을 보정할 수 있다. 따라서 예를 들어, 테스트 필드의 이미지로부터 도출된 적어도 하나의 컬러 정보가 컬러 참조 카드의 적어도 하나의 컬러 참조 필드의 이미지로부터 도출된 컬러 정보와 동일한 경우, 그리고 이 컬러 참조 필드가 체액의 샘플 내 분석물의 특정 분석물 농도에 대응하는 것으로 알려진 경우, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환, 즉, 테스트 필드의 이미지로부터 도출된 적어도 하나의 컬러 정보를 분석물 농도 값으로 변환하기 위한 특정 상관관계, 가령, 테스트 필드의 이미지의 컬러 정보를 대응하는 분석물 농도 값으로 변환하는, 변환 인자 및/또는 선형 상관관계 및/또는 또 다른 유형의 상관관계, 가령, 수학적 관계가 도출될 수 있다. 예를 들어 회귀 분석이 사용될 수 있다. 추가로 또는 대안으로 그리고 이하에서 더 상세히 기재될 바와 같이, 인공 뉴런 네트워크가 사용될 수 있다. 따라서, 상관관계는 테스트 필드를 갖는 광학 테스트 스트립의 이미지로부터 도출된 적어도 하나의 컬러 정보를 분석물 농도 값으로 변환하도록 구성될 수 있다. 따라서, 예를 들어, 상관관계는 직접적인 참조 컬러 비교, 보간 및 절대 컬러 결정 중 하나 이상이거나 이를 포함할 수 있다.
앞서 추가로 설명된 바와 같이, 단계 c.에서, 단계 b.에서 결정된 상관관계에 대한 신뢰도가 결정된다. 예를 들어, 이 신뢰도가, 앞서 언급된 바와 같이, 통계 분석을 이용함으로써 도출될 수 있다. 따라서 예를 들어 단계 a.의 훈련 분석 측정의 평가 및 단계 b.에서의 평가로부터 통계적 분석이 상관관계에 대한 불확실도를 도출하도록 사용될 수 있다. 예를 들어, 표준 편차 또는 통상의 기술자에게 알려진 유사한 값이 사용되어, 적어도 하나의 컬러 정보를 대응하는 분석물 농도 값으로 변환하기 위한 상관관계를 이용할 때, 가령, 회귀 분석을 이용할 때, 불확실도를 설명할 수 있다. 상관관계를 결정하기 위해 인공 신경망 및/또는 그 밖의 다른 임의의 분류 방법, 가령, 결정 트리, 최근접 이웃 등을 이용할 때, 유사한 신뢰성 정보가 도출될 수 있다.
또한 앞서 언급된 바와 같이, 단계 d.에서, 적어도 하나의 클리어런스 정보가 설정되며, 상기 적어도 하나의 클리어런스 정보는 단계 b.에서 도출된 상관관계에 대한 신뢰도를 나타낸다. 예를 들어, 적어도 하나의 클리어런스 정보가 단순히 신뢰도가 충분 신뢰도를 나타내는지 또는 불충분 신뢰도를 나타내는지를 가리킬 수 있으며, 이때, 체액 내 분석물의 농도를 결정하는 방법의 맥락에서 앞서 언급된 바와 같이, 충분 신뢰도에 도달하면 컬러 참조 카드를 이용하지 않고 분석물의 농도를 결정하는 방법이 수행될 수 있다. 예를 들어 그리고 이하에서 더 상세히 언급될 바와 같이, 적어도 하나의 클리어런스 정보가 스텝 함수(step function)에 따라 설정될 수 있는데, 이때 적어도 하나의 클리어런스 정보가 적어도 하나의 임계 값에 도달하면, 스텝 함수는 불충분 신뢰도를 나타내는 레벨에서 충분 신뢰도를 나타내는 레벨로 변하거나, 그 반대도 가능할 수 있다.
위에서 더 언급된 바와 같이, 분석 측정을 제어하는 방법은, 단계 I.)에서의 데이터 수집 프로세스 및/또는 훈련 프로세스에 추가로, 단계 II.)에서, 본 발명에 따른, 즉, 앞서 개시된 실시예들 중 임의의 하나에 따른 및/또는 이하에서 상세히 개시될 방법의 실시예들 중 임의의 하나에 따른 체액 내 분석물의 농도를 결정하는 방법을 수행하는 단계를 더 포함한다. 단계 I.)의 훈련 프로세스는 부분적으로 모바일 장치 외부에서 수행될 수 있는 반면, 단계 II.)는 모바일 장치를 사용하여 수행된다는 점에 유의해야 한다. 따라서, 예를 들어, 구체적으로 단계 I.)의 훈련 프로세스의 단계 b., c. 또는 d.는 모바일 장치와 분리된 적어도 하나의 컴퓨터 또는 컴퓨터 시스템에 의해 완전히 또는 부분적으로 수행될 수 있다. 따라서, 예를 들어, 훈련 데이터는 단계 a.를 수행하기 위해 모바일 장치를 사용함으로써 생성될 수 있으며, 이때 훈련 데이터 또는 이로부터 도출된 데이터, 가령, 이미지 또는 이미지로부터 도출된 적어도 하나의 정보가 적어도 하나의 평가 컴퓨터로, 가령, 무선으로, 전송될 수 있고, 이때, 단계 b., c. 및 d. 중 하나 이상 또는 전부가 평가 컴퓨터에 의해 적어도 부분적으로 수행된다. 평가 컴퓨터에 의해 적어도 하나의 클리어런스 정보가 모바일 장치로 다시 전송될 수 있다. 또한, 상관관계 또는 상관관계를 특징짓는 정보, 가령, 선형 상관관계의 오프셋 및/또는 기울기를 특징짓는 데이터 등이 또한 평가 컴퓨터로부터 모바일 장치로 다시 전송될 수 있다. 그러나 병행하여 또는 대안으로, 훈련 측정은 모바일 장치 자체에 의해, 가령, 모바일 장치가 단계 b., c. 및 d. 중 하나 이상을 전체적으로 또는 부분적으로 수행하게 함으로써, 전체적으로 또는 부분적으로 평가될 수 있다.
단계 I.)의 훈련 프로세스는 단계 II.)의 활성 측정 프로세스에 선행할 수 있다, 즉, 단계 II.)를 수행하기 전에, 복수의 훈련 샘플이 단계 I.)에서 평가될 수 있다. 그러나 추가로 또는 대안으로, 훈련은 반복적으로 수행될 수 있으며, 단계 I.)의 하나 이상의 반복이 단계 II.)를 적어도 한 번 수행한 후 수행된다. 또한, 단계 I.) 및 II.)는 적어도 부분적으로 동일한 분석 측정을 사용할 수 있는데, 즉, 단계 I.) a.의 분석 측정이 단계 II.)에서의 분석물의 농도를 결정하는 방법을 위해 분석 측정으로서도 적어도 부분적으로 기능할 수 있으며, 이로써, 측정이 적어도 하나의 컬러 참조 카드의 이미지의 캡처를 포함하는 한, 훈련 목적으로도 "실제" 측정 데이터를 이용하는 것이 가능해진다. 적어도 하나의 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내자마자, 훈련이 중단되거나, 가령, 설정에서 열화 효과, 전자 편이 또는 그 밖의 다른 변경을 회피 및/또는 고려하기 위해, 상관관계의 신뢰도를 개선 및/또는 상관관계의 신뢰도를 체크하기 위해, 정기적 또는 비정기적 간격으로, 컬러 참조 카드를 이용하여, 훈련 단계가 수행될 수 있다.
단계 a.에서 수행된 분석 측정 모두가 동일한 측정 조건 하에서 수행되거나 다양한 다른 측정 조건에서 수행될 수도 있다. 따라서, 예를 들어, 상이한 측정 조건, 가령, 상이한 조명 조건, 상이한 샘플 조건, 상이한 온도, 상이한 분석물 농도 등이 사용될 수 있다. 이들 상이한 측정 조건은, 가령, 체액의 샘플 내 분석물의 농도가 아닌 다른 인자, 가령, 헤마토크리트(hematocrit) 값, 샘플 온도, 조명 등을 고려함으로써 상관관계를 개선하는 것을 보조할 수 있다. 특히, 인공 신경망을 사용할 때 뿐만 아니라 회귀 방법 같은 그 밖의 다른 평가 수단을 사용하고 상관관계를 결정할 때, 체액의 샘플 내 분석물의 농도가 아닌 다른 이들 인자가 고려될 수 있어서, 상관관계가 이들 인자를 고려하는 함수 또는 상관관계가 될 수 있다.
위에서 설명한 바와 같이, 단계 b.에서, 단계 a.의 복수의 분석 측정이 평가된다. 이 평가는, 위에서 설명한 대로, 다양한 수단, 가령, 통계 분석 또는 인공 신경망을 사용할 수 있다. 특히, 평가는 또한 상관관계를 생성하기 위한 이들 패턴 또는 유사성을 고려하기 위해 이미지에서 패턴 또는 유사성을 검색할 수 있다. 따라서 일반적으로 단계 b.는 단계 a.에서 캡처된 이미지를 평가하여 이미지들 중 적어도 일부에서 유사성을 식별하는 단계를 포함할 수 있으며, 유사성은 유사한 패턴 또는 유사한 변수 중 적어도 하나를 지칭하고, 설정된 유사성은 분석 측정의 특정 조건과 관련된다. 분석 측정의 특정 조건은, 예를 들어, 적어도 하나의 특정 분석물 농도, 분석물 농도의 적어도 하나의 특정 범위, 모바일 장치의 적어도 하나의 특정 유형, 가령, 모바일 전화기의 적어도 하나의 특정 유형, 적어도 하나의 추가 정보, 가령, 제조업체, 위치, 가령, 지오-로케이션, 및 날짜, 가령, 이미지 캡처 날짜 중 적어도 하나를 포함할 수 있다.
따라서 신뢰도는 분석 측정의 특정 조건에 따라서도 달라질 수도 있다. 따라서 신뢰도는 예를 들어 인자들, 가령, 특정 분석물 농도 또는 분석 물질 농도 범위 및/또는 모바일 전화기의 특정 유형을 고려할 수 있다. 그러나 추가로 또는 대안으로, 신뢰도는 또한 특정 조명 조건 등에 특정적일 수 있다. 따라서 일반적으로, 단계 c.에서 결정된 신뢰도는 특히 특정 유형의 모바일 전화기에 대해, 분석 측정의 특정 조건 중 적어도 하나에 대한 특정 신뢰도일 수 있다. 예를 들어, 몇 개의 신뢰도, 가령, 분석 측정의 상이한 조건에 대한 신뢰도가 결정될 수 있다. 예를 들어, 다양한 범위의 분석물 농도에 대해 서로 다른 신뢰도가 결정 및/또는 상이한 유형의 모바일 장치에 대해 상이한 신뢰도가 결정될 수 있다. 따라서, 예를 들어 한 가지 유형의 모바일 전화기에 대한 신뢰도가 충분일 수 있고, 또 다른 유형의 모바일 전화기에 대한 신뢰도가 불충분이어서 추가 훈련이 필요함을 나타낼 수 있다.
이미지들 중 적어도 일부의 이미지의 유사성을 식별하는 것은 이미지 그룹에서 유사성을 식별하는 것을 포함할 수 있다. 따라서 예를 들어 단계 b.에서의 평가는, 가령, 특정 특징에 따라 및/또는 그 밖의 다른 그룹화 기준, 가령, 분석 측정의 조건 및/또는 이미지로부터 도출된 그룹화 기준에 따라, 분석 측정 및/또는 이미지를 그룹화하는 것을 포함할 수 있다.
단계 b.는, 앞서 언급된 바와 같이, 적어도 하나의 인공 신경망을 이용하는 것을 포함할 수 있다. 용어 "인공 신경망"은 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 하나 이상의 예를 고려하여, 가령, 작업-특정 규칙으로 프로그래밍되지 않고, 하나 이상의 작업을 수행하기 위해 학습할 수 있는 컴퓨터, 컴퓨터 시스템, 컴퓨터 네트워크 또는 컴퓨터 프로그램을 지칭할 수 있나, 이에 한정되지는 않는다. 일반적으로, 이 용어는 딥 러닝 프로세스를 구현할 수 있는 시스템을 지칭할 수 있다. 구체적으로, 적어도 하나의 인공 신경망은 적어도 하나의 자가 학습 또는 기계 학습 시스템을 포함할 수 있다. 예를 들어, 인공 신경망은 복수의 노드를 갖는 적어도 하나의 입력 레이어, 복수의 노드를 갖는 적어도 하나의 출력 레이어, 및 선택사항으로서 입력 레이어와 출력 레이어 사이에 하나 이상의 은닉 레이어를 포함할 수 있다. 이웃하는 레이어들 사이의 노드는 신호 연결에 의해 상호 연결될 수 있다. 인공 신경망은 특히 인간 두뇌의 학습 과정을 시뮬레이션할 수 있다. 적어도 하나의 인공 신경망은 구체적으로 적어도 하나의 콘볼루션 신경망이거나 이를 포함할 수 있다. 통상의 기술자라면 알듯이, 인공 신경망은 특히 이미지를 식별 또는 분석하기 위해 및/또는 복수의 이미지에서 특징 또는 유사점을 식별하기 위해 사용될 수 있다. 결과적으로, 예를 들면, 적어도 하나의 인공 신경망은 이미지들 중 적어도 일부 이미지에서 유사성을 식별하기 위해 사용될 수 있다. 유사성은 구체적으로 유사한 패턴, 유사한 변수, 분석 측정의 특정 조건과 관련된 유사성 중 적어도 하나를 지칭할 수 있다.
앞서 언급된 바와 같이, 일반적으로 적어도 하나의 클리어런스 정보를 설정하기 위한 몇 가지 수단이 가능할 수 있는데, 가령, 적어도 하나의 임계 값과의 비교를 이용하는 것 및/또는 적어도 하나의 스텝 함수를 적용하는 것이 있다. 따라서, 예를 들어, 단계 d.는 신뢰도를 지정 임계 값, 구체적으로, 지정 최소 값과 비교하는 것, 및 비교에 기초하여, 적어도 하나의 클리어런스 정보를 컬러 참조 카드를 이용하지 않는 측정에 불충분 신뢰도 또는 컬러 참조 카드를 이용하지 않는 측정에 충분 신뢰도를 각각 나타내는 값으로 설정하는 것을 포함할 수 있다.
본 발명의 추가 양태에서, 모바일 장치가 개시되며, 상기 모바일 장치는 적어도 하나의 카메라를 가지며, 모바일 장치는 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시되는 실시예들 중 임의의 하나에 따라 체액 내 분석물의 농도를 결정하는 방법을 수행하도록 구성된다. 구체적으로, 모바일 장치는 적어도 하나의 프로세서를 포함할 수 있다. 용어 "프로세서"는 본 명세서에서 사용될 때, 넓은 의미의 용어이며 해당 분야의 통상의 기술자에게 일반적이고 관례적인 의미를 가질 것이고 특수한 또는 맞춤 의미로 한정되지 않을 것이다. 상기 용어는 구체적으로, 컴퓨터 또는 시스템의 기본 동작을 수행하도록 구성된 임의의 논리 회로 및/또는 일반적으로 계산 또는 논리 연산을 수행하도록 구성된 장치를 지칭할 수 있으나, 이에 한정되지는 않는다. 특히, 프로세서는 컴퓨터 또는 시스템을 구동하는 기본 명령을 처리하도록 구성될 수 있다. 예를 들어, 프로세서는 적어도 하나의 산술 논리 장치(ALU), 적어도 하나의 부동 소수점 장치(FPU), 가령, 수학 보조 프로세서 또는 수치 코프로세서, 복수의 레지스터, 특히, ALU로 피연산자를 공급하고 연산의 결과를 저장하도록 구성된 레지스터, 및 메모리, 가령, L1 및 L2 캐시 메모리를 포함할 수 있다. 특히, 프로세서는 멀티-코어 프로세서일 수 있다. 구체적으로, 프로세서는 중앙 처리 장치(CPU)이거나 이를 포함할 수 있다. 추가로 또는 대안으로, 프로세서는 마이크로프로세서이거나 이를 포함할 수 있으며, 따라서 구체적으로 프로세서의 요소는 하나의 단일 집적 회로(IC) 칩에 포함될 수 있다. 추가로 또는 대안으로, 프로세서는 하나 이상의 ASIC(application-specific integrated circuit) 및/또는 하나 이상의 FPGA(field-programmable gate array) 및/또는 하나 이상의 TPU(tensor processing unit) 및/또는 하나 이상의 칩, 가령, 전용 기계 학습 최적화 칩 등이거나 이를 포함할 수 있다.
프로세서는 방법의 방법 단계를 수행 및/또는 지원하기 위해, 가령 소프트웨어 프로그래밍에 의해 구성될 수 있다. 구체적으로, 프로세서는 카메라를 사용하여 테스트 필드를 갖는 광학 테스트 스트립 중 적어도 하나의 일부분의 적어도 하나의 이미지의 캡처를 지원하도록 구성될 수 있다. 프로세서는, 가령, 이미지를 평가하고, 이미지로부터 적어도 하나의 정보를 도출함으로써 그리고 적어도 하나의 정보를 적어도 하나의 분석물 농도 값으로 변환함으로써 테스트 필드의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하도록 더 구성될 수 있다. 프로세서는 구체적으로 방법의 단계 i), ii) 및 iii) 중 하나 이상 또는 전부를 지원하도록, 가령, 상관관계를 제공 및/또는 수신하도록, 가령, 답을 제공하거나 적어도 하나의 클리어런스 정보를 수신하도록 그리고 적어도 하나의 클리어런스 정보를 평가하도록 그리고 적어도 하나의 이미지의 캡처가 컬러 참조 카드 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하도록 더 구성될 수 있다. 프로세서는, 가령, 사용자 안내를, 가령, 시각적 포맷 및 물건 또는 청각적 포맷으로 제공함으로써, 테스트 스트립으로의 샘플 적용을 지원하도록 더 구성될 수 있다. 프로세서는, 가령, 테스트 스트립 또는 이의 일부분을 시야에서 자동으로 검출함으로써, 및/또는 사용자가 이미지를 캡처하도록 프롬프트함으로써 적어도 하나의 이미지의 캡처를 지원하도록 더 구성될 수 있다.
본 발명의 다른 양태에서, 분석 측정을 제어하기 위한 시스템이 개시된다. 시스템은 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 장치를 포함한다. 시스템은 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시된 실시예들 중 임의의 하나에 따라 적어도 하나의 모바일 장치를 이용해 분석 측정을 제어하는 방법을 수행하도록 더 구성된다. 따라서, 시스템은 일반적으로 상호작용하도록 구성된 복수의 구성요소를 포함할 수 있다. 따라서, 적어도 하나의 모바일 장치 외에, 시스템은 구체적으로 적어도 단계 b., c. 및 d.를 수행하도록 구성된 적어도 하나의 평가 장치를 포함할 수 있다. 예를 들어, 평가 장치는 모바일 장치에, 특히 무선 방식으로, 가령, 인터넷 및/또는 무선 통신 네트워크를 통해 연결될 수 있다. 예를 들어, 평가 장치는 소프트웨어 프로그래밍에 의해 적어도 단계 b., c. 및 d.를 수행하도록 구성된 컴퓨터 및 컴퓨터 시스템, 가령, 서버, 서버 시스템 또는 클라우드-기반 서버 또는 서버 시스템 중 하나 이상을 포함할 수 있다. 평가 장치는 단계 a.에 생성된 결과, 가령, 이미지 및/또는 이의 일부분 및/또는 이미지로부터 도출된 적어도 하나의 정보, 가령, 적어도 하나의 컬러 정보 및/또는 이로부터 도출된 적어도 하나의 분석 측정 값을, 특히 무선으로, 수신하도록 더 구성될 수 있다. 차례로, 평가 장치는 적어도 하나의 클리어런스 정보를 모바일 장치로, 가령, 무선 방식으로 전송하도록 더 구성될 수 있다. 수신 및 송신을 위해, 평가 장치는 적어도 하나의 수신기 및/또는 적어도 하나의 송신기를 포함할 수 있다.
구체적으로 평가 장치는 모바일 장치와 분리될 수 있다, 가령, 모바일 장치와 원격지에 있을 수 있다. 앞서 개략적으로 설명된 바와 같이 평가 장치는 특히 무선 방식으로 모바일 장치와 통신하도록 구성될 수 있다. 평가 장치는 서버 장치 및 클라우드 기반 평가 장치 중 적어도 하나를 포함할 수 있다. 특히 평가 장치는 적어도 하나의 클리어런스 정보를 모바일 장치로 전송하도록 구성될 수 있다.
본 발명의 또 다른 양태에서, 본 발명에 따르는 방법, 즉, 앞서 개시된 실시예들 중 하나 이상 및/또는 이하에서 더 상세히 개시될 실시예 중 하나 이상에서, 분석물의 농도를 결정하는 방법 및/또는 분석 측정을 제어하는 방법 중 하나 또는 둘 모두를 전적으로 또는 부분적으로 지원 또는 수행하는 컴퓨터 프로그램 및 컴퓨터 판독형 매체가 개시된다. 따라서, 추가 양태에서, 카메라를 갖는 모바일 장치에 의해, 특히, 모바일 장치의 프로세서에 의해, 프로그램이 실행될 때, 모바일 장치로 하여금 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시되는 실시예들 중 임의의 하나에 따라 체액 내 분석물의 농도를 결정하는 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램이 개시된다. 마찬가지로, 카메라를 갖는 모바일 장치에 의해, 특히, 모바일 장치의 프로세서에 의해, 프로그램이 실행될 때, 모바일 장치로 하여금 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시되는 실시예들 중 임의의 하나에 따라 체액 내 분석물의 농도를 결정하는 방법을 수행하게 하는 명령을 포함하는 컴퓨터 판독형 저장 매체가 개시된다. 또한, 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시된 실시예 중 임의의 하나에 따른 분석 측정을 제어하기 위한 시스템에 의해 프로그램이 실행될 때, 시스템으로 하여금 본 발명에 따른, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따른 및/또는 이하에서 더 상세히 개시될 실시예들 중 임의의 하나에 따른 분석 측정을 제어하는 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램이 개시된다. 마찬가지로 본 발명에 따라, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따라 및/또는 이하에서 더 상세히 개시된 실시예 중 임의의 하나에 따른 분석 측정을 제어하기 위한 시스템에 의해 실행될 때, 시스템으로 하여금 본 발명에 따른, 가령, 앞서 개시된 실시예들 중 임의의 하나에 따른 및/또는 이하에서 더 상세히 개시될 실시예들 중 임의의 하나에 따른 분석 측정을 제어하는 방법을 수행하게 하는 명령을 포함하는 컴퓨터 판독형 저장 매체가 개시된다.
본 명세서에서 사용될 때, 용어 "컴퓨터 판독형 저장 매체"는 특히 비일시적 데이터 저장 수단, 가령, 컴퓨터 실행형 명령이 저장된 하드웨어 저장 매체를 지칭할 수 있다. 컴퓨터 판독형 데이터 캐리어 또는 저장 매체는 특히 저장 매체, 가령, RAM(random-access memory) 및/또는 ROM(read-only memory)이거나 이를 포함할 수 있다.
컴퓨터 프로그램은 또한 컴퓨터 프로그램 제품으로서 구현될 수 있다. 본 명세서에서 사용될 때, 컴퓨터 프로그램 제품은 상용화된 제품으로서의 프로그램을 지칭할 수 있다. 제품은 일반적으로 임의의 형태, 가령, 종이 형태, 또는 컴퓨터 판독형 데이터 캐리어 상에 및/또는 컴퓨터 판독형 저장 매체 상에 존재할 수 있다. 특히, 컴퓨터 프로그램 제품은 데이터 네트워크에 걸쳐 분산될 수 있다.
본 발명에 따르는 방법 및 장치는 종래 기술에서 알려진 유사한 방법 및 장치에 비해 많은 이점을 제공한다. 따라서, 해당 분양에 공지된 방법 및 장치에 비교해서, 본 명세서에 기재된 방법 및 장치는 측정 유연성 및 핸들링을 향상시킬 수 있다. 특히, 측정 유연성 및 핸들링은 많은 모바일 장치가 무선 측정 결정 및 제어에 사용되게 함으로써 증가될 수 있다. 본 발명이 분석 측정에 사용될 수 있게 할 수 있는 많은 모바일 장치는 새로운 스마트폰의 지속적인 출시와 같은 지속적인 출시로 인해 점점 더 많은 모바일 장치가 될 수 있다. 특히, 본 발명에 따른 방법 및 장치는 훈련 프로세스, 예를 들어 훈련 데이터 생성을 수행함으로써 이들 모바일 장치의 사용을 가능하게 할 수 있다. 특히, 분석 측정을 수행하는 동안 훈련 데이터를 생성하는 것은 실험실 환경에서 훈련 데이터를 생성하기 위한 복잡하고 시간 소모적인 전용 연구보다 바람직할 수 있다.
또한, 본 발명의 방법 및 장치는, 예를 들어 참조 카드를 사용함으로써, 공지된 방법 및 장치에 비해 측정 안전성을 높일 수 있다. 구체적으로, 본 발명에 따른 참조 카드의 사용, 예를 들어, 참조 카드 측정 데이터의 생성은 인공 신경망, 가령, 이미지 기반 신경망을 훈련하기 위해 사용될 수 있다. 따라서, 본 발명에 따른 분석 측정은, 가령, 방법 및 장치가 실제 환경 및 조건에, 가령, 스마트폰 특정 및 장면 특정 양태에 적응되게 함으로써, 공지된 측정보다 더 안전할 수 있다.
또한, 본 발명의 방법 및 장치에 의해, 가령, 초기 데이터 수집 프로세스 후에 참조 카드와 무관하게 분석 측정 농도를 결정하게 할 수 있음으로써, 측정 성능이 향상될 수 있다. 따라서 충분한 데이터가 수집되었거나 및/또는 인공 망이 훈련될 수 있으면, 참조 카드가 더는 필요하지 않을 수 있다. 분석물 농도를 결정하기 위해 참조 카드가 더는 필요하지 않은 단순성으로 인해 사용자 핸들링이 더욱 개선될 수 있다.
요컨대 그리고 추가 가능한 실시예를 배제하지 않고, 다음의 실시예가 고려될 수 있다:
실시예 1: 체액 내 분석물의 농도를 결정하는 방법으로서, 상기 방법은 카메라를 갖는 모바일 장치를 이용하는 단계를 포함하며, 상기 방법은 상기 카메라를 이용함으로써 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 포함하고, 상기 방법은 상기 테스트 필드의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계를 더 포함하고, 다음을 포함하는 방법:
i) 모바일 장치에서, 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계,
ii) 모바일 장치에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
iii) 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해 적어도 하나의 이미지의 캡처가 컬러 참조 카드 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계.
실시예 2: 선행한 실시예에 있어서, 적어도 하나의 클리어런스 정보는 불충분 신뢰도를 나타내는 상태 및 충분 신뢰도를 나타내는 상태를 갖는 클리어런스 정보 플래그를 포함하는, 체액 내 분석물의 농도를 결정하는 방법.
실시예 3: 선행한 실시예들 중 어느 하나에 있어서, 다음을 더 포함하는 방법:
iv) 클리어런스 정보가 상관관계에 대해 불충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해, 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드의 적어도 하나의 이미지의 캡처를 필요로 한다는 지시자를 사용자에게 제공하는 단계.
실시예 4: 선행한 실시예들 중 어느 하나에 있어서, 지시자는, 모바일 장치에 의해, 모바일 장치의 디스플레이 상에 제공되는, 방법.
실시예 5: 선행한 실시예들 중 어느 하나에 있어서, 적어도 하나의 클리어런스 정보가 모바일 장치의 데이터 저장 장치에 저장되는, 방법.
실시예 6: 선행 실시예들 중 어느 하나에 있어서, 테스트 필드의 컬러 형성을 분석 농도 값으로 변환하기 위한 적어도 하나의 상관관계는 모바일 장치의 데이터 저장 장치에 저장되는, 방법.
실시예 7: 선행 실시예들 중 어느 하나에 있어서, 테스트 필드의 컬러 형성을 분석물 농도로 변환하기 위한 적어도 하나의 상관관계는 알고리즘, 상관관계 매트릭스, 코딩 곡선 또는 룩업 테이블 중 적어도 하나를 포함하는, 방법.
실시예 8: 선행 실시예들 중 어느 하나에 있어서, 테스트 필드의 컬러 형성을 분석물 농도로 변환하기 위한 적어도 하나의 상관관계는 적어도 하나의 이미지로부터 얻어진 적어도 하나의 컬러 정보의 분석물 농도로의 변환을 포함하는, 방법.
실시예 9: 카메라를 갖는 적어도 하나의 모바일 장치를 이용해 분석 측정을 제어하는 방법으로서, 다음을 포함하는 방법:
I.) 데이터 수집 프로세스 - 상기 데이터 수집 프로세스는 다음을 포함함:
a. 복수의 분석 측정을 수행하는 단계 - 상기 분석 측정은, 적어도 부분적으로, 카메라를 이용함으로써 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 이미지를 캡처하는 것을 포함하고 적어도 하나의 컬러 참조 카드의 이미지를 캡처하는 것을 더 포함함 - ,
b. 복수의 분석 측정을 평가함으로써, 적어도 하나의 상관관계를 결정하는 단계 - 상기 상관관계는 컬러 참조 카드 이용을 필요로 하지 않으면서 테스트 필드의 컬러 형성을 분석물 농도 값으로 변환하도록 구성됨 - ,
c. 단계 b.에서 결정된 상관관계에 대한 신뢰도를 결정하는 단계,
d. 적어도 하나의 클리어런스 정보를 설정하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
II.) 상기 실시예들 중 어느 하나에 따른 체액 내 분석물의 농도를 결정하는 방법을 수행하는 단계.
실시예 10: 선행한 실시예에 있어서, 단계 a.에서 수행된 분석 측정은 다양한 다른 측정 조건에서 적어도 부분적으로 수행되는, 방법.
실시예 11: 선행한 두 개의 실시예 중 어느 하나에 있어서, 단계 b.는 단계 a.에서 캡처된 이미지를 평가하여 이미지들 중 적어도 일부의 이미지에서 유사성을 식별하는 단계를 포함할 수 있으며, 유사성은 유사한 패턴, 유사한 변수 중 적어도 하나를 특히 지칭하고, 유사성은 분석 측정의 특정 조건과 관련되는, 방법.
실시예 12: 선행한 실시예에 있어서, 분석 측정의 특정 조건은, 적어도 하나의 특정 분석물 농도, 분석물 농도의 적어도 하나의 특정 범위, 모바일 장치의 적어도 하나의 특정 유형, 적어도 하나의 추가 정보, 가령, 제조업체, 위치, 가령, 지오-로케이션, 및 날짜, 가령, 이미지 캡처 날짜 중 적어도 하나를 포함하는, 방법.
실시예 13: 선행하는 실시예에 있어서, 단계 c.에서 결정된 신뢰도는 특히 특정 유형의 모바일 전화기에 대해, 분석 측정의 특정 조건 중 적어도 하나에 대한 특정 신뢰도인, 방법.
실시예 14: 선행한 세 개의 실시예 중 어느 하나에 있어서, 이미지들 중 적어도 일부의 이미지의 유사성을 식별하는 것은 이미지 그룹에서 유사성을 식별하는 것을 포함하는, 방법.
실시예 15: 선행한 두 개의 실시예 중 어느 하나에 있어서, 단계 b.는 특히 이미지들 중 적어도 일부 이미지에서 유사성을 식별하기 위해 인공 신경망을 이용하는 것을 포함하고, 유사성은 유사한 패턴 또는 유사한 변수 중 적어도 하나를 지칭하고, 설정된 유사성은 분석 측정의 특정 조건과 관련된, 방법.
실시예 16: 선행한 일곱 개의 실시예 중 어느 하나에 있어서, 단계 d.는 신뢰도를 지정 임계 값, 특히, 지정 최솟값과 비교하는 것, 및 비교에 기초하여, 적어도 하나의 클리어런스 정보를 컬러 참조 카드를 이용하지 않는 측정에 불충분 신뢰도 또는 컬러 참조 카드를 이용하지 않는 측정에 충분 신뢰도를 각각 나타내는 값으로 설정하는 것을 포함하는, 방법.
실시예 17: 적어도 하나의 카메라를 갖는 모바일 장치로서, 상기 모바일 장치는 실시예 1 내지 8 중 어느 하나에 따르는 체액 내 분석물의 농도를 결정하는 방법을 수행하도록 구성되는, 모바일 장치.
실시예 18: 선행한 실시예에 있어서, 모바일 장치는 적어도 하나의 프로세서를 더 포함하는, 모바일 장치.
실시예 19: 분석 측정을 제어하기 위한 시스템으로서, 상기 시스템은 적어도 하나의 카메라를 갖는 적어도 하나의 모바일 장치를 포함하고, 상기 시스템은 실시예 9 내지 16 중 어느 하나에 따른 방법을 수행하도록 구성되는, 시스템.
실시예 20: 선행한 실시예에 있어서, 상기 시스템은 적어도 단계 b., c. 및 d.를 수행하도록 구성된 적어도 하나의 평가 장치를 포함하는, 시스템.
실시예 21: 선행한 실시예에 있어서, 평가 장치는 상기 모바일 장치와 분리되며 상기 모바일 장치와 통신하도록 구성된, 시스템.
실시예 22: 선행한 두 개의 실시예 중 어느 하나에 있어서, 평가 장치는 서버 장치 및 클라우드 기반 평가 장치 중 적어도 하나를 포함하는, 시스템.
실시예 23: 선행한 세 개의 실시예 중 어느 하나에 있어서, 평가 장치는 적어도 하나의 클리어런스 정보를 모바일 장치로 전송하도록 구성되는, 시스템.
실시예 24: 프로그램이 카메라를 갖는 모바일 장치, 특히, 모바일 장치의 프로세서에 의해 실행될 때, 모바일 장치로 하여금 실시예 1 내지 8 중 어느 하나의 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램.
실시예 25: 카메라를 갖는 모바일 장치, 특히, 모바일 장치의 프로세서에 의해 실행될 때, 모바일 장치로 하여금 실시예 1 내지 8 중 어느 하나의 방법을 수행하게 하는 명령을 포함하는 컴퓨터 판독형 저장 매체.
실시예 26: 프로그램이 실시예 19 내지 23 중 어느 하나에 따른 시스템에 의해 실행될 때, 상기 시스템으로 하여금 실시예 9 내지 16 중 어느 하나의 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램.
실시예 27: 실시예 19 내지 23 중 어느 하나에 따른 시스템에 의해 실행될 때, 상기 시스템으로 하여금 실시예 9 내지 16 중 어느 하나의 방법을 수행하게 하는 명령을 포함하는 컴퓨터 판독형 저장 매체.
추가 선택적 특징 및 실시예가, 바람직하게는, 종속 청구항과 함께, 이하의 실시예에 대한 설명에서 더 상세히 개시될 것이다. 거기서, 해당 분야의 통상의 기술자가 인지할 바와 같이, 각자의 선택적 특징이 독립적으로 또는 임의의 무작위 가능한 조합으로 구현될 수 있다. 발명의 범위는 바람직한 실시예로 한정되지 않는다. 실시예는 도면에 개략적으로 도시된다. 거기서, 이들 도면 내 동일한 도면 부호가 동일하거나 기능적으로 비교 가능한 요소를 지칭한다.
도면에서:
도 1은 분석 측정을 제어하기 위한 시스템 및 모바일 장치의 실시예를 투시도로 나타낸다.
도 2 및 3은 체액 내 분석물의 농도를 결정하는 방법의 상이한 실시예의 흐름도를 나타낸다.
도 4는 분석 측정을 제어하는 방법의 실시예의 흐름도를 나타낸다.
도 5는 체액 내 분석물의 농도를 결정하는 방법에 영향을 미치는 인자를 보여준다.
도 6은 분석 측정을 제어하는 방법의 실시예의 흐름도를 나타낸다.
도 7은 분석 측정을 제어하는 방법의 일부분의 흐름도를 나타낸다.
도 1에서 분석 측정을 제어하기 위한 시스템(110) 및 모바일 장치(112)의 실시예가 투시도로 도시되어 있다. 모바일 장치(112)는 적어도 하나의 카메라(114)를 가진다. 또한, 모바일 장치(112)는 체액 내 분석물의 농도를 결정하는 방법(116)을 수행하도록 구성된다. 체액 내 분석물의 농도를 결정하는 방법(116)은 또한 결정 방법(116)이라고도 지칭될 수 있다. 결정 방법(116)은 도 2 및 3에서 예시된 흐름도로 도시된 실시예를 참조하여 기재될 것이다. 시스템(110)은 적어도 하나의 카메라(114)를 갖는 적어도 하나의 모바일 장치(112)를 포함한다. 시스템(110)은 분석 측정을 제어하는 방법(118)을 수행하도록 더 구성된다. 분석 측정을 제어하는 방법(118)은 또한 제어 방법(118)이라고도 지칭될 수 있다. 제어 방법(118)은 도 4 및 6에 예시된 흐름도에서 나타난 실시예를 참조하여 기재될 것이다.
시스템(110)은 적어도 하나의 평가 장치(120)를 더 포함할 수 있다. 평가 장치(120)는 구체적으로 모바일 장치(112)와 분리될 수 있고 반대 방향을 가리키는 두 개의 화살표에 의해 도 1에 예시된 바와 같이, 모바일 장치(112)와 통신하도록 구성될 수 있다. 특히, 적어도 하나의 클리어런스 정보는 평가 장치(120)에 의해 모바일 장치(112)로 전송될 수 있다. 예를 들어, 평가 장치(120)는 서버 장치(130) 및 클라우드 기반 평가 장치(132) 중 적어도 하나를 포함할 수 있다. 모바일 장치는 적어도 하나의 프로세서(122)를 더 포함할 수 있다. 프로세서(122)는 특히 모바일 장치(112)의 이미지 획득, 가령, 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 이미지의 캡처를 지원할 수 있다. 또한 컬러 참조 카드(128)가 도 1에 예시되어 있다.
체액 내 분석물의 농도를 결정하는 방법(116)은 카메라(114)를 갖는 모바일 장치(112)를 사용하는 것을 포함한다. 방법(116)은 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 더 포함한다. 상기 방법(116)은 테스트 필드(126)의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계를 더 포함한다. 또한, 상기 방법(116)은 주어진 순서로 수행될 수 있는, 다음의 단계들을 포함한다. 여전히, 상이한 순서도 가능할 수 있다. 방법 단계들 중 둘 이상을 완전히 또는 부분적으로 동시에 수행하는 것이 가능할 수 있다. 하나의, 둘 이상의, 또는 심지어 모든 방법 단계들을 한 번 또는 반복적으로 수행하는 것이 또한 가능할 수 있다. 방법(116)은 나열되지 않은 추가 방법 단계를 포함할 수 있다. 방법(116)의 방법 단계들은 다음과 같다:
i) (도면부호(134)로 지시됨) 상기 모바일 장치(112)에서, 상기 테스트 필드(126)의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계,
ii) (도면부호(136)로 지시됨) 상기 모바일 장치(112)에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
iii) (도면부호(138)로 지시됨) 클리어런스 정보가 상관관계에 대한 충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해 적어도 하나의 이미지의 캡처가 컬러 참조 카드(128) 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계.
또한, 도 3에 예시적으로 도시된 바와 같이, 방법(116)은 분기점(140)을 포함할 수 있다. 분기점(140)은 제1 분기(142)와 제2 분기(144) 간에 결정하는 것과 같은 조건 질의를 나타낼 수 있다. 예를 들어, 조건 질의는 클리어런스 정보를 사용할 수 있다. 클리어런스 정보는, 예를 들어, 불충분 신뢰도를 나타내는 상태 및 충분 신뢰도를 나타내는 상태를 갖는 클리어런스 정보 플래그를 포함할 수 있다. 따라서, 클리어런스 정보는 부울 정보, 가령, "충분" ("y") 또는 "불충분" ("n")을 포함할 수 있다. 예를 들어, 제1 분기(142)는 불충분 신뢰도를 나타낼 수 있고 iv) (도면부호(146)으로 지시됨) 클리어런스 정보가 상관관계에 대해 불충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해, 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드(128)의 적어도 하나의 이미지의 캡처를 필요로 한다는 지시자를 사용자에게 제공하는 단계로 이어질 수 있다. 제2 분기(144)는 충분 신뢰도를 나타내고 따라서 단계 iii)(138)로 이어진다.
카메라(114)를 갖는 적어도 하나의 모바일 장치(112)를 사용하여 분석 측정을 제어하는 방법(118)은 특히, 주어진 순서로 수행될 수 있는 다음 단계를 포함한다. 여전히, 상이한 순서도 가능할 수 있다. 방법 단계들 중 둘 이상을 완전히 또는 부분적으로 동시에 수행하는 것이 가능할 수 있다. 하나의, 둘 이상의, 또는 심지어 모든 방법 단계들을 한 번 또는 반복적으로 수행하는 것이 또한 가능할 수 있다. 방법(118)은 나열되지 않은 추가 방법 단계를 포함할 수 있다. 방법(118)의 방법 단계는 다음과 같다:
I.) (도면부호(148)로 지시됨) 데이터 수집 프로세스 - 상기 데이터 수집 프로세스는 다음을 포함함:
a. (도면부호(150)으로 지시됨) 복수의 분석 측정을 수행하는 단계 - 상기 분석 측정은, 적어도 부분적으로, 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 이미지를 캡처하는 것을 포함하고 적어도 하나의 컬러 참조 카드(128)의 이미지를 캡처하는 것을 더 포함함 - ,
b. (도면부호(152)로 지시됨) 복수의 분석 측정을 평가함으로써, 적어도 하나의 상관관계를 결정하는 단계 - 상기 상관관계는 컬러 참조 카드(128) 이용을 필요로 하지 않으면서 테스트 필드(126)의 컬러 형성을 분석물 농도 값으로 변환하도록 구성됨 - ,
c. (도면부호(154)로 지시됨) 단계 b.에서 결정된 상관관계에 대한 신뢰도를 결정하는 단계,
d. (도면부호(156)로 지시됨) 적어도 하나의 클리어런스 정보를 설정하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
II.) 체액 내 분석물의 농도를 결정하는 방법(116)을 수행하는 단계.
특히, 단계 b.는 특히 이미지들 중 적어도 일부 이미지에서 유사성을 식별하기 위해, 인공 신경망을 이용하는 것을 포함할 수 있다. 구체적으로, 유사성은 유사한 패턴 또는 유사한 변수 중 적어도 하나를 지칭할 수 있다. 구체적으로, 유사성은 분석 측정의 특정 조건과 관련될 수 있다. 분석 측정, 특히 체액 내 분석물의 농도를 결정하는 방법은 도 5에 예시된 바와 같이 다양한 영향 인자에 영향을 받을 수 있다. 분석 측정에 영향을 미칠 수 있는 외부 인자(158)는 핸들링 양태(160), 샘플 변수(162) 및 추가 외부 변수(164)이거나 이를 포함할 수 있다. 예를 들어, 핸들링 양태(160)는 시간적 양태, 예를 들어, 타이밍 및 각도 또는 공간 배향, 가령, 광학 테스트 스트립(124) 및 카메라(114)의 각도 또는 공간 배향이거나 이를 포함할 수 있다. 샘플 변수(162)는, 예를 들어, 분석 측정에 영향을 미치는 샘플의 특성, 가령, 헤마토크리트(hct), 혈액량 및 간섭, 가령, 말토오스 등이거나 이를 포함할 수 있다. 추가 외부 변수(164)는 예를 들어 온도 및 습도를 포함할 수 있다.
추가 영향 인자는 예를 들어 단계 iii)(138) 및 a.(150)에서 적어도 하나의 이미지를 캡처할 때 발생하거나 간섭함으로써 분석 측정에 영향을 미칠 수 있다. 특히, 예를 들어 이미지의 RGB 데이터(165)를 검색하기 위해, 적어도 하나의 이미지의 캡처가 적어도 두 개의 하위-단계, 가령, 상이한 영향 인자에 의해 영향 받을 수 있는 이미지 획득(166) 및 이미지 처리(168)를 포함할 수 있다. 따라서, 예를 들어, 이미지 획득(166)은 모바일 장치(112), 가령, 스마트폰의 속성 또는 특성에 의해, 가령, 카메라 설정 변수(170), 가령, 노출 시간, ISO 세팅, RGGB 이득 등에 의해, 그리고 센서 설정, 가령, 조리개, 초점 거리, 재생 스케일, 픽셀 해상도 및 센서 유형, 가령, 베이어 센서(Bayer sensor)를 포함할 수 있는 광학 변수(172)에 의해 영향 받을 수 있다. 또한, 이미지 획득(166)은 이미지 장면 변수(174), 가령, 주변광, 가령, 강도 및/또는 스펙트럼 분포, 배경, 가령, 배경 조명 또는 컬러, 및 광학 테스트 스트립(124)과 배경의 비, 가령, 광학 테스트 스트립(124)을 나타내는 픽셀과 배경을 나타내는 픽셀 간 픽셀 비에 의해 영향 받을 수 있다. 이미지 처리(168)에 영향을 미칠 수 있는 모바일 장치(112)의 속성 또는 특성은 톤 매핑(176), 컬러 변환 매트릭스(178) 및 데모자이싱(demosaicing)(180)이거나 이를 포함할 수 있다.
도 6에서, 분석 측정을 제어하는 방법의 하나의 실시예의 흐름도가 예시되어 있다. 예를 들어, 도 6의 상부 좌측 모서리에 있는 흑색 점 또는 원은 분석 측정을 제어하는 방법(118)의 시작점을 예시한다. 도 6에 예시적으로 도시된 바와 같이, 방법(118)은 "충분" ("y") 신뢰도를 나타내는 상태를 갖는 클리어런스 정보 플래그를 나타낼 수 있는 제2 분기(144) 사이에서 결정하는 분기점(140)에서 시작할 수 있고 단계 iii)(138)로 이어질 수 있다. 후속적으로, 카메라(114)를 사용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 것(182)은 컬러 참조 카드(128)를 이용할 필요 없이 수행될 수 있다. 단계(182)는 구체적으로 테스트 필드(126)의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계(184)로 이어질 수 있다.
제1 분기(142)는 "불충분" ("n") 신뢰도를 나타내는 상태를 갖는 클리어런스 정보 플래그를 나타낼 수 있고, 제1 분기(188)와 제2 분기(190) 사이를 결정하는 다음 분기점(186)으로 이어질 수 있다. 제1 분기(142)는 "디폴트" 분기 또는 디폴트 설정일 수 있어서, 사용자는, 디폴트로, 컬러 참조 카드(128)를 이용하도록 요구될 수 있다. 분기점(186)은 클라우드 액세스(186)의 체크, 가령, 모바일 장치(112)가 데이터 수집 프로세스 I.)(148)에서 수집된, 가령, 클라우드 기반 평가 장치(132) 상에 저장된 데이터를 액세스할 수 있는지 여부를 결정할 수 있다. 따라서, 제1 분기(188)는 "클라우드 액세스" ("y")를 나타낼 수 있고 데이터 수집 프로세스 I.)(148)에서 수집된 데이터가 "충분" ("y") 또는 "불충분" ("n") 신뢰도를 나타내는지 여부에 따라, 제1 분기(194)와 제2 분기(196) 간에 결정하는 추가 분기점(192)으로 이어질 수 있다. 구체적으로, 질의(192)는 모바일 장치(112)에 대한 스트립 전용 클리어런스 체크를, 예를 들어 단계 c.(154)에서 결정된 신뢰도가 충분인지 또는 불충분인지를 결정함으로써, 포함할 수 있다. 예시된 바와 같이, 제1 분기(194)는 "충분" ("y") 신뢰도를 나타낼 수 있고 따라서 클리어런스 정보 플래그를 충분 신뢰도를 나타내는 상태로 설정하는 단계(198)로 이어질 수 있고 그런 다음 앞서 기재된 바와 같이 방법(116), 특히, 단계 iii)(138)를 수행하는 것으로 이어질 수 있다. 제2 분기(190)는 "클라우드 액세스 없음"을 나타낼 수 있다. 제2 분기(196)는 "불충분" 신뢰도를 나타내기 위해 데이터 수집 프로세스 I.)(148)에서 수집된 데이터를 나타낼 수 있다.
제2 분기(190)와 제2 분기(196) 둘 모두는 단계 iv)(146)로 이어질 수 있다. 따라서, 모바일 장치(112)가 "클라우드 액세스 없음"으로 간주되는 경우와 데이터 수집 프로세스 I.)(148)에서 수집된 데이터가 "불충분" 신뢰도를 나타내는 경우 모두, 결과는 동일할 수 있다. 구체적으로, 체액 내 분석물의 농도를 결정하는 방법(116)이 수행될 수 있으며, 여기서 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 것(182)은 적어도 하나의 참조 카드(128)를 이용할 것을 필요로 한다. 다시, 단계(182)는 테스트 필드(126)의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계(184)로 이어질 수 있다. 특히, 방법(116)을 수행하는 것 - 적어도 하나의 이미지의 캡처(182)는 적어도 하나의 컬러 참조 카드(128)의 적어도 하나의 이미지의 캡처를 필요로 함 - 은 측정 세부사항, 가령, 메타 데이터, 가령, 이미지, 적어도 하나의 중간 단계 및 적어도 하나의 스마트폰 메타 데이터를 저장하는 것(200)을 더 포함할 수 있다. 상세하게는, 적어도 하나의 중간 단계는 구체적으로 강도 보정, 컬러 보정 및 컬러 참조 카드 품질 체크이거나 이를 포함할 수 있다. 또한, 적어도 하나의 스마트폰 메타 데이터는 적어도 하나의 이미지를 캡처하기 위해 사용되는 스마트폰에 대한 정보, 가령, 제조업체, 모델 유형, 자동 설정, 가령, 사용된 자동 설정, 및 하드웨어 정보이거나 이를 포함할 수 있다. 측정 세부사항은, 방법(116)에서 단계 I.)(148)까지 가리키는 도 6의 화살표에 의해 예시적으로 도시된 바와 같이, 데이터 수집 프로세스 I.)(148), 특히 단계 b.(152)에서 사용될 수 있다. 예를 들어, 컬러 참조 카드(128)의 상이한 실시예를 사용하는 다양한 측정으로부터의 측정 세부사항이 사용될 수 있다.
도 7에서, 분석 측정을 제어하는 방법(118)의 일부분의 흐름도가 예시되어 있다. 구체적으로, 단계 I.)(148)에 대한 세부사항이 예시된다. 다시, 도 7의 상부 좌측 모서리에 있는 흑색 점 또는 원이 시작점을 나타낸다. 먼저, 평가 장치(120) 상에서, 수집된 데이터가 특정 수집된 데이터를 생성하도록 사용되는 모바일 장치(112)에 따라, 가령, 전화기 모델 유형에 따라, 클러스터링 또는 분류될 수 있다(도면부호(202)로 지시됨). 이어서, 각각의 모바일 장치(112)에 대해, 예를 들어, 각각의 전화기 모델 유형에 대해, 강도 정보는 클러스터링되거나 정렬될 수 있다(도면부호(204)로 지시됨). 또한, 각각의 강도 정보 및 각각의 모바일 장치(112)에 대해, 예를 들어, 각각의 강도 정보 및 각각의 스마트폰에 대해, 컬러 정보가 클러스터링되거나 정렬될 수 있다(도면부호(206)로 지시됨). 구체적으로, 클러스터링된 강도 정보 및 컬러 정보는 각자의 모바일 장치(112)에 특정적인 주변 조명 및 이미지 레코딩 정보를 공개하기에 적합할 수 있다(도면부호(208)로 지시됨). 예를 들어, 각각의 스마트폰에 대해 주변 조명 및 이미지 레코딩 블랙 박스가 각각 공개될 수 있다.
또한, 클러스터링된 데이터는, 클러스터링된 데이터의 양에 기초하여, 제1 분기(212)와 제2 분기(214) 사이를 결정하는 분기점(210)을 거칠 수 있다. 구체적으로, 각각의 클러스터에 대한 데이터의 양이 체크될 수 있고, 데이터의 양이 "충분" ("y") 또는 "충분하지 않음" ("n")을 결정한다.
특히, 인공 신경망(ANN)이, 가령, 이미지 분석을 위해, 사용될 수 있다. 원칙적으로, 광학 및/또는 비색(colormetric) 테스트 스트립 알고리즘은 ANN 사용을 기반으로 할 수 있다. 그러나, 이미지 기반 신경망, 가령, 임의의 유형의 콘볼루션 신경망(CNN)을 훈련하기 위해, 충분한 데이터, 가령, 지정 임계 데이터 양보다 많은 데이터, 예를 들어, 복수의 상황을 포함하는 데이터, 가령, 복수의 영향 인자에 대한 혈당 값이, 가령, 독립적으로 그리고 조합되어, 이용 가능해져야 한다. 따라서, "충분하지 않은" 데이터의 양을 나타내는 제2 분기(214)는 방법을 중단시키는 것으로 이어질 수 있다(도면부호(216)으로 지시됨).
데이터 양이 "충분한" 것으로 간주되는 경우, 가령, 제1 분기(212)를 결정한 경우, CNN은 클러스터링된 데이터에 따라 훈련될 수 있다(도면부호(218)로 지시됨). 그 후, CNN 품질은 별도의 테스트 데이터로 검증될 수 있다(도면부호(220)으로 지시됨). 후속적으로, 신경망, 가령, CNN의 수행은 또 다른 조건 질의 또는 분기점(222)을 거칠 수 있으며, 여기서, 신경망, 가령, CNN의 수행이 검증될 수 있다. 통과된 검증은 클리어런스 정보 플래그를 충분 신뢰도를 나타내는 상태로 설정하는 단계(198)로 이어질 수 있다. 검증이 통과되지 않은 경우 다시 방법이 중단될 수 있다(216).
예를 들어, 임의의 참조 카드 기반 앱(app) 버전으로부터의 이용 가능한 참조 카드 측정이 사용되어 이미지 기반 신경망을 부분적으로 훈련할 수 있다. 특히, 참조 카드 데이터가 스마트폰 특정 양태 및 장면 특정 양태를 훈련하는 데 재사용될 수 있다.
110 시스템
112 모바일 장치
114 카메라
116 결정 방법
118 제어 방법
120 평가 장치
122 프로세서
124 광학 테스트 스트립
126 테스트 필드
128 컬러 참조 카드
130 서버 장치
132 클라우드-기반 평가 장치
134 단계 i)
136 단계 ii)
138 단계 iii)
140 분기점
142 제1 분기
144 제2 분기
146 단계 iv)
148 단계 I.)
150 단계 a.
152 단계 b.
154 단계 c.
156 단계 d.
158 외부 인자
160 핸들링 양태
162 샘플 변수
164 외부 변수
165 이미지의 RGB 데이터
166 이미지 획득
168 이미지 처리
170 카메라 설정 변수
172 광학 변수
174 이미지 장면 변수
176 톤 매핑
178 컬러 변환 매트릭스
180 데모자이싱
182 카메라를 이용함으로써 테스트 필드를 갖는 광학 테스트 스트립의 적어도 일부분의 적어도 하나의 이미지를 캡처
184 테스트 필드의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정
186 분기점 - 클라우드 액세스 체크
188 "클라우드 액세스"를 나타내는 제1 분기
190 "클라우드 액세스 없음"을 나타내는 제2 분기
192 분기점
194 "충분" 신뢰도를 나타내는 제1 분기
196 "불충분" 신뢰도를 나타내는 제2 분기
198 클리어런스 정보 플래그를 충분 신뢰도를 나타내는 상태로 설정
200 측정 세부사항 저장
202 모바일 장치에 따라 수집된 데이터를 클러스터링
204 강도 정보를 클러스터링
206 컬러 정보를 클러스터링
208 주변 조명 및 이미지 레코딩 정보 공개
210 분기점 - 데이터 양 체크
212 "충분함"을 나타내는 제1 분기
214 "충분하지 않음"을 나타내는 제2 분기
216 방법 중단
218 클러스터링된 데이터에 따라 콘볼루션 신경망 훈련
220 별도 테스트 데이터로 신경망 품질 검증
222 분기점 - 검증

Claims (15)

  1. 체액 내 분석물의 농도를 결정하는 방법으로서, 상기 방법은 카메라(114)를 갖는 모바일 장치(112)를 이용하는 단계를 포함하며, 상기 방법은 상기 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 적어도 하나의 이미지를 캡처하는 단계를 포함하고, 상기 방법은 상기 테스트 필드(126)의 컬러 형성으로부터 적어도 하나의 분석물 농도 값을 결정하는 단계를 더 포함하고, 상기 방법은:
    i) 상기 모바일 장치(112)에서, 상기 테스트 필드(126)의 컬러 형성을 분석물 농도 값으로 변환하기 위한 적어도 하나의 상관관계를 제공하는 단계,
    ii) 상기 모바일 장치(112)에서, 적어도 하나의 클리어런스 정보를 제공하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - , 및
    iii) 클리어런스 정보가 상관관계에 대해 충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해, 적어도 하나의 이미지의 캡처가 컬러 참조 카드(128) 이용을 필요로 하지 않는다는 지시자를 사용자에게 제공하는 단계를 포함하는, 체액 내 분석물의 농도를 결정하는 방법.
  2. 제1항에 있어서, 적어도 하나의 클리어런스 정보는 불충분 신뢰도를 나타내는 상태 및 충분 신뢰도를 나타내는 상태를 갖는 클리어런스 정보 플래그를 포함하는, 체액 내 분석물의 농도를 결정하는 방법.
  3. 제1항 또는 제2항에 있어서, 상기 방법은
    iv) 클리어런스 정보가 상관관계에 대해 불충분 신뢰도를 나타내는 경우, 모바일 장치(112)에 의해, 적어도 하나의 이미지의 캡처가 적어도 하나의 컬러 참조 카드(128)의 적어도 하나의 이미지의 캡처를 필요로 한다는 지시자를 사용자에게 제공하는 단계를 더 포함하는, 체액 내 분석물의 농도를 결정하는 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 테스트 필드(126)의 컬러 형성을 분석물 농도로 변환하기 위한 적어도 하나의 상관관계는 적어도 하나의 이미지로부터 얻어진 적어도 하나의 컬러 정보의 분석물 농도로의 변환을 포함하는, 체액 내 분석물의 농도를 결정하는 방법.
  5. 카메라(114)를 갖는 적어도 하나의 모바일 장치(112)를 이용해 분석 측정을 제어하는 방법으로서, 상기 방법은
    I.) 데이터 수집 프로세스 - 상기 데이터 수집 프로세스는
    a. 복수의 분석 측정을 수행하는 단계 - 상기 분석 측정은, 적어도 부분적으로, 카메라(114)를 이용함으로써 테스트 필드(126)를 갖는 광학 테스트 스트립(124)의 적어도 일부분의 이미지를 캡처하는 것을 포함하고 적어도 하나의 컬러 참조 카드(128)의 이미지를 캡처하는 것을 더 포함함 - ,
    b. 복수의 분석 측정을 평가함으로써, 적어도 하나의 상관관계를 결정하는 단계 - 상기 상관관계는 컬러 참조 카드(128) 이용을 필요로 하지 않으면서 테스트 필드(126)의 컬러 형성을 분석물 농도 값으로 변환하도록 구성됨 - ,
    c. 단계 b.에서 결정된 상관관계에 대한 신뢰도를 결정하는 단계,
    d. 적어도 하나의 클리어런스 정보를 설정하는 단계 - 상기 적어도 하나의 클리어런스 정보는 상관관계에 대한 신뢰도를 나타냄 - 를 포함함 - , 및
    II.) 청구항 제1항 내지 제4항 중 어느 한 항에 따른 체액 내 분석물의 농도를 결정하는 방법을 수행하는 단계를 포함하는, 분석 측정을 제어하는 방법.
  6. 제5항에 있어서, 단계 b.는 단계 a.에서 캡처된 이미지를 평가함으로써, 이미지들 중 적어도 일부의 이미지에서 유사성을 식별하는 것을 포함하는, 분석 측정을 제어하는 방법.
  7. 제6항에 있어서, 이미지들 중 적어도 일부의 이미지의 유사성을 식별하는 것은 이미지 그룹에서 유사성을 식별하는 것을 포함하는, 분석 측정을 제어하는 방법.
  8. 제5항 내지 제7항 중 어느 한 항에 있어서, 단계 b.는 인공 신경망을 이용하는 것을 포함하는, 분석 측정을 제어하는 방법.
  9. 제5항 내지 제8항 중 어느 한 항에 있어서, 단계 d.는 신뢰도를 지정 임계 값과 비교하는 것, 및 비교에 기초하여, 적어도 하나의 클리어런스 정보를 컬러 참조 카드(128)를 이용하지 않는 측정에 불충분 신뢰도 또는 컬러 참조 카드(128)를 이용하지 않는 측정에 충분 신뢰도를 각각 나타내는 값으로 설정하는 것을 포함하는, 분석 측정을 제어하는 방법.
  10. 적어도 하나의 카메라(114)를 갖는 모바일 장치(112)로서, 상기 모바일 장치(112)는 청구항 제1항 내지 제4항 중 어느 한 항에 따르는 체액 내 분석물의 농도를 결정하는 방법을 수행하도록 구성되는, 모바일 장치(112).
  11. 분석 측정을 제어하기 위한 시스템(110)으로서, 상기 시스템은 적어도 하나의 카메라(114)를 갖는 적어도 하나의 모바일 장치(112)를 포함하고, 상기 시스템은 청구항 제5항 내지 제9항 중 어느 한 항에 따르는 방법을 수행하도록 구성되는, 시스템(110).
  12. 제11항에 있어서, 상기 시스템(110)은 적어도 단계 b., c. 및 d.를 수행하도록 구성된 적어도 하나의 평가 장치(120)를 포함하는, 시스템(110).
  13. 제12항에 있어서, 평가 장치(120)는 상기 모바일 장치(112)와 분리되며 상기 모바일 장치(112)와 통신하도록 구성되고, 평가 장치(120)는 모바일 장치(112)로 적어도 하나의 클리어런스 정보를 전송하도록 구성되는, 시스템(110).
  14. 프로그램이 카메라(114)를 갖는 모바일 장치(112)에 의해 실행될 때, 모바일 장치(112)로 하여금 청구항 제1항 내지 제4항 중 어느 한 항에 따른 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램.
  15. 프로그램이 청구항 제11항 내지 제13항 중 어느 한 항에 따른 시스템(110)에 의해 실행될 때, 상기 시스템(110)으로 하여금 청구항 제5항 내지 제9항 중 어느 한 항에 따른 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램.
KR1020227017532A 2019-11-25 2020-11-23 체액 내 분석물의 농도를 결정하는 방법 KR20220104171A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962939771P 2019-11-25 2019-11-25
US62/939,771 2019-11-25
EP20153174.6 2020-01-22
EP20153174.6A EP3825691B1 (en) 2019-11-25 2020-01-22 Method of determining a concentration of an analyte in a bodily fluid
PCT/EP2020/083086 WO2021105063A1 (en) 2019-11-25 2020-11-23 Method of determining a concentration of an analyte in a bodily fluid

Publications (1)

Publication Number Publication Date
KR20220104171A true KR20220104171A (ko) 2022-07-26

Family

ID=69187686

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227017532A KR20220104171A (ko) 2019-11-25 2020-11-23 체액 내 분석물의 농도를 결정하는 방법

Country Status (12)

Country Link
US (1) US20220283148A1 (ko)
EP (2) EP4145128A1 (ko)
JP (1) JP2023502766A (ko)
KR (1) KR20220104171A (ko)
CN (1) CN114667452A (ko)
BR (1) BR112022010051A2 (ko)
CA (1) CA3157870A1 (ko)
ES (1) ES2938434T3 (ko)
MA (1) MA53878B1 (ko)
PL (1) PL3825691T3 (ko)
TW (1) TW202134652A (ko)
WO (1) WO2021105063A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4278967A1 (en) * 2022-05-20 2023-11-22 F. Hoffmann-La Roche AG Method of determining a final numerical analyte result value corresponding to a concentration of an analyte in a bodily fluid using a mobile device
CN117723530A (zh) * 2023-11-24 2024-03-19 中国石油大学(华东) 可穿戴比色生物传感器及深度学习智能感知微系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69331518T2 (de) 1993-02-19 2002-09-12 Ibm Neuronales Netz zum Vergleich von Merkmalen von Bildmustern
US6122042A (en) 1997-02-07 2000-09-19 Wunderman; Irwin Devices and methods for optically identifying characteristics of material objects
US6394952B1 (en) 1998-02-03 2002-05-28 Adeza Biomedical Corporation Point of care diagnostic systems
WO1999053288A2 (en) 1998-04-14 1999-10-21 Immunetics, Inc. Systems and methods for interpreting immunoblot test results
GB201105474D0 (en) 2011-03-31 2011-05-18 Albagaia Ltd Testing apparatus
US10277877B2 (en) 2015-11-13 2019-04-30 Vefxi Corporation 3D system including a neural network
EP3566177A1 (en) 2017-02-03 2019-11-13 Siemens Aktiengesellschaft A method and apparatus for detecting objects of interest in images
CN110914831B (zh) 2017-06-05 2022-05-10 西门子股份公司 用于分析图像的方法和设备
ES2890884T3 (es) * 2017-10-25 2022-01-24 Hoffmann La Roche Procedimientos y dispositivos para realizar una medición analítica en base a una reacción de formación de color

Also Published As

Publication number Publication date
US20220283148A1 (en) 2022-09-08
TW202134652A (zh) 2021-09-16
ES2938434T3 (es) 2023-04-11
CA3157870A1 (en) 2021-06-03
EP4145128A1 (en) 2023-03-08
BR112022010051A2 (pt) 2022-08-16
EP3825691B1 (en) 2022-12-14
CN114667452A (zh) 2022-06-24
WO2021105063A1 (en) 2021-06-03
MA53878B1 (fr) 2023-02-28
JP2023502766A (ja) 2023-01-25
EP3825691A1 (en) 2021-05-26
PL3825691T3 (pl) 2023-03-13
MA53878A (fr) 2021-10-06

Similar Documents

Publication Publication Date Title
TWI795453B (zh) 基於顏色形成反應執行分析量測的方法及裝置
CN112930572B (zh) 用于执行分析测量的方法和装置
US20220283148A1 (en) Method of determining a concentration of an analyte in a bodily fluid
TW202001228A (zh) 校正用於偵測樣本中之分析物之行動裝置之攝像機的校正方法
CN107110770A (zh) 用于基于颜色色度确定化学参数的值的传感器装置及其方法
KR20210081415A (ko) 분석 측정을 수행하기 위한 방법 및 디바이스
US20220291134A1 (en) Method of performing an analytical measurement
TW202212787A (zh) 評估色彩參考卡品質的方法
KR20230020993A (ko) 체액의 샘플 내 분석물의 농도를 결정하는 방법, 모바일 장치, 키트, 컴퓨터 프로그램 및 컴퓨터 판독형 저장 매체
KR20230086754A (ko) 카메라를 가진 모바일 장치의 자동 노출 설정 제어 방법
US20210192265A1 (en) Method and devices for assessing the suitability of a sample tube for use in a laboratory automation system
KR20220097905A (ko) 체액 내 분석물의 분석적 결정을 위한 조정 방법
KR20230078668A (ko) 체액 내 적어도 하나의 분석물의 농도 결정 방법
RU2809608C2 (ru) Способ калибровки для калибровки камеры мобильного устройства для определения аналита в образце
WO2023152200A1 (en) Methods and devices for determining the concentration of at least one analyte in a bodily fluid
WO2023152207A1 (en) Methods and devices for performing an analytical measurement