CN216956993U - 一种用于测定测试条的背景设备 - Google Patents

一种用于测定测试条的背景设备 Download PDF

Info

Publication number
CN216956993U
CN216956993U CN202122533620.XU CN202122533620U CN216956993U CN 216956993 U CN216956993 U CN 216956993U CN 202122533620 U CN202122533620 U CN 202122533620U CN 216956993 U CN216956993 U CN 216956993U
Authority
CN
China
Prior art keywords
background
test strip
image
background device
color
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202122533620.XU
Other languages
English (en)
Inventor
R·马塞尔波尔
J·佩奇
J-M·沃尔
C·奥尼
C·特里科利
M·费尔南德斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Becton Dickinson and Co
Original Assignee
Becton Dickinson and Co
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 Becton Dickinson and Co filed Critical Becton Dickinson and Co
Application granted granted Critical
Publication of CN216956993U publication Critical patent/CN216956993U/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/54366—Apparatus specially adapted for solid-phase testing
    • G01N33/54386—Analytical elements
    • G01N33/54387—Immunochromatographic test strips
    • G01N33/54388—Immunochromatographic test strips based on lateral flow
    • G—PHYSICS
    • 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
    • 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
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Microbiology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本实用新型涉及一种用于测定测试条的背景设备。用于测试设备的成像和基于图像的分析的***和方法可以包括用于横向流测定测试条的背景设备。在一方面，背景设备可以包括：测试条部分，其大小和形状被设计成引导横向流测定测试条在背景设备上的放置；背景部分，其至少部分地围绕测试条部分；以及背景部分的一个或多个特征件。一个或多个特征件可以包括线检测基准、位置基准、调制传递函数基准、运动模糊检测基准和/或用于评估灯光条件的RGB平衡区域。

Description

一种用于测定测试条的背景设备
相关申请的交叉引用
本申请要求于2020年10月23日提交的题为“SYSTEMS AND METHODS FOR IMAGINGAND IMAGE-BASED ANALYSIS OF DIAGNOSTIC TEST DEVICES”的美国临时申请序列第63/105,146号和2020年12月16日提交的题为“SYSTEMS AND METHODS FOR IMAGING ANDIMAGE-BASED ANALYSIS OF TEST DEVICES”的美国临时申请序列第63/126,437号的权益，两者均通过引用整体并入本文。
技术领域
本技术涉及分析物测试，并且更具体地涉及用于读取盒分析信息的应用程序和测试盒背景设备。
背景技术
测试分析信息可以从测试设备的图像中获得，诸如横向流测定(lateral flowassays)或其他基于盒的测试。基于图像分析对分析信息的确定可能容易受到基于颜色管理、对准、图像扭曲和捕获的图像内的其他误差源的误差的影响。例如，这类方法可能容易受到由于图像质量下降(例如，高噪声水平、不良照明、不良聚焦、显著运动模糊等)导致的读取误差(诸如假阴性结果) 和/或算法误差(例如，糟糕的单应性、糟糕的归一化等)的影响。对由智能电话或其他移动设备的相机捕获的图像进行分析可能特别容易受到此类误差的影响。
实用新型内容
为了限制基于图像的测试分析***中误差的发生，用于测试分析的成像***通常在非常受控的环境中操作，并经过仔细校准和归一化。当校准和受控环境不可用时，可能需要从图像本身中提取图像鉴定(qualification)和归一化度量。因此，本技术提供了用于将具有已知特性(例如，大小、强度、颜色、空间频率、对比度等)的附加上下文信息连同测试设备本身一起包括在捕获的场景中的***和方法。本技术的***和方法除其他方面之外还包括3D盒背景设备(例如，托盘或卡)，在对测试盒拍摄图像进行信息分析之前，可以将盒定位在该背景设备上，以用作图像的背景。本技术进一步包括应用程序，诸如移动设备应用程序，该应用程序被配置为在使用3D背景设备对图像进行标准化和归一化之后对盒的图像执行图像分析。背景可以包含一个或多个基准以促进基于图像对图像采集度量的评估。在一些实施例中，一些或所有基准可以位于与测试条的表面相同的平面中，诸如横向流测定测试条的测试表面，和/或位于与包含测试条的盒的表面相同的平面中，以允许精细的图像捕获，从而在使用评估软件或手动解释进行分析之前进行图像采集条件验证、图像归一化和/或图像标准化。本文公开的3D背景设备的3D设计可以进一步允许对以不同于盒和3D背景设备的俯视图的角度拍摄的图像进行去扭曲。
在一个非限制性示例中，提供了一种用于测定测试条的背景设备。背景设备包括：测试条部分，其大小和形状被设计成引导横向流测定测试条在背景设备上的放置；背景部分，其至少部分围绕测试条部分；以及多个线检测基准，其设置在背景部分上，多个线检测基准中的每一个具有与背景部分的周围区域的颜色不同的颜色以及与横向流测定测试条上的线的预期宽度相关联的宽度。
多个线检测基准可以至少包括具有基本上等于预期宽度的宽度的第一线检测基准，和具有大于或小于预期宽度的宽度的第二线检测基准。多个线检测基准可以至少包括具有颜色的第一暗度(shade)的第一线检测基准和第二线检测基准。多个线检测基准可以至少包括具有比颜色的第一暗度更亮或更暗的颜色的第二暗度的第三线检测基准。在一个示例中，颜色为灰色，并且横向流测定测试条上的线的预期颜色不是灰色。
背景设备还可以包括一个或多个运动模糊检测基准，一个或多个运动模糊检测基准中的每一个包括第一颜色的点，第一颜色的点被与第一颜色形成对比的第二颜色的区域围绕。背景设备还可以包括至少三个位置基准，该至少三个位置基准设置在背景部分上靠近背景部分的角，以促进检测图像捕获设备相对于背景设备的位置、俯仰或滚转中的至少一个。在一个示例中，背景部分包括红-绿-蓝(RGB)平衡区域，该红-绿-蓝(RGB)平衡区域具有对应于RGB颜色空间中相等的红色、绿色、蓝色值的颜色。
测试条部分可以包括对准标记，该对准标记被配置为促进将横向流测定测试条放置在背景设备的测试条部分上。测试条部分可以包括计算机可读代码，该计算机可读代码被定位成当横向流测定测试条放置在测试条部分上时被覆盖，计算机可读代码识别软件应用程序，该软件应用程序被配置为至少部分地基于线检测基准来分析横向流测定测试条的图像是否有资格进行进一步分析。测试条部分可以包括计算机可读代码，该计算机可读代码被定位成当横向流测定测试条放置在测试条部分上时被覆盖，计算机可读代码识别软件应用程序，该软件应用程序被配置为至少部分地基于线检测基准分析横向流测定测试条的图像以确定测试结果。背景设备可以是三维背景设备，其包括一个或多个凹部或从背景部分突出的一个或多个三维特征件。横向流测定测试条可以被容纳在盒中，并且其中测试条部分的大小和形状可以被设计成引导盒放置在背景设备的测试条部分上。多个线检测基准中的每一个可以具有与以下各项中的至少一个的预期宽度相关联的宽度：测试线，在应用于横向流测定测试条的样品中存在感兴趣的分析物时，测试线改变强度或颜色；以及控制线，存在应用于横向流测定测试条的样品时，控制线改变强度或颜色。
在另一个非限制性示例中，提供了一种确定测试结果的计算机实施的方法。该方法可以包括通过图像捕获设备捕获设置在背景设备的测试条部分上的横向流测定测试条的图像，该背景设备包括至少部分地围绕测试条部分的背景部分。该方法还可以包括由一个或多个处理器至少部分地基于图像来检测设置在背景设备的背景部分上的多个线检测基准，多个线检测基准中的每一个具有与背景部分的周围区域的颜色不同的颜色以及与横向流测定测试条上的线的预期宽度相关联的宽度。该方法还可以包括由一个或多个处理器至少部分地基于图像，至少部分地基于多个线检测基准来检测横向流测定测试条上的一个或多个控制线或测试线。该方法还可以包括由一个或多个处理器至少部分地基于一个或多个检测到的控制线或测试线来确定横向流测定测试条的测试结果。
该方法还可以包括，在捕获图像之前，分析由图像捕获设备拍摄的图像是否有资格用于测试结果的检测。检测一个或多个控制线或测试线可以包括至少部分地基于多个线检测基准中的至少一个的宽度来检测一个或多个控制线或测试线的存在。多个线检测基准可以至少包括具有颜色的第一暗度的第一线检测基准和第二线检测基准，以及具有比颜色的第一暗度更亮或更暗的颜色的第二暗度的第三线检测基准，并且检测一个或多个控制线或测试线可以包括至少部分地基于第一线检测基准、第二线检测基准或第三线检测基准来检测一个或多个控制线或测试线的强度或颜色。在一个示例中，第一基准、第二基准和第三基准的颜色是灰色并且一个或多个控制线或测试线的颜色不是灰色。
背景设备的背景部分可以包括红-绿-蓝(RGB)平衡区域，该红-绿-蓝 (RGB)平衡区域具有对应于RGB颜色空间中相等的红色、绿色、蓝色值的颜色。该方法还可以包括，在确定测试结果之前，至少部分地基于RGB平衡区域来评估背景设备的照明条件。评估照明条件还可以包括RGB平衡区域上的眩光或阴影中的至少一个。该方法还可以包括，在确定测试结果之前，至少部分地基于多个线检测基准或基于背景设备的背景部分上的一个或多个附加基准来评估图像捕获设备的调制传递函数。该方法还可以包括基于调制传递函数估计检测水平，其中至少部分地基于估计的检测水平确定横向流测定的测试结果。该方法还可以包括，在确定测试结果之前，至少部分地基于设置在背景设备的背景部分上的一个或多个运动模糊检测基准来检测图像的运动模糊水平。一个或多个运动模糊检测基准中的每一个可以包括第一颜色的点，第一颜色的点被与第一颜色形成对比的第二颜色的区域围绕。该方法还可以包括，在确定测试结果之前，至少部分地基于设置在背景设备的背景部分上的多个位置基准来确定图像捕获设备相对于背景设备的位置、俯仰或滚转中的至少一个。
附图说明
图1A是图示说明了根据本技术的示例3D盒背景设备的俯视图。
图1B和图1C是图1A的示例3D盒背景设备的截面图。
图1D是图1A-图1C的示例背景设备的一部分的放大图，图示说明了其上的示例基准。
图2A是图示说明了将测试盒抵靠图1A-图1C的示例3D盒背景设备放置的俯视图。
图2B和图2C是图2A的测试盒和示例3D盒背景设备的截面图。
图3和图4分别图示说明了显示图1A和图2A的示例3D盒背景设备的图像的移动设备应用程序的图形用户界面(GUI)。
图5是由移动设备相机以一定角度拍摄的3D盒背景设备上的测试盒的示例图像。
图6是由本文公开的图像分析软件基于3D盒背景设备的基准生成的图5 的图像的去扭曲版本。
图7是由移动设备相机以一定角度拍摄的3D盒背景设备上的测试盒的示例图像。
图8是由本文公开的图像分析软件基于3D盒背景设备的基准生成的图7 的图像的去扭曲版本。
图9是图示说明了根据本技术执行和分析测试的示例方法的流程图。
图10是图示说明了根据本技术的采集和分析图像以确定测试结果的示例方法的流程图。
图11A和图11B是图示说明了根据本技术执行图像鉴定和归一化的示例方法的流程图。
图12A-图12D图示说明了根据本技术的示例盒背景设备。
具体实施方式
本公开的实施例涉及用于检测可能存在于生物或非生物样品(诸如流体) 中的感兴趣的分析物的***和技术。感兴趣的分析物可以包括任何可检测的物质，诸如但不限于抗体、蛋白、半抗原、核酸、扩增子、激素和危险或非危险药物或污染物，诸如用于治疗癌症的抗肿瘤药物。贯穿本公开，将参考分析物(诸如与传染病相关的诊断测试相关的那些分析物)的收集、测试和检测来描述示例***、设备和方法，但是将理解，本技术可用于收集、测试和检测任何感兴趣的粒子、分子或分析物。如本文所述的测试条和/或盒可被配置用于诊断和/或非诊断测试的执行。在一些实施例中，本公开的实施例可以结合诸如用于快速检测SARS CoV-2的BD Veritor***、用于快速检测流感 A+B的BD Veritor***、用于快速检测呼吸道合胞病毒(RSV)的BD Veritor ***、用于快速检测A组链球菌的BD Veritor***、BDVeritor***、BD Veritor Plus***的***和/或其部件或操作来实施。
本技术的***和方法除其他方面之外还包括3D盒背景设备(例如，托盘或卡)，在对测试盒拍摄图像进行盒信息分析之前，可以将盒放置在该背景设备上，以用作图像的背景。本技术进一步包括应用程序，诸如移动设备应用程序，该应用程序被配置为对盒和3D背景设备的图像执行图像分析。背景可以包含一个或多个基准以促进基于图像的图像采集度量的评估。在一些实施例中，一些或所有基准可以位于与测试条的测试表面相同的平面中，诸如横向流测定测试条的测试表面，以允许精细的图像捕获，从而在使用评估软件或手动解释进行分析之前进行图像采集条件验证、图像归一化和/或图像标准化。本文公开的3D背景设备的3D设计可以进一步允许对以不同于盒和3D 背景设备的俯视图的角度拍摄的图像进行去扭曲。
在分析测定并建立分析图像的结果之前，可以期望一些预处理步骤。在一些方面，可以首先执行图像度量的评定，诸如以确定图像的适合性和/或从测试设备拍摄的多个图像中选择最佳图像。接下来可以进行校正和鉴定步骤。在一些实施例中，可以捕获一系列图像，并且可以从该系列的最佳或最合适的图像中确定测试结果。这里描述的一个可能的实施例是捕获N个图像(例如N＝3)，评估每个图像的一个或一系列关键度量(例如，运动模糊、阴影效果、扭曲等)并且只保留最好的或最优的一个(例如，具有较少的运动模糊或一个或多个其他最佳特性)。此策略可应用于一个度量或一系列度量或一起考虑的所有度量。基于优选度量，最佳图像然后被认为是有资格的(例如，适合后续分析)或没有资格的(例如，要求用户采取另一步骤，诸如尝试再次捕获图像)。如果有资格，则可以对图像进行校正和/或归一化，诸如减少或最小化由于外部条件(包括，例如，电话的用户、照明)以及电话特性(例如，光学器件、电子器件和软件)引起的可变性。
图1A-图2C图示说明了根据本技术的示例3D背景设备100。图1A单独图示说明了3D背景设备100，而图2A图示说明了3D背景设备100，其上放置有用于成像的测试盒200。图1B和图2B分别是沿图1A和图2A中从A到 B的线截取的截面图。图1C和图2C分别是沿图1A和图2A中任一对C到D 的线截取的截面图。
3D背景设备100通常包括背景部分102和盒部分104，背景部分102包括一个或多个基准，在盒部分104处可以接收盒200以用于分析。在一些实施例中，盒部分104可以是有助于正确放置盒200的凹部或***物。
各种示例基准在图1A-图2C中图示说明出并且在本文中连同它们作为用于图像度量计算和/或用于图像归一化和标准化的使能器的功能一起被描述。如将参考图10-图11B更详细地描述的，与基准相关联的信息可以以数字方式存储在背景设备模型(model)中，这可以促进使用基准的图像分析。例如，背景设备模型可以存储一些或每个基准相对于3D背景设备100的光学可检测特征(例如，相对于背景设备100的一个或多个角或对准基准，诸如附加角基准155)的位置(例如，作为一个或多个x、y坐标)。因此，3D背景设备 100的各种实施例可以在相同或不同位置包括比图1A-图2C中所图示说明的那些更多或更少的基准，其中每个基准的位置可由图像分析应用程序基于对应的背景设备模型可靠地确定。
在一些实施例中，具有与放置在3D背景设备100的盒部分104内的盒 200的顶表面的高度匹配的高度的基准(诸如4个柱体105)允许图像处理软件评估盒200在照片中的俯仰(tilt)和滚转(roll)，以便可以校正任何此类俯仰和滚转。此外，可以观察由柱体105产生的任何阴影的强度和/或方向以估计阴影对盒200内的测试条205的影响。
为了很好地适应相机的曝光(例如，曝光时间)并避免条水平处的饱和，扫描卡设计的部分可以包括一些纯白色区域110。为了使3D背景设备100促进所采集的图像的标准化和/或归一化，可以单独地或彼此组合地使用以下度量中的一者或多者。
相机的聚焦：为了在测试条205上进行合适的聚焦，颗粒纹理115可以放置在3D背景设备100上的与测试条205上待检测的带处于同一平面内的盒部分104的相对侧上。该纹理115连同该平面中的一些或所有其他基准一起可以迫使聚焦(例如，自动聚焦的相机(诸如移动设备相机)的聚焦)主要在测试条205的平面中进行，而不是在盒200的上平面，因此改善了检测甚至微弱的测试线的能力。在一些实施例中，经由增强现实叠加在移动设备上的诸如“聚焦这里”提示之类的帮助可以提示用户将移动设备相机手动聚焦在颗粒纹理115上。
动态范围：该设计可能包含跨越可在许多数码相机中使用的红色、绿色和蓝色颜色通道中的每一个中的整个动态范围的区域。例如，在一些实施例中，超过2.5％的设计可以对应于0强度(例如，黑水平)并且超过2.5％可以对应于255(例如，最大)强度。因此，直方图可以在每个通道中在0，255 (从2.5个百分点和97.5个百分点)上线性扩展。
相机的白平衡：除了盒200本身、竖直柱体105和用于颜色保真度测试的小R、G、B方块120之外，整个设计可以是相等的R、G、B平衡。例如，3D背景设备表面的剩余部分中每个像素的R、G、B值可以相等，这简化了场景地白平衡的评估和校正，而不管入射光的光谱特性如何。
颜色保真度测试：可以提供红色、绿色和蓝色方块120来确定红色、绿色和蓝色颜色通道中响应的准确度。可以进一步利用红色、绿色和蓝色方块 120的各个颜色的已知位置来确认用于捕获3D背景设备100和盒200的图像的特定图像传感器的拜耳图案(Bayerpattern)。
每个通道的线性度评定/校正：可能期望相机在所有通道中的线性响应，以便对从不同设备(例如，智能电话的光学器件、电子器件和/或软件、表格等)捕获的图像进行归一化和标准化。为了评估和校正R、G、B通道中的每个通道的线性度，可以在设计上放置具有已知预期强度分布的中性贴片125。可以选择中性贴片125的各个子区段的强度以跨越整个动态范围(例如，0、 16、32、48、64、80、96、128、160、192、224、240、255，或其他合适的在0和255之间的强度集)，从而允许计算每个通道的线性度查找表并将其应用于线性度校正。
运动模糊评定，去卷积(deconvolution)：3D背景设备可以包括两个白色盘130，在它们的中心具有专门设计用于帮助评定运动模糊的圆形黑点。曝光时间越长(取决于照明强度)，图像可以越容易出现运动模糊。最近的移动设备经常包含图像稳定机制(硬件和/或软件)，该图像稳定机制寻求限制这种运动模糊的发生，但镜头到场景的距离相当小(在一到几英寸的范围内)，并且对于可能缺乏此类机制的某些移动设备，评估并最终校正此类因素可能是重要的。如果小黑点的形状和强度跨白盘130不均匀地散布，则可以确定在采集期间发生了导致运动模糊的一些运动。散布越广，发生的运动就越多。如果散布受到限制并且图像有资格进行进一步分析，则可以应用去卷积(场景静止)来估计无运动模糊的源图像。
信噪比(SNR)：用于线性度评定的贴片125具有已知的大小和几何形状，一旦线性化，则进一步允许软件计算跨所有像素的标准偏差，其中预计每个设计具有给定的相同强度。评估这个标准偏差，并因此评估跨所有不同贴片的对应SNR，可以允许估计作为归一化和线性化强度的函数的SNR幂函数 (power function)。该SNR可用于根据噪声水平正确建立测试线的检测限 (LOD)。
调制传递函数(MTF)：测试条205的平面内的图像的聚焦可以经由待检测的带的两侧的水平和竖直MTF评定进一步评定。可能需要调制传递函数与信噪比一起来估计由于给定大小的物体的聚焦和光学质量而预期的对比度退化。例如，如果在对应于测试带的预期宽度的空间频率处MTF只有25％，则在捕获的图像中将只存在原始信号的25％。因此，MTF可以与SNR结合使用，以在考虑到捕获的图像的情况下估计带LOD。允许使用竖直和水平倾斜边缘的X和Y MTF估计的两个区域135可以对称地放置在控制和测试带的两侧，以便在条水平进行平衡内插。这些倾斜边缘在两侧上并且与测试条205在同一平面中，来自左右评定的内插MTF实际上是条平面中的最佳可能估计。
带检测能力验证：尽管尽最大努力对图像进行鉴定、归一化和标准化以实现稳健的精确和准确的带检测，但在某些或所有实施方式中可能期望附加检查。与不同强度的预期控制线和测试线宽度(例如，1/2宽度、预期宽度、 2x预期宽度)相对应的小测试线基准140可以被添加到设计以确认校正功效。校正后，为这些线测量的SNR和/或对比度可用作最终鉴定符，以确认从图像中预期的LOD。
在一些实施例中，QR码145或其他计算机可读代码可被包括在3D背景设备100上以引导用户下载软件、解锁现有软件的特征、或提供与测试条205 的成像和/或解释相关的其他功能或特征，和/或测试条205的结果的报告。在一个示例中，QR码145用于加载应用程序和/或3D背景设备100的背景设备模型的正确版本。条形码或其他计算机可读代码可存在于盒200上，并可用于选择和/或确认用于正确评定待分析的特定测试的算法。
箭头150可进一步被包括在盒区域中以帮助用户将盒正确放置和/或定向。
可以检测以矩形配置布置的附加角基准155以验证图像内的分析窗口并帮助俯仰和滚转评定。
图3和图4分别图示说明了显示图1A和图2A的示例3D盒背景设备的图像的移动设备应用程序的图形用户界面(GUI)。GUI可以在任何合适的移动设备上执行的应用程序中实施。该应用程序可以进一步包括增强现实特征以指导图像采集和/或与用户的交互。例如，如图3和图4所示，应用程序可以包括照片捕获能力。该应用程序可进一步被配置用于本文所述的图像分析和/或用于与卫生机构共享数据(例如，GPS、测试结果等)以进行实时流行病(pandemic)评定。
图5是由移动设备相机以一定角度拍摄的3D盒背景设备上的测试盒的示例图像。
图6是由本文公开的图像分析软件基于3D盒背景设备的基准生成的图5 的图像的去扭曲版本。
图7是由移动设备相机以一定角度拍摄的3D盒背景设备上的测试盒的示例图像。
图8是由本文公开的图像分析软件基于3D盒背景设备的基准生成的图7 的图像的去扭曲版本。
图9是图示说明了根据本技术执行和分析测试的示例方法900的流程图。方法900可以至少部分地由临床医生、医疗保健提供者或其他受过训练或未受过训练的用户结合一个或多个设备执行测试来执行，该设备包括成像设备和计算设备，该计算设备包括处理器和存储使处理器执行本文描述的计算机实施的操作的指令的存储器。在一些实施例中，一个或多个设备可以包括智能电话、平板电脑、数码相机或包括成像设备、处理器和存储器的其他计算设备。方法900仅是一种非限制性示例测试方法，并且本技术的***、设备和方法可以同样地根据任何其他测试方法来使用。有利地，方法900的各方面可由在执行测试方面没有特殊训练或专业知识的用户执行。例如，用户可以包括未受训练的操作员，其在非临床场景中，诸如用户家中，自行收集样品并执行方法900的各方面。因此，方法900的实施例可以包括由被测试的个人在家收集和在家收集场景中测试结果向个人的显示。将理解，方法900 不限于由被测试的个人在家收集，并且本技术的测试可以在任何护理点 (POC)场景(例如，医生办公室、医院、紧急护理中心和急诊室)中进行。
方法900开始于框902，其中用户打开测试套件并下载配置用于本文所述的图像归一化、鉴定和分析的应用程序。在一些实施例中，测试套件可包括：背景设备(诸如本文公开的3D背景设备100)、盒(诸如盒200)和/或一个或多个测试条(诸如测试条205)。图像采集和分析应用程序可以预先安装在用户的计算设备上，或者可以在打开套件后下载。例如，如以上参考图1A所描述的，在一些实施例中，用户可以拍摄位于背景设备上的QR码145或其他计算机可读代码的图像以使计算设备下载适当的应用程序。背景设备上的QR 码145或其他计算机可读代码可以进一步使计算设备下载附加补充数据，诸如与被包含在套件中的背景设备和/或盒相对应的背景设备模型文件和/或盒模型文件。将理解，QR码145的位置不限于背景设备100，并且QR码可以位于任何合适的位置，诸如但不限于套件盒包装和盒200。
在框904处，用户可以填写(completed)与测试的执行相关联的任何必要的文档。在框906处，用户可以执行一个或多个操作来鉴定成像设备，诸如确定成像设备和/或环境条件是否适合捕获图像以进行测试分析。在框908 处，在不存在盒(即，盒部分104上没有盒)的情况下捕获背景设备的图像。在框910处，在计算设备上执行的应用程序获得背景设备的图像。在框912 处，应用程序执行一个或多个图像归一化和鉴定操作，如下文将更详细地描述。基于图像归一化和鉴定操作，应用程序可以向用户提供关于图像的质量的反馈或指令，并且可以基于来自应用程序的反馈或指令来引导用户捕获新图像，例如，在与背景设备不同的角度或距离处，在不同的光照条件等下。如果图像归一化和鉴定操作确定成像设备是合适的，则方法900继续到框914 并且方法900可以继续执行和分析测试。
在框916处，取出样品，诸如生物样品、环境样品、污染物样品等，并将其施加到盒(例如，直接或间接地施加到如图2A中所示的盒200内的测试条205，诸如通过将样品放入容纳测试条的盒的样品输入井中)。在框918处，记录与测试处理时间的开始相关联的时间戳。在一个示例实施方式中，在执行测试之前提示用户拍摄背景设备的照片，以查明用户、成像设备和环境条件是否足以执行测试，并且在执行测试时解锁要选择的计时器按钮。各种示例实施例中的计时器按钮可以是图形用户界面内的软件按钮，当按下该软件按钮时，可以指示正在测试正在执行并且可以启动计数器。计数器可以配置有与正在执行的测试相对应的一个或多个预定时间阈值。在预定时间之后，诸如在预定初始测试结果阈值时间或稍早之前，可以在框920处向用户提供警报或其他警告以通知用户是时候拍摄测试的照片了以用于结果确定。例如，如果测试条被配置为在施加样品后的15分钟和20分钟之间被读取以提供准确的结果，则框920处的警告可以在从时间戳起的14分钟处提供，以指示用户应该准备好在1分钟内捕获结果照片。
在框922处，基于在框920处提供的警告，用户将包含测试条的盒放置在背景设备上并捕获包含背景设备、背景设备上的盒和盒内的测试条的视场的图像。继续到框924，在用户的计算设备上执行的应用程序确定图像是否是在大于或等于初始测试结果阈值时间的时间(例如，在该非限制性示例中，距时间戳至少15分钟)捕获的。如果图像不是在时间戳之后至少初始阈值时间捕获的，则方法900继续到框926，在该处方法900返回到框922。应用程序可以使计算设备向用户提供指令以在捕获背景设备和盒的另一图像之前等待附加时间段(例如，图像捕获时间和初始测试结果阈值时间之间的时间差)。如果图像是在时间戳之后至少初始阈值时间捕获的，则该方法继续到框928。
在框928处，应用程序确定图像是否是在测试结果到期时间(例如，在该非限制性示例中距时间戳20分钟)之前捕获的。如果图像不是在测试结果到期时间之前捕获的，则方法900在框930处终止，并且可以通知用户测试无效，因为图像采集发生得太晚而无法准确分析结果。如果图像是在测试结果到期时间之前捕获的，则方法900继续到框932。在各种实施例中，应用程序或其他软件可以被配置为至少部分同时运行方法900的多次迭代。应用程序或其他软件可以包括控制、跟踪和/或单独的测试识别特征以启用跟踪和验证以确保方法900的重叠迭代与正确的测试条205配对，诸如通过将每个测试条205和与将样品施加到每个测试条205相关联的启动时钟的配准。
在框932、934和936中，应用程序从成像设备接收图像并执行图像归一化和鉴定过程，如将参考图10-图11B更详细地描述的，以确定图像是否合适，并且如果图像合适，则确定测试结果。在框938处，应用程序输出结果。例如，如果图像是在测试接种(inoculation)后所需的时间窗口内捕获的，图像鉴定因素是可以接受的，并且测试是有效的(例如，控制线是可见的)，那么结果可以被认为是有效的。在框940处，可以报告测试的结果，诸如通过将结果传输给患者、医生、健康机构等。
图10是图示说明了根据本技术的采集和分析图像以确定测试结果的示例方法1000的流程图。方法1000中的一些或全部可以对应于例如用以实施图9 的框908-912和/或框932-936的图像采集、归一化和鉴定操作以及在框940 处可以报告的结果的确定而执行的操作。在一些实施例中，方法1000可以至少部分地由在智能电话、平板电脑、数码相机或包括成像设备、处理器和存储器的其他计算设备上执行的应用程序来执行。方法1000仅是一种非限制性示例图像采集和分析方法，并且本技术的***、设备和方法可以同样地根据任何其他测试方法来使用。图像鉴定和归一化的各种示例方法可以包括少于方法1000中描述的所有操作，可以包括本文没有描述的附加操作，和/或可以包括以相同或不同顺序的方法1000的操作，而不脱离本公开的范围。此外，虽然方法1000是参考图1A-图2C中图示说明的3D背景设备100、盒200和测试条205描述的，但方法1000的操作同样可以用任何其他背景设备、盒和 /或测试条实施。
方法1000在框1002处以图像采集开始。如上文参考方法900所描述的，用户可以获得包括背景设备(诸如3D背景设备100)、背景设备上的盒(诸如盒200)和/或盒内的测试条(诸如测试条205)的视场的一个或多个图像。在框1004处，应用程序从成像设备接收一个或多个图像。在一些实施例中，所采集的图像包括其上没有盒的背景设备的图像和包括盒的背景设备的图像。在框1006处，图像鉴定度量提取器可以识别要用于图像鉴定和归一化的图像的特征。在一些实施例中，应用程序可以在框1006处确定图像是否适合分析(例如，具有足够的照明强度、均匀性、在聚焦和/或没有过度的俯仰和滚转)。如果图像不合适，则方法1000可以继续到框1008以向用户提供反馈并且可能基于该反馈捕获另一个更合适的图像。如果图像适合分析，则方法 1000继续到框1010。
在框1010处，应用程序执行早期图像归一化操作，该操作可以单独基于图像来执行而不使用特定的背景设备模型。例如，应用程序可以确定背景设备的边界(例如，基于检测到背景设备的一个或多个角、边缘和/或观看区域基准)。在识别出与背景设备对应的图像部分之后，应用程序可以执行图像归一化操作，诸如评估白平衡和/或检测来自背景设备的表面的可能抑制准确图像分析的眩光。在框1012处，应用程序可以输出初始归一化的图像。
在框1014处，应用程序执行背景设备检测。在一些实施例中，应用程序可以检测QR码、条形码或其他计算机可读标记，包括指定背景设备的类型和 /或指定对应于被成像的背景设备的特定背景设备模型的识别信息。应用程序然后可以诸如从计算设备的存储器和/或经由网络连接从远程计算设备获得对应的背景设备模型1016。方法1000继续到框1020，在该处可以至少部分地基于背景设备(单独的或者与其上接收的盒一起)的图像和所获得的对应于背景设备的背景设备模型来执行更广泛的图像归一化操作。在框1020处执行的图像归一化操作可以包括基于位于背景设备上的各种基准的操作(例如，照明均匀性、线性度、缩放和其他方面的评估)，如将参考图11A和图11B更详细地描述的。在框1020处执行的图像归一化操作被至少应用于图像的包含背景设备的部分，以产生归一化的背景设备图像1022。
如果图像包括设置在背景设备上的盒，则该方法继续到框1024，在此处应用程序执行盒检测。在一些实施例中，应用程序可以检测QR码、条形码或其他计算机可读标记，包括指定盒的类型和/或指定对应于被成像的盒的特定盒模型的识别信息。可以获得对应于被成像的盒的盒模型1026，并且应用程序可以至少部分地基于图像和盒模型来生成归一化的盒图像1028。在一些实施例中，可以基于归一化的背景设备图像，通过仅对图像中的包括盒的区域应用进一步的图像归一化操作来生成归一化的盒图像1028。方法1000可以返回到框1006以对归一化的盒图像1028进行鉴定。应用程序可以在框1030处类似地检测设置在盒内的条(例如，测试条205)的位置和/或类型，并且可以获得与检测到的条相对应的条模型1032，以通过仅对图像中的包括条的区域应用进一步的图像归一化操作来生成归一化的条图像1034。
方法1000可以返回到框1006以对归一化的条图像1034进行鉴定，并且可以在框1038处通过一个或多个带检测算法来分析经鉴定的归一化的条图像 1036以检测测试条上可见带的存在、强度、颜色和/或任何其他特性以确定测试的结果。在一些实施例中，带检测可包括在框1040处检测一个或多个控制线、在框1042处检测一个或多个测试线、在框1044处确定测试线处的信噪比(SNR)，和/或在框1046确定测试有效性和/或肯定性(positivity)。可以至少部分地基于已知的检测水平(LOD)来执行在框1046处估计的肯定性，LOD 可以基于在测试时存在的环境条件(例如，光照)下的背景设备的图像的分析来确定。例如，LOD可以基于下列项来确定：来自图像的背景设备区域的像素分辨率评定的对比度评定、测试线基准140(图1A)的检测、来自背景设备的确定的调制传递函数和/或基于线性度和/或噪声确定(例如，基于中性贴片基准125)的噪声评估。
图11A和图11B是图示说明了根据本技术执行各种图像鉴定和归一化操作的示例方法1100的流程图。方法1100中的一些或全部可以对应于例如用以实施图9的框908-912和/或框932-936的图像采集、归一化和鉴定操作以及在框940处可以报告的结果的确定而执行的操作。在一些实施例中，方法 1100可以至少部分地由在智能电话、平板电脑、数码相机或包括成像设备、处理器和存储器的其他计算设备上执行的应用程序来执行。方法1100仅是一种非限制性示例图像鉴定和归一化方法，并且本技术的***、设备和方法可以同样地根据任何其他测试方法来使用。图像鉴定和归一化的各种示例方法可以包括少于方法1100中描述的所有操作，可以包括本文没有描述的附加操作，和/或可以包括以相同或不同顺序的方法1100的操作，而不脱离本公开的范围。此外，虽然方法1100是参考图1A-图2C中图示说明的3D背景设备100、盒200和测试条205描述的，但方法1100的操作同样可以用任何其他背景设备、盒和/或测试条实施。
当接收到图像1102以供应用程序评估时，方法1100开始于框1104。图像1102的视场包括背景设备，诸如背景设备100(图1A-图2C)。在一些实施例中，图像1102可以包括其上带有或不带有盒200的背景设备100。在框 1104处，应用程序评估对应于背景设备100的图像的部分(包括或不包括对应于盒200的图像的部分)的动态范围。应用程序可以评估红色、绿色和蓝色通道中的一个、两个或所有三个通道中的动态范围。在一些实施例中，将绿色通道中的动态范围评估为参考可能是有利的，因为绿色通道可能包含最多的信息，因为大多数拜耳图案包含的绿色像素是蓝色或红色像素的两倍。此外，在测试条205具有待检测的微红色或红色调控制和测试带的实施例中，校准绿色和蓝色通道可能是有利的，因为这些通道往往在带的位置处具有最大对比度。应用程序可以输出和/或存储与一些或所有评估的颜色通道相对应的动态范围1106(例如，作为一个或多个值，诸如一个或多个数字范围和/或比率)，和/或可以确定所确定的动态范围1106是否在可接受的范围内。
方法1100继续到框1110，在该处应用程序执行背景设备检测并评估图像的白平衡。应用程序可以识别图像1102的包含背景设备100的一部分，诸如通过检测背景设备100的一个或多个边缘、角和/或基准。应用程序可以基于与背景设备100对应的背景设备模型1108来确定背景设备100的特定配置。
在一些实施例中，可以基于识别背景设备100上的计算机可读标识符和/或通过从对应于各种背景设备配置的多个可用背景设备模型中选择对应的背景设备模型1108来确定适当的背景设备模型1108。
然后应用程序可以对图像的包含背景设备100的部分执行白平衡评估。
在一些实施例中，可以至少部分地基于背景设备模型1108来执行白平衡评估。例如，背景设备模型1108可以指示背景设备的哪些部分是相等R、G、B平衡的并因此可用于白平衡评估。因此，应用程序可以通过识别R、G、B平衡区域上的红色、绿色和蓝色通道之间的任何差异来评估图像的背景设备部分的白平衡。
在框1112处，基于背景设备模型1108，应用程序可以确定整个感兴趣区域(ROI)(例如，整个背景设备100)在图像1102内是否可见(例如，基于对图像1102内的四个角基准155的检测)。应用程序还可以至少部分地基于对图像1102中的白平衡的评估来确定检测置信度。
在框1114处，应用程序确定图像1102的原始分辨率，指示被包括在图像的背景设备部分的每个像素内的背景设备的区域的线性尺寸。背景设备模型 1108可以包括背景设备100的被成像侧的已知区域(例如，长度和宽度尺寸或计算的区域)。应用程序可以确定覆盖图像的背景设备部分的像素的数量 (例如，基于上述背景设备检测操作)，并且因此可以通过将已知背景设备面积的平方根除以表示图像中的背景设备的像素的数量来确定原始分辨率值 1116。因此，所确定的原始分辨率值1116对应于与图像1102中的每个像素相对应的背景设备的正方形区域的边长。应用程序可以进一步确定所确定的原始分辨率值1116是否在可接受的范围内。
在框1118处，应用程序执行一个或多个去扭曲操作以产生适合于进一步分析的去扭曲图像1120。例如，至少部分地基于背景设备模型1108，应用程序可以确定一个或多个取向特性，诸如背景设备相对于捕获图像1102的成像设备的俯仰、滚转和/或距离。这些取向特性中的一些或全部可以被确定为与标准或最佳取向(例如，在背景设备100的一个或多个边缘平行于图像的边缘的情况下沿着垂直于背景设备的前表面的轴线以预定距离对背景设备100 成像的取向)的线性或角偏差。应用程序可以进一步检测由于例如成像设备镜头效应、成像设备内其他光学器件的伪影、图像捕获期间的运动等而导致的图像中的扭曲。基于检测到的俯仰、滚转、距离和/或其他扭曲特性，应用程序编辑图像1102以生成去扭曲图像1120用于进一步处理。在框1122处，应用程序还可以比较原始图像和/或去扭曲图像中的俯仰和滚转的量以确定俯仰和滚转是否在可接受的范围内。例如，大于预定阈值的俯仰和/或滚转可能导致背景设备和/或盒的不同区域处的不同聚焦特性，并且可能潜在地导致3D背景设备和/或盒的部分遮蔽测试条的图像的一部分。
在框1126处，应用程序评估图像的背景设备部分的饱和度，并使图像中的背景设备的照明平坦化。例如，应用程序可以应用包括二次多项式拟合的校正因子来校正图像中的照明平坦度，以产生去扭曲、平坦化的图像1130。在一些实施例中，任何饱和像素(例如，对应于8位图像中的最大像素强度值的值255)可以独立于平坦化保持不变以用于进一步眩光评定。
在校正图像的照明平坦度之后，在框1132处，应用程序评估背景设备上阴影或眩光的存在。在一个示例中，应用程序使用背景设备模型1108结合去扭曲、平坦化的图像1130来识别用于线性度评定的中性贴片125和/或3D背景设备100上的调制传递函数区域135。可以将这些区域的外观与基于背景设备模型1108的预期外观进行比较以确定图像内是否存在过度的阴影和/或眩光。应用程序可以生成指示任何阴影或眩光对去扭曲、平坦化的图像1130的影响的结果1134。
在框1136处，应用程序基于中性贴片125评估每个颜色通道中强度响应的线性度。在一些实施例中，每个中性贴片125包括同等白平衡的色调。中性贴片125可以被布置为形成具有线性上升强度值的一系列或贴片，从而可以评估每个通道的线性度。基于对线性度的评估，应用程序可以对任何检测到的非线性应用校正，并且可以进一步估计作为归一化和线性化强度的函数的信噪比(SNR)。然后，应用程序可以在框1138处输出和/或保存与各种强度值下的SNR相对应的线性度查找表(LUT)。
继续到图11B，在框1136处的线性度评定之后，方法1100继续到框1140 以评估图像的聚焦和任何运动模糊效果。例如，可以基于包含小黑点的白盘 130或具有相对小的大小的可检测特征的其他适当基准来检测失焦图像和/或运动引起的模糊的存在。在3D背景设备100的示例中，应用程序可以确定白盘130内的黑点在x和y方向上的横向范围。在确定图像中黑点的范围时，应用程序可以基于背景设备模型1108确定像素值在预期强度值的5％以内的区域1142。可以将运动模糊或焦点的x和y效果与预定阈值进行比较以确定运动模糊的量是否可接受。在一些实施例中，x或y方向中的一个方向可以具有较低的阈值，例如，在测试条205被定向的方向上，因为在该方向上的运动模糊将倾向于导致难以确定测试条205上的检测到的带的宽度。
在框1144处，应用程序评估生成图像1102的成像设备的调制传递函数 (MTF)。可以使用包括为水平和竖直MTF评定配置的倾斜边缘的区域135 来评定MTF。可以在测试条205的位置的相对侧上的背景设备100的两侧重复MTF评定。区域135可以位于与测试条205的表面基本共面的位置，使得应用程序可以估计在要检测控制和/或测试带的条水平处预期的平均MTF。可以使用诸如ISO 12233标准的过程或其他合适的数学过程从区域135的倾斜边缘导出作为空间频率的函数(MTF(f))的MTF。可以保存MTF度量1146 以用于估计基于图像的测试分析的检测水平(LOD)。应用程序可以进一步确认基于测试带基准140的MTF的评定。
在框1148处，应用程序基于确定的MTF度量来估计LOD。使用具有在各种成像条件(不同的手机和照明强度和环境条件)下成像的已知抗原负载的盒200，考虑到中值带宽，一旦根据在捕获的图像中测量的评估的对比度 MTF进行归一化，就有可能绘制出测试带的预期原始对比度。考虑到检测下限(例如0.5％)和已知抗原负载的已知宽度和自然对比度，因此可以考虑观察到的图像质量(来自使用背景设备基准的测量度量)估计预期的LOD。因此，可以将LOD确定为理论抗原负载，使得根据MTF评估退化的测试带对比度等于检测下限。应用程序可以输出或保存估计的LOD 1150。
方法1100继续到框1154，在该处应用程序执行盒检测以检测位于背景设备上的盒200。应用程序可以识别去扭曲、平坦化图像1130中的包含盒200 的一部分，诸如通过选择对应于背景设备模型1108中指示的盒区域的图像的一部分。应用程序可以基于对应于盒200的盒模型1152来确定盒200的特定配置、测试类型或其他特性。在一些实施例中，可以基于识别盒200上的计算机可读标识符和/或通过从对应于与背景设备100兼容的各种盒的多个可用盒模型中选择对应的盒模型1152来确定适当的盒模型1152。因此应用程序可以确定盒位置1156和/或盒位置确定的检测置信度。应用程序另外可以基于在背景设备上执行的先前图像归一化和分析，对图像的盒部分执行一个或多个归一化操作，以产生归一化的盒图像1158。
在框1160处，从盒中检测并读取条形码1162或其他计算机可读标识符以确定测试信息，诸如测试的类型、抗原、污染物或可由测试检测到的条件、测试和/或控制带位置和/或与基于测试条205的图像确定测试结果相关联的其他信息。在一些实施例中，条形码可以包含测试标识符，并且应用程序可以使得基于测试标识符从计算设备的存储器或从远程存储器检索出测试信息。
在框1164处，应用程序可以检测对应于要分析的测试条205的图像的区域。在一些实施例中，应用程序可以类似地对图像的条部分执行一个或多个归一化操作以产生归一化的条图像1166，该图像可以被分析以检测控制和/或测试带的存在。在框1168处，应用程序可以进一步执行附加的阴影/眩光检测操作以确定测试条205上是否存在在背景设备水平处未检测到的任何过度的阴影或眩光。如果阴影/眩光评定结果1170指示不存在将影响基于图像确定测试结果的能力的显著量的眩光或阴影，则该方法继续到决策状态1172。
在决策状态1172下，应用程序做出继续测试分析的最终确定。如果条图像1166没有过度的眩光和阴影，并且在背景设备、盒和测试条水平执行的各种归一化和鉴定操作指示可以在适当的LOD下以合适的置信度从测试条205 的图像中获得测试结果，则方法1100继续到框1174，在该处对归一化的条图像1166执行一个或多个带检测算法以识别控制带的存在和位置和/或测试条 205上的测试带的任何数量，如上文参考图10的方法1000中的框1038-1046 所描述的。
图12A-图12D示出了根据本技术的另一示例盒背景设备，包括示例设备的示例性非限制性尺寸。图12A是已经被修改以从R、G、B方块120去除颜色并且以图1A中的线图表示的示例背景设备的图示。图12B是图12A的示例背景设备与实际测试盒的图像的图示，背景设备和测试盒两者均以图2A的线图表示。图12B中的示例背景设备的图示已被修改以从R、G、B、方块120 去除颜色。
本文所述的分析设备可以准确地测量许多不同种类的样品中的多种感兴趣的分析物。样品可以包括从任何来源获得的标本或培养物，以及生物和环境样品。生物样品可以从动物(包括人类)获得并且包括流体、固体、组织和气体。生物样品包括尿液、唾液和血液制品，诸如血浆、血清等。然而，此类示例不应被解释为限制适用于本公开的样品类型。
在一些实施例中，样品是用于检测环境中的一种或多种分析物的环境样品。在一些实施例中，样品是来自受试者的生物样品。在一些实施例中，生物样品可包括外周血、血清、血浆、腹水、尿液、脑脊液(CSF)、痰、唾液、骨髓、滑液、房水、羊水、耵聍、母乳、支气管肺泡灌洗液、***(包括***液)、考珀氏液或***前液、女性***、汗液、粪便、头发、眼泪、囊液、胸膜和腹膜液、心包液、淋巴液、食糜、乳糜、胆汁、间质液、月经、脓液、皮脂、呕吐物、***分泌物、粘膜分泌物、粪便水、胰液、窦腔灌洗液、支气管肺吸出物或其他灌洗液。
如本文所用，“分析物”通常是指待检测的物质。例如，分析物可包括抗原物质、半抗原、抗体及其组合。分析物包括但不限于毒素、有机化合物、蛋白、肽、微生物、氨基酸、核酸、激素、类固醇、维生素、药物(包括用于治疗目的的药物以及用于非法目的的药物)、药物中间体或副产品、细菌、病毒颗粒以及上述任何物质的代谢物或抗体。一些分析物的具体示例包括铁蛋白；肌酐激酶MB(CK-MB)；人绒毛膜***(hCG)；地高辛；苯妥英；***；卡马西平；万古霉素；庆大霉素；茶碱；丙戊酸；奎尼丁；促黄体激素(LH)；促卵泡激素(FSH)；***、***；C反应蛋白(CRP)；脂质运载蛋白；IgE抗体；细胞因子；TNF相关凋亡诱导配体(TRAIL)；维生素B2微球蛋白；干扰素γ诱导蛋白10(IP-10)；干扰素诱导的GTP结合蛋白(也称为粘液病毒(流感病毒)抗性1、MX1、MxA、IFI-78K、IFI78、 MX、MX动力蛋白，如GTPase1)；降钙素原(PCT)；糖化血红蛋白(Gly Hb)；皮质醇；洋地黄毒苷；N-乙酰普鲁卡因胺(NAPA)；普鲁卡因胺；风疹抗体，诸如风疹-IgG和风疹IgM；弓形虫抗体，诸如弓形虫IgG(Toxo-IgG)和弓形虫IgM(Toxo-IgM)；睾酮；水杨酸盐；对乙酰氨基酚；乙型肝炎病毒表面抗原(HBsAg)；乙肝核心抗原抗体，诸如抗乙肝核心抗原IgG和IgM(Anti-HBC)；人类免疫缺陷病毒1和2(HIV1和2)；人类T细胞白血病病毒1和2(HTLV)；乙型肝炎e抗原(HBeAg)；乙型肝炎e抗原抗体(Anti-HBe)；流感病毒；促甲状腺激素(TSH)；甲状腺素(T4)；总三碘甲状腺原氨酸(总T3)；游离三碘甲状腺原氨酸(游离T3)；癌胚抗原(CEA)；脂蛋白、胆固醇和甘油三酯；以及甲胎蛋白(AFP)。滥用药物和管制药物包括但不限于***；甲基***；巴比妥类药物，诸如阿莫巴比妥、司可巴比妥、戊巴比妥、***和巴比妥；苯二氮卓类药物，诸如利眠宁和安定药；***素，诸如印度***和***；***；芬太尼；LSD；甲喹酮；阿片类药物，诸如***、***、可待因、氢***酮、氢可酮、***、羟考酮、羟***酮和***；苯环利定；以及丙氧。为了感兴趣的生物或环境物质的目的，可以包括附加分析物。
本公开涉及用于确定样品中多种分析物的存在和浓度(包括何时一种或多种感兴趣的分析物以高浓度存在和何时一种或多种感兴趣的分析物以低浓度存在)的横向流测定设备、测试***和方法。如上所述，如本文所用，“分析物”通常是指待检测的物质，例如蛋白(protein)。可由本文所述的横向流测定设备、测试***和方法检测的蛋白的示例包括但不限于：
TRAIL：TNF相关的凋亡诱导配体(也称为Apo2L、Apo-2配体和CD253)；代表性的RefSeq DNA序列是NC_000003.12；NC_018914.2；NT_005612.17 以及代表性RefSeq蛋白序列登录号是NP_001177871.1；NP_001177872.1；和NP_003801.1。TRAIL蛋白属于肿瘤坏死因子(TNF)配体家族。
CRP：C-反应蛋白；代表性的RefSeq DNA序列是NC_000001.11； NT_004487.20；和NC_018912.2，以及代表性的RefSeq蛋白序列登录号是 NP_000558.2。
IP-10：趋化因子(C-X-C基序)配体10；代表性的RefSeq DNA序列是 NC_000004.12；NC_018915.2；和NT_016354.20，以及RefSeq蛋白序列是 NP_001556.2。
PCT：降钙素原是降钙素激素的肽前体。该蛋白的代表性RefSeq氨基酸序列是NP_000558.2。代表性的RefSeq DNA序列包括NC_000001.11、 NT_004487.20和NC_018912.2。
MX1：干扰素诱导的GTP结合蛋白Mx1(也称为干扰素诱导蛋白p78，干扰素调节抗性GTP结合蛋白，MxA)。该蛋白的代表性RefSeq氨基酸序列是NP_001138397.1；NM_001144925.2；NP_001171517.1；和NM_001178046.2。
根据本公开的横向流测定设备、测试***和方法可以测量可溶形式和/或膜形式的TRAIL蛋白。在一个实施例中，仅测量可溶形式的TRAIL。
提供所公开的实施方式的先前描述以使本领域技术人员能够制造或使用本技术。对这些实施方式的各种修改对于本领域技术人员来说将是显而易见的，并且在不脱离本技术的精神或范围的情况下，本文定义的一般原理可以应用于其他实施方式。因此，本技术不旨在限于本文所示的实施方式，而是符合与本文公开的原理和新颖特征一致的最宽范围。

Claims (13)

1.一种用于测定测试条的背景设备，其特征在于，所述背景设备包括：
测试条部分，其大小和形状被设计成引导横向流测定测试条在所述背景设备上的放置；
背景部分，其至少部分地围绕所述测试条部分；以及
多个线检测基准，其设置在所述背景部分上，所述多个线检测基准中的每一个具有与所述背景部分的周围区域的颜色不同的颜色以及与所述横向流测定测试条上的线的预期宽度相关联的宽度。
2.根据权利要求1所述的背景设备，其特征在于，所述多个线检测基准至少包括具有基本上等于所述预期宽度的宽度的第一线检测基准，和具有大于或小于所述预期宽度的宽度的第二线检测基准。
3.根据权利要求1所述的背景设备，其特征在于，所述多个线检测基准至少包括具有颜色的第一暗度的第一线检测基准和第二线检测基准。
4.根据权利要求3所述的背景设备，其特征在于，所述多个线检测基准至少包括具有比所述颜色的所述第一暗度更亮或更暗的所述颜色的第二暗度的第三线检测基准。
5.根据权利要求3或权利要求4所述的背景设备，其特征在于，所述颜色是灰色，并且所述横向流测定测试条上的所述线的预期颜色不是灰色。
6.根据权利要求1所述的背景设备，其特征在于，还包括一个或多个运动模糊检测基准，所述一个或多个运动模糊检测基准中的每一个包括第一颜色的点，所述第一颜色的点被与所述第一颜色形成对比的第二颜色的区域围绕。
7.根据权利要求1所述的背景设备，其特征在于，还包括至少三个位置基准，所述至少三个位置基准设置在所述背景部分上靠近所述背景部分的角，以促进检测图像捕获设备相对于所述背景设备的位置、俯仰或滚转中的至少一个。
8.根据权利要求1所述的背景设备，其特征在于，所述背景部分包括红-绿-蓝(RGB)平衡区域，所述红-绿-蓝(RGB)平衡区域具有对应于RGB颜色空间中相等的红色、绿色、蓝色值的颜色。
9.根据权利要求1所述的背景设备，其特征在于，所述测试条部分包括对准标记，所述对准标记被配置为促进将所述横向流测定测试条放置在所述背景设备的所述测试条部分上。
10.根据权利要求1所述的背景设备，其特征在于，所述测试条部分包括计算机可读代码，所述计算机可读代码被定位成当所述横向流测定测试条放置在所述测试条部分上时被覆盖。
11.根据权利要求1所述的背景设备，其特征在于，所述背景设备是三维背景设备，其包括一个或多个凹部或从所述背景部分突出的一个或多个三维特征件。
12.根据权利要求1所述的背景设备，其特征在于，所述横向流测定测试条被容纳在盒中，并且其中所述测试条部分的大小和形状被设计成引导所述盒放置在所述背景设备的所述测试条部分上。
13.根据前述权利要求中任一项所述的背景设备，其特征在于，所述多个线检测基准中的每一个具有与以下各项中的至少一个的预期宽度相关联的宽度：
测试线，在应用于所述横向流测定测试条的样品中存在感兴趣的分析物时，所述测试线改变强度或颜色；以及
控制线，存在应用于所述横向流测定测试条的所述样品时，所述控制线改变强度或颜色。
CN202122533620.XU 2020-10-23 2021-10-21 一种用于测定测试条的背景设备 Active CN216956993U (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063105146P 2020-10-23 2020-10-23
US63/105,146 2020-10-23
US202063126437P 2020-12-16 2020-12-16
US63/126,437 2020-12-16

Publications (1)

Publication Number Publication Date
CN216956993U true CN216956993U (zh) 2022-07-12

Family

ID=81258186

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202122533620.XU Active CN216956993U (zh) 2020-10-23 2021-10-21 一种用于测定测试条的背景设备
CN202180070575.9A Pending CN116324382A (zh) 2020-10-23 2021-10-21 用于测试设备的成像和基于图像的分析的***和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202180070575.9A Pending CN116324382A (zh) 2020-10-23 2021-10-21 用于测试设备的成像和基于图像的分析的***和方法

Country Status (8)

Country Link
US (1) US11988596B2 (zh)
EP (1) EP4232201A1 (zh)
JP (1) JP2023548785A (zh)
KR (1) KR20230088916A (zh)
CN (2) CN216956993U (zh)
AU (1) AU2021366678A1 (zh)
CA (1) CA3198824A1 (zh)
WO (1) WO2022087210A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11996183B2 (en) 2020-09-17 2024-05-28 Scanwell Health, Inc. Methods of analyzing diagnostic test kits
USD970033S1 (en) 2020-10-23 2022-11-15 Becton, Dickinson And Company Cartridge imaging background device

Family Cites Families (162)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4843377A (en) 1987-04-21 1989-06-27 Guardian Technologies, Inc. Remote confinement system
US4976923A (en) 1989-05-12 1990-12-11 Rhode Island Hospital Sample container
CA2008414A1 (en) 1989-11-15 1991-05-15 David Bar-Or Detection of appendicits by measurement of ortho-hydroxyhippuric acid
US5260219A (en) 1990-12-11 1993-11-09 Robert Fritz Method of determining nitrogen balance and fat loss for persons involved in diet and/or physical training program
US5119830A (en) 1991-04-03 1992-06-09 Code Blue Medical Corporation Analytical specimen cup with testing means
US5408535A (en) 1993-09-07 1995-04-18 Miles Inc. Video test strip reader and method for evaluating test strips
US5360013A (en) 1993-10-19 1994-11-01 Gilbert Edward C Method and device for qualitative detection of blood in urine
US5595187A (en) 1994-06-20 1997-01-21 Urocath Corporation Analytical specimen cup system and method
US5501837A (en) 1994-07-15 1996-03-26 Sayles; Philip W. One-step test device
US5640969A (en) 1995-05-16 1997-06-24 Urocath Corporation Lid for an analytical specimen cup
US6718053B1 (en) 1996-11-27 2004-04-06 Chromavision Medical Systems, Inc. Method and apparatus for automated image analysis of biological specimens
US6254385B1 (en) 1997-01-02 2001-07-03 Lj Laboratories, Llc Apparatus and method for measuring optical characteristics of teeth
US6514461B1 (en) 1997-02-14 2003-02-04 Escreen, Inc. System for automatically testing a fluid specimen
US6565814B1 (en) 1998-03-18 2003-05-20 Sekisui Chemical Co., Ltd. Closure structure for vacuum specimen collection container, vacuum specimen collection container, vacuum specimen collection system, holder for vacuum specimen collection system and thermoplastic elastomer composition for forming closure structure
GB2339615B (en) 1998-07-14 2001-02-07 Cozart Bioscience Ltd Screening device and method of screening an immunoassay test
USD457246S1 (en) 1999-12-20 2002-05-14 Merck & Co., Inc. Pharmaceutical kit
US6534014B1 (en) 2000-05-11 2003-03-18 Irm Llc Specimen plate lid and method of using
US7300626B2 (en) 2001-05-21 2007-11-27 John Wu Fluid-specimen collecting and testing device and method for recording chromatographic assay test results
US7267799B1 (en) 2002-08-14 2007-09-11 Detekt Biomedical, L.L.C. Universal optical imaging and processing system
US7200252B2 (en) 2002-10-28 2007-04-03 Ventana Medical Systems, Inc. Color space transformations for use in identifying objects of interest in biological specimens
US7197169B2 (en) 2003-01-02 2007-03-27 Kuo-Jeng Wang Method for detecting a response of each probe zone on a test strip
US7097103B2 (en) 2003-05-22 2006-08-29 Wen-Chao Tseng Method of automatically detecting a test result of a probe zone of a test strip
EP1725973A4 (en) 2004-03-05 2013-12-11 Siemens Healthcare Diagnostics HAND-HELD OPTICAL DIAGNOSTIC DEVICE WITH IMAGE SYSTEM ARRAY
US20050221504A1 (en) 2004-04-01 2005-10-06 Petruno Patrick T Optoelectronic rapid diagnostic test system
US7763454B2 (en) 2004-07-09 2010-07-27 Church & Dwight Co., Inc. Electronic analyte assaying device
WO2006107666A2 (en) 2005-04-01 2006-10-12 Reinhard Hafellner Body fluid testing component for analyte detection
US7420663B2 (en) 2005-05-24 2008-09-02 Bwt Property Inc. Spectroscopic sensor on mobile phone
EP1801568A1 (de) 2005-12-21 2007-06-27 Micronas Holding GmbH Teststreifen und Verfahren zum Messen einer Analytkonzentration in einer Probe eines biologischen Fluids
US7652268B2 (en) 2006-01-31 2010-01-26 Jp Laboratories, Inc General purpose, high accuracy dosimeter reader
US7474390B2 (en) 2006-05-26 2009-01-06 Lifescan Scotland Limited Test strip with permutative grey scale calibration pattern
GB2445187B (en) 2006-12-29 2010-10-27 Mologic Ltd Diagnostic test device
US7776618B2 (en) 2007-03-01 2010-08-17 Church & Dwight Co., Inc. Diagnostic detection device
JP4528336B2 (ja) 2007-03-10 2010-08-18 ローム アンド ハース カンパニー 試験ストリップを読み取る方法
US8150115B2 (en) 2007-04-18 2012-04-03 Iris International, Inc. Chemistry strip reader and method
US8073248B2 (en) 2007-06-08 2011-12-06 Apple Inc. Automatic detection of calibration charts in images
USD633209S1 (en) 2008-11-27 2011-02-22 Clondiag Gmbh Cartridge for counting particles in blood
US20100222560A1 (en) 2009-03-02 2010-09-02 Zymo Research Corporation Universal column
USD637310S1 (en) 2009-12-03 2011-05-03 Gilson Sas Assay device
US8655009B2 (en) 2010-09-15 2014-02-18 Stephen L. Chen Method and apparatus for performing color-based reaction testing of biological materials
WO2012061650A2 (en) 2010-11-03 2012-05-10 Teco Diagnostics All-in-one specimen cup with optically readable results
GB201105474D0 (en) 2011-03-31 2011-05-18 Albagaia Ltd Testing apparatus
JP5267617B2 (ja) 2011-06-23 2013-08-21 ウシオ電機株式会社 分析装置および分析方法
US9354181B2 (en) 2011-08-04 2016-05-31 Saint Mary's College Analytical devices for detection of low-quality pharmaceuticals
US8988686B2 (en) 2011-09-06 2015-03-24 The Procter & Gamble Company Systems, devices, and methods for providing products and consultations
US9939385B2 (en) 2011-09-09 2018-04-10 Church & Dwight Co., Inc. Systems, methods, and test kits for analyte variation detection
US8889424B2 (en) 2011-09-13 2014-11-18 Joel R. L. Ehrenkranz Device and method for performing a diagnostic test
AU342348S (en) 2011-09-22 2012-05-03 Conidia Bioscience Ltd Testing apparatus
US9042630B2 (en) 2011-10-26 2015-05-26 Definiens Ag Biomarker evaluation through image analysis
US8999728B2 (en) 2011-12-21 2015-04-07 Church & Dwight Co., Inc. Diagnostic detection device
WO2013116253A1 (en) 2012-01-30 2013-08-08 Scanadu Incorporated Spatial resolution enhancement in hyperspectral imaging
WO2013116831A1 (en) 2012-02-03 2013-08-08 University Of Cincinnati Method and system for analyzing a colorimetric assay
US8916390B2 (en) 2012-02-06 2014-12-23 The Regents Of The University Of California Portable rapid diagnostic test reader
US9588113B2 (en) 2012-02-22 2017-03-07 Church & Dwight Co., Inc. Methods for electronic analyte assaying
US9230187B2 (en) 2012-03-15 2016-01-05 Qualcomm Incorporated System and method for robust estimation of color dependent measurements
US9063091B2 (en) 2012-04-06 2015-06-23 Ixensor Inc. Test strips and method for reading test strips
US10132802B2 (en) 2012-04-17 2018-11-20 i-calQ, LLC Device for performing a diagnostic test and methods for use thereof
US20230095831A1 (en) * 2012-04-17 2023-03-30 i-calQ, LLC Device for performing an enzyme-based diagnostic test and methods for use thereof
US8814531B2 (en) 2012-08-02 2014-08-26 Briggs & Stratton Corporation Pressure washers including jet pumps
US10983065B2 (en) 2012-08-08 2021-04-20 Healthy.Io Ltd. Method, apparatus and system for detecting and determining compromised reagent pads by quantifying color changes induced by exposure to a hostile environment
EP2883037B1 (en) 2012-08-08 2023-06-07 Healthy.io Ltd. 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
USD690828S1 (en) 2012-09-17 2013-10-01 Intron Biotechnology, Inc. Culture media device
ES2401443B1 (es) 2012-10-11 2013-11-15 Blazer Technologies, Slu Procedimiento y sistema de medición de una tira reactiva
US9778200B2 (en) 2012-12-18 2017-10-03 Ixensor Co., Ltd. Method and apparatus for analyte measurement
US9445749B2 (en) 2013-01-21 2016-09-20 Cornell University Smartphone-based apparatus and method for obtaining repeatable, quantitative colorimetric measurement
US9787815B2 (en) 2013-01-21 2017-10-10 Cornell University Smartphone-based apparatus and method
US8976252B2 (en) 2013-01-30 2015-03-10 Hewlett-Packard Development Company, L.P. Acquisition of color calibration charts
US9240039B2 (en) 2013-02-01 2016-01-19 Ge Cong Method for fast test strip intensity recognition
WO2014178062A2 (en) 2013-02-25 2014-11-06 Biosense Technologies Private Ltd Method and system for analysing body fluids
FI20135189L (fi) 2013-02-28 2014-08-29 iStoc Oy Kannettava lateraalinen koetulosten lukija
FI20135204L (fi) 2013-03-04 2014-09-25 iStoc Oy Testihallinta
US9042663B2 (en) 2013-03-15 2015-05-26 Pictech Management Limited Two-level error correcting codes for color space encoded image
KR102096455B1 (ko) 2013-07-12 2020-04-02 나우다이아그노스틱스, 인코포레이티드 트랜스-비주얼 감도를 가진 범용 신속 진단 테스트 판독기
WO2015069824A2 (en) 2013-11-06 2015-05-14 Lehigh University Diagnostic system and method for biological tissue analysis
KR101492972B1 (ko) 2013-11-26 2015-02-12 에스케이텔레콤 주식회사 컴퓨팅 단말 장치의 광학 특성 캘리브레이션 방법과 광학 진단검사 보조장치
CN103606221B (zh) 2013-12-04 2016-01-20 广州广电运通金融电子股份有限公司 清分机故障自动诊断方法以及装置
US10101342B2 (en) 2014-02-12 2018-10-16 Church & Dwight Co., Inc. Devices and methods for electronic analyte assaying
US9569858B2 (en) 2014-02-13 2017-02-14 James Bennett Babcock Cloud-based system for water analysis
CN103888689B (zh) 2014-03-13 2017-10-31 北京智谷睿拓技术服务有限公司 图像采集方法及图像采集装置
US11030778B2 (en) 2014-03-31 2021-06-08 Healthy.Io Ltd. Methods and apparatus for enhancing color vision and quantifying color interpretation
JP6546605B2 (ja) 2014-04-15 2019-07-17 ガウス サージカル, インコーポレイテッドGauss Surgical, Inc. 液体キャニスタ内の血液成分量の推定方法
AU2015247338B2 (en) 2014-04-17 2020-10-08 Z-Integrated Digital Technologies, Inc. Electronic test device data communication
WO2015164322A1 (en) 2014-04-21 2015-10-29 I-Calq Llc Assay detector device compatible with any handheld digital camera/portable computing device
US9972077B2 (en) 2014-05-12 2018-05-15 Healthy.Io Ltd. Method and system for automated visual analysis of a dipstick using standard user equipment
US11087467B2 (en) 2014-05-12 2021-08-10 Healthy.Io Ltd. Systems and methods for urinalysis using a personal communications device
US10068329B2 (en) 2014-05-12 2018-09-04 Healthy.Io Ltd Method and system for automated visual analysis of a dipstick using standard user equipment
US10991096B2 (en) 2014-05-12 2021-04-27 Healthy.Io Ltd. Utilizing personal communications devices for medical testing
CN106716137B (zh) 2014-05-31 2019-10-08 锐莱医疗公司 用于现场即时检测的联合的光谱和生物传感器***
US9424628B2 (en) 2014-06-19 2016-08-23 Microsoft Technology Licensing, Llc Identifying gray regions for auto white balancing
US9686540B2 (en) 2014-06-23 2017-06-20 Xerox Corporation Robust colorimetric processing method for paper based sensors
US9933359B2 (en) 2014-06-23 2018-04-03 Xerox Corporation Vendor exclusivity security feature for paper-based diagnostic solution
WO2016025935A2 (en) 2014-08-15 2016-02-18 Scanadu Incorporated Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments
WO2016033657A1 (en) 2014-09-05 2016-03-10 Axxin Pty Ltd An immunoassay test apparatus
US10055837B2 (en) 2014-11-04 2018-08-21 Samsung Electronics Co., Ltd. Method of and apparatus for measuring biometric information
US20160139156A1 (en) 2014-11-18 2016-05-19 Welltwigs LLC Apparatuses, methods, and systems for home monitoring of physiological states and conditions
US9307214B1 (en) 2014-12-19 2016-04-05 Omnivision Technologies, Inc. Automatic white balance methods and systems for electronic cameras
US10362984B2 (en) 2015-01-27 2019-07-30 Healthy.Io Ltd Measuring and monitoring skin feature colors, form and size
JP6345612B2 (ja) 2015-02-06 2018-06-20 株式会社ソニー・インタラクティブエンタテインメント 撮像装置、情報処理システム、マット、および画像生成方法
US9990560B2 (en) 2015-02-09 2018-06-05 Digital Concepts Of Missouri, Inc. Test strip mobile APP system and method
WO2016132243A1 (en) 2015-02-19 2016-08-25 Renalyx Health Systems Pvt Ltd Method and device for performing colorimetric analysis of a test fluid to evaluate physiological parameters
CN112326557A (zh) 2015-03-24 2021-02-05 伊鲁米那股份有限公司 对样品成像用于生物或化学分析的方法、载体组件和***
JP6030732B1 (ja) 2015-09-09 2016-11-24 株式会社小森コーポレーション 見当誤差量検出方法および装置
US10354412B2 (en) 2015-11-30 2019-07-16 Detectachem, Inc. Receptacle for detection of targeted substances
EP3391285B1 (en) 2015-12-18 2020-10-21 Abbott Laboratories Methods and systems for assessing histological stains
WO2017127778A1 (en) 2016-01-22 2017-07-27 Scanadu Incorporated Systems, methods, and apparatus for personal medical record keeping
WO2017138946A1 (en) 2016-02-11 2017-08-17 Massachusetts Institute Of Technology Multiplexed lateral flow assay
DE102016202428B4 (de) 2016-02-17 2018-06-21 Axagarius Gmbh & Co. Kg Messsystem für colorimetrische Assays
TR201603524A2 (zh) 2016-03-18 2016-08-22 Anadolu Ueniversitesi
US9689803B1 (en) 2016-04-20 2017-06-27 Chroma Fish Corp. Method and system for measuring a colorimetric characteristic of a sample and calibration of same
US9857373B1 (en) 2016-10-17 2018-01-02 Reliant Immune Diagnostics, LLC Pregnancy test to assess disease risk
US11107585B2 (en) 2016-10-17 2021-08-31 Reliant Immune Diagnostics, Inc System and method for a digital consumer medical wallet and storehouse
US9857372B1 (en) 2016-10-17 2018-01-02 Reliant Immune Diagnostics, LLC Arbovirus indicative birth defect risk test
US11915810B2 (en) 2016-12-14 2024-02-27 Reliant Immune Diagnostics, Inc. System and method for transmitting prescription to pharmacy using self-diagnostic test and telemedicine
US10527555B2 (en) 2016-12-14 2020-01-07 Reliant Immune Disgnostics, Inc. System and method for visual trigger to perform diagnostic test
WO2018112251A1 (en) 2016-12-14 2018-06-21 Reliant Immune Diagnostics, LLC Two-sided flow-through immunoassay
US10331924B2 (en) 2016-12-14 2019-06-25 Reliant Immune Diagnostics, Inc. System and method for audiovisual response to retail diagnostic product
CA3006958C (en) 2016-12-28 2022-10-04 Frank Eric Klein Implement analyzing device and method for utilizing the same
USD857228S1 (en) 2017-01-03 2019-08-20 Illumina, Inc. Full flowcell cartridge
CN206489079U (zh) 2017-01-05 2017-09-12 Teco诊断有限公司 一种生物样品测试盒
EP3615924A1 (en) 2017-03-13 2020-03-04 Zoetis Services LLC A lateral flow test system
US9756324B1 (en) 2017-04-10 2017-09-05 GELT Inc. System and method for color calibrating an image
US10354166B2 (en) 2017-05-22 2019-07-16 Bio-Rad Laboratories (Israel) Inc. Reading test cards using a mobile device
WO2018237265A1 (en) 2017-06-23 2018-12-27 Voyant Diagnostics, Inc. MEDICAL DIAGNOSTIC SYSTEM AND METHOD
US10089753B1 (en) 2017-07-05 2018-10-02 Almotive Kft. Method, system and computer-readable medium for camera calibration
HUE055740T2 (hu) 2017-10-25 2021-12-28 Hoffmann La Roche Módszerek és eszközök színképzõdési reakción alapuló analitikai mérés elvégzésére
PL3477286T3 (pl) 2017-10-25 2023-06-26 F. Hoffmann-La Roche Ag Sposoby i urządzenia do pomiarów analitycznych
US11437142B2 (en) 2017-11-10 2022-09-06 Reliant Immune Diagnostics, Inc. Biofluidic triggering system and method
GB2569803B (en) 2017-12-22 2021-11-24 Novarum Dx Ltd Analysis of a captured image to determine a test outcome
WO2019126693A1 (en) 2017-12-22 2019-06-27 Quest Diagnostics Investments Llc Automated analysis of analytical gels and blots
CN108333176A (zh) 2018-02-07 2018-07-27 曾嵘斌 一种移动终端定量分析干化学检测试条的***和方法
KR102340166B1 (ko) 2018-02-26 2021-12-16 에프. 호프만-라 로슈 아게 샘플에서 피분석물을 검출하기 위한 카메라를 보정하고 이용하기 위한 방법들 및 시스템들
US11243160B2 (en) 2018-03-28 2022-02-08 Detekt Biomedical, Llc Custom optical reference calibrator fabrication system
WO2019215199A1 (en) 2018-05-07 2019-11-14 Immundiagnostik Ag System for analysing quantitative lateral flow chromatography
US10835122B2 (en) 2018-05-14 2020-11-17 Reliant Immune Diagnostics, Inc. System and method for image processing of medical test results using generalized curve field transform
US11125749B2 (en) 2018-06-06 2021-09-21 Reliant Immune Diagnostics, Inc. System and method for remote colorimetry and ratiometric comparison and quantification in analysis of medical test results
US10636527B2 (en) 2018-06-06 2020-04-28 Reliant Immune Diagnostics, Inc. System and method for quantifying, ensuring, and triggering the prescriptive authority for a telemedicine session
EP3581921A1 (en) 2018-06-11 2019-12-18 Roche Diabetes Care GmbH Method for evaluating a suitability of lighting conditions for detecting an analyte in a sample using a camera of a mobile device
EP3803350A1 (en) 2018-06-11 2021-04-14 F. Hoffmann-La Roche AG A calibration method for calibrating a camera of a mobile device for detecting an analyte in a sample
US11112406B2 (en) 2018-06-15 2021-09-07 Reliant Immune Diagnostics, Inc. System and method for digital remote primary, secondary, and tertiary color calibration via smart device in analysis of medical test results
CA3104640A1 (en) 2018-06-22 2019-12-26 Oova, Inc. Methods, devices, and systems for detecting analyte levels
US10605741B2 (en) 2018-06-28 2020-03-31 International Business Machines Corporation Accurate colorimetric based test strip reader system
EP3591385A1 (en) 2018-07-06 2020-01-08 Roche Diabetes Care GmbH A detection method for detecting an analyte in a sample
GB201811927D0 (en) 2018-07-20 2018-09-05 Experiment X Ltd Lateral flow test strip immunoassay in vitro diagnostic device
USD886901S1 (en) 2018-10-23 2020-06-09 Talis Biomedical Corporation Cartridge
PL3647774T3 (pl) 2018-10-31 2022-08-01 F. Hoffmann-La Roche Ag Urządzenie i sposób pomiaru stężenia analitu w próbce płynu ustrojowego
USD879999S1 (en) 2018-11-02 2020-03-31 Group K Diagnostics, Inc. Microfluidic device
PL3651162T3 (pl) 2018-11-07 2022-09-26 F. Hoffmann-La Roche Ag Sposoby i urzadzenia do wykonywania pomiaru analitycznego
WO2020161238A1 (en) 2019-02-06 2020-08-13 Fibrotx Oü Lateral flow device
EP3924735A1 (en) 2019-02-15 2021-12-22 Immundiagnostik AG Rapid test for diagnosis of bacterial infections in neonates
USD915618S1 (en) 2019-02-21 2021-04-06 Testcard Ltd Medical test card
US10943368B1 (en) * 2019-04-12 2021-03-09 Aurora Innovation, Inc. Camera calibration system
CA3148057A1 (en) 2019-07-19 2021-01-28 CytoRecovery, Inc. Microfluidic package, holder, and methods of making and using the same
US11739997B2 (en) 2019-09-19 2023-08-29 Rocky Research Compressor-assisted thermal energy management system
US11961608B2 (en) 2019-11-11 2024-04-16 Healthy.Io Ltd. Image processing systems and methods for caring for skin features
CA3160797A1 (en) 2019-11-13 2021-05-20 Scanwell Health, Inc. Diagnostic test kits for sample preparation and analysis
WO2021155105A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Automated profile classification and prediction and methods of use thereof
WO2021155082A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Computer-based systems configured for automated feature detection for image analysis and methods thereof
WO2021155170A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Automated self-organized queuing of data records with matching profiles and methods of use thereof
WO2021155103A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Automated dynamic generation of interface sequences for data record creation and methods of use thereof
WO2021155153A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Computer-based systems configured for reference-free color correction and methods thereof
US11996183B2 (en) 2020-09-17 2024-05-28 Scanwell Health, Inc. Methods of analyzing diagnostic test kits
USD970033S1 (en) 2020-10-23 2022-11-15 Becton, Dickinson And Company Cartridge imaging background device

Also Published As

Publication number Publication date
US20220128455A1 (en) 2022-04-28
AU2021366678A1 (en) 2023-05-18
WO2022087210A1 (en) 2022-04-28
CA3198824A1 (en) 2022-04-28
KR20230088916A (ko) 2023-06-20
CN116324382A (zh) 2023-06-23
JP2023548785A (ja) 2023-11-21
US11988596B2 (en) 2024-05-21
EP4232201A1 (en) 2023-08-30

Similar Documents

Publication Publication Date Title
US11802839B2 (en) Quantifying color changes in chemical test pads induced by different concentrations of analytes under different lighting conditions
CN216956993U (zh) 一种用于测定测试条的背景设备
US9787815B2 (en) Smartphone-based apparatus and method
JP6787076B2 (ja) 呈色反応検出システム、呈色反応検出方法及びプログラム
CN104969068A (zh) 用于在自动校准环境中执行及量化由特定浓度的生物分析物诱发的色彩改变的方法及设备
CN107167594B (zh) 一种免疫层析试条定量检测装置及方法
US20230013247A1 (en) Calibration of a digital camera for use as a scanner
JP7062926B2 (ja) 呈色反応検出システム、呈色反応検出方法及びプログラム
TW201939020A (zh) 用於執行分析量測之方法及裝置
US20230103160A1 (en) Method of determining the concentration of an analyte in a sample of a body fluid
KR101352876B1 (ko) 진단 장치
CN114441512B (zh) ***分泌物检测仪、干化学检测装置和干化学检测方法
CN112505002A (zh) 一种基于rgb模型的溶液浊度检测方法、介质、图像***
TW202413946A (zh) 試片檢測載台、試片檢測系統以及試片檢測方法
RU2786271C2 (ru) Способ и устройства для проведения аналитического измерения
CN112557350B (zh) 一种基于hsv模型的溶液浊度检测方法、介质、图像***
EP3954990A1 (en) Test strip fixation device for optical measurements of an analyte
CN117782975A (zh) 试片检测载台、试片检测***以及试片检测方法
WO2016024103A1 (en) Test target
CN116878430A (zh) 一种基于x光射线微聚焦检测设备的珍珠层厚度测量方法
CN117940990A (zh) 用于控制移动装置的自动白平衡设定以用于使用颜色参考卡的基于颜色的测量的方法和装置
CN114235717A (zh) 一种用于对光学传感器进行定量分析的通用光学检测***

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant