KR20230088916A - 테스트 디바이스들의 이미징 및 이미지 기반 분석을 위한 시스템들 및 방법들 - Google Patents

테스트 디바이스들의 이미징 및 이미지 기반 분석을 위한 시스템들 및 방법들 Download PDF

Info

Publication number
KR20230088916A
KR20230088916A KR1020237017122A KR20237017122A KR20230088916A KR 20230088916 A KR20230088916 A KR 20230088916A KR 1020237017122 A KR1020237017122 A KR 1020237017122A KR 20237017122 A KR20237017122 A KR 20237017122A KR 20230088916 A KR20230088916 A KR 20230088916A
Authority
KR
South Korea
Prior art keywords
image
background
background device
test strip
test
Prior art date
Application number
KR1020237017122A
Other languages
English (en)
Inventor
라파엘 마셀포일
존 페이지
진-마크 볼
세드릭 오니
카멜로 트리콜리
매튜 페르난데스
Original Assignee
벡톤 디킨슨 앤드 컴퍼니
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 벡톤 디킨슨 앤드 컴퍼니 filed Critical 벡톤 디킨슨 앤드 컴퍼니
Publication of KR20230088916A publication Critical patent/KR20230088916A/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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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

테스트 디바이스의 이미징 및 이미지 기반 분석을 위한 시스템 및 방법은 측방 유동 검정 테스트 스트립을 위한 백그라운드 디바이스를 포함할 수 있다. 일 양태에서, 백그라운드 디바이스는, 백그라운드 디바이스 상에, 측방 유동 검정 테스트 스트립의 배치를 안내하도록 크기 및 형상이 정해진 테스트 스트립 부분; 테스트 스트립 부분을 적어도 부분적으로 둘러싸는 백그라운드 부분; 및 백그라운드 부분의 하나 이상의 피처를 포함할 수 있다. 하나 이상의 피처들은 조명 조건들의 평가를 위한 라인 검출 기점들, 포지션 기점들, 변조 전달 함수 기점들, 모션 블러 검출 기점들, 및/또는 RGB 밸런싱된 영역들을 포함할 수 있다.

Description

테스트 디바이스들의 이미징 및 이미지 기반 분석을 위한 시스템들 및 방법들
관련 출원에 대한 상호 참조
본 출원은 SYSTEMS AND METHODS FOR IMAGING AND IMAGE-BASED ANALYSIS OF DIAGNOSTIC TEST DEVICES라는 제목으로 2020년 10월 23일에 출원된 미국 가출원 제63/105,146호 및 SYSTEMS AND METHODS FOR IMAGING AND IMAGE-BASED ANALYSIS OF TEST DEVICES라는 제목으로 2020년 12월 16일에 출원된 미국 가출원 제63/126,437호의 이익을 청구하며, 이들 모두는 그 전문이 본원에 참조로 통합된다.
기술 분야
본 기술은 분석물 테스팅에 관한 것으로, 보다 구체적으로는 카트리지 분석 정보의 판독을 위한 애플리케이션 및 테스트 카트리지 백그라운드 디바이스에 관한 것이다.
테스트 분석 정보는 측방 유동 검정(lateral flow assay) 또는 다른 카트리지 기반 테스트와 같은 테스트 디바이스의 이미지로부터 획득될 수 있다. 이미지 분석에 기초한 분석 정보의 결정은 색상(color) 관리, 정렬, 이미지 워핑(image warping), 및 캡처된 이미지들 내의 다른 에러 소스들에 기초한 에러에 취약할 수 있다. 예를 들어, 이러한 방법들은 열화된 이미지 품질(예를 들어, 고 잡음 레벨, 불량한 조명, 불량한 초점, 상당한 모션 블러(motion blur) 등) 및/또는 알고리즘 에러들(예를 들어, 불량한 호모그래피(homography), 불량한 정규화 등)로 인한 잘못된 네거티브 결과들과 같은 판독 에러들에 민감할 수 있다. 스마트폰 또는 다른 모바일 디바이스의 카메라에 의해 캡처된 이미지 분석은 특히 이러한 오류에 취약할 수 있다.
이미지 기반 테스트 분석 시스템들에서 에러들의 발생을 제한하기 위해, 테스트 분석을 위한 이미징 시스템들은 보통 매우 제어된 환경들에서 동작되고 신중하게 캘리브레이션(calibrate)되고 정규화된다. 캘리브레이션되고 제어된 환경이 이용 가능하지 않을 때, 이미지 적격 판단(image qualification) 및 정규화 메트릭들은 이미지 자체로부터 추출될 필요가 있을 수 있다. 따라서, 본 기술은 테스트 디바이스 자체와 함께, 캡처된 장면에서 알려진 특성들(예를 들어, 크기, 세기, 색상, 공간 주파수들, 콘트라스트 등)을 갖는 추가적인 컨텍스트 정보(contextual information)를 포함하기 위한 시스템들 및 방법들을 제공한다. 본 기술의 시스템들 및 방법들은, 다른 양태들 중에서, 이미지에 대한 백그라운드로서 기능하기 위해, 정보 분석을 위해 카트리지의 이미지를 촬영하기 전에 테스트 카트리지가 포지셔닝될 수 있는 3차원 카트리지 백그라운드 디바이스(예를 들어, 트레이들 또는 카드들)를 포함한다. 본 기술은 3D 백그라운드 디바이스를 사용하여 이미지의 표준화 및 정규화 후에 카트리지의 이미지에 대한 이미지 분석을 수행하도록 구성된 모바일 디바이스 애플리케이션과 같은 애플리케이션을 더 포함한다. 백그라운드는 이미지에 기초하여 이미지 취득 메트릭들의 평가를 용이하게 하기 위한 하나 이상의 기점(fiducial)을 포함할 수 있다. 일부 실시예에서, 일부 또는 모든 기점들은 측방 유동 검정 테스트 스트립의 테스트 표면과 같은 테스트 스트립의 표면과 동일한 평면에, 및/또는 테스트 스트립을 함유하는 카트리지의 표면과 동일한 평면에 위치될 수 있어서, 세밀한(refined) 이미지 캡처를 가능하게 하여 평가 소프트웨어 또는 수동 해석을 사용한 분석 전의 이미지 취득 조건 검증, 이미지 정규화, 및/또는 이미지 표준화를 유도한다. 본 명세서에 개시된 3D 백그라운드 디바이스의 3D 디자인은 카트리지 및 3D 백그라운드 디바이스의 평면도 이외의 비스듬히(at an angle) 촬영된 이미지의 디워핑(de-warping)을 추가로 허용할 수 있다.
비제한적인 한 예에서, 검정 테스트 스트립을 위한 백그라운드 디바이스가 제공된다. 백그라운드 디바이스는, 백그라운드 디바이스 상에, 측방 유동 검정 테스트 스트립의 배치를 안내하도록 크기 및 형상이 정해진 테스트 스트립 부분; 테스트 스트립 부분을 적어도 부분적으로 둘러싸는 백그라운드 부분; 및 백그라운드 부분 상에 배치된 복수의 라인 검출 기점을 포함하며, 복수의 라인 검출 기점 각각은 백그라운드 부분의 주변 영역의 색상과 상이한 색상 및 측방 유동 검정 테스트 스트립 상의 라인의 예상된 폭과 연관된 폭을 갖는다.
복수의 라인 검출 기점은 적어도 예상 폭과 실질적으로 동일한 폭을 갖는 제1 라인 검출 기점 및 예상 폭보다 크거나 작은 폭을 갖는 제2 라인 검출 기점을 포함할 수 있다. 복수의 라인 검출 기점들은 제1 색조(shade of a color)를 갖는 적어도 제1 라인 검출 기점 및 제2 라인 검출 기점을 포함할 수 있다. 복수의 라인 검출 기점들은 제1 색조보다 더 밝거나 더 어두운 제2 색조를 갖는 적어도 제3 라인 검출 기점을 포함할 수 있다. 일 실시예에서, 측방 유동 검정 테스트 스트립 상의 라인의 색상은 회색이고, 예상된 색상은 회색이 아니다.
백그라운드 디바이스는 또한 하나 이상의 모션 블러 검출 기점을 포함할 수 있으며, 하나 이상의 모션 블러 검출 기점 각각은 제1 색상과 대비(contrast)되는 제2 색상의 영역에 의해 둘러싸인 제1 색상의 도트(dot)를 포함한다. 백그라운드 디바이스는 또한 백그라운드 디바이스에 대한 이미지 캡처 디바이스의 포지션(position), 틸트(tilt), 또는 롤(roll) 중 적어도 하나의 검출을 용이하게 하기 위해 백그라운드 부분의 코너들에 근접한 백그라운드 부분 상에 배치된 적어도 3개의 포지션 기점(position fiducial)들을 포함할 수 있다. 일 예에서, 백그라운드 부분은 RGB 색 공간(color space)에서 동일한 적색, 녹색 및 청색 값들에 대응하는 색상을 갖는 적색-녹색-청색(RGB) 밸런싱된 영역(balanced area)을 포함한다.
테스트 스트립 부분은 백그라운드 디바이스의 테스트 스트립 부분 상의 측방 유동 검정 테스트 스트립의 배치를 용이하게 하도록 구성된 정렬 표시(alignment indicia)를 포함할 수 있다. 테스트 스트립 부분은 측방 유동 검정 테스트 스트립이 테스트 스트립 부분 상에 배치될 때 커버되도록 포지셔닝된 컴퓨터 판독 가능 코드를 포함할 수 있으며, 컴퓨터 판독 가능 코드는 라인 검출 기점에 적어도 부분적으로 기초하여, 측방 유동 검정 테스트 스트립의 이미지가 추가 분석에 적합한지 여부를 분석하도록 구성된 소프트웨어 애플리케이션을 식별한다. 테스트 스트립 부분은 측방 유동 검정 테스트 스트립이 테스트 스트립 부분 상에 배치될 때 커버되도록 포지셔닝된 컴퓨터 판독 가능 코드를 포함할 수 있으며, 컴퓨터 판독 가능 코드는 라인 검출 기점에 적어도 부분적으로 기초하여 테스트 결과를 결정하기 위해 측방 유동 검정 테스트 스트립의 이미지를 분석하도록 구성된 소프트웨어 애플리케이션을 식별한다. 백그라운드 디바이스는 백그라운드 부분으로부터 돌출하는 하나 이상의 리세스(recess) 또는 하나 이상의 3차원 피처(feature)를 포함하는 3차원 백그라운드 디바이스일 수 있다. 측방 유동 검정 테스트 스트립은 카트리지 내에 수용될 수 있고, 테스트 스트립 부분은 백그라운드 디바이스의 테스트 스트립 부분 상의 카트리지의 배치를 안내하도록 크기 및 형상이 정해질 수 있다. 복수의 라인 검출 기점 각각은 : 측방 유동 검정 테스트 스트립에 적용된 샘플 중의 관심 분석물의 존재 하에 세기 또는 색상을 변화시키는 테스트 라인; 및 측방 유동 검정 테스트 스트립에 적용된 샘플의 존재 하에 세기 또는 색상을 변화시키는 대조군 라인 중 적어도 하나의 예상 폭과 연관된 폭을 가질 수 있다.
다른 비제한적인 예에서, 테스트 결과를 결정하는 컴퓨터 구현 방법이 제공된다. 방법은 이미지 캡처 디바이스에 의해, 백그라운드 디바이스의 테스트 스트립 부분 상에 배치된 측방 유동 검정 테스트 스트립의 이미지를 캡처하는 단계를 포함할 수 있으며, 백그라운드 디바이스는 테스트 스트립 부분을 적어도 부분적으로 둘러싸는 백그라운드 부분을 포함한다. 방법은 또한, 이미지에 적어도 부분적으로 기초하여 하나 이상의 프로세서에 의해, 백그라운드 디바이스의 백그라운드 부분 상에 배치된 복수의 라인 검출 기점을 검출하는 단계를 포함할 수 있으며, 복수의 라인 검출 기점 각각은 백그라운드 부분의 주변 영역의 색상과 상이한 색상 및 측방 유동 검정 스트립 상의 라인의 예상된 폭과 연관된 폭을 갖는다. 방법은 이미지에 적어도 부분적으로 기초하여 하나 이상의 프로세서에 의해, 복수의 라인 검출 기점에 적어도 부분적으로 기초하여 측방 유동 검정 테스트 스트립 상의 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계를 더 포함할 수 있다. 방법은 또한 하나 이상의 프로세서에 의해, 하나 이상의 검출된 대조군 라인 또는 테스트 라인에 적어도 부분적으로 기초하여 측방 유동 검정 테스트 스트립의 테스트 결과를 결정하는 단계를 포함할 수 있다.
방법은 또한, 이미지를 캡처하기 전에, 이미지 캡처 디바이스에 의해 캡처된 이미지가 테스트 결과의 검출에 적격(qualify)이거나 적격하지 않음을 분석하는 단계를 포함할 수 있다. 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계는 복수의 라인 검출 기점 중 적어도 하나의 폭에 적어도 부분적으로 기초하여 하나 이상의 대조군 라인 또는 테스트 라인의 존재를 검출하는 단계를 포함할 수 있다. 복수의 라인 검출 기점은 제1 색조를 갖는 적어도 제1 라인 검출 기점 및 제2 라인 검출 기점을 포함할 수 있고, 제3 라인 검출 기점은 제1 색조보다 더 밝거나 더 어두운 제2 색조를 가질 수 있고, 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계는 제1, 제2 또는 제3 라인 검출 기점에 적어도 부분적으로 기초하여 하나 이상의 대조군 라인 또는 테스트 라인의 세기 또는 색상을 검출하는 단계를 포함할 수 있다. 일 예에서, 제1, 제2, 및 제3 기점의 색상은 회색이고, 하나 이상의 대조군 라인 또는 테스트 라인의 색상은 회색이 아니다.
백그라운드 디바이스의 백그라운드 부분은 RGB 색 공간에서 동일한 적색, 녹색 및 청색 값에 대응하는 색을 갖는 적색-녹색-청색(RGB) 밸런싱된 영역을 포함할 수 있다. 방법은 또한, 테스트 결과를 결정하기 전에, RGB 밸런싱된 영역에 적어도 부분적으로 기초하여 백그라운드 디바이스의 조명 조건을 평가하는 단계를 포함할 수 있다. 조명 조건을 평가하는 단계는 또한 RGB 밸런싱된 영역 상의 눈부심(glare) 또는 음영(shadow) 중 적어도 하나를 포함할 수 있다. 방법은 또한, 테스트 결과를 결정하기 전에, 복수의 라인 검출 기점들 또는 백그라운드 디바이스의 백그라운드 부분 상의 하나 이상의 추가적인 기점들에 적어도 부분적으로 기초하여 이미지 캡처 디바이스의 변조 전달 함수(modulation transfer function)를 평가하는 단계를 포함할 수 있다. 방법은 또한 변조 전달 함수에 기초하여 검출 레벨을 추정하는 단계를 포함할 수 있으며, 측방 유동 검정의 테스트 결과는 추정된 검출 레벨에 적어도 부분적으로 기초하여 결정된다. 방법은 또한 테스트 결과를 결정하기 전에, 백그라운드 디바이스의 백그라운드 부분 상에 배치된 하나 이상의 모션 블러 검출 기점에 적어도 부분적으로 기초하여 이미지의 모션 블러(motion blur)의 레벨을 검출하는 단계를 포함할 수 있다. 하나 이상의 모션 블러 검출 기점 각각은 제1 색상과 대비(contrast)되는 제2 색상의 영역에 의해 둘러싸인 제1 색상의 도트를 포함할 수 있다. 방법은 또한, 테스트 결과를 결정하기 전에, 백그라운드 디바이스의 백그라운드 부분 상에 배치된 복수의 포지션 기점(position fiducial)들에 적어도 부분적으로 기초하여 백그라운드 디바이스에 대한 이미지 캡처 디바이스의 위치, 틸트, 또는 롤 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
도 1a는 본 기술에 따른 예시적인 3D 카트리지 백그라운드 디바이스를 도시하는 평면도이다.
도 1b 및 1c는 도 1a의 예시적인 3D 카트리지 백그라운드 디바이스의 단면도이다.
도 1d는 예시적인 기점들을 예시하는 도 1a 내지 도 1c의 예시적인 백그라운드 디바이스의 일부의 확대도이다.
도 2a는 도 1a 내지 도 1c의 예시적인 3D 카트리지 백그라운드 디바이스에 대한 테스트 카트리지의 배치를 예시하는 평면도이다.
도 2b 및 2c는 도 2a의 테스트 카트리지 및 예시적인 3D 카트리지 백그라운드 디바이스의 단면도이다.
도 3 및 도 4는 개별적으로 도 1a 및 도 2a의 예시적인 3D 카트리지 백그라운드 디바이스의 이미지를 디스플레이하는 모바일 디바이스 애플리케이션의 그래픽 사용자 인터페이스(GUI)를 예시한다.
도 5는 모바일 디바이스 카메라에서 비스듬히 촬영한 3D 카트리지 백그라운드 디바이스의 테스트 카트리지의 예제 이미지이다.
도 6은 3D 카트리지 백그라운드 디바이스의 기점에 기초하여 본 명세서에 개시된 이미지 분석 소프트웨어에 의해 생성된 도 5의 이미지의 디워핑된(de-warped) 버전이다.
도 7은 모바일 디바이스 카메라에 의해 비스듬히 촬영된 3D 카트리지 백그라운드 디바이스의 테스트 카트리지의 예제 이미지이다.
도 8은 3D 카트리지 백그라운드 디바이스의 기점에 기초하여 본 명세서에 개시된 이미지 분석 소프트웨어에 의해 생성된 도 7의 이미지의 디워핑된 버전이다.
도 9는 본 기술에 따라 테스트를 수행하고 분석하는 예시적인 방법을 예시하는 흐름도이다.
도 10은 본 기술에 따라 테스트 결과를 결정하기 위해 이미지를 취득 및 분석하는 예시적인 방법을 예시하는 흐름도이다.
도 11a 및 11b는 본 기술에 따라 이미지 적격 판단(image qualification) 및 정규화를 수행하는 예시적인 방법을 도시하는 흐름도이다.
도 12a 내지 도 12d는 본 기술에 따른 예시적인 카트리지 백그라운드 디바이스를 예시한다.
본 발명의 실시예는 유체(fluid)와 같은 생물학적 또는 비-생물학적 샘플에 존재할 수 있는 관심 분석물의 검출을 위한 시스템 및 기술에 관한 것이다. 관심 분석물은 항체, 단백질, 합텐(hapten), 핵산, 앰플리콘(amplicon), 호르몬, 및 암의 치료에 사용되는 항종양제(antineoplastic drug)와 같은 유해하거나 비유해한 약물 또는 오염물질과 같은 임의의 검출가능한 물질을 포함할 수 있으나, 이에 제한되지 않는다. 본 개시 전반에 걸쳐, 예시적인 시스템, 디바이스 및 방법은 감염성 질환과 관련된 진단 테스팅에 관련된 것들과 같은 분석물의 수집, 테스팅 및 검출을 참조하여 설명될 것이지만, 본 기술은 임의의 관심 입자, 분자 또는 분석물을 수집, 테스트 및 검출하는 데 사용될 수 있다는 것이 이해될 것이다. 본 명세서에 설명된 테스트 스트립 및/또는 카트리지는 진단 및/또는 비진단 테스트의 성능을 위해 구성될 수 있다. 일부 실시예에서, 본 개시의 실시예는 SARS CoV-2의 신속 검출을 위한 BD Veritor 시스템, Flu A+B의 신속 검출을 위한 BD Veritor 시스템, RSV(Respiratory Syncytial Virus)의 신속 검출을 위한 BD Veritor 시스템, 그룹 A Strep의 신속 검출을 위한 BD Veritor 시스템, BD Veritor 시스템, BD Veritor Plus 시스템, 및/또는 이들의 컴포넌트 또는 동작과 같은 시스템과 함께 구현될 수 있다.
본 기술의 시스템들 및 방법들은, 다른 양태들 중에서, 이미지에 대한 백그라운드로서 기능하기 위해, 카트리지 정보 분석을 위해 카트리지의 이미지를 촬영하기 전에 테스트 카트리지가 포지셔닝될 수 있는 3차원 카트리지 백그라운드 디바이스(예를 들어, 트레이(tray)들 또는 카드(card)들)를 포함한다. 본 기술은 카트리지 및 3D 백그라운드 디바이스의 이미지에 대한 이미지 분석을 수행하도록 구성된 모바일 디바이스 애플리케이션과 같은 애플리케이션을 더 포함한다. 백그라운드는 이미지에 기초하여 이미지 취득 메트릭들의 평가를 용이하게 하기 위한 하나 이상의 기점(fiducial)을 포함할 수 있다. 일부 실시예에서, 일부 또는 모든 기점은 측방 유동 검정 테스트 스트립의 테스트 표면과 같은 테스트 스트립의 테스트 표면과 동일한 평면에 위치되어, 세밀한 이미지 캡처를 가능하게 하여, 평가 소프트웨어 또는 수동 해석을 사용하는 분석 전에 이미지 취득 조건 검증, 이미지 정규화 및/또는 이미지 표준화를 유도할 수 있다. 본 명세서에 개시된 3D 백그라운드 디바이스의 3D 디자인은 카트리지 및 3D 백그라운드 디바이스의 평면도 이외의 비스듬히 촬영된 이미지의 디워핑을 추가로 허용할 수 있다.
검정을 분석하고 분석된 이미지에 대한 결과를 확립하기 전에, 일부 전처리 단계가 바람직할 수 있다. 일부 양태들에서, 이미지 메트릭들의 평가는 먼저 이미지의 적합성을 결정하기 위해 및/또는 테스트 디바이스의 촬영된 복수의 이미지들로부터 최상의 이미지를 선택하기 위해 수행될 수 있다. 보정 및 적격 판단 단계가 다음에 올 수 있다. 일부 실시예들에서, 일련의 이미지들이 캡처될 수 있고, 테스트 결과는 시리즈의 최상의 또는 가장 적합한 이미지로부터 결정될 수 있다. 본 명세서에서 설명하는 가능한 실시예는 N개의 이미지(예를 들어, N=3)를 캡처하고, 각 이미지에 대해 하나 또는 일련의 주요 메트릭(예를 들어, 모션 블러, 음영 영향(shadow effect), 워핑(warping) 등)을 평가하고, 최상의 또는 최적의 것(예를 들어, 더 적은 모션 블러 또는 다른 최적의 특성)만을 보유하는 것이다. 이 전략은 함께 고려되는 하나의 메트릭 또는 일련의 메트릭 또는 모든 메트릭에 적용될 수 있다. 선호되는 메트릭들에 기초하여, 최상의 이미지는 그런 다음 (예를 들어, 후속 분석에 적합한) 적격(qualify)이거나 (예를 들어, 사용자가 이미지를 다시 캡처하려고 시도하는 것과 같은 다른 단계를 취할 것을 요구하는) 실격(disqualify)인 것으로 간주된다. 적격이면, 이미지는 폰(phone) 특성들(예를 들어, 광학 기기(optics), 전자 기기(electronics) 및 소프트웨어)뿐만 아니라 외부 조건들(예를 들어, 폰의 사용자, 조명을 포함함)로 인한 변동성을 감소시키거나 최소화하기 위해 보정되고/되거나 정규화될 수 있다.
도 1a 내지 도 2c는 본 기술에 따른 예시적인 3D 백그라운드 디바이스(100)를 예시한다. 도 1a는 3D 백그라운드 디바이스(100)만을 도시하고, 도 2a는 이미징을 위해 테스트 카트리지(200)가 그 위에 배치된 3D 백그라운드 디바이스(100)를 도시한다. 도 1b 및 도 2b는 개별적으로 도 1a 및 도 2a의 A에서 B를 따라 절취한 단면도이다. 도 1c 및 2c는 개별적으로 도 1a 및 2a의 C 내지 D의 어느 한 쌍을 따라 취한 단면도이다.
3D 백그라운드 디바이스(100)는 일반적으로 하나 이상의 기점을 포함하는 백그라운드 부분(102) 및 카트리지(200)가 분석을 위해 수용될 수 있는 카트리지 부분(104)을 포함한다. 일부 실시예에서, 카트리지 부분(104)은 카트리지(200)의 적절한 배치를 돕기 위한 리세스(recess) 또는 삽입부(inset)일 수 있다.
다양한 예시적인 기점들이 도면들 1a-2c에 예시되고, 이미지 메트릭 계산들 및/또는 이미지 정규화 및 표준화를 위한 인에이블러(enabler)들로서의 기능과 함께 본 명세서에서 설명된다. 도면들 10-11b를 참조하여 더 상세히 설명되는 바와 같이, 기점들과 연관된 정보는 기점들을 사용하여 이미지 분석을 용이하게 할 수 있는 백그라운드 디바이스 모델에 디지털 방식으로 저장될 수 있다. 예를 들어, 백그라운드 디바이스 모델은 3D 백그라운드 디바이스(100)의 광학적으로 검출 가능한 피처들에 대한(예를 들어, 추가적인 코너 기점들(155)과 같은 백그라운드 디바이스(100)의 정렬 기점들 또는 하나 이상의 코너들에 대한) 기점들 중 일부 또는 각각의 기점들의 위치들을 (예를 들어, 하나 이상의 x, y 좌표들로서) 저장할 수 있다. 따라서, 3D 백그라운드 디바이스(100)의 다양한 실시예는 동일하거나 상이한 위치에 도 1a 및 도 2c에 예시된 것보다 더 많거나 더 적은 기점을 포함할 수 있고, 각각의 기점의 위치는 해당 백그라운드 디바이스 모델에 기초한 이미지 분석 애플리케이션에 의해 신뢰성있게 결정될 수 있다.
일부 실시예에서, 3D 백그라운드 디바이스(100)의 카트리지 부분(104) 내에 배치된 카트리지(200)의 최상부 표면의 높이와 매칭하는 높이를 갖는 4개의 실린더(105)와 같은 기점은 이미지 프로세싱 소프트웨어가 사진 내의 카트리지(200)의 틸트 및 롤을 평가하게 하여 임의의 이러한 틸트 및 롤이 보정될 수 있게 한다. 또한, 실린더들(105)에 의해 생성되는 임의의 음영들의 세기 및/또는 방향은 카트리지(200) 내의 테스트 스트립(205)에 대한 음영 영향을 추정하기 위해 관찰될 수 있다.
카메라의 노출(예를 들어, 노출 시간)이 잘 적응되고 스트립 레벨에서 포화를 회피하기 위해, 스캔 카드 디자인의 부분들은 일부 순백색(pure white) 영역들(110)을 포함할 수 있다. 3D 백그라운드 디바이스(100)가 취득된 이미지의 표준화 및/또는 정규화를 용이하게 하기 위해, 다음의 메트릭들 중 하나 이상이 개별적으로 또는 서로 조합하여 사용될 수 있다.
카메라의 포커싱(focusing): 테스트 스트립(205) 상에 적절한 초점이 맞춰지도록 하기 위해, 과립형 텍스처(granular texture)(115)가 테스트 스트립(205) 상에서 검출될 밴드(band)들과 동일한 평면에서 카트리지 부분(104)의 대향 측면들 상의 3D 백그라운드 디바이스(100) 상에 배치될 수 있다. 이 텍스처(115)는 해당 평면 내의 일부 또는 모든 다른 기점들과 함께, (예를 들어, 모바일 디바이스 카메라와 같은 자동 초점 카메라의) 초점이 카트리지(200)의 상단 평면 상이 아니라 테스트 스트립(205)의 평면 내에서 주로 맞춰지게 할 수 있고, 따라서 심지어 희미한 테스트 라인들을 검출하는 능력들을 개선시킨다. 일부 실시예들에서, 증강 현실을 통해 모바일 디바이스 상에 오버레이(overlaid)된 "여기에 초점을 맞춰라(focus here)" 프롬프트와 같은 보조 부분(aid)은 사용자가 모바일 디바이스 카메라를 과립형 텍스처(115) 상에 수동으로 초점을 맞추도록 프롬프트할 수 있다.
동적 범위: 디자인은 많은 디지털 카메라들에서 활용될 수 있는 적색, 녹색, 및 청색 색상 채널들 각각에서 전체 동적 범위에 걸쳐 있는 영역들을 포함할 수 있다. 예를 들어, 일부 실시예들에서, 디자인의 2.5% 초과는 0 세기(예를 들어, 흑색 레벨)에 대응할 수 있고, 2.5% 초과는 255(예를 들어, 최대) 세기에 대응할 수 있다. 따라서, 히스토그램은 각각의 채널에서 2.5 백분위수(percentile) 및 97.5 백분위수로부터 0,255에 대해 선형적으로 확장될 수 있다.
카메라의 화이트 밸런스(white balance): 카트리지(200) 자체, 색상 충실도 테스팅을 위한 수직 실린더들(105) 및 작은 R,G,B 정사각형들(120)을 제외하고, 전체 디자인은 동일하게 R,G,B 밸런싱될 수 있다. 예를 들어, 3D 백그라운드 디바이스의 표면의 나머지 부분에서 픽셀당 R, G, B 값은 동일할 수 있으며, 이는 입사하는 광의 스펙트럼 특성에 관계없이 장면의 화이트 밸런스의 평가 및 보정을 단순화한다.
색상 충실도 테스팅: 적색, 녹색, 및 청색 정사각형들(120)은 적색, 녹색, 및 청색 색상 채널들에서 응답의 정확도를 결정하기 위해 제공될 수 있다. 적색, 녹색 및 청색 정사각형들(120)의 개별 색상들의 알려진 위치들은 3D 백그라운드 디바이스(100) 및 카트리지(200)의 이미지를 캡처하는 데 사용되는 특정 이미지 센서의 베이어 패턴(Bayer pattern)을 확인하는 데 추가로 이용될 수 있다.
채널당 선형성 평가/보정: 상이한 디바이스들(예를 들어, 스마트 폰들, 태블릿 등의 광학 기기, 전자 기기 및/또는 소프트웨어)로부터 캡처된 이미지들을 정규화하고 표준화하기 위해 모든 채널들에서의 카메라의 선형 응답이 바람직할 수 있다. R,G,B 채널들 각각에서의 선형성을 평가 및 보정하기 위해, 알려진 예상 세기 분포를 갖는 뉴트럴 패치(neutral patch)들(125)이 디자인 상에 배치될 수 있다. 뉴트럴 패치들(125)의 다양한 서브섹션들의 세기들은 전체 동적 범위(예를 들어, 0, 16, 32, 48, 64, 80, 96, 128, 160, 192, 224, 240, 255, 또는 0과 255 사이의 다른 적절한 세기 세트)에 걸쳐 있도록 선택되어, 채널당 선형성 룩업 테이블이 선형 보정을 위해 계산되고 적용될 수 있게 한다.
모션 블러 검정, 디컨볼루션(deconvolution): 3D 백그라운드 디바이스는 모션 블러를 검정하는 것을 돕도록 특별히 디자인된 중심에 원형 흑색 도트를 갖는 2개의 백색 디스크(130)를 포함할 수 있다. (조명 세기에 의존하는) 노출 시간이 길수록, 이미지는 모션 블러(motion blur)되기 쉽다. 최근의 모바일 디바이스들은 종종 이러한 모션 블러 발생을 제한하려고 하는 이미지 안정화 메커니즘들(하드웨어 및/또는 소프트웨어)을 포함하고, 그럼에도 불구하고 렌즈로부터 장면까지의 거리는 상당히 작고(1 내지 수 인치의 범위내), 이러한 메커니즘이 잠재적으로 결여된 일부 모바일 디바이스들에서, 이러한 인자들을 평가하고 결국 보정하는 것이 중요할 수 있다. 작은 흑색 도트의 형상과 세기가 백색 디스크(130)를 가로질러 불균질하게(heterogeneously) 확산되면, 모션이 모션 블러(motion blur)를 야기하는 취득 동안 일부 모션이 발생하였다고 결정될 수 있다. 확산이 넓어질수록 발생한 모션은 더 많아진다. 확산이 제한되고 이미지가 추가 분석을 위해 적격인 경우, 디컨볼루션(deconvolution)이 소스 이미지 모션 블러(motion blur) 프리(free)를 추정하기 위해 적용될 수 있다(장면이 여전히 있음).
신호 대 잡음비(SNR): 선형성 검정에 사용되는 패치들(125)은 알려진 크기 및 기하학적 구조를 가지며, 소프트웨어가, 일단 선형화되면, 디자인 당 주어진 동일한 세기로 예상된 모든 픽셀들에 걸친 표준 편차를 추가로 계산할 수 있게 한다. 이 표준 편차, 및 따라서 모든 상이한 패치들에 걸친 대응하는 SNR을 평가하는 것은 정규화되고 선형화된 세기의 함수로서 SNR 파워 함수의 추정을 허용할 수 있다. 이러한 신호 대 잡음비(SNR)는 잡음 레벨에 따른 테스트 라인의 검출 한계(LOD: Limit of Detection)를 정확하게 확립하기 위해 사용될 수 있다.
변조 전달 함수(MTF : Modulation transfer function): 테스트 스트립(205)의 평면 내의 이미지의 초점은 검출될 밴드들의 양 측면들에 대한 수평 및 수직 MTF 검정을 통해 추가로 검정될 수 있다. 신호 대 잡음비와 함께, 변조 전달 함수는 주어진 크기의 물체들에 대한 초점 및 광학 품질로 인해 예상되는 콘트라스트의 저하를 추정하기 위해 요구될 수 있다. 예를 들어, MTF가 테스트 밴드(test band)의 예상된 폭에 대응하는 공간 주파수에서 단지 25%이면, 원래 신호의 단지 25%만이 캡처된 이미지에 존재할 것이다. 따라서, MTF는 캡처된 이미지를 고려하여 밴드 LOD를 추정하기 위해 SNR과 함께 사용될 수 있다. 수직 및 수평 경사진(slanted) 에지들을 사용하여 X 및 Y MTF 추정 양쪽 모두를 허용하는 2개의 영역들(135)은 스트립 레벨에서 밸런싱된 보간을 위해 대조군 및 테스트 밴드들의 양쪽 측면들 상에 대칭적으로 배치될 수 있다. 이들 경사진 에지는 테스트 스트립(205)과 동일한 평면에 양쪽 측면 상에 있고, 우측 및 좌측 검정으로부터의 보간된 MTF는 사실상 스트립 평면에서 최상의 가능한 추정치이다.
밴드 검출 능력 검증(Band detection capability verification): 강건한 정밀하고 정확한 밴드 검출을 달성하기 위해 이미지들을 정규화하고 표준화하기 위한 최선의 노력에도 불구하고, 일부 또는 모든 구현예들에서 추가적인 체크가 바람직할 수 있다. 상이한 세기의 예상 대조군 라인 및 테스트 라인 폭(예를 들어, 1/2 폭, 예상 폭, 2x 예상 폭)에 대응하는 작은 테스트 라인 기점(140)이 보정 효율을 확인하기 위해 디자인에 추가될 수 있다. 보정 후에, 이들 라인에 대해 측정된 SNR 및/또는 콘트라스트는 이미지로부터 예측될 LOD를 확인하기 위한 최종 퀄리파이어(qualifier)로서 사용될 수 있다.
일부 실시예에서, QR 코드(145) 또는 다른 컴퓨터 판독 가능 코드가 사용자에게 소프트웨어를 다운로드하도록 지시하거나, 기존 소프트웨어의 피처를 잠금해제(unlock)하도록 지시하거나, 테스트 스트립(205)의 이미징 및/또는 해석 및/또는 테스트 스트립(205)의 결과의 보고에 관련된 다른 기능 또는 피처를 제공하도록 3D 백그라운드 디바이스(100) 상에 포함될 수 있다. 일 예에서, QR 코드(145)는 애플리케이션의 적절한 버전 및/또는 3D 백그라운드 디바이스(100)에 대한 백그라운드 디바이스 모델을 로딩하는 데 사용된다. 바코드 또는 다른 컴퓨터 판독 가능 코드가 카트리지(200) 상에 존재할 수 있고, 분석될 특정 테스트의 적절한 검정을 위해 사용되는 알고리즘을 선택 및/또는 확인하는데 사용될 수 있다.
화살표(150)는 사용자가 적절한 카트리지 배치 및/또는 배향을 보조하기 위해 카트리지 영역에 더 포함될 수 있다.
직사각형 구성으로 배열된 추가적인 코너 기점들(155)은 이미지 내의 분석 윈도우를 검증하고 틸트 및 롤 검정을 돕기 위해 검출가능할 수 있다.
도 3 및 도 4는 개별적으로 도 1a 및 도 2a의 예시적인 3D 카트리지 백그라운드 디바이스의 이미지를 디스플레이하는 모바일 디바이스 애플리케이션의 그래픽 사용자 인터페이스(GUI)를 도시한다. GUI는 임의의 적합한 모바일 디바이스 상에서 실행되는 애플리케이션에서 구현될 수 있다. 애플리케이션은 이미지 취득 및/또는 사용자와의 상호작용을 안내하기 위한 증강 현실 피처들을 더 포함할 수 있다. 예를 들어, 도 3 및 도 4와 같이, 애플리케이션은 사진 캡처 능력을 포함할 수 있다. 애플리케이션은 실시간 유행성 검정을 위해 본원에 설명된 이미지 분석 및/또는 건강 기관과의 데이터 공유(예를 들어, GPS, 테스트 결과 등)를 위해 추가로 구성될 수 있다.
도 5는 모바일 디바이스 카메라에서 비스듬히 촬영된 3D 카트리지 백그라운드 디바이스의 테스트 카트리지의 예제 이미지이다.
도 6은 3D 카트리지 백그라운드 디바이스의 기점에 기초하여 본 명세서에 개시된 이미지 분석 소프트웨어에 의해 생성된 도 5의 이미지의 디워핑된 버전이다.
도 7은 모바일 디바이스 카메라에서 비스듬히 촬영된 3D 카트리지 백그라운드 디바이스의 테스트 카트리지의 예제 이미지이다.
도 8은 3D 카트리지 백그라운드 디바이스의 기점에 기초하여 본 명세서에 개시된 이미지 분석 소프트웨어에 의해 생성된 도 7의 이미지의 디워핑된 버전이다.
도 9는 본 기술에 따라 테스트를 수행하고 분석하는 예시적인 방법(900)을 예시하는 흐름도이다. 방법(900)은 임상의학자, 건강 관리 제공자, 또는 다른 트레이닝된 또는 트레이닝되지 않은 사용자가 이미징 디바이스 및 프로세서 및 프로세서가 본 명세서에 설명된 컴퓨터 구현 동작들을 수행하게 하는 명령들을 저장하는 메모리를 포함하는 컴퓨팅 디바이스를 포함하는 하나 이상의 디바이스와 함께 테스트를 수행하는 것에 의해 적어도 부분적으로 수행될 수 있다. 일부 실시예들에서, 하나 이상의 디바이스는 이미징 디바이스, 프로세서, 및 메모리를 포함하는 스마트폰, 태블릿, 디지털 카메라, 또는 다른 컴퓨팅 디바이스를 포함할 수 있다. 방법(900)은 단지 하나의 비제한적인 예시적인 테스트 방법이고, 본 기술의 시스템들, 디바이스들, 및 방법들은 임의의 다른 테스팅 방법에 따라 동등하게 사용될 수 있다. 바람직하게는, 방법(900)의 양태들은 테스트를 수행함에 있어서 특별한 트레이닝 또는 전문지식을 갖지 않는 사용자에 의해 수행될 수 있다. 예를 들어, 사용자는 샘플을 자체 수집하고 사용자의 집과 같은 비임상 환경에서 방법(900)의 양태들을 수행하는 훈련되지 않은 조작자를 포함할 수 있다. 따라서, 방법(900)의 실시예들은 테스트되는 개인에 의한 가정에서의 수집 및 가정에서의 수집 환경에서 개인에게 테스트의 결과들을 디스플레이하는 것을 포함할 수 있다. 방법(900)은 테스트되는 개인에 의한 가정에서의 수집으로 제한되지 않으며, 본 기술의 테스트들은 임의의 현장 진료(POC : point-of-care) 환경(예를 들어, 의사 진료실, 병원, 긴급 진료 센터 및 응급실)에서 관리될 수 있다는 것이 이해될 것이다.
방법(900)은 블록(902)에서 시작하며, 여기서 사용자는 테스팅 키트를 열고 본 명세서에 설명된 이미지 정규화, 적격 판단 및 분석을 위해 구성된 애플리케이션을 다운로드한다. 일부 실시예에서, 테스팅 키트는 본 명세서에 개시된 3D 백그라운드 디바이스(100)와 같은 백그라운드 디바이스, 카트리지(200)와 같은 카트리지, 및/또는 테스트 스트립(205)과 같은 하나 이상의 테스트 스트립을 포함할 수 있다. 이미지 취득 및 분석 애플리케이션은 사용자의 컴퓨팅 디바이스에 미리 설치되어 있거나 키트를 연 후 다운로드될 수 있다. 예를 들어, 도 1a를 참조하여 전술된 바와 같이, 일부 실시예들에서, 사용자는 컴퓨팅 디바이스가 적절한 애플리케이션을 다운로드하게 하기 위해 백그라운드 디바이스 상에 위치된 QR 코드(145) 또는 다른 컴퓨터 판독 가능 코드의 이미지를 취할 수 있다. 백그라운드 디바이스 상의 QR 코드(145) 또는 다른 컴퓨터 판독 가능 코드는 또한 컴퓨팅 디바이스가 백그라운드 디바이스 및/또는 키트에 포함된 카트리지에 대응하는 백그라운드 디바이스 모델 파일 및/또는 카트리지 모델 파일과 같은 추가적인 보충 데이터를 다운로드하게 할 수 있다. QR 코드(145)의 위치는 백그라운드 디바이스(100)에 제한되지 않고, QR 코드는 테스트 키트 패키징 및 카트리지(200)와 같은, 그러나 이에 제한되지 않는 임의의 적합한 위치에 위치될 수 있다는 것이 이해될 것이다.
블록(904)에서, 테스트의 수행과 연관된 임의의 필요한 서류가 사용자에 의해 완료될 수 있다. 블록(906)에서, 사용자는, 이미징 디바이스 및/또는 환경 조건들이 테스트 분석을 위한 이미지들을 캡처하기에 적합한지를 결정하는 것과 같이, 이미징 디바이스의 적격을 판단하기 위해 하나 이상의 동작들을 수행할 수 있다. 블록(908)에서, 백그라운드 디바이스의 이미지는 카트리지가 존재하지 않고(즉, 카트리지 부분(104) 상에 카트리지가 없이) 캡처된다. 블록(910)에서, 컴퓨팅 디바이스에서 실행되는 애플리케이션은 백그라운드 디바이스의 이미지를 획득한다. 블록(912)에서, 애플리케이션은, 아래에서 더 상세히 설명되는 바와 같이, 하나 이상의 이미지 정규화 및 적격 판단 동작들을 수행한다. 이미지 정규화 및 적격 판단 동작들에 기초하여, 애플리케이션은 이미지의 품질에 관한 피드백 또는 명령들을 사용자에게 제공할 수 있고, 애플리케이션으로부터의 피드백 또는 명령들에 기초하여, 예를 들어, 상이한 조명 조건들 하에서, 백그라운드 디바이스로부터 상이한 각도 또는 거리에서, 새로운 이미지를 캡처하도록 사용자에게 지시할 수 있다. 이미지 정규화 및 적격 판단 동작들이 이미징 디바이스가 적합하다고 결정하면, 방법(900)은 블록(914)으로 계속되고 방법(900)은 테스트를 계속 수행 및 분석할 수 있다.
블록(916)에서, 생물학적 샘플, 환경적 샘플, 오염물질 샘플 등과 같은 샘플이 취해지고 카트리지에 인가된다(예를 들어, 테스트 스트립을 수용하는 카트리지의 샘플 입력 웰(well)에 샘플을 배치하는 것에 의해, 직접적으로 또는 간접적으로, 도 2a에 도시된 바와 같이 카트리지(200) 내의 테스트 스트립(205)에 인가됨). 블록(918)에서, 테스트 프로세싱 시간의 시작과 연관된 타임 스탬프가 기록된다. 하나의 예시적인 구현예에서, 사용자, 이미징 디바이스, 및 환경 조건들이 테스트를 수행하기에 적합한지 여부를 확인하고 테스트가 수행되고 있을 때 선택될 시간 카운터 버튼을 잠금해제하기 위해, 사용자는 테스트를 수행하기 전에 백그라운드 디바이스의 사진을 촬영하도록 프롬프트된다. 다양한 예시적인 실시예들에서 시간 카운터 버튼은, 눌러질 때, 테스트가 수행되고 있음을 표시할 수 있고 카운터를 시작할 수 있는 그래픽 사용자 인터페이스 내의 소프트웨어 버튼일 수 있다. 카운터는 수행되는 테스트에 대응하는 하나 이상의 미리 결정된 시간 임계값들로 구성될 수 있다. 미리 결정된 초기 테스트 결과 임계 시간에 또는 약간 전에 미리 결정된 시간 후에, 블록(920)에서 사용자에게 알람 또는 다른 경보가 제공되어, 사용자에게 결과 결정을 위해 테스트의 사진을 촬영할 시간임을 통지할 수 있다. 예를 들어, 테스트 스트립이 샘플의 인가로부터 15분 내지 20분 사이에 정확한 결과를 제공하기 위해 판독되도록 구성되면, 블록(920)에서의 경보는 사용자가 1분 내에 결과 사진을 캡처할 준비가 되어 있어야 한다는 표시와 함께 타임 스탬프로부터 14분에 제공될 수 있다.
블록(922)에서, 블록(920)에서 제공된 경보에 기초하여, 사용자는 테스트 스트립을 함유하는 카트리지를 백그라운드 디바이스 상에 배치하고, 백그라운드 디바이스, 백그라운드 디바이스 상의 카트리지, 및 카트리지 내의 테스트 스트립을 함유하는 시야(field of view)의 이미지를 캡처한다. 블록(924)으로 계속하면, 사용자의 컴퓨팅 디바이스 상에서 실행되는 애플리케이션은 이미지가 초기 테스트 결과 임계 시간 이상의 시간(예를 들어, 이 비제한적인 예에서 타임 스탬프로부터 적어도 15분)에 캡처되었는지 여부를 결정한다. 이미지가 타임 스탬프 이후 적어도 초기 임계 시간에 캡처되지 않았다면, 방법(900)은 블록(926)으로 계속되며, 여기서 방법(900)은 블록(922)으로 복귀한다. 애플리케이션은 컴퓨팅 디바이스가 백그라운드 디바이스 및 카트리지의 다른 이미지를 캡처하기 전에 추가 시간 기간(예를 들어, 이미지 캡처 시간과 초기 테스트 결과 임계 시간 사이의 시간 차이)을 대기하라는 명령을 사용자에게 제공하게 할 수 있다. 이미지가 타임 스탬프 이후 적어도 초기 임계 시간에 캡처되었다면, 방법은 블록(928)으로 계속된다.
블록(928)에서, 애플리케이션은 이미지가 테스트 결과 만료 시간(예를 들어, 이 비제한적인 예에서 타임 스탬프로부터 20분) 이전에 캡처되었는지 여부를 결정한다. 이미지가 테스트 결과 만료 시간 이전에 캡처되지 않았다면, 방법(900)은 블록(930)에서 종료되고, 결과를 정확하게 분석하기 위해 이미지 취득이 너무 늦게 발생했기 때문에 테스트가 유효하지 않음을 사용자에게 통지할 수 있다. 이미지가 테스트 결과 만료 시간 이전에 캡처되었다면, 방법(900)은 블록(932)으로 계속된다. 다양한 실시예에서, 애플리케이션 또는 다른 소프트웨어는 방법(900)의 다수의 반복을 적어도 부분적으로 동시에 실행하도록 구성될 수 있다. 애플리케이션 또는 다른 소프트웨어는 예를 들어, 각각의 테스트 스트립(205)의 정합 및 각각의 테스트 스트립(205)에 대한 샘플의 인가와 연관된 시작 클록을 통해 방법(900)의 중첩 반복이 정확한 테스트 스트립(205)과 쌍을 이루는 것을 보장하기 위해 추적 및 검증을 가능하게 하는 대조(control), 추적 및/또는 개별 테스트 식별 피처를 포함할 수 있다.
블록(932, 934, 936)에서, 애플리케이션은, 도 10 내지 도 11b를 참조하여 더 상세히 설명되는 바와 같이, 이미징 디바이스로부터 이미지를 수신하고, 이미지 정규화 및 적격 판단 프로세스를 수행하여, 이미지가 적합한지를 결정하고, 이미지가 적합하다면, 테스트 결과를 결정한다. 블록(938)에서, 애플리케이션은 결과를 출력한다. 예를 들어, 이미지가 테스트 접종 후에 필요한 시간 윈도우 내에 캡처되었으면, 이미지 적격 인자가 수락 가능하고, 테스트가 유효하면(예를 들어, 대조군 라인이 가시적이면), 결과는 유효한 것으로 간주될 수 있다. 블록(940)에서, 테스트 결과는 예를 들어, 결과를 환자, 의사, 건강 기관 등에 송신함으로써 보고될 수 있다.
도 10은 본 기술에 따라 테스트 결과를 결정하기 위해 이미지를 획득 및 분석하는 예시적인 방법(1000)을 예시하는 흐름도이다. 방법(1000)의 일부 또는 전부는, 예를 들어, 도 9의 블록들(908-912) 및/또는 블록들(932-936)의 이미지 취득, 정규화, 및 적격 판단 동작들을 구현하기 위해 수행되는 동작들에 대응할 수 있을 뿐만 아니라, 블록(940)에서 보고될 수 있는 결과들의 결정에 대응할 수 있다. 일부 실시예들에서, 방법(1000)은 이미징 디바이스, 프로세서, 및 메모리를 포함하는 스마트폰, 태블릿, 디지털 카메라, 또는 다른 컴퓨팅 디바이스 상에서 실행되는 애플리케이션에 의해 적어도 부분적으로 수행될 수 있다. 방법(1000)은 단지 하나의 비제한적인 예시적인 이미지 취득 및 분석 방법이고, 본 기술의 시스템들, 디바이스들, 및 방법들은 임의의 다른 테스트 방법에 따라 동등하게 사용될 수 있다. 이미지 적격 판단 및 정규화의 다양한 예시적인 방법들은 방법(1000)에 설명된 모든 동작들보다 적은 동작들을 포함할 수 있고, 본 명세서에 설명되지 않은 추가적인 동작들을 포함할 수 있고, 및/또는 본 개시의 범위를 벗어나지 않고, 방법(1000)의 동작들을 동일하거나 상이한 순서로 포함할 수 있다. 또한, 방법(1000)은 도 1a 내지 도 2c에 도시된 3D 백그라운드 디바이스(100), 카트리지(200) 및 테스트 스트립(205)을 참조하여 설명되지만, 방법(1000)의 동작은 임의의 다른 백그라운드 디바이스, 카트리지 및/또는 테스트 스트립으로 동등하게 구현될 수 있다.
방법(1000)은 이미지 취득과 함께 블록(1002)에서 시작한다. 방법(900)을 참조하여 전술된 바와 같이, 사용자는 3D 백그라운드 디바이스(100)와 같은 백그라운드 디바이스, 백그라운드 디바이스 상의 카트리지(200)와 같은 카트리지, 및/또는 카트리지 내의 테스트 스트립(205)과 같은 테스트 스트립을 포함하는 시야의 하나 이상의 이미지들을 획득할 수 있다. 블록(1004)에서, 애플리케이션은 이미징 디바이스로부터 하나 이상의 이미지를 수신한다. 일부 실시예들에서, 획득된 이미지들은 그 위에 카트리지가 없는 백그라운드 디바이스의 이미지, 및 카트리지를 포함하는 백그라운드 디바이스의 이미지를 포함한다. 블록(1006)에서, 이미지 적격 판단 메트릭 추출기는 이미지 적격 판단 및 정규화에 사용될 이미지의 피처들을 식별할 수 있다. 일부 실시예들에서, 애플리케이션은 블록(1006)에서 이미지가 분석에 적합한지(예를 들어, 충분한 조명 세기, 균질성(homogeneity)을 갖고, 초점이 맞는지, 및/또는 과도한 틸트 및 롤을 갖지 않는지)를 결정할 수 있다. 이미지가 적합하지 않으면, 방법(1000)은 블록(1008)으로 계속되어 사용자에게 피드백을 제공하고 어쩌면 피드백에 기초하여 다른 더 적합한 이미지를 캡처할 수 있다. 이미지가 분석에 적합한 경우, 방법(1000)은 블록(1010)으로 계속된다.
블록(1010)에서, 애플리케이션은 특정 백그라운드 디바이스 모델을 사용하지 않고 이미지에만 기초하여 수행될 수 있는 조기 이미지 정규화 동작을 수행한다. 예를 들어, 애플리케이션은 (예를 들어, 백그라운드 디바이스의 하나 이상의 코너, 에지, 및/또는 뷰잉 영역 기점(viewing area fiducial)을 검출하는 것에 기초하여) 백그라운드 디바이스의 경계를 결정할 수 있다. 백그라운드 디바이스에 대응하는 이미지의 부분을 식별한 후, 애플리케이션은 정확한 이미지 분석을 억제할 수 있는 백그라운드 디바이스의 표면으로부터 눈부심(glare)를 검출하고/하거나 화이트 밸런스를 평가하는 것과 같은 이미지 정규화 동작을 수행할 수 있다. 블록(1012)에서, 애플리케이션은 초기 정규화된 이미지를 출력할 수 있다.
블록(1014)에서, 애플리케이션은 백그라운드 디바이스 검출을 수행한다. 일부 실시예들에서, 애플리케이션은 백그라운드 디바이스의 유형을 특정하는 식별 정보 및/또는 이미징된 백그라운드 디바이스에 대응하는 특정 백그라운드 디바이스 모델을 특정하는 것을 포함하는 QR 코드, 바코드, 또는 다른 컴퓨터 판독 가능 표시를 검출할 수 있다. 그런 다음, 애플리케이션은, 예를 들어, 컴퓨팅 디바이스의 메모리로부터 및/또는 네트워크 연결을 통해 원격 컴퓨팅 디바이스로부터 대응하는 백그라운드 디바이스 모델(1016)을 획득할 수 있다. 방법(1000)은 블록(1020)으로 계속되는데, 여기서 백그라운드 디바이스의 이미지(단독으로 또는 카트리지가 그 위에 수용됨) 및 백그라운드 디바이스에 대응하는 획득된 백그라운드 디바이스 모델에 적어도 부분적으로 기초하여 더 광범위한 이미지 정규화 동작들이 수행될 수 있다. 블록(1020)에서 수행되는 이미지 정규화 동작들은, 도면들 11a 및 11b를 참조하여 더 상세히 설명되는 바와 같이, 백그라운드 디바이스 상에 위치된 다양한 기점들에 기초한 동작들(예를 들어, 조명 균질성, 선형성, 스케일링, 및 다른 양태들의 평가)을 포함할 수 있다. 블록(1020)에서 수행된 이미지 정규화 동작들은, 정규화된 백그라운드 디바이스 이미지(1022)를 산출하기 위해, 백그라운드 디바이스를 포함하는 이미지의 적어도 일부에 적용된다.
이미지가 백그라운드 디바이스 상에 배치된 카트리지를 포함하는 경우, 방법은 블록(1024)으로 계속되며, 여기서 애플리케이션은 카트리지 검출을 수행한다. 일부 실시예들에서, 애플리케이션은 카트리지의 유형을 특정하는 식별 정보 및/또는 이미지화된 카트리지에 대응하는 특정 카트리지 모델을 특정하는 것을 포함하는 QR 코드, 바코드, 또는 다른 컴퓨터 판독 가능 표시를 검출할 수 있다. 이미지화된 카트리지에 대응하는 카트리지 모델(1026)이 획득될 수 있고, 애플리케이션은 이미지 및 카트리지 모델에 적어도 부분적으로 기초하여 정규화된 카트리지 이미지(1028)를 생성할 수 있다. 일부 실시예에서, 정규화된 카트리지 이미지(1028)는 카트리지를 포함하는 이미지의 영역에만 추가 이미지 정규화 동작을 적용함으로써, 정규화된 백그라운드 디바이스 이미지에 기초하여 생성될 수 있다. 방법(1000)은 정규화된 카트리지 이미지(1028)를 품질화하기 위해 블록(1006)으로 복귀할 수 있다. 애플리케이션은 유사하게 블록(1030)에서 카트리지 내에 배치된 스트립(예를 들어, 테스트 스트립(205))의 위치 및/또는 유형을 검출할 수 있고, 검출된 스트립에 대응하는 스트립 모델(1032)을 획득하여 스트립을 포함하는 이미지 영역에만 추가 이미지 정규화 작업을 추가로 적용함으로써 정규화된 스트립 이미지(1034)를 생성할 수 있다.
방법(1000)은 정규화된 스트립 이미지(1034)를 적격을 판단하기 위해 블록(1006)으로 리턴할 수 있고, 적격된 스트립 이미지(1036)는 테스트 스트립상의 가시 밴드들의 존재, 세기, 색상, 및/또는 임의의 다른 특성들을 검출하기 위해 하나 이상의 밴드 검출 알고리즘들에 의해 블록(1038)에서 분석되어 테스트 결과를 결정할 수 있다. 일부 실시예들에서, 밴드 검출은 블록(1040)에서의 하나 이상의 대조군 라인들의 검출, 블록(1042)에서의 하나 이상의 테스트 라인들의 검출, 블록(1044)에서의 테스트 라인들에서의 신호 대 잡음비(SNR)의 결정, 및/또는 블록(1046)에서의 테스트 유효성 및/또는 확실성(positivity)의 결정을 포함할 수 있다. 블록(1046)에서의 추정된 확실성은 테스트 시에 존재하는 환경 조건들(예를 들어, 조명) 하에서 백그라운드 디바이스의 이미지의 분석에 기초하여 결정될 수 있는 알려진 검출 레벨(LOD)에 적어도 부분적으로 기초하여 수행될 수 있다. 예를 들어, LOD는 이미지의 백그라운드 디바이스 영역의 픽셀 해상도 검정으로부터의 콘트라스트 검정, 테스트 라인 기점들(140)(도 1a)의 검출, 백그라운드 디바이스로부터의 결정된 변조 전달 함수, 및/또는 선형성 및/또는 잡음 결정에 기초한(예를 들어, 뉴트럴 패치 기점들(125)에 기초한) 잡음 평가에 기초하여 결정될 수 있다.
도 11a 및 도 11b는 본 기술에 따라 다양한 이미지 저격 판단 및 정규화 동작을 수행하는 예시적인 방법(1100)을 도시하는 흐름도이다. 방법(1100)의 일부 또는 전부는, 예를 들어, 블록(908-912) 및/또는 도 9의 블록들(932-936)의 이미지 취득, 정규화 및 적격 판단 동작들을 구현하기 위해 수행되는 동작들에 대응할 수 있을 뿐만 아니라, 블록(940)에서 보고될 수 있는 결과들의 결정에 대응할 수 있다. 일부 실시예들에서, 방법(1100)은 이미징 디바이스, 프로세서, 및 메모리를 포함하는 스마트폰, 태블릿, 디지털 카메라, 또는 다른 컴퓨팅 디바이스 상에서 실행되는 애플리케이션에 의해 적어도 부분적으로 수행될 수 있다. 방법(1100)은 단지 하나의 비제한적인 예시적인 이미지 적격 판단 및 정규화 방법이고, 본 기술의 시스템들, 디바이스들, 및 방법들은 임의의 다른 테스트 방법에 따라 동등하게 사용될 수 있다. 이미지 적격 판단 및 정규화의 다양한 예시적인 방법들은 방법(1100)에서 설명된 모든 동작들보다 적은 동작들을 포함할 수 있고, 본 명세서에서 설명되지 않은 추가적인 동작들을 포함할 수 있고, 및/또는 본 개시의 범위를 벗어나지 않고, 방법(1100)의 동작들을 동일하거나 상이한 순서로 포함할 수 있다. 또한, 방법(1100)은 도 1a 내지 도 2c에 예시된 3D 백그라운드 디바이스(100), 카트리지(200) 및 테스트 스트립(205)을 참조하여 설명되지만, 방법(1100)의 동작은 임의의 다른 백그라운드 디바이스, 카트리지 및/또는 테스트 스트립으로 동등하게 구현될 수 있다.
방법(1100)은 애플리케이션에 의한 평가를 위해 이미지(1102)가 수신될 때 블록(1104)에서 시작한다. 이미지(1102)의 시야는 백그라운드 디바이스(100)(도 1a 내지 도 2c)와 같은 백그라운드 디바이스를 포함한다. 일부 실시예에서, 이미지(1102)는 카트리지(200)가 있거나 없는 백그라운드 디바이스(100)를 포함할 수 있다. 블록(1104)에서, 애플리케이션은 카트리지(200)에 대응하는 이미지의 부분을 포함하거나 배제하는 것을 포함하여, 백그라운드 디바이스(100)에 대응하는 이미지의 부분의 동적 범위를 평가한다. 애플리케이션은 적색, 녹색, 및 청색 채널 중 하나, 둘, 또는 3개 모두에서 동적 범위를 평가할 수 있다. 일부 실시예들에서, 녹색 채널이 청색 또는 적색 픽셀들보다 2배 많은 녹색 픽셀들을 함유하는 대부분의 베이어 패턴(Bayer pattern)들로 인해 가장 많은 정보를 함유할 수 있기 때문에, 기준으로서 녹색 채널에서의 동적 범위를 평가하는 것이 유리할 수 있다. 또한, 테스트 스트립(205)이 검출될 적색 또는 적색-색조의 대조군 및 테스트 밴드들을 갖는 실시예들에서, 녹색 및 청색 채널들을 캘리브레이션하는 것이 유리할 수 있는데, 그 이유는 이들 채널들이 밴드들의 위치들에서 가장 큰 콘트라스트를 갖는 경향이 있기 때문이다. 애플리케이션은 평가된 색상 채널들 중 일부 또는 전부에 대응하는 동적 범위(1106)를 (예를 들어, 하나 이상의 수치 범위들 및/또는 비율들과 같은 하나 이상의 값들로서) 출력 및/또는 저장할 수 있고, 및/또는 결정된 동적 범위(1106)가 수락 가능한 범위 내에 있는지 여부를 결정할 수 있다.
방법(1100)은 블록(1110)으로 계속되는데, 여기서 애플리케이션은 백그라운드 디바이스 검출을 수행하고 이미지의 화이트 밸런스를 평가한다. 애플리케이션은, 예컨대, 백그라운드 디바이스(100)의 하나 이상의 에지들, 코너들, 및/또는 기점들을 검출함으로써, 백그라운드 디바이스(100)를 포함하는 이미지(1102)의 일부분을 식별할 수 있다. 애플리케이션은 백그라운드 디바이스(100)에 대응하는 백그라운드 디바이스 모델(1108)에 기초하여 백그라운드 디바이스(100)의 특정 구성을 결정할 수 있다. 일부 실시예들에서, 적절한 백그라운드 디바이스 모델(1108)은 백그라운드 디바이스(100) 상의 컴퓨터 판독 가능 식별자를 식별한 것에 기초하여, 및/또는 다양한 백그라운드 디바이스 구성들에 대응하는 복수의 이용가능한 백그라운드 디바이스 모델들 중에서 대응하는 백그라운드 디바이스 모델(1108)을 선택함으로써 결정될 수 있다.
애플리케이션은 그런 다음 백그라운드 디바이스(100)를 함유하는 이미지의 부분에 대해 화이트 밸런스 평가를 수행할 수 있다. 일부 실시예들에서, 화이트 밸런스 평가는 백그라운드 디바이스 모델(1108)에 적어도 부분적으로 기초하여 수행될 수 있다. 예를 들어, 백그라운드 디바이스 모델(1108)은 백그라운드 디바이스의 어느 부분들이 동등하게 R,G,B 밸런싱되고 따라서 화이트 밸런스 평가에서 사용가능한지를 나타낼 수 있다. 따라서, 애플리케이션은 R, G, B 밸런싱된 영역들에 걸쳐 적색, 녹색, 및 청색 채널들 사이의 임의의 차이를 식별함으로써 이미지의 백그라운드 디바이스 부분의 화이트 밸런스를 평가할 수 있다.
블록(1112)에서, 백그라운드 디바이스 모델(1108)에 기초하여, 애플리케이션은 (예를 들어, 이미지(1102) 내의 4개의 코너 기점들(155)의 검출에 기초하여) 전체 관심 영역(ROI)(예를 들어, 전체 백그라운드 디바이스(100))이 이미지(1102) 내에서 가시적인지 여부를 결정할 수 있다. 애플리케이션은 또한 이미지(1102)에서의 화이트 밸런스의 평가에 적어도 부분적으로 기초하여 검출 신뢰도 레벨을 결정할 수 있다.
블록(1114)에서, 애플리케이션은 이미지의 백그라운드 디바이스 부분의 각각의 픽셀 내에 포함된 백그라운드 디바이스의 영역의 선형 치수를 나타내는 이미지(1102)의 원시 해상도(pristine resolution)를 결정한다. 백그라운드 디바이스 모델(1108)은 백그라운드 디바이스(100)의 이미징된 측면의 알려진 영역(예를 들어, 길이 및 폭 치수들 또는 계산된 영역)을 포함할 수 있다. 애플리케이션은 (예를 들어, 전술한 백그라운드 디바이스 검출 동작에 기초하여) 이미지의 백그라운드 디바이스 부분을 커버하는 픽셀들의 수를 결정할 수 있고, 따라서 알려진 백그라운드 디바이스 영역의 제곱근을 이미지에서 백그라운드 디바이스를 나타내는 픽셀들의 수로 나눔으로써 원시 해상도 값(1116)을 결정할 수 있다. 따라서, 결정된 원시 해상도 값(1116)은 이미지(1102) 내의 각각의 픽셀에 대응하는 백그라운드 디바이스의 정사각형 영역의 측면 길이에 대응한다. 애플리케이션은 결정된 원시 해상도 값(1116)이 수락 가능한 범위 내에 있는지 여부를 추가로 결정할 수 있다.
블록(1118)에서, 애플리케이션은 추가 분석에 적합한 디워핑된 이미지(1120)를 생성하기 위해 하나 이상의 디워핑 동작(de-warping operation)을 수행한다. 예를 들어, 백그라운드 디바이스 모델(1108)에 적어도 부분적으로 기초하여, 애플리케이션은 이미지(1102)를 캡처한 이미징 디바이스에 대한 백그라운드 디바이스의 틸트, 롤 및/또는 거리와 같은 하나 이상의 배향 특성을 결정할 수 있다. 이러한 배향 특성의 일부 또는 전부는 표준 또는 최적 배향(예를 들어, 백그라운드 디바이스(100)가 이미지의 에지들에 평행한 백그라운드 디바이스(100)의 하나 이상의 에지들과 미리 결정된 거리에서 백그라운드 디바이스의 정면 표면에 수직인 축을 따라 이미징되는 배향)으로부터의 선형 또는 각도 편차로서 결정될 수 있다. 애플리케이션은, 예를 들어, 이미징 디바이스 렌즈 영향들, 이미징 디바이스 내의 다른 광학 기기들의 아티팩트(artifact)들, 이미지의 캡처 동안의 모션 등으로 인한 이미지에서의 워핑을 추가로 검출할 수 있다. 검출된 틸트, 롤, 거리 및/또는 다른 워핑 특성들에 기초하여, 애플리케이션은 추가 프로세싱을 위해 워핑된 이미지(1120)를 생성하기 위해 이미지(1102)를 편집한다. 블록(1122)에서, 애플리케이션은 또한 틸트 및 롤이 수락가능한 범위 내에 있는지를 결정하기 위해 원본 및/또는 디워핑된 이미지들에서 틸트 및 롤의 양을 비교할 수 있다. 예를 들어, 미리 결정된 임계값보다 큰 틸트 및/또는 롤은 백그라운드 디바이스 및/또는 카트리지의 상이한 영역들에서 상이한 초점 특성들을 야기할 수 있고, 잠재적으로 3D 백그라운드 디바이스 및/또는 카트리지의 부분들이 테스트 스트립의 이미지의 일부를 마스킹하게 할 수 있다.
블록(1126)에서, 애플리케이션은 이미지의 백그라운드 디바이스 부분의 채도를 평가하고, 이미지에서 백그라운드 디바이스의 조명을 평탄화한다. 예를 들어, 애플리케이션은 이미지에서 조명 평탄도를 보정하기 위해 2차 다항식 피팅을 포함하는 보정 인자를 적용하여, 디워핑된 평탄화된 이미지(1130)를 생성할 수 있다. 일부 실시예들에서, 임의의 포화된 픽셀(예를 들어, 8-비트 이미지에서 최대 픽셀 세기 값에 대응하는 255의 값)은 추가 눈부심 검정을 위해 평탄화와 독립적으로 변경되지 않고 유지될 수 있다.
이미지의 조명 평탄도를 보정한 후, 블록(1132)에서, 애플리케이션은 백그라운드 디바이스 상의 음영 또는 눈부심의 존재를 평가한다. 일 예에서, 애플리케이션은 백그라운드 디바이스 모델(1108)을 디워핑된 평탄화된 이미지(1130)와 함께 사용하여, 3D 백그라운드 디바이스(100) 상의 선형성 평가 및/또는 변조 전달 함수 영역들(135)에 사용되는 뉴트럴(neutral) 패치들(125)을 식별한다. 이들 영역들의 외관은 이미지 내에 과도한 음영 및/또는 눈부심dl 존재하는지 여부를 결정하기 위해 백그라운드 디바이스 모델(1108)에 기초하여 예측된 외관과 비교될 수 있다. 애플리케이션은 디워핑된 평탄화된 이미지(1130)에 대한 임의의 음영 또는 눈부심의 영향을 나타내는 결과(1134)를 생성할 수 있다.
블록(1136)에서, 애플리케이션은 뉴트럴 패치들(125)에 기초하여 각각의 색상 채널에서의 세기 응답의 선형성을 평가한다. 일부 실시예에서, 뉴트럴 패치(125) 각각은 동일한 화이트 밸런스 색조를 포함한다. 뉴트럴 패치들(125)은 각각의 채널의 선형성이 평가될 수 있도록 선형적으로 상승하는 세기 값들을 갖는 일련의 패치들을 형성하도록 배열될 수 있다. 선형성의 평가에 기초하여, 애플리케이션은 임의의 검출된 비선형성에 대한 보정을 적용할 수 있고, 정규화된 세기 및 선형화된 세기의 함수로서 신호 대 잡음비(SNR)를 추가로 추정할 수 있다. 그런 다음, 애플리케이션은 다양한 세기 값들에서의 SNR에 대응하는 블록(1138)에서 선형성 룩업 테이블(LUT)을 출력 및/또는 저장할 수 있다.
도 11b를 계속 참조하면, 블록(1136)에서의 선형성 평가에 후속하여, 방법(1100)은 블록(1140)으로 계속되어 이미지의 초점 및 임의의 모션 블러 영향들을 평가한다. 초점이 맞지 않은(out-of-focus) 이미지 및/또는 모션-유도 블러링의 존재는, 예를 들어, 작은 흑색 도트(black dot), 또는 비교적 작은 크기의 검출가능한 피처를 갖는 다른 적절한 기점을 함유하는 백색 디스크들(130)에 기초하여 검출될 수 있다. 3D 백그라운드 디바이스(100)의 예에서, 애플리케이션은 x 및 y 방향들에서 백색 디스크들(130) 내의 흑색 도트의 측방향 범위를 결정할 수 있다. 이미지 내의 흑색 도트의 정도를 결정할 때, 애플리케이션은 백그라운드 디바이스 모델(1108)에 기초하여 픽셀 값들이 예상 세기 값의 5% 내에 있는 영역(1142)을 결정할 수 있다. 모션 블러 또는 초점의 x 및 y 영향은 모션 블러의 양이 수락 가능한지 여부를 결정하기 위해 미리 결정된 임계값과 비교될 수 있다. 일부 실시예들에서, x 또는 y 방향들 중 하나는, 예를 들어, 테스트 스트립 (205)이 배향되는 방향에서 더 낮은 임계값을 가질 수 있는데, 이는 해당 방향에서의 모션 블러가 테스트 스트립 (205) 상의 검출된 밴드들의 폭들을 결정하는데 어려움을 야기하는 경향이 있을 것이기 때문이다.
블록(1144)에서, 애플리케이션은 이미지(1102)를 생성한 이미징 디바이스의 변조 전달 함수(MTF)를 평가한다. MTF는 수평 및 수직 MTF 검정을 위해 구성된 경사진 에지를 포함하는 영역(135)을 사용하여 검정될 수 있다. MTF 검정은 테스트 스트립(205)의 위치의 대향 측면들 상의 백그라운드 디바이스(100)의 2개의 측면들에서 반복될 수 있다. 영역들(135)은 대조군 및/또는 테스트 밴드들이 검출되어야 하는 스트립 레벨에서 예상되는 평균 MTF를 애플리케이션이 추정할 수 있도록 테스트 스트립(205)의 표면과 실질적으로 동일 평면 상에 위치될 수 있다. 공간 주파수의 함수로서의 MTF(MTF(f))는 ISO 12233 표준과 같은 프로세스 또는 다른 적절한 수학적 프로세스들을 사용하여 영역들(135)의 경사진 에지들로부터 도출될 수 있다. MTF 메트릭들(1146)은 이미지 기반 테스트 분석을 위한 검출 레벨(LOD)을 추정하는 데 사용하기 위해 저장될 수 있다. 애플리케이션은 테스트 밴드 기점(140)에 기초하여 MTF의 평가를 추가로 확인할 수 있다.
블록(1148)에서, 애플리케이션은 결정된 MTF 메트릭들에 기초하여 LOD를 추정한다. 다양한 이미징 조건들(상이한 폰들 및 조명 세기들 및 환경 조건들)에서 이미징된 알려진 항원 로드들을 갖는 카트리지(200)를 사용하여, 중간 밴드 폭을 고려하여, 캡처된 이미지에서 측정된 평가된 콘트라스트 MTF에 따라 일단 정규화되면 테스트 밴드의 예상된 원래의 콘트라스트를 맵핑하는 것이 가능하다. 따라서, 더 낮은 검출 한계(예를 들어, 0.5%) 및 알려진 항원 로드의 알려진 폭 및 고유 콘트라스트를 고려하면, 관찰된 이미지 품질을 고려하는 예상된 LOD를 추정하는 것이 따라서 가능하다(백그라운드 디바이스 기점을 사용하여 측정된 메트릭으로부터). 따라서, LOD는 MTF 평가에 따라 열화된 테스트 밴드 콘트라스트가 검출 하한과 동일하도록 이론적 항원 로드로서 결정될 수 있다. 애플리케이션은 추정된 LOD(1150)를 출력하거나 저장할 수 있다.
방법(1100)은 블록(1154)으로 계속되며, 여기서 애플리케이션은 백그라운드 디바이스 상에 위치된 카트리지(200)를 검출하기 위해 카트리지 검출을 수행한다. 애플리케이션은, 예를 들어, 백그라운드 디바이스 모델(1108)에 표시된 카트리지 영역에 대응하는 이미지의 일부분을 선택함으로써, 카트리지(200)를 함유하는 디워핑된 평탄화된 이미지(1130)의 일부분을 식별할 수 있다. 애플리케이션은 카트리지(200)에 대응하는 카트리지 모델(1152)에 기초하여 카트리지(200)의 특정 구성, 테스트 유형, 또는 다른 특성을 결정할 수 있다. 일부 실시예에서, 적절한 카트리지 모델(1152)은 카트리지(200) 상의 컴퓨터 판독 가능 식별자를 식별하는 것에 기초하여, 및/또는 백그라운드 디바이스(100)와 호환 가능한 다양한 카트리지에 대응하는 복수의 이용 가능한 카트리지 모델 중에서 대응하는 카트리지 모델(1152)을 선택함으로써 결정될 수 있다. 따라서, 애플리케이션은 카트리지 위치(1156) 및/또는 카트리지 위치 결정의 검출 신뢰도를 결정할 수 있다. 애플리케이션은, 백그라운드 디바이스에 대해 수행된 이전의 이미지 정규화 및 분석에 기초하여, 이미지의 카트리지 부분에 대해 하나 이상의 정규화 동작을 추가로 수행하여, 정규화된 카트리지 이미지(1158)를 생성할 수 있다.
블록(1160)에서, 바코드(1162) 또는 다른 컴퓨터 판독 가능 식별자가 검출되고, 카트리지로부터 판독되어 테스트의 유형, 항원, 오염물질, 또는 테스트, 테스트 및/또는 대조군 밴드 위치에 의해 검출 가능한 상태와 같은 테스트 정보, 및/또는 테스트 스트립(205)의 이미지에 기초하여 테스트 결과를 결정하는 것과 관련된 다른 정보를 결정한다. 일부 실시예에서, 바코드는 테스트 식별자를 함유할 수 있고, 애플리케이션은 테스트 식별자에 기초하여 테스트 정보가 컴퓨팅 디바이스의 메모리로부터 또는 원격 메모리로부터 검색되게 할 수 있다.
블록(1164)에서, 애플리케이션은 분석될 테스트 스트립(205)에 대응하는 이미지의 영역을 검출할 수 있다. 일부 실시예들에서, 애플리케이션은 이미지의 스트립 부분에 대해 하나 이상의 정규화 동작들을 유사하게 수행하여 대조군 및/또는 테스트 밴드들의 존재를 검출하기 위해 분석될 수 있는 정규화된 스트립 이미지(1166)를 생성할 수 있다. 애플리케이션은 블록(1168)에서 추가적인 음영/눈부심 검출 동작을 추가로 수행하여 임의의 과도한 음영 또는 눈부심이 백그라운드 디바이스 레벨에서 검출되지 않은 테스트 스트립(205) 상에 존재하는지 여부를 결정할 수 있다. 음영/눈부심 검정 결과(1170)가 이미지에 기초하여 테스트 결과를 결정하는 능력에 영향을 미칠 상당한 양의 눈부심 또는 음영이 없음을 나타내는 경우, 방법은 결정 상태(1172)로 계속된다.
결정 상태(1172)에서, 애플리케이션은 테스트 분석을 진행하기로 최종 결정을 한다. 스트립 이미지(1166)가 과도한 눈부심 및 음영이 없고, 백그라운드 디바이스, 카트리지, 및 테스트 스트립 레벨에서 수행된 다양한 정규화 및 적격 판단 동작이 테스트 결과가 적절한 LOD에서 적절한 신뢰도로 테스트 스트립(205)의 이미지로부터 획득될 수 있음을 나타내면, 방법(1100)은 블록(1174)으로 계속되는데, 여기서, 도 10의 방법(1000)의 블록(1038-1046)을 참조하여 전술된 바와 같이, 테스트 스트립(205) 상의 대조군 밴드 및/또는 임의의 수의 테스트 밴드의 존재 및 위치를 식별하기 위해 정규화된 스트립 이미지(1166)에 대해 하나 이상의 밴드 검출 알고리즘이 수행된다.
도 12a 내지 도 12d는 예시적인 디바이스의 예시적인 비제한적인 치수를 포함하는 본 기술에 따른 추가의 예시적인 카트리지 백그라운드 디바이스를 예시한다. 도 12a는 R,G,B 정사각형들(120)로부터 색상을 제거하도록 수정되었고, 도 1a에서 라인 도면으로서 표현되는 예시적인 백그라운드 디바이스의 예시이다. 도 12b는 실제 테스트 카트리지의 이미지를 갖는 도 12a의 예시적인 백그라운드 디바이스의 예시이며, 이들 양자는 도 2a의 라인 도면에 표현되어 있다. 도 12b의 예시적인 백그라운드 디바이스의 예시는 R, G, B, 정사각형들(120)로부터 색상을 제거하도록 수정되었다.
본 명세서에 설명된 분석 디바이스는 다수의 상이한 종류의 샘플에서 복수의 관심 분석물을 정확하게 측정할 수 있다. 샘플은 임의의 소스로부터 수득된 검체 또는 배양물, 뿐만 아니라 생물학적 및 환경 샘플을 포함할 수 있다. 생물학적 샘플은 동물(인간 포함)로부터 수득될 수 있고, 유체, 고형물, 조직 및 가스를 포함한다. 생물학적 샘플은 뇨, 타액, 및 혈장, 혈청 등과 같은 혈액 생성물을 포함한다. 그러한 실시예는 그러나 본 발명에 적용가능한 샘플 유형을 제한하는 것으로 해석되어서는 안된다.
일부 구현예에서, 샘플은 환경 내의 하나 또는 복수의 분석물을 검출하기 위한 환경 샘플이다. 일부 실시형태에서, 샘플은 피험체로부터의 생물학적 샘플이다. 일부 실시예에서, 생물학적 샘플은 말초 혈액, 혈청, 혈장, 복수(ascites), 소변, 뇌척수액(CSF), 객담, 타액, 골수, 활액(synovial fluid), 방수, 양수, 자궁경부, 모유, 기관지 폐포 세척액(broncheoalveolar lavage fluid), 정액(전립선액을 포함함), 카퍼액(Cowper's fluid) 또는 사정전 유체(pre-ejaculatory fluid), 여성 사정액, 땀, 대변 물질, 머리카락, 눈물, 낭종액, 흉막 및 복막액, 심낭액, 림프, 유액, 유모, 담즙, 간질액, 멘스(menses), 고름, 피지(sebum), 구토, 질 분비물, 점막 분비, 대변수, 췌장액, 부비강으로부터의 세척액, 기관지 폐 흡인물(bronchopulmonary aspirates), 또는 다른 세척액을 포함할 수 있다.
본 명세서에서 사용되는, "분석물(analyte)"은 일반적으로 검출될 물질을 지칭한다. 예를 들어, 분석물은 항원 물질, 합텐, 항체 및 이들의 조합을 포함할 수 있다. 분석물은 독소, 유기 화합물, 단백질, 펩티드, 미생물, 아미노산, 핵산, 호르몬, 스테로이드, 비타민, 약물(치료 목적으로 투여되는 것들과 불법 목적으로 투여되는 것들을 포함함), 약물 매개물 또는 부산물, 박테리아, 바이러스 입자, 및 상기 물질 중 임의의 것의 대사물 또는 항체를 포함하지만, 이에 제한되지 않는다. 일부 분석물의 구체적인 예는 페리틴; 크레아티닌 키나제 MB (CK-MB); 인간 융모막 성선 자극 호르몬 (hCG); 디곡신; 페니토인; 페노바르비톨; 카르바마제핀; 반코마이신; 겐타마이신; 테오필린; 발프로산; 퀴니딘; 황체형성 호르몬 (LH); 여포 자극 호르몬 (FSH); 에스트라디올, 프로게스테론; C-반응성 단백질 (CRP); 리포칼린; IgE 항체; 사이토카인; TNF-관련 세포사멸-유도 리간드 (TRAIL); 비타민 B2 마이크로-글로불린; 인터페론 감마-유도 단백질 10 (IP-10); 인터페론-유도 GTP-결합 단백질 (또한, 믹소바이러스 (인플루엔자 바이러스) 내성 1, MX1, MxA, IFI-78K, IFI78, MX, GTPase와 같은 MX 다이나민 1); 프로칼시토닌(PCT); 당화혈색소(Gly Hb); 코티솔; 디지톡신; N-아세틸프로카인아미드(NAPA); 프로카인아미드; 풍진에 대한 항체, 예컨대, 풍진-IgG 및 풍진 IgM; 톡소플라스마증에 대한 항체, 예컨대, 톡소플라스마증 IgG(Toxo-IgG) 및 톡소플라스마증 IgM(Toxo-IgM); 테스토스테론; 살리실레이트; 아세트아미노펜; B형 간염 바이러스 표면 항원(HBsAg); B형 간염 코어 항원에 대한 항체, 예컨대, 항-간염 B 코어 항원 IgG 및 IgM(항-HBC); 인간 면역 결핍 바이러스 1 및 2(HIV 1 및 2); 인간 T-세포 백혈병 바이러스 1 및 2(HTLV); B형 간염 e 항원(hepatitis B e antigen)(HBeAg); B형 간염 e 항원(Anti-HBe)에 대한 항체; 인플루엔자 바이러스; 갑상선 자극 호르몬(TSH)); 티록신(T4); 총 트리요오드티로닌(Total T3); 유리 트리요오드티로닌(Free T3); 암배아성 항원(CEA); 지질 단백질(lipoprotein), 콜레스테롤 및 트리글리세리드; 알파페토프로테인(alpha fetoprotein)(AFP)를 포함한다. 남용 및 통제되는 물질의 약물은 암페타민; 메탐페타민; 바르비투레이트 예컨대, 아모바르비탈, 세코바르비탈, 펜토바르비탈, 페노바르비탈 및 바르비탈; 벤조디아제핀 예컨대, 리브리움 및 발륨; 카나비노이드 예컨대, 대마(hashish) 및 마리화나; 코카인; 펜타닐; LSD; 메타쿠론; 아편제(opiate) 예컨대, 헤로인, 모르핀, 코데인, 하이드로모르폰, 하이드로코돈, 메타돈, 옥시코돈, 옥시모르폰 및 아피움; 펜시클리딘; 및 프로폭시헨을 포함하나, 이에 제한되지는 않는다. 추가의 분석물들이 관심의 생물학적 또는 환경적 물질들의 목적을 위해 포함될 수 있다.
본 개시는 하나 이상의 관심 분석물이 고농도로 존재하고 하나 이상의 관심 분석물이 저농도로 존재하는 경우를 포함하여, 샘플 중의 복수의 분석물의 존재 및 농도를 결정하기 위한 측방 유동 검정 디바이스, 테스트 시스템 및 방법에 관한 것이다. 상기에서 논의된 바와 같이, 본 명세서에서 사용되는, "분석물"은 일반적으로 검출될 물질, 예를 들어 단백질을 지칭한다. 본 명세서에 설명된 측방 유동 검정 디바이스, 테스트 시스템 및 방법에 의해 검출될 수 있는 단백질의 예는 제한 없이, 다음을 포함한다:
TRAIL: TNF-관련 아폽토시스-유도 리간드 (또한 Apo2L, Apo-2 리간드 및 CD253으로 공지됨); 대표적인 RefSeq DNA 서열은 NC_000003.12; NC_018914.2; 및 NT_005612.17이고, 대표적인 RefSeq 단백질 서열 기탁 번호는 NP_001177871.1; NP_001177872.1; 및 NP_003801.1이다. TRAIL 단백질은 종양 괴사 인자 (tumor necrosis factor, TNF) 리간드 패밀리에 속한다.
CRP: C-반응성 단백질; 대표적인 RefSeq DNA 서열은 NC_000001.11; NT_004487.20; 및 NC_018912.2이고, 대표적인 RefSeq 단백질 서열 기탁 번호는 NP_000558.2이다.
IP-10: 케모카인 (C-X-C 모티프) 리간드 10; 대표적인 RefSeq DNA 서열은 NC_000004.12; NC_018915.2; 및 NT_016354.20이고, RefSeq 단백질 서열은 NP_001556.2이다.
PCT: 프로칼시토닌은 호르몬 칼시토닌의 펩타이드 전구체이다. 이 단백질의 대표적인 RefSeq 아미노산 서열은 NP_000558.2이다. 대표적인 RefSeq DNA 서열은 NC_000001.11, NT_004487.20, 및 NC_018912.2를 포함한다.
MX1: 인터페론-유도된 GTP-결합 단백질 Mx1 (또한, 인터페론-유도된 단백질 p78, 인터페론-조절된 내성 GTP-결합 단백질, MxA로 공지됨). 이 단백질의 대표적인 RefSeq 아미노산 서열은 NP_001138397.1; NM_001144925.2; NP_001171517.1; 및 NM_001178046.2이다.
본 발명에 따른 측방 유동 검정 디바이스, 테스트 시스템 및 방법은 TRAIL 단백질의 가용성 및/또는 막 형태를 측정할 수 있다. 일 실시예에서, TRAIL의 가용성 형태만이 측정된다.
개시된 구현예의 이전 설명은 당업자가 본 기술을 만들거나 사용할 수 있도록 제공된다. 이들 구현들에 대한 다양한 수정들은 당업자들에게 용이하게 명백할 것이고, 본 명세서에 정의된 일반적인 원리들은 본 기술의 사상 또는 범위를 벗어나지 않고 다른 구현들에 적용될 수 있다. 따라서, 본 기술은 본 명세서에 도시된 구현들에 제한되는 것으로 의도되지 않고, 본 명세서에 개시된 원리들 및 새로운 특징들에 부합하는 가장 넓은 범위가 부여된다.

Claims (27)

  1. 검정 테스트 스트립(assay test strip)을 위한 백그라운드 디바이스(background device)로서, 상기 백그라운드 디바이스는,
    측방 유동 검정 테스트 스트립(lateral flow assay test strip)의, 상기 백그라운드 디바이스 상의 배치를 안내하도록 크기 및 형상이 정해진 테스트 스트립 부분;
    상기 테스트 스트립 부분을 적어도 부분적으로 둘러싸는 백그라운드 부분; 및
    상기 백그라운드 부분 상에 배치된 복수의 라인 검출 기점(line detection fiducial)들을 포함하되, 상기 복수의 라인 검출 기점의 각각은 상기 백그라운드 부분의 주변 영역의 색상과 상이한 색상 및 상기 측방 유동 검정 테스트 스트립 상의 라인의 예상된 폭과 연관된 폭을 갖는, 백그라운드 디바이스.
  2. 제1항에 있어서, 상기 복수의 라인 검출 기점들은 적어도 상기 예상된 폭과 실질적으로 동일한 폭을 갖는 제1 라인 검출 기점 및 상기 예상된 폭보다 크거나 작은 폭을 갖는 제2 라인 검출 기점을 포함하는, 백그라운드 디바이스.
  3. 제1항에 있어서, 상기 복수의 라인 검출 기점들은 제1 색조(shade of color)를 갖는 적어도 제1 라인 검출 기점 및 제2 라인 검출 기점을 포함하는, 백그라운드 디바이스.
  4. 제3항에 있어서, 상기 복수의 라인 검출 기점들은 상기 제1 색조보다 더 밝거나 더 어두운 상기 제2 색조를 갖는 적어도 제3 라인 검출 기점을 포함하는, 백그라운드 디바이스.
  5. 제3항 또는 제4항에 있어서, 상기 색상은 회색이고, 상기 측방 유동 검정 테스트 스트립 상의 상기 라인의 예상된 색상은 회색이 아닌, 백그라운드 디바이스.
  6. 제1항에 있어서, 하나 이상의 모션 블러 검출 기점(motion blur detection fiducial)을 더 포함하고, 상기 하나 이상의 모션 블러 검출 기점의 각각은 상기 제1 색상과 대비(contrast)되는 제2 색상의 영역에 의해 둘러싸인 제1 색상의 도트(dot)를 포함하는, 백그라운드 디바이스.
  7. 제1항에 있어서, 상기 백그라운드 디바이스에 대한 이미지 캡처 디바이스의 포지션(position), 틸트(tilt), 또는 롤(roll) 중 적어도 하나의 검출을 용이하게 하기 위해 상기 백그라운드 부분의 코너들에 근접한 상기 백그라운드 부분 상에 배치된 적어도 3개의 포지션 기점(position fiducial)들을 더 포함하는, 백그라운드 디바이스.
  8. 제1항에서, 상기 백그라운드 부분은 RGB(red-green-blue) 색 공간에서 동일한 적색, 녹색 및 청색 값에 해당하는 색상을 갖는 RGB 밸런싱된(balanced) 영역을 포함하는, 백그라운드 디바이스.
  9. 제1항에 있어서, 상기 테스트 스트립 부분은 상기 백그라운드 디바이스의 상기 테스트 스트립 부분 상의 상기 측방 유동 검정 테스트 스트립의 배치를 용이하게 하도록 구성된 정렬 표시(alignment indicia)를 포함하는, 백그라운드 디바이스.
  10. 제1항에 있어서, 상기 테스트 스트립 부분은 상기 측방 유동 검정 테스트 스트립이 상기 테스트 스트립 부분 상에 배치될 때 커버되도록 포지셔닝(position)된 컴퓨터 판독 가능 코드를 포함하고, 상기 컴퓨터 판독 가능 코드는, 상기 라인 검출 기점들에 적어도 부분적으로 기초하여, 상기 측방 유동 검정 테스트 스트립의 이미지가 추가 분석에 적격인지 여부를 분석하도록 구성된 소프트웨어 애플리케이션을 식별하는, 백그라운드 디바이스.
  11. 제1항에 있어서, 상기 테스트 스트립 부분은 상기 측방 유동 검정 테스트 스트립이 상기 테스트 스트립 부분 상에 배치될 때 커버되도록 위치된 컴퓨터 판독 가능 코드를 포함하고, 상기 컴퓨터 판독 가능 코드는 상기 라인 검출 기점들에 적어도 부분적으로 기초하여 테스트 결과를 결정하기 위해 상기 측방 유동 검정 테스트 스트립의 이미지를 분석하도록 구성된 소프트웨어 애플리케이션을 식별하는, 백그라운드 디바이스.
  12. 제1항에 있어서, 상기 백그라운드 디바이스는 상기 백그라운드 부분으로부터 돌출하는 하나 이상의 리세스 또는 하나 이상의 3차원 피처(feature)를 포함하는 3차원 백그라운드 디바이스인, 백그라운드 디바이스.
  13. 제1항에 있어서, 상기 측방 유동 검정 테스트 스트립은 카트리지 내에 수용되고, 상기 테스트 스트립 부분은 상기 백그라운드 디바이스의 상기 테스트 스트립 부분 상의 상기 카트리지의 배치를 안내하도록 크기 및 형상이 정해지는, 백그라운드 디바이스.
  14. 제1항 내지 제13 항 중 어느 한 항에 있어서, 상기 복수의 라인 검출 기점의 각각은,
    상기 측방 유동 검정 테스트 스트립(lateral flow assay test strip)에 인가된 샘플 중의 관심 분석물의 존재 하에 세기 또는 색상을 변화시키는 테스트 라인; 및
    상기 측방 유동 검정 테스트 스트립에 인가된 상기 샘플의 존재 하에 세기 또는 색상을 변화시키는 대조군 라인(control line) 중 적어도 하나의 예상 폭과 연관된 폭을 갖는, 백그라운드 디바이스.
  15. 테스트 결과를 결정하는 컴퓨터 구현 방법으로서,
    이미지 캡처 디바이스에 의해, 백그라운드 디바이스의 테스트 스트립 부분 상에 배치된 측방 유동 검정 테스트 스트립의 이미지를 캡처하는 단계로서, 상기 백그라운드 디바이스는 상기 테스트 스트립 부분을 적어도 부분적으로 둘러싸는 백그라운드 부분을 포함하는, 상기 캡처하는 단계;
    상기 이미지에 적어도 부분적으로 기초하여 하나 이상의 프로세서에 의해, 상기 백그라운드 디바이스의 상기 백그라운드 부분 상에 배치된 복수의 라인 검출 기점들을 검출하는 단계로서, 상기 복수의 라인 검출 기점의 각각은 상기 백그라운드 부분의 주변 영역의 색상과 상이한 색상 및 상기 측방 유동 검정 스트립 상의 라인의 예상된 폭과 연관된 폭을 갖는, 상기 검출하는 단계;
    상기 이미지에 적어도 부분적으로 기초하여 상기 하나 이상의 프로세서에 의해, 상기 복수의 라인 검출 기점에 적어도 부분적으로 기초하여 상기 측방 유동 검정 테스트 스트립 상의 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계; 및
    상기 하나 이상의 프로세서에 의해, 상기 하나 이상의 검출된 대조군 라인 또는 테스트 라인에 적어도 부분적으로 기초하여 상기 측방 유동 검정 테스트 스트립의 테스트 결과를 결정하는 단계를 포함하는, 컴퓨터 구현 방법.
  16. 제15항에 있어서, 상기 이미지를 캡처하기 전에, 상기 이미지 캡처 디바이스에 의해 촬영된 이미지가 상기 테스트 결과의 검출에 적격이거나 적격이 아님을 분석하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  17. 제15항에 있어서, 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계는 상기 복수의 라인 검출 기점 중 적어도 하나의 폭에 적어도 부분적으로 기초하여 상기 하나 이상의 대조군 라인 또는 테스트 라인의 존재를 검출하는 단계를 포함하는, 컴퓨터 구현 방법.
  18. 제15항에 있어서, 상기 복수의 라인 검출 기점들은 제1 색조를 갖는 적어도 제1 라인 검출 기점 및 제2 라인 검출 기점을 포함하고, 제3 라인 검출 기점은 상기 제1 색조보다 더 밝거나 더 어두운 제2 색조를 갖고, 하나 이상의 대조군 라인 또는 테스트 라인을 검출하는 단계는 상기 제1 라인 검출 기점, 상기 제2 라인 검출 기점 및 상기 제3 라인 검출 기점에 적어도 부분적으로 기초하여 상기 하나 이상의 대조군 라인 또는 테스트 라인의 세기 또는 색상을 검출하는 단계를 포함하는, 컴퓨터 구현 방법.
  19. 제18항에 있어서, 상기 제1 기점, 제2 기점 및 제3 기점의 색상은 회색이고, 상기 하나 이상의 대조군 라인 또는 테스트 라인의 색상은 회색이 아닌, 컴퓨터 구현 방법.
  20. 제15항에 있어서, 상기 백그라운드 디바이스의 상기 백그라운드 부분은 RGB(red-green-blue) 색상 공간에서 동일한 적색, 녹색 및 청색 값들에 대응하는 색상을 갖는 적색-녹색-청색(RGB) 밸런싱된(balanced) 영역을 포함하는, 컴퓨터 구현 방법.
  21. 제20항에 있어서, 상기 테스트 결과를 결정하기 전에, 상기 RGB 밸런싱된 영역에 적어도 부분적으로 기초하여 상기 백그라운드 디바이스의 조명 조건을 평가하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  22. 제21항에 있어서, 상기 조명 조건을 평가하는 단계는 상기 RGB 밸런싱된 영역 상의 눈부심(glare) 또는 음영 중 적어도 하나를 검출하는 단계를 포함하는, 컴퓨터 구현 방법.
  23. 제15항에 있어서, 상기 테스트 결과를 결정하기 전에, 상기 복수의 라인 검출 기점 또는 상기 백그라운드 디바이스의 상기 백그라운드 부분 상의 하나 이상의 추가 기점에 적어도 부분적으로 기초하여 상기 이미지 캡처 디바이스의 변조 전달 함수(modulation transfer function)를 평가하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  24. 제23항에 있어서, 상기 변조 전달 함수에 기초하여 검출 레벨을 추정하는 단계를 더 포함하고, 상기 측방 유동 검정의 테스트 결과는 상기 추정된 검출 레벨에 적어도 부분적으로 기초하여 결정되는, 컴퓨터 구현 방법.
  25. 제15항에 있어서, 상기 테스트 결과를 결정하기 전에, 상기 백그라운드 디바이스의 상기 백그라운드 부분 상에 배치된 하나 이상의 모션 블러(motion blur) 검출 기점에 적어도 부분적으로 기초하여 상기 이미지의 모션 블러의 레벨을 검출하는 단계를 더 포함하는, 컴퓨터 구현 방법.
  26. 제25항에 있어서, 상기 하나 이상의 모션 블러 검출 기점 각각은 상기 제1 색상과 대비되는 제2 색상의 영역에 의해 둘러싸인 제1 색상의 도트(dot)를 포함하는, 컴퓨터 구현 방법.
  27. 제15항에 있어서, 상기 테스트 결과를 결정하기 전에, 상기 백그라운드 디바이스의 상기 백그라운드 부분 상에 배치된 복수의 위치 기점에 적어도 부분적으로 기초하여 상기 백그라운드 디바이스에 대한 상기 이미지 캡처 디바이스의 포지션(position), 틸트(tilt), 또는 롤(roll) 중 적어도 하나를 결정하는 단계를 더 포함하는, 컴퓨터 구현 방법.
KR1020237017122A 2020-10-23 2021-10-21 테스트 디바이스들의 이미징 및 이미지 기반 분석을 위한 시스템들 및 방법들 KR20230088916A (ko)

Applications Claiming Priority (5)

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
PCT/US2021/055963 WO2022087210A1 (en) 2020-10-23 2021-10-21 Systems and methods for imaging and image-based analysis of test devices

Publications (1)

Publication Number Publication Date
KR20230088916A true KR20230088916A (ko) 2023-06-20

Family

ID=81258186

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237017122A KR20230088916A (ko) 2020-10-23 2021-10-21 테스트 디바이스들의 이미징 및 이미지 기반 분석을 위한 시스템들 및 방법들

Country Status (8)

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

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 (ko) 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
CN216956993U (zh) 2022-07-12
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
EP3132380B1 (en) Method for estimating a quantity of a blood component in a fluid canister
US11996183B2 (en) Methods of analyzing diagnostic test kits
US11988596B2 (en) Systems and methods for imaging and image-based analysis of test devices
CN107167594B (zh) 一种免疫层析试条定量检测装置及方法
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
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
US20200372680A1 (en) Method and devices for performing an analytical measurement
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
RU2786271C2 (ru) Способ и устройства для проведения аналитического измерения
TW202413946A (zh) 試片檢測載台、試片檢測系統以及試片檢測方法
CN112557350B (zh) 一种基于hsv模型的溶液浊度检测方法、介质、图像***
US20230184689A1 (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
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***
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
CN117849043A (zh) 一种尿液试纸分析装置及其检测方法