TW202346832A - 判定體液中至少一種分析物之濃度的方法及裝置 - Google Patents
判定體液中至少一種分析物之濃度的方法及裝置 Download PDFInfo
- Publication number
- TW202346832A TW202346832A TW112104805A TW112104805A TW202346832A TW 202346832 A TW202346832 A TW 202346832A TW 112104805 A TW112104805 A TW 112104805A TW 112104805 A TW112104805 A TW 112104805A TW 202346832 A TW202346832 A TW 202346832A
- Authority
- TW
- Taiwan
- Prior art keywords
- color
- value
- values
- training set
- optical test
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 141
- 210000001124 body fluid Anatomy 0.000 title claims abstract description 94
- 239000012491 analyte Substances 0.000 title claims abstract description 57
- 230000035484 reaction time Effects 0.000 claims abstract description 104
- 238000000691 measurement method Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000012360 testing method Methods 0.000 claims description 313
- 238000012549 training Methods 0.000 claims description 196
- 230000015572 biosynthetic process Effects 0.000 claims description 168
- 230000003287 optical effect Effects 0.000 claims description 163
- 239000003153 chemical reaction reagent Substances 0.000 claims description 106
- 239000010839 body fluid Substances 0.000 claims description 90
- 230000003111 delayed effect Effects 0.000 claims description 61
- 238000006243 chemical reaction Methods 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000000295 complement effect Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 4
- 238000005755 formation reaction Methods 0.000 abstract description 146
- 238000004590 computer program Methods 0.000 abstract description 20
- 239000000523 sample Substances 0.000 description 69
- 239000008280 blood Substances 0.000 description 34
- 210000004369 blood Anatomy 0.000 description 34
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 30
- 239000008103 glucose Substances 0.000 description 30
- 230000008859 change Effects 0.000 description 16
- 239000000758 substrate Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 239000003086 colorant Substances 0.000 description 11
- 238000001514 detection method Methods 0.000 description 11
- 238000009535 clinical urine test Methods 0.000 description 10
- 239000000126 substance Substances 0.000 description 7
- 210000003722 extracellular fluid Anatomy 0.000 description 5
- 238000007620 mathematical function Methods 0.000 description 5
- 210000002700 urine Anatomy 0.000 description 5
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 4
- 238000005314 correlation function Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000013060 biological fluid Substances 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 239000000123 paper Substances 0.000 description 3
- 210000003296 saliva Anatomy 0.000 description 3
- 238000004448 titration Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 208000013016 Hypoglycemia Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 201000001421 hyperglycemia Diseases 0.000 description 2
- 230000002218 hypoglycaemic effect Effects 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000013626 chemical specie Substances 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/272—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration for following a reaction, e.g. for determining photometrically a reaction rate (photometric cinetic analysis)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N2021/755—Comparing readings with/without reagents, or before/after reaction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N2021/7756—Sensor type
- G01N2021/7759—Dipstick; Test strip
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本發明揭露一種判定至少一個顏色期望值範圍 (128) 之判定方法,該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性,及揭露一種藉由使用具有相機 (114) 及處理器 (126) 的行動裝置 (112) 進行基於顏色形成反應之分析測量的測量方法。進一步揭露一種用於判定至少一個顏色期望值範圍 (128) 之判定系統 (110),該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性;一種具有至少一個相機 (114) 及至少一個處理器 (130) 之行動裝置 (112);一種用於判定體液樣品 (128) 中至少一種分析物濃度之套組 (134),該套組包含該行動裝置 (112);以及電腦程式及電腦可讀存儲媒體,其包含指令,該等指令當在相應的裝置上執行時,使該裝置進行該判定方法及/或該測量方法。
Description
本發明涉及一種判定至少一個顏色期望值範圍之判定方法,該至少一個顏色期望值範圍用於評估假設反應時間值的合理性。本發明進一步涉及一種進行基於顏色形成反應之分析測量的測量方法。進一步地,本發明涉及一種判定系統且涉及一種行動裝置,並且涉及電腦程式、電腦可讀存儲媒體及套組。該等方法、系統、行動裝置、電腦程式、電腦可讀存儲媒體及套組可具體用於醫學診斷中,以便例如定量地或定性地檢測一種或多種體液 (body fluid) 及/或體液 (bodily fluid) 中的一種或多種分析物,諸如用於檢測血液及/或組織間隙液中的葡萄糖。然而,本發明亦可應用於其他領域。
在醫學診斷學領域中,在許多情況下,必須在體液 (例如血液、組織間隙液、尿液、唾液或其他類型之體液) 樣品中檢測一或多種分析物之濃度。待檢測之分析物的實例為葡萄糖、三酸甘油酯、乳酸、膽固醇或通常存在於此等體液中之其他類型分析物。根據分析物之濃度及/或存在,必要時,可選擇適當的治療方法。在不限縮範圍的情況下,本發明可具體地就血糖測量來說明。然而,應注意的是,本發明亦可用於使用測試元件的其他分析測量類型。
一般而言,熟習技術者已知的裝置及方法利用包含一種或多種測試化學物質的測試元件及/或測試條,其中,該一種或多種測試化學物質在待檢測之分析物存在時,能夠進行一種或多種可檢測的檢測反應,例如光學可檢測的檢測反應。關於包含於測試元件及/或測試條中的的測試化學物質,可參考例如 J. Hoenes 等人:The Technology Behind Glucose Meters: Test Strips, Diabetes Technology & Therapeutics,第 10 卷,增刊 1,2008 年,S-10 至 S-26。其他類型的測試化學物是可行的,並可用於執行本發明。
在分析測量中,具體而言是基於色彩形成反應的分析測量中,一項技術挑戰在於評估因檢測反應所引起的色彩變化。除了使用例如手持式血糖儀的專用分析裝置之外,近年來,使用例如智慧型手機及可攜式電腦或其他行動裝置的通用電子設備也變得越來越流行。因此,由此等行動裝置所包含的相機可用於測量測試元件及/或測試條中之檢測反應的顏色變化。與實驗室測量及藉由使用專用分析測量裝置與測試元件及/或測試條之配對進行的測量相反,在使用諸如智慧型手機之類的行動計算裝置時,需要考量各種影響。例如,將考慮照明條件、定位、振動、電子缺陷或其他或多或少不可控制的影響。一般而言,可以使用包含藉由利用用於光度測量的顏色參考來數學地校正及/或補償此類影響在顏色變化上之後果的程序。
US 2020/0249220 A1 描述一種從尿液測試條之拍攝影像檢測尿液測試條的方法。所揭示的檢測尿液測試條的方法包括:接收尿液測試條影像的輸入,該尿液測試條影像為包括第一及第二標記的尿液測試條的拍攝影像;檢測在尿液測試條影像中之第一及第二標記影像;檢測尿液測試條影像中第一標記影像與第二標記影像之間的區域;以及,藉由將表示尿液測試條影像中的試劑墊及比色表之位置的感興趣區域與該第一標記影像與第二標記影像之間的區域相匹配,來檢測尿液測試條影像中的試劑墊及比色表。
US 9,787,815 B2 描述一種使用智慧型手機獲取測試條上分析物的收集點、選定定量標記之方法,該方法涉及由於該智慧型手機對測試條照射而已經在其上發生目標樣品之比色反應的測試條進行成像。智慧型手機包括智慧型手機應用程式及智慧型手機配件,該配件提供獨立於所使用的智慧型手機平台的外部環境獨立/內部無光的成像環境。然後可以將結果定量地呈現或轉化為對消費者更友善的測量 (正、負、高於平均等),顯示給使用者,存儲以備後用,並傳達至從業者可以提供額外審閱的位置。此外,社群媒體整合可以允許將裝置結果傳佈給特定的受眾、與其他人進行健康生活的比較、在基於健康的遊戲中競爭、創建映射及其他應用程式。
EP 2 916 117 A1 描述一種化學測試墊的顏色定量及分析物的滴定,其可在不同的光照條件下進行。在一實施例中,估計照明條件,在此條件下捕捉數位影像,並利用該影像選擇一組參考色彩,從中比較定量化的色彩以確定該滴定。在另一實施例中,用不同的光照條件進行多次比較,選擇具有最高信賴度的結果來判定該滴定。
EP 1 963 828 B1 描述一種測量包含在生物流體樣品中的分析物的濃度之方法。在該方法中,提供一種測試條,其包含至少一個測試點及至少一個涵蓋白色及/或色標之參考顏色部分。將流體樣品與測試點接觸,並根據分析物之濃度將顏色指示劑置於測試點上。將相機放置在測試條上。檢測相機與試條之間之相對位置的至少一測量值,並與設定值範圍進行比較。如果測量值偏離設定值範圍,則相對測試條移動相機,以減小偏差。借助相機檢測其上至少呈現顏色指示劑及參考顏色部分的彩色影像。將分配給顏色指示劑及顏色匹配部分的影像區域定位,並且判定該等影像區域的顏色值。樣品中之分析物濃度為借助預定義比較值而基於顏色值來判定的。
US 2015/0241358 A1 在一個實施例中描述一種用於測試槳之自動測試診斷的設備。該設備包括個人計算裝置,該個人計算裝置包括:用於捕捉測試槳之測試墊隨時間推移的影像的相機、耦接至相機的處理器、以及耦接至處理器的顯示裝置。處理器分析各測試墊隨時間推移的顏色變化以判定各測試墊隨時間推移的顏色軌跡。處理器將各測試墊的顏色演變軌跡與各測試墊的顏色校準曲線進行比較,以判定測試生物樣品 (諸如尿液) 的分析物濃度。在藉由處理器進行分析期間,顯示裝置顯示使用者界面,其具有回應於隨時間推移之分析的分析物濃度結果。
US 2014/065647 A1 描述一種用於時空分析的快速測定之系統及方法。
EP 3 667 301 A1 描述一種用於判定體液樣品中分析物的濃度之方法及系統,以及一種用於生成軟體實現之模組的方法及系統。
US 2021/299651 A1 描述一種多因素尿液測試系統,其可根據光照及時序進行調整。
US 2017/098137 A1 描述一種用於藉由將由暴露於惡劣環境所引起的顏色變化定量來檢測並判定受損的試劑墊之方法、設備及系統。
儘管藉由已知方法及裝置實現了該些優點,但仍然存在一些技術上的挑戰。具體而言,使用者相關的影響,諸如錯誤的處理習慣及/或樣品施加的不正確時間規範或其他或多或少無法控制的使用者相關的處理錯誤,可能會導致未檢測到的顏色變化。當基於顏色形成反應來判定分析物濃度時,此類未檢測到的顏色變化可能導致不正確的分析測量。
所欲解決之問題
因此,期望提供至少部分地解決上述技術挑戰的方法及裝置。具體而言,希望提供允許檢測由錯誤的及/或不適當的使用者處理所引起的顏色變化的方法及裝置。
該問題藉由判定至少一個顏色期望值範圍的的判定方法來解決,該顏色期望值範圍用於評估假設反應時間值的合理性,並藉由進行基於顏色形成反應的分析測量之測量方法來解決。進一步地,藉由具有獨立請求項之特徵的判定系統、行動裝置、電腦程式、電腦可讀存儲媒體及套組來解決。可用單獨方式或以任何隨意組合方式實現的有利實施例列於附屬請求項以及整個說明書中。
如下文中所使用,術語「具有 (have)」、「包含 (comprise)」或「包括 (include)」或其任何任意文法變化係以非排他性方式使用。因此,此等術語既可指涉其中除了藉由此等術語所引入之特徵之外,在本文中描述的實體中並無進一步特徵存在之情形,亦可指涉其中存在一個或多個進一步特徵之情形。作為一示例,表述「A 具有 B」、「A 包含 B」及「A 包括 B」既可指其中除了 B 之外無其他元件存在於 A 中之情形 (即,其中 A 僅由及排他性地由 B 組成之情形) 且亦可指其中除了 B 之外一個或多個進一步元件 (例如元件 C、元件 C 及 D 或甚至進一步元件) 存在於實體 A 中之情形。
此外,應注意的是,表示特徵或元件可存在一次或多於一次之術語「至少一 (at least one)」、「一個或多個 (one or more)」或類似表述通常在引入各別特徵或元件時將僅使用一次。在下文中,在大多數情況中,在涉及各別特徵或元件時,表述「至少一」或「一個或多個」將不會重複,儘管有各別特徵或元件可存在一次或多於一次之事實。
進一步地,如在下文中所用,術語「較佳地 (preferably)」、「更佳地 (more preferably)」、「特別地/特定而言 (particularly)」、「更特別地/更特定而言 (more particularly)」、「具體而言 (specifically)」、「更具體而言 (more specifically)」或類似術語與視情況選用之特徵結合使用,而不限制替代方案的可能性。因此,藉由此等術語引入之特徵係可選之特徵且並不意欲以任何方式限制申請專利範圍之範疇。如熟習技術者將認識到,本發明可藉由使用替代特徵來執行。類似地,藉由「在本發明之一實施例中 (in an embodiment of the invention)」或類似表述所引入之特徵意欲為可選之特徵,而對於本發明之替代實施例無任何限制,對於本發明之範疇無任何限制且對於組合以此方式引入之特徵與本發明之其他可選之或非可選之特徵之可能性無任何限制。
在本發明之第一態樣中,揭示一種判定至少一個顏色期望值範圍之判定方法,該顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性。該判定方法包含下列步驟,舉例而言,此等步驟可依給定次序進行。然而,應注意的是,亦可能為不同的順序。此外,亦可能一次地或重複地進行一個或多個方法步驟。進一步地,亦可能同時或以適時重疊方式進行兩個或多個方法步驟。該判定方法可包含未列出的其他方法步驟。
該判定方法包含:
a) 提供光學測試條訓練集,各光學測試條具有試劑測試區;
b) 提供體液樣品訓練集,並將體液樣品中之至少一個施加至該光學測試條訓練集的各光學測試條的試劑測試區;
c) 藉由具有至少一個相機的至少一個行動裝置捕捉影像訓練集,該影像訓練集包含:
第一影像訓練子集,該第一影像訓練子集包含在及時捕捉時間值時捕捉的該光學測試條訓練集的試劑測試區中之至少一些的至少一部分的影像,該等光學測試條上已施加體液樣品,該捕捉時間值係指在步驟 b) 中施加樣品與捕捉影像之間經過的時間;
至少一個第二影像訓練子集,該至少一個第二影像訓練子集包含在延遲捕捉時間值時捕捉的該光學測試條訓練集的試劑測試區中之至少一些的至少一部分的影像,該等光學測試條上已施加體液樣品;
d) 具體而言,藉由使用至少一個處理器,更具體而言,該行動裝置的處理器,從該影像訓練集的影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之該光學測試條訓練集的光學測試條的試劑測試區的顏色形成;及
e) 從該顏色形成值訓練集推導出用於至少一個顏色通道的至少一個顏色期望值範圍,該顏色期望值範圍定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於可容忍延遲捕捉時間值,延遲
d不超過至少一個預定義期滿閾值
d
max 。
如本文所使用,術語「基於顏色形成反應的分析測量」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體而言可涉及,但不限於,藉由使用顏色形成反應而對體液的任意樣品或等分試樣中的至少一種分析物之定性及/或定量判定。例如,體液可包含血液、組織間隙液、尿液、唾液或其他類型之體液中的一種或多種。舉例而言,分析物判定之結果可為分析物之濃度及/或存在或不存在待判定之分析物。具體而言,舉例而言,分析測量可為血糖測量,因此分析測量的結果可例如是血糖濃度。特定而言,分析測量結果值,諸如體液中分析物的濃度,可以藉由使用顏色形成反應的分析測量來判定,該顏色形成反應諸如回應於體液中分析物的定量及/或定性存在或不存在的顏色變化反應。
例如,體液可包含血液、組織間隙液、尿液、唾液或其他類型之體液中的一種或多種。因此,具體而言,術語「體液樣品」可指生物流體的任意等分試樣或不等分試樣部分,該生物流體直接為體液,或該生物流體諸如藉由一個或多個預處理步驟,例如藉由離心而從體液衍生。舉例而言,體液樣品可為從人的身體收集的一滴體液,諸如一滴血液及/或例如藉由例如用柳葉刀、針等刺穿人的皮膚部分而產生的組織間隙液。體液樣品亦可簡稱為樣品。
在基於顏色形成反應的分析測量中,具體而言使用光學測試條。如本文所使用,術語「光學測試條」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體地可涉及,但不限於,其經組態用於進行色彩變化檢測反應的任意元件或裝置。光學測試條亦可稱為測試條或測試元件,其中,所有三種術語可指稱相同的元件。光學測試條可特定地具有試劑測試區,該試劑測試區亦稱為測試區及/或測試場,包含用於檢測至少一種分析物之至少一種測試化學物質。具體而言,測試化學物質可經組態用於進行顏色變化,例如由於分析物的存在而改變其顏色。顏色變化可能例如取決於體液樣品中分析物的濃度。特定而言,試劑測試區可具有視覺上可檢測之邊緣,諸如可檢測的邊線及/或邊界,從而使試劑測試區與光學測試條的其他部分形成對比。舉例而言,光學測試條可包含至少一種具有至少一種測試場施加於其上或整合於其中的基板,例如至少一種載體。特定而言,光學測試條可進一步包含至少一個白色區域,諸如白場 (white field),具體而言在接近試劑測試區之處,例如包圍或圍繞試劑測試區。特定而言,試劑測試區與圍繞試劑測試區的白色區域之間的對比度可能足以允許視覺地檢測試劑測試區的邊緣及/或邊線。另外地或替代性地,基板或載體本身可為或可包含白色區域。舉例而言,至少一種載體可為條狀的,從而使測試元件呈現為測試條。這類測試條一般都是廣泛使用且可獲得者。一個光學測試條可帶有單個試劑測試區或多個測試區,該等測試區內包含相同或不同的測試化學物質。
如本文所使用,術語「在基於顏色形成反應的分析測量中使用的假設反應時間值」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體而言可以指但不限於在分析測量中估計的反應時間的數字指示。特定而言,反應時間值可以指光學測試條的試劑測試區發生顏色變化反應所經過的時間。舉例而言,假設反應時間值可在分析測量中由使用者提供,例如進行分析測量的使用者。特定而言,在測量中,可能需要使用者提供資訊,諸如將樣品施加至試劑測試區上的時間,從而允許假設及/或預測反應時間值,亦稱為假設反應時間值。特定而言,假設反應時間值可以指代假設的及/或估計的在將樣品施加至試劑測試區與測量之間,即在觸發顏色變化反應與捕捉試劑測試區的影像之間的時間。因此,舉例而言,假設反應時間值亦可稱為假設捕捉時間值,諸如對於捕捉時間值的假設值,如下面將概述的。如本文所用,術語「假設反應時間值」,或同義地,術語「假設捕捉時間值」為廣義術語,且對於本領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於假設及/或預測的反應時間(即,已發生化學反應,具體而言顏色變化反應的時間)之數字指示。特定而言,假設反應時間值可以指代其間發生化學反應的時間,因此亦可稱為化學反應時間及/或顏色變化反應時間。具體而言,假設反應時間值可為估計的及/或預測的時間值,例如基於使用者提供的指示。因此,假設反應時間值可能與試劑測試區的顏色變化反應可能已經過的實際反應時間不同。在分析測量中,假設反應時間值可以用於從顏色形成值判定分析物濃度。另外地或替代性地,假設反應時間值可以指代假設的及/或預測的反應時間範圍的數字指示,即期間已發生化學反應,具體而言顏色變化反應的時間範圍。因此,舉例而言,代替指示時間上的數值,諸如例如「18 秒」,假設反應時間值可以另外地或替代性地指示時間之數值範圍,諸如時間範圍,例如,「1 分鐘內」或「介於 13 秒與 45 秒之間」。
術語「顏色形成值」可以指代測試條的試劑測試區的顏色之任意數字指示,諸如數字表示,具體而言為由測試化學物質的顏色變化檢測反應產生的。具體而言,藉由顏色形成值數字地指示的顏色可以與施加至相應光學測試條的體液樣品的分析物濃度相關。因此,舉例而言,顏色且因此顏色形成值可以與血糖值及/或血糖濃度相關。進一步地,試劑測試區的顏色可能隨時間而改變,且因此顏色形成值可能隨時間而改變。因此,顏色形成值與分析物濃度之間的相關性可以進一步為時間依賴性的。因此,在分析測量中,可以藉由進一步使用假設反應時間值而從顏色形成值判定分析物濃度。
舉例而言,相關性可以由一個或多個函數表示,其中分析物濃度可以藉由將假設反應時間值及顏色形成值***到函數中來判定。特定而言,假設反應時間值可以作為數值***。另外地或替代性地,不同的數學相關性函數可以用於不同的假設反應時間值。因此,對於假設反應時間值之第一時間範圍,第一數學相關性函數可用於從顏色形成值判定分析物濃度,並且對於假設反應時間值之第二時間範圍,可使用第二數學相關性函數。舉例而言,數學函數「
f」可用於「
介於 13 秒與 45 秒之間」的假設反應時間值,其中數學函數「
g」可用於「
介於 45 秒與 120 秒之間」的假設反應時間值。舉例而言,在假設反應時間值指示「
長於 120 秒」的情況下,甚至可中止分析測量,例如藉由在行動裝置的顯示器上顯示錯誤訊息。進一步地,特定而言,函數「
g」可為從藉由使用預定校正函數 (例如,應用校正值) 校正的函數「
f」可判定的。可以使用其他形式的函數來表示分析物濃度與顏色形成值之間的相關性,例如查找表或內插法。舉例而言,假設反應時間值可用於選擇函數,諸如「f」或「g」,以用於從顏色形成值判定分析物濃度,其中,然而,在計算分析物濃度本身時,即當使用及/或應用數學函數即「f」或「g」時,假設反應時間值可能不被使用或甚至可能為不相關的。
如本文所用,術語「評估合理性」為廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。具體而言,該術語可以指代但不限於定量及/或定性地判定元件及/或資料的可信度及/或概率的過程。舉例而言,可藉由使用元件及/或資料的一個或多個特徵參數及/或特性來評估合理性。此等一個或多個特徵參數及/或特性可以單獨地或根據預定組合與一種或多種條件進行比較。因此,舉例而言,可以藉由使用一個或多個特徵參數及/或期望特徵的特性來評估假設反應時間值的合理性,具體而言藉由使用顏色期望值範圍來評估,這將在下文進一步詳細描述。具體而言,對於假設反應時間值,可以將相應的顏色形成值與顏色期望值範圍進行比較,例如與一個或多個比較值、參考值或標準值比較,其中該比較可為定性或定量比較,並且可以產生諸如「合理的」或「非合理的」/「不合理的」二元結果。然而,另外地或替代性地,該比較可以產生定量結果,諸如指示可信度的數字。
如本文所使用,術語「顏色期望值範圍」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。具體而言,該術語可以指代但不限於顏色空間的連續及/或離散範圍,在該範圍內顏色期望及/或預測為用於預定義反應時間值的範圍,即用於預定義反應時間值範圍。因此,舉例而言,顏色期望值範圍可為包括比較值、參考值及/或標準值中之至少一者的顏色空間的一維、二維或三維區域中之一者或多者,用於預定義反應時間值範圍。因此,顏色期望值範圍可為或可包含連續區域及/或廊道,該區域及/或廊道包含至少一個期望顏色值。然而,另外地或替代性地,顏色期望值望範圍可為或可包含離散的期望顏色的集合體,例如包含離散的比較值、參考值及/或標準值。特定而言,顏色期望值範圍,具體而言二維或三維顏色期望值範圍,可具有任意形式及/或形狀。
具體而言,為了推導出顏色期望值範圍,可使用及時捕捉時間值及可容忍延遲捕捉時間值,以便設置及/或預定義反應時間值範圍,稍後,即在測量方法中,合理性評估可為基於該反應時間值範圍的。
如本文所使用,術語「判定至少一個顏色期望值範圍的判定方法,該顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性」,亦簡稱為「判定方法」,為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。具體而言,該術語可以指代但不限於如上所定義的判定顏色期望值範圍的方法,具體而言,該方法根據預定義反應時間值,即根據及時捕捉時間值及可容忍延遲捕捉時間值進行。特定而言,該術語可以指代一種方法,藉由該方法,即作為結果,判定及/或查明至少一個定義顏色形成值的期望範圍之範圍,特定而言對於及時捕捉時間值及可容忍延遲捕捉時間值,如將在下面進一步概述的。
如本文所用,術語「捕捉時間」為廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於在樣品施加 (諸如在該判定方法之步驟 b) 中的樣品施加) 與影像捕捉 (諸如在步驟 c) 中的影像捕捉) 之間已經過的時間的數字指示。具體而言,捕捉時間值可以特定於一個捕捉影像。特定而言,捕捉時間值可以指代在施加樣品與捕捉影像之間已經過的實際時間並且因此可能與分析測量中使用的假設反應時間值不同。
如本文所用,術語「及時捕捉時間」為廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於在被視為「準時」及「及時」的預定義時間範圍內的捕捉時間值。特定而言,滿足預定義準時性要求,即在預定義時間範圍內的全部捕捉時間值,可以稱為「及時捕捉時間值」。特定而言,及時捕捉時間值可為或可包括在預定義時間範圍內,諸如在先前設置的及/或預定義的時間範圍內的捕捉時間值。舉例而言,預定義時間範圍及/或預定義準時性要求可能取決於藉由光學測試條,即藉由光學測試條之試劑測試區中的化學物質進行的顏色變化檢測反應的特徵。因此,舉例而言,預定義時間範圍可為介於 5 秒與 300 秒之間。具體而言,預定義時間範圍可為介於 5 秒與 180 秒之間。更具體而言,預定義時間範圍可為介於 5 秒與 120 秒之間。更具體而言,預定義時間範圍可以在 10 秒與 60 秒之間。更具體而言,預定義時間範圍可以在 13 秒與 45 秒之間。用於將捕捉時間值定義為及時捕捉時間值的其他預定義時間範圍為可能的。
如本文所用,術語「延遲捕捉時間」為廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於包含預定義時間滯後,例如預定義延遲的捕捉時間值。特定而言,延遲捕捉時間值可以指代相對於被視為「準時」及/或「及時」的預定義時間範圍有所延遲的捕捉時間值。具體而言,全部大於預定義範圍上限的捕捉時間值,例如在增加時間的方向上超出預定義範圍的值可以稱為「延遲捕捉時間值」。特定而言,延遲捕捉時間值可以指代延遲 (具體而言預設的及/或已知的延遲) 與對於及時捕捉時間值的預定義範圍的上限及/或預定義準時性要求之總和的數字指示。因此,延遲捕捉時間值可不同於及時捕捉時間值,不同之處在於至少該延遲。舉例而言,在整個說明書中,延遲可稱為
d,其中
d可為或可包含正值或負值。
如本文所使用,術語「訓練集」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於具有已知及/或預定差異及/或相似性的多個元件。特定而言,訓練集可以用於訓練可訓練之模型,諸如可以基於另外之資訊 (例如,從該訓練集收集的) 進一步訓練及/或更新的模型。
具體而言,術語「光學測試條訓練集」可以指代但不限於如上所定義的多個光學測試條。特定而言,如步驟 a) 中所提供的光學測試條訓練集包含多個光學測試條,例如在結構及/或設計上相同的光學測試條。
如本文所使用,術語「體液樣品訓練集」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或定制化的含義。具體而言,該術語可以指代但不限於具有至少一種已知及/或預定分析物濃度 (例如在實驗室環境中判定) 的多個樣品。特定而言,體液樣品訓練集可包含如上所定義之多個體液樣品,其中對於該等多個樣品中之一者或多者,定量及/或定性分析測量結果值(諸如樣品中至少一種分析物的濃度)為已知的。具體而言,樣品訓練集中包含的樣品數量可以不同於光學測試條訓練集中的光學測試條的數量。然而,替代性地,樣品訓練集中的樣品數量可以等於光學測試條訓練集中的光學測試條的數量。
如本文中所使用的術語「行動裝置 (mobile device)」,係一廣義術語且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語可具體涉及,但不限於,行動電子裝置,更具體而言涉及行動通訊裝置,例如手機或智慧型手機。另外地或替代性地,行動裝置亦可以指代具有至少一個相機之平板電腦或另一類型之可攜式電腦。進一步地,如下文將概述的,行動裝置可以視情況包含其他元件,諸如一個或多個處理器。
如本文中所使用的術語「相機 (camera)」,係一廣義術語且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體地可涉及,但不限於,具有至少一種成像元件的裝置,該成像元件經組態用於記錄或捕捉空間分辨的一維、二維或甚至三維光學資料或資訊。舉例而言,相機可包含至少一個相機晶片,例如其經組態用於記錄影像的至少一種 CCD 晶片及/或至少一種 CMOS 晶片。如本文所使用,但不限於,術語「影像」具體地可涉及藉由使用相機所記錄的資料,例如來自成像裝置的複數個電子讀數,例如相機晶片的像素。
因此,具體而言,術語「影像訓練集」可以指代多個影像,即藉由使用相機 (例如如上所定義的相機) 記錄的多個影像資料。特定而言,影像訓練集可以指代多個影像,例如光學測試條訓練集的試劑測試區中之一者或多者的至少一部分的一疊數位影像。特定而言,影像訓練集包含第一影像訓練子集及第二影像訓練子集。舉例而言,影像訓練集可包含光學測試條訓練集的各試劑測試區的影像,其中,例如,一個或多個體液樣品可能已施加至試劑測試區,例如在捕捉影像之前。具體而言,影像訓練集可用於判定光學測試條訓練集的試劑測試區的顔色形成值訓練集,諸如針對光學測試條訓練集的多個顔色形成值。影像訓練集的影像中之一者或多者可為多於一個試劑測試區的影像。因此,舉例而言,影像訓練集的影像的數量可不同於光學測試條訓練集的光學測試條的數量。然而,影像訓練集的影像的數量與光學測試條訓練集的光學測試條的數量相等亦為可能的。具體而言,舉例而言,影像訓練集可例如包含光學測試條訓練集的各試劑測試區的單獨影像。
特定而言,影像訓練集的各影像可以在及時捕捉時間值及/或延遲捕捉時間值時捕捉。具體而言,第一影像訓練子集所包含的影像訓練集的影像為在及時捕捉時間值時捕捉的,其中對於第一影像訓練子集中的一個或多個影像,及時捕捉時間值可為不同的。具體而言,對於第一影像訓練子集的一個或多個影像,及時捕捉時間值可為已知的或甚至為預先設置的。進一步地,第二影像訓練子集所包含的影像訓練集的影像為在延遲捕捉時間值時捕捉的,其中對於第二影像訓練子集中的一個或多個影像,延遲捕捉時間值可為不同的。具體而言,對於第二影像訓練子集的一個或多個影像,延遲捕捉時間值可為已知的或甚至為預先設置的。因此,特定而言,可以將影像訓練集的各影像分配及/或關聯至至少一個及時捕捉時間值或延遲捕捉時間值。
除了至少一個相機晶片或成像晶片之外,該相機亦可包含另外的元件,例如一個或多個光學元件,例如,一個或多個透鏡。作為一示例,該相機可為固定焦點相機,其具有相對於該相機固定地調整之至少一個透鏡。然而,替代性地,相機亦可包含自動或手動調整之一個或多個可變透鏡。本發明應可具體適用於通常在行動應用中的相機,例如筆記型電腦、平板電腦,或具體而言如手機,例如智慧型手機。因此,具體而言,該相機可為行動裝置之部分,該行動裝置除該至少一個相機外亦包含一或多個資料處理裝置,例如一或多個資料處理器。然而,其他相機也是可行的。
相機具體可為彩色相機。因此,諸如對於各像素,可以提供或生成顏色資訊,諸如三種顏色 R、G、B 的顏色值,例如亦稱為顏色通道。更大數量的顏色值亦為可行的,諸如對於各像素的四個顏色值,例如 R、G、G、B。彩色相機通常為本領域技術人員已知的。因此,舉例而言,相機晶片可由三個或更多不同的色彩感測器複數組成,例如彩色記錄像素,其中一個像素用於紅色 (R),一個像素用於綠色 (G),一個像素用於藍色 (B)。對於每個像素,例如對於 R、G、B,依據相應色彩的強度藉由像素記錄數值,例如 0 至 255 範圍內的數位值。代替使用例如 R、G、B 之色彩三元組,舉例而言,可以使用例如 R、G、G、B 四元組。像素的色彩靈敏度可由濾色器或由相機像素中所使用的感測器元件的適當固有靈敏度生成,這些技術是技術人員一般已知的。
術語「處理器」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體地可涉及,但不限於,其經組態用於進行電腦或系統的基本操作的任意邏輯電路,及/或一般而言,涉及其經組態用於進行計算或邏輯操作的裝置。特定而言,處理器可以經組態用於處理驅動電腦或系統的基本指令。舉例而言,處理器可包含至少一種算術邏輯單元 (arithmetic logic unit,ALU)、至少一個浮點單元 (floating-point unit,FPU) (例如,算數協同處理器或數字協同處理器)、複數個記錄器 (特別是經組態用於提供運算元至 ALU 並儲存操作結果的記錄器)、及記憶體 (例如 L1 及 L2 快取記憶體)。特定而言,處理器可為多核處理器。具體而言,處理器可為或可包含中央處理單元 (central processing unit,CPU)。另外地或替代性地,處理器可為或可包含微處理器,因此,具體而言,處理器的元件可包含於一個單個積體電路 (integrated circuitry,IC) 晶片中。此外或可替代地,處理器可為或可包含一種或多種特殊應用積體電路 (application-specific integrated circuit,ASIC) 及/或一種或多種現場可程式化邏輯閘陣列 (field-programmable gate array,FPGA) 等。
處理器,具體而言可以在該判定方法之步驟 d) 中使用的處理器,可例如為單獨的處理器,諸如獨立的處理器或整合至電腦或電腦網路中的處理器,其獨立於行動裝置。然而,替代性地,處理器可以整合至在步驟 c) 中使用的行動裝置中以捕捉影像訓練集。因此,具體而言,處理器可為行動裝置的處理器。
該判定方法之步驟 e) 可包含推導出至少兩個顏色期望值範圍。具體而言,該等至少兩個顏色期望值範圍可為互補的,例如共享至少一個邊界。因此,舉例而言,該判定方法可經組態用於判定兩個互補顔色期望值範圍。
舉例而言,對於第一互補顔色期望值範圍,延遲,具體而言稱為
d
1 的第一延遲,可以特定而言不超過預定義接受閾值。具體而言,接受閾值在整個說明書中可稱為
d
a 。接受閾值
d
a 可以進一步低於期滿閾值
d
max 。因此,具體而言
d
1< d
a< d
max 。進一步地,對於第二互補顔色期望值範圍,延遲,具體而言稱為
d
2 的第二延遲,可以等於
d
a 或者可以介於接受閾值
d
a 與期滿閾值
d
max 之間。因此,具體而言
d
a ≤ d
2 ≤ d
max 。
因此,該判定方法之步驟 e) 可包含推導至少兩個互補顔色期望值範圍,其中第一顏色期望值範圍可為或者可包含對於假設反應時間值範圍所期望的顏色,具體而言顏色形成值,該假設反應時間值範圍包含與實際及/或真實反應時間值相差小於該接受閾值
d
a ,具體而言相差小於可接受之延遲的假設反應時間值。特定而言,第一顏色期望值範圍可為或者可包含從在及時捕捉時間值及延遲捕捉時間值時捕捉的影像中推導出及/或判定的顏色,具體而言顏色形成值,其中延遲捕捉時間值之延遲小於可接受之延遲。進一步地,第二顏色期望值範圍,例如在步驟 e) 中推導出的,可為或可包含對於假設反應時間值範圍所期望的顏色,特定而言顏色形成值,該假設反應時間值範圍包含與實際及/或真實反應時間值相差至少該接受閾值
d
a ,具體而言相差至少該可接受之延遲,但相差不多於該期滿閾值
d
max ,具體而言相差不多於期滿延遲的假設反應時間值。特定而言,第二顏色期望值範圍可為或可包含從在延遲捕捉時間值時捕捉的影像中推導出及/或判定的顏色,具體而言顏色形成值,其中延遲捕捉時間值之延遲大於或等於可接受之延遲且低於或等於期滿延遲。換言之,第一顏色期望值範圍可包含對於與實際及/或真實反應時間相差小於可接受之延遲的假設反應時間所期望的顏色形成值,其中第二顏色期望值範圍可包含對於與實際及/或真實反應時間相差至少可接受之延遲但不多於期滿延遲的假設反應時間所期望的顏色形成值。
步驟 d) 可進一步包含用捕捉時間值的資訊,即用及時捕捉時間值或延遲捕捉時間值來標記顏色形成值訓練集的顏色形成值。具體而言,可以在步驟 e) 中考慮進行該標記。特定而言,捕捉時間值的資訊可包含影像為在及時捕捉時間值時亦或在延遲捕捉時間值時拍攝的資訊,其中對於延遲捕捉時間值,可包含進一步的資訊,具體而言延遲是否低於或高於該至少一個預定義期滿閾值且視情況低於或高於接受閾值。
在步驟 e) 中,顏色期望值範圍可包含至少 80% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。具體而言,在步驟 e) 中,顏色期望值範圍可包含至少 85% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。更具體而言,在步驟 e) 中,顏色期望值範圍可包含至少 90% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。更具體而言,在步驟 e) 中,顏色期望值範圍可包含至少 95% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。更具體而言,在步驟 e) 中,顏色期望值範圍可包含至少 97% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。更具體而言,在步驟 e) 中,顏色期望值範圍可包含至少 99% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值。
舉例而言,顏色期望值範圍可為或可包含至少一個多邊形。具體而言,顏色期望值範圍可為或可包含二維多邊形,其邊緣可以對應於二維顏色空間中 (諸如至少兩種顏色的顏色平面中) 的顏色形成值。另外地或替代性地,顏色期望值範圍可為或可包含三維多面體,其邊緣可對應於三維顏色空間中的顏色形成值。再另外地或替代性地,代替對應於顏色形成值之邊緣,該等邊緣可與該等顏色形成值間隔,使得至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的該等顏色形成值可由該多邊形及/或多面體所涵蓋,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集之該等光學測試條之該試劑測試區的該顏色形成的顏色形成值。
特定而言,步驟 e) 中之推導可包含判定包含至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的該等顏色形成值的包絡,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集之該等光學測試條之該試劑測試區的該顏色形成的顏色形成值,並藉由預定安全性係數進一步擴展該包絡。
如本文所使用,術語「包絡」為一個廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。具體而言,該術語可以指代但不限於涵蓋及/或覆蓋至少一組資料的元件及/或實體。特定而言,該包絡可涵蓋 (即,在至少一個顏色平面及/或顏色空間中) 至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的該等顏色形成值,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集之該等光學測試條之該試劑測試區的該顏色形成的顏色形成值,其中該包絡可數學地及/或圖形地判定。
特定而言,步驟 e) 可包含,具體而言在後續步驟中,藉由預定安全係數來擴展該包絡。具體而言,安全係數可為預定的及/或預設的,諸如考慮該包絡之尺寸及/或體積的安全係數。舉例而言,安全係數可為或可包含依賴於包絡的函數,即依賴於包絡之尺寸及/或體積。舉例而言,可以擴展該包絡,使得擴展的包絡之尺寸及/或體積可以以至少 1.1,具體而言至少 1.2,更具體而言至少 1.5 的係數超過該包絡之尺寸及/或體積。舉例而言,可以擴展該包絡,使得 99% 或甚至 100% 的從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像中判定的顏色形成值被涵蓋。另外地或替代性地,安全係數可以考慮顏色形成值分佈之偏差,諸如針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像中判定的試劑測試區的顏色形成的顏色形成值之標準偏差 σ。因此,舉例而言,可以以一係數擴展該包絡以覆蓋至少 4σ、較佳至少 5σ、更佳至少 6σ 的範圍。
具體而言,擴展可為等度分佈的擴展,諸如包絡的均勻及/或一致的擴展。舉例而言,在顏色形成值在包絡內等度分佈的情況下,可進行包絡的均勻擴展。然而,不均勻分佈的擴展亦為可能的。具體而言,包絡可以不均一地及/或不均勻地擴展,即基於且/或依賴於包絡內顏色形成值之加權分佈。
具體而言,步驟 e) 可包含使用至少一種機器學習演算法,具體而言藉由使用顏色形成值訓練集來訓練可訓練之模型。如本文中所使用的術語「機器學習演算法」為一廣義術語且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣含義,且不應限於特殊或定制化含義。具體而言,該術語可以指代但不限於可藉由使用訓練資料記錄 (諸如包含訓練輸入資料及相對應的訓練輸出資料) 來訓練的數學模型。特定而言,訓練資料記錄的訓練輸出資料可為在對機器學習演算法給予相同訓練資料記錄的訓練輸入資料作為輸入時所期望產生的結果。舉例而言,可以藉由「損失函數」觀察並評定該期望結果與由該演算法所產生的實際結果之間的偏差。該損失函數可用作反饋以用於調整機器學習演算法的內部處理鏈之參數。機器學習演算法可包含決策樹、樸素貝氏分類 (naive bayes classification)、最近鄰、類神經網路、卷積類神經網路、生成對抗網路、支持向量機、線性迴歸、邏輯式迴歸、隨機森林及/或梯度推進演算法。舉例而言,機器學習演算法可藉由使用顏色形成值訓練集作為輸入資料以及及時捕捉時間值及/或延遲捕捉時間值的相應資訊作為輸出資料來進行訓練。具體而言,輸出資料可為或可包含是否從在及時捕捉時間值及可容忍延遲捕捉時間值時或在過期捕捉時間 (即,晚於用於安全地判定分析物濃度的可容忍時間) 時捕捉的影像中判定針對光學測試條訓練集的光學測試條之試劑測試區的顏色形成的相應顏色形成值的資訊。具體而言,機器學習演算法可為或可包含可訓練之顏色期望值範圍模型,即描述顏色期望值範圍的形狀及/或形式,其中用於調整模型內部處理鏈之參數的反饋可具體而言基於以下定量或定性判定:對應於及時捕捉時間值及/或可容忍延遲捕捉時間值的顏色形成值 (即,針對可接受之捕捉時間值的顏色形成值) 是否在該顏色期望值範圍內。其他形式的反饋亦為可能的。
具體而言,在步驟 d) 中,可針對至少兩個顏色通道來判定顏色形成值,諸如針對至少兩個選自由以下所組成之群組的顏色通道:綠色通道 (G)、藍色通道 (B) 及紅色通道 (R)。特定而言,在步驟 e) 中,可以針對在步驟 d) 中針對其判定顏色形成值的至少兩個顏色通道推導出顏色期望值範圍。
進一步地,該方法可包含步驟 f):將光學測試條訓練集的至少一個光學測試條附接至顏色參考卡,該顏色參考卡包含具有已知參考顏色值的多個顏色參考場。特定而言,步驟 f) 可在步驟 c) 之前進行。此外,在步驟 c) 中捕捉的影像集的至少一個影像可進一步顯示顏色參考卡的至少部分,具體而言顏色參考場中之一者或多者。如本文所使用,術語「顏色參考卡」為一廣義術語,且對於所屬技術領域中具有通常知識者而言應給予其普通及習慣上的含義,而不限於特殊或客製化的含義。該術語具體地可涉及,但不限於具有、設置在其中或設置在其上 (例如在至少一個表面上) 的具有已知色彩特性或光學特性的多個顏色參考場的任意項目,例如具有含已知參考色彩值的多個色場 (colored field)。此外,顏色參考卡可包含多個具有已知灰階的灰色參考場。舉例而言,顏色參考卡可為包含至少一種基板的平面卡,該基板在至少一個表面上及/或佈置於其中具有含已知色值的多個顏色參考場及具有已知灰階的多個灰色參考場。具體而言,基板可具有平坦表面,其具有設置於其上的顏色參考場及灰色參考場。舉例而言,基板可為或可包含紙基板、紙板基板、塑料基板、陶瓷基板或金屬基板中的一種或多種。亦可能為積層基板。舉例而言,基板可為片狀或可撓性的。應注意的是,然而,受質亦可被實施於可使用的物品,例如盒體的壁、小瓶、容器、醫療消耗品等,醫療消耗品例如為測試條或其類似物等。顏色參考卡亦可完全或部分地集成至光學測試條中。光學測試條之試劑測試區域之至少一部分的至少一個影像可全部或部分地包含顏色參考卡之至少一部分的影像。
在本發明之另一態樣中,揭示一種藉由使用具有相機及處理器的行動裝置進行基於顏色形成反應之分析測量的測量方法。該測量方法包含以下步驟,舉例而言,此等步驟可依給定次序進行。然而,應注意的是,亦可能為不同的順序。此外,亦可能一次地或重複地進行一個或多個方法步驟。進一步地,亦可能同時或以適時重疊方式進行兩個或多個方法步驟。該測量方法可包含未列出的其他方法步驟。
該測量方法包含:
i) 提供具有至少一個試劑測試區的至少一個光學測試條;
ii) 將體液樣品施加至該光學測試條之試劑測試區;
iii) 藉由使用該相機捕捉已施加體液的試劑測試區之至少一部分的至少一個影像;
iv) 判定假設反應時間值,該假設反應時間值對應於在步驟 ii) 中施加樣品的假設時間與在步驟 iii) 中捕捉影像之間所經過的時間;
v) 具體而言,藉由使用處理器,藉由使用該影像判定針對該試劑測試區的顏色形成的至少一個顏色通道之顏色形成值;
vi) 對於該至少一個顏色通道,將該顏色形成值與藉由進行如前述請求項中任一項之判定方法所判定的至少一個顏色期望值範圍進行比較;
vii) 若顏色形成值在該至少一種顏色期望值範圍之外,則認為該假設反應時間值不合理並中止該測量方法;且
viii) 若顏色形成值在該顏色期望值範圍之內,則認為該假設反應時間值為合理的並藉由使用該顏色形成值及視情況選用的假設反應時間值來判定體液樣品中分析物的濃度。
對於該測量方法的定義,可以參考上文所述的該判定方法的描述或如將在下文中所進一步詳細描述的。具體而言,為了進行該測量方法,可以使用與上文所概述的判定方法中相同類型的光學測試條。因此,舉例而言,該測量方法之步驟 i) 中提供的光學測試條可以為與如上所述或將在下面更詳細描述的判定方法之步驟 a) 中提供的光學測試條訓練集的多個光學測試條相同或至少相似的類型。然而,體液樣品可為來自使用者的體液樣品,其分析物濃度將被判定並且因此之前可能是未知的。
特定而言,在步驟 vii) 中,假設反應時間值可能與實際捕捉時間值的差異多於可接受之差異。因此,在步驟 viii) 中,假設反應時間值可能與實際捕捉時間值的差異多於可接受之差異。
步驟 vi) 可包含將顏色形成值與至少一個第一顏色期望值範圍且與藉由進行如本文所述之判定方法判定的至少一個第二顏色期望值範圍進行比較。具體而言,在步驟 vii) 中,若顏色形成值在第一顏色期望值範圍及第二顏色期望值範圍之外,則可以認為該假設捕捉時間不合理並且可中止該測量方法。此外,在步驟 viii) 中,針對在至少一個第一顏色期望值範圍內及在至少一個第二顏色期望值範圍內的顏色形成值,可以使用不同的演算法從該等顏色形成值判定分析物的濃度。
特定而言,步驟 viii) 中的測量方法可包含:
若該顏色形成值在第二顏色期望值範圍內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及該假設反應時間值來判定分析物的濃度;且
若該顏色形成值在第二顏色期望值範圍內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及第二顏色期望值範圍的添加至該假設反應時間值的預設延遲來判定該分析物的該濃度。
測量方法可進一步包含強度檢查,諸如檢查顏色形成值之強度是否高於或低於至少一個強度閾值的步驟。特定而言,若顏色形成值在預定義強度範圍之外,例如低於較低強度閾值或高於較高強度閾值,則可以中止該測量方法。
該測量方法可進一步包含步驟 ix):藉由使用該相機捕捉無施加體液的試劑測試區之至少一部分的至少一個影像。特定而言,步驟 ix) 可在步驟 ii) 之前進行。因此,舉例而言,該測量方法可包含捕捉至少一個第二影像,具體而言無施加體液樣品的試劑測試區的空白影像。
進一步地,該測量方法可包含步驟 x):將光學測試條附接至顏色參考卡,該顏色參考卡包含具有已知參考顏色值的多個顏色參考場。具體而言,顏色參考卡可為與如上所述之判定方法中視情況使用的顏色參考卡相同的類型。特定而言,步驟 x) 可在該測量方法之步驟 iii) 之前進行,並且視情況可在步驟 ii) 之前進行,其中具體而言,在步驟 iii) 中捕捉的影像可進一步顯示顏色參考卡的至少部分,具體而言一個或多個顏色參考場。
步驟 ii) 中的施加可進一步包括具體而言由使用者確認體液樣品被施加或已施加至光學測試條的試劑測試區。因此,舉例而言,步驟 ii) 的施加可為或可包含使用者確認體液樣品已施加,即藉由按下按鈕及/或其他形式的確認,例如藉由與行動裝置交互。具體而言,該測量方法之步驟 ii) 可包含提示使用者進行以下動作中之一者或多者:將體液樣品施加至光學試條的試劑測試區,及確認將體液樣品施加至光學測試條的試劑測試區。特定而言,當進行步驟 ii) 時,可提示使用者施加體液樣品及/或可提示使用者確認樣品施加,例如藉由在行動裝置之顯示器上提供相對應的指令及/或作為語音指令。
在本發明之另一態樣中,揭示一種用於判定至少一個顏色期望值範圍之判定系統,該顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性,該系統包含:
A) 至少一個行動裝置,其具有至少一個相機;
B) 光學測試條訓練集,各光學測試條具有試劑測試區;
C) 體液樣品訓練集,其包含多個體液樣品;及
D) 至少一個處理器,該處理器經組態用於:
擷取影像訓練集,該影像訓練集包含以該相機在及時捕捉時間值時捕捉的光學測試條訓練集之試劑測試區中之至少一些之至少一部分的影像,具體而言上述判定方法之步驟 c) 中捕捉的第一影像訓練子集,該等光學測試條上已施加體液樣品,該捕捉時間值係指在施加該樣品與捕捉該影像之間經過的時間,該影像訓練集進一步包含以該相機在延遲捕捉時間值時捕捉的光學測試條訓練集之等試劑測試區中之至少一些之至少一部分的影像,具體而言上述判定方法之步驟 c) 中捕捉的第二影像訓練子集,該等光學測試條上已施加體液樣品;
從該影像訓練集的影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該至少一個顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之光學測試條訓練集之光學測試條之試劑測試區的顏色形成;及
從該顏色形成值訓練集推導出用於至少一個顏色通道的至少一個顏色期望值範圍,該顏色期望值範圍定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於可容忍延遲捕捉時間值,延遲
d不超過至少一個預定義期滿閾值
d
max 。
特定而言,延遲
d可小於或等於期滿閾值
d
max 。因此,舉例而言,
d ≤ d
max 。替代性地,延遲
d可小於期滿閾值
d
max 。因此,作為替代方案,
d < d
max 。
該判定系統之處理器可例如為單獨的處理器,諸如獨立的處理器或整合至電腦或電腦網路中的處理器,其獨立於該至少一個行動裝置。然而,替代性地,處理器可以整合到行動裝置中。
該判定系統可進一步包含:
E) 至少一個顏色參考卡,其經組態為具有可釋放地附接於其上的光學測試條,該顏色參考卡包含具有已知參考顏色值的多個顏色參考場,其中該影像訓練集的該等影像進一步顯示該顏色參考卡中之至少部分,具體而言該等顏色參考場中之一個或多個。
對於該判定系統的大多數定義,可以參考上文所述的該判定方法的描述或如將在下文中所進一步詳細描述的。特定而言,該判定系統可經組態用於進行如本文所述的判定方法。特定而言,該判定系統可經組態用於進行如本文所述的判定方法中的至少步驟 d) 及步驟 e)。
本文進一步揭示並提出包含指令的電腦程式,該等指令在由判定系統 (具體而言由如本文所述的判定系統) 執行該程式時,使該判定系統完成亦如本文所述的判定方法中的至少步驟 d) 及步驟 e)。因此,具體而言,該電腦程式可包含電腦可執行指令,用於當在判定系統上,即在判定系統之例如整合到電腦或電腦網路中的至少一個處理器上執行該等指令時,進行本文所涵蓋之一個或多個實施例中之根據本發明的判定方法。具體而言,電腦程式可儲存在電腦可讀取數據載體上及/或電腦可讀取儲存媒體上。
因此,本文進一步揭示並提出包含指令的電腦可讀存儲媒體,該等指令在由判定系統 (具體而言由如本文所述的判定系統) 執行時,使該判定系統完成亦如本文所述的判定方法中的至少步驟 d) 及步驟 e)。
如本文所使用,術語「電腦可讀取儲存載體 (computer-readable data carrier)」及「電腦可讀取儲存媒體 (computer-readable storage medium)」可具體涉及非暫態數據儲存手段,諸如在其上儲存電腦可執行指令的硬體儲存媒體。該電腦可讀取資料載體或儲存媒體具體可以是或可以包含例如隨機存取記憶體 (RAM) 及/或唯讀記憶體 (ROM) 等的儲存媒體。
本文進一步揭示且提出一種具有程式代碼構件的電腦程式產品,以便當在判定系統上,即在判定系統之例如整合到電腦或電腦網路中的至少一個處理器上執行該程式時,進行本文所涵蓋之一個或多個實施例中之根據本發明的判定方法。具體而言,程式代碼構件可存儲在電腦可讀資料載體上及/或電腦可讀存儲媒體上。
本文進一步揭示且提出一種具有存儲於其上之資料結構的資料載體,該資料載體在加載至電腦或電腦網路,諸如電腦或電腦網路之工作記憶體或主記憶體之後,可執行根據本文揭示之一個或多個實施例的判定方法。
本文進一步揭示且提出一種具有存儲於機器可讀載體上之程式代碼構件的電腦程式產品,以便當在電腦或電腦網路上執行該程式時,進行根據本文揭示之一個或多個實施例的判定方法。如本文中所使用,電腦程式產品係指作為貿易產品的程式。產品通常可以任意格式呈現,例如論文格式,或在電腦可讀取資料載體上及/或在電腦可讀取儲存媒體上呈現。具體而言,電腦程式產品可散佈於資料網路上。
此外,本發明揭示且提出一種調變資料訊號,其含有電腦系統或電腦網路可讀之指令,用於進行根據本文揭示之一個或多個實施例的判定方法。
在本發明的另一態樣中,揭示一種具有至少一個相機及至少一個處理器的行動裝置。該行動裝置經組態用於進行如本文所述的測量方法中的至少步驟 iv) 至步驟 viii)。因此,關於術語的定義,參考上文,具體而言關於測量方法的描述,如本文所述。
本文進一步揭示且提出一種包含指令的電腦程式,該等指令在由具有相機及處理器的行動裝置,具體而言由如本文所述的行動裝置執行該程式時,使行動裝置完成該測量方法中的至少步驟 iv) 至步驟 viii)。因此,具體而言,該電腦程式可包含電腦可執行指令,用於當在行動裝置之處理器上執行該等指令時,進行本文所涵蓋之一個或多個實施例中之根據本發明的測量方法。具體而言,電腦程式可儲存在電腦可讀取數據載體上及/或電腦可讀取儲存媒體上。
因此,本文進一步揭示並提出一種包含指令的電腦可讀存儲媒體,該等指令在由具有相機及處理器的行動裝置,具體而言由本文所述的行動裝置執行時,使該行動裝置完成亦如本文所述的測量方法中的至少步驟 iv) 至步驟 viii)。
本文進一步揭示且提出一種具有程式代碼構件的電腦程式產品,以便當在行動裝置上,即在行動裝置之例如整合到電腦或電腦網路中的至少一個處理器上執行該程式時,進行本文所涵蓋之一個或多個實施例中之根據本發明的測量方法。具體而言,程式代碼構件可存儲在電腦可讀資料載體上及/或電腦可讀存儲媒體上。
本文進一步揭示且提出一種具有存儲於其上之資料結構的資料載體,該資料載體在加載至電腦或電腦網路,諸如電腦或電腦網路之工作記憶體或主記憶體之後,可執行根據本文揭示之一個或多個實施例的測量方法。
本文進一步揭示且提出一種具有存儲於機器可讀載體上之程式代碼構件的電腦程式產品,以便當在電腦或電腦網路上執行該程式時,進行根據本文揭示之一個或多個實施例的測量方法。如本文中所使用,電腦程式產品係指作為貿易產品的程式。產品通常可以任意格式呈現,例如論文格式,或在電腦可讀取資料載體上及/或在電腦可讀取儲存媒體上呈現。具體而言,電腦程式產品可散佈於資料網路上。
此外,本發明揭示且提出一種調變資料訊號,其含有電腦系統或電腦網路可讀之指令,用於進行根據本文揭示之一個或多個實施例的測量方法。
在本發明之另一態樣中,揭示一種用於判定體液樣品,具體而言使用者之體液樣品中至少一種分析物的濃度之套組。該套組包含如上所述的行動裝置,具體而言,該行動裝置經組態用於進行如本文所述的測量方法中的至少步驟 iv) 至步驟 viii)。該套組進一步包含具有至少一個試劑測試區的至少一個光學測試條。
根據本發明的方法及裝置提供大量超越類似的已知方法及裝置的優點。具體而言,與本技術領域中已知的方法及裝置相比,如本文所述的方法及裝置可增加測量安全性。特定而言,例如,由於顏色形成值必須在顏色期望值範圍內,特定而言當進行該測量方法時,故為了判定分析物的濃度,可藉由提供有效的故障安全機制來增加測量安全性。因此,具體而言,所提供的方法及裝置可以增加測量安全性,因為並非全部及任何測量的顏色值皆經轉換成分析物濃度,例如轉換成血糖值。相反,本發明之方法及裝置可允許檢測樣品施加時間的不正確的使用者資訊。
此外,與已知方法及裝置相比,所提出的方法及裝置可改進測量安全性及準確性。具體而言,該等方法可包含,若合理性評估可能無法履行,則阻止判定體液中分析物的濃度。因此,錯誤的及/或偏倚的分析測量可能變得更不可能。
此外,所提出的方法及裝置可允許增加使用者處理及/或改進分析測量的使用者友好性,即允許藉由僅捕捉一個影像而非捕捉至少兩個影像來進行安全的分析測量。具體而言,與已知的方法及裝置相比,進行分析測量所需的總時間可減少。
以下摘要說明且不排除更多可能的實施例,可設想以下實施例:
實施例 1: 一種判定至少一個顏色期望值範圍之判定方法,該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性,該方法包含:
a) 提供光學測試條訓練集,各光學測試條具有試劑測試區;
b) 提供體液樣品訓練集,並將體液樣品中之至少一個施加至該光學測試條訓練集的各光學測試條的試劑測試區;
c) 藉由具有至少一個相機的至少一個行動裝置捕捉影像訓練集,該影像訓練集包含
第一影像訓練子集,該第一影像訓練子集包含在及時捕捉時間值時捕捉的該光學測試條訓練集的試劑測試區中之至少一些的至少一部分的影像,該等光學測試條上已施加體液樣品,該捕捉時間值係指在步驟 b) 中施加樣品與捕捉影像之間經過的時間;
至少一個第二影像訓練子集,該至少一個第二影像訓練子集包含在延遲捕捉時間值時捕捉的該光學測試條訓練集的試劑測試區中之至少一些的至少一部分的影像,該等光學測試條上已施加體液樣品;
d) 具體而言,藉由使用至少一個處理器,更具體而言,該行動裝置的處理器,從該影像訓練集的影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之該光學測試條訓練集的光學測試條的試劑測試區的顏色形成;及
e) 從該顏色形成值訓練集推導出用於至少一個顏色通道的至少一個顏色期望值範圍,該顏色期望值範圍定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於可容忍延遲捕捉時間值,延遲
d不超過至少一個預定義期滿閾值
d
max 。
實施例 2: 根據前述實施例之判定方法,其中步驟 e) 包含推導出至少兩個互補顏色期望值範圍。
實施例 3: 根據前述實施例之判定方法,其中對於第一互補顏色期望值範圍,延遲
d
1 不超過低於該期滿閾值
d
max 的預定義接受閾值
d
a ,具體而言
d
1< d
a< d
max ,並且對於第二互補顏色期望值範圍,延遲
d
2 等於
d
a 或介於該接受閾值
d
a 與該期滿閾值 d
max之間,具體而言
d
a ≤ d
2 ≤ d
max 。
實施例 4: 根據前述實施例中任一項之判定方法,其中步驟 d) 進一步包含用捕捉時間值的資訊,即用及時捕捉時間值或延遲捕捉時間值標記顏色形成值訓練集的顏色形成值,其中具體而言在步驟 e) 中考慮進行該標記,具體而言該捕捉時間值的資訊可包含影像在及時捕捉時間值時亦或在延遲捕捉時間值時拍攝的資訊,其中對於延遲捕捉時間值,包含該延遲是否低於或高於該至少一個預定義期滿閾值且視情況低於或高於該接收閾值的進一步資訊。
實施例 5: 根據前述實施例中任一項之判定方法,其中在步驟 e) 中,該顏色期望值範圍包含至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的顏色形成值,該等顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的光學測試條訓練集之光學測試條之試劑測試區的顏色形成的顏色形成值。
實施例 6: 根據前述實施例中任一項之判定方法,其中步驟 e) 中之推導包含判定包含至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的該等顏色形成值的包絡,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集之該等光學測試條之該試劑測試區的該顏色形成的顏色形成值,並藉由預定安全性係數進一步擴展該包絡。
實施例 7: 根據前述實施例中任一項之判定方法,其中步驟 e) 包含使用至少一種機器學習演算法,具體而言藉由使用顏色形成值訓練集來訓練可訓練之模型。
實施例 8: 根據前述實施例中任一項之判定方法,其中在步驟 d) 中,顏色形成值為針對至少兩個顏色通道判定,具體而言針對選自由以下所組成之群組的至少兩個顏色通道:綠色通道、藍色通道及紅色通道。
實施例 9: 根據前述實施例中任一項之判定方法,其中在步驟 e) 中,針對在步驟 d) 中針對其判定顏色形成值的至少兩個顏色通道推導出顏色期望值範圍。
實施例 10: 根據前述實施例中任一項之判定方法,其中該方法進一步包含步驟 f):將光學測試條訓練集的至少一個光學測試條附接至顏色參考卡,該顏色參考卡包括具有已知參考顏色值的多個顏色參考場,其中步驟 f) 在步驟 c) 之前進行,其中在步驟 c) 中捕捉的影像訓練集之至少一個影像進一步顯示該等顏色參考卡的至少部分,具體而言,該等顏色參考場中之一者或多者。
實施例 11: 一種藉由使用具有相機及處理器的行動裝置進行基於顏色形成反應之分析測量的測量方法,該方法包含:
i) 提供具有至少一個試劑測試區的至少一個光學測試條;
ii) 將體液樣品施加至該光學測試條之試劑測試區;
iii) 藉由使用該相機捕捉已施加體液的試劑測試區之至少一部分的至少一個影像;
iv) 判定假設反應時間值,該假設反應時間值對應於在步驟 ii) 中施加樣品的假設時間與在步驟 iii) 中捕捉影像之間所經過的時間;
v) 具體而言,藉由使用處理器,藉由使用該影像判定針對該試劑測試區的顏色形成的至少一個顏色通道之顏色形成值;
vi) 對於該至少一個顏色通道,將該顏色形成值與藉由進行根據前述實施例中任一項之判定方法所判定的至少一個顏色期望值範圍進行比較;
vii) 若顏色形成值在該至少一種顏色期望值範圍之外,則認為該假設反應時間值不合理並中止該測量方法;且
viii) 若顏色形成值在該顏色期望值範圍之內,則認為該假設反應時間值為合理的並藉由使用該顏色形成值及視情況選用的假設反應時間值來判定體液樣品中分析物的濃度。
實施例 12: 根據前述實施例之測量方法,其中步驟 vi) 包含將該顏色形成值與藉由進行根據實施例 2 至 10 中任一項之判定方法所判定的至少一個第一顏色期望值範圍及至少一個第二顏色期望值範圍進行比較,且其中在步驟 vii) 中,若該顏色形成值在第一顏色期望值範圍及第二顏色期望值範圍二者之外,則認為假設捕捉時間不合理並中止該測量方法,其中在步驟 viii) 中,對於在該至少一個第一顏色期望值範圍及在該至少一個第二顏色期望值範圍內的顏色形成值,使用不同的演算法從該顏色形成值判定該分析物的該濃度。
實施例 13: 根據前述實施例之測量方法,其中在步驟 viii) 中:
若該顏色形成值在第二顏色期望值範圍內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及該假設反應時間值來判定分析物的濃度;且
若該顏色形成值在第二顏色期望值範圍內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及第二顏色期望值範圍的添加至該假設反應時間值的預定義延遲來判定分析物的濃度。
實施例 14: 根據前兩項實施例中任一項之測量方法,其中該方法進一步包含步驟 ix):藉由使用該相機捕捉無施加體液之試劑測試區之至少一部分的至少一個影像,其中步驟 ix) 在步驟 ii) 之前進行。
實施例 15: 根據前兩項實施例中任一項之測量方法,其中該方法進一步包含步驟 x):將該光學測試條附接至顏色參考卡,該顏色參考卡包含具有已知參考顏色值的多個顏色參考場,其中步驟 x) 在步驟 iii) 之前且視情況在步驟 ii) 之前進行,且其中在步驟 iii) 中捕捉的影像進一步顯示該顏色參考卡中之至少部分,具體而言該等顏色參考場中之一者或多者。
實施例 16: 根據前五項實施例中任一項之測量方法,其中步驟 ii) 包含提示使用者進行以下動作中之一者或多者:將體液樣品施加至光學試條的試劑測試區,及確認將體液樣品施加至光學測試條的試劑測試區。
實施例 17: 一種用於判定至少一個顏色期望值範圍之判定系統,該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中所使用之假設反應時間值的合理性,該判定系統包含:
A) 至少一個行動裝置,其具有至少一個相機;
B) 光學測試條訓練集,各光學測試條具有試劑測試區;
C) 體液樣品訓練集,其包含多個體液樣品;
D) 至少一個處理器,該處理器經組態用於:
擷取影像訓練集,該影像訓練集包含以該相機在及時捕捉時間值時捕捉的光學測試條訓練集之試劑測試區中之至少一些之至少一部分的影像,具體而言根據前述實施例中提及判定方法之任一項之判定方法之步驟 c) 中捕捉的第一影像訓練子集,該等光學測試條上已施加體液樣品,該捕捉時間值係指在施加該樣品與捕捉該影像之間經過的時間,該影像訓練集進一步包含以該相機在延遲捕捉時間值時捕捉的光學測試條訓練集之等試劑測試區中之至少一些之至少一部分的影像,具體而言該判定方法之步驟 c) 中捕捉的第二影像訓練子集,該等光學測試條上已施加體液樣品;
從該影像訓練集的影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該至少一個顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之光學測試條訓練集之光學測試條之試劑測試區的顏色形成;及
從該顏色形成值訓練集推導出用於至少一個顏色通道的至少一個顏色期望值範圍,該顏色期望值範圍定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於可容忍延遲捕捉時間值,延遲
d不超過至少一個預定義期滿閾值
d
max 。
實施例 18: 根據前述實施例之判定系統,其中該判定系統進一步包含:
E) 至少一個顏色參考卡,其經組態為具有可釋放地附接於其上的光學測試條,該顏色參考卡包含具有已知參考顏色值的多個顏色參考場,其中該影像訓練集的該等影像進一步顯示該顏色參考卡中之至少部分,具體而言該等顏色參考場中之一個或多個。
實施例 19: 根據前兩項實施例中任一項之判定系統,其中該判定系統經組態用於進行根據前述實施例中提及判定方法之任一項之判定方法中的至少步驟 d) 及步驟 e)。
實施例 20: 一種包含指令的電腦程式,該等指令在由判定系統,具體而言由根據前述實施例中提及判定系統之任一項之判定系統執行該程式時,使該判定系統完成根據前述實施例中提及判定方法之任一項之判定方法中的至少步驟 d) 及步驟 e)。
實施例 21: 一種包含指令的電腦可讀存儲媒體,該等指令在由判定系統,具體而言由根據前述實施例中提及判定系統之任一項之系統執行時,使該判定系統完成根據前述實施例中提及判定方法之任一項之判定方法中的至少步驟 d) 及步驟 e)。
實施例 22: 一種具有至少一個相機及至少一個處理器之行動裝置,該行動裝置經組態用於進行根據前述實施例中提及測量方法之任一項之測量方法中的至少步驟 iv) 至步驟 viii)。
實施例 23: 一種包含指令的電腦程式,該等指令在由具有相機及處理器之行動裝置,具體而言由根據前述實施例之行動裝置執行該程式時,使該行動裝置完成根據前述實施例中提及測量方法之任一項之方法中的至少步驟 iv) 至步驟 viii)。
實施例 24: 一種包含指令的電腦可讀存儲媒體,該等指令在由具有相機及處理器之行動裝置,具體而言由根據前述實施例中提及行動裝置之任一項之行動裝置執行時,使該行動裝置完成根據前述實施例中提及測量方法之任一項之測量方法中的至少步驟 iv) 至步驟 viii)。
實施例 25: 一種用於判定體液樣品中至少一種分析物濃度之套組,該套組包含根據實施例 21 之行動裝置,該套組進一步包含具有至少一個試劑測試區的至少一個光學測試條。
在圖 1 中,示出判定系統 110 的實施例。判定系統 110 包含具有至少一個相機 114
的至少一個行動裝置 112。進一步地,判定系統 110 包含光學測試條訓練集 116。光學測試條訓練集 116 包括多個光學測試條 118,各光學測試條 118 具有試劑測試區 120。進一步地,判定系統 110 包含體液樣品訓練集 122,其包含多個體液樣品 124。特定而言,對於體液樣品 124 及體液樣品訓練集 122 中之各者,分析物濃度,例如葡萄糖濃度,可為已知的。此外,判定系統 110 包含至少一個處理器 126。判定系統 110 之處理器 126 可例如為單獨的處理器 126。然而,替代性地,且如圖 1 所示,處理器 126 可整合至行動裝置 112 中,使得處理器 126 可為行動裝置 112 之處理器 126。
在判定系統 110 中,處理器 126 經組態用於擷取影像訓練集,該影像訓練集包含用行動裝置 112 之相機 114 捕捉的影像。特定而言,影像訓練集包含第一影像訓練子集及第二影像訓練子集,其中第一影像訓練子集的影像為在及時捕捉時間值時捕捉的,並且其中第二影像訓練子集的影像為在延遲捕捉時間值時捕捉的。因此,處理器 126 經組態用於擷取第一影像訓練子集及第二影像訓練子集,具體而言從相機 114 擷取。進一步地,在判定系統 110 中,處理器 126 經組態用於從影像訓練集的影像中判定顏色形成值訓練集。該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該至少一個顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之光學測試條訓練集 116 的各光學測試條 118 之試劑測試區 120 的顏色形成。此外,在判定系統 110 中,處理器 126 經組態用於從該顏色形成值訓練集推導出用於該至少一個顏色通道的該至少一個顏色期望值範圍 128,其中顏色期望值範圍 128 定義針對及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於可容忍延遲捕捉時間值,延遲
d不超過至少一個預定義期滿閾值
d
max 。
圖 1 示出經組態用於判定體液樣品 124 中至少一種分析物的濃度之套組 130 的實施例。具體而言,體液樣品 124 可包含使用者的體液,諸如具有未知分析物濃度的樣品。在圖 1 中,此類樣品例示性地在該圖之最右側示出。套組 130 包含具有至少一個試劑測試區 120 的至少一個光學測試條 118。在圖 1 中,此類光學測試條 118,即單個光學測試條 118,在該圖之最右側例示性地示出。進一步地,套組 130 包含具有至少一個相機 114 及至少一個處理器 126 的行動裝置 112。舉例而言,套組 130 之行動裝置 112 可為判定系統 110 的相同行動裝置 112。然而,替代性地,套組 130 及判定系統 110 各自包含它們自己的行動裝置 114,即不同且獨立的行動裝置 112。
具體而言,判定系統 110 可經組態用於至少部分地進行判定方法 132。判定方法 132 之一例示性實施例顯示於圖 2 中。判定方法 132 經組態用於判定至少一個顏色期望值範圍 128,該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中所使用之假設反應時間值的合理性。判定方法 132 包含以下步驟:
a) (用參考數字 134 表示) 提供光學測試條訓練集 116,各光學測試條 118 具有試劑測試區 120;
b) (用參考數字 136 表示) 提供體液樣品訓練集 122,並將體液樣品 124 中之至少一個施加至光學測試條訓練集 116 的各光學測試條 118 的試劑測試區 120;
c) (用參考數字 138 表示) 藉由具有至少一個相機 114 的至少一個行動裝置 112 捕捉影像訓練集,該影像訓練集包含:
第一影像訓練子集,該第一影像訓練子集包含在及時捕捉時間值時捕捉的光學測試條訓練集 116 的試劑測試區 120 中的至少一些的至少一部分的影像,該等光學測試條上已施加體液樣品 124,該捕捉時間值係指在步驟 b) 中施加樣品 124 與捕捉影像之間經過的時間;
至少一個第二影像訓練子集,該至少一個第二影像訓練子集包含在延遲捕捉時間值時捕捉的光學測試條訓練集 116 的試劑測試區 120 中的至少一些的至少一部分的影像,該等光學測試條上已施加該體液樣品 124;
d) (用參考數字 140 表示) 具體而言,藉由使用至少一個處理器 126,更具體而言,該行動裝置 112 的處理器 126,從該影像訓練集的影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之該光學測試條訓練集 116 的光學測試條 118 的試劑測試區 120 的顏色形成;及
e) (用參考數字 142 表示) 從該顏色形成值訓練集推導出用於該至少一個顏色通道的該至少一個顏色期望值範圍 128,該顏色期望值範圍 128 定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於該可容忍延遲捕捉時間值,該延遲
d不超過至少一個預定義期滿閾值
d
max 。
在圖 3 及圖 4 中,顯示顏色期望值範圍 128 的例示性實施例。如圖 3 中所示,顏色期望值範圍 128 例如可為或可包含多邊形,諸如顏色平面中的二維多邊形。例如,在水平軸上,顏色平面可顯示紅色通道 144 中的顏色值,其中在垂直軸上,顏色平面可以顯示綠色通道 146 中的顏色值。進一步地,在圖 3 中,示出例示性顏色形成值訓練集的顏色形成值。舉例而言,顏色期望值範圍 128 可包含至少 80% 的顏色形成值,該顏色形成值為針對從在及時捕捉時間值及可容忍延遲捕捉時間值中之一個或多個值時捕捉的影像所判定的光學測試條訓練集的光學測試條之試劑測試區的顏色形成的顏色形成值,即至少 80% 的此等顏色形成值可由顏色期望值範圍 128 的多邊形形狀所涵蓋。
具體而言,如圖 3 中所例示性地示出的,可判定至少兩個互補顏色期望值範圍 128,即第一顏色期望值範圍 148 及第二顏色期望值範圍 150。第一顏色期望值範圍 148 可為或可包含針對假設反應時間值所期望的顏色,具體而言顏色形成值,該假設反應時間值與實際及/或真實反應時間值之差異不多於可接受之延遲,其中該可接受之延遲可對應於預定義的及/或預定接受閾值
d
a 。第二顏色期望值範圍 150 可為或可包含針對假設反應時間值所期望的顏色,具體而言顏色形成值,該假設反應時間值與實際及/或真實反應時間值之差異多於可接受之延遲但不多於期滿延遲,其中該期滿延遲可對應於預定義的及/或預定的期滿閾值
d
max 。特定而言,在圖 3 中,第一顏色期望值範圍 148 亦可用「I」表示,第二顏色期望值範圍 150 亦可用「II」表示,其中在第一顏色期望值範圍 148 及第二顏色期望值範圍 150 之外的區域可用「III」表示。
進一步地,在圖 3 中,對於及時捕捉時間值及延遲捕捉時間值示出顏色形成值。特定而言,對應於及時捕捉時間值的顏色形成值,諸如
d=0 分鐘,用參考數字 152 表示。類似地,對應於
d = 1 分鐘之延遲捕捉時間值的顏色形成值用參考數字 154 表示。進一步地,156 對應於
d = 2 分鐘,158 對應於
d = 3 分鐘,160 對應於
d = 4 分鐘,162 對應於
d = 5 分鐘,164 對應於
d = 7.5 分鐘,且 166 對應於
d = 10 分鐘。
舉例而言,藉由所示的顏色期望值範圍 148 及 150,可接受之延遲可已視為 2 分鐘之延遲,即
d
a = 2 分鐘,且期滿延遲可視為 6 分鐘之延遲,即
d
max= 6
分鐘。可接受之延遲及/或期滿延遲的其他選擇為可能的。
另外地或替代性地,並且如圖 4 中所例示性地示出的,顏色期望值範圍 128 可為或可包含三維形式,諸如多面體。舉例而言,顏色期望值範圍 128 可由二維顏色空間中的多邊形,諸如紅色通道 144 及綠色通道 146 之顏色平面中的多邊形形成,該多邊形已被擴展至第三維中,該第三維例如係指藍色通道 170,或替代性地,係指強度值,即強度維度中的值,例如綠色通道 146 之值的絕對強度值。特定而言,顏色期望值範圍 128 可在藍色通道 170 之方向上受限於上平面 172 以及受限於下平面 174。顏色期望值範圍 128 的其他形式及/或幾何形狀為可能的。
具體而言,至少一個顏色期望值範圍 128 可用於評估在基於顏色形成反應之分析測量中使用的假設反應時間值的合理性。此類分析測量可藉由測量方法 176 來進行。測量方法 176 的例示性實施例如圖 5 及圖 6 中所示。測量方法 176 包含以下步驟:
i) (用參考數字 178 表示) 提供具有至少一個試劑測試區 120 的至少一個光學測試條 118;
ii) (用參考數字 180 表示) 將體液樣品 124 施加至光學測試條 118 之試劑測試區 120;
iii) (用參考數字 182 表示) 藉由使用相機 114 捕捉已施加體液 124 的試劑測試區 120 之至少一部分的至少一個影像;
iv) (用參考數字 184 表示) 判定假設反應時間值,該值對應於在步驟 ii) 中施加樣品的假設時間與在步驟 iii) 中捕捉影像之間所經過的時間;
v) (用參考數字 186 表示) 具體而言,藉由使用處理器 126,藉由使用該影像判定針對該試劑測試區 120 的顏色形成的至少一個顏色通道之顏色形成值;
vi) (用參考數字 188 表示) 對於至少一顏色通道,將顏色形成值與藉由進行判定方法 132 所判定的至少一顏色期望值範圍進行比較;
vii) (用參考數字 190 表示) 若顏色形成值在該至少一種顏色期望值範圍 128 之外,則認為該假設反應時間值不合理並中止該測量方法 176;且
viii) (用參考數字 192 表示) 若顏色形成值在該顏色期望值範圍 128 之內,則認為該假設反應時間值為合理的並藉由使用該顏色形成值及視情況選用的假設反應時間值來判定體液樣品 124 中分析物的濃度。
測量方法 176 的另一實施例如圖 6 中所示。起始點可由該圖頂部的實心圓示出。舉例而言,測量方法 176 可進一步包含強度檢查 196,諸如檢查顏色形成值之強度是否高於或低於至少一個強度閾值的步驟。特定而言,若顏色形成值在預定義強度範圍之外,例如低於較低強度閾值或高於較高強度閾值,則可以中止該測量方法。具體而言,在顏色形成值未通過強度檢查的情況下,可認為顏色形成值不合理,並因此可中止測量方法 176。
必須注意,顏色期望值範圍 128 可為可變的顏色期望值範圍,諸如多邊形形狀的基礎點及/或定義平面的參數。例如,此等基礎點及/或參數可藉由元資料的方式提供給應用程式 (在使用者的行動裝置上),該元資料與顏色卡相關聯,該應用程式允許在需要時在稍後的時間點改變該等基礎點及/或參數。顏色期望值範圍的變化可在開始完成測量方法 176 之前在視情況選用的方法步驟中完成。
舉例而言,在第一顏色期望值範圍 148 對應於圖 4 中所示之第一顏色期望值範圍 148 的情況下,具體而言,測量方法 176 之步驟 vi) 188 可包含用於將顏色形成值與第一顏色期望值範圍 148 進行比較的單獨步驟。舉例而言,如參考數字 198 所示,可以檢查顏色形成值是否在下平面 174 之上。進一步地,如參考數字 200 所示,可以檢查顏色形成值是否在上平面 172 之下。此外,如參考數字 202 所示,可檢查顏色形成值是否在由紅色通道 144 及綠色通道 146 所定義的顏色平面中的第一多邊形「I」內。在顏色形成值未通過檢查 198 至 202 中任一者的情況下,根據步驟 vii) 190,可認為顏色形成值不合理且可中止該方法。進一步地,視情況,在中止該方法之後,測量方法 176 可包含顯示錯誤訊息 204。可以對第二顏色期望值範圍 150 進行相同的檢查。此步驟在圖 6 中由參考數字 206 示出。對於第一及第二顏色期望值範圍 148 及 150 中之各者,不同的後處理代碼函數可用於判定分析物的濃度。因此,如參考數字 208 及 210 所表示的,設置標誌,若顏色形成值包括在第一顏色期望值範圍 148 中,則將該標誌設置為「I」208,或者若包括在第二顏色期望值範圍 150 中,則將該標誌設置為「II」210。舉例而言,對於第一顏色期望值範圍 148,即「I」,第一數學相關函數,諸如數學函數「
f」,可用於從該顏色形成值判定分析物濃度,且對於第二顏色期望值範圍 150,即「II」,可使用第二數學相關函數,數學函數「
g」。
圖 7 顯示圖解之圖示,該圖解指示實際血糖值與藉由使用常用方法及系統以及使用本發明的用於判定血糖濃度之方法及系統判定的血糖值之間的關係。特定而言,圖 7 中所示的圖表例示以 mg/dl 表示的實際血糖值 212 與以 mg/dl 表示的測量血糖值 214 之間的關係。特定而言,藉由叉號指示的值顯示針對正常測量 (即在沒有誘發 (provocation) 的情況下,具體而言在沒有錯誤的及/或不適當的處理程序的情況下進行的測量) 的關係,其中用圓圈指示的值顯示針對藉由使用本發明之方法及裝置進行的誘發性測量 (provocational measurement),即針對在有錯誤的及/或不適當的使用者處理程序的情況下進行測量的關係。如可見的,對於誘發性測量,只能達成具有小誤差的有效結果。
進一步地,圖 7 顯示誤差網格分析 (Error-Grid-Analysis) 的區 A 至 E,特定而言 Parkes 誤差網格的區 A 至 E,與實際血糖濃度相比,將判定的血糖濃度之臨床準確性定量。例如血糖值在以下區內:
區 A 包含在參考感測器的 20% 之內的值;
區 B 包含在 20% 之外但不會導致不適當治療的值;
區 C 包含導致不必要治療的值;
區 D 包含指示潛在危險的未能檢測出低血糖症或高血糖症的值,且
區 E 包含會造成將低血糖症之治療誤用於高血糖症的值,反之亦然。
對於誤差網格分析的更多信息,請參考 Clarke WL, Cox D, Gonder-Frederick LA, Carter W, Pohl SL: Evaluating clinical accuracy of systems for self-monitoring of blood glucose.Diabetes Care 10:622–628,1987。
圖 7 中所示的測量基於相同的樣品及假設反應時間。特定而言,相同的樣品及假設反應時間已用於判定兩次測量的血糖值。
表 1 顯示藉由使用已知方法及裝置進行的一組誘發性測量以及藉由使用本發明之方法及裝置進行的相同測量來判定的血糖值之數量。作為參考及/或用於控制目的的一組誘發性測量進一步包括總計 15 次的「正常」測量,此等測量是在沒有誘發的情況下,具體而言在沒有錯誤的及/或不適當的處理程序的情況下進行的,用作參考測量。
表 1 :使用已知方法及裝置以及使用本發明之方法及裝置判定的血糖值之數量
圖例 | A | B | C | D | E |
用已知方法及裝置判定的血糖值之數量 | 89 | 14 | 2 | 2 | 0 |
用本發明之方法及裝置判定的血糖值之數量 | 19 | 0 | 0 | 0 | 0 |
具體而言,如在表 1 中可見,藉由已知方法及裝置進行的測量值對幾乎全部測量提供血糖值,其中在根據本發明的測量中,沒有為被視為不合理的假設時間間隔提供血糖值。特定而言,當使用本發明之方法及裝置時,判定了全部 15 次正常測量的血糖值,此等正常測量用作誘發性測量集內的參考。
110:判定系統
112:行動裝置
114:相機
116:光學測試條訓練集
118:光學測試條
120:試劑測試區域
122:體液樣品訓練集
124:體液樣品
126:處理器
128:顏色期望值範圍
130:套組
132:確定方法
134:步驟 a)
136:步驟 b)
138:步驟 c)
140:步驟 d)
142:步驟 e)
144:紅色通道
146:綠色通道
148:第一顏色期望值範圍
150:第二顏色期望值範圍
152:與及時捕捉時間值相對應的顏色形成值 (
d=0 分鐘 )154
d=1 分鐘156
d=2 分鐘158
d=3 分鐘160
d=4 分鐘162
d=5 分鐘164
d=7.5 分鐘166
d=10 分鐘170:藍色通道
172:上平面
174:下平面
176:測量方法
178:步驟 i)
180:步驟 ii)
182:步驟 iii)
184:步驟 iv)
186:步驟 v)
188:步驟 vi)
190:步驟 vii)
192:步驟 viii)
196:強度檢查
198:檢查顏色形成值是否高於下平面
200:檢查顏色形成值是否低於上平面
202:檢查顏色形成值是否在多邊形內
204:錯誤訊息
206:檢查顏色形成值是否在第二顏色期望值範圍內
208:設置標誌「I」
210:設置標誌「II」
212:實際血糖值以 mg/dl表示
214:測量血糖值以 mg/dl 表示
進一步的可選特徵和實施例將在後續實施例的詳細資訊中公開,較佳地是結合附屬請求項。其中,個別的可選特徵可單獨實現,也可以在任意可行的組合中實現,如熟習技術者將實現的。本發明的範圍不限於較佳實施例。實施例以圖式進行圖表式的描繪。其中,這些圖式中的參考編號相同者,用於指代相同或功能類似的元件。
在這些圖式中:
圖 1 顯示判定系統的實施例及套組的實施例;
圖 2 顯示判定方法的實施例之圖示;
圖 3 及圖 4 顯示顏色期望值範圍的實施例;
圖 5 及圖 6 顯示測量方法的不同實施例之圖示;
圖 7 顯示圖解之圖示,該圖解指示實際血糖值與藉由使用常用方法及系統以及使用本發明的用於判定血糖濃度之方法及系統判定的血糖值之間的關係。
132:確定方法
134:步驟a)
136:步驟b)
138:步驟c)
140:步驟d)
142:步驟e)
Claims (17)
- 一種判定至少一個顏色期望值範圍 (128) 之判定方法,該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中使用的假設反應時間值的合理性,該方法包含: a) 提供光學測試條訓練集 (116),各光學測試條 (118) 具有試劑測試區 (120); b) 提供體液樣品訓練集 (122),並將該等體液樣品 (124) 中之至少一個施加至該光學測試條訓練集 (116) 的各光學測試條 (118) 的該試劑測試區; c) 藉由具有至少一個相機 (114) 的至少一個行動裝置 (112) 捕捉影像訓練集,該影像訓練集包含 第一影像訓練子集,該第一影像訓練子集包含在及時捕捉時間值時捕捉的該光學測試條訓練集 (116) 的該等試劑測試區 (120) 中的至少一些的至少一部分的影像,該等光學測試條上已施加該體液樣品,該捕捉時間值係指在步驟 b) 中施加該樣品與捕捉該影像之間經過的時間; 至少一個第二影像訓練子集,該至少一個第二影像訓練子集包含在延遲捕捉時間值時捕捉的該光學測試條訓練集 (116) 的該等試劑測試區 (120) 中的至少一些的至少一部分的影像,該等光學測試條上已施加該體液樣品; d) 從該影像訓練集的該等影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該至少一個顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之該光學測試條訓練集 (120) 之該等光學測試條 (118) 之該試劑測試區 (120) 的顏色形成;及 e) 從該顏色形成值訓練集推導出用於該至少一個顏色通道的該至少一個顏色期望值範圍 (128),該顏色期望值範圍定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於該可容忍延遲捕捉時間值,延遲 d不超過至少一個預定義期滿閾值 d max 。
- 如前一項請求項之判定方法,其中步驟 e) 包含推導出至少兩個互補顏色期望值範圍 (148、150)。
- 如前一項請求項之判定方法,其中對於第一互補顏色期望值範圍 (148),延遲 d 1 不超過低於該期滿閾值 d max 的預定義接受閾值 d a ,具體而言 d 1< d a< d max ,並且對於第二互補顏色期望值範圍 (150),延遲 d 2 等於 d a 或介於該接受閾值 d a 與該期滿閾值 d max 之間,具體而言 d a ≤ d 2 ≤ d max 。
- 如前述請求項中任一項之判定方法,其中步驟 d) 進一步包含以該等捕捉時間值的資訊標記該顏色形成值訓練集的該顏色形成值。
- 如前述請求項中任一項之判定方法,其中在步驟 e) 中,該顏色期望值範圍 (128) 包含至少 80%、具體而言至少 85%、更具體而言至少 90%、更具體而言至少 95%、更具體而言至少 97%、更具體而言至少 99% 的該等顏色形成值,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集之該等光學測試條之該試劑測試區的該顏色形成的顏色形成值。
- 如前述請求項中任一項之判定方法,其中該步驟 e) 中的推導包含判定包含至少 80% 的該等顏色形成值的包絡,該等顏色形成值為針對從在該等及時捕捉時間值及該等可容忍延遲捕捉時間值中之一個或多個值時捕捉之影像所判定的該光學測試條訓練集 (116) 之該等光學測試條 (118) 之該試劑測試區 (120) 的該顏色形成的顏色形成值,並藉由預定安全係數進一步擴展該包絡。
- 如前述請求項中任一項之判定方法,其中步驟 e) 包含使用至少一種機器學習演算法。
- 一種藉由使用具有相機 (114) 及處理器 (126) 的行動裝置 (112) 進行基於顏色形成反應之分析測量的測量方法,該方法包含: i) 提供具有至少一個試劑測試區 (120) 的至少一個光學測試條 (118); ii) 將體液樣品 (124) 施加至該光學測試條 (118) 之該試劑測試區 (120); iii) 藉由使用該相機 (114) 捕捉已施加該體液的該試劑測試區 (120) 之至少一部分的至少一個影像; iv) 判定假設反應時間值,該假設反應時間值對應於在步驟 ii) 中施加該樣品的假設時間與步驟 iii) 中捕捉該影像之間經過的時間; v) 藉由使用該影像判定用於該試劑測試區 (120) 之顏色形成的至少一個顏色通道的顏色形成值; vi) 對於該至少一個顏色通道,將該顏色形成值與藉由進行如前述請求項中任一項之判定方法所判定的至少一個顏色期望值範圍 (128) 進行比較; vii) 若該顏色形成值在該至少一個顏色期望值範圍 (128) 之外,則認為該假設反應時間值不合理並中止該測量方法;且 viii) 若該顏色形成值在該顏色期望值範圍 (128) 之內,則認為該假設反應時間值為合理的,且藉由使用該顏色形成值判定該體液樣品中分析物的濃度。
- 如前一項請求項之測量方法,其中步驟 vi) 包含將該顏色形成值與藉由進行如請求項 2 至 7 中任一項之判定方法所判定的至少一個第一顏色期望值範圍 (148) 及至少一個第二顏色期望值範圍 (150) 進行比較,且其中在步驟 vii) 中,若該顏色形成值在該第一顏色期望值範圍及該第二顏色期望值範圍二者之外,則認為假設捕捉時間不合理並中止該測量方法,其中在步驟 viii) 中,對於在該至少一個第一顏色期望值範圍及在該至少一個第二顏色期望值範圍內的顏色形成值,使用不同的演算法從該顏色形成值判定該分析物的該濃度。
- 如前一項請求項之測量方法,其中在步驟 viii) 中: 若該顏色形成值在該第一顏色期望值範圍 (148) 內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及該假設反應時間值來判定該分析物的該濃度;且 若該顏色形成值在該第二顏色期望值範圍 (150) 內,則認為該假設反應時間值為合理的,並藉由使用該顏色形成值及該第二顏色期望值範圍的添加至該假設反應時間值的預定義延遲來判定該分析物的該濃度。
- 如前兩項請求項中任一項之測量方法,其中該方法進一步包含步驟 ix):藉由使用該相機 (114) 捕捉無施加該體液之該試劑測試區 (120) 之至少一部分的至少一個影像,其中步驟 ix) 在步驟 ii) 之前進行。
- 如前兩項請求項中任一項之測量方法,其中該方法進一步包含步驟 x):將該光學測試條 (118) 附接至顏色參考卡,該顏色參考卡包含具有已知參考顏色值的複數個顏色參考場,其中步驟 x) 在步驟 iii) 之前進行,且其中在步驟 iii) 中捕捉的該影像進一步顯示該顏色參考卡中之至少部分。
- 一種用於判定至少一個顏色期望值範圍 (128) 之判定系統 (110),該至少一個顏色期望值範圍用於評估在基於顏色形成反應的分析測量中所使用之假設反應時間值的合理性,該判定系統包含: A) 至少一個行動裝置 (112),其具有至少一個相機 (114); B) 光學測試條訓練集 (116),各光學測試條 (118) 具有試劑測試區 (120); C) 體液樣品訓練集 (126),其包含複數個體液樣品 (128);及 D) 至少一個處理器 (126),該處理器 (126) 經組態用於: 擷取影像訓練集,該影像訓練集包含以該相機 (114) 在及時捕捉時間值時捕捉的該光學測試條訓練集 (116) 之該等試劑測試區 (120) 中之至少一些之至少一部分的影像,該等光學測試條上已施加該體液樣品 (124),該捕捉時間值係指在施加該樣品與捕捉該影像之間經過的時間,該影像訓練集進一步包含以該相機 (114) 在延遲捕捉時間值時捕捉的該光學測試條訓練集 (116) 之該等試劑測試區 (120) 中之至少一些之至少一部分的影像,該等光學測試條上已施加該體液樣品 (124); 從該影像訓練集的該等影像中判定顏色形成值訓練集,該顏色形成值訓練集包含至少一個顏色通道的顏色形成值,該至少一個顏色通道用於對於及時捕捉時間值及對於延遲捕捉時間值之該光學測試條訓練集 (116) 之該等光學測試條 (118) 之該試劑測試區 (120) 的顏色形成;及 從該顏色形成值訓練集推導出用於該至少一個顏色通道的該至少一個顏色期望值範圍 (128),該顏色期望值範圍 (128) 定義對於及時捕捉時間值及可容忍延遲捕捉時間值的顏色形成值的期望範圍,其中對於該可容忍延遲捕捉時間值,該延遲 d不超過至少一個預定義期滿閾值 d max 。
- 如前一項請求項之判定系統 (110),其中該判定系統進一步包含: E) 至少一個顏色參考卡,其經組態為具有可釋放地附接於其上的光學測試條,該顏色參考卡包含具有已知參考顏色值的複數個顏色參考場,其中該影像訓練集的該等影像進一步顯示該顏色參考卡中之至少部分,具體而言該等顏色參考場中之一個或多個。
- 如前兩項請求項中任一項之判定系統 (110),其中該判定系統經組態用於進行如前述請求項中提及判定方法之任一項之判定方法中的至少步驟 d) 及步驟 e)。
- 一種具有至少一個相機 (114) 及至少一個處理器 (126) 之行動裝置 (112),該行動裝置 (112) 經組態用於進行如前述請求項中提及測量方法之任一項之測量方法中的至少步驟 iv) 至步驟 viii)。
- 一種用於判定體液樣品 (124) 中至少一種分析物濃度之套組 (130),該套組 (130) 包含如前一項請求項之行動裝置 (112),該套組 (130) 進一步包含具有至少一個試劑測試區 (120) 的至少一個光學測試條 (118)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22156296.0 | 2022-02-11 | ||
EP22156296 | 2022-02-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202346832A true TW202346832A (zh) | 2023-12-01 |
Family
ID=80447261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112104805A TW202346832A (zh) | 2022-02-11 | 2023-02-10 | 判定體液中至少一種分析物之濃度的方法及裝置 |
Country Status (2)
Country | Link |
---|---|
TW (1) | TW202346832A (zh) |
WO (1) | WO2023152200A1 (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060246574A1 (en) * | 2005-04-29 | 2006-11-02 | Sarah Rosenstein | Dispenser for making a lateral flow device |
EP1801568A1 (de) | 2005-12-21 | 2007-06-27 | Micronas Holding GmbH | Teststreifen und Verfahren zum Messen einer Analytkonzentration in einer Probe eines biologischen Fluids |
US9528941B2 (en) | 2012-08-08 | 2016-12-27 | Scanadu Incorporated | Method and apparatus for determining analyte concentration by quantifying and interpreting color information captured in a continuous or periodic manner |
US20170098137A1 (en) | 2012-08-08 | 2017-04-06 | Scanadu Incorporated | Method, apparatus and system for detecting and determining compromised reagent pads by quantifying color changes induced by exposure to a hostile environment |
CA2883969C (en) | 2012-09-04 | 2021-07-13 | Edward L. Mamenta | System and method for spatiotemporally analyzed rapid assays |
US9787815B2 (en) | 2013-01-21 | 2017-10-10 | Cornell University | Smartphone-based apparatus and method |
EP2916117A1 (en) | 2014-03-05 | 2015-09-09 | Scanadu Incorporated | Quantifying color changes of chemical test pads induced by specific concentrations of biological analytes under different lighting conditions |
KR102016989B1 (ko) | 2017-11-29 | 2019-09-02 | 한양대학교 산학협력단 | 타이머를 포함하는 소변 검사용 스트립, 소변 검사용 스트립 검출 및 분석 방법 |
ES2910573T3 (es) | 2018-12-10 | 2022-05-12 | Hoffmann La Roche | Procedimiento y sistema para determinar la concentración de un analito en una muestra de un líquido corporal, y procedimiento y sistema para generar un módulo implementado por programa informático |
US11192100B2 (en) | 2020-03-25 | 2021-12-07 | Vessel Health, Inc. | Multi-factor urine test system that adjusts for lighting and timing |
-
2023
- 2023-02-09 WO PCT/EP2023/053145 patent/WO2023152200A1/en active Search and Examination
- 2023-02-10 TW TW112104805A patent/TW202346832A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023152200A1 (en) | 2023-08-17 |
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 | |
TWI795453B (zh) | 基於顏色形成反應執行分析量測的方法及裝置 | |
EP2916117A1 (en) | Quantifying color changes of chemical test pads induced by specific concentrations of biological analytes under different lighting conditions | |
CN112930572B (zh) | 用于执行分析测量的方法和装置 | |
KR102603371B1 (ko) | 분석 측정을 수행하기 위한 방법 및 디바이스 | |
US20220283148A1 (en) | Method of determining a concentration of an analyte in a bodily fluid | |
US20220291134A1 (en) | Method of performing an analytical measurement | |
TWI776277B (zh) | 用於分析確定體液中之分析物之調整方法 | |
US20230084800A1 (en) | Method of evaluating the quality of a color reference card | |
US20230103160A1 (en) | Method of determining the concentration of an analyte in a sample of a body fluid | |
US20230236174A1 (en) | Method of determining the concentration of at least one analyte in a body fluid | |
TW202346832A (zh) | 判定體液中至少一種分析物之濃度的方法及裝置 | |
TW202232935A (zh) | 控制具有相機的行動裝置的自動曝光設定之方法 | |
RU2823570C1 (ru) | Способ проведения аналитического измерения | |
RU2824292C2 (ru) | Способ определения концентрации аналита в физиологической жидкости | |
US20220122254A1 (en) | Method of determining a concentration of an analyte in a body fluid | |
RU2824298C1 (ru) | Способ определения концентрации аналита в физиологической жидкости | |
TW202346839A (zh) | 測定體液中至少一種分析物之濃度的方法及裝置 | |
AU2023217241A1 (en) | Methods and devices for performing an analytical measurement |