[go: up one dir, main page]

KR20230082616A - 진단 테스트 키트들 및 이를 분석하는 방법들 - Google Patents

진단 테스트 키트들 및 이를 분석하는 방법들 Download PDF

Info

Publication number
KR20230082616A
KR20230082616A KR1020237011335A KR20237011335A KR20230082616A KR 20230082616 A KR20230082616 A KR 20230082616A KR 1020237011335 A KR1020237011335 A KR 1020237011335A KR 20237011335 A KR20237011335 A KR 20237011335A KR 20230082616 A KR20230082616 A KR 20230082616A
Authority
KR
South Korea
Prior art keywords
test
diagnostic test
image
diagnostic
markings
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
KR1020237011335A
Other languages
English (en)
Inventor
아론 알렉산더 로우
후일링 코
스테판 엘. 첸
윤유안 비비안 왕
Original Assignee
스캔웰 헬스, 인크.
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 스캔웰 헬스, 인크. filed Critical 스캔웰 헬스, 인크.
Publication of KR20230082616A publication Critical patent/KR20230082616A/ko
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8483—Investigating reagent band
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/48785—Electrical and electronic details of measuring devices for physical analysis of liquid biological material not specific to a particular test method, e.g. user interface or power supply
    • 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
    • G01N33/5302—Apparatus specially adapted for immunological test procedures
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/63—Static or dynamic means for assisting the user to position a body part for biometric acquisition by static guides
    • 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
    • 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
    • G01N2021/8488—Investigating reagent band the band presenting reference patches
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/02—Mechanical
    • G01N2201/022—Casings
    • G01N2201/0221—Portable; cableless; compact; hand-held
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2458/00—Labels used in chemical analysis of biological material
    • 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
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/034—Recognition of patterns in medical or anatomical images of medical instruments

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)

Abstract

진단 테스트를 분석하기 위한 방법은, 진단 테스트를 묘사하는 이미지를 수신하는 단계로서, 여기서 진단 테스트는 테스트 결과를 나타내는 테스트 영역을 포함하는, 단계, 이미지의 품질을 검증하는 단계, 진단 테스트의 테스트 영역을 묘사하는 이미지의 테스트 영역 이미지 부분의 위치를 찾는 단계, 및 테스트 영역 이미지 부분에 기초하여 테스트 결과를 예측하는 단계를 포함할 수 있다. 또한, 진단 테스트의 분석을 용이하게 하기 위한 방법은, 스캔 표면 상의 하나 이상의 대조 마킹들을 묘사하는 하나 이상의 이미지들을 수신하는 단계로서, 여기서 하나 이상의 대조 마킹들은 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 단계, 및 적어도 하나의 컴퓨터 비전 기술을 사용하여 하나 이상의 이미지들에서 하나 이상의 대조 마킹들의 검출을 검증하는 단계를 포함할 수 있다.

Description

진단 테스트 키트들 및 이를 분석하는 방법들
관련 출원들에 대한 상호 참조
본 출원은 2020년 09월 17일자로 출원된 미국 특허 출원 일련번호 제63/079,975호에 대한 우선권을 주장하며, 이러한 출원은 이러한 참조에 의해 그 전체가 본원에 포함된다.
기술분야
본 발명은 전반적으로 컴퓨터 비전-보조 분석을 사용하는 진단 테스트의 분야에 관한 것이다.
의학적 진단 테스트는 의료의 중요한 구성요소이다. 다수의 진단 테스트들은 환자 샘플(예를 들어, 소변, 혈액, 타액, 비강 면봉 샘플, 등)에서 바이오마커 또는 병원체와 같은 목표 분석물의 존재 또는 부재를 확인하기 위한 면역측정(immunoassay) 테스트들을 통합한다. 예를 들어, 진단 테스트의 일 유형은 측면 흐름 면역측정 테스트이며, 여기서 샘플은 콘쥬게이트(conjugate) 패드 상에 또는 카세트의 웰(well) 내에 위치되고 액체는 측면 흐름 면역측정부를 통해 흐르며, 측면 흐름 면역측정부는 그런 다음 목표 분석물의 존재에 대한 긍정적인 화학적 반응의 관점에서 기점(fiducial)을 생성할 수 있다. 다른 예로서, 비색 진단 테스트들은 목표 분석물이 존재할 때 명백한 색상 변화를 겪는 시약들을 사용한다. 그러나, 육안을 사용하여 진단 테스트 결과들을 해석하는 것은 어렵거나 및/또는 주관적일 수 있으며(예를 들어, 매우 희미한 양성 테스트 결과들이 있는 경우), 이는 부정확한 테스트 결과들을 야기할 수 있다.
현재 진단 테스트 판독 디바이스들 및 다른 임상 분석기들이 존재하지만, 이들은 테스트 판독 환경을 표준화하기 위해 맞춤화된 판독 장비를 필요로 한다. 다수의 어세이(assay) 판독기 기구들은 또한 이를 동작시키기 위한 전문화된 트레이닝을 필요로 한다. 따라서, 현재 진단 테스트 판독 디바이스들은, 정확한 판독이 이루어질 수 있도록 하기 위해 클리닉, 병원, 또는 다른 제어된 세팅 내에서의 동작을 필요로 한다. 이러한 제한들은, 환자의 불편함, 증가된 의료 비용, 및 광범위한 진단 테스트에서의 제한들을 포함하는 단점들을 야기한다. 따라서, 진단 테스트를 위한 새롭고 개선된 시스템들 및 방법들에 대한 필요성이 존재한다.
일부 변형예들에서, 진단 테스트를 분석하기 위한 방법은, 적어도 하나의 프로세서들에서, 진단 테스트를 묘사하는 이미지를 수신하는 단계로서, 여기서 진단 테스트는 테스트 결과를 나타내는 테스트 영역을 포함하는, 단계, 이미지의 품질을 검증하는 단계, 진단 테스트의 테스트 영역을 묘사하는 이미지의 테스트 영역 이미지 부분의 위치를 찾는 단계, 및 테스트 영역 이미지 부분에 기초하여 테스트 결과를 예측하는 단계를 포함할 수 있다.
또한, 일부 변형예들에서, 진단 테스트의 분석을 용이하게 하기 위한 방법은, 적어도 하나의 프로세서들에서, 스캔 표면 상의 하나 이상의 대조(control) 마킹들을 묘사하는 하나 이상의 이미지들을 수신하는 단계로서, 여기서 하나 이상의 대조 마킹들은 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 단계, 및 적어도 하나의 컴퓨터 비전 기술을 사용하여 하나 이상의 이미지들에서 하나 이상의 대조 마킹들의 검출을 검증하는 단계를 포함할 수 있다.
일부 변형예들에서, 진단 테스트의 분석을 용이하게 하기 위한 시스템은, 하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 여기서 하나 이상의 대조 마킹들은 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 스캔 표면을 포함할 수 있다. 스캔 표면은, 일부 변형예들에서, 진단 테스트의 배치를 나타내는 테스트 배치 가이드를 더 포함할 수 있다. 스캔 표면은, 예를 들어, 하나 이상의 컴퓨터 비전 기술들을 사용하여 진단 테스트 결과들을 분석하기 위해 진단 테스트가 이에 대해 이미징될 수 있는 배경으로서 사용될 수 있다.
전반적으로, 일부 변형예들에서, 진단 테스트 키트는, 테스트 결과를 나타내는 테스트 영역을 포함하는 진단 테스트, 및 하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 여기서 하나 이상의 대조 마킹들은 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 스캔 표면을 포함할 수 있다.
특허 또는 출원 파일은 컬러로 실행된 적어도 하나의 도면을 포함한다. 컬러 도면(들)을 갖는 이러한 특허 공보 또는 특허 출원공개 공보의 사본들은 요청 및 필요한 수수료의 지불 시에 사무국에 의해 제공될 것이다.
도 1은 진단 테스트들을 분석하기 위한 진단 플랫폼의 예시적인 개략도이다.
도 2a는 컴퓨터 비전 기술들을 사용하여 진단 테스트의 분석을 보조하기 위한 진단 테스트 키트의 예시적인 변형예의 예시적인 개략도이다.
도 2b 내지 도 2d는 고-대비(high-contrast) 표시자를 갖는 샘플 수집 기구들의 예시적인 변형예들의 예시적인 개략도들이다.
도 3a 및 도 3b는 이미징될 진단 테스트를 수용하기 위한 스캔 표면의 예시적인 변형예들을 도시한다.
도 4a 및 도 4b는 진단 테스트 키트 내의 하우징의 예시적인 변형예들을 도시한다.
도 4c 및 도 4d는 진단 테스트 키트에 대한 하우징 커버의 예시적인 변형예의 사시도들을 도시한다.
도 4e는 진단 테스트 키트 내의 어세이 스탠드의 예시적인 변형예의 예시적인 개략도이다.
도 5는 진단 테스트를 분석하기 위한 방법의 예시적인 변형예의 순서도를 도시한다.
도 6은 진단 테스트를 분석하기 위한 방법의 예시적인 변형예의 다른 순서도를 도시한다.
도 7a 및 도 7b는 대조 마킹(control marking)들을 사용하여 진단 테스트의 분석을 용이하게 하기 위한 방법의 예시적인 변형예들의 순서도들을 도시한다.
도 8a 및 도 8b는 프린트된 대조군(control)들을 갖는 스캔 표면들 및 이의 분석의 예시적인 변형예들을 도시한다.
도 9a 및 도 9b는 진단 테스트를 포함하는 관심 영역에 대한 이미지를 크롭(crop)하는 예시적인 변형예들을 도시한다.
도 10a 내지 도 10i는 이미지에서 진단 테스트의 배향을 측정하고 정정하는 예시적인 변형예를 도시한다.
도 11은 진단 테스트의 테스트 영역에 대한 이미지를 크롭하는 예시적인 변형예를 도시한다.
도 12a 및 도 12b는 진단 테스트의 테스트 영역에 대한 이미지를 크롭하는 예시적인 변형예를 도시한다.
도 13a 내지 도 13f는 진단 테스트의 테스트 영역의 이미지로부터 진단 테스트 결과를 예측하기 위한 방법의 예시적인 변형예의 부분들의 개략적인 예시들이다.
본 발명의 다양한 측면들 및 변형예들의 비-제한적인 예들이 본원에서 설명되고 첨부된 도면들에 예시된다.
컴퓨터 비전 기술들을 사용하여 진단 테스트들을 분석하기 위한 시스템들 및 방법들이 본원에서 개시된다. 시스템들 및 방법들은, 예를 들어, 의학적 상태와 연관된 특정 화학적 반응의 존재로 인한 테스트 결과들의 시각적 표시(예를 들어, 라인, 색상 변경, 등)을 제공하는 신속 진단 테스트들의 결과들을 분석하기 위해 사용될 수 있다. 본원에서 설명되는 시스템들 및 방법들은, 가정 또는 전통적인 의료 세팅들 외부를 포함하여, 다양한 세팅들로부터 진단 테스트의 쉽고, 정확하며, 신뢰할 수 있는 수행을 가능하게 하는 컴퓨터 비전 기술들을 사용하여 진단 테스트의 결과를 자동으로 해석하기 위해 컴퓨터 비전-기반 기술들을 사용한다.
전반적으로, 도 1에 도시된 바와 같이, 진단 플랫폼(100)은 1명 이상의 사용자들(110)과 연관된 진단 테스트들을 분석하기 위해 사용될 수 있다. 각각의 사용자(110)는 (예를 들어, 소변, 타액 및 완충액, 비강 면봉 및 완충액, 또는 혈액 및 완충액을 진단 테스트에 적용함으로써) 진단 테스트를 개시하고 수행할 수 있으며, 그런 다음, 예컨대 적어도 하나의 이미지 센서를 갖는 모바일 컴퓨팅 디바이스(114)(예를 들어, 스마트폰, 태블릿, 등)를 이용하여 진단 테스트의 적어도 하나의 이미지를 획득할 수 있다. 모바일 컴퓨팅 디바이스(114)는, 진단 테스트의 이미지로부터 테스트 결과들을 해석하기 위해 컴퓨터 비전 기술들을 사용하도록 구성된 하나 이상의 프로세서들을 포함할 수 있는 예측 분석 시스템(130)으로 네트워크(120)(예를 들어, 셀룰러 네트워크, 인터넷, 등)를 통해 진단 테스트의 이미지를 통신할 수 있다. 추가적으로 또는 대안적으로, 예측 분석 시스템(130)의 적어도 일 부분은 모바일 컴퓨팅 디바이스(114) 상에서 로컬적으로 호스팅될 수 있다. 일부 변형예들에서, 모바일 컴퓨팅 디바이스(114)는, 샘플을 획득하거나 및/또는 샘플을 진단 테스트에 적용하는 과정을 사용자에게 가이드하거나 및/또는 분석을 위해 진단 테스트의 적절한 이미지를 획득하는 과정을 사용자에게 가이드하기 위한 그래픽 사용자 인터페이스(graphical user interface; GUI)를 제공할 수 있는 모바일 애플리케이션을 실행할 수 있다.
분석 테스트의 이미지(들)를 분석하기 위한 예시적인 기술들은 아래에서 추가로 상세하게 설명된다. 예를 들어, 예측 분석 시스템(130)은, 이하에서 추가로 설명되는 바와 같이, 진단 테스트들의 컴퓨터 비전-기반 해석을 지원하는 진단 테스트 키트 내의 하나 이상의 특징부들을 사용할 수 있다. 그런 다음, 예측된 테스트 결과들은 (예를 들어, 모바일 컴퓨팅 디바이스(114)를 통해, 예컨대 연관된 모바일 애플리케이션 상의 GUI를 통해) 사용자, 다른 적절한 사용자(예를 들어, 의료 종사자), 사용자와 연관된 전자 건강 레코드(140), 다른 저장 디바이스(들), 및/또는 다른 적절한 엔티티로 통신될 수 있다.
따라서, 본원에서 설명되는 시스템들 및 방법들은 진단 정보가 빠르게 쉽게 획득되고 사용자의 의학적 상태에 대한 통찰을 제공하기 위해 통신되는 것을 가능하게 할 수 있으며, 이는 결과적으로 약물 처방, 의학적 안내 또는 치료 제공, 등과 같은 의료 서비스에 대한 적절한 후속 액션들을 촉진시킬 수 있다. 또한, 진단 테스트 분석을 위해 컴퓨터 비전-기반 기술들을 사용하는 것은, 신뢰할 수 없고 조명, 이미징 센서의 유형 등과 같은 환경적 요인들에 지나치게 민감한 템플릿 매칭과 같은 다른 현재의 자동화된 기술들에 비해 테스트 해석에서 더 큰 정확도를 가져온다. 추가적으로, 이하에서 추가로 설명되는 바와 같이, 본원에서 설명되는 시스템들 및 방법들은 유익하게는, 분석을 위해 비싸고 특화된 하드웨어 디바이스들 및 진단 테스트 자체 상의 임의의 기점 또는 랜드마크들을 요구하지 않고 광범위한 진단 테스트들을 분석하기 위해 사용될 수 있다.
시스템들 및 방법들이 본원에서 주로 의학적 진단 테스트들의 분석에 대해 설명되지만, 일부 변형예들에서, 시스템들 및 방법들은 식품, 음료, 환경 상태들, 등의 분석에서와 같이 의료 이외의 다른 애플리케이션들에서 사용될 수 있다는 것이 이해되어야 한다.
진단 테스트 키트들
이하에서 추가로 설명되는 바와 같이, 진단 테스트 키트는 컴퓨터 비전 기술들을 사용하여 진단 테스트의 분석을 돕기 위한 하나 이상의 구성요소들을 포함할 수 있다. 일부 변형예들에서, 진단 테스트 키트는 별개의(예를 들어, 제3 자 또는 기성품) 진단 테스트와 함께 사용하도록 구성될 수 있다. 예를 들어, 진단 테스트 키트는 특정 유형 또는 카테고리의 진단 테스트(예를 들어, 측면 흐름 면역측정 테스트, 비색 딥스틱(dipstick) 테스트, 비색 등온 증폭 테스트, 또는 측면 흐름 등온 증폭 테스트, 등)를 돕도록 구성된 구성요소들을 포함할 수 있지만, 이러한 진단 테스트로부터 별개로 패키징되거나 또는 생략될 수 있다. 그러나, 일부 변형예들에서, 진단 테스트 키트는 이미지 분석 보조 수단(aid)들 및 하나 이상의 진단 테스트들 둘 모두를 포함할 수 있다. 다시 말해서, 진단 테스트 키트는, 하나 이상의 적절한 진단 테스트들과 함께 패키징되거나 또는 달리 이와 함께 공급되는 진단 테스트의 분석을 돕기 위한 구성요소(들)를 포함할 수 있다.
도 2a는 진단 테스트의 컴퓨터 비전-보조 분석을 가능하게 하기 위한 진단 테스트 키트(200)의 예시적인 변형예의 개략도를 도시한다. 도 2에 도시된 바와 같이, 키트(200)는, 이미징을 위한 진단 테스트의 배치를 나타내는 테스트 배치 가이드(222)와 같은 하나 이상의 다양한 특징부들을 포함하는 적어도 하나의 스캔 표면(220), 및/또는 진단 테스트에 대한 하나 이상의 가능한(예를 들어, 미리 결정된) 테스트 결과들을 나타내는 하나 이상의 대조 마킹들(224)을 포함할 수 있다. 테스트 배치 가이드(222) 및 대조 마킹들(224)은, 이하에서 추가로 설명되는 바와 같이, 동일한 표면 또는 별개의 표면들 상에 있을 수 있다. 일부 변형예들에서, 스캔 표면(220)은 추가적으로 또는 대안적으로 공간적 참조, 색상 교정, 등을 위한 기점들로서 기능하는 다른 마킹들을 포함할 수 있다. 또한, 진단 테스트 키트(200)는 스캔 표면(220)과 함께 사용하기 위한 하나 이상의 진단 테스트들(210)을 포함할 수 있으며, 그 결과 진단 테스트(들)(210) 및 스캔 표면(220)은 함께 패키징되거나 또는 달리 함께 제공된다. 대안적으로, 진단 테스트 키트(200)는 진단 테스트(210)를 생략할 수 있으며, 그 결과 진단 테스트 키트(200)는, 이것의 컴퓨터 비전-보조 분석에 대한 지원을 제공하기 위해, 별개의 진단 테스트(210)에 대한 보충적인 보조 수단으로서 제공될 수 있다.
진단 테스트
진단 테스트 키트(200)는 하나 이상의 적절한 진단 테스트들(210)(예를 들어, 신속 진단 테스트들)을 포함할 수 있다(또는 이들의 분석을 지원하도록 구성될 수 있다). 적절한 진단 테스트들은, 라인, 색상 변화, 또는 다른 기점과 같은 테스트 결과의 시각적 표시를 나타내는 신속 진단 테스트들을 포함한다. 진단 테스트들의 예시적인 유형들은, 측면 흐름 면역측정 테스트들 및 비색 진단 테스트들(예를 들어, 직접 흐름 면역측정 테스트들, 종이 판독부(readout)를 갖는 등온 증폭 테스트들, 비색 판독부를 갖는 등온 증폭 테스트들, 등)을 포함한다. 예를 들어, 측면 흐름 면역측정 테스트는, 테스트 스트립의 테스트 영역을 프레이밍(frame)하는 윈도우를 갖는 카세트 내에 하우징된 테스트 스트립을 포함할 수 있으며, 양성 테스트 결과의 경우에, 테스트 결과 라인은 (대조 라인과 함께) 카세트의 윈도우 내에서 보일 수 있다.
일부 변형예들에서, 진단 테스트는, 테스트 결과들을 포함하는 테스트 영역 주위에 고대비 재료를 포함할 수 있다. 고대비(high contrast)는 컴퓨터 비전 기술들을 사용하여 테스트 영역의 아웃라인 또는 경계의 더 정확한 식별을 가능하게 하는 것을 도울 수 있다. 예를 들어, 통상적인 진단 테스트들은 백색 카세트 인클로저 및 백색 테스트 스트립을 포함하지만, 본원에서 설명되는 것들과 같은 컴퓨터 비전 기술들의 성능은, 카세트 인클로저가 어둡고(예를 들어, 회색 또는 흑색이고) 테스트 스트립이 백색인 경우 향상될 수 있다. 따라서, 일부 변형예들에서, 진단 테스트의 카세트 인클로저는 테스트 스트립보다 더 어두울 수 있다(예를 들어, 카세트 인클로저는 회색 또는 흑색일 수 있으며, 테스트 스트립은 백색일 수 있다). 그러나, 테스트 스트립 색상(및/또는 이하에서 설명되는 것과 같은 스캔 표면)과 대비되는 다른 고대비 카세트 색상들(예를 들어, 밝은 녹색, 밝은 보라색)이 또한 적절할 수 있다. 추가적으로 또는 대안적으로, 일부 변형예들에서, 카세트 재료는 테스트 스트립보다 덜 반사성일 수 있다. 예를 들어, 심지어 테스트 스트립 재료보다 약간 덜 반사성인 플라스틱 카세트 재료도, 테스트 스트립의 정확한 경계들의 위치가 쉽게 찾아질 수 있도록 이미지 분할의 용이성을 크게 향상시킬 수 있다. 일부 변형예들에서, 진단 테스트의 카세트는 플라스틱이고 밝은 회색 색상일 수 있으며, 이는 넓은 범위의 조명 조건들에서 이미지의 고 정확도 분할을 위한 테스트 스트립과의 충분한 콘트라스트를 제공할 수 있다.
추가적으로 또는 대안적으로, 진단 테스트는 본원에서 설명되는 컴퓨터 비전 기술들의 성능을 향상시키기 위한 하나 이상의 기하학적 특징부들을 포함할 수 있다. 예를 들어, 일부 변형예들에서, 진단 테스트 내의 어세이 윈도우는 비스듬하거나 또는 둥근 에지들을 가질 수 있으며, 이는 테스트 스트립 상에 드리워진 그림자의 영향을 감소시킬 수 있다.
진단 테스트(210)는, 예를 들어, 혈액, 혈장, 혈청, 소변, 타액, 가용화된 고형물들, 및/또는 비강 면봉으로부터의 물질과 같은 사용자로부터의 샘플을 수용하도록 구성될 수 있으며, 이는 사용자의 의학적 상태를 평가하기 위해 분석될 수 있다. 진단 테스트(210)는, 바이러스 감염(예를 들어, 인플루엔자, 간염, 지카 바이러스, 뎅기열, 치킨구니아(chikingunya), 노로바이러스, 코로나바이러스(예를 들어, COVID-19)), 세균 감염, 기생충-감염 질병(예를 들어, 말라리아), 임신 및/또는 임의의 적절한 의학적 상태(예를 들어, 만성 신장 질환, 포르피린증, 고옥산뇨증, 탈수, 자가면역 질환들, 염증성 질환들, 약물 남용, 알레르기 반응들, 고콜레스테롤혈증 또는 고중성지방혈증, 등)과 같은 의학적 상태를 테스트하도록 구성될 수 있다. 일부 변형예들에서, 진단 테스트(210)는 다수의 의학적 상태들(예를 들어, 인플루엔자 및 코로나바이러스)을 동시에 테스트하는 것을 가능하게 하기 위한 다수의 테스트 영역들(예를 들어, 다수의 어세이 윈도우들)을 포함할 수 있다. 진단 테스트(210)는, 예를 들어, 2개, 3개, 4개, 또는 5개 또는 더 많은 테스트 영역들을 포함할 수 있다.
샘플 수집 도구들
일부 변형예들에서, 진단 테스트 키트(200)는 사용자로부터의 샘플의 수집을 가능하게 하기 위한 하나 이상의 샘플 수집 도구들을 더 포함할 수 있다. 적절한 샘플 수집 도구들은, 예를 들어, 비강 면봉들, 구강 수집 면봉들, 타액 수집 용기들, 컵들, 튜브들, 등을 포함한다. 샘플 수집 도구들은, 사용자가 샘플 수집 도구들 중 하나 이상으로 샘플을 수집하는 비디오에서, 샘플이 정확하게 수집되었는지 여부를 검증하기 위해 하나 이상의 컴퓨터 비전 기술들이 샘플 수집 툴의 위치 및 이동을 추적하는 것을 가능하게 하도록 구성될 수 있다.
예를 들어, 하나 이상의 샘플 수집 도구들은 고대비 색상(예를 들어, 밝은 녹색, 밝은 보라색)을 갖는 고대비 표시자를 포함할 수 있다. 추가적으로 또는 대안적으로, 고대비 표시자는 다른 시각적으로 눈에 띄는 특성, 예컨대 형광 또는 높은 반사율을 포함할 수 있다. 또한 추가로, 일부 변형예들에서, 고대비 표시자는 컴퓨터-판독가능 기점, 예컨대 ArUco 마커, WR 코드 마커, 등을 포함할 수 있다. 고대비 표시자는 (예를 들어, 샘플 수집 도구의 일 부분 또는 전부 상의 염료 또는 코팅으로서) 샘플 수집 도구에 통합될 수 있거나, 및/또는 샘플 수집 도구에 연결된 별개의 구성요소를 포함할 수 있다.
도 2b 내지 도 2d는 고대비 표시자들의 예시적인 변형예들의 개략적인 묘사들이다. 도 2b에 도시된 바와 같이, 고대비 표시자(230a)는, 튜브 또는 컵의 몸체 또는 면봉의 샤프트(도 2b에 도시됨)와 같은 샘플 수집 도구의 부재 부분과 텔레스코픽 방식으로(telescopically) 맞물리는 슬리브 또는 링을 포함할 수 있다. 대안적으로, 고대비 표시자(230a)는, 샘플 수집 도구의 표면 주위에 부착된 테이프를 포함할 수 있다. 고대비 표시자(230a)는 하나 이상의 체결구들(예를 들어, 접착제)로 또는 기계적 인터핏(interfit)(예를 들어, 억지 끼워맞춤)을 통해 샘플 수집 도구에 결합될 수 있거나, 또는, 전체 도구에 대한 염료 또는 도구의 특정 영역 또는 구성요소에 대한 염료, 등으로서 수집 도구의 제조 시에 포함될 수 있다. 표시자는, 가시적인 광/색상, 적외선, 자외선, 등을 포함하는 전자기 스펙트럼의 임의의 하나 이상의 영역들을 따라 고대비일 수 있다. 예시적인 사용 예로서, 고대비 표시자(230a)는 사용자의 비강 내로 삽입되는 원위 플로킹(flocking)에 근접한 비강 면봉의 샤프트 상에 맞물릴 수 있다. 고대비 표시자(230a)는 비디오에서 매우 가시적이며, 면봉이 정확한 깊이까지 사용자의 비강 또는 구강 내로 삽입되었는지 여부의 결정을 가능하게 하기 위해 추적될 수 있다. 일부 변형예들에서, 동일한 또는 상이한 고대비 특징부들의 다수의 고대비 특징부들은 수집 면봉 또는 다른 샘플 수집 도구의 길이를 따라 배열될 수 있다. 다수의 이러한 고대비 표시자들은, 예를 들어, 동일한 것을 수집하는 사용자의 비디오에서 면봉 삽입의 깊이를 결정하기 위해, 및/또는 샘플 수집 기술을 개선하기 위한 가이드를 사용자에게 제공하기 위해(예를 들어, 사용자에게 면봉을 더 깊이 삽입할 것을 지시하기 위해) 사용될 수 있다.
일부 변형예들에서, 샘플 수집 도구의 기능적 구성요소는 고대비 표시자를 포함할 수 있다. 예를 들어, 도 2c에 도시된 바와 같이, 샘플 수집 용기(예를 들어, 컵, 튜브)는 용기 캡 형태의(또는 이에 결합된) 고대비 표시자(230b)를 포함할 수 있다. 추가적으로 또는 대안적으로, 일부 변형예들에서, 고대비 표시자는, 샘플 수집 도구의 표면에 결합되거나, 또는 전체 도구에 대한 염료 또는 도구의 특정 영역 또는 구성요소에 대한 염료, 등으로서 수집 도구의 제조 시에 포함되는 스티커를 포함할 수 있다. 표시자는, 가시적인 광/색상, 적외선, 자외선, 등을 포함하는 전자기 스펙트럼의 임의의 하나 이상의 영역들을 따라 고대비일 수 있다. 예를 들어, 도 2d에 도시된 바와 같이, 샘플 수집 용기(예를 들어, 컵, 튜브)는 샘플 수집 용기의 표면에 적용된 고대비 표시자(230c) 스티커를 포함할 수 있다. 이러한 고대비 표시자들은 이상에서 설명된 것과 유사하게 추적될 수 있으며, 그들의 위치들 및/또는 배향들은, 사용자가 정확한 절차로 샘플을 획득했는지 여부를 결정하기 위해 분석될 수 있다.
일부 변형예들에서, 샘플 수집 도구의 모션은, 사용자가 샘플 수집 절차를 적절하게 수행했는지 여부를 결정하기 위해 사용자의 얼굴(적절한 안면 인식 접근 방식들을 사용하여 검출될 수 있음) 및/또는 사용자의 다른 신체 부분(예를 들어, 손가락, 손, 팔, 등)에 대해 추적될 수 있다. 추가적으로 또는 대안적으로, 형상 인식 및/또는 추적은, 사용자가 샘플 수집 절차를 적절하게 수행했는지 여부를 유사하게 결정하기 위해서 샘플 수집 도구를 식별하거나 및/또는 추적하기 위해 깊이 카메라(예를 들어, 3D 깊이 매핑을 갖는 적외선 카메라) 및/또는 다른 적절한 센서들(예를 들어, 근접 센서들)을 사용하여 수행될 수 있다.
스캔 표면
이상에서 설명된 바와 같이, 진단 테스트 키트(200)는, 컴퓨터 비전-기반 분석을 위한 보조 수단으로서 임의의 적절한 진단 테스트 위에 위치될 수 있는 하나 이상의 스캔 표면들(220)을 포함할 수 있다. 스캔 표면은, 예를 들어, 카드, 트레이, 매트, 받침대, 하우징, 지침 책자, 또는 진단 테스트를 수용하도록 구성된 임의의 적절한 물리적 구조체 상에 위치될 수 있다. 스캔 표면은 종이, 플라스틱, 판지, 또는 다른 적절한 재료 상에 형성될 수 있다.
도 2a에 도시된 바와 같이, 하나 이상의 스캔 표면들(220)은, 이미징을 위해 스캔 표면에 대한 진단 테스트의 배치를 나타내는 테스트 배치 가이드(222), 및/또는 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는 하나 이상의 대조 마킹들(224)을 포함할 수 있다. 다양한 다른 기점들은 추가적으로 또는 대안적으로, 이하에서 추가로 설명되는 바와 같이, 컴퓨터 비전 기술들을 보조하기 위해 하나 이상의 스캔 표면들 상에 포함될 수 있다.
스캔 표면 상의 시각적 특징부들(예를 들어, 테스트 배치 가이드, 공간적 마커들, 교정 마커들, 대조 마킹들, 다른 기점들, 등) 중 임의의 특징부는 스캔 표면 상에 직접적으로 또는 스캔 표면에 적용된 디켈(decal) 상에 프린트되거나 또는 달리 적용된다. 예를 들어, 시각적 특징부들은 잉크(예를 들어, 컬러 잉크, 흑색 잉크, 형광 잉크, 등), 페인트, 및/또는 레이저 제트 토너, 등으로 프린트될 수 있다. 일부 또는 모든 시각적 특징부들이 형광 잉크로 프린트되는 변형예들에서, 형광 잉크는, 예를 들어, 유로퓸, 로다민, 플루오레세인, 알렉사 플루오르, 양자점 및/또는 형광 나노입자들을 포함하는 잉크를 포함할 수 있다. 형광 잉크들로 스캔 표면 상에 시각적 특징부들을 프린트하는 것은, 예를 들어, 진단 테스팅 키트가, 형광 판독 메커니즘을 사용하는 진단 어세이들(예를 들어, 특수화된 판독기 기구를 필요로 하는 형광 입자들 또는 염료들을 갖는 제품들)과 호환가능하게 되는 것을 가능하게 한다. 일부 변형예들에서, 시각적 특징부들은 디지털 프린팅 프로세스, 플레이트 프린팅 프로세스, 및/또는 다른 적절한 프린팅 프로세스로 프린트될 수 있다.
테스트 배치 가이드들
일부 변형예들에서, 스캔 표면은, 사용자가 이미징되고 분석될 진단 테스트를 위치시켜야 하는 장소의 표시를 제공하는 테스트 배치 가이드를 포함할 수 있다. 테스트 배치 가이드는 진단 테스트의 자동화된 분석을 보조하기 위한 하나 이상의 특징부들을 포함할 수 있다.
도 2a의 개략도에 도시된 바와 같이, 테스트 배치 가이드(222)는, 이미징될 진단 테스트에 대해 고대비인 배경 색상을 포함할 수 있다. 고대비 배경은, 진단 테스트의 아웃라인이 컴퓨터 비전 기술들에 의해 신뢰할 수 있게 검출될 수 있음을 보장하는 것을 도울 수 있다. 예를 들어, 다수의 진단 테스트들은 백색이다(예를 들어, 백색 카세트 하우징 내에 있다). 따라서, 이러한 및/또는 다른 밝은 색상의 진단 테스트들에 대해, 테스트 배치 가이드(222)는, 진단 테스트와 강하게 대비되는 어두운 영역(예를 들어, 흑색 또는 어두운 회색) 또는 밝은 색상의 영역(예를 들어, 밝은 녹색 또는 밝은 보라색, 등)을 포함할 수 있다.
대비되는 배경의 경계 구역(area)은 이미징되도록 의도된 진단 테스트의 경계 구역보다 더 클 수 있다(예를 들어, 적어도 0.1 cm, 약 0.1 cm 내지 약 5 cm 사이, 약 0.1 cm 내지 약 1 cm 사이, 약 1 cm 내지 약 2 cm 사이, 약 2 cm 내지 약 5 cm 사이, 또는 임의의 다른 적절한 마진, 또는 10%, 20%, 50% 또는 기타 적합한 마진과 같이 테스트 길이 또는 폭 중 더 큰 것의 특정 퍼센트인 대비되는 배경의 마진을 제공한다). 그러나, 배경 구역은 이미지 센서의 ISO/노출 시간 조정에 영향을 주지 않기 위해 제한될 수 있다(예를 들어, 배경 내의 너무 많은 흑색은 이미지 센서들이 ISO를 조정함으로써 과잉 보상하게 할 수 있어서 이미징된 진단 테스트의 일부 섹션들에서 백색의 포화를 야기할 수 있다). 이미징된 진단 테스트가 고대비 배경 상에 위치될 때, 진단 테스트의 아웃라인은 윤곽 검출과 같은 기술들을 통해 이미지에서 식별될 수 있다. 이러한 방식으로, 테스트 배치 가이드(222) 내에 피팅된 임의의 진단 테스트의 아웃라인이 결정될 수 있다. 다시 말해서, 진단 테스트 결정은, 진단 테스트 자체 상의 임의의 커스텀 마킹 또는 다른 기점들과 독립적으로 수행될 수 있다. 따라서, 스캔 표면의 고대비 배경은 유익하게는, 매우 다양한 진단 테스트들을 지원하기 위해 진단 테스트 키트가 더 다용도가 되도록 하는 것을 가능하게 할 수 있다.
또한, 일부 변형예들에서, 테스트 배치 가이드(222)는 가이드(222) 상의 진단 테스트의 배치를 지시하기 위한 다른 마킹들 및/또는 다른 특징부들을 포함할 수 있다. 예를 들어, 일부 변형예들에서, 테스트 배치 가이드(222)는, 스캔 표면에 대한 진단 테스트의 적절한 위치 및/또는 배향을 제안하기 위한 텍스트(예를 들어, "여기에 테스트를 배치하세요"), 진단 테스트 또는 이의 경계의 그래픽 표현(예를 들어, 라인 드로잉), 및/또는 적절한 심볼들(예를 들어, 화살표들)을 포함할 수 있다. 이러한 추가적인 가이던스는, 예를 들어, 시각적(예를 들어, 스캔 표면 상에 직접적으로 프린트됨, 스캔 표면에 부착된 디켈 상에 프린트됨, 등) 및/또는 촉각적(예를 들어, 오목부들, 융기된 특징부들, 등)일 수 있다.
스캔 표면(300)(예를 들어, 스캔 카드)의 예시적인 변형예가 도 3a에 도시된다. 도 3a에 도시된 바와 같이, 스캔 표면(300)은, 테스트 배치 가이드(310) 상에 위치될 밝은 색상의 진단 테스트에 대해 고대비가 되도록 구성된 어두운 색상의 배경을 포함하는 테스트 배치 가이드(310)를 포함한다. 테스트 배치 가이드(310)는 또한, 스캔 표면에 대한 카세트의 적절한 배향을 제안하기 위한 지시 텍스트("여기에 카세트를 배치하세요") 및 측면 흐름 어세이 테스트 카세트의 그래픽 표현을 포함한다. 예를 들어, 도 3a에 도시된 그래픽 표현은, 스캔 표면(300)의 하부 에지를 향해 지향된 이것의 샘플 흡입구(짧은 라인으로 도시됨) 및 스캔 표면(300)의 상부 에지를 향해 지향된 이것의 테스트 영역(더 긴 라인으로 도시됨)을 갖는 카세트의 아웃라인을 포함한다. 따라서, 테스트 배치 가이드(310)는 도 3b에 도시된 진단 테스트(T)와 유사한 방식으로 테스트 카세트를 배향하기 위한 제안을 포함한다.
공간적 마커들
일부 변형예들에서, 스캔 표면은, 이미지 내의 테스트 영역(테스트 결과들을 디스플레이하는 테스트의 영역) 및/또는 진단 테스트의 공간적 배향의 식별 및/또는 공간적 위치 찾기를 가능하게 하는 것을 돕도록 기능하는 하나 이상의 공간적 마커들을 포함할 수 있다. 일부 변형예들에서, 공간적 마커들은, 이미지에서 진단 테스트의 경계를 정의(define)하는 배열로 테스트 배치 가이드(즉, 진단 테스트를 수용할 것으로 예상되는 스캔 표면의 영역) 내에 및/또는 그 주위에 위치될 수 있다. 공간적 마커들을 식별함으로써, 진단 테스트 주위의 이러한 경계가 식별될 수 있으며, 그럼으로써 이미지의 배경으로부터의 간섭 없이 추가적인 분석을 위해 진단 테스트를 분리하기 위해 이미지를 크롭하는 것을 가능하게 한다. 예를 들어, 스캔 표면은, 경계 구역의 꼭지점(vertex)들을 형성하는 적어도 3개의 공간적 마커들을 포함할 수 있다. 대체로, 공간적 마커들은 임의의 적절한 기점, 예컨대 ArUco 마커들, QR 코드 마커들, 다른 컴퓨터-판독가능 마커들, 또는 충분히 대조되는 시각적 특성들을 갖는 커스텀 마커들을 포함할 수 있다. 이미지 분석 동안의 공간적 마커들의 사용의 추가적인 세부사항들은 이하에서 추가로 상세히 설명된다.
도 3a에 도시된 예에 도시된 바와 같이, 스캔 표면(300)은, 테스트 배치 가이드(310) 주위의 구획된 직사각형 구역의 코너들에 배열된 4개의 공간적 마커들(320)을 포함할 수 있다. 일부 변형예들에서, 이러한 공간적 마커들 중 3개가, 직사각형 구역의 폭 및 길이를 정의함으로써 구획된 직사각형 구역을 정의하기에 충분할 수 있다. 스캔 표면(300)이 러프한 이미지 크롭을 위한 가이던스를 제공하는 직사각형 경계를 형성하는 4개의 공간적 마커들을 포함하는 것으로서 도 3a에 도시되지만, 다른 변형예들에서, 스캔 표면은 임의의 적절한 형상을 형성하는 임의의 적절한 수의 공간적 마커들(예를 들어, 3개의 마커들, 5개의 마커들, 6개의 마커들, 등)을 포함할 수 있다는 것이 이해되어야 한다. 또한, 도 3a에 도시된 스캔 표면(300)이 공간적 마커들로서 기능하는 ArUco 마커들을 포함하지만, 다른 변형예들에서 공간적 마커들은 임의의 적절한 형태를 가질 수 있다는 것이 이해되어야 한다. 예를 들어, 도 3b는, 스캔 표면(302) 내의 공간적 마커들이 ArUco 마커들 대신에 QR 마커들이라는 점을 제외하면, 도 3a에 도시된 스캔 표면(300)과 유사한 스캔 표면(302)의 예시적인 변형예를 도시한다.
교정 마커들
일부 변형예들에서, 스캔 표면은 교정 또는 다른 참조를 위한 다른 적절한 마커들을 포함할 수 있다. 예를 들어, 스캔 표면은, 정확한 테스트 결과 해석을 방해할 수 있는 조명 조건들의 영향을 감소시키기 위해, 이미지 센서에 의한 자동 색상 정정(예를 들어, 화이트 밸런스)에 대한 기준으로서 기능할 수 있는 표준 색상 및/또는 그레이스케일 마킹들을 포함할 수 있다. 추가적으로 또는 대안적으로, 이러한 색상 교정 마커들은, 진단 테스트를 수용하기 위한 스캔 표면과는 별개의 표면과 같은 임의의 적절한 표면 상에 나타날 수 있다. 예를 들어, 색상 교정 마커들은, 스캔 표면 상의 진단 테스트를 이미징하기 이전에 개별적으로 참조될 수 있는 별개의 교정 카드 상에 존재할 수 있다.
추가적으로 또는 대안적으로, 스캔 표면은, 어세이 상의 진단 테스트의 미리 결정된 기하구조 및 배향을 나타내도록 기능할 수 있는 정렬 마커들을 포함할 수 있다. 이러한 정렬 마커들은, 예를 들어, 이상에서 설명된 도 3a에 도시된 바와 같은 및/또는 이상에서 설명된 바와 같은 테스트 배치 가이드(222) 상의 마킹들과 유사할 수 있다.
대조 마킹들
도 2a에 도시된 바와 같이, 일부 변형예들에서, 스캔 표면(220)은, 진단 테스트의 하나 이상의 미리 결정된 테스트 결과들을 나타내는 하나 이상의 대조 마킹들(224)을 포함할 수 있다. 예를 들어, 대조 마킹들은, 진단 테스트 내의 테스트 대조 마킹들 및/또는 테스트 결과들의 예상된 형상, 색상, 두께, 및/또는 강도에 대응하는 특정 색상, 두께, 및/또는 강도를 갖는 형상들을 포함할 수 있다. 일부 변형예들에서, 대조 마킹들(224)은, 진단 테스트의 수량화 또는 검출의 하한(또는 하한 근처)에 대응하는 적어도 하나의 마킹을 포함할 수 있다.
대조 마킹들(224)은, 카메라가, 희미하게 보일 수 있는 기점을 포함하여 테스트 결과를 나타내는 기점의 검출을 허용하는 적절한 품질의 이미지를 생성할 수 있음을 보장하는 것을 돕도록 기능할 수 있다. 예를 들어, 대조 마킹들(224)은, 카메라가 충분한 해상도, 충분한 이미지 센서 품질, 및/또는 충분한 자동초점, 자동노출, 및/또는 색상/화이트 밸런싱 세팅들 및/또는 능력들을 갖는다는 것을 보장하는 것을 돕기 위해 사용될 수 있다. 하나 이상의 대조 마킹들(224)의 각각이 진단 테스트 플랫폼의 컴퓨터 비전 기술들에 의한 대조 마킹들의 이미지에서 검출되는 경우, 플랫폼은, 양성 및 희미한 양성 결과들을 포함하여 진단 테스트의 테스트 결과를 정확하게 해석할 수 있을 가능성이 높다.
대조 마킹들의 외관은, 대조 마킹들이 연관되는 진단 테스트의 유형에 의존하여 변화할 수 있다. 예를 들어, 측면 흐름 면역측정 테스트와 같은 진단 테스트에 대해, 대조 마킹들(224)은 라인들의 세트를 포함할 수 있다. 도 2a의 개략도에 도시된 바와 같이, 라인들은 두께, 색상, 반사율, 및/또는 색조가 변화할 수 있으며, 라인들 중 적어도 일부는, 측면 흐름 면역측정 테스트에서 나타나는 예상된 대조 라인들 및/또는 테스트 결과 라인들과 크기, 형상, 및/또는 색상이 유사할 수 있다. 예를 들어, 일부 변형예들에서, 프린트된 대조군들은 (예를 들어, 그레이스케일의 다양한 강도의) 흑색 또는 회색 라인들을 포함할 수 있다. 다른 예로서, 일부 변형예들에서, 프린트된 대조군들은 다양한 색상들(예를 들어, 적색, 청색, 녹색, 등)의 라인들을 포함할 수 있다. 라인들의 각각이 컴퓨터 비전 기술들에 의해 검출되는 경우, 컴퓨터 비전 기술들은 진단 테스트의 이미지 내의 테스트 결과들을 정확하게 해석할 수 있을 가능성이 높다.
다른 예로서, 비색 면역측정 테스트와 같은 진단 테스트에 대해, 하나 이상의 대조 마킹들은 유색(colored) 마킹들의 세트를 포함할 수 있다. 도 4b에 도시된 바와 같이, 예를 들어, 스캔 표면(420)은 유색 박스들을 포함하는 일련의 대조 마킹들(424)을 포함할 수 있다. 이상에서 설명된 것과 유사하게, 각각의 박스의 색상은 진단 테스트에 대한 미리 결정된 테스트 결과(예를 들어, 양성 또는 음성 테스트, 양성 대조군, 음성 대조군, 등)를 나타낼 수 있다. 추가적으로 또는 대안적으로, 프린트된 대조 마킹들은 (예를 들어, 그레이스케일의 다양한 강도의) 흑색 또는 회색 박스들을 포함할 수 있다. 유색, 흑색, 및/또는 회색 박스들의 각각이 컴퓨터 비전 기술들에 의해 검출되는 경우, 컴퓨터 비전 기술들은 진단 테스트의 이미지 내의 테스트 결과들을 정확하게 해석할 수 있을 가능성이 높다.
도 2a 및 도 4b에 도시된 바와 같은 일부 변형예들에서, 대조 마킹들은 어레이(예를 들어, 1D 어레이, 2D 어레이)로 배열된 기하학적 형상들을 포함할 수 있지만, 대조 마킹들은 임의의 적절한 디자인의 부분으로서 적절한 대조 마킹들을 통합할 수 있다는 것이 이해되어야 한다. 예를 들어, 대조 마킹들은 적절한 그래픽 디자인(예를 들어, 파도, 집, 나무, 단순한 라인들, 등과 같은 그래픽 아이콘들)으로 교묘하게 배열될 수 있으며, 이는 진단 테스팅 키트의 보다 심미적으로 만족스러운 디자인에 기여할 수 있다.
이상에서 설명된 바와 같은 스캔 표면의 다른 시각적 특징부들과 유사하게, 대조 마킹들은 카드, 종이, 매트, 트레이, 하우징(예를 들어, 박스), 및/또는 다른 적절한 표면 상에 프린트될 수 있다. 일부 변형예들에서, 대조 마킹들은 스캔 표면 상의 테스트 배치 가이드에 근접하여(예를 들어, 인접하여) 위치될 수 있으며, 그 결과 진단 테스트 및 대조 마킹들은 진단 테스트를 이미징하는 카메라의 (함께 이미징될) 동일한 시야 내에 있을 수 있다. 일부 변형예들에서, 일부 또는 모든 대조 마킹들은, 대조 마킹들이 진단 테스트를 이미징하는 것으로부터 별개로(예를 들어, 그 이전에) 이미징될 수 있음에 따라 진단 테스트를 수용하는 구성요소와는 별개의 구성요소 상에 위치될 수 있다. 진단 테스트를 이미징하기 이전의 대조 마킹들의 분석은, 예를 들어, 진단 테스트를 소비하기 이전에 사용자가 특정 카메라 디바이스가 적절한지 여부를 결정하는 것을 가능하게 하는 것을 도울 수 있으며, 그럼으로써 사용자가 의도한 카메라 디바이스가 분석을 위한 적절한 품질의 이미지를 획득할 수 없는 경우에 진단 테스트의 낭비를 피할 수 있다. 카메라 품질을 검증하기 위한 대조 마킹들의 사용의 다른 세부사항들은 이하에서 추가로 설명된다.
인코딩된 정보
일부 변형예들에서, 진단 테스트 키트는, 테스트 키트 및/또는 이것의 구성요소들의 쉽고 신뢰할 수 있는 식별 및/또는 추적가능성을 위해 하나 이상의 컴퓨터-판독가능 코드들을 포함할 수 있다. 예를 들어, 진단 테스트 키트는, 만료 일자, 제품 SKU, 로트 번호, 및/또는 유사한 것과 같은 진단 테스트 키트와 연관된 정보를 인코딩하는 QR 코드, 바 코드, 및/또는 다른 적절한 마킹들을 포함할 수 있다. 추가적으로 또는 대안적으로, 컴퓨터-판독가능 코드는, (예를 들어, 모바일 컴퓨팅 디바이스에서 실행되는 모바일 애플리케이션의) 통신 소프트웨어가 특정 서버, 클라우드 서버, 이메일 주소, 휴대폰 번호, 등과 같은 특정한 지정된 목적지로 테스트 결과들 및/또는 임의의 연관된 메타데이터(예를 들어, 이름, 테스트의 날짜/시간, 교정 또는 이미지 품질 제어에 관한 정보, 등)를 송신하도록 지시하는 라우팅 정보를 인코딩할 수 있다.
일부 변형예들에서, 하나 이상의 이러한 컴퓨터-판독가능 코드들은 스캔 표면 상에 프린트되거나 또는 달리 위치될 수 있으며, 스캔 표면 상의 진단 테스트 및/또는 다른 마킹들과 동일한 시야 내에 있도록 테스트 배치 가이드에 근접할 수 있다. 대안적으로, 하나 이상의 컴퓨터-판독가능 코드들은 별개의 스캔 표면(예를 들어, 이하에서 설명되는 바와 같은 하우징, 별개의 지침 책자, 등) 상에 있을 수 있다.
색상 참조들
추가적으로 또는 대안적으로, 일부 변형예들에서, 스캔 표면은, 비색 진단 테스트의 테스트 결과들을 분석하는 데 사용하기 위한 예시적인 색상들을 포함하는 색상 참조 어레이 또는 다른 패턴을 포함할 수 있다. 예를 들어, 색상 참조 어레이는 유색 블록들 또는 다른 아이콘들의 그룹을 포함할 수 있으며, 이들의 각각은 특정 테스트 결과에 대응할 수 있고, 특정 테스트 결과로 어세이의 색상(예를 들어, 분석물 농도)을 평가하기 위해 의도될 수 있다. 색상 참조 어레이는 그리드, 교묘한 배열, 또는 임의의 적절한 패턴으로 배열된 유색 아이콘들을 포함할 수 있다. 일부 변형예들에서, 이상에서 설명된 바와 같은 대조 마킹들은 추가적으로 테스트 분석의 목적을 위한 색상 참조 어레이로서 기능할 수 있다. 추가적으로 또는 대안적으로, 색상 참조 어레이는 미국 특허 제8,655,009호 및 제8,911,679호에서 설명된 것들과 유사할 수 있으며, 이러한 특허들의 각각은 이러한 참조에 의해 본원에 포함된다.
하우징
일부 변형예들에서, 진단 테스트 키트는 하우징을 포함할 수 있다. 예를 들어, 도 4a에 도시된 바와 같이, 일부 변형예들에서, 진단 테스트 키트는, 하나 이상의 진단 테스트 키트 구성요소들을 수용할 수 있는 적어도 하나의 격실(430)을 포함하는 하우징(400)을 포함할 수 있다. 일부 변형예들에서, 하우징은 플라스틱 인클로저 또는 카세트가 없는 진단 테스트들에 대해 유용할 수 있다. 격실(430)은, 예를 들어, 샘플 수집 및/또는 샘플 조작을 위한 하나 이상의 도구들(예를 들어, 면봉들, 컵들, 튜브들, 원심분리기 튜브들, 모세관 튜브들, 일회용 피펫, 기타 샘플 용기, 테스트 스트립들, 주사기들, 바늘들, 주사기 필터들, 알코올 와이프들, 시약들, 등)과 같은 구성요소들을 저장하도록 구성될 수 있다. 일부 변형예들에서, 구성요소들은 트레이들(예를 들어, 구성요소들에 대응하도록 성형된 캐비티들을 갖는 사출 성형된 트레이들), 박스들, 및/또는 격실들(430) 내에서 임의의 적절한 방식으로 조직될 수 있다. 구성요소들은 테스트 프로세스 동안 사용하기 위해 제거될 수 있다.
추가적으로 또는 대안적으로, 일부 변형예들에서, 하우징은 이상에서 설명된 스캔 표면들과 유사한 스캔 표면(420)을 포함할 수 있으며, 하우징은 어세이 스탠드로서 기능할 수 있다. 예를 들어, 도 4a 및 도 4b에 도시된 바와 같이, 스캔 표면(420)은, 컴퓨터 비전 기술들이 스캔 표면(420)에 대해 위치된 진단 테스트의 위치를 결정하는 것을 돕는 고대비 배경, 공간적 마커들(426), 및/또는 다른 적절한 교정 마커들을 포함할 수 있다. 또한, 도 4b에 도시된 바와 같이, 스캔 표면(420)은 이상에서 설명된 바와 같이 하나 이상의 대조 마커들(424)을 포함할 수 있다. 일부 변형예들에서, 도 4b에 도시된 바와 같이, 스캔 표면(420)은 (예를 들어, 하우징의 기하구조, 어세이 스탠드에 대해 도 4e에 도시된 것과 같은 킥스탠드(kickstand)를 갖는 하우징의 배향, 등으로 인해) 위쪽으로 경사지거나 또는 각질 수 있으며, 이는 스캔 표면(420) 상의 진단 테스트의 조명을 개선하고, 그림자를 피할 수 있는 등이다. 일부 변형예들에서, 각도는 고정될 수 있으며, 반면 일부 변형예들에서 각도는, 예컨대 조정가능 킥스탠드로 조정가능할 수 있다.
그러나, 도 4a 및 도 4b에 도시된 스캔 표면(420)은, 분석을 위해 진단 테스트를 수용하도록 구성된 적어도 하나의 리셉터클(예를 들어, 컷아웃 또는 오목부)을 포함하는 테스트 배치 가이드(422)를 포함할 수 있다. 예를 들어, 리셉터클은 진단 테스트를 거치(cradle)하도록 성형되고 크기가 결정될 수 있다. 또한, 일부 변형예들에서, 리셉터클은, (이하에서 추가로 상세히 설명되는 바와 같이) 가열 디바이스가 격실(430) 내에 배열되는 변형예들에서 열이 가열 디바이스로부터 공유된 벽을 가로질러 테스트 배치 가이드(422)에 위치된 진단 테스트로 전달될 수 있도록 격실(430)과 벽(또는 멤브레인, 등)을 공유할 수 있다. 진단 테스트는, 진단 테스트가 스캔 표면(420) 상의 제위치에 홀딩되도록 스냅 핏, 접착제, 등과 같은 기계적 인터핏을 통해 리셉터클 내에 고정될 수 있다. 테스트 배치 가이드(422)는 도 4a에 도시된 바와 같이 단일 리셉터클 또는 도 4b에 도시된 바와 같이 다수의 리셉터클들을 포함할 수 있다. 예를 들어, 도 4b에 도시된 테스트 배치 가이드(422)는 양성 대조군, 음성 대조군, 및 테스트 결과를 제공하는 용기들을 수용하기 위한 3개의 리셉터클들을 포함할 수 있다. 그러나, 다른 변형예들에서, 테스트 배치 가이드(422)는 (예를 들어, 원뿔형 샘플 튜브들, 피펫들, 모세관 튜브들, 큐벳들, 등을 수용하기 위해) 임의의 적절한 형상의 임의의 적절한 수의 리셉터클들을 포함할 수 있다는 것이 이해되어야 한다. 추가적으로 또는 대안적으로, 다른 컷아웃들(예를 들어, 노치(notch)들(436)) 또는 다른 적절한 장착 특징부들이 큐벳 홀더 등과 같은 구성요소들에 대한 마운트를 제공하기 위해 하우징의 측면 또는 다른 적절한 표면에 형성될 수 있다.
하우징은, 일부 변형예들에서, 격실을 커버하기 위한 및/또는 하우징을 봉입하기 위한 커버를 포함할 수 있다. 예를 들어, 도 4c 및 도 4d는 도 4b에 도시된 하우징(402)과 같은 하우징에 결합될 수 있는 하우징 커버(440)의 예시적인 변형예를 도시한다. 하우징 커버(440)는, 하우징(402) 상에 하우징 커버(440)를 배향하거나 및/또는 고정하는 것을 도울 수 있는, 하우징(402) 상의 정렬 특징부들(434)과 맞물리도록 구성된 하나 이상의 정렬 특징부들(446)을 포함할 수 있다. 일부 변형예들에서, 하우징 커버(440)는 진단 테스트 구성요소들(예를 들어, 반응 혼합물들에 대한 원뿔형 튜브들, 등)을 수용하기 위한 하나 이상의 리셉터클들(442)을 포함할 수 있다. 이러한 리셉터클들(442)의 위치는, 예를 들어, 격실(430) 내의 (이하에서 추가로 상세히 설명되는 바와 같은) 가열 디바이스로부터의 열이 리셉터클들(442) 내의 아이템들을 데우기 위해 사용되는 변형예들에서 유익할 수 있다. 일부 변형예들에서, 리셉터클들(442)은 미리 결정된 시간 기간(예를 들어, 30 초) 동안 샘플 용기들(예를 들어, 양성 대조군, 음성 대조군, 테스트 결과)를 데우기 위해 사용될 수 있으며, 그런 다음 데워진 용기들은 스캔 표면(420)과 같은 이미징 구역으로 전달될 수 있다.
하우징은 임의의 다양한 적절한 방식들로 만들어질 수 있다. 예를 들어, 하우징은 사출 성형되거나, 3D 프린트되거나, 밀링되거나, 폴딩되거나, 및/또는 임의의 적절한 프로세스로 형성될 수 있다. 하우징은 플라스틱, 종이(예를 들어, 왁스 종이), 판지, 금속, 등과 같은 임의의 적절한 재료들을 포함할 수 있다.
가열 디바이스
일부 변형예들에서, 진단 테스트 키트는 가열 디바이스를 포함할 수 있다. 다수의 진단 테스트들은 등온 증폭 단계를 사용하며, 가열 디바이스를 이를 위해 열을 제공할 수 있다. 도 4a에 개략적으로 도시된 바와 같이, 가열 디바이스(432)는 하우징 주위에 및/또는 하나 이상의 리셉터클들 내에 위치된 아이템들을 데우기 위해 하우징의 격실(430) 내에 위치될 수 있다. 예를 들어, 격실(430) 내에 위치될 때, 가열 디바이스는 스캔 표면(420) 및/또는 하우징 커버(440) 상의 진단 테스트(들)(테스트 샘플들, 대조군들, 등을 포함함)를 데우도록 구성될 수 있다. 그러나, 하나 이상의 가열 디바이스들은 임의의 적절한 위치에(예를 들어, 전방 표면, 후방 표면, 하단 표면, 측면 표면, 등과 같은 하우징의 외부 상에) 배열될 수 있다. 또한 추가로, 일부 변형예들에서, 가열 디바이스는, 테스트 샘플들을 데우도록 구성된 독립형 구조체와 같이, 하우징으로부터 분리될 수 있다.
가열 디바이스(432)가 하우징의 격실(430) 내에 있는 일부 변형예들에서, 하우징은 데우기 위해 진단 디바이스 및/또는 다른 용기들과 가열 디바이스(432) 사이의 열 전달을 향상시키기 위한 특징부들을 포함할 수 있다. 예를 들어, 하우징은 가열 디바이스와 진단 디바이스 사이의 표면적 접촉을 최대화하도록 구성된 채널들 또는 캐비티들을 포함할 수 있다. 다른 예로서, 하우징은 추가적으로 또는 대안적으로 데우기 위해 희망되는 위치들과 가열 디바이스 사이의 열의 도관들로서 기능하는 열 전도성 재료(예를 들어, 알루미늄 또는 다른 전도성 재료)를 포함할 수 있다.
가열 디바이스는 임의의 적절한 종류의 가열 메커니즘을 포함할 수 있다. 예를 들어, 가열 디바이스는 물-작동형 생석회 히터, 공기-작동형 히터(예를 들어, 공기에 노출 시에 발열 반응으로부터 열을 생성하는 셀룰로오스, 철, 활성탄 또는 다른 적절한 물질을 이용함), 전기 히터, 또는 다른 화학적 히터를 포함할 수 있다. 일부 변형예들에서, 가열 디바이스는 LAMP, 롤링 서클 증폭, NEAR, 태드폴(tadpole) 및 다른 등온 증폭 반응들과 함께 사용하기 위해 약 65°C 이상의 온도에 도달할 수 있다. 가열 디바이스는 추가적으로 또는 대안적으로, 일부 진단 테스트들에 대해 중요한 세포 용해 및/또는 다른 가열 단계들을 수행하기 위해 사용될 수 있다.
다른 이미징 보조 수단들
어세이 스탠드
일부 변형예들에서, 진단 테스트 키트는 추가적으로 또는 대안적으로, 진단 테스트의 조명을 개선하고 진단 테스트의 더 양호한 이미지를 획득하기 위해 스캔 표면 및 진단 테스트를 적절한 각도로 배향하도록 구성된 스탠드를 포함할 수 있다. 어세이 스탠드는, 어세이 스탠드가 하우징 격실을 생략할 수 있다는 점을 제외하면, 도 4b에 대해 이상에서 설명된 각진 하우징(402)과 유사할 수 있다. 일부 변형예들에서, 스탠드는 플라스틱 인클로저 또는 카세트가 없는 진단 테스트들에 대해 유용할 수 있다. 도 4e의 예시적인 개략도에 도시된 바와 같이, 어세이 스탠드(450)는, 예를 들어, 진단 테스트(T)를 수용하기 위한 이상에서 설명된 것(예를 들어, 정렬 마커들을 가짐)과 유사한 스캔 표면을 포함할 수 있는 트레이 또는 다른 홀더(352)를 포함할 수 있다. 스탠드는, 진단 테스트 상의 조명의 균질성을 개선하기 위해 진단 테스트를 어세이를 향해 위쪽으로 기울이거나 및/또는 주변 광을 어세이를 향해 위쪽으로 반사하도록 구성될 수 있다. 예를 들어, 스탠드는 약 10° 내지 약 80° 사이, 약 25° 내지 약 65° 사이, 약 35° 내지 약 55° 사이, 또는 약 45°, 등의 각도로 진단 테스트를 기울이도록 구성될 수 있다. 스캔 표면은, 스탠드의 각진 면으로 인해 및/또는 수평 표면에 대한 스탠드의 각도로 인해 각이 질 수 있다. 각도는, 예컨대 정적 각진 브래킷 또는 다른 구조로 고정될 수 있다. 대안적으로, 각도는, 예컨대 각진 킥스탠드(예를 들어, 도 4e에 도시된 킥스탠드(454))로 조정가능할 수 있다.
형관-관련 액세서리들
일부 변형예들에서, 진단 테스트 키트는 이미징하는 데 보조하기 위한 형광-관련 액세서리들을 포함할 수 있다. 예를 들어, 진단 테스트 키트는, 형광 판독 메커니즘을 사용하는 진단 테스트들(예를 들어, 형광 입자들 또는 염료들을 갖는 제품들)과 호환가능한 액세서리들을 포함할 수 있다. 일부 변형예들에서, 진단 테스트 키트는 진단 테스트 내의 형광 입자들 또는 염료들을 여기(excite)시키기 위한 하나 이상의 여기 광원들(예를 들어, 자외선(ultraviolet; UV) 광원들)을 포함할 수 있다. 추가적으로 또는 대안적으로, 진단 테스트 키트는, 테스트 분석 목적을 위해, 진단 테스트 키트로부터 방출되는 형광 광의 이미징을 용이하게 하기 위해, 이미징 동안 카메라와 진단 테스트 키트 사이에 위치될 하나 이상의 적절한 UV 필터들을 포함할 수 있다.
진단 테스트 키트들의 변형예들이 본원에서 설명된 구성요소들의 임의의 적절한 조합을 포함할 수 있다는 것이 이해되어야 한다. 또한, 일부 변형예들에서, 테스트 키트의 특정 구성요소들(예를 들어, 어세이 스탠드, 형광-관련 액세서리들)은 재사용가능할 수 있으며, 다수의 일회용 구성요소들(예를 들어, 다수의 진단 테스트들)과 함께 반복적으로 사용될 수 있다. 대안적으로, 일부 변형예들에서, 진단 테스트 키트의 모든 구성요소들은 단일 사용으로 지정될 수 있다.
진단 테스트를 분석하는 방법들
도 5에 도시된 바와 같이, 진단 테스트를 분석하기 위한 방법(500)은, 하나 이상의 프로세서들에서, 진단 테스트를 묘사하는 이미지를 수신하는 단계로서, 여기서 진단 테스트는 테스트 결과를 나타내는 테스트 영역을 포함하는, 단계(510), 이미지의 품질을 검증하는 단계(520), 진단 테스트의 테스트 영역을 묘사하는 이미지의 테스트 영역 이미지 부분의 위치를 찾는 단계(530), 및 테스트 영역 이미지 부분에 기초하여 테스트 결과를 예측하는 단계(540)를 포함할 수 있다. 또한, 일부 변형예들에서, 방법(500)은, 사용자 또는 다른 엔티티에게 예측된 테스트 결과를 통신하는 단계(550), 및/또는 예측된 테스트 결과를 (예를 들어, 사용자의 전자 건강 레코드, 진단 플랫폼과 연관된 사용자 계정, 등에) 저장하는 단계(560)를 더 포함할 수 있다. 일부 변형예들에서, 방법은, 도 2b 내지 도 2d를 참조하여 이상에서 설명된 것과 같은 기술들을 사용하여, (테스트 결과를 결정하기 위한 이미지 분석 이전에, 동안에, 또는 이후에) 샘플 수집을 검증하는 단계(502)를 포함할 수 있다. 또한, 일부 변형예들에서, 방법은, 예를 들어, 진단 테스트 분석을 위한 이미지를 획득하기 위해 사용된 카메라 품질을 평가하기 위해 사용될 수 있는, 스캔 표면 상의 하나 이상의 대조 마킹들의 검출을 검증하는 단계(504)를 포함할 수 있다.
일부 변형예들에서, 방법(500)은, 이상에서 설명된 것들(또는 이들의 구성요소들)과 같은 진단 테스트 키트들과 함께 사용될 수 있다. 방법(500)은, 예컨대 모바일 컴퓨팅 디바이스(예를 들어, 컴퓨팅 디바이스 상에서 실행되는 모바일 애플리케이션, 및 진단 플랫폼과 연관됨) 상에서 로컬적으로 수행될 수 있거나, 및/또는 예컨대 서버(예를 들어, 클라우드 서버) 상에서 원격으로 수행될 수 있다.
대조 마킹들의 검출의 검증
일부 변형예들에서, 방법은, 분석을 위해 진단 테스트의 이미지를 획득하기 위해 사용될 카메라 및/또는 이미지 센서(및/또는 이미징 조건들)를 평가하는 단계를 포함할 수 있다. 예를 들어, 도 7a에 도시된 바와 같이, 진단 테스트의 분석을 용이하게 하기 위한 방법(700)은, 진단 테스트 및 하나 이상의 대조 마킹들의 이미지를 수신하는 단계(710)를 포함할 수 있다. 대조 마킹들은, 이상에서 추가로 상세히 설명된 바와 같이, 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는 적절한 마킹들을 포함할 수 있다. 컴퓨터 비전 기술들은, 대조 마킹들의 전부(또는 충분한 부분)가 이미지 내에서 검출될 수 있는지 여부를 평가할 수 있다(720). 이미지 내에서 대조 마킹들의 전부가 검출되지 않는 경우, 사용자는 오류를 통지 받을 수 있다(730). 예를 들어, 상이한 카메라로 시도하거나, 하나 이상의 카메라 세팅들을 변경하거나, 하나 이상의 환경적 요인들을 조정하거나, 또는 이들의 임의의 조합, 등을 하라는 제안이 사용자에게 제공될 수 있다. 대조 마킹들이 이미지 내에 검출되는 경우, 이미지는 진단 테스트 결과를 예측하기 위해 추가로 분석될 수 있으며(740), 테스트 결과는 이하에서 설명되는 것과 같이 출력되거나 또는 달리 통신될 수 있다(750).
도 7a에 도시된 방법(700)이 진단 테스트 및 대조 마킹들 둘 모두를 포함하는 이미지를 사용하지만, 일부 변형예들에서, 별개의 이미지들이 이러한 정보를 제공할 수 있다. 예를 들어, 도 7b에 도시된 바와 같이, 진단 테스트의 분석을 용이하게 하기 위한 방법(700')은 하나 이상의 대조 마킹들의 제1 이미지를 수신하는 단계(710a)를 포함할 수 있으며, 컴퓨터 비전 기술들은, 대조 마킹들의 전부 또는 충분한 부분이 제1 이미지 내에서 검출될 수 있는지 여부를 평가할 수 있다(720). 이미지 내에서 대조 마킹들의 전부가 검출되지 않는 경우, 사용자는 이상에서 설명된 바와 같이 오류를 통지 받을 수 있다(730). 이미지 내에서 대조 마킹들이 검출되는 경우, 사용자는 진단 테스트를 묘시하는 제2 이미지를 찍도록 유도될 수 있다(710b). 그런 다음 제2 이미지는 진단 테스트 결과를 예측하기 위해 추가로 분석될 수 있으며(740), 출력되거나 또는 달리 통신될 수 있다(750).
도 8a는, 복수의 프린트된 대조 마킹들(810)을 포함하는 스캔 표면 상의 하나 이상의 대조 마킹들의 검출을 검증하는 예시적인 변형예를 예시한다. 특히, 도 8a는, 다양한 반사율의 9개의 라인들의 세트를 포함하는 대조 마킹들(810)을 갖는 스캔 카드의 이미지를 도시한다. 9개의 라인들은, 희미한 양성으로부터 강한 양성까지의 범위의 측면 흐름 면역측정의 테스트 결과들을 나타내는 것으로 간주될 수 있다. 이미지를 분석할 때, 경계 이미지 영역(820)은, 예를 들어, 적절한 이미지 영역(820)의 양쪽 측면 상에 있는 것으로 알려진 식별 기점들(예를 들어, ArUco 마커들)에 기초하여, 프린트된 대조 마킹들(810)을 포함하는 것으로서 식별될 수 있다. 기점들은, OpenCV 및/또는 유사한 컴퓨터 비전 소프트웨어 패키지들의 내장 기능들과 같은 적절한 컴퓨터 비전 기술들로 식별될 수 있다. 이미지 영역(820)은 크롭될 수 있으며, 이것의 픽셀들은 픽셀 값들의 1D 어레이로 압축될 수 있고, 여기서 1D 어레이의 각각의 요소는 이미지 영역(820) 내의 이미지 세그먼트(예를 들어, 픽셀들의 로우(row) 또는 컬럼(column))의 대표적인 메트릭(예를 들어, 평균, 중앙값, 다른 통계 측정치, 등)를 포함할 수 있다. 이러한 1D 어레이의 요소들의 상대적인 값들은 일련의 피크들을 결정하기 위해 분석될 수 있으며, 피크들의 각각은 개별적인 대조 마킹에 잠재적으로 대응하는 것으로 간주될 수 있다. 일부 변형예들에서, 대조 마킹들의 영역 내의 여백은, 시스템이 여백에서 어떠한 피크들도 검출되지 않을 것으로 예상해야 하는 음성 대조군으로서 사용될 수 있다. 식별된 피크들의 결과적인 카운트는 허용된 미리 결정된 값(예를 들어, 대조 라인들의 알려진 수)과 비교될 수 있다. 피크 카운트가 허용된 미리 결정된 값들과 충분히 유사한 경우(예를 들어, 적어도 허용된 임계 값들이거나, 또는 임계 값들의 특정 범위 내에 속하는 경우), 대조 마킹들의 이미지를 찍기 위해 사용된 카메라 및/또는 이미징 조건들은 충분한 품질로 간주될 수 있다. 도 8a의 예에서, 이미지 영역(820)에 대한 1D 어레이의 분석은 9개의 피크들의 카운트를 야기하며, 이는 스캔 카드 상의 대조 라인들(810)의 미리 결정되고 알려진 수와 매칭된다. 따라서, 도 8a는, 이미지 영역(820) 내에서 식별된 피크들에 기초하여 대조 체크가 통과되고 후속 이미지 분석이 진행될 수 있는 상황을 나타낸다.
도 8b는 스캔 표면 상의 하나 이상의 대조 마킹들의 검출을 검증하는 다른 예시적인 변형예를 예시한다. 도 8b의 변형예는, 방법이, 다른 피크들에 대한 피크의 고유 높이 및/또는 위치로 인해 피크가 얼마나 많이 두드러지는지를 나타내는, 각각의 식별된 피크의 돌출(prominence)을 추가로 고려한다는 점을 제외하면 도 8a와 유사하다. 결과적인 피크들의 카운트 및/또는 그들의 돌출들은 허용된 미리 결정된 값들과 비교될 수 있다(예를 들어, 적어도 허용된 임계 값들이거나, 또는 임계 값들의 특정 범위 내에 속할 수 있다). 피크들의 수 및/또는 그들의 돌출이 미리 결정된 조건들을 충족시키는 경우, 대조 마킹들의 이미지를 찍기 위해 사용된 카메라 및/또는 이미징 조건들은 충분한 품질로 간주될 수 있다. 도 8b의 예에서, 이미지 영역(820)에 대한 1D 어레이의 분석은 9개의 피크들의 카운트를 야기하며, 각각의 피크의 측정된 돌출이 또한 미리 결정된 조건들을 충족시킨다. 따라서, 도 8b는, 이미지 영역(820) 내에서 식별된 피크들 및 돌출들에 기초하여 대조 체크가 통과되고 후속 이미지 분석이 진행될 수 있는 상황을 나타낸다.
또한, 일부 변형예들에서, 프린트된 대조 마킹들은 추가적으로 또는 대안적으로, 예컨대 각각의 테스트 브랜드 윤곽의 검출 및 해당 윤곽 내의 값들의 측정, 미리 결정된 공간적 영역들 내의 값들의 측정, 및/또는 트레이닝된 기계 학습 모델에 의한 분석에 기초하여 다른 방법들로 평가될 수 있다.
이미지들의 수신
도 6은 진단 테스트의 이미지를 분석하기 위한 컴퓨터 비전 기술들의 상세하고 다양한 측면들을 예시한다. 이상에서 설명된 바와 같이, 배경에 대한 진단 테스트를 묘사하는 이미지가 수신될 수 있다(610). 배경은 기점들을 갖는 지정된 스캔 표면을 포함하거나 또는 포함하지 않을 수 있다. 일부 변형예들에서, 이미지는, 모바일 컴퓨팅 디바이스 상에서 실행되는 애플리케이션의 도움으로 사용자에 의해 획득될 수 있거나, 또는 컴퓨팅 디바이스 및 디스플레이를 갖는 테스팅 장치에 연결된 카메라에 의해 획득될 수 있다. 애플리케이션은, 예를 들어, 사용자가 적절한 이미지를 획득하기 위한 온-스크린 지시들 및/또는 가이던스(예를 들어, 디스플레이되는 십자선(reticle))를 디스플레이할 수 있다. 일부 변형예들에서, 애플리케이션은 추가적으로 또는 대안적으로, 카메라 세팅들(예를 들어, 화이트/컬러 밸런스, 등)을 최적 상태로 자동으로 조정하기 위해 및/또는 사용자에게 제안들(예를 들어, "빛이 더 많은 곳으로 이동하세요")을 제공하기 위해, 및/또는 테스트의 조명을 자동으로 증가시키기 위한 피드백 루프를 닫기 위해 광 센서들과 같은 컴퓨팅 디바이스 또는 테스팅 장치 내의 센서들을 사용할 수 있다. 이미지는, jpeg, png, RAW, 등과 같은 임의의 적절한 포맷일 수 있다.
(예를 들어, 도 7a 및 도 7b에 대해 설명된 바와 같은) 대조 체크를 통과했다고 가정하면, 이미지의 분석은, 예컨대, 배경으로부터 진단 테스트를 분리하기 위해 이미징된 진단 테스트 주위의 이미지의 러프하게 크롭된 버전을 생성함(612)으로써 진행될 수 있다. 대조 체크가 수행되지 않는 변형예들에서, 수신된 이미지의 분석은 아래에서 추가로 설명되는 바와 같이 자동으로 진행될 수 있다.
일부 변형예들에서, 러프한 크롭(612)은 스캔 표면의 도움으로 컴퓨터 비전 기술들을 사용하여 자동으로 수행될 수 있다. 예를 들어, 도 9a는 공간적 마커들(이들이 ArUco 마커들 또는 임의의 적절한 기점을 포함할 수 있지만, QR 코드 마커들)을 갖는 스캔 카드 상의 진단 테스트의 이미지(910)를 도시한다. 이미지(910)는, 진단 테스트를 둘러싸는 관심 영역(920)으로 러프하게 크롭될 수 있다. 이러한 관심 영역(920)은, 예를 들어, OpenCV 또는 다른 적절한 컴퓨터 비전 소프트웨어 패키지들의 내장 기능들을 이용해서와 같이, 3개 이상의 공간적 마커들의 세트를 식별함으로써 위치가 찾아질 수 있다. 3개의 공간적 마커들에 의해 경계가 지정된 구역이 추가적인 분석을 겪을 수 있다.
일부 변형예들에서, 러프한 크롭(612)은 스캔 표면의 도움으로 다른 이미지 분석을 갖는 추가적인 컴퓨터 비전 기술들을 사용하여 자동으로 수행될 수 있다. 예를 들어, 도 9b는 공간적 마커들(QR 코드 마커들)을 갖는 스캔 카드 상의 진단 테스트의 이미지(910)를 도시하며, 여기서 이미지(910)는 진단 테스트를 둘러싸는 관심 영역(920)으로 크롭될 수 있다. 도 9a에 대해 이상에서 설명된 방법과 유사하게, 더 많은 공간적 마커들(예를 들어, 이들이 ArUco 마커들 또는 임의의 적절한 기점을 포함할 수 있지만, QR 코드 마커들) 중 3개가 식별될 수 있지만, 여기서 공간적 마커들은, 이미지(910)를 상이한 색 공간(color space)으로 변환하고 각각의 공간적 마커의 위치를 나타내는 윤곽들을 식별함으로써 식별될 수 있다. 예를 들어, 이미지는 분석을 컬러-애그노스틱(color-agnostic)으로 만들기 위해 그레이스케일로 변환될 수 있으며, 그런 다음 임계 컷오프(cutoff)들이 관심 영역과 배경을 구분하는 것을 돕기 위해 적용될 수 있다. 임계 컷오프들은, 예를 들어, 목표 구역 대 "배경" 구역의 평균 광 강도의 함수일 수 있는 경험적으로 결정된 임계치 및 공간적 마커들의 후보 위치들을 식별하기 위한 윤곽 결정에 기초할 수 있다. 영역 크기 및/또는 영역 종횡비의 테스트가 이미지 내에서 공간적 마커들이 위치된 곳을 식별하기 위해 공간적 마커들의 후보 위치들에 적용될 수 있다. 도 9b에 도시된 변형예에서, 공간적 마커들 중 하나는, 공간적 마커들 중에서 미리 결정된 알려진 위치(우측 하부 코너)에 적색 정사각형을 포함한다. 공간적 마커들의 세트의 위치가 찾아진 이후에, 적색 정사각형이 식별되고, 관심 영역(920)은, 곱해지는 좌표들에 대한 원점으로서 적색 정사각형의 코너 또는 적색 정사각형에 대한 다른 적절한 포인트를 사용하여, 해당 적색 정사각형의 배수인 이미지(910)의 구역(예를 들어, (적색 정사각형의 높이 곱하기 M) x (적색 정사각형의 폭 곱하기 N)의 영역)으로서 식별된다.
추가적으로 또는 대안적으로, 이미지의 러프한 크롭은, 도 9b에 대해 이상에서 설명된 바와 같이 먼저 이미지를 그레이스케일로 변환하고 임계 컷오프들을 적용함으로써 자동으로 수행될 수 있다. 그 후에, 하나 이상의 필터들(예를 들어, 중앙값 필터들)은 이미지로부터 그림자들을 제거하기 위해 사용될 수 있다. 개방, 폐쇄 및/또는 그래디언트(gradient) 모폴로지(morphology) 동작들이 이미지에 대해 수행될 수 있으며, 분석은 온-스크린 십자선에 의해 윤곽이 잡힌 이미지의 영역들에 집중될 수 있다. 최소-영역(Min-area) 알고리즘들은, 이미지의 러프한 크롭에 대한 관심 영역으로서 진단 테스트 주위의 베스트-핏 박스를 결정하기 위해 사용될 수 있다.
또한, 일부 변형예들에서, 진단 테스트의 이미지의 러프한 크롭(612)은 추가적으로 또는 대안적으로 진단 테스트의 경계들을 지정하기 위한 수동 입력을 포함할 수 있다. 예를 들어, 사용자가, 예컨대 모바일 애플리케이션을 실행하고 있는 모바일 컴퓨팅 디바이스(예를 들어, 스마트폰)로 배경에 대해 진단 테스트의 이미지를 찍은 이후에, 모바일 애플리케이션은 이미징된 진단 테스트 주위의 관심 영역을 표시하도록 사용자를 유도할 수 있다. 사용자는, 예를 들어, 적절한 그래픽 사용자 인터페이스를 사용하여 디스플레이된 이미지 상에서 관심 영역을 수동으로 추적함으로써 및/또는 기하학적 관심 영역의 꼭지점들(예를 들어, 직사각형의 코너들)을 표시함으로써 관심 영역을 표시할 수 있다. 대안적으로, 사용자는, 컴퓨팅 디바이스 상의 임의의 적절한 사진 편집 애플리케이션을 사용하여 진단 테스트의 원본 이미지를 크롭하거나, 마킹하거나, 또는 달리 편집할 수 있으며, 추가적인 분석을 위해 해당 편집된 사진을 지정할 수 있다. 또 다른 예로서, 진단 테스트의 이미지의 러프한 크롭은 추가적으로 또는 대안적으로 이미징 디바이스의 시청 스크린 상에 디스플레이되는 온-스크린 십자선 및/또는 임의의 다른 적절한 가이드에 기초할 수 있다. 예를 들어, 이미징 디바이스(예를 들어, 스마트폰)의 GUI는 목표(예를 들어, 진단 테스트, 진단 테스트의 테스트 영역, 등)와 동일한 종횡비를 갖는 십자선을 디스플레이할 수 있으며, 여기서 사용자는 이미지를 캡처하기 이전에 목표와 십자선을 정렬시킬 수 있다. 결과적으로, 일부 변형예들에서, 러프한 크롭은 디스플레이된 십자선에 대응하는 수신된 이미지 내의 픽셀들의 크롭된 영역에 기초할 수 있다.
일부 변형예들에서, 러프한 크롭(612)은 진단 테스트의 이미지 내의 관심 영역과 관련하여 자동 결정 및 수동 입력 둘 모두를 통합할 수 있다. 예를 들어, 이상에서 설명된 자동화된 기술들 중 임의의 기술은 이미징된 진단 테스트 주위의 러프한 크롭을 정의하는 제안된 관심 영역을 결정할 수 있으며, 제안된 관심 영역은 사용자에 의한 확인 및/또는 수동 조정을 위해 컴퓨팅 디바이스(예를 들어, 스마트폰)의 스크린 상에 디스플레이될 수 있다.
추가적으로 또는 대안적으로, 이미지의 러프한 크롭(612)은 이미징되고 있는 진단 테스트의 알려진 특성들을 통합할 수 있다. 예를 들어, 진단 테스트의 유형(예를 들어, 브랜드, 등)이 결정될 수 있고, 진단 테스트의 전체 형상 또는 종횡비와 같은 하나 이상의 특성들이 해당 유형의 진단 테스트에 대해 알려질 수 있다(예를 들어, 저장된 구성 파일에서 알려질 수 있다). 해당 진단 테스트에 대한 구성 파일로부터의 정보는, 예를 들어, 이미지 내의 관심 영역의 적절한 크기 및/또는 형상을 검증하는 데 사용될 수 있다. 진단 테스트의 유형은 자동으로(예를 들어, 이미징된 진단 테스트 상의 브랜드의 광학적 문자 인식, 다른 특유의 특징들, 기계 학습, 템플릿 매칭, 등으로) 및/또는 컴퓨팅 디바이스 상의 수동 입력(예를 들어, 알려진 특성들을 갖는 진단 테스트들의 디스플레이되고 채워진 리스트로부터 사용자에 의해 선택됨)을 통해 결정될 수 있다. 일부 변형예들에서, 자동화된 방법들을 통해 결정된 제안되는 진단 테스트 유형은 그런 다음 사용자에 의해 수동으로 확인되거나 또는 정정될 수 있다. 또한, 일부 변형예들에서, 이러한 확인 또는 정정은 그 정확도를 개선하기 위해 기계 학습 모델을 추가로 트레이닝시키기 위해(또는 달리 이상에서 설명된 자동화된 방법들을 개량하기 위해) 사용될 수 있다.
이미지(예를 들어, 이미지의 러프하게 크롭된 버전)는, 일부 변형예들에서, 이하에서 설명되는 것과 같은 이미지 검증 이전에(또는 동안에) 추가로 사전-프로세싱될 수 있다. 예를 들어, 사전-프로세싱은 이미지로부터 그림자들을 제거하는 단계를 포함할 수 있다. 예를 들어, 그림자들은, 이미지를 컬러-애그노스틱으로 만들기 위해 이미지를 그레이스케일로 변환하는 단계, 이미지의 각각의 축에 걸쳐 평균 광 레벨을 측정하고 각각의 축에 걸쳐 광 레벨의 1D 어레이를 생성하는 단계, 및 더 밝은 구역들을 어둡게 하고 더 어두운 구역들을 더 밝게 하는 방식(예를 들어, 분할)으로 이미지의 각각의 축을 따라 이러한 1D 어레이들을 적용하는 단계에 의해 제거될 수 있다.
이미지들의 검증
이미지의 러프하게 크롭된 버전은 이미지의 품질을 보장하기 위한 일련의 하나 이상의 검증 프로세스들(620)을 통해 분석될 수 있다. 이미지의 하나 이상의 다양한 측면들은, 비제한적으로, 수신된 이미지 내의 조명 레벨, 컬러 밸런스, 노출 레벨, 잡음 레벨, 이미지 블러(blur) 레벨, 그림자들의 존재, 및/또는 글레어(glare)의 존재를 포함하여, 품질에 대해 검증될 수 있다. 이하에서 상세히 설명되는 바와 같이, 이러한 측면들은, 컴퓨터 비전 기술들과 같은 다양한 기술들을 사용하여 이미지 품질을 검증하기 위해 특징지어질 수 있다. 일부 변형예들에서, 이러한 측면들 중 하나 이상은 하나 이상의 적절한 트레이닝된 기계 학습 모델들(예를 들어, 딥 러닝 기술들)을 사용하여 이미지를 검증하기 위해 특징지어질 수 있다. 예를 들어, 기계 학습 모델은, 특정 특성들에 대해 적절한 품질의 이미지를 식별하기 위해 신경망 또는 다른 적절한 유형의 기계 학습 기술을 트레이닝시키기 위해 사용될 수 있는 라벨링된 특징들(예를 들어, 테스트의 허용가능한 또는 허용가능하지 않은 배향, 이미지 내의 허용가능한 또는 허용가능하지 않은 블러 및/또는 잡음 레벨, 허용가능한 또는 허용가능하지 않은 노출, 조명, 또는 컬러 밸런싱의 레벨, 이미지의 크롭의 식별된 공간적 좌표들, 배경에 대해 분리된 테스트 또는 테스트 영역, 테스트의 식별된 배향, 등)을 갖는 이미지들을 포함하는 트레이닝 데이터를 사용하여 지도 방식으로 트레이닝될 수 있다. 비지도(unsupervised) 또는 반-지도(semi-supervised) 방식들로 트레이닝된 기계 학습 모델들은 추가적으로 또는 대안적으로 이미지의 하나 이상의 측면들에 대해 이미지 품질을 검증하기 위해 사용될 수 있다.
일부 변형예들에서, 도 6에 도시된 바와 같이, 이미지의 품질을 검증하는 단계(620)는, 진단 테스트의 충분한(또는 과도한) 조명이 있다는 것을 보장하기 위해 조명, 채도(saturation), 컬러 밸런스, 또는 조명 체크들 중 임의의 하나 이상을 수행하는 단계(622)를 포함할 수 있다. 예를 들어, 조명 체크는, 이미지의 평균(예를 들어, 중간) RGB(red-green-blue)를 계산하고, 그런 다음 이미지의 평균 RGB 값을 임계 값 또는 임계 값들의 범위와 같은 미리 결정된 임계 조건과 비교함으로써 수행될 수 있다. 적절한 임계 값 또는 범위는, 예를 들어, 경험적으로 결정될 수 있다. 평균 RGB 값이 미리 결정된 임계 조건을 충족시키지 않는 경우, 이미지는 불충분한 품질로 간주될 수 있으며, 이미지가 검증 프로세스들에 실패했다는 것을 나타내는 오류가 사용자에게 통신될 수 있다. 다른 변형예들에서, 이상에서 설명된 조명 체크를 수행할 때 다른 색 공간들(예를 들어, YUV, CYMK, 등)에서의 채널들의 평균 값들이 대안적으로 사용될 수 있다는 것이 이해되어야 한다. 다른 변형예들에서, HSV 색 공간의 V 채널이 사용될 수 있다. 추가적으로, 카메라 또는 다른 도구들에 의해 제공되는 정보(예를 들어, BV, lux, ISO, ET, 초점 길이)는 적절한 조명을 결정하기 위해 단독으로 또는 서로 및/또는 계산된 측정치들과 조합되어 사용될 수 있다.
추가적으로 또는 대안적으로, 이미지의 품질을 검증하는 단계는, 이미지가 적절하게 노출되었다는 것을 보장하기 위한 노출 체크를 수행하는 단계를 포함할 수 있다. 일부 변형예들에서, 이는, 카메라 또는 다른 도구들에 의해 제공되는 정보(예를 들어, BV, lux, ISO, ET, 초점 길이)를 리뷰함으로써 수행될 수 있다. 일부 변형예들에서, 이는, 이미지의 예상된 영역들을 식별하는 단계, 및 그들의 상대적인 값들이 알려진 경험적으로 결정된 범위 또는 값 내부 또는 외부에 있는지, 또는 이미지 또는 영역-당 계산된 범위 또는 값 내부 또는 외부에 있는지를 확인하기 위해 이들을 서로 비교하는 단계에 의해 수행될 수 있다. 일부 변형예들에서, 이는 이상의 아이템들을 개별적으로 또는 조합으로 포함할 수 있다.
추가적으로 또는 대안적으로, 이미지의 품질을 검증하는 단계(620)는, 배향 체크를 수행하는 단계(624)를 포함할 수 있다. 배향 체크에서, 이미지 내에서의 진단 테스트의 회전의 양이 측정될 수 있으며, 이미지 프레임 내에서의 진단 테스트의 배향이 그에 따라 정정될 수 있다. 일부 변형예들에서, 진단 테스트 상의 알려진 마킹들은 배향을 결정하기 위한 "핑거프린트(fingerprint)" 또는 정보 기준으로서 기능할 수 있다. 예를 들어, 도 10a는 이미지 프레임 내에서 회전된 진단 테스트 카세트의 이미지를 도시한다. 카세트 상의 흑색 프린트 화살표들(예를 들어, 어세이 윈도우에 인접한 화살표들)은 이미지 내에서 진단 테스트의 배향을 결정하기 위한 유용한 기준을 제공할 수 있다. 이미지는 다른 색 공간 또는 다른 색 공간의 채널(예를 들어, 그레이스케일 또는 LAB L 채널, 등)로 변환될 수 있다. 1D 어레이가 생성될 수 있으며, 여기서 1D 어레이의 각각의 요소는 이미지의 영역(예를 들어, 컬럼 또는 로우)에 대한 픽셀 값들의 대표적인 메트릭(예를 들어, 평균)을 포함한다. 1D 어레이는 잡음 및/또는 다른 아티팩트(artifact)들을 제거하기 위해 (예를 들어, 중앙값 필터 또는 다른 적절한 필터로) 필터링될 수 있다. 1D 어레이(도 10h) 내의 피크들의 위치는 카세트 상의 흑색 프린트 마킹들에 대응하는 것으로 간주될 수 있으며, 이미지 내의 어세이의 배향의 각도(또는 어세이의 180-도 뒤집힌 배향, 흑색 프린트 화살표들 사이의 비-규칙적인 간격 또는 마킹들의 다른 비대칭 특성은 실제 배향과 180-도 뒤집힌 배향 사이의 구별을 도울 수 있음)를 나타낼 수 있다. 백색/밝은 카세트 재료와 카세트 상의 흑색 프린트 마킹들 사이의 높은 대비로 인해, 이러한 피크들의 돌출이 높을 것으로 예상되며, 이는 어세이의 배향의 식별을 추가로 도울 수 있다. 결정된 배향에 기초하여, 진단 테스트를 이미지 프레임에 정렬하기 위해 회전 변환이 이미지에 적용될 수 있다(도 10e 내지 도 10g). 결과적으로, 진단 테스트의 정정된 기본 배향을 갖는 이미지는 예상된 수의 피크들 및 알려진 유형의 진단 테스트에 대한 돌출들을 갖는 것으로 나타날 수 있다(도 10i).
배향 체크를 수행하기 위한 방법들의 예시적인 변형예들은 도 10b 및 도 10c에 도시된다. 예를 들어, 도 10b 및 도 10c에 도시된 바와 같이, 이미지는, 정렬을 나타내는 특징부 또는 특징부들을 세트를 증강하는 상이한 색 공간으로 변환될 수 있다. 하나 이상의 컴퓨터 비전 방법들 또는 컴퓨터 비전 방법들의 조합은 정렬 대표 특징부(들)를 분리하고 이것의 배향을 식별하기 위해 사용될 수 있다. 예를 들어, 이러한 특징부들을 분리하고 배향을 식별하기 위한 적절한 컴퓨터 비전 방법들은 하나 이상의 minArea 경계(bounding) 박스들, 윤곽 알고리즘들, 등의 사용을 포함한다. 다른 예로서, 수신된 이미지는 크롭될 수 있으며(예를 들어, 이상에서 설명된 바와 같은 이미지의 러프한 크롭을 생성하기 위한 변형예들), 결과적인 이미지에 대해 윤곽 연산(contour operation)이 수행될 수 있다. 예상된 영역 내의 윤곽들을 갖는 이미지들은 수락될 수 있으며, 반면 예상된 영역 외부의 윤곽들을 갖는 임의의 이미지들은 열악하게 배향된 것으로서 거부될 수 있다. 추가적으로 또는 대안적으로, 하나 이상의 적절한 컴퓨터 비전 기술들은, 진단 테스트 또는 테스트의 특징부(예를 들어, 테스트 영역)과 같은 목표 이미지 영역, 또는 이미지 또는 테스트의 다른 목표된 미리 결정된 영역의 아웃라인을 식별하기 위해 사용될 수 있다. 예를 들어, 에지 검출(예를 들어, 캐니(Canny), 디리치(Diriche), 디퍼런셜(Differential), 소벨(Sobel), 프리윗(Prewitt), 로버츠(Roberts) 크로스(cross), 등), 리지(ridge) 검출(예를 들어, 허프(Hough) 변환들, 등), 블랍 검출(예를 들어, LoG, DoG, DoH, MSER, PCBR, 등), 특징부 검출(예를 들어, 아핀스(affines), SIFT, SURF, GLOH, HOG, 등), 및/또는 딥 러닝 기술들 중 하나 이상이 목표 영역의 아웃라인을 결정하기 위해 사용될 수 있다. 그 후, 임의의 평면-내 또는 평면-외 회전들은, 영역이 이에 대해 오정렬된 정도를 측정하기 위해 계산되거나 또는 결정될 수 있는 종횡비, 면적, 또는 원근 변환들을 사용하여 식별된 영역에 기초하여 식별될 수 있다.
일부 변형예들에서, 이상에서 설명된 기술들 중 임의의 기술에 의해 결정된 것과 같은 과도하게 회전되거나 또는 오정렬된 이미지(예를 들어, 적어도 미리 결정된 임계 각도의 회전)는 이미지의 거부를 야기할 수 있다. 그러면, 사용자는 더 적절하게 정렬된 이미지를 수집하도록 유도될 수 있다. 추가적으로 또는 대안적으로, 변환은 이미지가 정확하게 배향된 것으로 보이는지를 추가로 분석하거나 및/또는 추가로 수동 확인하기 위해 이미지를 예상된 상태로 복원하기 위해 수행될 수 있다.
일부 변형예들에서, 이미지의 품질을 검증하는 단계(620)는 추가적으로 또는 대안적으로, 이미지 내의 블러 또는 잡음의 양이 허용가능한지 여부를 결정하기 위해 블러 또는 잡음 체크를 수행하는 단계(626)를 포함할 수 있다. 예를 들어, 이러한 체크는, 선택적으로 이미지를 다양한 색 공간들 중 임의의 하나 이상의 색 공간으로 변환하는 단계 및 하나 이상의 컴퓨터 비전 기술들을 다양하고 적절한 조합들로 적용하는 단계를 포함할 수 있다. 블러를 감소시키기 위한 적절한 컴퓨터 비전 기술들의 예들은 라플라시안 분산, 라플라시안 평균, NIQE, 테넨그라드(Tenengrad), 소벨 함수들, 고속 푸리에 변환(Fast Fourier Transform; FFT), 등을 포함한다. 일부 변형예들에서, 블러 또는 잡음의 양은, 전체 이미지 또는 관심 영역에 대한 이미지 품질 메트릭을 생성함으로써 특징지어질 수 있다. 이러한 메트릭이 미리 결정된 임계치, 또는 동적으로 설정된 임계치를 넘는 경우, 또는 이러한 값들의 일부 조합이 임계치들의 조합을 넘는 경우, 이미지는 후속 분석을 위해 너무 많은 블러 및/또는 잡음을 갖는 것으로 처리된다. 다른 방법들은 특징 지도(Saliency map)들 또는 트레이닝된 딥 러닝 모델들을 사용하는 것을 포함할 수 있다. 추가적으로 또는 대안적으로, 예컨대 이미지 또는 영역의 선명화된 버전을 참조와 비교하거나, 이미지 또는 영역의 평활화된 버전을 참조와 비교하거나, 및/또는 이미지 또는 영역에 대해 의도적인 블러링을 수행하고 참조와 비교하는 것, 등에 의해 참조가 사용될 수 있다. 참조는, 예를 들어, 원본 이미지, 원본 이미지의 영역, 미리 결정된 참조 이미지, 또는 이미지의 프로세싱된 이미지 또는 영역을 포함할 수 있다. 이러한 비교는, 그런 다음 이미지 내의 블러 또는 잡음의 양의 측정치로서 사용될 수 있는 메트릭을 야기한다.
추가적으로 또는 대안적으로, 일부 변형예들에서, 이미지의 품질을 검증하는 단계(620)는, 이미지 내의 블러 또는 글레어의 양이 허용가능한지 여부를 결정하기 위해 블러 또는 글레어 체크를 수행하는 단계(628)를 포함할 수 있다. 일부 변형예들에서, 글레어 체크는, 이미지를 다양한 색 공간들 중 임의의 하나의 색 공간으로 변환하는 단계 및 그런 다음 퍼센트 최대 값들 및 특징 지도들을 사용하는 것과 같은 다양한 컴퓨터 비전 기술들을 다양하고 적절한 조합들로 적용하는 단계를 포함할 수 있다. 일부 경우들에서, 글레어는 카메라 센서의 포화를 야기할 수 있으며, 따라서 센서에 의해 보고된 최대 값에서의 또는 그 근처에서의 값들은 글레어로서 처리될 수 있다. 예를 들어, 0로부터 255까지의 스케일에서, 240보다 더 큰 강도를 갖는 임의의 픽셀은 잠재적인 글레어로서 처리될 수 있다. 또한, 임계 값(동적으로 설정된 값 또는 미리 설정된 값)을 충족시키는 강도를 갖는 임의의 픽셀이 글레어로서 처리될 수 있다. 값은 절대 값일 수 있거나, 또는 관심 영역 내의 최대 값으로부터 3개의 카운트들 내에 있는 것과 같이, 이미지 내의 최대 강도에 대해 정의될 수 있다. 또한, 일부 경우들에서, 글레어는 그들의 주변들보다 훨씬 더 밝은 픽셀들로서 나타난다. 중앙 픽셀 강도에 2개의 표준 편차들을 더한 것과 같은 제2 동적 임계 값은 추가적으로 또는 대안적으로 픽셀을 글레어로서 처리할지 여부를 결정하기 위해 사용될 수 있다. 일부 변형예들에서, 이미지에 대한 전체 글레어 레벨은 이러한 픽셀 강도 테스트들 중 하나 이상에 기초하여 결정될 수 있다. 예를 들어, 글레어에 대한 기준을 충족시키는 픽셀들의 퍼센트 또는 분율을 결정하기 위해, 이상에서 설명된 기준들 중 하나 또는 둘 모두를 충족시키는 픽셀들은 합산되고 관심 영역 내의 픽셀들의 총 수로 나눠질 수 있다. 픽셀들의 총 수로 나눈, 글레어에 대한 기준을 충족시키는 픽셀들의 분율은 관심 영역 내의 글레어 레벨을 반영한다. 글레어 체크를 수행하기 위한 다른 방법들은 추가적으로 또는 대안적으로, 변환된 또는 비-변환된 이미지를 슬라이딩 윈도우를 사용하여 프로세싱하는 단계, 및 글레어의 영역들을 분리하기 위해 이미지의 나머지 부분과 비교된 윈도우의 특징부들에 기초하여 윈도우 내에서 변환을 수행하는 단계를 포함한다.
글레어는, 예를 들어, 진단 테스트 카세트의 테스트 영역(예를 들어, 어세이)의 플라스틱으로 커버된 윈도우 상에 존재할 수 있다. 따라서, 글레어 체크를 보조하기 위한 일부 변형예들에서, 진단 테스트의 나머지 부분으로부터 테스트 영역을 분리하기 위한 이미지의 크롭은 수동으로(예를 들어, 배경으로부터 진단 테스트를 분리하기 위한 러프한 크롭에 대해 이상에서 설명된 것과 유사하게) 및/또는 자동화된 방식으로 수행될 수 있다. 러프한 크롭은 카세트 상의 마킹들(예를 들어, 손으로 기입한 잉크 마크들, 등)뿐만 아니라 진단 테스트의 샘플 포트를 크롭할 수 있다. 테스트 영역을 분리하기 위한 이미지의 러프한 크롭을 수행하는 자동화된 방식의 일 예로서, 도 11은 카세트 내의 테스트 스트립을 포함하는 진단 테스트를 묘사하는 이미지의 러프한 크롭을 수행하는 일 변형예를 예시한다. 일부 변형예들에서, 테스트 스트립이 카메라 디바이스 상에(예를 들어, 모바일 컴퓨팅 디바이스 상에) 디스플레이되는 온-스크린 십자선 내에서 어느 정도 중심에 있다고 가정하면, 러프한 크롭은 이미지 주변부의 미리 결정된 부분(예를 들어, 퍼센트)을 제거할 수 있다. 예를 들어, 러프한 크롭은 이미지 주변부의 외부 30%를 제거할 수 있지만, 크롭될 퍼센트는 임의의 적절한 값일 수 있다.
추가적으로 또는 대안적으로, 테스트 영역은 아웃라인-기반 기술을 사용하여 위치가 찾아질 수 있다. 예를 들어, 테스트 영역은, 적어도 부분적으로 진단 테스트의 식별된 아웃라인 및 진단 테스트의 아웃라인에 대한 테스트 영역의 추정된 위치에 기초하여 위치가 찾아질 수 있다. 예를 들어, 컴퓨터 비전 기술들은 임계화(thresholding), 에지 파인딩, 블랍(blob) 파인딩, 윤곽 검출, 등을 사용하여 진단 테스트(예를 들어, 카세트)의 아웃라인을 식별할 수 있다. 테스트 영역의 위치는, 진단 테스트의 아웃라인 및/또는 다른 마커들에 대한 미리 결정된 좌표들에 기초하여 그리고 그럼으로써 공간적 랜드마크들로서 이미지 내의 알려진 마커들을 사용하여 결정될 수 있다. 미리 결정된 좌표들은, 예를 들어, 진단 테스트의 유형(이상에서 설명된 바와 같이 자동으로 및/또는 수동으로 결정될 수 있음)을 결정한 이후에 알려질 수 있다.
일부 변형예들에서, 이미지의 나머지 부분으로부터 테스트 영역을 분리하기 위한 이미지의 크롭은 이미지 검증 테스트들 중 임의의 것 이전에 수행될 수 있다. 또한, 도 6은 특정 순서로 수행될 이미지 검증 프로세서들을 도시하지만, 조명 체크(622), 배향 체크(624), 블러/잡음 체크(626), 및 글레어 체크(628)와 같은 프로세스들은 임의의 적절한 순서로 수행될 수 있으며, 여기서, 테스트의 결정된 필요들에 기초하여 조정되는 바와 같이 임의의 체크가 생략되거나 또는 추가적인 체크들이 삽입될 수 있다는 것이 이해되어야 한다.
또한, 일부 변형예들에서, 이미지의 검증(620)은 이미징되는 진단 테스트의 유형과 연관된 구성 파일로부터의 정보를 사용할 수 있다. 진단 테스트의 유형은 (예를 들어, 이상에서 설명된 바와 같이) 자동으로 및/또는 수동으로 결정될 수 있으며, 연관된 구성 파일이 액세스될 수 있다. 진단 테스트의 크기 또는 종횡비, 테스트 영역 내의 라인들의 수, 테스트 영역 내의 라인들 사이의 거리, 테스트 내의 다른 랜드마크들(예를 들어, 상단 좌측 코너)과 비교한 테스트 영역의 위치, 테스트 영역(예를 들어, 어세이 윈도우)의 크기, 등과 같은 정보는 진단 테스트가 적절하게 이미징되는지 여부를 검증하는 것을 돕기 위해 사용될 수 있다. 구성 파일은 또한, 임계치들과 같은 정보, 또는, 어떤 품질 기술들이 어떻게 그리고 어떤 품질 기술이 사용되는지, 그리고 이러한 기술들이 어떻게 사용되는지에 대한 알고리즘 제어들을 포함할 수 있다.
추가적으로, 이상의 검증 프로세스들 중 임의의 하나 이상은 이러한 프로세스들을 수행하는 디바이스(들)에 대해 맞춤화되거나 및/또는 달리 조정될 수 있다. 이미징 디바이스(예를 들어, 스마트폰)의 제조사, 모델, 카메라 초점 길이, 및/또는 다른 식별 특성들과 같은 디바이스 설명자의 지식은 운영 시스템으로부터, 또는 특정 디바이스에 대한 커스텀 소프트웨어 빌드에 대해 미리 결정된 값들로부터, 등으로부터 획득될 수 있다. 하나 이상의 검증 프로세스들의 맞춤화는 적어도 부분적으로 이러한 디바이스-특정 설명자들에 기초할 수 있으며, 미리 결정된 명령어들로서 저장될 수 있다. 미리 결정된 명령어들은 알고리즘에 대한 코드에 포함될 수 있거나, 또는 원격 위치(예를 들어, 서버, 원격 메모리 디바이스(들), 클라우드 저장부, 등)로부터 다운로드될 수 있다.
테스트 영역의 위치 찾기
테스트 영역(예를 들어, 어세이 윈도우)은 진단 테스트 분석을 진행하기 위해 위치가 찾아질 수 있다. 테스트 영역은 다양한 적절한 방식들로 위치가 찾아질 수 있다. 예를 들어, (예를 들어, 도 11 및/또는 아웃라인-기반 기술을 참조하여) 이상에서 설명된 러프한 테스트 영역 분리 기술들은 일부 경우들에서 분석을 진행하기에 충분히 정확할 수 있다. 대안적으로, 일부 변형예들에서, 도 6에 도시된 바와 같이, 이미지가 충분한 품질인 것으로 검증된 이후에, 진단 테스트의 테스트 영역(예를 들어, 어세이 윈도우)을 더 정확하게 분리하기 위해 이미지의 더 정밀한 또는 정확한 크롭이 수행될 수 있다(630). 일부 변형예들에서, 아래에서 상세히 설명되는 바와 같이, 적절한 컴퓨터 비전 기술들은 이미지 내에서 테스트 영역의 위치를 찾거나 및/또는 이를 분리하기 위해 사용될 수 있다. 추가적으로 또는 대안적으로, 테스트 영역은 하나 이상의 적절한 트레이닝된 기계 학습 모델들(예를 들어, 딥 러닝 기술들)을 사용하여 분리되거나 및/또는 위치가 찾아질 수 있다. 예를 들어, 기계 학습 모델은, 신경망 또는 다른 적절한 유형의 기계 학습 기술이 이미지 내에서 테스트 영역을 식별하거나 및/또는 분리하도록 트레이닝시키기 위해 사용될 수 있는 라벨링된 테스트 영역 부분들(예를 들어, 어세이 윈도우, 시약 패드, 등)을 갖는 이미지들을 포함하는 트레이닝 데이터를 사용하여 지도 방식으로 트레이닝될 수 있다. 비지도 또는 반-지도 방식들로 트레이닝된 기계 학습 모델들은 추가적으로 또는 대안적으로 이미지 내에서 테스트 영역의 위치를 찾거나 및/또는 이를 분리하기 위해 사용될 수 있다.
예를 들어, 일부 변형예들에서, 테스트 영역은 적어도 부분적으로 색상-기반 방법에 기초하여 위치가 찾아질 수 있다. 예시로서, 도 12a에 도시된 바와 같이, 크롭된 이미지(예를 들어, 테스트 영역의 러프한 크롭)은 LAB 색 공간 또는 다른 적절한 색 공간으로 변환될 수 있다. 이미지는 L, A, 및 B 채널 2D 어레이들로 분할될 수 있으며, 진단 테스트에 대한 가장 높은 대비 채널 내의 높은 백분위수 값(예를 들어, 99번째, 98번째, 97번째 백분위수, 등)이 2D 어레이들 사이에서 계산될 수 있다. 가장 높은 대비 채널은 진단 테스트의 색상에 기초하여 선택될 수 있다. 예를 들어, A 채널 어레이의 높은 백분위수 값은 적색/핑크색 라인들을 갖는 측면 흐름 면역측정에 대해 결정될 수 있다. 미리 정의된 백분위수 A 채널 값 내에 있지 않은 이미지의 임의의 부분들은 바이너리 또는 오츠(Otsu) 필터 또는 유사한 것을 통해 제거될 수 있다. 다시 말해서, 바이너리 또는 오츠 필터는 이미지로부터 가장 밝은 A 채널 값들(예를 들어, A 채널에서 가장 밝은 1%, 2%, 3% 등)을 제외한 전부를 효과적으로 임계화하여 제거(threshold out)할 수 있다. 가장 큰 윤곽이 나머지 이미지에서 식별될 수 있으며, 이러한 윤곽은 테스트 영역 내의 대조 라인으로 간주될 수 있다. 도 12b에 도시된 바와 같이, 테스트 영역의 위치(예를 들어, 경계들)는 대조 라인의 추정된 위치 및/또는 다른 정보 예컨대 테스트 영역의 추정된 종횡비(공칭 값 또는 진단 테스트와 연관된 구성 파일로부터 알려진 값, 등)에 기초하여 외삽될 수 있다. 다른 고대비 채널들은 테스트의 색상에 의존하여 사용될 수 있다(예를 들어, 청색 라인들을 생성하는 진단 테스트에 대해 B 채널).
또한, 테스트 영역의 위치를 찾는 색상-기반 방법은 임의의 적절한 색 공간을 사용할 수 있다. 일부 변형예들에서, 크롭된 이미지는 YUV, XYZ, HSV, CYMK, 또는 다른 적절한 색 공간으로 변환될 수 있으며, 선택된 색 공간에서 가장 높은 대비 색상 채널이 테스트 영역 외삽을 위한 대조 라인을 식별하기 위해 이상에서 설명된 바와 같이 사용될 수 있다. 예를 들어, 크롭된 이미지는 YUV 색 공간으로 변환될 수 있으며, 적색/핑크색 라인들을 갖는 진단 테스트에 대해, V 채널이 이미지의 부분들을 임계화하여 제거하고 테스트 영역 외삽을 위한 대조 라인을 식별하기 위해 사용될 수 있다.
다른 예로서, 크롭된 이미지는 그레이스케일 이미지로 변환될 수 있으며, 그레이스케일 이미지는 1D 어레이로 변환될 수 있고, 여기서 어레이의 요소들은 그레이스케일 이미지의 로우 또는 컬럼과 같은 일 부분의 대표적인 메트릭(예를 들어, 평균)이다. 피크들은 1D 어레이에서 식별될 수 있으며, 가장 높은 돌출을 갖는 피크(들)는 전체 테스트 영역에 대한 외삽을 위한 기준으로서 대비 라인으로 간주될 수 있다. 테스트 스트립 상에 2개 이상의 높은 강도의 라인 또는 피크가 존재하는 경우, 공간적 랜드마크 대비 라인의 예상된 위치에 가장 가까운 피크가 공간적 랜드마크로서 결정될 수 있다. 일부 경우들에서, 다수의 대비 라인들이 존재할 수 있으며, 각각의 대비 라인은 테스트 구역의 위치를 세밀화하기 위한 공간적 랜드마크로서 사용될 수 있다.
일부 경우들에서, 정확한 테스트 영역(예를 들어, 어세이 윈도우)은 환경적 조건들(예를 들어, 조명 조건들)로 인해 그림자에 의해 부분적으로 가려질 수 있으며, 이는 테스트 영역의 위치를 정확하게 찾는 것을 더 어렵게 만들 수 있다. 예를 들어, 일부 경우들에서, (예를 들어, 바닥으로부터 천장까지 윈도우를 통해) 낮은 각도로부터 진단 테스트를 조명하는 광은 테스트 카세트가 테스트 영역의 적어도 일 부분 상에 그림자를 드리우게 할 수 있다. 이러한 경우들에서, 짙은 그림자는 테스트 영역의 제1 부분 상에 드리워질 수 있으며, 반면 테스트 영역의 제2 부분(예를 들어, 나머지 부분)은 잘 조명될 수 있다. 따라서, 테스트 영역의 대부분은 가장 밝은 구역들만을 나타내기 위해 임계화(예를 들어, 이상에서 설명된 바와 같은 바이너리 임계화)에 의해 발견될 수 있지만; 그러나, 테스트 영역의 어둡거나 또는 그림자가 있는 부분은 바이너리 임계화만을 통해서는 발견하기가 더 어렵다. 따라서, 일부 변형예들에서, 라플라시안 값들을 분석하는 기술은, 높은 라플라시안 값을 갖는 이미지 영역들이 테스트 영역의 어두운 영역들의 에지들을 나타낸다는 이해를 활용하여, 이미지에서 테스트 영역을 식별하는 개선되고 더 정확한 방법을 제공할 수 있다. 따라서, 테스트 스트립의 "밝은" 및 "어두운" 구역들을 추가하는 것은 전체 테스트 영역을 포함할 가능성이 높은 결합된 이미지를 가져올 수 있다.
예를 들어, 일부 변형예들에서, 이미지에서 테스트 영역을 식별하기 위한 방법은, 미리 결정된 라플라시안 임계치를 초과하는 라플라시안 값을 갖는 이미지의 하나 이상의 고-라플라시안 영역들을 결정하는 단계, 미리 결정된 밝기 임계치를 초과하는 밝기를 갖는 이미지의 하나 이상의 밝은 영역들을 결정하는 단계, 비트단위(bitwise) "논리합(OR)" 연산을 통해 이미지의 하나 이상의 고-라플라시안 영역들 및 하나 이상의 밝은 영역들을 결합하는 단계, 및 이미지의 결합된 고-라플라시안 및 밝은 영역들의 윤곽에 기초하여 테스트 영역을 정의하는 단계를 포함할 수 있다.
이러한 방법의 예시적인 변형예에서, 이미지는 먼저 그레이스케일로 변환될 수 있다. 그레이스케일 이미지의 라플라시안이 계산될 수 있으며, 적절한 바이너리 라플라시안 임계치는, 라플라시안 임계치를 초과하는 라플라시안 값들을 갖는 이미지 부분(들)을 포함하는 임계화된 라플라시안 이미지를 형성하기 위해 라플라시안에 적용될 수 있다. 라플라시안 임계치는, 예를 들어, 라플라시안 이미지의 라플라시안 이미지 내의 표준 편차에 라플라시안 이미지의 평균(예를 들어, 중간) 라플라시안 값을 더한 것일 수 있다. 그런 다음, 추가적인 침식(erosion)들 및 확장(dilation)들의 세트가 테스트 영역 윤곽을 평활화하기 위해 임계화된 라플라시안 이미지에 적용될 수 있다. 또한, 적절한 바이너리 그레이스케일 임계치는, 그레이스케일 임계치를 초과하는 더 밝은 그레이스케일 값들을 갖는 이미지 부분(들)을 포함하는 임계화된 그레이스케일 이미지를 형성하기 위해 그레이스케일 이미지에 적용될 수 있다. 예를 들어, 그레이스케일 임계치는, 그레이스케일 이미지의 표준 그레이스케일 표준 편차에 그레이스케일 이미지의 평균(예를 들어, 중간) 그레이스케일 값을 더한 것일 수 있다. 그런 다음, 추가적인 침식들 및 확장들의 다른 세트가 테스트 스트립 윤곽을 평활화하기 위해 임계화된 그레이스케일 이미지에 적용될 수 있다. 그런 다음, 임계화된 라플라시안 이미지 및 임계화된 그레이스케일 이미지가 비트단위 "OR" 연산으로 병합될 수 있다. 그런 다음, 추가적인 침식들 및 확장들의 추가적인 세트가 테스트 영역 윤곽을 평활화하기 위해 병합된 이미지에 적용될 수 있다. 그런 다음, 이러한 병합된 이미지는 윤곽 파인딩 함수에 전달될 수 있다. 예상된(예를 들어, 정확한) 크기, 종횡비, 및 위치를 갖는 윤곽이 찾아지는 경우, 이러한 윤곽은 테스트 영역 윤곽으로서 마킹되며, 테스트 영역의 추가적인 분석은 본원의 다른 곳에서 설명된 바와 같이 진행될 수 있다.
다른 예시적인 변형예에서, 수신된 이미지는, HSV 색 공간과 같은 적절한 색 공간의 이미지의 다른 버전뿐만 아니라 이미지의 그레이스케일 버전을 형성하기 위해 2개의 방식들로 변환될 수 있다. 이상의 예와 유사하게, 그레이스케일 이미지의 라플라시안이 계산될 수 있으며, 적절한 바이너리 라플라시안 임계치는, 라플라시안 임계치를 초과하는 라플라시안 값들을 갖는 이미지 부분(들)을 포함하는 임계화된 라플라시안 이미지를 형성하기 위해 라플라시안에 적용될 수 있다. 라플라시안 임계치는, 예를 들어, 라플라시안 이미지의 라플라시안 이미지 내의 표준 편차에 라플라시안 이미지의 평균(예를 들어, 중간) 라플라시안 값을 더한 것일 수 있다. 그런 다음, 추가적인 침식들 및 확장들의 세트가 테스트 영역 윤곽을 평활화하기 위해 임계화된 라플라시안 이미지에 적용될 수 있다. 이러한 예에서, HSV 색 공간의 V, 또는 값, 채널은 이미지의 밝은 영역들을 식별하기 위한 임계화를 위해 사용될 수 있다. 예를 들어, "FOR" 루프는 임계화 함수를 반복적으로 호출하기 위해 사용될 수 있으며, 여기서 이러한 루프의 각각의 사이클에서, 상이한 컷아웃 값이 사용될 수 있으며, 바이너리 임계치는 임계화된 값 (V) 이미지를 형성하기 위해 컷오프 값에서 적용된다. 그런 다음, 추가적인 침식들 및 확장들의 세트가 테스트 스트립 윤곽을 평활화하기 위해 적용될 수 있다. 그런 다음, 임계화된 라플라시안 이미지 및 임계화된 값 (V) 이미지가 비트단위 "OR" 연산으로 병합될 수 있다. 그런 다음, 추가적인 침식들 및 확장들의 세트가 테스트 영역 윤곽을 평활화하기 위해 적용될 수 있다. 그런 다음, 이러한 병합된 이미지는 윤곽 파인딩 함수에 전달될 수 있다. 예상된(예를 들어, 정확한) 크기, 종횡비, 및 위치를 갖는 윤곽이 찾아지는 경우, 이러한 윤곽은 테스트 영역 윤곽으로서 마킹되며, 테스트 영역의 추가적인 분석은 본원의 다른 곳에서 설명된 바와 같이 진행될 수 있다.
일부 변형예들에서, 진단 테스트는 하나의 테스트 영역(예를 들어, 하나의 어세이 윈도우)만을 포함할 수 있으며, 오직 하나의 이러한 테스트 영역은 분석을 위해 이미지에서 그 위치가 찾아져야 할 수 있다. 그러나, 일부 변형예들에서, 진단 테스트는 다수의 테스트 영역들(예를 들어, 다수의 어세이 윈도우들, 또는 단일 어세이 윈도우에 걸쳐 분산된 다수의 테스트 영역들)을 포함할 수 있으며, 따라서 이러한 변형예들에서 다수의 테스트 영역들이 적절하게 이상에서 설명된 프로세스들을 반복함으로써 위치가 찾아질 수 있다.
일부 변형예들에서, 테스트 영역은 추가적으로 또는 대안적으로, 테스트 영역의 아웃라인을 분리하는 임의의 수의, 순서의, 또는 조합의 적절한 컴퓨터 비전 기술들(예를 들어, 임계화, 에지 파인딩, 블랍 파인딩, 윤곽 검출, 등, 및/또는 이상에서 설명된 다른 기술들)을 사용함으로써 분리될 수 있다. 일부 변형예들에서, 테스트 영역을 분리하기 위한 기술은, 진단 테스트를 나타내는 서브세트 영역을 생성하기 위해 (예를 들어, 이전에 설명된 기술들을 사용하여) 먼저 이미지에서 진단 테스트를 분리하는 것, 그런 다음, 테스트의 알려진 특징부들(예를 들어, 이는 이상에서 설명된 바와 같은 구성 파일로부터 결정될 수 있음)을 사용하는 것, 및 테스트 영역을 탐색할 서브세트 영역을 식별하는 것에 의해 도움을 받을 수 있다.
테스트 결과의 예측
이미지에서 진단 테스트의 테스트 영역(들)을 적절하게 분리하는 충분히 크롭된 이미지가 주어지면, 테스트 결과는 이미지에 묘사된 테스트 영역을 분석하는 것에 기초하여 예측될 수 있다(640). 도 6에 도시된 바와 같이, 정밀한 또는 정확한 크롭된 이미지는 그레이스케일로(642a) 또는 적절한 고대비 색 공간으로(642b)로 변환될 수 있거나, 또는 추가적인 분석을 위해 그레이스케일 및 색 공간 버전들을 포함하는 다수의 버전들로 변환될 수 있다. 또한, 테스트 영역 내의 테스트 라인들은, 그림자들로부터의 간섭에 저항하는, LAB "A" 또는 LAB "B" 또는 YUV "V" 채널들과 같은 비율계량적(ratiometric) 색 채널들에서 그림자들로부터 더 쉽게 구별될 수 있다. 따라서, 일부 변형예들에서, 테스트 영역 내의 라인의 위치를 결정할 때, 이러한 채널들의 사용은 휘도 및 색상의 측정을 결합하는 채널의 사용보다 바람직할 수 있다.
일부 변형예들에서, 크롭된 테스트 이미지 영역은, 먼지, 이물질들, 그림자들, 등으로 인해 오해의 소지가 있게 어두울 수 있는 문제가 되는 영역들(예를 들어, 로우들)을 제거하기 위해 추가적인 분석 이전에 프로세싱될 수 있다. 예를 들어, (예를 들어, 이미지의 그레이스케일 버전에서 결정된 바와 같은) 픽셀들의 가장 어두운 로우들은, 로우들에 걸친 픽셀 강도의 피크 값들을 결정하는 것에 기초하여 및/또는 임의의 적절한 방식으로, 이미지 또는 이의 일 부분(예를 들어, 로우)에서 가장 높은 백분위수 값(예를 들어, 99%, 98%, 등)에 의해 결정된 임계 컷오프에 기초하여 임계화하여 제거될 수 있다.
도 13a 내지 도 13f는 이미징된 테스트 스트립으로부터 테스트 결과를 예측하는 예시적인 변형예의 측면들의 예시들을 도시한다. 예를 들어, 이미지에서 진단 테스트의 테스트 영역을 분리하는 충분히 크롭된 이미지로 시작하여(도 13a), 이미지는 LAB 또는 YUV, 등과 같은 임의의 적절한 고대비 색 공간으로 변환될 수 있다(도 13b). 변환된 이미지는 다수의 색 채널들로 분할될 수 있다(도 13c). 예를 들어, LAB 색 공간의 이미지는 L, A, 및 B 채널들로 분할될 수 있다. 고대비 채널(예를 들어, 적색/핑크색 라인들을 갖는 진단 테스트에 대해 A)의 각각의 컬럼에 대해 대표 또는 기술 통계(예를 들어, 평균)가 결정되고 1D 어레이로 압축될 수 있다(도 13d). 테스트 스트립 상의 모든 라인이 1D 어레이에서 하나의 피크를 생성해야 하기 때문에, 이러한 1D 어레이 내의 피크들의 위치가 찾아질 수 있으며(도 13e), 식별될 수 있다.
이미지를 그레이스케일로 분석하는 경우, 그레이스케일 이미지는 이상에서 설명된 것과 유사한 1D 어레이로 압축될 수 있고, 여기서 어레이의 요소들은 그레이스케일 이미지의 로우 또는 컬럼과 같은 일 부분의 대표적인 메트릭(예를 들어, 평균)이다. 유사하게, 이러한 1D 어레이 내의 피크들은 진단 테스트 내의 잠재적인 라인들로서 위치가 찾아지고 식별될 수 있다.
대체로, 색 공간 및 그레이스케일 이미지 분석 둘 모두에서, 각각의 피크의 상대적인 위치뿐만 아니라 각각의 피크의 돌출이 결정될 수 있다. 일부 변형예들에서, 라인의 존재의 검출은 피크 돌출, 피크 위치(예를 들어, 테스트 영역의 경계들 및/또는 다른 피크들에 대한 위치), 및 피크 폭 중 임의의 하나 이상에 기초할 수 있다. 일부 변형예들에서, 대조 라인은, 테스트 결과 라인을 나타낼 수 있는 다른 피크들/라인들을 탐색하기 이전에, (예를 들어, 테스트 영역 경계에 대한 피크의 위치, 등에 기초하여, 라인의 가장 강한 존재로서) 먼저 식별될 수 있다. 어떠한 피크들도 발견되지 않는 경우, 테스트는 무효로 처리될 수 있다. 유사하게, 어떠한 대조 라인도 발견되지 않는 경우, 테스트는 무효로 처리될 수 있다.
예시적인 예로서, 식별된 피크들은, 반복 루프 방식으로(예를 들어, 모든 피크들에 대해 "for" 루프로), 표 1에 도시된 바와 같은 규칙들의 세트 하에서 분석될 수 있다. 대조 라인들 및/또는 테스트 라인들의 예상된 위치들, 및/또는 이러한 라인들에 대한 임계치는 이미징되는 진단 테스트의 유형과 연관된 구성 파일로부터의 정보에 기초할 수 있다. 대안적으로, 이러한 위치들은 달리, 예컨대 공칭 위치 값들로 미리 결정될 수 있다.
아래의 테이블에서, 언급된 임계 변수들은 다음과 같이 상대적인 값들을 갖는다:
[매우_낮은_임계치] < [약간_더 낮은_임계치] < [상대적으로_낮은_임계치]
표 1. 진단 테스트 결과의 예측을 위한 이미지 내의 피크들의 분석
Figure pct00001
추가적으로 또는 대안적으로, 일단 테스트 영역의 정확한 위치가 (예를 들어, 이상에서 설명된 기술들 중 임의의 것을 통해) 결정되면, 테스트 영역 내의 라인들의 강도들은 테스트 영역 내의 예상된 위치들(예를 들어, 해당되는 특정 종류의 진단 테스트에 대한 어세이 윈도우 내의 알려진 라인 위치들)에서 측정될 수 있다. 이러한 라인 강도들은 진단 테스트에 대한 테스트 스트립의 제조 허용오차들에 따라 위치들의 범위 내에서 측정될 수 있다. 예를 들어, 테스트 라인 위치에 대한 알려진 제조 허용오차가 1 mm의 범위(예를 들어, 공칭 테스트 라인 위치에 대해 ±0.5mm, 또는 공칭 테스트 라인 위치의 좌측까지 0.5 mm와 공칭 테스트 라인 위치의 우측까지 0.5 mm 사이의 범위)를 갖는 경우, 해당 테스트 라인의 라인 강도 측정들은 테스트 영역 내의 그 동일한 1mm 공간적 범위 내의 이미지 위치들에서 수행될 수 있다. 일부 변형예들에서, 그 1 mm 공간적 범위 영역 내의 최대 강도는 테스트 결과를 분석하기 위한 목적으로 대표적인 라인 강도로서 사용될 수 있다. 그러나, 다른 대표적인 값들(예를 들어, 평균 라인 강도 값, 라인 강도 값들의 상위 사분위수의 평균, 등)이 테스트 결과를 분석하기 위한 목적으로 사용될 수 있다. 또한, 1 mm의 제조 허용오차가 단지 예시적인 목적을 위한 예이며, 특정하고 적절한 값이 테스트 유형, 진단 테스트 브랜드, 등 사이에서 변화할 수 있다는 것이 이해되어야 한다.
추가적으로 또는 대안적으로, 이미지의 테스트 영역 부분은 하나 이상의 적절한 트레이닝된 기계 학습 모델들(예를 들어, 딥 러닝 기술들)을 사용하여 테스트 결과를 예측하기 위해 분석될 수 있다. 예를 들어, 기계 학습 모델은, 다양한 종류의 진단 테스트들에 대한 라벨링된 테스트 결과들(예를 들어, 희미한 양성, 적당히 강한 양성, 강한 양성, 등)을 갖는 이미지들을 포함하는 트레이닝 데이터를 사용하여 지도 방식으로 트레이닝될 수 있다. 이러한 트레이닝 데이터는 이미지로부터 테스트 결과를 예측하기 위해 신경망 또는 임의의 적절한 유형의 기계 학습 기술을 트레이닝시키기 위해 사용될 수 있다. 비지도 또는 반-지도 방식들로 트레이닝된 기계 학습 모델들은 추가적으로 또는 대안적으로 이미지로부터 테스트 결과를 예측하기 위해 사용될 수 있다.
방법들이 주로 측면 흐름 면역측정 테스트들을 참조하여 이상에서 설명되었지만, 방법들의 측면들이 또한 다른 종류의 진단 테스트들(예를 들어, 비색 면역측정 테스트들)에도 적용될 수 있다는 것이 이해되어야 한다. 예를 들어, 일부 변형예들에서, 비색 면역측정 테스트들의 분석은 (예를 들어, 스캔 표면 상의 기점들을 사용하여) 테스트 영역을 식별하는 단계를 포함할 수 있다. 그러나, 대조 라인들 및/또는 테스트 라인들의 위치를 찾는 단계를 포함하는 대신에, 비색 테스트에 대한 테스트를 예측하는 단계는, 대조 용기들 및/또는 테스트 용기들의 위치를 찾는 단계, 및 진단 테스트 결과를 평가하기 위해 테스트 용기(들) 내의 샘플의 검출될 색상을 하나 이상의 미리 결정된 색상(예를 들어, 색상 참조 어레이)과 비교하는 단계를 포함할 수 있다. 일부 변형예들에서, 색상-기반 이미지 분석은, 이상에서 각각 포함된 미국 특허 제8,655,009호 및 제8,911,679호에서 설명된 것과 유사할 수 있다.
또한, 비색 테스트들을 분석하기 위한 일부 변형예들에서, 테스트 영역(예를 들어, 시약 패드)은, 예컨대 적절한 윤곽 알고리즘으로 이것의 윤곽들을 찾음으로써 위치가 찾아질 수 있다. 일단 이미지에서 테스트 영역의 위치가 찾아지면, 테스트 영역을 묘사하는 이미지의 부분은 이것의 색상의 분석에 대해 가장 적절한 색 공간으로 변환될 수 있다. 예를 들어, 다수의 경우들에서, LAB, YUV 또는 CIE-XYZ 색 공간들이 시약 패드 색상의 분석에 대해 최상이다. 일단 테스트 영역 이미지 부분이 분리되고 적절한 색 공간으로 변환되면, 이것의 색상에 대한 기술 통계들이 측정될 수 있다. 예를 들어, 테스트 영역 이미지 부분의 기술 통계(예를 들어, 색 공간에서 색 채널에서의 값)의 중앙값이 측정된다. 일부 변형예들에서, 글레어 또는 이물질들이 검출되는 테스트 영역 상의 임의의 구역들은, 이러한 기술 통계의 계산이 이루어지기 이전에 무시될 수 있다. 이러한 글레어 및/또는 이물질들은, 예를 들어, 이상에서 설명된 바와 같이 검출될 수 있다.
일부 변형예들에서, 예컨대 이미지에 묘사되고 스캔 표면 상에 프린트된 참조 색상 블록들 또는 다른 아이콘들 내의 참조 색상들이 임의의 비색 테스트 이미지의 장면 내에 존재할 수 있다. 이러한 참조 색상 블록들은 그들의 윤곽들의 위치를 찾음으로써 위치가 결정될 수 있다. 일단 참조 색상 블록들의 위치가 찾아지면, 이러한 색상 블록들의 이미지는 그들의 색상의 분석을 위해 가장 적절한 색 공간으로 변환될 수 있다. 색상 블록을 나타내는 기술 통계들은 이상에서 설명된 것과 유사하게 계산될 수 있다. 이러한 기술 통계들은, 전체 이미지에 또는 단지 관심 영역에만 적용될 수 있는 색상 정정 매트릭스를 생성하기 위해 사용될 수 있다. 이러한 색상 정정 매트릭스는 시약 패드 색상의 측정에 대한 비정상적인 조명 조건들의 영향을 줄이도록 역할한다.
일부 변형예들에서, 그런 다음 시약 패드의 색상 값은, 예컨대 메모리에 저장될 수 있고 적절한 시점에 액세스될 수 있는 룩업 테이블 또는 방정식으로 시약 농도 및 대응하는 테스트 결과로 해석될 수 있다.
테스트 결과의 통신
테스트 결과(들)가 예측된 이후에, 테스트 결과들은 적절한 엔티티로 출력되거나 또는 달리 통신될 수 있다. 예를 들어, 일부 변형예들에서, 테스트 결과는 진단 플랫폼과 연관된 모바일 애플리케이션을 통해, 통지 메시지를 통해, 이메일을 통해, 또는 임의의 적절한 방식으로 통신될 수 있다. 추가적으로 또는 대안적으로, 진단 테스트 결과들은, 예를 들어, 진단 플랫폼과 통신하는 연관된 대시보드 또는 다른 적절한 시스템을 통해 사용자에 대한 의료 팀으로 통신될 수 있다. 또한, 일부 변형예들에서, 진단 테스트 결과들은 사용자에 대한 적절한 전자 건강 레코드 또는 다른 메모리 저장 디바이스로 통신될 수 있다.
진단 플랫폼은, 일부 변형예들에서, 예측된 테스트 결과를 고려하여 하나 이상의 다양한 후속 액션들을 지원할 수 있다. 예를 들어, 진단 플랫폼은 사용자가 의료 치료를 진행하기 위한 질문들 또는 옵션들을 논의하기 위해 적절한 의료 전문가와 연결되도록 도울 수 있다. 진단 플랫폼은 적절하게 의료 전문가와의 대면 방문을 제안하거나 및/또는 용이하게 할 수 있다. 추가적으로 또는 대안적으로, 진단 플랫폼은, 진단 테스트 결과들을 고려하여, 적절한 약물들에 대한 처방들을 제공하는 데 도움을 줄 수 있고, 일반적인 의료 가이던스 및/또는 리소스들에 대한 링크들, 및/또는 사용자의 추가적인 의료 관리에 대한 다른 적절한 액션들을 제공할 수 있다.
예시적인 실시예들
실시예 1. 진단 테스트를 분석하기 위한 방법으로서,
하나 이상의 프로세서들에서:
진단 테스트를 묘사하는 이미지를 수신하는 단계로서, 상기 진단 테스트는 테스트 결과를 나타내는 테스트 영역을 포함하는, 단계;
상기 이미지의 품질을 검증하는 단계;
상기 진단 테스트의 상기 테스트 영역을 묘사하는 상기 이미지의 테스트 영역 이미지 부분의 위치를 찾는 단계; 및
상기 테스트 영역 이미지 부분에 기초하여 상기 테스트 결과를 예측하는 단계를 포함하는, 방법.
실시예 2. 실시예 1에 있어서, 상기 이미지의 품질을 검증하는 단계는, 상기 수신된 이미지 내의 조명 레벨, 컬러 밸런스, 노출 레벨, 잡음 레벨, 이미지 블러 레벨, 그림자들의 존재, 및/또는 글레어의 존재 중 적어도 하나를 평가하는 단계를 포함하는, 방법.
실시예 3. 실시예 1에 있어서, 상기 이미지의 품질을 검증하는 단계는 상기 수신된 이미지 내의 상기 진단 테스트의 위치 및 배향 중 적어도 하나를 평가하는 단계를 포함하는, 방법.
실시예 4. 실시예 1에 있어서, 상기 이미지의 품질을 검증하는 단계는 상기 수신된 이미지 내의 하나 이상의 대조 마킹들의 이미징된 품질을 검증하는 단계를 포함하는, 방법.
실시예 5. 실시예 4에 있어서, 상기 하나 이상의 대조 마킹들은 복수의 라인들을 포함하는, 방법.
실시예 6. 실시예 4에 있어서, 상기 하나 이상의 대조 마킹들은 복수의 색상들을 포함하는, 방법.
실시예 7. 실시예 1에 있어서, 상기 테스트 영역 이미지 부분의 위치를 찾는 단계는 상기 이미지에서 상기 진단 테스트의 경계를 식별하는 단계를 포함하는, 방법.
실시예 8. 실시예 7에 있어서, 상기 이미지에서 상기 진단 테스트의 경계를 식별하는 단계는 고대비 배경에 대해 상기 진단 테스트의 상기 경계를 식별하는 단계를 포함하는, 방법.
실시예 9. 실시예 7에 있어서, 상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 적어도 부분적으로 상기 이미지에서 상기 진단 테스트의 상기 경계에 대한 하나 이상의 미리 결정된 테스트 영역 좌표들에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
실시예 10. 실시예 9에 있어서, 상기 하나 이상의 미리 결정된 테스트 영역 좌표들은 상기 진단 테스트의 유형과 연관되는, 방법.
실시예 11. 실시예 1에 있어서, 상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 상기 이미지에서 스캔 표면 상의 하나 이상의 기점들을 식별하는 단계 및 상기 하나 이상의 기점들의 위치에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
실시예 12. 실시예 1에 있어서, 상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 상기 이미지에서 미리 결정된 색 채널의 피크 대표 값을 갖는 관심 이미지 부분을 식별하는 단계, 및 상기 관심 이미지 부분에서 상기 미리 결정된 색 채널에서 가장 큰 윤곽의 위치에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
실시예 13. 실시예 11에 있어서, 상기 미리 결정된 색 채널은 LAB, YUV, HSV, XYZ, 및 CYMK로 구성된 그룹으로부터 선택된 색 공간에 있는, 방법.
실시예 14. 실시예 1에 있어서, 상기 테스트 결과를 예측하는 단계는, 상기 테스트 영역 이미지 부분에서 미리 결정된 색 채널에서 하나 이상의 피크 돌출(prominence)들을 식별하는 단계를 포함하는, 방법.
실시예 15. 실시예 14에 있어서, 상기 테스트 결과를 예측하는 단계는, 상기 테스트 영역 이미지 부분에서 대조 및 결과 표시자 중 적어도 하나에 대해 상기 하나 이상의 피크 돌출들을 평가하는 단계를 포함하는, 방법.
실시예 16. 실시예 1에 있어서, 상기 방법은, 사용자의 하나 이상의 이미지들을 수신하는 단계, 및 상기 사용자의 하나 이상의 이미지들에 기초하여 상기 사용자에 의한 샘플 수집을 검증하는 단계를 더 포함하는, 방법.
실시예 17. 실시예 1에 있어서, 상기 방법은, 상기 수신된 이미지에 묘사된 상기 진단 테스트의 유형을 식별하는 단계를 더 포함하는, 방법.
실시예 18. 실시예 1에 있어서, 상기 방법은, 상기 예측된 테스트 결과를 사용자에게 통신하는 단계를 더 포함하는, 방법.
실시예 19. 실시예 1에 있어서, 상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하는, 방법.
실시예 20. 실시예 19에 있어서, 상기 측면 흐름 면역측정 테스트는 직접 흐름 면역측정 테스트인, 방법.
실시예 21. 실시예 1에 있어서, 상기 진단 테스트는 비색 면역측정 테스트를 포함하는, 방법.
실시예 22. 실시예 21에 있어서, 상기 비색 면역측정 테스트는 등온 증폭 테스트인, 방법.
실시예 23. 진단 테스트의 분석을 용이하게 하기 위한 방법으로서,
하나 이상의 프로세서들에서:
스캔 표면 상의 하나 이상의 대조 마킹들을 묘사하는 하나 이상의 이미지들을 수신하는 단계로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 단계; 및
적어도 하나의 컴퓨터 비전 기술을 사용하여 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계를 포함하는, 방법.
실시예 24. 실시예 23에 있어서, 상기 이미지들 중 적어도 하나는 상기 진단 테스트 및 상기 하나 이상의 대조 마킹들을 묘사하는, 방법.
실시예 25. 실시예 23에 있어서, 상기 방법은, 상기 진단 테스트를 묘사하는 하나 이상의 이미지들을 개별적으로 수신하는 단계를 더 포함하는, 방법.
실시예 26. 실시예 23에 있어서, 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계는, 상기 하나 이상의 대조 마킹들과 연관된 일련의 픽셀들의 대표 값의 어레이를 생성하는 단계, 상기 어레이에서 피크들 및/또는 돌출들을 결정하는 단계, 및 상기 피크들 및/또는 돌출들을 하나 이상의 미리 결정된 임계 값들과 비교하는 단계를 포함하는, 방법.
실시예 27. 실시예 26에 있어서, 상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계는 상기 하나 이상의 이미지들 내의 여백을 음성 대조군으로서 처리하는 단계를 포함하는, 방법.
실시예 28. 실시예 23에 있어서, 상기 방법은, 하나 이상의 대조 마킹들을 묘사하는 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들을 검출하는 것에 응답하여, 상기 진단 테스트의 이미지에 기초하여 상기 진단 테스트의 테스트 결과를 예측하는 단계를 더 포함하는, 방법.
실시예 29. 실시예 23에 있어서, 상기 방법은, 하나 이상의 대조 마킹들을 묘사하는 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들을 검출하는데 실패하는 것에 응답하여 사용자에게 통지하는 단계를 더 포함하는, 방법.
실시예 30. 실시예 23에 있어서, 상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 방법.
실시예 31. 실시예 30에 있어서, 상기 하나 이상의 라인들은 두께, 색상, 색조, 및 반사율 중 적어도 하나가 변화하는, 방법.
실시예 32. 실시예 30에 있어서, 상기 하나 이상의 라인들은 흑색 및/또는 회색 라인들을 포함하는, 방법.
실시예 33. 실시예 23에 있어서, 상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 색상들을 포함하는, 방법.
실시예 34. 실시예 23에 있어서, 상기 스캔 표면은 상기 하나 이상의 대조 마킹들에 근접한 테스트 배치 가이드를 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 방법.
실시예 35. 진단 테스트의 분석을 용이하게 하기 위한 시스템으로서, 하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 상기 스캔 표면을 포함하는, 시스템.
실시예 36. 실시예 35에 있어서, 상기 스캔 표면은 상기 진단 테스트의 배치를 나타내는 테스트 배치 가이드를 더 포함하는, 시스템.
실시예 37. 실시예 36에 있어서, 상기 테스트 배치 가이드는 상기 진단 테스트와 대비되는 색상을 갖는, 시스템.
실시예 38. 실시예 36에 있어서, 상기 테스트 배치 가이드는 상기 진단 테스트의 아웃라인을 나타내는, 시스템.
실시예 39. 실시예 35에 있어서, 상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 방법.
실시예 40. 실시예 39에 있어서, 상기 하나 이상의 라인들은 두께, 색상, 색조, 및 반사율 중 적어도 하나가 변화하는, 시스템.
실시예 41. 실시예 39에 있어서, 상기 하나 이상의 라인들은 흑색 및/또는 회색 라인들을 포함하는, 시스템.
실시예 42. 실시예 35에 있어서, 상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 색상들을 포함하는, 시스템.
실시예 43. 실시예 35에 있어서, 상기 스캔 표면은 적어도 하나의 공간적 기점을 더 포함하는, 시스템.
실시예 44. 실시예 35에 있어서, 상기 스캔 표면은 식별 정보를 갖는 적어도 하나의 컴퓨터-판독가능 코드를 포함하는, 시스템.
실시예 45. 실시예 35에 있어서, 상기 하나 이상의 대조 마킹들은 상기 스캔 표면 상에 프린트되는, 시스템.
실시예 46. 실시예 45에 있어서, 상기 하나 이상의 대조 마킹들은 잉크 또는 토너로 프린트되는, 시스템.
실시예 47. 실시예 46에 있어서, 상기 하나 이상의 대조 마킹들은 형광 잉크로 프린트되는, 시스템.
실시예 48. 실시예 47에 있어서, 상기 형광 잉크는, 유로퓸, 로다민, 플루오레세인, 알렉사 플루오르, 양자점 및 형광 나노입자들로 구성된 그룹으로부터 선택된 적어도 하나를 포함하는, 시스템.
실시예 49. 진단 테스트 키트로서,
테스트 결과를 나타내기 위한 테스트 영역을 포함하는 진단 테스트; 및
하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 상기 스캔 표면을 포함하는, 진단 테스트 키트.
실시예 50. 실시예 49에 있어서, 상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 진단 테스트 키트.
실시예 51. 실시예 50에 있어서, 상기 하나 이상의 라인들은 두께가 변화하는, 진단 테스트 키트.
실시예 52. 실시예 50에 있어서, 상기 하나 이상의 라인들은 색상이 변화하는, 진단 테스트 키트.
실시예 53. 실시예 50에 있어서, 상기 하나 이상의 라인들은 색조가 변화하는, 진단 테스트 키트.
실시예 54. 실시예 50에 있어서, 상기 하나 이상의 라인들은 반사율이 변화하는, 진단 테스트 키트.
실시예 55. 실시예 50에 있어서, 상기 하나 이상의 라인들은 흑색 및/또는 회색인, 진단 테스트 키트.
실시예 56. 실시예 50에 있어서, 상기 하나 이상의 라인들은, 상기 진단 테스트 내의 테스트 결과 라인의 예상된 색상과 매칭되는 색상인, 진단 테스트 키트.
실시예 57. 실시예 49에 있어서, 상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 복수의 색상들을 포함하는, 진단 테스트 키트.
실시예 58. 실시예 49에 있어서, 상기 하나 이상의 대조 마킹들은 상기 스캔 표면 상에 프린트되는, 진단 테스트 키트.
실시예 59. 실시예 58에 있어서, 상기 하나 이상의 대조 마킹들은 잉크 또는 토너로 프린트되는, 진단 테스트 키트.
실시예 60. 실시예 59에 있어서, 상기 하나 이상의 대조 마킹들은 형광 잉크로 프린트되는, 진단 테스트 키트.
실시예 61. 실시예 60에 있어서, 상기 형광 잉크는, 유로퓸, 로다민, 플루오레세인, 알렉사 플루오르, 양자점 및 형광 나노입자들로 구성된 그룹으로부터 선택된 적어도 하나를 포함하는, 진단 테스트 키트.
실시예 62. 실시예 49에 있어서, 상기 스캔 표면은 상기 하나 이상의 대조 마킹들에 근접한 테스트 배치 가이드를 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 진단 테스트 키트.
실시예 63. 실시예 49에 있어서, 상기 스캔 표면은 제1 스캔 표면이며, 상기 진단 테스트 키트는, 상기 제1 스캔 표면과는 별개이고 테스트 배치 가이드를 포함하는 제2 스캔 표면을 더 포함하는, 진단 테스트 키트.
실시예 64. 실시예 49에 있어서, 상기 진단 테스트 키트는 가열 디바이스를 더 포함하는, 진단 테스트 키트.
실시예 65. 실시예 64에 있어서, 상기 진단 테스트 키트는, 가열 디바이스 및 상기 가열 디바이스에 근접한 테스트 배치 가이드를 포함하는 하우징을 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 진단 테스트 키트.
실시예 66. 실시예 65에 있어서, 상기 스캔 표면은 상기 하우징 상에 배열되는, 진단 테스트 키트.
실시예 67. 실시예 66에 있어서, 상기 하우징은 테스트 샘플을 수용하도록 구성되는, 진단 테스트 키트.
실시예 68. 실시예 67에 있어서, 상기 하우징은 테스트 샘플 용기를 수용하도록 구성된 리셉터클을 포함하는, 진단 테스트 키트.
실시예 69. 실시예 68에 있어서, 상기 리셉터클은 상기 가열 디바이스에 근접하는, 진단 테스트 키트.
전술한 설명은, 설명의 목적을 위해, 본 발명의 충분한 이해를 제공하기 위해 특정 명명법을 사용했다. 그러나, 특정 세부사항들이 본 발명을 실시하기 위해 요구되지 않는다는 것이 당업자에게 명백할 것이다. 따라서, 본 발명의 특정 실시예들의 전술한 설명들은 예시 및 설명의 목적들을 위해 제시된다. 이들은 개시된 정확한 형태들로 본 발명을 제한하거나 또는 철저하게 하도록 의도되지 않으며; 명백히, 이상의 교시들을 고려하여 다수의 수정예들 및 변형예들이 가능하다. 본 발명의 원리들 및 그의 실제적인 응용들을 설명하여, 그에 의해 당업자들이 본 발명 및 다양한 실시예들을 고려되는 특정 용도에 적합한 바와 같은 다양한 변형들을 갖고서 사용하는 것을 가능하게 하도록, 실시예들이 선택 및 설명되었다. 다음의 청구항들 및 그들의 등가물들이 본 발명의 범위를 정의하는 것으로 의도된다.

Claims (69)

  1. 진단 테스트를 분석하기 위한 방법으로서,
    하나 이상의 프로세서들에서:
    진단 테스트를 묘사하는 이미지를 수신하는 단계로서, 상기 진단 테스트는 테스트 결과를 나타내는 테스트 영역을 포함하는, 단계;
    상기 이미지의 품질을 검증하는 단계;
    상기 진단 테스트의 상기 테스트 영역을 묘사하는 상기 이미지의 테스트 영역 이미지 부분의 위치를 찾는 단계; 및
    상기 테스트 영역 이미지 부분에 기초하여 상기 테스트 결과를 예측하는 단계를 포함하는, 방법.
  2. 청구항 1에 있어서,
    상기 이미지의 품질을 검증하는 단계는, 상기 수신된 이미지 내의 조명 레벨, 컬러 밸런스, 노출 레벨, 잡음 레벨, 이미지 블러 레벨, 그림자들의 존재, 및/또는 글레어의 존재 중 적어도 하나를 평가하는 단계를 포함하는, 방법.
  3. 청구항 1에 있어서,
    상기 이미지의 품질을 검증하는 단계는 상기 수신된 이미지 내의 상기 진단 테스트의 위치 및 배향 중 적어도 하나를 평가하는 단계를 포함하는, 방법.
  4. 청구항 1에 있어서,
    상기 이미지의 품질을 검증하는 단계는 상기 수신된 이미지 내의 하나 이상의 대조 마킹들의 이미징된 품질을 검증하는 단계를 포함하는, 방법.
  5. 청구항 4에 있어서,
    상기 하나 이상의 대조 마킹들은 복수의 라인들을 포함하는, 방법.
  6. 청구항 4에 있어서,
    상기 하나 이상의 대조 마킹들은 복수의 색상들을 포함하는, 방법.
  7. 청구항 1에 있어서,
    상기 테스트 영역 이미지 부분의 위치를 찾는 단계는 상기 이미지에서 상기 진단 테스트의 경계를 식별하는 단계를 포함하는, 방법.
  8. 청구항 7에 있어서,
    상기 이미지에서 상기 진단 테스트의 경계를 식별하는 단계는 고대비 배경에 대해 상기 진단 테스트의 상기 경계를 식별하는 단계를 포함하는, 방법.
  9. 청구항 7에 있어서,
    상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 적어도 부분적으로 상기 이미지에서 상기 진단 테스트의 상기 경계에 대한 하나 이상의 미리 결정된 테스트 영역 좌표들에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
  10. 청구항 9에 있어서,
    상기 하나 이상의 미리 결정된 테스트 영역 좌표들은 상기 진단 테스트의 유형과 연관되는, 방법.
  11. 청구항 1에 있어서,
    상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 상기 이미지에서 스캔 표면 상의 하나 이상의 기점들을 식별하는 단계 및 상기 하나 이상의 기점들의 위치에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
  12. 청구항 1에 있어서,
    상기 테스트 영역 이미지 부분의 위치를 찾는 단계는, 상기 이미지에서 미리 결정된 색 채널의 피크 대표 값을 갖는 관심 이미지 부분을 식별하는 단계, 및 상기 관심 이미지 부분에서 상기 미리 결정된 색 채널에서 가장 큰 윤곽의 위치에 기초하여 상기 테스트 영역 이미지 부분의 위치를 찾는 단계를 포함하는, 방법.
  13. 청구항 11에 있어서,
    상기 미리 결정된 색 채널은 LAB, YUV, HSV, XYZ, 및 CYMK로 구성된 그룹으로부터 선택된 색 공간에 있는, 방법.
  14. 청구항 1에 있어서,
    상기 테스트 결과를 예측하는 단계는, 상기 테스트 영역 이미지 부분에서 미리 결정된 색 채널에서 하나 이상의 피크 돌출(prominence)들을 식별하는 단계를 포함하는, 방법.
  15. 청구항 14에 있어서,
    상기 테스트 결과를 예측하는 단계는, 상기 테스트 영역 이미지 부분에서 대조 및 결과 표시자 중 적어도 하나에 대해 상기 하나 이상의 피크 돌출들을 평가하는 단계를 포함하는, 방법.
  16. 청구항 1에 있어서,
    상기 방법은, 사용자의 하나 이상의 이미지들을 수신하는 단계, 및 상기 사용자의 하나 이상의 이미지들에 기초하여 상기 사용자에 의한 샘플 수집을 검증하는 단계를 더 포함하는, 방법.
  17. 청구항 1에 있어서,
    상기 방법은, 상기 수신된 이미지에 묘사된 상기 진단 테스트의 유형을 식별하는 단계를 더 포함하는, 방법.
  18. 청구항 1에 있어서,
    상기 방법은, 상기 예측된 테스트 결과를 사용자에게 통신하는 단계를 더 포함하는, 방법.
  19. 청구항 1에 있어서,
    상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하는, 방법.
  20. 청구항 19에 있어서,
    상기 측면 흐름 면역측정 테스트는 직접 흐름 면역측정 테스트인, 방법.
  21. 청구항 1에 있어서,
    상기 진단 테스트는 비색 면역측정 테스트를 포함하는, 방법.
  22. 청구항 21에 있어서,
    상기 비색 면역측정 테스트는 등온 증폭 테스트인, 방법.
  23. 진단 테스트의 분석을 용이하게 하기 위한 방법으로서,
    하나 이상의 프로세서들에서:
    스캔 표면 상의 하나 이상의 대조 마킹들을 묘사하는 하나 이상의 이미지들을 수신하는 단계로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 단계; 및
    적어도 하나의 컴퓨터 비전 기술을 사용하여 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계를 포함하는, 방법.
  24. 청구항 23에 있어서,
    상기 이미지들 중 적어도 하나는 상기 진단 테스트 및 상기 하나 이상의 대조 마킹들을 묘사하는, 방법.
  25. 청구항 23에 있어서,
    상기 방법은, 상기 진단 테스트를 묘사하는 하나 이상의 이미지들을 개별적으로 수신하는 단계를 더 포함하는, 방법.
  26. 청구항 23에 있어서,
    상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계는, 상기 하나 이상의 대조 마킹들과 연관된 일련의 픽셀들의 대표 값의 어레이를 생성하는 단계, 상기 어레이에서 피크들 및/또는 돌출들을 결정하는 단계, 및 상기 피크들 및/또는 돌출들을 하나 이상의 미리 결정된 임계 값들과 비교하는 단계를 포함하는, 방법.
  27. 청구항 26에 있어서,
    상기 하나 이상의 대조 마킹들의 검출을 검증하는 단계는 상기 하나 이상의 이미지들 내의 여백을 음성 대조군으로서 처리하는 단계를 포함하는, 방법.
  28. 청구항 23에 있어서,
    상기 방법은, 하나 이상의 대조 마킹들을 묘사하는 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들을 검출하는 것에 응답하여, 상기 진단 테스트의 이미지에 기초하여 상기 진단 테스트의 테스트 결과를 예측하는 단계를 더 포함하는, 방법.
  29. 청구항 23에 있어서,
    상기 방법은, 하나 이상의 대조 마킹들을 묘사하는 상기 하나 이상의 이미지들에서 상기 하나 이상의 대조 마킹들을 검출하는데 실패하는 것에 응답하여 사용자에게 통지하는 단계를 더 포함하는, 방법.
  30. 청구항 23에 있어서,
    상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 방법.
  31. 청구항 30에 있어서,
    상기 하나 이상의 라인들은 두께, 색상, 색조, 및 반사율 중 적어도 하나가 변화하는, 방법.
  32. 청구항 30에 있어서,
    상기 하나 이상의 라인들은 흑색 및/또는 회색 라인들을 포함하는, 방법.
  33. 청구항 23에 있어서,
    상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 색상들을 포함하는, 방법.
  34. 청구항 23에 있어서,
    상기 스캔 표면은 상기 하나 이상의 대조 마킹들에 근접한 테스트 배치 가이드를 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 방법.
  35. 진단 테스트의 분석을 용이하게 하기 위한 시스템으로서,
    하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 상기 스캔 표면을 포함하는, 시스템.
  36. 청구항 35에 있어서,
    상기 스캔 표면은 상기 진단 테스트의 배치를 나타내는 테스트 배치 가이드를 더 포함하는, 시스템.
  37. 청구항 36에 있어서,
    상기 테스트 배치 가이드는 상기 진단 테스트와 대비되는 색상을 갖는, 시스템.
  38. 청구항 36에 있어서,
    상기 테스트 배치 가이드는 상기 진단 테스트의 아웃라인을 나타내는, 시스템.
  39. 청구항 35에 있어서,
    상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 시스템.
  40. 청구항 39에 있어서,
    상기 하나 이상의 라인들은 두께, 색상, 색조, 및 반사율 중 적어도 하나가 변화하는, 시스템.
  41. 청구항 39에 있어서,
    상기 하나 이상의 라인들은 흑색 및/또는 회색 라인들을 포함하는, 시스템.
  42. 청구항 35에 있어서,
    상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 색상들을 포함하는, 시스템.
  43. 청구항 35에 있어서,
    상기 스캔 표면은 적어도 하나의 공간적 기점을 더 포함하는, 시스템.
  44. 청구항 35에 있어서,
    상기 스캔 표면은 식별 정보를 갖는 적어도 하나의 컴퓨터-판독가능 코드를 포함하는, 시스템.
  45. 청구항 35에 있어서,
    상기 하나 이상의 대조 마킹들은 상기 스캔 표면 상에 프린트되는, 시스템.
  46. 청구항 45에 있어서,
    상기 하나 이상의 대조 마킹들은 잉크 또는 토너로 프린트되는, 시스템.
  47. 청구항 46에 있어서,
    상기 하나 이상의 대조 마킹들은 형광 잉크로 프린트되는, 시스템.
  48. 청구항 47에 있어서,
    상기 형광 잉크는, 유로퓸, 로다민, 플루오레세인, 알렉사 플루오르, 양자점 및 형광 나노입자들로 구성된 그룹으로부터 선택된 적어도 하나를 포함하는, 시스템.
  49. 진단 테스트 키트로서,
    테스트 결과를 나타내기 위한 테스트 영역을 포함하는 진단 테스트; 및
    하나 이상의 대조 마킹들을 포함하는 스캔 표면으로서, 상기 하나 이상의 대조 마킹들은 상기 진단 테스트에 대한 하나 이상의 미리 결정된 테스트 결과들을 나타내는, 상기 스캔 표면을 포함하는, 진단 테스트 키트.
  50. 청구항 49에 있어서,
    상기 진단 테스트는 측면 흐름 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 하나 이상의 라인들을 포함하는, 진단 테스트 키트.
  51. 청구항 50에 있어서,
    상기 하나 이상의 라인들은 두께가 변화하는, 진단 테스트 키트.
  52. 청구항 50에 있어서,
    상기 하나 이상의 라인들은 색상이 변화하는, 진단 테스트 키트.
  53. 청구항 50에 있어서,
    상기 하나 이상의 라인들은 색조가 변화하는, 진단 테스트 키트.
  54. 청구항 50에 있어서,
    상기 하나 이상의 라인들은 반사율이 변화하는, 진단 테스트 키트.
  55. 청구항 50에 있어서,
    상기 하나 이상의 라인들은 흑색 및/또는 회색인, 진단 테스트 키트.
  56. 청구항 50에 있어서,
    상기 하나 이상의 라인들은, 상기 진단 테스트 내의 테스트 결과 라인의 예상된 색상과 매칭되는 색상인, 진단 테스트 키트.
  57. 청구항 49에 있어서,
    상기 진단 테스트는 비색 면역측정 테스트를 포함하며, 상기 하나 이상의 대조 마킹들은 복수의 색상들을 포함하는, 진단 테스트 키트.
  58. 청구항 49에 있어서,
    상기 하나 이상의 대조 마킹들은 상기 스캔 표면 상에 프린트되는, 진단 테스트 키트.
  59. 청구항 58에 있어서,
    상기 하나 이상의 대조 마킹들은 잉크 또는 토너로 프린트되는, 진단 테스트 키트.
  60. 청구항 59에 있어서,
    상기 하나 이상의 대조 마킹들은 형광 잉크로 프린트되는, 진단 테스트 키트.
  61. 청구항 60에 있어서,
    상기 형광 잉크는, 유로퓸, 로다민, 플루오레세인, 알렉사 플루오르, 양자점 및 형광 나노입자들로 구성된 그룹으로부터 선택된 적어도 하나를 포함하는, 진단 테스트 키트.
  62. 청구항 49에 있어서,
    상기 스캔 표면은 상기 하나 이상의 대조 마킹들에 근접한 테스트 배치 가이드를 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 진단 테스트 키트.
  63. 청구항 49에 있어서,
    상기 스캔 표면은 제1 스캔 표면이며, 상기 진단 테스트 키트는, 상기 제1 스캔 표면과는 별개이고 테스트 배치 가이드를 포함하는 제2 스캔 표면을 더 포함하는, 진단 테스트 키트.
  64. 청구항 49에 있어서,
    상기 진단 테스트 키트는 가열 디바이스를 더 포함하는, 진단 테스트 키트.
  65. 청구항 64에 있어서,
    상기 진단 테스트 키트는, 가열 디바이스 및 상기 가열 디바이스에 근접한 테스트 배치 가이드를 포함하는 하우징을 더 포함하며, 상기 테스트 배치 가이드는 상기 진단 테스트의 배치를 가이드하도록 구성되는, 진단 테스트 키트.
  66. 청구항 65에 있어서,
    상기 스캔 표면은 상기 하우징 상에 배열되는, 진단 테스트 키트.
  67. 청구항 66에 있어서,
    상기 하우징은 테스트 샘플을 수용하도록 구성되는, 진단 테스트 키트.
  68. 청구항 67에 있어서,
    상기 하우징은 테스트 샘플 용기를 수용하도록 구성된 리셉터클을 포함하는, 진단 테스트 키트.
  69. 청구항 68에 있어서,
    상기 리셉터클은 상기 가열 디바이스에 근접하는, 진단 테스트 키트.
KR1020237011335A 2020-09-17 2021-04-05 진단 테스트 키트들 및 이를 분석하는 방법들 Pending KR20230082616A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063079975P 2020-09-17 2020-09-17
US63/079,975 2020-09-17
PCT/US2021/025789 WO2022060415A1 (en) 2020-09-17 2021-04-05 Diagnostic test kits and methods of analyzing the same

Publications (1)

Publication Number Publication Date
KR20230082616A true KR20230082616A (ko) 2023-06-08

Family

ID=75675000

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237011335A Pending KR20230082616A (ko) 2020-09-17 2021-04-05 진단 테스트 키트들 및 이를 분석하는 방법들

Country Status (8)

Country Link
US (2) US11996183B2 (ko)
EP (1) EP4214669A1 (ko)
JP (1) JP2023541663A (ko)
KR (1) KR20230082616A (ko)
CN (1) CN116250004A (ko)
AU (1) AU2021345448A1 (ko)
CA (1) CA3192942A1 (ko)
WO (1) WO2022060415A1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4058775A1 (en) 2019-11-13 2022-09-21 Scanwell Health, Inc. Diagnostic test kits for sample preparation and analysis
EP4214669A1 (en) 2020-09-17 2023-07-26 Scanwell Health, Inc. Diagnostic test kits and methods of analyzing the same
JP2023548785A (ja) 2020-10-23 2023-11-21 ベクトン・ディキンソン・アンド・カンパニー 検査デバイスの撮像及び画像ベースの分析のためのシステム及び方法
USD970033S1 (en) 2020-10-23 2022-11-15 Becton, Dickinson And Company Cartridge imaging background device
WO2022154847A1 (en) 2021-01-12 2022-07-21 Emed Labs, Llc Health testing and diagnostics platform
EP4291894A4 (en) * 2021-02-14 2024-11-27 Becton, Dickinson and Company Lateral flow assay with sample adequacy line
US20220375595A1 (en) * 2021-05-24 2022-11-24 Emed Labs, Llc Systems, devices, and methods for diagnostic aid kit apparatus
US11929168B2 (en) * 2021-05-24 2024-03-12 Emed Labs, Llc Systems, devices, and methods for diagnostic aid kit apparatus
US20220375594A1 (en) * 2021-05-24 2022-11-24 Emed Labs, Llc Systems, devices, and methods for diagnostic aid kit apparatus
JP2022182513A (ja) * 2021-05-28 2022-12-08 セイコーエプソン株式会社 測色システム、測色方法及びプログラム
US20230057531A1 (en) * 2021-08-17 2023-02-23 Emed Labs, Llc Mobile device stands for at-home diagnostics and healthcare
US20230080048A1 (en) * 2021-09-16 2023-03-16 Specialty Diagnostic (SDI) Laboratories, Inc. Method and apparatus for generating a contagion prevention health assessment
US12272454B2 (en) * 2022-02-21 2025-04-08 Brightermd Llc Asynchronous administration and virtual proctoring of a diagnostic test
US11810662B2 (en) * 2022-03-04 2023-11-07 Imagemovermd, Inc. Collection, storage, and management of images or image results
CN115096878A (zh) * 2022-04-06 2022-09-23 新绎健康科技有限公司 一种便检试纸的检测方法及系统
WO2024138209A1 (en) * 2022-12-23 2024-06-27 Emed Labs, Llc Systems, methods, and devices for an integrated telehealth platform
CN117058359A (zh) * 2023-08-11 2023-11-14 云南省农业科学院质量标准与检测技术研究所 基于计算机视觉的定量胶体金试纸检测方法和系统

Family Cites Families (159)

* 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
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
KR100577699B1 (ko) 1998-03-18 2006-05-09 세키스이가가쿠 고교가부시키가이샤 진공 검체 채취 용기용 마개 부재, 진공 검체 채취 용기,진공 검체 채취 시스템, 진공 검체 채취 홀더 및 마개부재용 열가소성 엘라스토머 조성물
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
EP1866637B1 (en) 2005-04-01 2016-02-03 pts Diagnostics 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
WO2010101865A1 (en) 2009-03-02 2010-09-10 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
US8506901B2 (en) 2010-11-03 2013-08-13 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
JP2015509582A (ja) * 2012-02-03 2015-03-30 ユニバーシティ・オブ・シンシナティ 比色アッセイを解析するための方法、システム、および装置
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
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
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
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
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
WO2014113770A1 (en) 2013-01-21 2014-07-24 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
ES2974570T3 (es) 2013-07-12 2024-06-27 Nowdiagnostics Inc Un lector universal de pruebas de diagnóstico rápido con sensibilidad trans-visual
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
EP3132380B1 (en) 2014-04-15 2020-10-14 Gauss Surgical, Inc. Method for estimating a quantity of a blood component in a fluid canister
GB2548944B (en) 2014-04-17 2018-11-28 Z Integrated Digital Tech Inc Electronic test device data communication
US10498936B2 (en) 2014-04-21 2019-12-03 i-calQ, LLC Assay detector device compatible with any digital camera/portable computing device
US11087467B2 (en) 2014-05-12 2021-08-10 Healthy.Io Ltd. Systems and methods for urinalysis using a personal communications 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
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系统
US9424628B2 (en) 2014-06-19 2016-08-23 Microsoft Technology Licensing, Llc Identifying gray regions for auto white balancing
US9933359B2 (en) 2014-06-23 2018-04-03 Xerox Corporation Vendor exclusivity security feature for paper-based diagnostic solution
US9686540B2 (en) 2014-06-23 2017-06-20 Xerox Corporation Robust colorimetric processing method for paper based sensors
WO2016025935A2 (en) 2014-08-15 2016-02-18 Scanadu Incorporated Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments
US10753932B2 (en) 2014-09-05 2020-08-25 Axxin Pty Ltd Immunoassay test apparatus
EP3018470A1 (en) 2014-11-04 2016-05-11 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
EP3251332B1 (en) 2015-01-27 2021-07-07 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
CA3077811C (en) 2015-03-24 2024-02-27 Illumina, Inc. Methods, carrier assemblies, and systems for imaging samples for biological or chemical analysis
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
US9978153B2 (en) 2015-11-30 2018-05-22 Detectachem Llc Image color balancing for test receptacle
EP3391285B1 (en) 2015-12-18 2020-10-21 Abbott Laboratories Methods and systems for assessing histological stains
US11276483B2 (en) 2016-01-22 2022-03-15 Healthy.Io Ltd. 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
US11107585B2 (en) 2016-10-17 2021-08-31 Reliant Immune Diagnostics, Inc System and method for a digital consumer medical wallet and storehouse
US9857373B1 (en) 2016-10-17 2018-01-02 Reliant Immune Diagnostics, LLC Pregnancy test to assess disease risk
US9857372B1 (en) 2016-10-17 2018-01-02 Reliant Immune Diagnostics, LLC Arbovirus indicative birth defect risk test
US10331924B2 (en) 2016-12-14 2019-06-25 Reliant Immune Diagnostics, Inc. System and method for audiovisual response to retail diagnostic product
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
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
WO2018111331A1 (en) 2016-12-28 2018-06-21 Neogen Corporation 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
WO2018169770A1 (en) 2017-03-13 2018-09-20 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
US11397176B2 (en) 2017-06-23 2022-07-26 Everyplace Labs, 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
ES2943012T3 (es) 2017-10-25 2023-06-08 Hoffmann La Roche Procedimientos y dispositivos para realizar una medición analítica
PL3477270T3 (pl) 2017-10-25 2021-12-13 F. Hoffmann-La Roche Ag Sposoby i urządzenia do wykonywania pomiaru analitycznego w oparciu o reakcję tworzenia barwy
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
US11686703B2 (en) 2017-12-22 2023-06-27 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系统和方法
TWI810247B (zh) 2018-02-26 2023-08-01 瑞士商赫孚孟拉羅股份公司 用於校準和使用攝影機來偵測樣品中的分析物之方法及系統
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
BR112020025228A2 (pt) 2018-06-11 2021-03-09 F. Hoffmann-La Roche Ag Métodos de calibração (110) para calibrar uma câmera (112) de um dispositivo móvel e de detecção (115) para detectar um analito, programas de computador e dispositivo móvel
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
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
US20210264604A1 (en) 2018-06-22 2021-08-26 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
ES2921005T3 (es) 2018-10-31 2022-08-16 Hoffmann La Roche Dispositivos y procedimiento para medir una concentración de analito en una muestra de líquido corporal
USD879999S1 (en) 2018-11-02 2020-03-31 Group K Diagnostics, Inc. Microfluidic device
MA51643B1 (fr) 2018-11-07 2022-09-30 Hoffmann La Roche Procédés et dispositifs pour effectuer une mesure analytique
EP3921646A1 (en) 2019-02-06 2021-12-15 FibroTx OÜ Lateral flow device
WO2020165456A1 (en) 2019-02-15 2020-08-20 Immundiagnostik Ag Rapid test for diagnosis of bacterial infections in neonates
USD915618S1 (en) 2019-02-21 2021-04-06 Testcard Ltd Medical test card
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
EP4058775A1 (en) 2019-11-13 2022-09-21 Scanwell Health, Inc. Diagnostic test kits for sample preparation and analysis
WO2021155153A1 (en) 2020-01-31 2021-08-05 Reliant Immune Diagnostics, Inc. Computer-based systems configured for reference-free color correction and methods 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
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
EP4214669A1 (en) 2020-09-17 2023-07-26 Scanwell Health, Inc. Diagnostic test kits and methods of analyzing the same
JP2023548785A (ja) 2020-10-23 2023-11-21 ベクトン・ディキンソン・アンド・カンパニー 検査デバイスの撮像及び画像ベースの分析のためのシステム及び方法
USD970033S1 (en) 2020-10-23 2022-11-15 Becton, Dickinson And Company Cartridge imaging background device

Also Published As

Publication number Publication date
CA3192942A1 (en) 2022-03-24
CN116250004A (zh) 2023-06-09
JP2023541663A (ja) 2023-10-03
US20220084659A1 (en) 2022-03-17
AU2021345448A1 (en) 2023-04-20
WO2022060415A1 (en) 2022-03-24
US20230296600A1 (en) 2023-09-21
US11996183B2 (en) 2024-05-28
EP4214669A1 (en) 2023-07-26

Similar Documents

Publication Publication Date Title
US11996183B2 (en) Methods of analyzing diagnostic test kits
JP6546605B2 (ja) 液体キャニスタ内の血液成分量の推定方法
US12130237B2 (en) Method for calibrating a camera of a mobile device for detecting an analyte in a sample
KR102603366B1 (ko) 분석 측정을 수행하기 위한 방법들 및 디바이스들
JP7651585B2 (ja) スキャナとして使用するためのデジタルカメラのキャリブレーション
US20220291134A1 (en) Method of performing an analytical measurement
US20220283097A1 (en) Methods and devices for performing an analytical measurement
CN116420067A (zh) 控制具有相机的移动装置的自动曝光设置的方法
IL300293A (en) Test strip fixation device for optical measurements of a test substance
CN116324389A (zh) 确定体液中至少一种分析物的浓度的方法
RU2823570C1 (ru) Способ проведения аналитического измерения
CN116324406A (zh) 自动判别系统、自动判别方法以及自动判别程序

Legal Events

Date Code Title Description
PA0105 International application

Patent event date: 20230403

Patent event code: PA01051R01D

Comment text: International Patent Application

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20240404

Comment text: Request for Examination of Application