KR20200122375A - 샘플에서 피분석물을 검출하기 위한 카메라를 보정하고 이용하기 위한 방법들 및 시스템들 - Google Patents

Abstract

샘플 (131) 에서 피분석물을 검출하기 위한 카메라 (116) 를 보정 및 이용하기 위한 방법들, 컴퓨터 프로그램들 및 시스템들 (110, 112, 114) 이 개시된다. 샘플 (131) 에서 피분석물을 검출하기 위한 카메라 (116) 를 보정하는 보정 방법은, a. 컬러 좌표 시스템들의 세트를 제공하는 단계로서, 상기 컬러 좌표 시스템들의 세트는 오브젝트의 컬러를 기술하도록 구성된 복수의 상이한 컬러 좌표 시스템들을 포함하는, 상기 컬러 좌표 시스템들의 세트를 제공하는 단계; b. 상기 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트 (122) 를 제공하는 단계; c. 상기 테스트 샘플들 (124) 을 테스트 엘리먼트들의 세트 (126) 에 적용하고, 각각의 테스트 엘리먼트 (128) 는 상기 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 가지며, 이에 의해 상기 테스트 샘플들 (124) 의 각각에 대해 적어도 하나의 착색된 테스트 필드 (130) 를 형성하는 단계; d. 상기 카메라 (116) 를 이용하여 착색된 테스트 필드들 (130) 의 이미지들을 획득하는 단계; e. 상기 컬러 좌표 시스템들의 세트의 상기 컬러 좌표 시스템들을 이용하여 상기 착색된 테스트 필드 (130) 에 대한 컬러 좌표들을 생성함으로써, 상기 테스트 샘플들 (124) 에 대한 그리고 상기 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계; f. 코딩 함수들의 세트를 제공하는 단계로서, 상기 코딩 함수들의 세트는 테스트 필드 (130) 의 컬러 좌표들을 상기 샘플에서의 상기 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함하는, 상기 코딩 함수들의 세트를 제공하는 단계; g. 상기 코딩 함수들의 세트를 이용하여, 단계 e. 에서 생성된 상기 컬러 좌표들의 세트를 측정된 농도들의 세트로 변환하는 단계; 및 h. 상기 측정된 농도들의 세트를 상기 테스트 샘플들의 세트 (122) 의 상기 테스트 샘플들 (124) 의 상기 알려진 농도들과 비교하고, 상기 측정된 농도들의 세트가 상기 알려진 농도들과 가장 잘 일치하는, 상기 컬러 좌표 시스템들의 세트의 베스트 매치 컬러 좌표 시스템 및 상기 코딩 함수들의 세트의 베스트 매치 코딩 함수들을 결정하는 단계를 포함한다.

Description

샘플에서 피분석물을 검출하기 위한 카메라를 보정하고 이용하기 위한 방법들 및 시스템들

기술 분야

본 출원은 샘플에서 피분석물을 검출하기 위한 카메라를 보정하기 위한 보정 방법을 가리킨다. 본 발명은 추가로, 샘플에서 피분석물을 검출하기 위한 검출 방법 및 그 보정 방법 또는 그 검출 방법을 실행하기 위한 프로그램 수단들을 갖는 컴퓨터 프로그램에 관한 것이다. 추가로, 본 발명은, 카메라를 이용하여 샘플에서 피분석물을 검출할 목적으로 카메라를 보정하기 위한 보정 시스템, 적어도 하나의 테스트 엘리먼트를 이용하여 샘플에서 피분석물을 검출하기 위한 검출 시스템, 및 샘플에서 피분석물을 검출하기 위한 시스템에 관한 것이다. 본 발명에 따른 방법들, 컴퓨터 프로그램들, 및 시스템들은 하나 이상의 체액들에서 하나 이상의 피분석물들을 정성적으로 또는 정량적으로 검출하기 위하여 의료 진단에 사용될 수도 있다. 본 발명의 다른 응용 분야들이 가능하다.

배경 기술

의료 진단은, 많은 경우에, 하나 이상의 피분석물들이 체액, 예를 들어, 혈액, 간질액, 소변, 타액 또는 기타 유형의 체액들의 샘플들에서 검출되도록 요구한다. 검출될 피분석물들의 예들은 글루코오스, 트리글리세라이드, 락테이트, 콜레스테롤 또는 이러한 체액들에 통상적으로 존재하는 기타 유형의 피분석물들이다. 일반적으로, 피분석물들을 검출하기 위한 당업자에게 알려진 디바이스들 및 방법들은 하나 이상의 테스트 화학물질들을 포함하는 테스트 엘리먼트들을 사용하는데, 이는 검출하고자 하는 피분석물의 존재 하에, 광학적으로 검출가능한 검출 반응들과 같이 하나 이상의 검출가능한 검출 반응들을 수행할 수 있다. 이들 테스트 화학물질들과 관련하여, 예컨대, J. Hoenes 등의 : The Technology Behind Glucose Meters: Test Strips, Diabetes Technology & Therapeutics, Volume 10, Supplement 1, 2008, S-10 내지 S-26 에 대한 참조가 이루어질 수도 있다. 피분석물의 농도 및/또는 존재에 따라, 필요한 경우에 적절한 처리가 선택될 수 있다.

통상적으로, 테스트 화학물질에서의 하나 이상의 광학적으로 검출가능한 변화들은 이들 변화들로부터 검출될 적어도 하나의 피분석물의 농도를 도출하기 위해 모니터링된다. 테스트 필드의 광학 특성들의 적어도 하나의 변화를 검출하기 위하여 다양한 유형들의 검출기들이 당해 기술 분야에 알려져 있다. 따라서, 테스트 필드들을 조명하기 위한 다양한 유형들의 광원들 뿐만 아니라 다양한 유형들의 검출기들이 알려져 있다. 해당 테스트 엘리먼트들에 의해 포함된 테스트 화학물질에서의 변화들을 광학적으로 검출할 목적으로 특별히 개발된 맞춤형 검출기들 외에, 최근의 개발은 스마트폰들과 같은 널리 이용가능한 디바이스들을 이용하는 것을 목표로 한다.

일례로서, Li Shen 외: “Point-of-care colorimetric detection with a smartphone”, Lab Chip, 2012, 12, 4240-4243, “The Royal Society of Chemistry”, 및 대응하는 Electronic Supplementary Material (ESI) for Lab on a Chip, “The Royal Society of Chemistry” 는 스마트 폰으로 비색 검출을 수행하는 것을 제안한다. 비색 진단의 컬러들은 광범위한 주변 조건들에서 높은 정확도의 측정들을 허용하는 스마트 폰으로 분석하거나 정량화된다. 스마트폰에 의해 찍힌 컬러 이미지의 적, 녹, 및 청 (RGB) 강도들을 직접 이용하는 대신에, 피분석물 농도들의 보정 곡선들을 구성하기 위해 색도 값들이 사용된다. 또한, 그 접근법이 상이한 조광 조건들 하에서 채택가능하도록 하기 위해서, 주변 광에서의 가변성으로 인한 측정 오차들에 대해 보상하기 위한 보정 기법이 개발되었다.

일반적으로, 분석 측정을 평가할 목적을 위해 카메라를 갖는 스마트 폰들 또는 다른 소비자-전자기기들을 사용할 때, 카메라의 개별 보정이 필요하다. 따라서, Ali K. Yetisen 외: “A smartphone algorithm with inter-phone repeatability for the analysis of colorimetric tests”, Sensors and Actuators B 196 (2014) 156-160 은, 사용자로 하여금 스마트폰에 정보를 입력하고 그 스마트폰의 카메라를 이용하여 다양한 보정 포인트들의 이미지를 캡처함으로써 보정 엔트리를 수행하도록 요구하는, 비색 테스트들의 분석을 위해 폰간 재현가능성을 갖는 스마트폰 알고리즘을 제안한다. 그 보정은 미리정의된 조건들 하에서 수행될 필요가 있다. 후속하여, 보정을 수행하기 위한 것과 정확하게 동일한 조건들을 이용하여 비색 측정들이 수행될 수도 있다. 앱 (app) 은 보정 곡선에 대해 타겟 데이터 값들을 비교함으로써 최종 측정치를 계산한다. 이것은 계산 기하학에서 가장 가까운 이웃 문제와 유사한 보간 알고리즘에 의해 달성된다.

또 다른 보정 접근법은, 비색 테스트 스트립들의 분석 및 질병 관리를 위한 시스템 및 방법을 개시하는 WO 2014/037820 A2 에서 제안된다. 그 시스템은 모바일 디바이스에 동작가능하게 커플링되는 액세서리를 포함할 수 있고, 그 모바일 디바이스는 비색 테스트 스트립들의 이미지들을 획득 및/또는 분석한다. 라이트 박스 액세서리는 모바일 디바이스에 분리가능하게 부착되거나 또는 모바일 디바이스에 부착된 상태로 유지될 수 있지만, 일반적인 포토그래피 목적들을 위해 라이트 박스 액세서리가 카메라의 시야로부터 제거되는 능력을 갖는다. 다른 실시형태들에서, 알려진 보정 컬러(들) 및 시약 영역(들) 을 포함하는 이미지는 주변 조광 조건들에서의 변화들을 모델링하고 컬러 보정 함수를 결정하기 위해 이전 보정 이미지와의 비교를 위해 라이트 박스 없이 획득된다. 레퍼런스 차트 상에서 검출된 시약 영역 컬러들 및 레퍼런스 컬러들 사이의 매칭을 위해 검출된 시약 영역 컬러들 에 보정이 적용될 수 있다.

카메라, 예컨대 소비자-전자기기에 의해 포함되는 카메라를 보정 및 이용하는 것에 수반되는 이점들에도 불구하고, 샘플에서 피분석물을 검출하는 목적을 위해, 몇몇 기술적 도전들이 남아 있다. 일반적으로, 카메라 시스템들에서의 컬러 표현은, 예컨대, 카메라에 의해 캡처된 로 데이터 (raw data) 의 내부적 포스트-프로세싱에 의해서, 인간의 컬러 지각의 면에서 최적화되는 이미지들을 제공하도록 적응된다. 하지만, 인간 컬러 지각으로 인한 이러한 포스트-프로세싱은 샘플에서 피분석물 농도들을 정확하게 결정하는 것을 목표로 할 때 이상적이지 않을 수도 있다. 추가적으로, 상용의 많은 수의 카메라들의 상이한 조광 조건들 또는 개별 기술적 및 광학적 특성들과 같은 비-선형 팩터들은 피분석물 농도의 결정에 영향을 미칠 수도 있고, 따라서 고려될 필요가 있다.

해결하려는 과제

따라서, 예를 들어, 소비자 전자기기 모바일 디바이스들과 같은 모바일 디바이스들, 구체적으로 스마트 폰들 또는 태블릿 컴퓨터들과 같은 분석 측정에 전용되지 않는 다목적 모바일 디바이스들에 의해 포함되는 카메라들을 보정하기 위해서, 샘플에서 피분석물을 검출하기 위한 카메라를 보정하기 위한 상기 언급된 기술적 도전과제들을 해결하는 방법들, 컴퓨터 프로그램들 및 시스템들을 제공하는 것이 바람직하다. 특히, 가용 카메라들에 널리 적용가능하고 측정 정확도 및 사용자에 대한 편의성을 증가시키도록 적합화되는 방법들, 컴퓨터 프로그램들 및 시스템들이 제안될 것이다.

요약

이러한 문제는 독립 청구항들의 특징들을 갖는 방법들, 컴퓨터 프로그램들 및 시스템들에 의해 해결된다. 분리된 방식으로 또는 어떤 임의의 조합들로 실현될 수도 있을 유리한 실시형태들이 종속 청구항들에서 열거된다.

이하에서 사용되는 바와 같이, 용어 "가지다", "포함하다" 또는 "포괄하다" 또는 이들의 어떤 임의의 문법적 변형들은 비제한적인 방식으로 사용된다. 따라서, 이들 용어들은 이들 용어들에 의해 도입되는 특징 이외에, 이 문맥에서 기술된 실체에 추가적인 특징들이 존재하지 않는 상황 및 하나 이상의 추가적인 특징들이 존재하는 상황 양자 모두를 표현할 수도 있다. 일례로서, 표현 "A 는 B 를 가지다", "A 는 B 를 포함하다" 및 "A 는 B 를 포괄하다" 는 B 이외에, 다른 엘리먼트가 A 에 존재하지 않는 상황 (즉, A 가 오직 배타적으로 B 로 이루어지는 상황) 및 B 이외에 하나 이상의 추가 엘리먼트들, 예컨대 엘리먼트 C, 엘리먼트들 C 및 D 또는 더 추가의 엘리먼트들이 존재하는 상황 양자 모두를 표현할 수도 있다.

추가로, 특징 또는 엘리먼트가 1회 또는 1회 초과로 존재할 수도 있음을 낱타내는 용어들 "적어도 하나", "하나 이상" 또는 유사한 표현들은 개별 특징 또는 엘리먼트를 도입할 때 통상적으로 오직 1회만 사용될 것임이 주목될 것이다. 이하에서, 대부분의 경우, 각각의 특징 또는 엘리먼트를 언급할 때, 그 각각의 특징 또는 엘리먼트가 1 회 또는 1 회 초과로 존재할 수도 있다는 사실에도 불구하고, "적어도 하나" 또는 "하나 이상" 이라는 표현은 반복되지 않을 것이다.

추가로, 이하에서 사용되는 바와 같이, 용어들 "바람직하게", "보다 바람직하게", "특히", "보다 특히", "구체적으로", "보다 구체적으로" 또는 유사한 용어들은 대안적인 가능성들을 제한함이 없이 옵션적인 특징들과 함께 사용된다. 따라서, 이들 용어들에 의해 도입된 특징들은 옵션적인 특징들이고, 어떠한 방식으로든 청구항들의 범위를 제한하도록 의도되지 않는다. 본 발명은, 당업자가 인식할 바와 같이, 대안적인 특징들을 이용함으로써 수행될 수도 있다. 유사하게, "본 발명의 일 실시형태에서" 또는 유사한 표현들에 의해 도입된 특징들은 본 발명의 대안적인 실시형태들에 관한 임의의 제한 없이, 본 발명의 범위에 관한 임의의 제한들 없이, 및 이러한 방식으로 도입된 특징들을 본 발명의 다른 선택적 또는 비-선택적 특징들과 조합하는 가능성에 관한 임의의 제한 없이 선택적 특징들인 것으로 의도된다.

본 발명의 제 1 양태에서, 샘플에서 피분석물 (analyte) 을 검출하는 목적을 위해 카메라를 보정하기 위한 보정 방법 (calibration method) 이 개시된다. 그 방법은, 구체적으로 주어진 순서로 수행될 수도 있는, 다음과 같은 단계들을 포함한다. 그래도, 상이한 순서가 또한 가능하다. 추가로, 방법 단계들 중 2 이상을 완전히 또는 부분적으로 동시에 수행하는 것이 가능하다. 추가로, 하나 이상의 방법 단계들 또는 방법 단계들의 심지어 전부를 한번 또는 반복적으로 수행하는 것이 가능하다. 방법은 본원에 열거되지 않은 추가적인 방법 단계들을 포함할 수도 있다. 일반적으로, 그 보정 방법은 다음과 같은 단계들을 포함한다:

a. 컬러 좌표 시스템들의 세트를 제공하는 단계로서, 상기 컬러 좌표 시스템들의 세트는 오브젝트의 컬러를 기술하기 위해 구성된 복수의 상이한 컬러 좌표 시스템들을 포함하는, 상기 컬러 좌표 시스템들의 세트를 제공하는 단계;

b. 피분석물의 알려진 농도들 (known concentrations) 을 갖는 테스트 샘플들의 세트를 제공하는 단계;

c. 테스트 샘플들을 테스트 엘리먼트들의 세트에 적용하는 단계, 각각의 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질 (test chemical) 을 포함하는 적어도 하나의 테스트 필드를 가지며, 이에 의해 테스트 샘플들의 각각에 대해 적어도 하나의 착색된 테스트 필드 (colored test field) 를 형성하는 단계;

d. 카메라를 이용하여, 착색된 테스트 필드들의 이미지들을 획득하는 단계;

e. 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들의 이미지들에 대한 컬러 좌표들을 생성함으로써, 이에 의해 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계;

f. 코딩 함수들 (coding functions) 의 세트를 제공하는 단계, 그 코딩 함수들의 세트는 테스트 필드의 컬러 좌표들을 샘플에서의 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함;

g. 코딩 함수들의 세트를 이용하여, 단계 e. 에서 생성된 컬러 좌표들의 세트를 측정된 농도들의 세트로 변환하는 단계; 및

h. 측정된 농도들의 세트를 테스트 샘플들의 세트의 테스트 샘플들의 알려진 농도들과 비교하고, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 컬러 좌표 시스템들의 세트의 베스트 매치 (best match) 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하는 단계.

본 명세서에서 사용된 “샘플에서 피분석물을 검출하기 위한 카메라를 보정하기 위한 보정 방법” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 카메라에 의해 제공된 정보와 샘플에서의 하나 이상의 특정 피분석물들의 존재 또는 부존재 또는 농도 사이의 관계를 결정하는 프로세스를 지칭할 수도 있다. 따라서, 통상적으로, 카메라는, 이하에서 추가로 자세히 설명되는 바와 같이, 적어도 하나의 테스트 필드의 하나 이상의 이미지들과 같은 하나 이상의 이미지들과 같은 전자적 정보와 같은 정보를 생성할 것이다. 일반적으로, 카메라가 샘플에 의해 젖은 테스트 필드의 하나 이상의 이미지들을 찍을 때 등의 경우에, 그 정보 또는 그것의 일부와, 샘플에서 피분석물의 존재, 부존재 또는 농도 사이의 관계가 존재할 수도 있다. 이 관계를 결정하는 프로세스는 보정 방법으로서 지칭될 수도 있다. 보정 방법의 결과로서, 그 관계를 정의하는 적어도 하나의 식, 그 관계를 정의하기 위한 적어도 하나의 룩업 테이블과 같은 적어도 하나의 테이블, 또는 적어도 하나의 보정 곡선과 같은 적어도 하나의 그래픽 관계 중 하나 이상을 정의하는 등에 의해, 그 관계가 정의될 수도 있다.

본 명세서에서 사용된 “카메라” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 용어는 구체적으로, 제한함이 없이, 공간적으로 분해된 광학 데이터, 이를 테면, 하나 이상의 이미지들을 기록하기 위하여 구성되는 디바이스를 지칭할 수도 있다. 카메라는 구체적으로 하나 이상의 카메라 칩들 또는 이미징 디바이스들, 이를 테면, 하나 이상의 CCD 및/또는 CMOS 칩들을 포함할 수도 있다. 카메라는 일반적으로, 이미지 센서들의 1차원 또는 2차원 어레이, 이를 테면, 픽셀들을 포함할 수도 있다. 일례로서, 카메라는 적어도 1 차원에서 적어도 10 픽셀들, 이를 테면, 각각의 차원에서 적어도 10 픽셀들을 포함할 수도 있다. 그러나, 다른 카메라들이 또한 구현가능함에 유의하여야 한다. 본 발명은 구체적으로 모바일 애플리케이션들, 이를 테면, 노트북 컴퓨터들, 태블릿들 또는 구체적으로 셀 폰들, 이를 테면, 스마트 폰들에 통상적으로 사용되는 카메라들에 적용가능할 것이다. 따라서, 구체적으로, 카메라는 적어도 하나의 카메라 뿐만 아니라, 하나 이상의 데이터 프로세싱 디바이스들, 이를 테면, 하나 이상의 데이터 프로세서들을 포함하는 모바일 디바이스의 부분일 수도 있다. 그러나, 다른 카메라들이 구현가능하다. 적어도 하나의 카메라 칩 또는 이미징 칩에 더하여, 카메라는 엘리먼트들, 이를 테면, 하나 이상의 광학 엘리먼트들, 예를 들어, 하나 이상의 렌즈들을 포함할 수도 있다. 일례로서, 카메라는 카메라에 대해 고정적으로 조정되는 적어도 하나의 렌즈를 갖는 고정-포커스 카메라일 수도 있다. 하지만, 대안적으로, 카메라는 또한, 자동으로 또는 수동으로 조정될 수도 있는 하나 이상의 가변 렌즈들을 포함할 수도 있다.

본 명세서에서 사용된 바와 같이 “분석적 측정” 으로서도 종종 지칭되는 “샘플에서 피분석물을 검출” 한다는 용어는, 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 샘플에서의 적어도 하나의 피분석물의 정성적 및/또는 정량적 결정을 지칭할 수도 있다. 분석 측정의 결과는, 일례로서, 피분석물의 농도 및/또는 결정될 피분석물의 존재 또는 부존재일 수도 있다.

본 명세서에서 사용된 “이미지” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 카메라를 사용하는 것에 의해 기록되는 데이터 또는 정보, 이를 테면, 이미징 디바이스로부터의 복수의 전자 판독물들, 이를 테면, 카메라 칩의 픽셀들을 지칭할 수 있다. 따라서, 일례로서, 이미지는 1차원 또는 2차원 데이터 어레이를 포함할 수 있다. 이미지 자체는, 따라서, 픽셀들을 포함할 수도 있고, 이미지의 픽셀들은 일례로서, 카메라 칩의 픽셀들에 상관된다. 결과적으로, “픽셀들”을 지칭할 때, 카메라 칩의 단일 픽셀들에 의해 또는 카메라 칩의 단일 픽셀들에 직접 생성되는 이미지 정보의 유닛들에 대한 언급이 이루어진다.

카메라는 구체적으로 컬러 카메라일 수도 있다. 따라서, 각 픽셀 등에 대해, 3 개의 컬러들, R, G, B 에 대한 컬러 값들과 같은 컬러 정보가 제공되거나 생성될 수도 있고, 각 픽셀에 대해 4 개의 컬러들과 같이 더 큰 수의 컬러 값들이 또한 실현가능할 수도 있다. 컬러 카메라들은 당해 기술 분야의 당업자에게 일반적으로 알려져 있다. 따라서, 일례로서, 카메라 칩의 각각의 픽셀은 3 개 이상의 상이한 컬러 센서들, 이를 테면, 레드 (R) 에 대해 하나의 픽셀, 옐로우 (G) 에 대해 하나의 픽셀 및 블루 (B) 에 대해 하나의 픽셀과 같은 컬러 기록 픽셀들을 가질 수도 있다. 픽셀들의 각각에 대해, 이를 테면, R, G, B 값들에 대하여, 값들, 이를 테면, 개별적인 컬러의 세기에 따라 0 내지 255 의 범위에서의 디지털 값들이 픽셀들에 의해 기록될 수도 있다. R, G, B 와 같은 컬러 트리플들을 이용하는 대신에, 일례로서, C, M, Y, K 와 같은 쿼드러플들이 이용될 수도 있다. 픽셀들의 컬러 감도들은 컬러 필터들에 의해서 또는 카메라 픽셀들에서 사용되는 센서 엘리먼트들의 적절한 고유 감도들에 의해 생성될 수도 있다. 이들 기법들은 당해 기술 분야의 당업자에게 일반적으로 알려져 있다.

본 명세서에서 사용된 “피분석물 (analyte)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 검출 및/또는 측정될 하나 이상의 특정 화학적 화합물들 및/또는 다른 파라미터들을 지칭한다. 일례로서, 적어도 하나의 피분석물은 신진대사에 참여하는 화학적 화합물, 이를 테면, 글루코오스, 콜레스테롤 또는 트리글리세라이드 중 하나 이상일 수 있다. 추가적으로 또는 대안적으로, 다른 유형들의 피분석물들 또는 파라미터들, 예를 들어, pH 값이 결정될 수도 있다.

본 명세서에서 사용된 “샘플” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는, 구체적으로, 제한함이 없이, 액체, 고체 또는 기체 재료 중 하나 이상과 같이, 분석될 일정 양의 임의의 재료를 지칭할 수도 있다. 보다 구체적으로, 그 용어는 혈액, 간질액, 소변, 타액 등 중 하나 이상과 같이 일정 양의 체액을 지칭할 수도 있다. 하지만, 추가적으로 또는 대안적으로, 물과 같은 다른 유형들의 샘플들이 사용될 수도 있다.

본 명세서에서 사용된 “컬러 좌표 시스템 (color coordinate system)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는, 구체적으로, 제한함이 없이, 임의적인 좌표 시스템을 지칭할 수도 있고, 이 시스템에 의해 물체의 컬러, 이를 테면, 테스트 필드의 컬러 또는 카메라에 의해 기록된 이미지의 컬러가 수학적으로, 또는 물리적으로 특성화될 수도 있다. CIE 에 의해 정의된 컬러 좌표 시스템들과 같이 다양한 컬러 좌표 시스템들은 일반적으로 당해 기술 분야의 당업자에게 알려져 있다. 다양한 예들이 이하에서 주어질 것이다. 컬러 좌표들은, 그 전체적으로, 3 개 또는 4 개 기본 벡터들을 정의하는 등에 의해 컬러 공간 (color space) 을 범위 규정하거나 정의할 수도 있다.

컬러 좌표 시스템들을 제공하기 위해서, 이들 컬러 좌표 시스템들은 일례로서 데이터 저장 디바이스 또는 데이터베이스에서 저장될 수도 있고, 및/또는, 하나 이상의 파라미터들을 갖는 좌표 시스템들에 대한 일반식에 의해 정의될 수도 있다. 컬러 좌표 시스템들은 자동으로 또는 인간 작용에 의해 제공될 수도 있다. 컬러 좌표 시스템들은 보정 방법의 사용자에 의해 제공된, 보정 방법에 대한 입력일 수도 있다.

본 명세서에서 사용된 “테스트 샘플” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 그 안의 피분석물의 결정된 또는 결정가능한 양 또는 농도를 갖는 샘플을 지칭할 수도 있다.

본 명세서에서 추가로 사용된 바와 같이, 용어 “세트 (set)” 는 알려진 또는 결정가능한 특성들을 갖는 각 오브젝트 (object) 또는 엘리먼트 (element) 와 동일하거나 유사한 오브젝트들 또는 엘리먼트들의 정의된 양을 일반적으로 지칭한다. 따라서, 일반적으로, 각 세트는 2 개 이상의, 보다 바람직하게는 3 개 이상의 오브젝트들 또는 엘리먼트들을 포함할 수도 있다. 세트는 유한 수의 오브젝트들 또는 엘리먼트들 또는 무한 수의 오브젝트들 또는 엘리먼트들을 포함할 수도 있다.

일례로서, 테스트 샘플들의 세트는 일반적으로, 샘플의 복수의 적어도 2 개의 정의된 또는 결정가능한 양들을 포함할 수도 있다. 일례로서, 테스트 샘플들의 세트는 피분석물의 제 1 알려진 또는 결정가능한 농도를 갖는 테스트 샘플의 제 1 양, 및 그 안의 피분석물의 제 2 알려진 또는 결정가능한 농도를 갖는 테스트 샘플의 적어도 하나의 제 2 양을 포함할 수도 있고, 그 제 2 농도는 제 1 농도와 상이하다. 선택적으로, 테스트 샘플의 제 3, 제 4 등등의 양들이 그 안에 포함된 피분석물의 제 3, 제 4 등등의 농도들을 갖는 테스트 샘플들의 세트에서 포함될 수도 있다. 따라서, 일례로서, 테스트 샘플들의 세트는 테스트 샘플에서의 피분석물의 3 개 이상의 상이한 농도들을 포함할 수도 있다. 일례로서, 테스트 샘플들의 세트는 작은 유리병들 또는 기타 용기들에 제공될 수도 있다. 농도들은 인증된 또는 신뢰가능한 실험실 분석을 이용하는 등에 의해 이들 농도들을 미리결정함으로써 및/또는 컴포넌트들의 알려진 양들을 이용하여 테스트 샘플들을 준비함으로써 알려질 수도 있다. 대안적으로, 농도들은 인증된 또는 신뢰가능한 실험실 분석 방법들을 이용하여 후속 분석에 의해 테스트 샘플들을 포스트-프로세싱하는 등에 의해 나중의 시점에 알려질 수도 있다.

테스트 샘플들을 제공하는 것은 테스트 샘플의 준비 또는 이들 테스트 샘플들을 적절한 공급자로부터 구입하는 것과 같이 이들 테스트 샘플을 제공하는 다른 수단을 포함할 수도 있다. 테스트 샘플들을 제공하는 다른 수단들이 실현가능할 수도 있다.

방법은, 테스트 엘리먼트들의 세트를 제공하는 것을 추가로 포함할 수도 있고, 각각의 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 갖는다.

본 명세서에서 사용된 “테스트 엘리먼트” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 구체적으로 상기 주어진 정의의 의미에서, 샘플에서 피분석물을 검출하도록 구성된 임의의 엘리먼트 또는 디바이스를 지칭할 수도 있다. 테스트 엘리먼트는 일 예로서, 그 안에 통합되거나 거기에 적용되는 적어도 하나의 테스트 필드를 갖는, 적어도 하나의 기판, 이를 테면, 적어도 하나의 캐리어를 포함할 수도 있다. 일 예로서, 적어도 하나의 캐리어는 스트립 형상일 수 있어, 이에 의해, 테스트 엘리먼트, 테스트 스트립을 렌더링할 수도 있다. 이들 테스트 스트립들은 일반적으로 사용에서 폭넓게 이용가능하다. 하나의 테스트 스트립은 본원에 포함된 동일 또는 상이한 테스트 화학물질들을 갖는 단일의 테스트 필드 또는 복수의 테스트 필드들을 운반할 수도 있다. 검출될 적어도 하나의 분석물의 존재에서 착색 반응을 겪는 테스트 시약으로서 또한 지칭되는, 적어도 하나의 테스트 화학물질을 포함하는 여러 테스트 엘리먼트들이 알려져 있다. 본 발명의 범위 내에서 또한 사용될 수도 있는 테스트 엘리먼트들 및 시약들에 대한 몇몇 기본 원리들이 예컨대 J. Hoenes 외: Diabetes Technology and Therapeutics, Vol. 10, Supplement 1, 2008, pp.10-26 에서 기술된다.

본 명세서에서 추가로 사용되는 바와 같이, 용어 “테스트 필드” 는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 테스트 화학물질의 코히어런트 양, 이를 테면, 필드, 예를 들어, 하나 이상의 재료 층들을 갖는 라운드, 폴리곤, 또는 직사각형 형상의 필드를 지칭할 수도 있고 테스트 필드의 적어도 하나의 층은 거기에 포함된 테스트 화학물질을 갖는다. 고유의 광학 특성들, 이를 테면, 반사 특성들을 제공하는 것, 샘플을 확산하기 위한 확산 특성들을 제공하는 것, 또는 분리 특성들, 이를 테면, 샘플의 특정 컴포넌트들, 이를 테면, 셀룰러 컴포넌트들을 분리하는 것을 제공하는 다른 층들이 존재할 수도 있다.

본 명세서에서 사용된 “테스트 화학물질 (test chemical)” 이라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 화학적 화합물, 또는 복수의 화학적 화합물들, 이를 테면, 피분석물의 존재에서 검출 반응을 수행하기에 적절한 화학적 화합물들의 혼합물을 지칭할 수도 있고, 검출 반응은 특정 수단에 의해, 이를 테면 광학적으로 검출가능하다. 검출 반응은 구체적으로 피분석물-특정적일 수도 있다. 본 경우에, 테스트 화학물질은 구체적으로 광학적 테스트 화학물질, 이를 테면, 피분석물의 존재에서 컬러가 변화하는 컬러 변화 테스트 화학물질일 수도 있다. 컬러 변화는 구체적으로 샘플에 존재하는 피분석물의 양에 의존할 수도 있다. 테스트 화학물질은 일 예로서, 적어도 하나의 효소, 이를 테면, 글루코오스 옥시다제 및/또는 글루코오스 디히드로제나제를 포함할 수도 있다. 추가적으로, 다른 컴포넌트들, 이를 테면, 하나 이상의 염료들, 매개체들 등이 존재할 수도 있다. 테스트 화학물질들은 당해 기술 분야의 당업자에게 일반적으로 알려져 있고, 다시, J. Hoenes 외: Diabetes Technology and Therapeutics, Vol.10, Supplement 1, 2008, pp.10-26 을 참조할 수 있다. 그러나, 다른 테스트 화학물질들이 또한 실현가능하다.

테스트 엘리먼트들의 세트는 구체적으로, 복수의 적어도 3 개의 테스트 엘리먼트들, 예컨대, 동일 셋업의 적어도 3 개의 테스트 엘리먼트들을 포함할 수도 있다. 그 안에서, 정의된 기판, 정의된 지오메트리 뿐만 아니라, 하나 이상의 정의된 테스트 화학물질들을 포함하는 테스트 필드의 정의된 톱을 포함하는 특정 아키텍처에 의해 테스트 엘리먼트의 셋업이 정의될 수도 있다. 구체적으로, 테스트 엘리먼트들의 세트의 테스트 엘리먼트는 동일 제조 로트 (lot) 로부터 선택될 수도 있고, 이에 의해, 테스트 엘리먼트들의 최고 가능한 정도의 동일한 특성을 제공한다.

방법 단계 c. 는 테스트 샘플들을 테스트 엘리먼트들의 세트에 적용하는 것을 포함한다. 따라서, 일례로서, 테스트 샘플들의 액적이 테스트 필드들에 적용될 수도 있거나, 테스트 필드들은 다른 수단에 의해, 이를테면, 테스트 엘리먼트들을 테스트 샘플들 내로 담그는 것에 의해, 테스트 샘플들에 의해 젖을 수도 있다. 그에 의해, 일례로서, 테스트 샘플들이 그것들의 테스트 필드들에 적용된 젖은 테스트 엘리먼트들의 세트가 생성되고, 여기서, 일례로서, 상이한 테스트 샘플들이 그것들의 각각의 테스트 필드들에 적용된 적어도 3 개의 테스트 엘리먼트들이 존재한다. 일례로서, 제 1 테스트 샘플이 적용된 제 1 테스트 엘리먼트 또는 제 1 테스트 필드가 제공될 수도 있고, 제 2 테스트 샘플이 적용된 제 2 테스트 엘리먼트 또는 제 2 테스트 필드가 제공될 수도 있으며, 제 3 테스트 샘플이 적용된 제 3 테스트 엘리먼트 또는 제 3 테스트 필드가 제공될 수도 있다. 추가의 테스트 샘플들이 추가의 테스트 엘리먼트들 또는 테스트 필드들에 적용될 수도 있다. 그에 의해, 테스트 샘플들의 적용 후에 테스트 엘리먼트들의 세트는 동일 유형의 복수의 테스트 필드들을 포함할 수도 있고, 여기서, 3 개의 상이한 테스트 샘플들이 적용되고 결과적으로 검출 반응이 일어난 후에 상이한 컬러들을 갖는 적어도 3 개의 테스트 필드들이 제공된다. 따라서, 일반적으로, 용어 “착색된 테스트 필드 (colored test field)” 는 구체적으로, 샘플 또는 테스트 샘플의 적용 후에, 검출 반응이 일어난 테스트 필드를 지칭할 수도 있고, 여기서, 테스트 필드의 컬러는 검출 반응의 결과에 의해 결정된다.

본 명세서에서 추가로 사용된 바와 같이, 단계 d. 에서 사용된 바와 같이 “카메라를 이용하여, 착색된 테스트 필드들의 이미지들을 획득” 이라는 용어는 카메라를 이용하여 상기 주어진 정의에 따라 적어도 하나의 이미지를 레코딩하는 프로세스를 일반적으로 지칭한다. 거기서, 구체적으로, 단계 c. 에서 생성된 착색된 테스트 필드들의 각각으로부터 적어도 하나의 이미지가 획득될 수도 있다. 그래도, 하나 이상의 테스트 필드들이 또한 남겨질 수도 있다. 일반적으로, 단계 d. 에서, 적어도 하나의 제 1 테스트 샘플이 적용된 적어도 하나의 제 1 테스트 필드의 적어도 하나의 이미지, 적어도 하나의 제 2 테스트 샘플이 적용된 적어도 하나의 제 2 테스트 필드의 적어도 하나의 이미지, 및, 바람직하게는, 적어도 하나의 제 3 테스트 샘플과 같이 적어도 하나의 추가의 테스트 샘플이 적용된 적어도 하나의 제 3 테스트 필드의 적어도 하나의 이미지와 같이 적어도 하나의 추가의 테스트 필드의 적어도 하나의 추가의 이미지를 포함하는 이미지들의 세트가 형성될 수도 있다.

단계 e. 에서, 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들의 이미지들에 대한 컬러 좌표들애 생성되고, 이에 의해, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성한다. 따라서, 일례로서, 테스트 샘플에 의해 젖은 그리고 따라서 착색된 테스트 필드로 형성된 각각의 테스트 필드에 대해, 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들에 따른 컬러 좌표들이 생성될 수도 있다. 구체적으로, 착색된 테스트 필드들의 이미지들의 각각에 대해, 또는 컬러 테스트 필드들의 각각의 적어도 하나의 이미지의 각각에 대해, 컬러 좌표들이 생성될 수도 있고, 이는 각각이 가각의 착색된 테스트 필드들의 채색을 기술한다. 일례로서, 컬러 좌표들 (F_i,j, m_i,j, b_i,j), (A_i,j, B_i,j, C_i,j) 또는 (A_i,j, B_i,j, C_i,j, D_i,j) 이 생성될 수도 있고, i 는 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템의 아이덴티티 (identity) 를 표시하고, j 는 착색된 테스트 필드들의 아이덴티티 및/또는 테스트 샘플의 아이덴티티를 표시한다. 거기서, 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들의 각각이 사용될 수도 있거나, 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들의 선택을 포함하는 서브세트가 사용될 수도 있다. 추가로, 이미지들의 각각이 분석될 수도 있거나 이미지들의 서브세트가 분석될 수도 있다.

추가로, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트는, 일례로서, 컬러 좌표 시스템들의 세트의 각각의 컬러 좌표 시스템에서 각각의 착색된 테스트 필드 또는 테스트 샘플에 대한 컬러 좌표들 (F, m, b) 을 포함할 수도 있고, 따라서, 적어도 p·q 컬러 좌표들을 초래하고, p 는 착색된 테스트 필드들 또는 테스트 샘플들의 수이고, q 는 컬러 좌표 시스템들의 세트에서의 컬러 좌표들의 수이며, 여기서, 단일의 착색된 테스트 필드의 다수의 이미지들이 또한 취해질 수도 있고, 따라서, 증가된 수 p 를 초래한다. 다른 옵션들이 또한 실현가능하다.

단계 f. 에서, 코딩 함수들의 세트가 제공되고, 코딩 함수들의 세트는 테스트 필드의 컬러 좌표들을 샘플에서의 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함한다.

본 명세서에서 사용된 “코딩 함수 (coding function)” 라는 용어는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 테스트 필드, 구체적으로 분석될 샘플에 의해 젖은 착색된 테스트 필드의 컬러 좌표들을 샘플에서의 피분석물의 대응하는 농도로 변환하기 위한 임의의 변환 알고리즘을 지칭할 수도 있다. 이 목적을 위해, 코딩 함수들은, 일례로서, 착색된 테스트 필드의 이미지를 찍는 카메라에 의해 측정된 컬러 좌표들의 하나 이상 또는 전부를 샘플에서의 적어도 하나의 피분석물의 농도로 변환하는 함수와 같은 하나 이상의 분석적 함수들을 포함할 수도 있다. 추가적으로 또는 대안적으로, 코딩 함수들은 컬러 좌표들의 벡터를 적어도 하나의 피분석물의 농도로 변환하기 위한 하나 이상의 행렬 알고리즘들 또는 연산들을 포함할 수도 있다. 다시, 추가적으로 또는 대안적으로, 코딩 함수들은 또한, 컬러 좌표들을 피분석물의 농도로 변환하기 위한 하나 이상의 1차원, 2차원, 3차원 또는 4차원 곡선들과 같은 하나 이상의 곡선들을 포함할 수도 있다. 또한, 추가적으로 또는 대안적으로, 코딩 함수들은 또한, 피분석물의 농도를 컬러 좌표들의 각각의 값들 또는 값 범위들로 할당하기 위한 하나 이상의 룩업 테이블들 또는 다른 테이블들을 포함할 수도 있다.

코딩 함수들의 세트는, 이하에서 더 자세히 설명되는 바와 같이, 구체적으로, 특정될 하나 이상의 파라미터들을 유사한 함수들에 제공함으로써 정의될 수도 있다. 따라서, 구체적으로, 코딩 함수들의 세트는 코딩 함수들의 세트에서 특정 코딩 함수를 특정하기 위해 결정될 수도 있는 하나 이상의 파라미터들에 의해 정의될 수도 있다. 예들이 이하에서 주어질 것이다.

단계 g. 에서, 단계 e. 에서 생성된 컬러 좌표들의 세트는 코딩 함수들의 세트를 이용하여, 측정된 농도들의 세트로 변환된다. 본 명세서에서 사용된 바와 같이, 용어 “측정된 농도” 는 일반적으로, 하나 이상의 측정 값들, 본 경우에 구체적으로 하나 이상의 컬러 좌표들과 같은 실험 데이터의 하나 이상의 항목들에 기초하여 샘플에서의 농도를 표시하는 실험 결과를 지칭할 수도 있다. 따라서, 단계 g. 에서, 단계 f. 에서 제공된 코딩 함수들의 세트의 코딩 함수들은 상기 단계 e. 에서 생성된 컬러 좌표들에 적용된다. 거기서, 코딩 함수들은 단계 e. 에서 생성된 컬러 좌표들의 전부에 적용될 수도 있거나, 단계 e. 에서 생성된 이들 컬러 좌표들의 단지 서브세트에 적용될 수도 있다. 추가로, 단계 f. 에서 제공된 코딩 함수들의 세트의 코딩 함수들의 서브세트만 또는 코딩 함수들의 전부가 컬러 좌표들에 대해 적용될 수도 있다. 따라서, 일례로서, 코딩 함수들이 하나 이상의 파라미터들에 의해 정의되는 경우에, 파라미터 범위들을 이산 스텝들로 세분하는 등에 의해, 파라미터들 중 하나 이상 또는 심지어 전부에 대한 파라미터 범위의 하나 이상에 의해서 및/또는 적어도 하나의 파라미터에 대한 유한 수의 값들에 의해서 정의된 서브세트와 같이, 코딩 함수들의 세트의 가능한 코딩 함수들의 서브세트만이 적용될 수도 있다. 일반적으로, 단계 g. 에서, 측정된 농도들의 세트가 생성된다. 따라서, 일례로서, 피분석물의 상이한 농도들을 갖는 복수의 샘플들에 대해, 적어도 하나의 측정된 농도가 코딩 함수들의 세트의 코딩 함수들의 각각에 대해서 또는 코딩 함수들의 서브세트의 코딩 함수들의 각각에 대해서 등에 대해 생성될 수도 있다. 일례로서, 착색된 테스트 필드들의 n 개 이미지들이 평가되는 경우에 및/또는 상이한 농도들의 n 개 테스트 샘플들이 대응하는 테스트 필드들을 젖게 하고 그것의 컬러 좌표들을 생성하고, 이에 의해 n 컬러 좌표들 또는 n 컬러 좌표 벡터들을 발생시킴으로써 평가되는 경우에, 그리고 m 개 코딩 함수들이 코딩 함수들의 세트에서 또는 평가를 위해 사용되는 코딩 함수들의 서브세트에서 포함되는 경우에, n · m 측정된 농도들이 단계 g. 에서 생성될 수도 있다.

단계 h. 에서, 측정된 농도들의 세트는 테스트 샘플들의 세트의 테스트 샘플들의 알려진 농도들과 비교된다. 본 명세서에서 사용되는 바와 같이, 용어 “비교” 는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 비교될 적어도 하나의 제 1 항목과 비교될 적어도 하나의 제 2 항목 사이의 유사성의 정도 또는 정성적 또는 정량적 관계를 결정하는 임의의 유형을 지칭할 수도 있다. 비교에서, 일례로서, 비교될 적어도 2 개의 항목들 사이의 유사성 또는 동일성의 정도를 나타내는 정보의 적어도 하나의 항목이 생성될 수도 있다. 일례로서, 그 유사성 또는 동일성의 정도를 나타내는 정보의 적어도 하나의 항목은 표준 편차와 같은, 통계적 정보의 적어도 하나의 항목을 포함할 수도 있다. 일례로서, 측정된 농도들의 세트와 알려진 농도들의 세트 사이의 유사성 또는 동일성의 정도를 나타내는 통계적 정보의 항목은 다음을 포함할 수도 있다:

여기서,

는 코딩 함수 i 및 컬러 좌표 시스템 j 에 대한 측정된 농도들

과, 대응하는 알려진 농도들

사이의 유사성의 정도에 대한 척도이고, k 는 샘플들의 세트의 농도를 나타내는 수이다. 비교의 다른 유형들이 일반적으로 실현가능하고, 당업자에게 일반적으로 알려져 있다. 그래픽적 표현을 위해, 일례로서, 측정된 농도들은 각각의 테스트 샘플들에서의 피분석물의 농도에 대해 플롯팅되고, 이에 의해, 일례로서, 각각의 테스트 샘플들의 각각의 알려진 농도에 대한 측정된 농도들의 그룹을 초래한다.

단계 h. 는, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 컬러 좌표 시스템들의 세트의 베스트 매치 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하는 것을 더 포함한다. 본 명세서에서 사용되는 바와 같이 용어 “매치 (match)” 는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이,2 개 이상의 항목들의 품질이 유사하거나 동일한 것을 지칭할 수도 있다. 결과적으로, 본 명세서에서 사용되는 바와 같이, 용어 “베스트 매치” 는 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 항목들이 미리결정된 범위 내에서 매칭하는 옵션을 포함하는, 상기 주어진 정의의 면에서의 비교가 최고 정도의 유사성 또는 동일성을 나타내는 항목들의 적어도 2 개의 세트들로부터의 항목들의 선택을 지칭할 수도 있다. 따라서, 일례로서, 상기 주어진 식으로, 베스트 매치 코딩 함수 i^* 및 베스트 매치 컬러 좌표 시스템 j^* 은 상기 언급된 통계적 표시자 Δ_i,j 가 최소화되는 컬러 좌표들의 세트 중의 컬러 좌표 시스템 및 코딩 함수들의 세트 중의 코딩 함수일 수도 있다. 베스트 매치를 결정하는 다른 수단은 통계 분야에서 일반적으로 알려져 있고, 또한 단계 h. 에서 적용될 수도 있다.

보정 방법의 결과는, 따라서, 베스트 매치 코딩 함수들의 표시 및 베스트 매치 컬러 좌표 시스템의 표시일 수도 있다. 이 결과는 구체적으로, 카메라-특정적일 수도 있고, 사용될 테스트 엘리먼트의 유형에 대해 특정적일 수도 있다. 결과적으로, 보정 방법을 수행하는 것은 특정 카메라를 갖는 각각의 포터블 디바이스 또는 스마트폰에 대해서와 같이 카메라의 각 유형에 대해 필요할 수도 있고, 테스트 엘리먼트들의 각각의 제조 로트에 대해서와 같이 테스트 엘리먼트의 각 타입에 대해 필요할 수도 있다. 교정 방법은, 사용될 스마트폰의 각각의 알려진 유형에 대해 그리고 사용될 테스트 엘리먼트의 각각의 유형에 대해서 등에 대해 선행하여 수행될 수도 있고, 결과적으로, 보정 방법의 결과들은 특정 스마트 폰 상에서 실행될 대응하는 앱에서와 같이, 이미 프로그래밍되었거나 대응하는 컴퓨터에서 제공될 수도 있다. 앱 또는 컴퓨터 소프트웨어는 또한, 그것이 실행되는 스마트 폰 또는 포터블 디바이스의 타입을 검출하도록 구성될 수도 있고, 사용될 카메라 및 테스트 엘리먼트에 대한 베스트 매치들인 것으로 알려진 대응하는 코딩 함수 및 컬러 좌표 시스템을 선택할 수도 있다.

상기 개괄된 바와 같이, 카메라는 구체적으로, 포터블 컴?D의 카메라, 예컨대, 노트북 컴퓨터 또는 템플릿 컴퓨터의 카메라와 같이 포터블 전자 디바이스의 카메라일 수도 있다. 하지만, 구체적으로, 많은 사용자들이 하루 동안 스마트 폰을 지니고 있고, 따라서, 스마트폰은 어디서나 존재하는 측정 디바이스이고, 혈당과 같은 피분석물들을 결정하기 위해 그것의 사용은 매우 선호되기 때문에, 카메라는 스마트 폰의 카메라일 수도 있다.

상기 개괄된 바와 같이, 본 명세서에서 다양한 경우들에서 사용된 바와 같이 용어 세트 (set)” 는 유한 또는 무한 수의 엘리먼트들을 일반적으로 지칭할 수도 있다. 컬러 좌표 시스템들의 맥락에서, 상기 개괄된 바와 같이, 컬러 좌표 시스템들의 세트는 구체적으로, 컬러 좌표들을 변환하기 위한 파라미터화된 함수들의 세트에 의해, 즉, 구체적으로 하나 이상의 파라미터들을 갖는 함수들 중 하나 이상에 의해 정의될 수도 있다. 구체적으로, 하나 이상의 파라미터화된 함수들은 카메라에 의해 제공된 컬러 좌표들을 변환된 컬러 좌표들로 변환하기 위해 사용될 수도 있다. 변환된 컬러 좌표들은 구체적으로 카메라-독립적 변환된 컬러 좌표들일 수도 있다. 일반적으로, 파라미터화된 함수들의 하나 이상의 파라미터들의 세트는 컬러 좌표 시스템들의 각각을 특성화할 수도 있다.

컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들의 이미지들에 대한 컬러 좌표들을 생성하고, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하기 위한 방법 단계 e. 는 단일 단계일 수도 있거나 다수의 하위단계들을 포함할 수도 있다. 구체적으로, 그 단계는, 먼저, 통상적으로 카메라 의존적인, 카메라에 의해 제공된 바와 같은 이미지들에 대한 컬러 좌표들을 독립적 컬러 좌표들로 변환하는 것을 포함할 수도 있다. 따라서, 일례로서, 카메라는 카메라 칩을 포함할 수도 있고, 이 카메라 칩은, 이 카메라 칩으로 이미지의 평가가 레코딩된 후에, 이미지의 레코딩을 위해 전자 컴포넌트들의 또는 카메라의 광학적 셋업의, 일반적으로 카메라 칩의 물리적 특성들에 의존적인, 컬러 좌표들 (R, G, B) 또는 컬러 좌표들의 쿼드러플 (quadruple) 을 생성한다. 따라서, 일례로서, 카메라 칩의 감도는 스펙트럼적 범위에 의존적일 수도 있다. 결과적으로, 방법은, 카메라에 의해 제공된 컬러 좌표들을, 하나의 동일한 착색된 테스트 필드의 이미지들이 상이한 카메라들에 의해 평가될 때, 주어진 공차로, 동일하거나 적어도 비교가능하다는 의미에서 비교가능하고 카메라의 스펙트럼적 감도를 회피하는 컬러 좌표들과 같은, 카메라-독립적 컬러 좌표들로 변환하는 방법 단계를 포함할 수도 있다. 결과적으로, 본 명세서에서 사용된 바와 같이, 카메라-독립적 컬러 좌표들은 하나의 동일한 착색된 테스트 필드로붙 상이한 카메라들로 찍은 상이한 이미지들로부터 획득될 수도 있는 컬러 좌표들일 수도 있다. 거기서, 일반적으로, CIE 좌표 시스템들과 같은 표준화된 카메라-독립적 컬러 좌표 시스템들이 사용될 수도 있다. 하지만, 일반적으로, 상기 개괄된 바와 같이, 방법 단계 e. 는 다음과 같은 하위단계들을 포함할 수도 있다:

e1. 착색된 테스트 필드의 이미지들에 대한 카메라-의존적 컬러 좌표들을 생성하는 단계;

e2. 제 1 변환 알고리즘을 이용하여, 상기 카메라-의존적 컬러 좌표들을 카메라-독립적 컬러 좌표들로 변환하는 단계;

e3. 제 2 변환 알고리즘을 이용하여 카메라-독립적 컬러 좌표들을 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들에 대한 컬러 좌표들로 변환함으로써, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계.

본 명세서에서 사용되는 바와 같이, 용어 “카메라-의존적 컬러 좌표들 (camera-dependent color coordinates)" 은 일반적으로, 착색된 오브젝트를 촬상하기 위해 카메라를 이용하여 생성된 컬러 좌표들을 지칭하고, 여기서, 그 결과는 카메라의 및/또는 CCD 및/또는 CMOS 칩과 같은 그 안에 포함된 카메라 칩의 특정 특성들에 의존적이다. 일례로서, 카메라 칩은 RGB 와 같은 트리플들 (triples) 또는 CMYK 와 같은 쿼드러플들 (quadruples) 과 같은, 각 컬러에 대한 값들을 레코딩하는 컬러 센서들을 포함할 수도 있고, 여기서, 그 값들은 카메라 칩의 감도에 의존적이다. 따라서, 상이한 카메라들을 이용하여 하나의 동일한 착색된 오브젝트의 이미지들을 레코딩할 때, 이들 카메라들에 의해 생성된 카메라-의존적 컬러 좌표들은 상이할 수도 있다.

따라서, 일반적으로, 단계 e1. 은 착색된 테스트 필드들의, 즉, 테스트 샘플들에 의해 젖은 그리고 테스트 필드에서의 후속 검출 반응으로 인해 착색된 테스트 필드들의, 이미지들을 평가하는 것을 포함한다. 일례로서, 각각의 착색된 테스트 필드의 적어도 하나의 이미지는 각각의 착색된 테스트 필드의 각각의 이미지와 같은, 그것의 카메라 의존적 컬러 좌표들을 도출하기 위해 평가될 수도 있다. 그에 의해, 일례로서, 복수의 카메라-의존적 컬러 좌표들 (R_i, G_i, B_i) 이 생성될 수도 있고, i 는 1 내지 p 의 정수이고, p 는 평가되는 착색된 테스트 필드들 또는 테스트 샘플들의 수이다.

본 명세서에서 추가로 사용되는 바와 같이 용어 “카메라-독립적 컬러 좌표들” 은 광범위한 용어이고, 당업자에게 그것의 통상적이고 관례적인 의미가 부여되어야 하고, 특별한 또는 맞춤형 의미로 제한되어서는 아니된다. 그 용어는 구체적으로, 제한함이 없이, 카메라 또는 카메라 칩의 감도에, 적어도 미리결정된 공차로, 의존하지 않는 컬러 좌표들을 지칭할 수도 있다. 달리 말하면, 허용가능한 불일치 (tolerable discrepancy) 까지, 하나의 동일한 오브젝트의 카메라-독립적 컬러 좌표들은 사용 중의 카메라의 감도에 의존하지 않는다.

단계 e2. 를 수행하기 위해, 보정 프로세스가 사용될 수도 있거나, 미리결정된 보정 함수가 적용될 수도 있다. 일례로서, 제 1 변환 알고리즘은, 행렬 M, 구체적으로, 다음과 같은 변환을 이용하여 카메라-의존적 컬러 좌표들 (R, G, B) 을 카메라-독립적 컬러 좌표들 (X, Y, Z) 로 변환하기 위한 행렬 연산을 이용함으로써 행렬 연산을 포함할 수도 있다:

거기서, M 은 독립적 보정 프로세스에 의해 생성될 수도 있는 변환 행렬을 나타낼 수도 있다. 일례로서, 카메라를 보정하기 위해서 그리고 변환 행렬 M 및/또는 이 변환 행렬의 계수들을 결정하기 위해서 레퍼런스 컬러 필드들이 이용될 수도 있다. 카메라 독립적 컬러 좌표들 X, Y, Z 은, 일례로서, CIE 컬러 좌표들과 같이 인간 눈의 지각에 기초한 좌표들일 수도 있다. 좌표들의 쿼드러플들이 사용되는 경우에 식 (1) 에서와 유사한 행렬 변환이 또한 사용될 수도 있다. 컬러 좌표들의 행렬 변환들은, 예컨대, F. Koenig: Die Charakterisierung von Farbsensoren”, Dissertation, Logos Verlag, Berlin, 2001, pp. 48-49 로부터 일반적으로 알려져 있다.

단계 e2. 에서, 카메라-의존적 컬러 좌표들의 세트 (R_i, G_i, B_i), i=1…p 및 p 는 평가되는 착색된 테스트 필드들 또는 테스트 샘플들의 수, 가 카메라-독립적 컬러 좌표들 (X_i, Y_i, Z_i) 로 변환될 수도 있다. 유사하게, 컬러 좌표들의 쿼드러플들에 대한 변환이 실현가능하다.

제 2 변환 알고리즘은 좌표들 X, Y, Z 과 같은 카메라-독립적 컬러 좌표들을 파라미터화된 함수들을 이용하여 컬러 좌표들의 세트의 컬러 좌표들로 변환하는 것을 포함할 수도 있다. 따라서, 일례로서, 제 2 변환 알고리즘은, 다음과 같은 파라미터화된 함수들을 이용하여 카메라-독립적 컬러 좌표들 (X, Y, Z) 을 컬러 좌표들의 세트 (F, m, b) 로 변환하는 것을 포함할 수도 있다:

여기서:

그리고 여기서, P₁-P₁₁ 은 파라미터들, 구체적으로 실수들 및/또는 유리수들이다.

거기서, 단계 e2. 에서의 경우에, 카메라-독립적 컬러 좌표들의 세트 (X_i, Y_i, Z_i) 가 생성되고, i=1…p 이고 p 는 평가되는 착색된 테스트 필드들 또는 테스트 샘플들의 수이며, 단계e3. 의 결과는 파라미터화된 컬러 좌표들 (F_i, m_i, b_i) 의 세트일 수도 있다.

카메라-독립적 컬러 좌표들은 구체적으로, 인간 눈의 감도에 기초한 컬러 좌표들, 구체적으로, 표준, 보다 구체적으로 CIE 표준에 따른 컬러 좌표들일 수도 있다. 구체적으로, 카메라-독립적 컬러 좌표들은 삼자극 (tristimulus) 값들일 수도 있다.

제 2 변환 알고리즘은 테스트 필드들의 정보를 또한 고려할 수도 있다. 제 2 변환 알고리즘은 구체적으로, 구체적으로 적어도 하나의 레퍼런스 컬러, 구체적으로 백색 필드의 레퍼런스 컬러를 검출함으로써, 테스트 필드들의 조도 (illumination) 를 고려할 수도 있다. 따라서, 일례로서, 조도-의존적 컬러 좌표들 (F, m, b) 은 다음과 같은 식들 중 하나 이상을 이용함으로써 상대적 컬러 좌표들 (F_rel, m_rel, b_rel) 로 변환될 수도 있다:

여기서, (F_R, m_R, b_R) 는 조명된 레퍼런스 필드의 이미지로부터 도출된 컬러 좌표들이다.

그에 의해, 상대적 컬러 좌표들의 세트 (F_{i , rel}, m_{i, rel}, b_{i, rel}) 가 생성될 수도 있고, i=1…p 이고, p 는 평가되는 착색된 테스트 필드들 또는 테스트 샘플들의 수이다.

제 1 변환 알고리즘, 구체적으로 행렬 M 은 알려진 카메라-독립적 컬러 좌표들을 갖는 적어도 하나의 레퍼런스 컬러 필드의 적어도 하나의 이미지를 획득함으로써 카메라 보정 프로세스에서 결정될 수도 있다. 따라서, 일례로서, 컬러 스케일 등에 따른 컬러 필드들과 같은 알려진 카메라-독립적 컬러 좌표들을 갖는 복수의 레퍼런스 컬러 필드들이 제공될 수도 있다. 이들 레퍼런스 컬러 필드들의 이미지들이 레코딩될 수도 있고, 그에 의해, 행렬 M 의 계수들을 도출하기 위한 또는 임의의 다른 변환 알고리즘을 위한 방정식 시스템이 생성될 수도 있다. 구체적으로, 다시, 레퍼런스 컬러 필드들의 알려진 컬러 좌표들은 알려진 CIE 좌표들 및/또는 삼자극 값들일 수도 있다. 그러나, 다른 실시형태들이 구현가능하다.

상기 개괄된 바와 같이, 단계 h. 에서, 측정된 농도들의 세트는 테스트 샘플들의 세트의 테스트 샘플들의 알려진 농도들과 비교되고, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 컬러 좌표 시스템들의 세트의 베스트 매치 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수가 결정된다. 거기서, 구체적으로, 단계 h. 는, 농도들의 미리결정된 측정 범위에 걸쳐, 등거리 농도들 (equidistant concentrations) 의 샘플들은 본질적으로 등거리의 컬러 차이들을 갖는 베스트 매치 컬러 좌표 시스템에서의 컬러 좌표들을 초래하도록 수행될 수도 있다. 따라서, CIE 좌표 시스템과 같은 포토메트릭 좌표 시스템들의 아이디어들 중 하나가 또한 농도들의 측정 상으로 옮겨질 수도 있다. 구체적으로, 미리결정된 측정 범위에 걸쳐, 피분석물의 상이한 농도들 c_p, c_ν 을 갖는 테스트 샘플들은, 테스트 필드들에 적용될 때, 착색된 테스트 필드들의 컬러 좌표들 (F_p, m_p, b_p), (F_ν, m_v, b_ν) 을 초래할 수도 있고, 여기서, 컬러 차이는

이고,

은 미리결정된 범위이다.

의 정확한 값은 선택된 컬러 공간에 의존할 수도 있다. 일례로서, 절대 값 100 에 대해 정규화되는 컬러 공간들이 존재하는 반면에, 다른 것들은 1 의 절대 값에 대해 정규화될 수도 있다. 좌표들 F, m 및 b 에 동일 가중치를 제공하기 위해서, 컬러 좌표들은 심지어 가중 팩터들 (weighting factors) 에 의해 가중될 수도 있다. 일일반적으로,

은

보다 현저하게 더 작게 선택될 수도 있고, 즉,

등과 같이

이다.

의 정확한 값은 일반적으로 미리결정되지 않거나 그 방법을 위해 요구되지 않는다.

측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는 코딩 함수들의 세트 중의 코딩 함수 및 컬러 좌표 시스템들의 세트 중의 컬러 좌표 시스템은 구체적으로, 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 포함하는 쌍을 형성할 수도 있다. 이 쌍은 구체적으로 카메라 특정적일 수도 있고, 앱 또는 다른 소프트웨어를 통해서와 같이 카메라를 포함하는 모바일 디바이스에 제공될 수도 있다.

코딩 함수들의 세트는, 상기 개괄된 바와 같이, 구체적으로, 컬러 좌표들의 파라미터화된 다항식 함수들을 포함할 수도 있다. 일례로서, 파라미터화된 다항식 함수들은 다음과 같이 이루어지는 그룹으로부터 선택될 수도 있다:

여기서,

는 착색된 테스트 필드가 컬러 (F, m, b) 를 가질 때 피분석물의 측정된 농도이고, 여기서, N 은 정수들이고, a_i,j,k 는 다항식 함수들의 파라미터들이다. 하지만, 다른 유형들의 코딩 함수들이 또한 사용될 수도 있고, 추가로, 코딩 함수들의 세트는 또한, 안에 파라미터들을 갖는 다른 유형들의 코딩 함수들의 혼합물을 포함할 수도 있음에 유의하여야 한다. 하지만, 다항식 함수들의 사용은 계산들을 단순화하고, 이하에서 더 자세히 개괄되는 바와 같이, 피분석물 측정들을 위한 양호한 결과들을 제공한다.

상기 추가로 개괄된 바와 같이, 단계 c. 에서 사용된 테스트 엘리먼트들의 세트의 테스트 엘리먼트들은 구체적으로, 구체적으로 셋업으로붙, 모두 동일한 등에 의해 동일 유형의 것일 수도 있다. 구체적으로, 이들 테스트 엘리먼트들은 동일 제조 로트의 것일 수도 있다. 보정 방법은 추가로, 적어도 하나의 표준 테스트 엘리먼트 셋 업을 정의하는 것을 더 포함할 수도 있고, 표준 테스트 엘리먼트 셋 업은, 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드에 대해 적어도 하나의 유형의 테스트 화학물질을 정의한다. 표준 테스트 엘리먼트 셋업은 추가로, 테스트 화학물질이 적용되는 정의된 기판을 포함할 수도 있다.

상기 개괄된 바와 같이, 테스트 샘플들의 세트는 구체적으로, 피분석물의 적어도 3 개의 상이한 농도들을 제공하는 적어도 3 개의 상이한 테스트 샘플들을 포함할 수도 있다. 구체적으로, 농도들은 측정 범위에 걸쳐 등거리로 분포될 수도 있다. 피분석물은 구체적으로 글루코오스일 수도 있다. 하지만, 상기 개괄된 바와 같이, 다른 유형들의 피분석물들이 또한 검출될 수도 있다. 샘플들은 구체적으로, 혈액 또는 간질액과 같은 체액일 수도 있다. 그러나, 다른 유형들의 샘플들이 또한 구현가능함에 유의하여야 한다. 테스트 샘플들의 세트는 0 mg/dl 내지 600 mg/dl 의 미리결정된 측정 범위에 걸쳐 상이한 농도들의 샘플들을 포함할 수도 있다. 따라서, 일례로서, 피분석물인 글루코오스 및 혈액 또는 간질액의 샘플들에 대해, 측정 범위는 0 mg/dl 내지 600 mg/dl 일 수도 있고, 테스트 샘플들의 농도는 측정 범위에 걸쳐 등거리로 등으로 분포될 수도 있다.

이하에서 더 자세히 설명되는 바와 같이, 보정 방법은 구체적으로, 컴퓨터 또는 컴퓨터 네트워크를 이용하여 수행될 수도 있다. 따라서, 구체적으로, 단계들 a., d., e., f., g., 또는 h. 중 적어도 하나는 컴퓨터 또는 컴퓨터 네트워크를 이용하여 수행될 수도 있고, 및/또는, 소프트웨어로 인코딩될 수도 있다.

본 발명의 추가적인 양태에서, 샘플에서 피분석물을 검출하기 위한 검출 방법이 개시된다. 이하에서 더 자세히 설명되는 바와 같이, 그 방법은 상기 논의된 바와 같은 보정 방법을 이용한다. 결과적으로, 가능한 정의들 및 실시형태들에 대해, 상기 주어지거나 이하 보다 자세하게 주어지는 개시에 대한 참조가 이루어질 수도 있다. 그 방법은, 구체적으로 주어진 순서로 수행될 수도 있는, 다음과 같은 단계들을 포함한다. 그러나, 상이한 순서가 또한 가능하다. 추가로, 방법 단계들 중 2 이상을 완전히 또는 부분적으로 동시에 수행하는 것이 가능하다. 추가로, 하나 이상의 방법 단계들 또는 방법 단계들의 심지어 전부를 한번 또는 반복적으로 수행하는 것이 가능하다. 방법은 본원에 열거되지 않은 추가적인 방법 단계들을 포함할 수도 있다. 일반적으로, 샘플에서 피분석을을 검출하기 위한 방법은 다음 단계들을 포함한다:

A. 카메라를 제공하는 단계;

B. 보정 방법을 이용하여 카메라를 보정하는 단계;

C. 샘플들을 테스트 엘리먼트들의 세트에 적용하는 단계, 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 가지며, 이에 의해 샘플에 대해 적어도 하나의 착색된 테스트 필드를 형성하는 단계;

D. 적어도 하나의 착색된 테스트 필드의 적어도 하나의 이미지를 획득하는 단계;

E. 베스트 매치 컬러 좌표 시스템을 이용하여 테스트 필드의 컬러 좌표들을 생성하는 단계;

F. 베스트 매치 코딩 함수를 이용하여 컬러 좌표들을 샘플에서의 피분석물의 측정 농도로 변환하는 단계.

방법 단계들 A. 및 B. 에 대해서와 같이, 상기 주어진 바와 같은 보정 방법의 설명에 대한 참조가 이루어질 수도 있다. 방법 단계 C. 에 대해, 그 단계는, 일반적으로, 샘플 및 그 안의 피분석물의 내용이 알려지지 않는다는 사실을 제외하고는, 상기 방법 단계 c. 와 넓게 유사한 방식으로 수행될 수도 있다. 방법 단계 C. 에서 사용된 테스트 엘리먼트는 구체적으로, 상기 방법 단계 c. 에서 사용된 테스트 엘리먼트와 동일하거나 동일 유형의, 바람직하게는 동일한 제조 로트의 것일 수도 있다. 검출될 피분석물의 존재에서의 검출 반응으로 인해, 테스트 엘리먼트의 테스트 필드는, 일례로서, 샘플에서 아무런 피분석물도 존재하지 않는 가능성을 포함하는, 샘플에서의 피분석물의 농도에 의존하여, 착색된 테스트 필드로 바뀐다. 일반적으로, 하나 이상의 테스트 필드들은 적어도 하나의 샘플에 의해 젖을 수도 있다.

방법 단계 D. 에 대해, 상기 방법 단계 d. 의 설명에 대한 참조가 이루어질 수도 있다. 방법 단계 D. 에서의 이미지의 획득은 유사한 방식으로 발생할 수도 있다.

방법 단계들 E. 및 F. 에 대해서와 같이, 상기 단계 h. 에서 결정된 바와 같은 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수들이 사용된다. 다시, 테스트 필드의 컬러 좌표들을 생성하는 것은 단일 스텝 프로세스일 수도 있거나 다중 스텝 프로세스일 수도 있다. 후자의 경우에, 일례로서, 카메라는, 먼저, 상기 단계 e1 과 유사한 방식으로, (R, G, B) 와 같이, 테스트 필드에 대한 카메라-의존적 컬러 좌표들을 생성할 수도 있다. 이들 카메라-의존적 컬러 좌표들은 그 다음에, 카메라-독립적 컬러 좌표들로 변환될 수도 있고, 여기서, 상기 단계 e2. 의 설명에 대한 참조가 이루어질 수도 있다. 따라서, 예를 들어, 카메라-독립적 좌표들 (X, Y, Z) 은 착색된 테스트 필드에 대해 생성될 수도 있다. 추가로, 카메라-독립적 컬러 좌표들은 그 다음에, 파라미터들의 베스트 매치 세트 P 로, 예컨대 상기 식들 (2.1-2.3) 또는 (3.1-3.6) 중 하나 이상을 이용하여, 베스트 매치 컬러 좌표 시스템의 컬러 좌표들로, 예컨대, (F, m, b) 로 변환될 수도 있다. 후속하여, 단계 F. 에서, 컬러 좌표들은 그 다음에, 베스트 매치 파라미터들로, 예컨대 상기 식 (5) 을 이용하여, 피분석물의 측정된 농도로 변환될 수도 있다.

구체적으로, 단계들 C.-F. 은 반복적으로 수행될 수도 있다. 단계 B. 는 단계들 C.-F. 의 복수의 반복들에 대해 처음에 오직 한번 또는 단계들 C.-F. 를 수행하기 전에 매번 중 어느 일방으로 수행될 수도 있다.

상기 개괄된 바와 같이, 단계 C. 에서 사용된 테스트 엘리먼트는 구체적으로, 보정 방법의 단계 c. 에서의 테스트 엘리먼트들의 세트의 테스트 엘리먼트들과 동일한 유형의 것일 수도 있다. 따라서, 테스트 엘리먼트는 보정 방법을 위해 사용되는 것과 동일한 셋업을 가질 수도 있거나, 동일한 로트에서 제조될 수도 있다.

다시, 검출 방법은 태블릿, 노트북 또는 스마트 폰과 같은 셀 폰 중 하나 이상과 같은, 포터블 디바이스의 컴퓨터 또는 컴퓨터 네트워크와 같은 컴퓨터 또는 컴퓨터 네트워크에 의해 지원될 수도 있다. 구체적으로, 컴퓨터 또는 컴퓨터 네트워크는 단계들 B., D., E., 또는 F. 중 하나 이상을 수행하기 위해 사용될 수도 있다.

추가로, 본 명세서에는 컴퓨터 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때 본 명세서에 개시된 실시형태들 중 하나 이상에서 본 발명에 따른 방법을 수행하기 위한 컴퓨터-실행가능 명령들을 포함하는 컴퓨터 프로그램이 개시되고 제안된다. 따라서, 상기 개괄된 바와 같이, 컴퓨터 프로그램은 구체적으로, 보정 방법의 단계들 중 하나 이상 또는 심지어 전부를 수행하기 위한 컴퓨터 실행가능 명령들을 포함할 수도 있다. 구체적으로, 컴퓨터 프로그램은, 보정 방법의 단계들 a., d., e., f., g., 또는 h. 중 하나 이상 또는 심지어 전부를 수행하기 위한 컴퓨터 실행가능 명령들을 포함할 수도 있다. 추가적으로 또는 대안적으로, 검출 방법의 단계들 B., D., E., 또는 F. 의 하나 이상 또는 심지어 전부와 같이, 검출 방법의 방법 단계들의 적어도 일부 또는 심지어 전부를 수행하기 위한 컴퓨터 실행가능 명령들을 갖는 컴퓨터 프로그램이 제안된다. 구체적으로, 컴퓨터 프로그램은 컴퓨터-판독가능 데이터 캐리어 상에 저장될 수도 있다.

추가로 본원에서 개시되고 제안되는 것은, 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때, 컴퓨터 프로그램의 맥락에서 상술된 방법 단계들 중 하나 이상과 같이, 본 명세서에 개시된 실시형태들 중 하나 이상에서 본 발명에 따른 방법을 수행하기 위한 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품이다. 구체적으로, 프로그램 코드 수단은 컴퓨터-판독가능 데이터 캐리어 상에 저장될 수도 있다.

컴퓨터 또는 컴퓨터 네트워크의 작업 메모리 또는 메인 메모리 내로와 같이 컴퓨터 또는 컴퓨터 네트워크로의 로딩 후에, 컴퓨터 프로그램의 맥락에서 논의된 상기 언급된 단계들 중 하나 이상을 실행하는 등에 의해, 본원에서 개시된 실시형태들 중 하나 이상에 따른 방법을 실행할 수도 있는 데이터 구조가 저장된 데이터 캐리어가 본원에 추가로 개시되고 제안된다.

컴퓨터 프로그램의 맥락에서 논의된 상기 언급된 단계들 중 하나 이상과 같이, 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행될 때 본원에 개시된 실시형태들 중 하나 이상에 따른 방법을 수행하기 위해, 머신-판독가능 캐리어 상에 저장된 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품이 본원에 추가로 개시되고 제안된다. 본 명세서에서 사용된 바와 같이, 컴퓨터 프로그램 제품은 프로그램을 거래가능한 제품으로 지칭한다. 제품은 일반적으로, 종이 형식으로, 또는 컴퓨터-판독가능 데이터 캐리어 상에서와 같이, 임의의 형식으로 존재할 수도 있다. 구체적으로, 컴퓨터 프로그램 제품은 데이터 네트워크를 통해 분배될 수도 있다.

마지막으로, 컴퓨터 프로그램의 맥락에서 논의된 상기 언급된 단계들 중 하나 이상과 같이, 본원에 개시된 실시형태들 중 하나 이상에 따른 방법을 수행하기 위해, 컴퓨터 시스템 또는 컴퓨터 네트워크에 의해 판독가능한 명령들을 포함하는 변조된 데이터 신호가 본원에서 개시되고 제안된다.

본 발명의 컴퓨터-구현되는 양태들을 참조하여, 본원에 개시된 실시형태들 중 하나 이상에 따른 방법의 방법 단계들의 하나 이상 또는 방법 단계들의 심지어 전부가 컴퓨터 또는 컴퓨터 네트워크를 사용하여 수행될 수도 있다. 따라서, 일반적으로, 데이터의 제공 및/또는 조작을 포함하는 방법 단계들 중 임의의 것은 컴퓨터 또는 컴퓨터 네트워크를 사용하는 것에 의해 수행될 수도 있다. 일반적으로, 이들 방법 단계들은, 통상적으로 실제 측정들을 수행하는 소정의 양태들 및/또는 샘플들을 제공하는 것과 같은 수작업을 요구하는 방법 단계들을 제외한, 방법 단계들 중 임의의 것을 포함할 수도 있다.

구체적으로, 추가로 본원에 개시되는 것은 다음과 같다:

- 적어도 하나의 프로세서를 포함하는 컴퓨터 또는 컴퓨터 네트워크, 여기서, 프로세서는 본 설명에서 설명된 실시형태들 중 하나에 따른 방법들 중 적어도 하나를 완전히 또는 부분적으로 수행하도록 적응됨,

- 데이터 구조가 컴퓨터 상에서 실행되고 있는 동안에 본 설명에서 설명된 실시형태들 중 하나에 따른 방법들 중 하나를 완전히 또는 부분적으로 수행하도록 적응되는 컴퓨터 로딩가능한 데이터 구조,

- 컴퓨터 프로그램; 여기서, 컴퓨터 프로그램은, 프로그램이 컴퓨터 상에서 실행되고 있는 동안에 본 설명에서 설명된 실시형태들 중 하나에 따른 방법들 중 하나를 완전히 또는 부분적으로 수행하도록 적응됨,

- 컴퓨터 프로그램이 컴퓨터 또는 컴퓨터 네트워크 상에서 실행되고 있는 동안에 본 설명에서 설명된 실시형태들 중 하나에 따른 방법들 중 하나를 완전히 또는 부분적으로 수행하기 위한 프로그램 수단을 포함하는 컴퓨터 프로그램,

- 상기 실시형태에 따른 프로그램 수단을 포함하는 컴퓨터 프로그램, 여기서, 그 프로그램 수단은 컴퓨터로 판독가능한 저장 매체 상에 저장됨,

- 저장 매체, 여기서, 데이터 구조는 저장 매체 상에 저장되고, 데이터 구조는 컴퓨터의 또는 컴퓨터 네트워크의 메인 및/또는 작업 스토리지로 로딩된 후 본 설명에서 설명된 실시형태들 중 하나에 따른 방법들 중 하나를 완전히 또는 부분적으로 수행하도록 적응됨,

- 프로그램 코드 수단을 갖는 컴퓨터 프로그램 제품, 프로그램 코드 수단은, 프로그램 코드 수단이 컴퓨터 상에서 또는 컴퓨터 네트워크 상에서 실행되는 경우에, 본 명세서에 설명된 실시형태들 중 하나에 따른 방법들 중 하나를 완전히 또는 부분적으로 수행하기 위해, 저장 매체 상에 저장될 수 있거나 또는 저장 매체 상에 저장됨.

본 발명의 추가적인 양태에서, 카메라를 이용하여 샘플에서 피분석물을 검출하는 목적을 위해 카메라를 보정하기 위한 보정 시스템이 개시된다. 보정 시스템은 적어도 하나의 컴퓨터 또는 컴퓨터 네트워크를 포함한다. 보정 시스템은 컴퓨터 또는 컴퓨터 네트워크의 적절한 소프트웨어 프로그래밍에 의해서 등에 의해, 본원에 설명된 실시형태들 중 임의의 하나에서 본 발명에 따른 보정 방법을 수행하도록 구성된다. 추가로, 보정 시스템은, 테스트 엘리먼트들의 세트 및 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 포함할 수도 있고, 각각의 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다. 추가로, 보정 시스템은 카메라를 포함할 수도 있다.

본 발명의 추가적인 양태에서, 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 갖는 적어도 하나의 테스트 엘리먼트를 이용하여 샘플에서 피분석물을 검출하는 목적을 위한 검출 시스템이 개시된다. 검출기 시스템은 모바일 디바이스의 예컨대 스마트 폰의 카메라와 같은 적어도 하나의 카메라를 포함한다. 검출기 시스템은 적어도 하나의 컴퓨터 또는 컴퓨터 네트워크, 구체적으로, 적어도 하나의 스마트 폰을 추가로 포함한다. 검출 시스템은 본원에 설명된 실시형태들 중 임의의 하나에 따른 검출 방법을 수행하도록 구성된다. 추가로, 검출 시스템은 적어도 하나의 샘플 및 적어도 하나의 테스트 엘리먼트를 포함할 수도 있고, 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다. 추가로, 검출 시스템은, 테스트 엘리먼트들의 세트 및 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 포함할 수도 있고, 각각의 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다. 추가로, 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 보정 시스템에 의해서 또는 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 검출 시스템에 의해서 컴퓨터 프로그램이 실행될 때, 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 보정 시스템 또는 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 검출 시스템으로 하여금, 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 보정 방법의 또는 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 검출 방법의 단계들을 각각 수해하게 하는 명령들을 포함하는 컴퓨터 프로그램이 개시된다.

본 발명의 추가적인 양태에서, 컴퓨터 또는 컴퓨터 네트워크에 의해 컴퓨터 프로그램이 실행될 때, 그 컴퓨터 또는 컴퓨터 네트워크로 하여금, 상기 설명된 바와 같은 또는 이하에서 보다 자세히 추가로 설명되는 바와 같은 보정 방법의 단계들 a., d., e., f., g. 또는 h. 중 적어도 하나 또는 검출 방법의 단계들 B., D., E. 또는 F. 중 하나 이상을 실행하게 하는 명령들을 포함하는 컴퓨터 프로그램이 개시된다.

본 발명의 추가적인 양태에서, 샘플에서 피분석물을 검출하기 위한 시스템이 개시된다. 그 시스템은 본 발명에 따른 보정 시스템 및 검출 시스템을 포함한다.

본 출원에 따른 방법들, 컴퓨터 프로그램들 및 시스템들은 샘플에서 피분석물을 검출하기 위해 카메라를 보정 및/또는 이용하기 위한 알려진 애플리케이션들에 비해 많은 수의 이점들을 제공할 수도 있다. 따라서, 특히, 본 발명은 피분석물 농도 값의 결정의 정확도롤 향상시킬 수도 있다. 특히, 본 출원은, 예를 들어, 혈액 글루코오스 농도를 결정하기 위해, 샘플에서의 피분석물 농도를 결정하기 위한 알고리즘에서 사용된 구체적으로 적응된 컬러 공간을 제공할 수도 있다. 구체적으로, 본 출원은 테스트 스트립의 컬러와 피분석물 농도 사이의 선형 관계, 구체적으로, 테스트 스트립의 컬러와 결과적인 그것의 수치적 표현 사이의 선형 관계를 형성하는 구체적으로 적응된 컬러 공간을 제공할 수도 있다. 적응된 컬러 공간의 선형 관계는 측정 값들의 완전한 범위에 걸쳐 균일한 정확도를 달성할 수도 있다. 추가로, 본 출원은 대안적으로, 측정 값들의 정의된 범위 내의, 특히 측정 값들의 미리정의된 범위 내의 피분석물 농도의 결정의 특히 높은 정확도를 허용할 수도 있다.

추가로, 본 출원은 피분석물 농도 값의 광학적 결정의 유효성을 향상시킬 수도 있다. 구체적으로, 광학적 측정의 유효성은 당해 기술분야에서 알려진 애플리케이션들에 비해 향상될 수도 있다. 특히, 본 출원에서 구체적으로 적응된 컬러 공간은 외부적으로 결정된 피분석물 농도들에 기초할 수도 있다. 보다 상세하게는, 본 방법들, 컴퓨터 프로그램들 및 시스템들은 외부적으로 결정된 피분석물 농도, 예를 들어, 실험실에서 결정된 피분석물 농도들에 대해 컬러 공간을 최적화하고 적응시킴으로써 구체적으로 적응된 컬러 공간을 제공할 수도 있고, 구체적으로, 결정된 피분석물 농도의 특히 높은 유효성을 허용하고, 따라서, 적응된 컬러 공간을 이용하여 광학적으로 결정된 피분석물 농도의 유효성을 향상시킨다. 그 반면에, 종래 기술은 통상적으로 인간의 컬러 지각에 기초한 최적화를 목표로 한다.

더욱이, 샘플에서의 피분석물의 검출의 영향을 갖는 비선형 팩터들은, 종래 기술에 의해 알려진 다른 방법들에 반해, 본 출원에 따른 방법들, 컴퓨터 프로그램들 및 시스템들에서는 고려될 수도 있다. 따라서, 비선형 팩터들에 의한 샘플에서의 피분석물의 검출에 대한 영향은 본 출원에 의해 최소화되거나 심지어 제거될 수도 있다. 구체적으로, 상용의 많은 수의 카메라들의 상이한 조광 (lighting) 조건들 또는 개별 기술적 및 광학적 특성들과 같은 비-선형 팩터들은 본 출원에 따른 방법들, 컴퓨터 프로그램들 및 시스템들에서 고려될 수도 있다.

추가적인 가능한 실시형태들을 배제함이 없이 요약하자면, 다음과 같은 실시형태들이 고려될 수도 있다:

실시형태 1. 샘플에서 피분석물을 검출하기 위해 카메라를 보정하기 위한 보정 방법으로서, 그 방법은 다음과 같은 것을 포함한다:

a. 컬러 좌표 시스템들의 세트를 제공하는 것, 컬러 좌표 시스템들의 세트는 오브젝트의 컬러를 기술하기 위해 구성된 복수의 상이한 컬러 좌표 시스템들을 포함함;

b. 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 제공하는 것;

c. 테스트 샘플들을 테스트 엘리먼트들의 세트에 적용하는 것, 각각의 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 가지며, 이에 의해 테스트 샘플들의 각각에 대해 적어도 하나의 착색된 테스트 필드를 형성함;

d. 카메라를 이용하여, 착색된 테스트 필드들의 이미지들을 획득하는 것;

e. 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들의 이미지들에 대한 컬러 좌표들을 생성함으로써, 이에 의해 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 것;

f. 코딩 함수들의 세트를 제공하는 것, 그 코딩 함수들의 세트는 테스트 필드의 컬러 좌표들을 샘플에서의 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함함;

g. 코딩 함수들의 세트를 이용하여, 단계 e. 에서 생성된 컬러 좌표들의 세트를 측정된 농도들의 세트로 변환하는 것; 및

h. 측정된 농도들의 세트를 테스트 샘플들의 세트의 테스트 샘플들의 알려진 농도들과 비교하고, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 컬러 좌표 시스템들의 세트의 베스트 매치 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하는 것.

실시형태 2. 이전 실시형태에 따른 보정 방법에서, 카메라는 스마트 폰 카메라이다.

실시형태 3. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 컬러 좌표 시스템들의 세트는 컬러 좌표들을 변환하기 위한, 구체적으로 카메라에 의해 제공된 컬러 좌표들을 변환된 컬러 좌표들로, 구체적으로 카메라-독립적 변환된 컬러 좌표들로 변환하기 위한, 파라미터화된 함수들의 세트에 의해 정의되고, 여기서, 파라미터화된 함수들의 파라미터들의 세트는 컬러 좌표 시스템들의 각각을 특성화한다.

실시형태 4. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 단계 e. 는 다음을 포함한다:

e1. 착색된 테스트 필드의 이미지들에 대한 카메라-의존적 컬러 좌표들을 생성하는 것;

e2. 제 1 변환 알고리즘을 이용하여, 카메라-의존적 컬러 좌표들을 카메라-독립적 컬러 좌표들로 변환하는 것;

e3. 제 2 변환 알고리즘을 이용하여 카메라-독립적 컬러 좌표들을 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들에 대한 컬러 좌표들로 변환함으로써, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 것.

실시형태 5. 이전 실시형태에 따른 보정 방법에서, 제 1 변환 알고리즘은, 행렬 M, 구체적으로, 다음과 같은 변환을 이용하여 카메라-의존적 컬러 좌표들 (R, G, B) 을 카메라-독립적 컬러 좌표들 (X, Y, Z) 로 변환하기 위한 행렬 연산을 이용함으로써 행렬 연산을 포함한다.

실시형태 6. 2 개의 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 제 2 변환 알고리즘은, 파라미터화된 함수들들 이용하여 카메라-독립적 컬러 좌표들을 컬러 좌표들의 세트의 컬러 좌표들로 변환하는 것을 포함한다.

실시형태 7. 이전 실시형태에 따른 보정 방법에서, 제 2 변환 알고리즘은, 다음과 같은 파라미터화된 함수들을 이용하여 카메라-독립적 컬러 좌표들 (X, Y, Z) 을 컬러 좌표들의 세트 (F, m, b) 로 변환하는 것을 포함한다:

여기서:

그리고 여기서, P₁-P₁₁ 은 파라미터들, 구체적으로 실수들 및/또는 유리수들이다.

실시형태 8. 4 개의 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 제 2 변환 알고리즘은 테스트 필드들의 조도를 고려한다.

실시형태 9. 5 개의 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 카메라-독립적 컬러 좌표들은 인간 눈의 감도에 기초한 컬러 좌표들, 구체적으로, 표준, 보다 구체적으로 CIE 표준에 따른 컬러 좌표들이다.

실시형태 10. 이전 실시형태에 따른 보정 방법에서, 카메라-독립적 컬러 좌표들은 삼자극 값들이다.

실시형태 11. 이전 실시형태에 따른 보정 방법에서, 제 2 변환 알고리즘은 구체적으로, 구체적으로 적어도 하나의 레퍼런스 컬러, 구체적으로 백색 필드의 레퍼런스 컬러를 검출함으로써, 테스트 필드들의 조도를 고려할 수도 있다.

실시형태 12. 이전 실시형태에 따른 보정 방법에서, 조도-의존적 컬러 좌표들 (F, m, b) 은 다음과 같은 식들 중 하나 이상을 이용함으로써 상대적 컬러 좌표들 (F_rel, m_rel, b_rel) 로 변환된다:

여기서, (F_R, m_R, b_R) 는 조명된 레퍼런스 필드의 이미지로부터 도출된 컬러 좌표들이다.

실시형태 13. 9 개의 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 제 1 변환 알고리즘, 구체적으로 행렬 M 은 알려진 카메라-독립적 컬러 좌표들, 구체적으로 알려진 CIE 좌표들 및/또는 삼자극 값들을 갖는 적어도 하나의 레퍼런스 컬러 필드의 적어도 하나의 이미지를 획득함으로써 카메라 보정 프로세스에서 결정된다.

실시형태 14. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 단계 h. 는, 농도들의 미리결정된 측정 범위에 걸쳐, 등거리 농도들의 샘플들은 본질적으로 등거리의 컬러 차이들을 갖는 베스트 매치 컬러 좌표 시스템에서의 컬러 좌표들을 초래하도록 수행된다.

실시형태 15. 이전 실시형태에 따른 보정 방법에서, 미리결정된 측정 범위에 걸쳐, 피분석물의 상이한 농도들 c_p, c_ν 을 갖는 테스트 샘플들은, 테스트 필드들에 적용될 때, 착색된 테스트 필드들의 컬러 좌표들 (F_p, m_p, b_p), (F_ν, m_v, b_ν) 을 초래할 수도 있고, 여기서, 컬러 차이는

이고,

은 미리결정된 범위이다.

실시형태 16. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는 코딩 함수들의 세트 중의 코딩 함수 및 컬러 좌표 시스템들의 세트 중의 컬러 좌표 시스템은, 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 포함하는 쌍을 형성한다.

실시형태 17. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 코딩 함수들의 세트는 컬러 좌표들의 파라미터화된 다항식 함수들을 포함한다.

실시형태 18. 이전 실시형태에 따른 보정 방법에서, 파라미터화된 다항식 함수들은 다음과 같이 이루어지는 그룹으로부터 선택된다:

여기서,

는 착색된 테스트 필드가 컬러 (F, m, b) 를 가질 때 피분석물의 측정된 농도이고, 여기서, N 은 정수들이고, a_i,j,k 는 다항식 함수들의 파라미터들이다.

실시형태 19. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 단계 c. 에서 사용된 테스트 엘리먼트들의 세트의 테스트 엘리먼트들은 모두 동일 유형의 것이고, 바람직하게는 모두 동일하다.

실시형태 20. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 그 방법은 추가로, 적어도 하나의 표준 테스트 엘리먼트 셋 업을 정의하는 것을 더 포함할 수도 있고, 표준 테스트 엘리먼트 셋 업은, 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드에 대해 적어도 하나의 유형의 테스트 화학물질을 정의한다.

실시형태 21. 이전 실시형태에 따른 보정 방법에서, 표준 테스트 엘리먼트 셋업은 추가로, 테스트 화학물질이 적용되는 정의된 기판을 포함한다.

실시형태 22. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 샘플들의 세트는 피분석물의 적어도 3 개의 상이한 농도들을 제공하는 적어도 3 개의 상이한 테스트 샘플들을 포함한다.

실시형태 23. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 피분석물은 글루코오스이다.

실시형태 24. 이전 실시형태에 따른 보정 방법에서, 샘플은 체액이다.

실시형태 25. 2 개의 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 테스트 샘플들의 세트는 0 mg/dl 내지 600 mg/dl 의 미리결정된 측정 범위에 걸친 상이한 농도들의 테스트 샘플들을 포함한다.

실시형태 26. 이전 실시형태들 중 어느 하나에 따른 보정 방법에서, 보정 방법은, 구체적으로 단계들 a., d., e., f., g., 또는 h. 중 적어도 하나를 수행하기 위해, 컴퓨터 또는 컴퓨터 네트워크를 이용함으로써 수행된다.

실시형태 27. 샘플에서 피분석물을 검출하기 위한 검출 방법으로서, 그 방법은 다음을 포함한다:

A. 카메라를 제공하는 것;

B. 이전 실시형태들 중 어느 하나에 따른 보정 방법을 이용하여 카메라를 보정하는 것;

C. 샘플들을 테스트 엘리먼트들의 세트에 적용하는 것, 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 가지며, 이에 의해 샘플에 대해 적어도 하나의 착색된 테스트 필드를 형성함;

D. 적어도 하나의 착색된 테스트 필드의 적어도 하나의 이미지를 획득하는 것;

E. 베스트 매치 컬러 좌표 시스템을 이용하여 테스트 필드의 컬러 좌표들을 생성하는 것;

F. 베스트 매치 코딩 함수를 이용하여 컬러 좌표들을 샘플에서의 피분석물의 측정 농도로 변환하는 것.

실시형태 28. 이전 실시형태에 따른 검출 방법에서, 단계 C. 에서 사용된 테스트 엘리먼트는 보정 방법의 단계 c. 에서의 테스트 엘리먼트들의 세트의 테스트 엘리먼트들과 동일한 유형의 것이다.

실시형태 29. 검출 방법을 지칭하는 이전 실시형태들 중 어느 하나에 따른 검출 방법에서, 단계들 C.-F. 는 반복적으로 수행되고, 여기서, 단계 B. 는 단계들 C.-F. 의 복수의 반복들에 대해 처음에 오직 한번 또는 단계들 C.-F. 을 수행하기 전에 매번 중 어느 일방으로 수행된다.

실시형태 30. 이전 실시형태들 중 어느 하나에 따른 검출 방법에서, 검출 방법은, 구체적으로 단계들 B., D., E., 또는 F. 중 하나 이상을 수행하기 위해, 컴퓨터 또는 컴퓨터 네트워크를 이용함으로써 수행된다.

실시형태 31. 명령들을 포함하는 컴퓨터 프로그램으로서, 상기 명령들은, 상기 컴퓨터 프로그램이 컴퓨터 또는 컴퓨터 네트워크에 의해 실행될 때, 그 컴퓨터 또는 컴퓨터 네트워크로 하여금, 보정 방법을 지칭하는 이전 실시형태들 중 어느 하나에 따른 보정 방법의 또는 검출 방법을 지칭하는 이전 실시형태들 중 어느 하나에 따른 검출 방법의 단계들을 수행하게 하는, 컴퓨터 프로그램.

실시형태 32. 카메라를 이용하여 샘플에서 피분석물을 검출하는 목적을 위해 카메라를 보정하기 위한 보정 시스템으로서, 그 보정 시스템은 적어도 하나의 컴퓨터 또는 컴퓨터 네트워크를 포함하고, 그 보정 시스템은 보정 방법을 지칭하는 이전 실시형태들 중 어느 하나에 따른 보정 방법을 수행하도록 구성되는, 보정 시스템.

실시형태 33. 이전 실시형태에 따른 보정 시스템에서, 그 보정 시스템은, 테스트 엘리먼트들의 세트 및 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 더 포함하고, 각각의 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다.

실시형태 34. 2 개의 이전 실시형태들에 따른 보정 시스템에서, 그 보정 시스템은 카메라를 추가로 포함한다.

실시형태 35. 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 갖는 적어도 하나의 테스트 엘리먼트를 이용하여 샘플에서 피분석물을 검출하기 위한 검출 시스템으로서, 그 검출 시스템은 적어도 하나의 카메라, 구체적으로, 스마트 폰의 카메라를 포함하고, 그 검출 시스템은 적어도 하나의 컴퓨터 또는 컴퓨터 네트워크, 구체적으로 적어도 하나의 스마트 폰을 더 포함하며, 그 검출 시스템은, 검출 방법을 지칭하는 이전 실시형태들 중 어느 하나에 따른 검출 방법을 수행하도록 구성되는, 검출 시스템.

실시형태 36. 이전 실시형태에 따른 검출 시스템에서, 그 검출 시스템은 적어도 하나의 샘플 및 적어도 하나의 테스트 엘리먼트를 더 포함하고, 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다.

실시형태 37. 2 개의 이전 실시형태들 중 어느 하나에 따른 검출 시스템에서, 그 검출 시스템은, 테스트 엘리먼트들의 세트 및 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 더 포함하고, 각각의 테스트 엘리먼트는 적어도 하나의 테스트 필드를 갖는다.

실시형태 38. 샘플에서 피분석물을 검출하기 위한 시스템으로서, 2 개의 이전 실시형태들에 따른 검출 시스템 및 보정 시스템을 포함하는, 샘플에서 피분석물을 검출하기 위한 시스템.

도면들의 간단한 설명
추가적인 옵션적인 특징들 및 실시형태들이, 바랍직하게는 종속 청구항들과 함께, 실시형태들의 후속 설명에서 보다 자세히 개시될 것이다. 여기서, 각각의 옵션적인 특징들은, 당업자가 알 수 있는 바와 같이, 분리된 방식으로 뿐만 아니라 어떤 임의의 실현가능한 조합으로 실현될 수도 있다. 본 발명의 범위는 바람직한 실시형태들에 의해 한정되지 않는다. 실시형태들이 도면들에 개략적으로 도시된다. 여기서, 이들 도면들에서 동일한 참조 부호들은 동일한 또는 기능적으로 비견할만한 엘리먼트들을 지칭한다.
도면들에서:
도 1 은 시스템의 일 실시형태, 검출 시스템의 일 실시형태 및 보정 시스템의 일 실시형태를 나타낸다.
도 2 및 도 3 은 보정 방법의 플로우 차트의 실시형태들을 나타낸다.
도 4 는 검출 방법의 플로우 차트의 일 실시형태를 나타낸다.
도 5 는 보정 방법의 일 실시형태의 플로우 차트의 일부를 나타낸다.
도 6 은 실제 혈액 글루코오스 값들과 카메라-독립적 컬러 좌표들 X 사이의 관계를 나타내는 도를 나타낸다.
도 7a 내지 도 7e 는 실제 혈액 글루코오스 값들과 선택된 CIE 좌표들 사이의 관계를 나타내는 도들의 실시형태들을 나타낸다.
도 8a 및 도 8b 는, 혈액 글루코오스 값들의 결정을 위해 통상의 방법들 및 시스템들을 이용하여 (도 a) 그리고 혈액 글루코오스 값들의 결정을 위해 본 출원에 따른 본 방법들 및 시스템들을 이용하여 (도 8) 결정된 혈액 글루코오스 값들과 실제 혈액 글루코오스 값들 사이의 관계들을 나타내는 도들의 실시형태들을 나타낸다.

실시형태들의 상세한 설명

시스템 (110) 의 일 실시형태가 도 1 에서 예시되고, 그 시스템 (110) 은 보정 시스템 (112) 및 검출 시스템 (114) 을 갖는다. 도 1 에서 예시된 바와 같은 보정 시스템 (112) 은 카메라 (116), 예를 들어 스마트 폰 (118) 에 의해 포함된 카메라를 보정하도록 구성된다. 보정 시스템 (112) 은 적어도 하나의 컴퓨터 (119) 또는 컴퓨터 네트워크 (120) 를 포함한다. 보정 시스템 (112) 의 예시된 실시형태에서, 컴퓨터 (119) 는 구체적으로 정지형 컴퓨터 또는 컴퓨터 네트워크 (120) 일 수도 있다. 대안적으로, 컴퓨터 (119) 는 예를 들어, 태블릿, 노트북 또는 예를 들어 스마트 폰 (118) 과 같은 셀 폰 중 하나 이상과 같은 모바일 또는 포터블 디바이스의 컴퓨터 네트워크일 수도 있다. 보정 시스템 (112) 은, 보정 방법, 구체적으로 도 2 및 도 3 에서 예시된 바와 같은 보정 방법을 수행하도록 더 구성된다. 추가로, 도 1 은 테스트 샘플들의 세트 (122), 구체적으로, 하나보다 많은 테스트 샘플 (124) 을 포함하는 테스트 샘플들의 세트 (122) 를 나타낸다. 테스트 샘플들 (124) 은, 구체적으로, 예를 들어 혈액 또는 소변과 같은 체액의 샘플들일 수도 있다. 테스트 샘플들의 세트 (122) 에 의해 포함되는 테스트 샘플들 (124) 은 구체적으로, 피분석물의 상이한 농도들을 가질 수도 있다. 특히, 각각의 테스트 샘플 (124) 은, 구체적으로 카메라 (116) 를 보정할 때 피분석물의 알려진 농도를 가질 수도 있다. 추가로, 도 1 은 테스트 엘리먼트들의 세트 (126) 를 나타내고, 각각의 테스트 엘리먼트 (128) 는, 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하고, 이에 의해, 적어도 하나의 착색된 테스트 필드 (130) 를 형성한다.

도 1 에서 예시된 바와 같은 검출 시스템 (114) 은, 적어도 하나의 테스트 필드 (130) 를 갖는 적어도 하나의 테스트 엘리먼트 (128) 를 이용하여 샘플 (131) 에서 피분석물을 검출하도록 구성된다. 샘플 (131) 은 예를 들어 피분석물 농도를 검출하는 목적을 위한 단일 샘플일 수도 있고, 따라서, 특히, 샘플 (131) 내의 피분석물의 농도는 알려져 있지 않을 수도 있다. 구체적으로, 검출 시스템 (114) 은 도 1 에서의 테스트 샘플들의 세트 (122) 와는 별도로 도시된 바와 같은 샘플 (131) 에서 피분석물을 검출하도록 구성될 수도 있다. 유사하게, 테스트 필드 (130) 를 갖는 테스트 엘리먼트 (128) 는 도 1 에서의 테스트 엘리먼트들의 세트 (126) 와는 별도로 도시된 바와 같은 테스트 엘리먼트 (128) 일 수도 있다. 테스트 필드 (130) 는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함한다. 검출 시스템 (114) 은 적어도 하나의 카메라 (116), 구체적으로, 스마트 폰 (118) 의 카메라 (116) 를 포함한다. 추가로, 검출 시스템 (114) 은 적어도 하나의 컴퓨터 (119) 또는 컴퓨터 네트워크 (120) 를 포함한다. 검출 시스템 (114) 의 예시된 실시형태에서, 컴퓨터 (119) 는 구체적으로 스마트 폰 (118) 일 수도 있다. 검출 시스템은 추가로, 검출 방법, 구체적으로 도 4 에서 예시된 바와 같은 검출 방법을 수행하도록 구성된다.

일반적으로, 광학적 검출가능 검출 반응들을 검출하기 위해 카메라를 보정할 때 통상적인 어려움들이 발생할 수도 있다. 일례로서, 카메라를 보정하기 위해 사용되는 컬러 차이를 측정하기 위해 측정 유닛을 결정하기 위한 접근법은 다음과 같은 3 개의 단계들을 포함할 수도 있다.

제 1 단계는, 예를 들어, 초기 변환을 수행하는 것을 포함할 수도 있다. 구체적으로, 제 1 단계는 카메라-의존적 컬러 좌표들, 예컨대, (R,　G,　B) 를 예를 들어 (X, Y, Z) 와 같은 카메라-독립적 컬러 좌표들로 변환하는 것을 포함할 수도 있다. 예시적으로, 그 초기 변환은 전자기 스펙트럼의 물리적 사이즈와 생리학적 컬러 비젼을 연결하는 목적을 서빙할 수도 있다. 예를 들어, 초기 변환은 상기 설명에서 개시된 바와 같이 식 (1) 을 이용할 수도 있다. 구체적으로, 표준 알고리즘들, 예를 들어, 레퍼런스 컬러의 측정에 기초한 표준 알고리즘들이 식 (1) 에서 사용된 변환 행렬 M 을 결정하기 위해 사용될 수도 있다. 다시, F. Koenig: Die Charakterisierung von Farbsensoren”, Dissertation, Logos Verlag, Berlin, 2001, pp. 48-49 에 대한 참조가 이루어질 수도 있다.

제 2 단계는 추가적인 변환을 포함할 수도 있다. 구체적으로, 제 2 단계는, 카메라-독립적 컬러 좌표들, 컬러 차이들, 예를 들어, (X, Y, Z) 을, 예를 들어 인간의 컬러 지각에 따른 컬러 차이들을 최적화하기 위해 적합한 컬러 공간, 예를 들어, CIE 에 따른 컬러 공간과 같은 선택된 컬러 공간으로 변환하는 것을 포함할 수도 있다. 다음의 식들은 카메라-독립적 컬러 좌표들의 CIE L*a*b* 컬러 공간으로의 변환의 계산을 나타낸다.

여기서:

제 3 단계는 컬러들 사이의 차이, 예컨대, 컬러 차이를 측정하기 위한 측정 유닛을 계산 및/또는 정의하는 것을 포함할 수도 있다. 예를 들어, L*a*b* 컬러 공간에 기초한, 2 개의 샘플들

및

사이의 컬러 차이와 같은 컬러 차이는 다음 식을 이용하여 결정될 수도 있다:

특히, 비선형 식들, 예를 들어, 컬러 차이에 대한 가능한 비선형 효과들을 고려하는 보다 복잡한 비선형 식들과 같이, 측정 유닛들을 정의하기 위한 다른 수학적 표현들 또는 식들이 사용될 수도 있다. 구체적으로, 컬러 차이, 예컨대,

및

에 대한 주변 밝기의 가능한 효과를 고려하는 비선형 식들이 컬러 차이를 측정하기 위한 측정 유닛을 결정하기 위해 사용될 수도 있다.

상기 언급된 방법들은 통상적으로, 분석적 측정들에 적용될 때 여러 도전과제들을 의미한다. 따라서, CIE 권고안들에 기초한 수학적 표현들, 예컨대, 측정 유닛들을 정의하기 위한 수학적 표현들은 인간의 컬러 지각과 컬러 자극의 물리적 기원들 사이의 연결 또는 관계를 확립하는 것을 목표로 할 수도 있고, 따라서, 등거리 데이터, 예를 들어 등거리 피분석물 농도들 등의 불규칙적 또는 비선형적 표현들을 초래할 수도 있다. 특히, 상기 비선형적 표현들은 예를 들어, 피분석물을 검출하기 위한 카메라 (116) 를 보정하기 위해 사용될 때 결정된 피분석물 농도의 비선형적 또는 불규칙적 정확도를 초래할 수도 있다. 따라서, 본 발명에 따라 샘플 (131) 에서 피분석물을 검출하기 위해 카메라 (116) 를 보정하기 위한 보정 방법은 특히, 농도들의 미리결정된 측정 범위에 걸쳐, 등거리 농도들의 샘플들이 본질적으로 등거리 컬러 차이들을 갖는 컬러 좌표들을 초래하도록 수행될 수도 있다. 샘플 (131) 에서 피분석물을 검출하기 위해 카메라 (116) 를 보정하기 위한 보정 방법의 플로우 차트의 일 실시형태가 도 2 에 예시된다.

도 2 에서, 본 발명에 따른 보정 방법이 도시된다. 도 2 에서 예시된 보정 방법은, 컬러 좌표 시스템들의 세트를 제공하기 위한 단계 a. (방법 단계 132) 를 포함하고, 컬러 좌표 시스템들의 세트는 오브젝트의 컬러를 기술하도록 구성된 복수의 상이한 컬러 좌표 시스템들을 포함한다. 보정 방법은 추가로, 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트 (122) 를 제공하기 위한 단계 b. (방법 단계 134) 를 더 포함한다. 구체적으로, 도 1 에서 예시된 테스트 샘플들의 세트 (122) 가 제공될 수도 있다.

추가로, 보정 방법은 테스트 엘리먼트들의 세트 (126) 에 테스트 샘플들 (124) 을 적용하기 위한 단계 c. (방법 단계 136) 를 포함한다. 구체적으로, 테스트 샘플들 (124) 은 도 1 에서 예시된 테스트 엘리먼트들의 세트 (126) 에 적용될 수도 있다. 특히, 테스트 샘플들의 세트 (122) 로부터의 테스트 샘플들 (124) 의 각각은 테스트 엘리먼트들의 세트 (126) 로부터의 테스트 엘리먼트 (128) 에 각각 적용될 수도 있다. 각각의 테스트 엘리먼트 (128) 는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 가지며, 이에 의해, 테스트 샘플들 (124) 의 각각에 대해 적어도 하나의 착색된 테스트 필드 (130) 를 형성한다.

보정 방법은 추가로, 카메라 (116) 를 이용하여, 착색된 테스트 필드들 (130) 의 이미지들을 획득하기 위한 단계 d. (방법 단계 138) 를 포함한다. 구체적으로, 도 1 에서 예시된 바와 같이 스마트 폰 (118) 에 의해 포함된 카메라 (116) 가 착색된 테스트 필드들 (130) 의 이미지들을 획득하기 위해 사용될 수도 있다. 추가로, 보정 방법은, 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들 (130) 의 이미지들에 대한 컬러 좌표들을 생성하고, 이에 의해, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하기 위한 단계 e. (방법 단계 140) 를 포함한다.

추가로, 보정 방법은 코딩 함수들의 세트를 제공하기 위한 단계 f. (방법 단계 142) 를 포함한다. 코딩 함수들의 세트는 테스트 필드 (130) 의 컬러 좌표들을 테스트 샘플 (124) 에서의 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함한다. 보정 방법은 추가로, 단계 e. 에서 생성된 컬러 좌표들의 세트를, 코딩 함수들의 세트를 이용하여, 측정된 농도들의 세트로 변환하기 위한 단계 g. (방법 단계 144) 를 포함한다.

추가적으로, 보정 방법은, 측정된 농도들의 세트를 테스트 샘플들 (124) 의 세트의 알려진 농도들과 비교하고, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 베스트 매치 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하기 위한 단계 h. (방법 단계 146) 를 포함한다. 구체적으로, 보정 방법은 특히, 등거리 농도들의 샘플들 (124) 이 본질적으로 등거리의 컬러 차이들을 갖는 베스트 매치 컬러 좌표 시스템에서의 컬러 좌표들을 초래하도록 수행될 수도 있다.

예를 들어, 컬러 좌표들 중 하나, 하나 초과 또는 전부가 상이한 컬러 좌표 시스템들로부터, 구체적으로, 컬러 좌표 시스템들의 세트로부터의 상이한 컬러 좌표 시스템들로부터 취해질 수도 있고, 베스트 매치 컬러 좌표 시스템에 뻗기 위해 사용될 수도 있다. 구체적으로, 베스트 매치 컬러 좌표 시스템은 하나보다 많은, 바람직하게는 2 개보다 많은 컬러 좌표들로 이루어질 수도 있다. 구체적으로, 다수의 컬러 좌표들은 다차원 파라미터로서 지칭될 수도 있다. 예시적으로, 베스트 매치 컬러 좌표 시스템을 결정하기 위해서, 측정된 농도들과 알려진 농도들 사이의, 예컨대, 측정된 결과와 레퍼런스 결과 사이의 불일치, 예컨대, 오차가 구체적으로 최소화될 수도 있다. 특히, 오차는 예를 들어, 컬러 좌표 시스템의, 예컨대, 컬러 공간의 파라미터들의 값, 예컨대, 계수들을 적응시킴으로써 최소화될 수도 있다. 추가로, 코딩 함수들의 세트는 구체적으로, 특히 다차원 코드 함수로서 지칭되는, 하나보다 많은 코딩 함수를 포함할 수도 있다. 일례로서, 다차원 코드 함수는 결과를 계산하기 위해, 예컨대, 샘플 (131) 의 피분석물 농도를 결정하기 위해 사용될 수도 있다.

도 3 에서, 보정 방법의 추가적인 실시형태가 도시되고, 이는 대부분이 도 2 의 방법에 대응한다. 따라서, 상기 도 2 의 설명에 대한 참조가 이루어질 수도 있다. 도 3 에서 예시된 바와 같이, 보정 방법의 이 실시형태에서, 단계 e. (방법 단계 140) 는 3 개의 하위단계들을 포함할 수도 있다. 구체적으로, 착색된 테스트 필드 (130) 의 이미지들에 대한 카메라-의존적 컬러 좌표들을 생성하기 위한 제 1 하위단계 e1. (방법 단계 148), 제 1 변환 알고리즘을 이용하여, 카메라-의존적 컬러 좌표들을 카메라-독립적 컬러 좌표들로 변환하기 위한 제 2 하위단계 e2. (방법 단계 150), 및 제 2 변환 알고리즘을 이용하여 카메라-독립적 컬러 좌표들을 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들에 대한 컬러 좌표들로 변환함으로써, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하기 위한 제 3 하위단계 e3. (방법 단계 152).

도 4 는 샘플 (124) 에서 피분석물을 검출하기 위한 검출 방법의 일 실시형태의 플로우 차트를 나타낸다. 검출 방법은 카메라 (116) 를 제공하기 위한 단계 A. (방법 단계 154) 를 포함한다. 구체적으로, 도 1 에서 예시된 바와 같은 카메라 (116) 가 제공될 수도 있다. 추가로, 검출 방법은, 보정 방법을 이용하여 카메라 (116) 를 보정하기 위한 단계 B. (방법 단계 156) 를 포함한다. 특히, 도 2 또는 도 3 에서 예시된 바와 같은 보정 방법은 카메라 (116) 를 보정하기 위해 이용될 수도 있다.

추가로, 검출 방법은 테스트 엘리먼트 (128) 에 샘플을 적용하기 위핸 단계 C. (방법 단계 158) 를 포함하고, 테스트 엘리먼트 (128) 는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하고, 그에 의해, 샘플 (124) 에 대한 적어도 하나의 착색된 테스트 필드 (130) 를 형성하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 갖는다. 구체적으로, 도 1 에서 테스트 샘플들의 세트 (122) 와는 별도로 도시된 샘플 (124) 이 테스트 엘리먼트 (128) 에, 구체적으로, 도 1 에서 테스트 엘리먼트들의 세트 (126) 와는 별도로 도시된 테스트 엘리먼트 (128) 에 적용될 수도 있다.

추가적으로, 검출 방법은, 적어도 하나의 착색된 테스트 필드 (130) 의 적어도 하나의 이미지를 획득하기 위한 단계 D. (방법 단계 160) 를 포함한다. 검출 방법은 추가로, 베스트 매치 컬러 좌표 시스템을 이용하여 테스트 필드 (130) 의 컬러 좌표들을 생성하기 위한 단계 E. (방법 단계 162) 를 더 포함한다. 특히, 베스트 매치 컬러 좌표 시스템은 컬러 좌표 시스템들의 세트의 상이한 컬러 좌표 시스템들로부터의 3 개 또는 4 개의 컬러 좌표들로 이루어질 수도 있다. 추가로, 검출 방법은, 베스트 매치 코딩 함수를 이용하여 컬러 좌표들을 샘플 (124) 에서의 피분석물의 측정 농도로 변환하기 위한 단계 F. (방법 단계 164) 를 포함한다.

도 5 는 샘플 (124) 에서 피분석물을 검출하기 위해 카메라 (116) 를 보정하기 위한 보정 방법의 일 실시형태의 플로우 차트의 일부를 나타낸다. 이 실시형태는 도 2 또는 도 3 에서 나타낸 방법의 특정 실시형태의 일부로서 고려될 수도 있다. 특히, 하위단계들 e2. 및 e3. (방법 단계들 150 및 152) 및 단계들 f., g., 및 h. (방법 단계들 142, 144 및 146) 을 포함하는 보정 방법의 실시형태의 플로우 차트의 일부가 도 5 에서 예시될 수도 있다.

단계 e2. (방법 단계 150) 의 제 1 변환 알고리즘은 예를 들어 행렬 연산을 포함할 수도 있다. 구체적으로, 제 1 변환 알고리즘은, 행렬 M, 특히, 카메라-의존적 컬러 좌표들 (R, G, B) 을 카메라-독립적 컬러 좌표들 (X, Y, Z) 로 변환하기 위한 행렬 연산을 이용함으로써 행렬 연산을 포함할 수도 있다: 그 제 1 변환은 구체적으로, 특히 도 5 에서 좌측 상의 제 1 박스에서 예시된 바와 같은, 식 (1) 에서 주어진 변환을 이용할 수도 있다.

단계 e3. (방법 단계 152) 의 제 2 변환 알고리즘은 예를 들어, 카메라-독립적 컬러 좌표들을 파라미터화된 함수들을 이용하여 컬러 좌표들의 세트의 컬러 좌표들로 변환하는 것을 포함할 수도 있다. 특히, 카메라-독립적 컬러 좌표들 (X, Y, Z) 은 식들 2.1, 2.2 및 2.3 에서 주어진 변환을 이용하여 컬러 좌표들의 세트 (F, m, b) 로 변환될 수도 있다. 도 5 에서 예시된 바와 같이, 카메라-독립적 컬러 좌표들 (X, Y, Z) 을 컬러 좌표들의 세트 (F, m, b) 로 변환하는 것은 제 1 변환 알고리즘의 수행에 후속하여 수행될 수도 있다. 제 2 변환 알고리즘은 추가로, 구체적으로 적어도 하나의 레퍼런스 컬러, 구체적으로 백색 필드의 레퍼런스 컬러를 검출함으로써, 테스트 필드들의 조명을 고려할 수도 있다. 특히, 조명-의존적 컬러 좌표들 (F, m, b) 은 도 5 에서 좌측으로부터 3 번째 박스에서 예시된 바와 같은 식들 3.1 내지 3.6 중 하나 이상을 이용하여 상대적 컬러 좌표들 (F_rel, m_rel, b_rel) 로 변환될 수도 있다.

후속하여, 단계들 f. g. 및 h. (방법 단계들142, 144 및 146) 이 수행될 수도 있다. 구체적으로, 단계 h. (방법 단계 146) 는, 농도들의 미리결정된 측정 범위에 걸쳐, 등거리 농도들의 샘플들 (124) 은 본질적으로 등거리의 컬러 차이들을 갖는 베스트 매치 컬러 좌표 시스템에서의 컬러 좌표들을 초래하도록 수행될 수도 있다. 일례로서, 도 5 에서 도시된 가장 우측의 박스는 이상적인 예를 나타내고, 여기서, 샘플들 (124) 의 실제 피분석물 농도 (c) (y 축) 와, 샘플들 (124) 의 본질적으로 등거리의 컬러 차이들 (ΔE) 사이에 선형적 관계가 존재한다.

추가로, 도 6 은 실제 혈액 글루코오스 값들 (c), 예를 들어 테스트 샘플들 (124) 의 미리정의된 혈액 글루코오스 값들과, 카메라-독립적 컬러 좌표들 (X,Y,Z) 의 비율 X/(X+Y) 사이의 관계를 나타내는 도를 예시한다. 도시된 예에서, 컬러 좌표 Z 는 Z = 0 으로 설정된다. 구체적으로, 예시적으로 a₀ = 1, a₁ = 1 및 a₂ = 1 로 설정된 파라미터들 a₀, a₁ 및 a₂ 을 갖는 카메라-독립적 컬러 좌표들의 비율 a₀·X / (a₁·X + a₂·Y) 이 도 6 에서 도시된 도의 y-축 상에 플롯팅된다. x-축 상에 플롯팅되는 것은, 예를 들어 밀리그램 퍼 데시리터 (mg/dl) 로 주어진, 실제 혈액 글루코오스 값들 (c) 과 같은, 샘플 (124) 에서의 피분석물의 농도이다. 특히, 도는 카메라-독립적 컬러 좌표들의 비율과 실제 혈액 글루코오스 값들 사이의 비선형적 불일치를 보여준다. 따라서, 도시된 예에서, 등거리 농도들의 샘플들은 선택된 컬러 좌표 시스템 (X,Y,Z) 에서 본질적으로 등거리의 컬러 차이들을 초래하지 않는다. 따라서, 선택된 컬러 좌표 시스템은 베스트 매치 컬러 좌표 시스템이 아닐 수도 있고, 도 2 및 도 3 에서 예시된 예에 대해서와 같이, 보정 방법의 추가적인 수행이 필요할 수도 있다.

추가로, 도 7a 내지 도 7e 는, 예를 들어 도 7a 에서의 L^*, 도 7b 에서의 a^*, 도 7c 에서의 b^*, 도 7d 에서의 u’ 및 도 7e 에서의 v’ 과 같은, 선택된 CIE 좌표들과 실제 혈액 글루코오스 값들 (c) 사이의 관계를 나타내는 도들의 실시형태들을 나타낸다. 그 도들은 매 CIE 좌표에 대한 CIE 좌표들과 실제 혈액 글루코오스 값들 사이의 상이한 관계들을 나타낸다. 구체적으로, 예시된 바와 같이, 상이한 컬러 좌표들은 실제 혈액 글루코오스 농도에 매칭하기 위해 상이한 적합성들을 가지고, 특히, 등거리 농도의 예시된 샘플들은 도 7a 내지 도 7e 모두에 대해 동일하지만, 모든 예시된 CIE 좌표들에 대해 본질적으로 등거리의 컬러 차이들을 초래하지 않는다. 예를 들어, 도 7d 에서 도시된 도는, 컬러 좌표 a^* 에 기초한 도 7b 에서 도시된 도보다 컬러 좌표 u' 과 샘플들 사이에 보다 선형적 관계를 나타낸다.

도 8a 는 혈액 글루코오스 값들의 결정을 위해 통상의 방법들 및 시스템들을 이용하여 결정된 혈액 글루코오스 값들과 실제 혈액 글루코오스 값들 사이의 관계를 나타내는 도의 일 실시형태를 나타낸다. 특히, 도 8a 에서 도시된 도는 CIE 컬러 좌표 시스템 L^*a^*b^* 을 이용하여 결정되거나 측정된 혈액 글루코오스 값들 (mBG) 과 실제 혈액 글루코오스 값들 (c) 사이의 관계를 나타낸다.

이에 반해, 도 8b 는 혈액 글루코오스 값들의 결정을 위해 본 출원에 따른 본 방법들 및 시스템들을 이용하여 결정된 혈액 글루코오스 값들과 실제 혈액 글루코오스 값들 사이의 관계를 나타내는 도의 일 실시형태를 나타낸다. 구체적으로, 도 8b 에서 도시된 도는 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 이용하여 결정되거나 측정된 혈액 글루코오스 값들 (mBG) 과 실제 혈액 글루코오스 값들 (c) 사이의 관계를 나타낸다. 특히, 도 8a 및 도 8b 의 비교는, 혈액 글루코오스 농도를 결정하는 것의 통상의 접근법들을 이용하는 것에 반해, 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 이용할 때 향상된 정확도를 보여준다. 구체적으로, 결정된 혈액 글루코오스 값들의 더 낮은 분산은 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 이용할 때 도달될 수도 있다. 추가로, 도 8a 및 도 8b 는 실제 혈액 글루코오스 농도에 비해 결정된 혈액 글루코오스 농도의 임상적 정확도를 정량화하는, 에러-그리드-분석의 영역들 A 내지 E, 구체적으로, Parkes Error Grid 의 영역들 A 내지 E 를 도시한다.

추가로, 도 8a 및 도 8b 는 실제 혈액 글루코오스 농도에 비해 결정된 혈액 글루코오스 농도의 임상적 정확도를 정량화하는, 에러-그리드-분석 (Error-Grid-Analysis) 의 영역들 A 내지 E, 구체적으로, Parkes Error Grid 의 영역들 A 내지 E 를 도시한다. 예를 들어, 다음 영역들 내의 혈액 글루코오스 값들:

- 영역 A 는 레퍼런스 센서의 20% 내의 값들을 포함한다;

- 영역 B 는 20% 밖에 있는 값들을 포함하지만 부적절한 처리를 초래하지는 않을 것이다;

- 영역 C 는 불필요한 처리를 초래하는 값들을 포함한다;

- 영역 D 는 저혈당증 또는 고혈당증을 검출하는데 데한 잠재적으로 위험한 실패를 나타내는 것들을 포함한다;

- 영역 E 는 고혈당증에 대한 저혈당증의 처리 및 그 역을 혼동할 수도 있는 값들을 포함한다.

에러-그리드-분석에 관한 보다 많은 정보는 Clarke WL, Cox D, Gonder-Frederick LA, Carter W, Pohl SL: Evaluating clinical accuracy of systems for self-monitoring of blood glucose. Diabetes Care 10:622-628,1987 를 참조할 수도 있다.

도 8a 및 도 8b 양자는 동일한 샘플들에 기초하고, 특히, 양 도면들에서 혈액 글루코오스 값들을 결정하기 위해 테스트 샘플들의 동일 세트가 사용된다. 표 1 은 그것들의 각각의 영역에 따라 소팅된, 도 8a 및 도 8b 양자에 대한 결정된 혈액 글루코오스 값들의 수를 나타낸다.

영역	A	B	C	D	E
결정된 혈액 글루코오스 값들의 수 (도 8a)	521	123	27	1	0
결정된 혈액 글루코오스 값들의 수 (도 8b)	613	57	2	0	0

표 1: 그것들의 각각의 영역에 따라 소팅된 , 도 8a 및 도 8b 양자에 대한 결정된 혈액 글루코오스 값들의 수

구체적으로, 도 8a 및 도 8b 양자에서 예시된 바와 같이 그리고 상기 표에서 주어진 결정된 혈액 글루코오스 값들의 정량화에 의해 나타난 바와 같이, 결정된 혈액 글루코오스 값들의 정확도 및 정밀도는, 혈액 글루코오스 농도를 결정하는 통상의 접근법들을 이용하는 것에 반해 베스트 매치 컬러 좌표 시스템 및 베스트 매치 코딩 함수를 이용할 때 향상될 수도 있다.

참조 번호들의 리스트
110 시스템
112 보정 시스템
114 검출 시스템
116 카메라
118 스마트 폰
119 컴퓨터
120 컴퓨터 네트워크
122 테스트 샘플들의 세트
124 테스트 샘플
126 테스트 엘리먼트들의 세트
128 테스트 엘리먼트
130 테스트 필드
131 샘플
132 컬러 좌표 시스템들의 세트를 제공하는 단계 a.
134 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트를 제공하는 단계 b.
136 테스트 샘플들을 테스트 엘리먼트들의 세트에 적용하고, 각각의 테스트 엘리먼트는 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하기 위해 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드를 가지며, 이에 의해 테스트 샘플들의 각각에 대해 적어도 하나의 착색된 테스트 필드를 형성하는 단계 c.
138 카메라를 이용하여, 착색된 테스트 필드들의 이미지들을 획득하는 단계 d.
140 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들을 이용하여, 착색된 테스트 필드들의 이미지들에 대한 컬러 좌표들을 생성함으로써, 이에 의해 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계 e.
142 코딩 함수들의 세트를 제공하는 단계로서, 그 코딩 함수들의 세트는 테스트 필드의 컬러 좌표들을 샘플에서의 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함하는, 상기 코딩 함수들의 세트를 제공하는 단계 f.
144 코딩 함수들의 세트를 이용하여, 단계 e. 에서 생성된 컬러 좌표들의 세트를 측정된 농도들의 세트로 변환하는 단계 g.
146 측정된 농도들의 세트를 테스트 샘플들의 세트의 알려진 농도들과 비교하고, 측정된 농도들의 세트가 알려진 농도들과 가장 잘 일치하는, 베스트 매치 컬러 좌표 시스템 및 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하는 단계 h.
148 착색된 테스트 필드의 이미지들에 대한 카메라-의존적 컬러 좌표들을 생성하는 단계 e1.
150 제 1 변환 알고리즘을 이용하여, 카메라-의존적 컬러 좌표들을 카메라-독립적 컬러 좌표들로 변환하는 단계 e2.
152 제 2 변환 알고리즘을 이용하여 카메라-독립적 컬러 좌표들을 컬러 좌표 시스템들의 세트의 컬러 좌표 시스템들에 대한 컬러 좌표들로 변환함으로써, 테스트 샘플들에 대한 그리고 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계 e3.

Claims (15)

1. 샘플 (131) 에서 피분석물을 검출하기 위한 카메라 (116) 를 보정하기 위한 보정 방법으로서,
   a. 컬러 좌표 시스템들의 세트를 제공하는 단계로서, 상기 컬러 좌표 시스템들의 세트는 오브젝트의 컬러를 기술하도록 구성된 복수의 상이한 컬러 좌표 시스템들을 포함하는, 상기 컬러 좌표 시스템들의 세트를 제공하는 단계;
   b. 상기 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트 (122) 를 제공하는 단계;
   c. 상기 테스트 샘플들 (124) 을 테스트 엘리먼트들의 세트 (126) 에 적용하고, 각각의 테스트 엘리먼트 (128) 는 상기 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 가지며, 이에 의해 상기 테스트 샘플들 (124) 의 각각에 대해 적어도 하나의 착색된 테스트 필드 (130) 를 형성하는 단계;
   d. 상기 카메라 (116) 를 이용하여, 착색된 테스트 필드들 (130) 의 이미지들을 획득하는 단계;
   e. 상기 컬러 좌표 시스템들의 세트의 상기 컬러 좌표 시스템들을 이용하여 상기 착색된 테스트 필드들 (130) 의 상기 이미지들에 대한 컬러 좌표들을 생성함으로써, 상기 테스트 샘플들 (124) 에 대한 그리고 상기 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계;
   f. 코딩 함수들의 세트를 제공하는 단계로서, 상기 코딩 함수들의 세트는 테스트 필드 (130) 의 컬러 좌표들을 상기 샘플에서의 상기 피분석물의 대응하는 농도로 변환하기 위한 복수의 코딩 함수들을 포함하는, 상기 코딩 함수들의 세트를 제공하는 단계;
   g. 상기 코딩 함수들의 세트를 이용하여, 단계 e. 에서 생성된 상기 컬러 좌표들의 세트를 측정된 농도들의 세트로 변환하는 단계; 및
   h. 상기 측정된 농도들의 세트를 상기 테스트 샘플들의 세트 (122) 의 상기 테스트 샘플들 (124) 의 상기 알려진 농도들과 비교하고, 상기 측정된 농도들의 세트가 상기 알려진 농도들과 가장 잘 일치하는, 상기 컬러 좌표 시스템들의 세트의 베스트 매치 컬러 좌표 시스템 및 상기 코딩 함수들의 세트의 베스트 매치 코딩 함수를 결정하는 단계를 포함하는, 보정 방법.
2. 제 1 항에 있어서,
   상기 카메라 (116) 는 스마트 폰 카메라인, 보정 방법.
3. 제 1 항 또는 제 2 항에 있어서,
   상기 컬러 좌표 시스템들의 세트는 컬러 좌표들을 변환하기 위한 파라미터화된 함수들의 세트에 의해 정의되고, 상기 파라미터화된 함수들의 파라미터들의 세트는 상기 컬러 좌표 시스템들의 각각을 특성화하는, 보정 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   단계 e. 는,
   e1. 상기 착색된 테스트 필드 (130) 의 상기 이미지들에 대한 카메라-의존적 컬러 좌표들을 생성하는 단계;
   e2. 제 1 변환 알고리즘을 이용하여, 상기 카메라-의존적 컬러 좌표들을 카메라-독립적 컬러 좌표들로 변환하는 단계;
   e3. 제 2 변환 알고리즘을 이용하여 상기 카메라-독립적 컬러 좌표들을 상기 컬러 좌표 시스템들의 세트의 상기 컬러 좌표 시스템들에 대한 컬러 좌표들로 변환함으로써, 상기 테스트 샘플들 (124) 에 대한 그리고 상기 컬러 좌표 시스템들에 대한 컬러 좌표들의 세트를 형성하는 단계를 포함하는, 보정 방법.
5. 제 4 항에 있어서,
   상기 제 2 변환 알고리즘은, 파라미터화된 함수들들 이용하여 상기 카메라-독립적 컬러 좌표들을 상기 컬러 좌표들의 세트의 상기 컬러 좌표들로 변환하는 것을 포함하는, 보정 방법.
6. 제 5 항에 있어서,
   상기 제 2 변환 알고리즘은, 다음과 같은 파라미터화된 함수들을 이용하여 상기 카메라-독립적 컬러 좌표들 (X, Y, Z) 을 상기 컬러 좌표들의 세트 (F, m, b) 로 변환하는 것을 포함하는, 보정 방법.
   

   

   
   여기서,
   

   

   
   그리고 여기서, P₁-P₁₁ 는 파라미터들임.
7. 제 4 항 내지 제 6 항 중 어느 한 항에 있어서,
   상기 카메라-독립적 컬러 좌표들은 인간 눈의 감도에 기초한 컬러 좌표들이고, 상기 카메라-독립적 컬러 좌표들은 삼자극 값들이며, 상기 제 2 변환 알고리즘은 상기 테스트 필드들의 조도를 고려하고, 조도-의존적 컬러 좌표들 (F, m, b) 은 다음과 같은 식들 중 하나 이상을 이용하여 상대적 컬러 좌표들 (F_rel, m_rel, b_rel) 로 변환되는, 보정 방법.
   

   

   
   여기서, (F_R, m_R, b_R) 는 조명된 레퍼런스 필드의 이미지로부터 도출된 컬러 좌표들임.
8. 제 4 항 내지 제 7 항 중 어느 한 항에 있어서,
   상기 제 1 변환 알고리즘은 알려진 카메라-독립적 컬러 좌표들을 갖는 적어도 하나의 레퍼런스 컬러 필드의 적어도 하나의 이미지를 획득함으로써 카메라 보정 프로세스에서 결정되는, 보정 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
   단계 h. 는, 농도들의 미리결정된 측정 범위에 걸쳐, 등거리 농도들의 샘플들은 본질적으로 등거리의 컬러 차이들을 갖는 상기 베스트 매치 컬러 좌표 시스템에서의 컬러 좌표들을 초래하도록 수행되는, 보정 방법.
10. 샘플 (131) 에서 피분석물을 검출하기 위한 검출 방법으로서, 상기 방법은,
    A. 카메라 (116) 를 제공하는 단계;
    B. 청구항 제 1 항 내지 제 9 항 중 어느 한 항에 따른 상기 보정 방법을 이용하여 상기 카메라 (116) 를 보정하는 단계;
    C. 상기 샘플 (131) 을 테스트 엘리먼트 (128) 에 적용하고, 상기 테스트 엘리먼트 (128) 는 상기 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 가지며, 이에 의해 상기 샘플 (131) 에 대해 적어도 하나의 착색된 테스트 필드 (130) 를 형성하는 단계;
    D. 상기 적어도 하나의 착색된 테스트 필드 (130) 의 적어도 하나의 이미지를 획득하는 단계;
    E. 상기 베스트 매치 컬러 좌표 시스템을 이용하여 상기 테스트 필드 (130) 의 컬러 좌표들을 생성하는 단계;
    F. 베스트 매치 코딩 함수를 이용하여 상기 컬러 좌표들을 상기 샘플 (131) 에서의 상기 피분석물의 측정 농도로 변환하는 단계를 포함하는, 검출 방법.
11. 제 10 항에 있어서,
    단계들 C. - F. 은 반복적으로 수행되고, 여기서, 단계 B. 는 단계들 C. - F. 의 복수의 반복들에 대해 처음에 오직 한번 또는 단계들 C. - F. 을 수행하기 전에 매번 중 어느 일방으로 수행되는, 검출 방법.
12. 카메라 (116) 를 이용하여 샘플 (131) 에서 피분석물을 검출할 목적으로 상기 카메라 (116) 를 보정하기 위한 보정 시스템 (112) 으로서,
    상기 보정 시스템 (112) 은 적어도 하나의 컴퓨터 (119) 또는 컴퓨터 네트워크 (120), 상기 피분석물의 알려진 농도들을 갖는 테스트 샘플들의 세트 (122) 및 테스트 엘리먼트들의 세트 (126) 를 포함하고, 각각의 테스트 엘리먼트 (128) 는 적어도 하나의 테스트 필드 (130) 를 가지고, 상기 보정 시스템 (112) 은 청구항 제 1 항 내지 제 9 항 중 어느 한 항에 따른 보정 방법을 수행하도록 구성되는, 보정 시스템.
13. 피분석물과의 광학적으로 검출가능한 검출 반응을 수행하도록 구성된 적어도 하나의 테스트 화학물질을 포함하는 적어도 하나의 테스트 필드 (130) 를 갖는 적어도 하나의 테스트 엘리먼트 (128) 를 이용하여 샘플 (131) 에서 상기 피분석물을 검출하기 위한 검출 시스템 (114) 으로서,
    상기 검출 시스템 (114) 은 적어도 하나의 카메라 (116) 를 포함하고, 상기 검출 시스템 (114) 은 적어도 하나의 컴퓨터 (119) 또는 컴퓨터 네트워크 (120), 적어도 하나의 샘플 (131) 및 적어도 하나의 테스트 엘리먼트 (128) 를 포함하고, 상기 테스트 엘리먼트 (128) 는 적어도 하나의 테스트 필드 (130) 를 가지고, 상기 검출 시스템 (114) 은 청구항 제 10 항 또는 제 11 항에 따른 검출 방법을 수행하도록 구성되는, 검출 시스템.
14. 샘플에서 피분석물을 검출하기 위한 시스템 (110) 으로서, 청구항 제 12 항에 따른 상기 보정 시스템 (112) 및 청구항 제 13 항에 따른 상기 검출 시스템 (114) 을 포함하는, 샘플에서 피분석물을 검출하기 위한 시스템.
15. 명령들을 포함하는 컴퓨터 프로그램으로서,
    상기 명령들은, 상기 컴퓨터 프로그램이 청구항 제 12 항의 상기 보정 시스템 (112) 에 의해서 또는 청구항 제 13 항의 상기 검출 시스템 (114) 에 의해서 실행될 때, 청구항 제 12 항의 상기 보정 시스템 (112) 또는 청구항 제 13 항의 상기 검출 시스템 (114) 으로 하여금, 청구항 제 1 항 내지 제 9 항 중 어느 한 항에 따른 상기 보정 방법의 또는 청구항 제 10 항 또는 제 11 항에 따른 상기 검출 방법의 단계들을 각각 수행하게 하는, 컴퓨터 프로그램.

Images