本申请基于并且要求于2016年1月4日提交的第62/274,689号美国申请以及于2016年9月30日提交的第62/402,253号美国申请的优先权，两件美国申请的全部内容通过引用并入本文。本公开涉及一种系统和方法，用于基于在用户的位置处的uv暴露的检测和关于特定用户的具体信息来为特定用户确定uv暴露的量。
背景技术：
：过量的紫外线（uv）辐射对皮肤、眼睛和免疫系统有急性和慢性影响。uv辐射的个人化监测因而对于测量个人太阳暴露的程度至关重要，个人太阳暴露的程度可能随着环境、生活方式和防晒霜的使用而变化。uv辐射对于维生素d的产生是必要的，并且对于人类健康是有益的，但是即使在uv暴露结束很长时间后，过度暴露于uv也有许多相关联的风险因素，包括皮肤癌和光老化。过量的uva和uvb暴露的急性影响通常是短暂且可逆的。这样的影响包括红斑、色素变黑和晒伤。甚至对亚红斑uv剂量的延长的暴露导致表皮变厚以及角化细胞、弹性蛋白、胶原和血管的退化，因而导致皮肤过早老化。临床症状通常包括皱纹增加和弹性丧失。研究还已经示出：uva和uvb辐射两者都具有局部和全身免疫抑制特性，这被认为是皮肤癌发展的重要促成因素。uv诱导的dna损伤是发展所有类型的皮肤癌（包括黑素瘤、非黑素瘤皮肤癌、基底细胞癌和鳞状细胞癌）的重要因素。uva和uvb两者都由空气、气溶胶和云强烈散射。对于高的太阳角度，当大多数uv到达时，云效应在uva和uvb波长处相似；然而，对于低的太阳条件，uvb衰减趋于更强。与uvb不同，uva穿透玻璃窗，并且因此即使在室内环境下也可导致过量的uv暴露。另外，uva容易穿过臭氧层，导致太阳光谱的uva部分在地球表面处强度较高。因此连续的防晒霜保护和个人uv暴露的监测对于更好地保护皮肤和预防皮肤癌至关重要。然而，传统的可穿戴设备是刚性的、笨重的，并且与防晒霜不兼容。技术实现要素：在实施例中，提供一种被配置成测量紫外线（uv）辐射暴露的设备，包括：表面，其包括多个不同部分，每个部分对uv辐射暴露有不同的敏感度，其中多个不同部分中的每一个被配置成响应于uv辐射暴露而显示不同颜色。在实施例中，多个不同部分包括沉积在其上的不同的uv响应化学品。在实施例中，uv响应化学品是uv响应油墨。在实施例中，多个不同部分包括不同的uv响应电气元件。在实施例中，区域显示多个不同的固定参考颜色以各自指示不同的对应uv暴露等级。在替代实施例中，提供一种用于确定个人紫外线（uv）辐射测量的系统，包括：测量设备，被配置成测量uv照射；以及终端设备，被配置成接收或捕获从测量设备测量的uv照射的输出，并且至少基于测量的太阳照射和具体用户的皮肤类型的信息来确定具体用户的个人uv暴露风险等级。在实施例中，测量设备包括表面，表面包括多个不同部分，每个部分对uv辐射暴露有不同的敏感度，其中多个不同部分中的每一个被配置成响应于uv辐射暴露而显示不同颜色，并且终端设备包括：图像捕获设备，被配置成捕获多个不同部分的图像作为测量的uv辐射的捕获的输出，以及处理线路，被配置成基于执行捕获的图像的图像分析来确定测量的uv辐射。在实施例中，终端设备被配置成：至少基于用户的皮肤类型的信息和测量的uv照射而从外部设备接收用于具体用户的个人uv剂量的量的信息。在实施例中，终端设备被配置成：基于确定的具体用户的个人uv暴露风险等级而输出推荐的保护方法。在实施例中，提供一种用于确定个人紫外线（uv）辐射测量的系统，包括：测量设备，被配置成测量uv照射；以及终端设备，被配置成接收或捕获从测量设备测量的uv照射的输出，并且至少基于测量的太阳照射和具体用户的皮肤类型的信息来确定具体用户的个人uv暴露风险等级。在实施例中，测量设备包括表面，表面包括多个不同部分，每个部分对uv辐射暴露有不同的敏感度，其中多个不同部分中的每一个被配置成响应于uv辐射暴露而显示不同颜色，并且终端设备包括：图像捕获设备，被配置成捕获多个不同部分的图像作为测量的uv辐射的捕获的输出，以及处理线路，被配置成基于执行捕获的图像的图像分析来确定测量的uv辐射。在实施例中，终端设备被配置成：至少基于用户的皮肤类型的信息和测量的uv照射而从外部设备接收用于具体用户的个人uv剂量的量的信息。在实施例中，多个不同部分包括沉积在其上的不同的uv响应化学品。在实施例中，uv响应化学品是uv响应油墨。在实施例中，多个不同部分包括不同的uv响应电气元件。在实施例中，图像分析包括以下中的至少一个：a）形状识别和特征定位算法；b）照明条件校正算法；c）颜色量化算法；以及d）uv剂量确定算法。附图说明专利或申请文件至少包含一张彩色绘图。具有一张或多张彩色绘图的本专利或专利申请出版物的副本将由政府机关根据要求提供并支付必要的费用。图1图示用于个人uv暴露测量的系统。图2提供关于系统的附加细节。图3a和3b图示在系统中执行的一系列过程。图4示出在执行所有分析之后用户界面的输出。图5示出用于uv贴片的每个正方形的颜色的参考值的示例。图6示出某些正方形随着uv暴露的增加而颜色变化的示例。图7示出对应于不同uv值的uv贴片示例。图8示出uv传感器结构。（a）uv传感器的构造（从顶部到底部）：有粘合剂的保护衬垫，有印刷uv油墨的可渗透聚氨酯（tpu，16μm），uv阻隔剂和参考颜色，顶部皮肤粘合剂层（25μm），nfc天线（黄色，18μm）和聚酰亚胺膜（pi，12.7μm），nfc标签（0.5mm），聚对苯二甲酸乙二醇酯层（pet，12μm），底部皮肤粘合剂层（25μm）和底部衬垫。（b）uv传感器贴片的前面。（c）uv传感器贴片的背面。bar=10mm。（d）将uv传感器贴片戴在一个人的手背上。（e）使用myuvpatch应用程序读取uv传感器贴片。图9示出uv传感器颜色变化和颜色变化量化的机制。（a）uv传感器贴片由一系列参考颜色1至10、uv可变油墨正方形11至16以及uv可逆油墨正方形17和18组成。参考颜色1-10在其暴露于uv辐射时对应于不同颜色的uv油墨正方形。（b）当暴露于uva辐射时，六个uv敏感油墨正方形以截然不同的速率改变颜色，其中正方形11是最敏感的，而正方形16是最不敏感的。在cielab颜色空间中量化颜色变化。（c）示意图示出暴露于uva辐射之前和之后的uv传感器贴片。图10示出应用程序算法流程图。图11示出表1（个人uv日照度（dailysunstock））和表2（个人uv风险确定）。图12示出uv贴片和scienterrauv剂量计的比较。图13示出uv贴片的临床评估。（a）研究受试者在正常的城市和海滩活动期间戴uv贴片和scienterra剂量计。两个设备在uv剂量测量中都示出一致。（b）研究受试者进行受控活动：在指定方向上单列步行。在早上、下午和晚上重复活动。每个研究受试者都戴一个scienterra剂量计和两个uv贴片：一个没有防晒霜，而另一个在其上涂抹有防晒霜。电子剂量计和没有防晒霜的uv贴片二者都示出一致的结果。覆盖有防晒霜的贴片示出测量的uv辐射的显著减少。图14示出在贴片图像分析、scienterra剂量计和移动应用程序之间的uv读数的比较。由贴片图片分析的uva读数示出与scienterra剂量计读数的良好的相关性，这验证uv传感器图像技术（b）。当在贴片图片分析与应用程序读取之间比较时，它仍然示出良好的相关性，但是对改善的用户体验的快速贴片扫描要求影响数据质量（b）。在scienterra剂量计与应用程序读数（c）之间示出相似的结果。全部uv剂量示出scienterra剂量计与贴片图片分析（d）之间的良好的相关性。示出95％的预测椭圆。三个测量之间的强相关性进一步验证传感器系统。图15示出世界平均uv暴露的示例。（a）基于从2016年6月6日至2016年8月18日的myuvpatch应用程序用户数据，生成世界平均uv暴露（图7a）。放大地图被示为用于美国大陆（b）和欧洲的部分（c）。贡献数据的国家和州用黄色至红色来标记，通过将uv暴露归一化到0（最小uv暴露，黄色）与1（最大uv暴露，红色）之间的范围而生成彩色地图。具体实施方式图1示出用于个人uv暴露测量的系统100。可以看到：该系统包括可在不同地理位置处的一个或多个测量设备101。每个设备101可连接到用户设备102，用户设备102可以是计算机、平板电脑、个人数字助理或智能手机。设备101在整个该说明书中可被称为“贴片”，并且其被配置成附着到用户的皮肤表面。用户设备被配置成接收来自用户的关于用户的皮肤类型的输入，以便确定个人uv等级。用户设备还被配置成接收来自诸如uvi分析服务器、天气预报服务器和/或污染分析服务器之类的外部服务器的输入（例如，经由互联网连接）。用户设备被进一步配置成连接到云计算环境，该云计算环境连接到数据分析服务器，用于基于由用户设备根据以上指出的输入提供的信息来为用户确定个性化的uv剂量。例如，基于贴片id、皮肤类型、时间序列数据累积uva暴露、日期/时间/位置信息以及uva到uvb及全部uv的转换中的一个或多个，数据分析服务器可为用户确定个性化的uv剂量。在另一个配置中，基于贴片id、皮肤类型、时间序列数据累积uva暴露、日期/时间/位置信息以及uva到uvb及全部uv的转换中的一个或多个，设备102可为用户确定个性化的uv剂量。图2提供关于系统100的附加细节。图2图示测量设备101可由一系列具有不同敏感度的uv响应油墨以及对应的一组用于数据解释的参考颜色组成。uv响应油墨的非限制性示例是spectragrouplimited的cr234-bt2b。然而，实施例不限于使用化学uv检测元件，并且设备101可使用诸如uv二极管或光电二极管之类的电uv响应元件。图2进一步图示设备102可用提供个性化的uv暴露“教练（coach）”的移动软件来编程，该个性化的uv暴露“教练”提供图像识别、选择和处理；全部uv暴露；基于皮肤类型和uv强度的uv暴露风险等级；时间序列uv暴露跟踪器；以及防晒顾问中的一个或多个。该系统的操作如下。由太阳所询问，设备101通过化学或电学变化来测量由于太阳照射的变化。移动设备102用于读取这样的变化并转换为uv剂量。用户使用移动设备与云/服务器通信以上传个人信息并下载用于个人uv计算的信息。云/服务器收集包括日期、时间、位置、皮肤类型和uv（uva，uvb，uvi等级）的个性化信息。图3a-3b图示系统中执行的一系列过程。在图3a中所示的“感测”阶段i中，通过用智能手机102扫描设备101/贴片上的nfc标签来获得贴片/用户id。该系统允许通过扫描不同的贴片而用相同的智能手机跟踪多个用户。然后，通过智能手机图像捕获设备（相机）功能来获得相应贴片的图像。智能手机被配置成通过分析重复性并拒绝不可靠的图像来执行质量控制。智能手机例如被配置成提取在某个容差和平均值内的3幅图像。智能手机被进一步配置成通过校正失真、反射、不均匀照明、白平衡或印刷伪像来对捕获的贴片图像执行图像校正。智能手机被进一步配置成执行图像分析。例如，图像分析可以用于通过定位贴片上的参考颜色、分析质量控制的线性度以及校正非线性度来提供质量控制。更具体地，智能手机执行图像分析以定位目标颜色，将目标颜色和参考颜色比较，并使用预定的uv/颜色校准来获得uv值。图3b的阶段ii示出uva/uvb转换的算法，其考虑不同的因素，例如臭氧气候学；太阳天顶角（sza）、仰角和气溶胶气候学，其中的每一个都可基于设备101的纬度、经度和日期/时间中的一个或多个。图4的阶段iii示出在执行所有分析之后用户界面的输出。例如，输出可指示用户的uv暴露是否被认为是安全的，是否推荐具有某个spf的防晒霜，或者在给定的日子uv等级是高还是低。现在下面提供由系统执行的方法的更详细的描述。uv设备第1部分：提取颜色变化一般描述：输入是由蜂窝电话相机拍摄的图片。每个正方形的颜色（参见图5）被表示在ciel*a*b空间中（表示为l，a，b），其中a值用于量化。值是连续数字，格式为双精度浮点。正方形1至10是参考颜色，a值从1增加到10（a1<a2<a3<a4<a5<a6<a7<a8<a9<a10）。正方形11至16是uv可变颜色（也参见图6），其中a11>=a12>=a13>=a14>=a15>=a16，a10>=a11，a12，a13，a14，a15，a16>=a1。正方形17和18是可逆的uv可变颜色，a10<=a17，a18<=a1。a11-a16将与a1-a10比较，并找到匹配，ai-δ<=aj<=ai+δ，（j=11，12，…，16，i=1，2，…，10，δ等于或小于两个相邻颜色之间的偏差的一半）。输出是uv暴露，其由如下的查找表预定：a1a2a3a4a5a6a7a8a9a10a11uv11,1uv11,2uv11,3uv11,4uv11,5uv11,6uv11,7uv11,8uv11,9uv11,10a12uv12,1uv12,2uv12,3uv12,4uv12,5uv12,6uv12,7uv12,8uv12,9uv12,10a13uv13,1uv13,2uv13,3uv13,4uv13,5uv13,6uv13,7uv13,8uv13,9uv13,10a14uv14,1uv14,2uv14,3uv14,4uv14,5uv14,6uv14,7uv14,8uv14,9uv14,10a15uv15,1uv15,2uv15,3uv15,4uv15,5uv15,6uv15,7uv15,8uv15,9uv15,10a16uv16,1uv16,2uv16,3uv16,4uv16,5uv16,6uv16,7uv16,8uv16,9uv16,10其中uvj,i是连续数字，格式为双精度浮点。（j=11，12，…，16，i=1，2，3，…，10）。对于正方形11至16，读数将是uv11,i11；uv12,i12；uv13,i13；uv14,i14；uv15,i15；uv16,i16。最终的输出uv值将是uv11,i11；uv12,i12；uv13,i13；uv14,i14；uv15,i15；uv16,i16的交集。以下描述具体计算。协议：1.使用来自相机的自动对焦功能来拍摄清晰的图片2.从图像提取“心脏”，将图像重新缩放到预先存在的模板，定位参考颜色a.为将在框内的“心脏”突出显示框b.如果它不能提取“心脏”，它请求重新拍摄图像3.预处理图像：白平衡校正，并识别光源4.读取参考颜色（1-10）l，a，b值（均值）a1，a2，a3，a4，a5，a6，a7，a8，a9，a10，用预先存储的标准值运行l，a，b值的线性化。值是连续数字，格式为双精度浮点。在图片1中，它们是128，129，134，136，139，141，145，147，151，153。a.如果存在太多异常值，图片不被均匀地照亮，请求重新拍摄图像。b.a1<a2<a3<a4<a5<a6<a7<a8<a9<a10，如果不是，图片过度暴光或暴光不足。uv设备第2部分：将颜色变化转换为uva和uvb的算法5.如下提取预定的查找表：uv（单位：mj/m2）a1a2a3a4a5a6a7a8a9a10a1100.00050.0010.00150.0020.00250.0030.00350.0040.005a1200.0050.0060.0080.010.0120.0140.0160.0180.02a1300.010.020.030.0350.040.0450.050.0550.06a1400.030.060.080.10.120.140.160.180.2a1500.10.20.30.350.40.450.50.550.6a1600.30.60.70.750.80.850.90.9516.读取uv可变值（11-16）l，a，b值（均值），a11，a12，a13，a14，a15，a16，其中a11>=a12>=a13>=a14>=a15>=a16，a10>=a11，a12，a13，a14，a15，a16>=a1，将该值与a1，…，a10比较，并找到匹配，ai-δ<=aj<=ai+δ，(j=11，12，…，16，i=1，2，…，10，δ等于或小于两个相邻颜色之间的偏差的一半）。如果aj>=a10，uvj>=uvj,10否则，如果aj<=a2，uvj<=uvj,2否则，如果ai<=aj<=ai+1(i=1，…，9)uvj=uvj,i与uvj,i+1之间的线性插值请参见图7中的测试图像，图片7-1对应于uv0.001，图片7-2对应于uv0.01，图片7-3对应于uv0.1，图片7-4对应于uv0.02，图片7-5对应于uv0.3，图片7-6对应于uv0.005，图片7-7对应于uv0.05，图片7-8对应于uv0.5，图片7-9对应于uv0.8，图片7-10对应于uv1.2（应当具有>=1的读数）7.在理想条件下，uv11,i11；uv12,i12；uv13,i13；uv14,i14；uv15,i15；uv16,i16创建有交集的6个区域，该交集是最终的uv读数。如果发生冲突，通过一次丢弃一个来找到异常值。如果解决了冲突，使用5个范围来找到交集。如果存在不止1个可能性，还将所有的解决方案与先前的时间点比较，如果新的数字>=先前的数字，其是有效答案，如果不止1个解决方案有效，获得中间值作为解决方案。如果冲突仍然发生，通过一次丢弃两个来找到异常值。如果解决为了冲突，使用4个范围来找到交集。还与先前的时间点比较，如果新的数字>=先前的数字，其是有效答案。如果冲突仍然发生，通过一次丢弃三个来找到异常值。现在将6个范围分成两个分组，与先前的时间点比较，如果新的数字>=先前的数字，其是有效答案，否则，它给出警告消息“不可靠的测量”，并请求重新拍摄图片。8.存储最终的uva值。a部分：用于转换的核心算法这部分算法的目的是使用测量的uva值来获得uvb测量，如图3b中所图示。从以上列出的算法第1部分中获得uva值。1.uva与uvb之间的转换可通过如下的查找表来实现。2.为了获得uvi，上表使用臭氧和sza，附加因素包括仰角、气溶胶条件和云条件。可在随后的版本中包括附加因素。3.从纬度、经度和日期计算臭氧。臭氧也可以通过历史数据、使用臭氧气候学获得（不太精确）。4.计算针对给定日期、时间、纬度和经度的太阳天顶角。源代码信息：（www.planet-source-code.com/vb/scripts/showcode.asptxtcodeid=43299&lngwid=1）。5.通过gps位置获得纬度、经度、仰角。6.通过与蜂窝电话时钟和时区同步获得时间、日期。b部分：移动软件（应用程序（app））算法1.扫描贴片a.如果电话具有nfc读取器，记录nfc标签信息b.如果电话没有nfc读取器，拍摄图片。2.获取gps位置文件、时间戳和时区。a.记录gps位置（纬度、经度、仰角）。如果gps位置不可用，使用先前的gps位置，显示更新位置的提醒。b.在无法获取gps位置的情况下，应用程序将使用上次存储的gps位置，并示出估计的计算。c.记录时区和时间（分钟/小时/日/月/年）。d.时间/日期戳应当关于utc（即gmt）。noaa文件上的所有时间/日期戳都以utc（即gmt）。这将在整个应用程序上一致。3.计算针对给定日期、时间、纬度和经度的太阳天顶角。源代码信息：（www.planet-sourcecode.com/vb/scripts/showcode.asptxtcodeid=43299&lngwid=1）。4.臭氧信息可从下载noaa相关的grib2文件的web服务获得，将grib2文件转换为可读格式，并解析用于msf下载的臭氧信息。为了获得正确的臭氧信息，需要的是：1.时区2.纬度3.经度。用于臭氧文件的选择的程序1.转换为utc。2.如果utc时间晚于05:00，则文件刚刚更新。选择当天版本。3.如果utc时间早于05:00，则文件昨天被最后更新。选择昨天的版本，但你获得的文件的时间戳需要+24小时来计及一天的差异。离线模式：1.由应用程序下载的臭氧文件包含当地时间的3天预报（它们是12小时（中午），60小时（第3天）和108小时（第5天）。2.为了找到正确的文件，你需要使用时区信息。3.在离线模式下，应用程序将使用来自最后存储的臭氧文件的值（关于第1、3、5天的3天预报）。a.预报关于第1、3、5天。第1天和第2天将使用第1天的值，第3天和第4天将使用第4天的值，第5天和第6天将使用第5天的值。b.如果日期在预报范围外，应用程序将基于最近的时间来运行计算，但是在离线模式下显示估计的值。c.在示例文件中，第一行给出预报日期（utc），并且文件名包括在它适用的utc之后的小时数（例如，在这种情况下为00小时）。输出为每行10个值，具有6516行，使得对应于360x181的矩阵。）。第一个值在经度=0，第二个在东经1度，接下来的36行用于纬度90n（并且都是相同的），从接下来的36行开始用于纬度89n等...最后36行是用于纬度90s。第一个值在经度=0，第二个在东经1度。用于臭氧文件的选择的程序a.将当前时间转换为utc时间和日期（utc=gmt）。b.检查存在具有用于该日期的00gmt预报文件的文件夹（如果utc时间晚于04:50（每天创建文件的时间），则文件应当刚刚更新，否则你将需要使用前一天生成的预报）。c.使用转换（经度/15度），为当前经度选择对应于中午的最近3小时版本。示例城市gmt00的西经从gmt00延迟的小时数如果存在今天的文件（在04:50amutc00之后的时间戳）得到（*）的中午预报时间如果不存在今天的文件（在04:50amutc00之前的时间戳）得到前一天（**）的中午预报时间伦敦00012，060，108036，084，132新奥尔良9090/15=6018，066，114042，090，138新西兰奥克兰180180/15=12000，048，096024，072，120加尔各答270270/15=18006，054，102030，078，126柏林36024=00012，060，108036，084，132*：这些是在ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/gfs.2015110500/gfs.t00z.pgrb2.1p00.ffff中的fff**：这些是在ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/gfs.2015110400/gfs.t00z.pgrb2.1p00.ffff中的fff。5.可以通过查找表实现uva与uvb之间的转换。6.可以造成损伤与否的uvb和uva剂量的定义。对于uvb部分•基于med定义不同等级•风险剂量已被示为0.5med，安全剂量可能被定义为0.25med，并且太高剂量可能被定义为1med•med可以用纯uvb或全部uv（uvb+uva）（mj/cm²）来表示•取决于光类型（phototype）来调整剂量。•用于光类型i的最低风险uv剂量为1835mj/cm²（大约100mj/cm²uvb和1700mj/cm²uva），这意味着贴片应当对2000mj/cm²的剂量敏感。对于uva部分•不同等级基于能够诱发损伤的uva剂量阈值•uva剂量以mj/cm²表示•危险剂量已被示为15000mj/cm²，安全剂量可能被定义为7500mj/cm²，并且太高剂量可能被定义为20000mj/cm²•不存在光类型的调整（无显著差异）。上述系统和算法可以适用于可由测量设备101提供的其它形式的输入（例如，其它化学、电化学、电气的，等等）。uv贴片传感器附加细节尽管以上描述全部系统和算法，但以下是根据实施例的uv贴片的详细描述。在这里，我们展示测量个人uv剂量的超低模量、可拉伸的皮肤安装的uv贴片。该贴片包含超薄可拉伸电子设备的功能层以及与uv光反应的光敏图案染料。光敏染料中的颜色变化对应于uv光强度，并且用智能手机相机来分析。智能手机上的软件应用程序具有检测和量化颜色变化的特征识别、照明条件校正和量化算法。然后将这些颜色变化与uv剂量的对应偏移关联，并与现有的uv剂量风险等级比较。uv贴片的软结构允许在防晒霜和水的存在下穿戴多天。两项临床研究用于展示在每日活动期间在有和没有防晒霜涂抹下uv贴片的效用。以上指出：传统的可穿戴设备是刚性的、笨重的，并且与防晒霜不兼容。最近在材料和电源管理中的开发使得集成传感器系统能够以更紧凑的形式。在这里，我们报告关于用于个人uv暴露的精确量化和防晒霜保护的量化的可穿戴、超薄、可拉伸和透气的uv传感器的设计和开发。超薄贴片结构和弹性特性允许与皮肤保持等角接触并连续穿戴长达5天。该贴片是润肤和防晒霜兼容的，允许皮肤护理产品和防晒霜涂抹。它包含在uv辐射暴露时改变颜色的染料。该颜色变化然后使用智能手机应用程序和量化算法来量化。算法使用参考颜色的系统来允许在不同照明条件下颜色变化的精确量化。为了确定个人uv暴露等级并提供精确的个性化推荐，算法考虑许多参数。首先，基于将颜色变化链接到uva辐射量的预定校准表，将颜色变化转换为uva辐射。其次，使用预先计算的查找表计算对应的uvb暴露，该查找表给出转换因子作为大气中臭氧的柱量和太阳天顶角（sza）的函数。确定用户的gps位置，并且基于用户位置和时间，计算sza。经度、纬度和时间也用于从卫星测量中提取预报的臭氧量。我们在两项临床评估研究中测试传感器。第一项研究展示不同现实生活活动中的设备功能性，包括在海洋中游泳、海滩活动、淋浴，以及与防晒霜和护肤产品涂抹的兼容性。它还帮助我们进一步优化和校准设备以用于精确的uv剂量测量。第二项研究展示在受控和现实生活日常活动期间的贴片uv读数精确性。实验结果贴片设计：uv贴片被设计成符合皮肤表面，模仿皮肤机械性能和与防晒霜的相互作用。当贴片附着到皮肤时，它经历与周围皮肤相似的uv辐射。暴露于uv辐射导致贴片颜色变化，这使用智能手机应用程序来量化（图8）。uv感测机构由印在可渗透聚氨酯（tpu）膜上的uv敏感油墨和阻隔剂组成。在tpu下，贴片包含用于与智能手机通信的近场通信（nfc）芯片和铜/聚酰亚胺（pi）天线。聚对苯二甲酸乙二醇酯（pet）的薄层防止nfc和天线直接接触用户的皮肤。在pet层下，存在将uv贴片与皮肤耦合的皮肤粘合剂的薄层（图8a）。uv敏感染料设计和优化当暴露于uv辐射时，贴片改变颜色，这由图像处理算法来量化（图9）。uv贴片由10个参考颜色正方形1至10以及6个不可逆的uv敏感油墨正方形11至16组成（图9a）。优化六个uv可变油墨正方形而以逐渐降低的速率改变颜色，以便覆盖广泛的敏感度范围。这也允许我们平均来自多个正方形的读数以用于更好的数据精确性（图9b）。十个参考颜色分别为蓝色，具有步进为10％的10％至100％的透明度，在相邻颜色之间具有的δe最小值为5（使用国际照明委员会对颜色的距离度量）。在图9c中示出从预暴露到完全暴露于uv的uv传感器贴片。通过量化六个uv可变油墨正方形的颜色变化来测量uva剂量。uv传感器贴片的图像由蜂窝电话应用程序捕获并处理。算法设计应用程序算法被设计成确定用户的皮肤对uv的敏感度。应用程序还确定用户的位置和区域中的uv指数。当用户扫描贴片时，应用程序可以计算用户的个人uv剂量和风险等级，并推荐提供最佳保护和舒适度的防晒霜产品。用于个人uv剂量定量算法包括4个子算法：a）形状识别和特征定位算法；b）照明条件校正算法；c）颜色量化算法；d）uv剂量确定算法（图10）。形状识别：形状识别算法被设计成自动检测贴片形状并校正任何形状失真。然后其确定所有的uv敏感正方形和参考颜色的位置。具体地，第一步是确定是否存在心脏形状及其在图像中的一般位置，这些是通过使用基于haar特征的级联分类器来实现的，所述分类器使用大量的正片图像和负片图像两者来训练。然后将心脏与图像分离。第二步是使用特征匹配来更接近地检测形状，并使用透视控制来进一步校正失真。一旦已经检测到心脏形状上的关键点，然后就使用模板来定位参考颜色正方形和uv敏感油墨正方形。照明纠错：应用程序采用贴片的多次扫描，并且每个扫描都通过质量控制过程，其包括消除具有不均匀照明和不均匀光反射的扫描。然后对图像进行颜色校正并校正白平衡。只有最佳质量的图像才被接受并用于颜色量化。具体地，从每个参考颜色正方形和所有uv敏感油墨正方形中采样颜色。在颜色采样期间，计算用于每个正方形的颜色直方图，并且中心50％的像素颜色仍然用于进一步的处理。该步骤是去除皱纹、光线反射和阴影，导致减少图像中的噪音。然后将从每个参考颜色正方形采样的颜色与由油墨的颜色代码预定的“真实颜色”比较。对每个正方形执行颜色校正，并将相同的校正矩阵应用于其周围的uv敏感油墨正方形。颜色量化：在针对照明条件校正图像之后，算法进行uv敏感染料的颜色的测量，并将其与参考颜色比较。参考颜色与uv敏感染料的颜色接近匹配，并且模拟在不同的uv暴露等级下的uv染料。这允许在不同的照明条件下精确的颜色量化，因为任何特定的照明条件都以相似的程度影响参考颜色和uv染料颜色。在国际照明委员会（commissioninternationaledel'éclairage）（cie）lab颜色空间（l*a*b空间）中处理图像，使用等式1分别计算正方形11-16（uv可变油墨正方形）与正方形1-10（参考颜色正方形）之间的δe，其中i=11，12，13，14，15，16表示uv可变油墨正方形；j=1，2，3，4，5，6，7，8，9，10表示参考颜色正方形。颜色与uva值之间的转换通过校准期间创建的查找表并使用等式2来计算，其中i=11，12，13，14，15，16；j=1，2，3，4，5，6，7，8，9，10。具体地，通过比较δe，uv可变油墨正方形与最接近的参考颜色正方形匹配。在对应于两个最接近的参考颜色（等式2）的uva值之间插值uva。，(等式1)，(等式2)。边界条件和最小扫描频率被设置为图3边界条件和频繁扫描条件。这些是为了进一步去除读取的噪音。uv剂量确定：为了确定用户的个人uv暴露等级并提供精确的推荐，算法考虑许多参数。首先，基于将颜色变化链接到uva辐射的预定校准表，将颜色变化直接转换为uva辐射。其次，使用预先计算的查找表计算对应的uvb暴露，该查找表给出转换因子作为大气中臭氧的柱量和太阳天顶角（sza）的函数。基于gps位置和时间确定sza。用户纬度、经度和时间也用于从卫星测量中提取预报的臭氧量。在该转换中，假定云和气溶胶的影响与在uva和uvb波长处相似。然而应当指出：对于一些有机气溶胶（在人口密集地区普遍存在），uvb区域中的气溶胶消光一般将比uva区域中的大。因而使用该方法预测的uvb将表示上限。从在国家海洋和大气管理局的国家环境预测中心（ncep/noaa）的每日全球臭氧字段中提取臭氧柱量数据（以dobson单位（du）测量，其中1du=2.69×1016个分子每平方厘米）。然后用最大值交叉检查uva和uvb结果，该最大值是基于uvi预报web服务确定的用户位置所期望的。再次，作为臭氧和sza的函数的预先计算的查找表用于关联数量。该过程防止零星和错误的读数。如果互联网连接不可用，用查找表交叉检查结果，该查找表将最大uvi数据与用于在不同地理位置和时间的uva和uvb的对应最大值关联。注意：根据cie，uvb与uva之间的波长阈值为315nm。个人每日安全uv剂量和风险等级基于皮肤光类型和最小红斑剂量（med）计算个人每日安全uv剂量（图11a，表1）。根据fitzpatrick光类型标尺确定皮肤光类型（在当用户第一次打开应用程序时由用户完成的简化的用户调查问卷之上）。对于每个皮肤光类型，最大日安全uv剂量被设置成0.4med，并且基于研究展示：在暴露于0.5med之后可以观察到一定程度的uv诱导皮肤损伤。全天uv暴露的变化速率被定义为“暴露”，并且针对当前和先前贴片扫描之间的时间为每次扫描计算该暴露。其分为3个区域：1）绿色-保持在每日安全uv剂量内的轨道上；2）橙色-有超过每日安全uv剂量的风险；3）红色-uv过度暴露的高风险（图11b，表2）。传感器验证：我们使用电子scienterrauv剂量计作为用于uv贴片校准的参考设备。scienterra剂量计在国家可再生能源实验室（nrel）（美国加利福尼亚州戴维斯）的太阳照射监测站被校准。然后使用具有从300至1800nm的am1.5g光谱的先进波束光学设计a+aa级太阳模拟器模型（advancedbeamopticsdesignclassa+aasolarsimulatormodel）tss-156（美国的oai公司）在自然太阳光下并在人造光下验证贴片。展示uv贴片读数与scienterrauv剂量计读数之间的强相关性（在0至0.6mj/m2的范围处r2=0.99；图12）。然后在两项临床研究中在人类志愿者上进行贴片评估。14个志愿者的前5天研究被设计成测试不同现实生活活动中的设备功能性，包括游泳、海滩活动、淋浴，以及与防晒霜和护肤产品涂抹的兼容性。第二项研究被设计成测试在受控和现实生活日常活动期间的贴片uv读数精确性。受试者在自由海滩活动期间从上午10点至下午2点接收平均0.2593±0.0499mj/m2的uva暴露，并且在由uv传感器贴片应用程序读数测量的自由城市步行期间从下午3点至下午4点接收0.0000±0.0000mj/m2的uva暴露。scienterra剂量计为海滩活动读取相似的值，但是为城市步行读取较高的值，分别是用于海滩活动的0.2479±0.0248mj/m2以及用于城市步行的0.0078±0.0048mj/m2（图13a）。uv传感器贴片与防晒霜兼容。通过uv传感器贴片测量，防晒霜在早晨、下午和晚上的间断uv暴露期间大大降低了uv暴露。没有防晒霜保护，uva暴露分别为在上午11:50、下午2:45和晚上6:13测量的0.0711±0.0215mj/m2、0.1716±0.0581mj/m2、0.1861±0.0600mj/m2。有防晒霜保护，uva暴露分别为0.0021±0.0047mj/m2、0.0061±0.0084mj/m2和0.0111±0.0139mj/m2。我们比较uv剂量计读数和贴片图像分析结果，相似的uva暴露被示为没有防晒霜保护，在上午11:50、下午2：45和下午6：13分别为0.0896±0.0185mj/m2、0.1858±0.0372mj/m2和0.2001±0.372mj/m2。由于scienterra剂量计的限制，可能不测量防晒霜效果（图13b）。然后比较贴片图像、uv剂量计读数和应用程序读数以用于校正。统计分析示出由scienterra剂量计测量的uva与贴片图片分析之间（p<0.0001，r=0.88，n=30）（图14a）、uv传感器贴片应用程序读数与贴片图片分析之间（p<0.0001，r=0.92，n=30）（图6b）、以及scienterra剂量计与uva传感器贴片应用程序读数之间（p<0.0001，r=0.92，n=24）（图14c）的强相关性。包括由scienterra剂量计测量的uva和uvb二者的全部uv剂量高度与贴片图片分析相关（p<0.0001，r=0.87，n=24）（图14d）。示出95％的预测椭圆。在三个测量之间的强相关性进一步验证传感器系统。uv传感器贴片应用程序读数与其它两个测量之间的差异性是由于对改善的用户体验的快速贴片扫描要求。从不同地理位置收集个人uv数据使用蜂窝电话应用程序使得能够大规模地数据可视化。x设备通过larocheposay在x个国家免费发放。在云服务器上收集数据并分析。图15示出基于myuvpatch应用程序用户数据的平均个人uv暴露等级。在每个国家（图15a，15c）和美国的州（图15b）内收集并平均用于每个蜂窝电话设备的最大uv暴露。在2016年6月6日与2016年8月18日期间接收总共来自39个国家和26个美国州的数据，并且对地图进行处理。讨论uv指数（uvi）是常用的国际标准uv测量标尺。uvi表示产生晒伤的uv辐射的强度。它是落在水平表面上的红斑加权照射的缩放版本；因此，它隐含包括天顶角余弦依赖性。对于诸如人类皮肤之类的复杂表面形貌，个人接触可以与水平表面上理想化的辐射情况大不相同。取决于太阳位置和表面方位的几何形状，个人uv暴露可以或者大于或者小于从uvi预测的暴露，有时大于达30％的因子。例如，在多云条件下，真实的uv暴露可以小于uvi的50％。由人类皮肤接收的uv剂量还取决于身体部位（body-site）。例如，大腿上的uv暴露一般小于头部或肩部的顶部上的uv暴露。然而，已经示出：在诸如手腕之类的一些具体部位上的辐射可以被认为是表示平均值。uvi的另一个限制是它对uvb的加权很重，并且存在越来越多的指示uva也对皮肤老化和皮肤癌有贡献的身体数据。而且，与uvb不同，uva辐射可以穿透玻璃窗。太阳光谱的uva部分也具有比uvb高得多的强度（部分由于大气臭氧对uvb的衰减，uva剂量典型地是uvb剂量的20或30倍）。这些因素导致人类皮肤暴露于比uvb剂量高的累积uva剂量。因为uva对晒黑或晒伤的贡献不如uvb多，所以人们往往不知道过量的uva暴露，尤其是在多云天或在室内环境中。另外，uv暴露造成的皮肤损伤并不是立即显而易见。在暴露之后超过12小时可能发生红斑反应，使得普通人难以知道安全的uv辐射量是多少。现代宽带防晒霜提供针对uva以及uvb辐射的有效保护；然而，即使有防晒霜保护，皮肤仍然可以暴露于破坏性uv剂量。因此，在存在和不存在防晒霜时的连续个人uv暴露监测对于更好的皮肤保护和预防皮肤癌至关重要。该项目的目标是设计和开发一种低成本、可穿戴的uv传感器，用于个人uv暴露和由防晒霜保护的程度的精确量化。myuv贴片提供有或没有涂抹的防晒霜的连续个人uv暴露监测，并为用户提供对更好的uv保护的推荐。它是可拉伸的，透气的，并具有与人类皮肤相似的机械性能。用户可以与在身体的其它部位涂抹防晒霜相同的方式在贴片上涂抹防晒霜。贴片然后有助于提供关于防晒霜减少了多少用户uv暴露的信息。我们进行展示传感器使用多功能性和数据精确性的两项临床研究。即使在暴露于海水、高温高湿、过量出汗、护肤品和防晒霜之后，贴片也维持精确的读数。事实上，贴片的主要优点是它能够在存在防晒霜时测量uv剂量，因此在用防晒霜保护时提供用户的uv暴露的直接测量。我们评估针对scienterra电子剂量计的贴片读数精确性，该scienterra电子剂量计已广泛应用在涉及个人uv暴露的研究中。贴片比色分析示出与scienterra设备的良好的相关性。最终测试通过2016年7月向公众广泛发放该设备以及分析所得的数据。通过larocheposay向全球国家免费发放许多贴片。这允许我们获取关于不同地理位置中的每日个人uv剂量的数据，并将它们与这些位置（图15）中的防晒霜用法和uvi关联。方法印刷使用滚筒印刷将参考颜色印刷在tpu膜（台湾的dingzing先进材料公司）上。然后使用具有网目尺寸范围为110至380μm的丝网印刷来印刷uv油墨和阻隔剂（美国的spectragroup公司）。tpu膜下方是近场通信天线（nxp半导体）。贴片中使用的粘合剂是医用级（美国的flexcon公司）。校准方法为了校准uv染料的响应，首先在自然太阳光下用太阳uv辐射校准uv传感器贴片。太阳uv辐射由电子uv辐射剂量计（新西兰的scienterra公司）测量。针对在由国家可再生能源实验室（nrel）的uv-b监测和研究计划中的太阳照射监测站处的仪器预校准scienterra剂量计。还在旧金山的几个晴天使用对流层紫外和可见（tuv）辐射模型将scienterra剂量计与辐射传输计算相比较。在开发过程期间，大批uv传感器贴片暴露于具有从300至1800nm的am1.5g光谱的先进波束光学设计a+aa级太阳模拟器模型（advancedbeamopticsdesignclassa+aasolarsimulatormodel）tss-156（美国的oai公司）。uv强度使用oai308meter和365nm探针（美国的oai公司）来测量并保持恒定。uv传感器贴片的图像由尼康d5100数码相机（美国的尼康公司）捕获。使用matlab例程（美国的mathworks公司）处理图像。比较uv传感器贴片在太阳模拟器暴露与自然太阳光暴露之间的响应曲线以实现一致性。软件在开发过程期间，用matlab编写图像处理算法。然后为android和ios应用程序两者使用具有opencv库的c/c++来实现图像处理算法。为ios用objective-c并且为android用java来编写图像处理的部分。世界uv地图的可视化通过使用javascript、node.js、require.js、hmtl和css在内部构建（buildinhouse）的定制web框架来实现。临床研究协议具有根据fitzpatrick分类[19]的皮肤光类型iv-vi、在调查区域具有完整的健康皮肤的健康志愿者由美国德克萨斯州的hilltopresearch筛选和招募。在研究的每一天，包括前臂内侧、手腕和手背的调查区域用异丙醇贴片轻轻地清洁。在贴片应用之前和在贴片去除之后拍摄调查区域的图片以评估皮肤刺激。每位受试者分别在其左手背上戴一个贴片，在右手背上戴一个贴片并且在前臂内侧上戴一个贴片。每位受试者在他们的手腕上戴uvascienterra剂量计和uvbscienterra剂量计。为多日连续测量保持手背上的贴片，而每天更换前臂内侧上的贴片。在佛罗里达州圣彼得堡进行贴片评估研究。在第1天，受试者分别在早上、在中午和在下午沿着预设路线行走达4英里。在第2天，受试者进行海滩活动达两小时，并且随后按照预定路线进行自由城市步行达一小时。在第3天，受试者重复第1天的活动，其中在皮肤上以及在uv传感器贴片之一上涂抹larocheposayanthelios30防晒霜。受试者用预安装的智能手机应用程序扫描贴片。同时，贴片图片也由训练有素的指导员拍摄。比较贴片图像、uv剂量计读数和应用程序读数。临床研究协议由机构审查委员会（irb）批准。统计分析时间描述符的散点图矩阵允许成对关系的可视化。相关联的pearson相关系数被显示为表格或热图表示。已经使用美国北卡罗来纳州卡雷的sas研究所公司的sas统计软件版本9.3以及jmp统计软件版本10.0（jmp是sas研究所的商标）来执行所有统计分析。硬件智能手机（用户终端）可以包括本领域已知的线路和硬件。智能手机可包cpu、i/o接口以及用于与网络对接的网络控制器，诸如来自博通的bcm43342wi-fi、频率调制和蓝牙组合芯片。硬件可以被设计用于减小的尺寸。例如，cpu可以是来自apple公司的apl0778，或者可以是将由本领域普通技术人员认识到的其它处理器类型。替代地，如本领域普通技术人员将认识到的，可在fpga、asic、pld上或使用分立逻辑电路来实现cpu。此外，cpu可被实现为协同并行工作（诸如云计算环境）的多个处理器以执行上述发明过程的指令。当前第1页12