本申请是申请日为2013年6月17日，申请号为201380032818.5并且发明名称为“用于检测体液中的分析物的方法和器件”申请的分案申请。
本申请涉及一种用于检测体液样本中的至少一种分析物的方法、器件和测试系统。本发明还涉及一种具有用于执行根据本发明的方法的程序装置的计算机程序，以及一种计算机系统和存储介质。根据本发明的方法、器件、测试系统、计算机程序和计算机系统可以被用于医学诊断，以便定性地或者定量地检测一种或更多种体液中的一种或更多种分析物。本发明的其他应用领域也是可能的。
背景技术：
在医学诊断的领域内，在许多情况中，必须在体液样本中检测一种或更多种分析物，比如血液、细胞间液、尿液、唾液或者其他类型的体液。将要检测的分析物的实例有葡萄糖、甘油三酸酯、乳酸、胆固醇或者通常存在于这些体液中的其他类型的分析物。根据分析物的浓度和/或存在，在必要时可以选择适当的治疗。
一般来说，技术人员已知的器件和方法利用包括一种或更多种测试化学品（testchemistry）的测试元件，其在存在将要检测的分析物的情况下能够实施一种或更多种可以检测的检测反应，比如光学上可检测的检测反应。关于这些测试化学品，可以参照例如j.hoenes等人的“thetechnologybehindglucosemeters:teststrips”，diabetestechnology&therapeutics,volume10,supplement1,2008,s-10tos-26。其他类型的测试化学品也是可能的，并且可以被用于实施本发明。
通常来说，监测测试化学品中的一项或更多项光学上可检测的改变，以便从这些改变导出将要检测的至少一种分析物的浓度。在ep0821234a2中公开了测试场（testfield）、测试化学品以及用于监测测试场中的一项或更多项光学上可检测的改变的方法的实例。因此，作为一个实例，可以作为时间的函数以光学方式检测测试场的相对减退（relativeremission），一直到化学检测反应的已定义终点。从相对减退的改变可以导出分析物的浓度。在ep0974303a1中公开了检测作为时间函数的从测试场反射的光的数量的类似测量，一直到检测反应的已定义终点。
为了检测测试场的光学属性的至少一项改变，各种类型的检测器在本领域内是已知的。因此，用于照明测试场的各种类型的光源以及各种类型的检测器是已知的。除了比如光电二极管之类的单一检测器之外，利用具有多个光敏器件的检测器阵列的各种类型的器件是已知的。因此，在us2011/0201909a1中，公开了一种用于测量包含在体液样本中的分析物的浓度的设置。所述设置特别包括光源和检测器阵列。类似地，ep1359409a2公开一种用于确定生理样本中的分析物的浓度的设备。所述设备包括至少一个光源和检测器阵列。
此外，在使用检测器阵列时，在本领域内已经知道用于检测通过检测器阵列采集的图像中的错误和伪像的方法。因此，us2011/0201909公开了一种校正算法，其特别能够校正存在于通过检测器阵列观察的反应点处的缺陷。类似地，ep1359409a2公开了用于确定在多个不同的检测器区域当中的每一个检测器区域上是否存在足够的样本数量的装置，其中只有从被确定为具有足够样本的那些区域检测到的光才被用于确定分析物的浓度。
为了进一步增强对于通过对测试场进行成像的检测器阵列所采集的图像的评估，在本领域内已经使用了统计方法。因此，ep1843148a1公开了一种用于确定液体样本中的分析物的浓度的系统。其中，在直方图中列出存储在检测器的各个像素中的灰度值的出现频率，从而允许把被样本湿化的区域与未被湿化的区域分开。通过评估这些频率分布，可以导出分析物的浓度。
ep2270421a1公开了一种通过使用测试件来分析液体样本中的分析物的液体样本分析方法，在所述测试件上形成溢出阻挡线以便防止液体样本从延伸层的通过区段流到外部。在其中液体样本未在通过区段中延伸的状态下，对测试件进行测量以便跨越延伸层的通过区段和溢出阻挡线。因此，在其中延伸区段的通过区段与溢出阻挡线之间的亮度差大的状态下，有可能正确地辨识出延伸区段的通过区段与溢出阻挡线之间的边界部分。
us6,471,355b1公开了一种用于背投影的图像对准系统，其中正常改变的像素图案的一部分包含像素参考标记，其出现在投影到屏幕上的每一幅并排像素图像中。具有大到足以涵盖屏幕上的每一幅图像的像素参考标记的视场的摄影机捕获像素参考标记的位置，从而允许计算机确定每一个像素参考标记的坐标，并且生成表示并排图像的视觉失准的偏差信号。可由来自计算机的偏差信号控制的驱动构件将并排图像之一关于另一幅重新定位从而对准图像，以便产生单一视觉无缝对象。所述摄影机和计算机可以连续地监测全部两个像素参考标记以便连续地生成偏差信号，从而可以使得并排图像自动成为单一视觉无缝图像。
此外，知道对感兴趣区段自动进行检测以便在将样本转移到测试场上之后进行评估的系统和方法。因此，在wo2012/010454a1中公开了一种用于检测体液中的至少一种分析物的器件，所述器件包括至少一个测试元件，其具有至少一个二维分析区域。所述器件还包括至少一个空间光学检测器，其具有多个像素。所述检测器被设置成用于在图像区域上再现测试元件的至少一部分。所述检测器被适配于测试元件，从而使得对于分析图像区域内的每一个维度提供可规定的最小数目的像素。此外，公开了一种用于自动检测将被评估以确定分析物浓度的感兴趣区段的方法。
尽管通过前面提到的已知的方法和器件取得了进展，但是关于分析物检测的精度还存在一些重大挑战。因此，针对进一步减小将被应用于测试场的样本体积的努力从未间断。为了减轻与样本生成（比如通过针刺患者的手指或耳垂）相关联的不适，现今的器件的样本体积通常已被向下减小到低于2μl的体积，在某些情况下甚至低于1μl或者甚至更小。已经开发出包括比如在wo2010/094426a1中公开的所谓的微采样器的集成测试系统，其包括多个刺血针（lancet），每一个刺血针具有刺血针尖头和至少一个毛细管，以用于在穿刺过程期间或者在从患者的皮肤收回微采样器时容纳体液。小的样本体积被传移到微采样器被收回其中的空腔内部的测试场。但是小的样本体积以及针对减小测试场的尺寸的持久需求提高了关于检测器阵列的空间分辨率方面以及关于消除将要评估的图像中的伪像和杂质的能力方面的要求。
另一项技术挑战在于通过光学检测器或检测器阵列采集的测量数据的精确归一化。在许多情况下，比如在前面提到的由ep0821234a2公开的器件和方法中，检测到测试场的相对减退，从而需要确定至少一个所谓的空白或干燥数值，也就是在检测反应开始之前测试化学品的反射率数值。但是特别在不知道应用到测试场上的样本精确位置的情况下，空白数值的确定相当具有挑战性，这是因为空白数值本身可能取决于测试场上的精确位置。因此，在大多数情况下，将必须使用除了应用在测试场上的样本位置之外的不同位置处的空白数值，从而导致空白数值的高不确定性，或者将必须存储和评估样本应用之前和之后的测试场的大量图像，从而导致对数据存储和计算资源的高需求。但是后者对于通常提供相当有限的硬件能力的手持式测试器件来说是特别不利的。
此外，特别关于空白数值的确定，特别在具有用于将样本转移到测试场上的精密转移机构的系统中，必须考虑机械容差以及光学图像采集的容差。因此，在利用微采样器的系统中，比如在wo2010/094426a1中，从微采样器到测试场上的样本转移通过将微采样器的毛细管按压到测试场上而发生。这种样本转移方法或者其他类型的样本转移方法可以导致高度结构化的样本应用，从而需要图像采集和图像评估的高光学分辨率。但是这种类型的样本转移通常意味着涉及移动部件的动态过程，这可能导致测试场或其部件的移位。因此，将微采样器按压到测试场上可能导致测试场的畸变和/或移位。此外，测试场常常以相当松散的方式被容纳在测试元件的外罩中，比如通过简单地将环状测试化学品插入到外罩中而没有通过防震的方式实际安放测试场。因此，在测试器件的使用和操纵期间，特别是在测量期间，测试场可能移动，从而关于空白数值的采集以及关于将被评估以用于分析物确定的测试场的实际区域的确定产生误差。
技术实现要素：
以下为要解决的问题。
因此，本发明的一个目的是提供至少部分地克服已知的方法和器件的前述缺点的方法和器件。具体来说，应当公开用于检测至少一份体液样本中的至少一种分析物的方法和器件，通过在很大程度上避免由于机械干扰而生成的伪像和误差以及通过结构化方式的样本应用，所述方法和器件甚至能够以高精度评估非常小的样本体积。
以下为本发明的详细描述。
这一问题通过具有独立权利要求的特征的一种用于检测至少一份体液样本中的至少一种分析物的方法和器件来解决。所述问题还通过具有另外的从属权利要求的特征的一种计算机程序、计算机系统、存储介质以及测试系统来解决。
这里所使用的表达“具有”、“包括”和“包含”以及其语法变型是按照非排他性的方式来使用的。因此，表达“a具有b”以及表达“a包括b”或者“a包含b”可以指代以下全部两种情况：一种情况是除了b之外a还包含一个或更多另外的组件和/或组成部分，另一种情况是除了b之外在a中不存在其他组件、组成部分或元件。
在本发明的第一方面中，公开了一种用于检测至少一份体液样本中的至少一种分析物的方法。正如前面所概述的那样，所述至少一种分析物优选地可以包括通常包含在人类身体或者动物身体中的一种或更多种物质，比如一种或更多种代谢物。优选的是，可以从由葡萄糖、胆固醇、甘油三酸酯和乳酸构成的组当中选择所述至少一种分析物。其他类型的分析物和/或分析物的任意组合也是可能的。优选的是，所述方法被适配成以高度特定性检测分析物。所述至少一种体液通常可以包括任意类型的体液，比如血液、细胞间液、唾液、尿液或者任何类型的其他体液或者所提到的体液的各种组合。后面在不限制其他实施例的情况下将特别在用于检测血液和/或细胞间液中的葡萄糖的方法的情境中来解释本发明。
所述方法使用至少一个测试元件，所述测试元件包括至少一个测试场。所述至少一个测试场具有至少一种测试化学品。所述测试化学品被适配成在有分析物存在的情况下实施至少一种光学上可检测的检测反应，优选的是变色反应。在本发明的情境中，术语“测试场”指的是连续或不连续数量的测试化学品，其优选地由至少一个载体（诸如由至少一个载体膜）保持。因此，所述测试化学品可以形成测试场的一个或更多膜或层或者被包括在其中，和/或所述测试场可以包括具有一个或更多层的层设置，至少其中一层包括测试化学品。因此，所述测试场可以包括布置在载体上的层设置，其中可以从至少一个应用侧将体液样本应用到所述层设置，比如从测试场的边缘和/或从测试场的应用表面来应用。所述测试场可以是测试元件的部分，所述测试元件包括至少一个测试场以及将把所述测试场应用到其的至少一个载体。
这里所使用的术语“测试化学品”通常是指被适配成在有分析物存在的情况下实施至少一种光学上可检测的检测反应的物质或物质混合。因此，所述检测反应优选地可以是指测试化学品或者其至少一部分的颜色改变。关于测试化学品，在本领域内知道设计测试化学品的多种可能性。在这方面可以参照前面提到的现有技术文献。特别可以参照j.hoenes等人的thetechnologybehindglucosemeters:teststrips，diabetestechnology&therapeutics，volume10,supplement1,2008,s-10tos-26。但是其他类型的测试化学品也是可能的。优选的是，所述测试化学品包括至少一种酶，其优选地以高度特定性优选地与分析物直接或间接反应，其中在测试化学品中存在另外的一种或更多种光学指示剂物质，其在所述至少一种酶与分析物反应时实施至少一项光学上可检测的属性改变。因此，所述至少一种指示剂可以包括一种或更多种染料，其实施表明所述至少一种酶与分析物的酶反应的变色反应。因此，所述至少一种酶可以包括葡糖氧化酶和/或葡糖脱氢酶。但是也可以使用其他类型的酶和/或其他类型的测试化学品或者测试化学品的活性成分。
所述方法还包括采集测试场的图像的图像序列。这一图像采集可以包括采集整个测试场和/或测试场的特定部分的图像。因此，可以比如通过测试元件的遮罩和/或外罩定义至少一个查看窗口，其提供测试场的可见部分的边界，其在后面将被简单地称作测试场的查看窗口。这种类型的查看窗口例如从前面提到的wo2010/094426a1获知。
这里所使用的术语“图像序列”指的是在相继的时间点采集的多幅图像。优选地，图像采集例如通过使用恒定的帧率发生在等距时间点处。因此，可以使用20帧每秒、25帧每秒、37帧每秒的帧率或者其他类型的帧率。此外，这里所使用的术语“图像”指的是信息数值的一维或二维矩阵，其中所述矩阵的每一个位置表明图像检测器的特定像素，并且其中存储在矩阵的该位置处的信息数值表明通过图像检测器的像素采集的光学信息，比如灰度值。正如后面进一步详细地概述的那样，一幅图像可以包括图像检测器的所有像素的信息数值。或者可以仅使用部分图像，比如图像的仅仅特定节段。在后面，术语“图像”可以指代全部两种选项，即利用整幅图像的选项或者仅仅利用部分图像的选项，比如仅仅利用图像的预定义节段。
因此，术语“图像检测器”（其在后文中也被简单地称作检测器）指的是具有被设置在一维矩阵（线检测器）或二维矩阵（阵列检测器）中的多个光敏传感器元件的任意检测器件。所述检测器的图像传感器在后文中还将被称作检测器的像素。所述像素优选地被设置在共同的平面中，该平面也可以被称作检测器平面。所述像素矩阵可以包括像素的直线和/或像素的矩形阵列。但是其他类型的像素设置也是可能的，比如圆形设置和/或六边形设置。所述像素本身是光敏传感器元件，比如光敏半导体元件，比如ccd或cmos传感器元件，优选地是cmos传感器元件。
根据本发明的方法还包括检测所述图像序列的图像中的测试场的至少一项特性特征。所述检测可以被实施至少一次，其中包括反复检测或尝试检测所述特性特征的选项。因此，对于所述至少一项特性特征的检测还可以包括迭代算法，比如具有2次或更多次迭代的算法，比如四次迭代，优选地是具有细化的参数的迭代。
这里使用的术语“特性特征”指的是可以在图像序列的图像中（优选地是在所有这些图像中）检测到的测试场中的任意特征或不规则性。因此，所述特性特征可以包括图像中的灰度值的特性空间分布，表明随机的结构和/或规则的结构。所述特性特征优选地标示测试场本身的属性，比如测试化学品和/或测试场的另一组成部分的属性。因此，所述特性特征可以由测试场的可见随机结构形成，比如由测试场的颗粒性和/或粗糙性形成。这些类型的随机结构在制造测试场时通常是不可避免的，并且在本发明中可以在不刻意将这些特性特征引入到测试场中的情况下被使用。替换地或附加地，所述特性特征可以被刻意地引入到测试场中，比如通过引入一个或更多定位标记和/或基准标记。
这里使用的术语“检测”可以是指本领域内已知的用于检测一种或更多种图案的任意算法，比如在图像中的图案辨识领域内所知的算法。所述检测特别可以包括识别出图像序列的图像中的特性特征和/或特性特征的坐标。因此，特性特征的检测结果特别可以包括一个或更多坐标，比如一个或更多矩阵的坐标，表明所述特性特征在图像序列的图像中的位置。如果检测失败并且如果在图像序列的图像中没有检测到所述特性特征，则所述检测过程可以返回错误或默认数值。但是图案辨识领域内的技术人员将立即认识到，可以使用检测算法的其他实施例。
对于至少一项特性特征的检测可以形成本发明的方法的一个明确的或隐含的步骤。因此，可以在根据本发明的方法的一个中间步骤的输出中明确地表明所述特性特征。替换地或附加地，对于特性特征的检测可以简单地包括选择图像序列的一幅或更多幅图像的至少一个特定部分并且将包含在该部分中的信息标示为特性特征，其中针对该信息或者类似类型的信息扫描或搜索图像序列的其他图像。
所述方法还包括通过使用所述特性特征校正图像序列中的图像检测器与测试场之间相对位置改变，从而获得经过校正的图像序列。这里使用的术语“图像序列中的图像检测器与测试场之间的相对位置改变”指的是由图像检测器成像的测试场的绝对位置、角度定向以及几何结构当中的至少一项的任意改变。这一相对位置改变可以是由于图像检测器的位置改变和/或测试场的位置改变。
此外，这里所使用的术语“校正”指的是被适配成补偿图像序列中的相对位置改变的任意算法。因此，所述算法可以被适配成对图像序列的每一幅图像的信息矩阵进行变换，比如通过把所述矩阵平移到空间中的至少一个方向上，和/或通过围绕至少一个轴将所述信息矩阵旋转大约至少一个角度，和/或通过将所述矩阵拉伸或压缩指定量。根据在特定图像中检测到的特性特征，可以对于图像序列的每一幅图像单独地适配所述校正。具体来说，可以把图像序列的一幅图像定义为参考图像，其中对图像序列的其他图像进行校正，从而使得可以在所述矩阵的相同位置处找到经过校正的图像序列的所有经过校正的图像的特性特征。
所述经过校正的图像序列在后面也被称作经过校正的序列。通过根据本发明获得经过校正的序列，所述经过校正的序列可以被用于检测至少一种分析物，比如用于观察由于测试化学品与将要检测的分析物的检测反应而导致的测试场的至少一项光学上可检测属性的改变（可选地是与时间有关的改变）。通过对图像序列进行校正，相比于传统技术可以获得高度的鲁棒性和可靠性，并且克服了已知的方法和器件的大多数前面提到的缺点。
可以通过多种有利的方式进一步发展前面所公开的基本方法。因此，正如前面所概述的那样，图像序列的每一幅图像可以包含信息数值的一维或二维或者一般来说n维矩阵，所述信息数值优选地是灰度值信息，其优选地是4比特、8比特、12比特或16比特信息数值。
正如前面所概述的那样，对于图像检测器与测试场之间的相对位置改变的校正可以包括任意校正算法。最优选地，所述校正包括从由以下各项构成的一组当中选择的至少一项校正：在至少一个空间方向上对图像检测器上的测试场的图像的平移校正；围绕至少一个旋转轴对图像检测器上的测试场的图像的旋转校正；图像检测器上的测试场的图像的畸变校正，所述畸变优选地是由于测试场的扭曲而导致的，所述校正比如是通过使用至少一个拉伸和/或至少一个压缩而进行的校正。前面提到的校正可以容易地通过对信息数值的矩阵进行变换的数学校正算法来实施。适当的矩阵变换对于本领域技术人员是已知的。
正如前面进一步概述的那样，优选地在恒定时间序列中采集图像序列的图像，其中在所述序列的相继图像的采集之间具有等距时间间隔。因此可以使用1/100s到5s的时间间隔，优选地是1/64s到2s的时间间隔。
所述图像检测器优选地可以包括从由以下各项构成的一组当中选择的至少一个检测器：具有有光敏传感器元件构成的一条线的线检测器，以及具有光敏传感器元件的二维阵列的二维检测器。正如前面所概述的那样，所述光敏传感器元件也被称作像素。优选地可以使用二维阵列检测器，优选地是矩形阵列检测器。所述阵列优选地在每一个维度中包括至少3个、更加优选地至少5个或者甚至至少10个像素，比如每一个维度中至少50个像素。作为一个实例，可以使用在每一个维度中包括20到1000个像素的二维阵列检测器。
另外的优选实施例涉及相对位置改变的校正。如前所表明的，所述校正优选地可以包括使用图像序列的至少一幅图像作为参考图像。所述参考图像在校正期间保持不变。随后可以通过利用像素位置的至少一项计算校正（诸如通过使用对这些图像的矩阵的数学变换（比如前面所列出的一项或更多项变换））来对图像序列的至少一幅、优选地多于一幅并且最优选的是所有其他剩余的图像进行校正。所述计算校正可以被选择成使得图像序列的参考图像与经过校正的剩余图像之间的相关性被最大化。换句话说，所述计算校正可以被选择成使得：如前所述，至少在特定的和预先定义的容差程度下，可以在相同位置处找到测试场的特性特征并且在经过校正的图像序列的每一幅图像中具有相同定向。这里所使用的术语“相关性”指的是用于表明图像和/或包含在这些图像中的特征的一致性或相似性的任意度量。因此，作为一个实例，可以使用一个或更多相关性系数来量化图像的相似性和/或一致性，比如经验相关性系数和/或pearson相关性。
正如前面所概述的那样，所述计算校正可以包括在至少一个空间方向上偏移图像序列的剩余图像的像素。这一像素偏移可以通过表示图像的信息数值的矩阵的平移变换来实施。所述偏移可以被选择成使得参考图像与经过校正的剩余图像之间的相关性被最大化。可以对于图像序列的剩余图像当中的每一幅图像单独选择所述偏移。
作为针对偏移剩余图像的像素的补充或替换，可以使用旋转。因此，所述计算校正可以包括对图像序列的剩余图像围绕至少一个旋转轴旋转至少一个旋转角度的至少一项旋转。所述旋转轴和/或旋转角度可以被选择成使得参考图像与经过校正的剩余图像之间的相关性可以被最大化。同样地，可以对于图像序列的剩余图像当中的每一幅图像单独地选择旋转轴和/或旋转角度。此外，所述计算校正可以包括合理性检查（plausibilitycheck）。因此，如果需要结果超出预定限值的计算校正，则所述校正可以返回错误和/或可以被中断。类似地，如果多于一项计算校正的结果是合理的，比如通过检测到多于一项图案匹配、多于一项高相关性或合理的相关性，则可以返回错误和/或可以中止所述计算校正。
本发明的另外的优选实施例涉及前面提到的特性特征。一项或更多项特性特征可以被用于实施校正。所述特性特征可以包括从由以下各项构成的一组当中选择的至少一项特征：可以在图像序列的图像中检测到的测试场的粗糙性；可以在图像序列的图像中检测到的测试场的测试化学品的颗粒性；可以在图像序列的图像中检测到的测试场的缺陷；包括在测试场中并且可以在图像序列的图像中检测到的至少一个（优选地至少两个）基准标记。这里所使用的术语“缺陷”可以指代测试化学品和/或测试场中的任意瑕疵，比如灰尘、纤维、裂缝或者任何其他类型的不规则性。可以使用其他类型的特性特征。
所述方法还可以包括以下至少一个步骤：从图像序列或经过校正的图像序列导出实际的分析物浓度。优选的是，通过下列方式检测分析物的浓度：通过检测测试化学品的至少一项光学属性，和/或通过检测由于测试化学品与分析物的光学上可检测的检测反应而导致的测试化学品的至少一项光学属性的至少一项改变。因此，所述至少一项光学属性可以包括从由以下各项构成的一组当中选择的至少一项光学属性：颜色、绝对减退以及相对减退。这里所使用的术语“颜色”指的是至少一个预定光谱范围内的特定光吸收，其可以存在于可见和/或紫外和/或红外光谱区段中。术语“减退（remission）”指的是光的无定向反射，比如散射光。因此，为了确定所述减退，可以使用至少一个光源从至少一个检测侧照明测试场，并且可以通过前面提到的检测器优选地在与测试场的照明角度不同的角度下检测从测试场反射和/或散射的光。术语“相对减退”指的是归一化的减退，其中优选地将特定减退用作规范数值。因此，在将体液样本应用到测试场之后检测到所述至少一项光学属性的改变时，可以使用样本应用之前的所谓的减退的空白数值来对后续的减退数值进行归一化，以便获得相对减退。所述空白数值也被称作干燥空数值。可以使用这些数值的至少一个。在实施归一化（其也被称作标准化）的情况下，比如为了产生相对减退的数值，所述归一化可以在整幅图像的基础上、在部分图像的基础上以及在逐个像素的基础上发生。因此，在逐个像素的基础上，可以将一幅图像的每一个像素的信息数值除以空白图像的相应像素的信息数值。
可以从包含在图像序列或者经过校正的图像序列的一幅图像、多于一幅图像或所有图像中的一个信息数值、多于一个信息数值或所有信息数值导出测试化学品的至少一项光学属性和/或所述至少一项光学属性的至少一项改变。后面将给出更加详细的实例。
可以在图像序列的采集期间将至少一个体液样本应用到测试场。因此，取决于对应的图像的采集时间点，可以将图像序列细分成两个或更多图像序列。因此，所述图像序列可以包括空白图像序列，其中所述空白图像序列可以包括在把体液样本应用到测试场之前所采集的多幅空白图像。优选的是，空白图像序列可以包括在样本应用之前所采集的所有图像。空白图像序列还可以被称作干燥空图像序列。
空白图像序列优选地可以被用于导出关于样本应用之前的测试场的至少一项信息。为此目的，优选地使用经过校正的空白图像，也就是在对空白图像序列中的图像检测器与测试场之间的相对位置改变实施前面所提到的至少一项校正之后的空白图像。优选的是，在对空白图像序列的空白图像的相对位置改变实施校正之后，从空白图像序列的空白图像导出至少一幅经过平均的空白图像。这里所使用的术语“经过平均的图像”或者特别是术语“经过平均的空白图像”指的是对于几幅图像的任意平均过程的结果，其中生成平均值矩阵。因此，可以通过对矩阵的相应的域（field）进行平均来在逐个像素的基础上实施所述平均。因此，在二维矩阵的情况下，可以对矩阵的相应像素实施平均，从而生成针对矩阵的每一个域的平均值。所述平均通常可以包括任何类型的已知的平均方法，比如加权平均、几何平均或算术平均。因此，经过平均的空白图像可以是在每一个维度中具有与经过校正的空白图像序列的经过校正的图像相同数目的域的矩阵，其中经过平均的空白图像的矩阵的每一个域包含作为在经过校正的空白图像的相应的域实施平均过程的结果的经过平均的信息数值。
优选的是，在图像序列的图像的采集期间可以在连续过程中导出经过平均的空白图像。在该连续过程中，优选地可以从到目前为止所采集的经过校正的空白图像导出初步经过平均的空白图像。新采集的空白图像可以被用于修订所述初步经过平均的空白图像。因此，对于每一幅新采集的空白图像，可以更新初步经过平均的空白图像，从而生成新的初步经过平均的空白图像。初步经过平均的空白图像的最终版本（也就是在合并经过校正的空白图像序列的最后一幅经过校正的空白图像之后所导出的初步经过平均的空白图像）随后可以被用作最终经过平均的空白图像。通常来说，空白图像序列的经过校正的空白图像的相应像素的信息可以被用于导出经过平均的空白图像的相应像素的信息。因此通常来说，可以通过至少一项线性组合和/或通过至少一项平均操作来组合各幅经过校正的空白图像的相应像素的信息，以用于导出经过平均的空白图像的相应像素。因此，可以通过至少一项线性组合和/或通过至少一项平均操作来组合经过校正的空白图像序列的所有经过校正的图像n的所有像素(i,j)n，以便对于所述矩阵的所有i、j导出经过平均的空白图像的相应像素(i,j)av。
可以通过使用空白图像序列来检测分析物，优选地通过使用经过校正的空白图像序列，并且更优选地通过使用经过平均的空白图像。
附加地或替换地，所述方法可以包括以下至少一个附加步骤：确定至少一幅达阵（touchdown）图像，优选的是至少一幅经过校正的达阵图像。这里所使用的术语“达阵图像”指的是恰好在样本应用时刻（其也被称作达阵时刻）所采集的图像序列的图像，或者是在样本应用时刻之后所采集的图像序列的图像，其中所述图像是在与图像序列的所有其他图像相比最靠近样本应用时刻的时刻所采集的。相应地，这里所使用的术语“经过校正的达阵图像”指的是恰好在样本应用时刻（其也被称作达阵时刻）所采集的经过校正的图像序列的经过校正的图像，或者是在样本应用时刻之后所采集的经过校正的图像序列的经过校正的图像，其中所述经过校正的图像是在与经过校正的图像序列的所有其他经过校正的图像相比最靠近样本应用时刻的时刻所采集的。
优选的是，所述达阵图像是对在样本应用之后并且在发生任何检测反应之前（至少在由图像检测器的检测限制所提供的容差之内）的测试场或者其至少一部分进行视觉化的图像。因此，达阵图像是在体液样本已经将测试化学品湿化的情况下测试场或其至少一部分的图像，但是其中优选地还没有发生测试化学品的检测反应。因此，达阵图像可以提供在样本应用之前所采集的图像上的测试场或者其至少一部分的光学上可检测改变的信息，所述光学上可检测改变比如是由于通过体液样本湿化测试化学品而导致的改变和/或由于样本应用造成的测试场的机械形变而导致的测试场的改变，所述机械形变比如是由于通过毛细管和/或例如刺血针之类的穿刺元件接触测试场以便将体液样本转移到测试场上而导致的机械信息。
因此，作为针对使用空白图像序列、经过校正的空白图像序列以及经过平均的空白图像当中的一项或更多项的补充或替换，可以使用达阵图像或者经过校正的达阵图像来检测分析物。
作为一个实例，可以通过使用在样本应用之后采集的至少一幅图像（优选的是至少一幅经过校正的图像）和/或从中导出的任何信息（比如这些图像或经过校正的图像或者其一部分上的平均值的时间序列）来检测分析物。此外，由于样本应用可能会在图像序列或经过校正的图像序列中引入伪像，因此对于分析物的检测可以考虑到从前面提到的达阵图像或经过校正的达阵图像导出的至少一项信息。因此，作为一个实例，可以完全地或部分地校正由于样本应用而导致的图像序列或经过校正的图像序列中的改变，比如由于测试场的湿化所引发的改变和/或由于测试场的机械形变所引发的改变。附加地或替换地，对于分析物的检测可以考虑到从所述空白图像序列导出的至少一项信息，比如从经过平均的空白图像导出的至少一项信息。因此，作为一个实例，可以完全地或部分地校正测试场的逐批次变化的影响和/或测试场的照明的影响。
因此，可以通过把经过校正的图像序列的图像与达阵图像以及空白图像序列当中的一项或更多项进行比较来检测分析物，优选的是与经过平均的空白图像和/或达阵图像进行比较。这里所使用的术语“比较”指的是适合于导出关于包含在图像中的信息数值的差异是偏差的信息的任意过程。因此，术语“比较”特别可以指的是形成两个信息数值之间的差值和/或形成两个信息数值的商。
优选地可以在逐个像素的基础上实施比较，通过把经过校正的图像序列的经过校正的图像的每一个像素与达阵图像或经过校正的达阵图像的相应像素进行比较和/或与空白图像序列（优选的是经过校正的空白图像序列）的图像的相应像素进行比较，并且更优选的是与经过平均的空白图像的像素进行比较。因此可以导出逐个像素的差和/或逐个像素的比值，从而通过经过校正的图像的相应像素和达阵图像和/或空白图像并且优选的是经过平均的空白图像的相应像素相除，和/或通过经过校正的图像序列的图像的相应像素和达阵图像或经过校正的达阵图像的相应像素和/或空白图像并且优选的是经过平均的空白图像的相应像素的相减而生成比值矩阵。
正如前面所概述的那样，可以在逐个像素的基础上实施经过校正的图像序列的图像与达阵图像和/或空白图像序列并且优选的是与经过平均的空白图像之间的比较，从而导出比较数值的矩阵，比如包含差和/或商的矩阵。
作为一个实例，可以导出比较矩阵并且将其用于分析物检测，优选的是用于确定分析物的浓度。所述比较矩阵的每一个像素的信息数值优选地可以是所述图像或经过校正的图像的像素与达阵图像或经过校正的达阵图像的像素的相应信息数值的差，将所述差除以至少一幅空白图像或经过校正的空白图像（优选的是经过平均的空白图像）的相应像素的信息数值。后面将更加详细地给出这种类型的比较矩阵的实例。作为一个实例，如果将图像序列的第n幅图像或经过校正的图像的信息数值像素(i,j)标示为in(i,j)，将经过平均的空白图像的信息数值标示为b(i,j)，并且将达阵图像的像素(i,j)的信息数值标示为t(i,j)，则可以根据下面的公式导出比较矩阵cn的相应像素：
为了检测分析物，特别是为了导出至少一种体液的至少一份样本中的分析物的浓度，可以进一步评估所述至少一个比较矩阵。因此，可以评估包含在该比较矩阵中的信息的平均值或者替换地可以仅仅评估该比较矩阵的部分，比如比较矩阵的一感兴趣区段内的信息数值，正如后面将进一步详细解释的那样。
最优选的是，可以把将体液样本应用到测试场之后包含在经过校正的图像序列的图像的每一个像素中的信息除以包含在至少一幅空白图像（优选的是经过平均的空白图像）的相应像素中的信息，从而产生对应于每一个像素的归一化信息。因此可以产生经过校正的相对图像序列，其中每一幅经过校正的相对图像具有包含对应像素的归一化信息的像素。其中，可以在经过校正的相对图像序列的至少部分上产生至少一个经过平均的归一化数值，优选的是在经过校正的相对图像的一感兴趣区段上产生。优选的是，所述归一化数值可以是经过校正的相对图像序列的部分上的平均值，优选的是经过校正的相对图像的感兴趣区段上的平均值。所述经过平均的归一化数值可以被用于导出体液中的分析物的浓度。优选地可以在把体液样本应用到测试场之后来监测作为时间函数的经过平均的归一化数值。后面将更加详细地给出本发明的实例。但是应当提到的是，可以实现导出体液样本中的至少一种分析物的浓度的其他类型的方法。
本发明的另外的实施例涉及检测测试场的边界。优选的是，可以在经过校正的图像序列中检测测试场的边界和/或测试场的可见窗口的边界。所述检测可以在经过校正的图像序列的每一幅经过校正的图像中发生，在一组经过校正的图像中发生，或者在一幅经过校正的图像中发生。作为一个实例，对于测试场的边界和/或测试场的可见窗口的边界的检测可以在经过校正的空白图像序列中和/或在经过平均的空白图像中发生。这里所使用的术语“边界”指的是测试场的一条、两条、三条或四条边界线，其确定测试场的侧向延伸，并且在所述边界线之外不应当实施图像评估。因此，如前所述，测试场可以由一条或更多条边界线界定，在所述边界线之外不会将测试化学品应用到测试元件的载体。附加地或替换地，正如前面所概述的那样，可以通过检测器经由查看窗口来观察所述光学上可检测反应，所述查看窗口由完全地或部分地覆盖测试场的测试元件的遮罩或外罩中的一个或更多窗口定义。在这方面可以参考前面提到的wo2010/094426a1，其公开了一种具有窗口的外罩，透过所述窗口可以观察测试化学品的反应。因此，根据本发明的方法可以包括：在经过校正的图像序列的一幅、多于一幅或者甚至所有图像中和/或在经过校正的空白图像序列中和/或在经过平均的空白图像中检测测试场的一条或更多条边界和/或测试场的可见窗口的边界。
为了检测测试场的边界和/或测试场的可见窗口的边界，可以使用技术人员通常已知的多种方法。因此，可以使用一种或更多种阈值方法，其把经过校正的图像的像素的信息与一个或更多阈值进行比较。通常来说，由于在前面提到的校正过程之后，经过校正的图像序列的所有图像都应当被正确地定向和/或定位，因此在经过校正的图像序列的一幅经过校正的图像中确定测试场的边界和/或测试场的可见窗口的边界可能是足够的，这是因为这些边界的位置可以被转移到所述序列的其他经过校正的图像。因此，作为一个实例，测试场的边界和/或测试场的可见窗口的边界可以被定义为经过校正的图像序列中的位置坐标的函数，其中所述函数优选地适用于经过校正的图像序列的所有经过校正的图像。因此，甚至可以通过如下这样一种方式对经过校正的图像序列进行定向和/或定位：使得测试场的边界和/或查看窗口的边界被定向为与经过校正的图像序列的序列矩阵的坐标系的轴平行。
另外的优选实施例涉及检测将体液样本应用到测试场上。因此，在根据本发明的方法的一个优选实施例中，在图像序列中并且优选的是在经过校正的图像序列中检测将体液样本应用到测试场上的时刻。这里所使用的术语“应用时刻”指的是体液样本到测试场上的样本转移发生的时间点。这里所使用的术语“时间”可以是指表明所述方法的进展的任意参数或变量。该参数可以是时间参数，实施所述方法的器件的内部时钟，或者甚至可以是在其中检测到样本转移的图像序列的特定图像的编号或指示符。由于优选的是在预定时间点采集图像，因此表明样本转移的特定图像的标识符标示出所述过程中的特定时刻，从而标示出将体液样本应用到测试场上的时刻。
将体液样本应用到测试场上的时刻在后面也被称作样本应用时刻、达阵时刻、应用时刻或者转移时刻。这一时刻可以实际上标示特定时间点或者甚至一个时间段，这是因为样本转移通常在一段时间内发生。在转移时刻实际上是一个转移时间段的情况下，所述转移时间段的开始可以被标示为特定转移时刻。替换地或附加地，在其中检测到样本转移的图像序列的第一幅图像的采集时间可以被标示为转移时刻。
可以使用多种方法来检测应用时刻。因此，可以通过观察包含在图像序列并且优选的是经过校正的图像序列中的信息的一项或更多项改变来检测应用时刻。因此，可以观察包含在所述图像序列的图像中的经过平均的信息的改变。其中，可以使用未经校正的图像序列和/或经过校正的图像序列。优选的是，可以通过观察经过校正的图像序列的经过校正的图像中的一项或更多项改变来检测将体液样本应用到测试场上的时刻。
为了检测应用时刻，可以在校正之后比较所述图像序列并且优选的是经过校正的图像序列的相邻图像。优选地可以通过使用相邻的经过平均的图像来实施所述比较。因此，对于每一幅图像或者经过校正的图像可以导出平均值，比如通过对包含在所述图像或经过校正的图像中的所有信息数值进行平均，和/或通过在被包含在这些图像中的信息数值的预定组或可确定的组上进行平均。从而可以导出对于每一对相邻图像的经过平均的差值，其表明相邻的经过校正的图像上的相邻图像之间的差异。可以通过把所述经过平均的差值与至少一个阈值进行比较来检测将样本应用到测试场上的时刻。对于应用时刻的其他类型的检测可以是可能的。
正如前面所概述的那样，除了检测样本应用时刻之外，可以在图像序列中识别出达阵图像，或者相应地可以在经过校正的图像序列中识别出经过校正的达阵图像。这里使用的术语“达阵图像”是在样本应用之后最靠近样本应用时刻所采集的所述图像序列的图像。因此，可以恰好在样本应用时刻采集达阵图像，或者紧接在样本应用时刻之后采集。因此，一旦比如通过使用前面所公开的一种或更多种方法识别出样本应用时刻，达阵图像就是在样本应用时刻采集的图像，或者在这一时刻不应当采集图像的情况下是在最靠近样本应用时刻的采集时间所采集的所述图像序列的下一幅图像。
正如后面将更加详细地概述的那样，所述达阵图像或经过校正的达阵图像优选地可以被用于检测感兴趣区段。
本发明的另外的实施例涉及以下事实，即在把样本应用到测试场上之后，取决于分析物的浓度，通常仅有测试场的部分实际上实施可检测的反应，并且因此仅有测试场的部分适合于评估来确定分析物浓度。因此，在本发明的一个优选实施例中，在将体液样本应用到测试场上之后，在图像序列中确定至少一个感兴趣区段。该感兴趣区段可以在所述图像序列的一幅图像中确定、在所述图像序列的多幅图像中确定或者在所述图像序列的所有图像中确定。优选的是，在经过校正的图像序列的一幅经过校正的图像、多幅经过校正的图像或者所有经过校正的图像中确定所述感兴趣区段。因此，通过实施前面提到的图像序列的校正，可以简单地通过定义经过校正的图像序列中的坐标来定义所述感兴趣区段，这是因为经过校正的图像序列内的经过校正的图像的定向和/或定位保持恒定。
这里所使用的术语“感兴趣区段”指的是在图像序列的图像的矩阵中并且优选的是在经过校正的图像序列的经过校正的图像中由像素坐标的组或集合定义的像素组或集合，其中所述像素集合或组被视为包含对于后续的分析考虑的信息数值，以用于定性地或定量地检测体液样本中的至少一种分析物的目的。在极端情况下，所述感兴趣区段可以包括少至一个单一像素。但是所述感兴趣区段通常包括多个像素。
因此，所述感兴趣区段可以定义图像或经过校正的图像中的像素集合或组，其中对于后续的分析考虑包含在这些像素中的信息数值，而可以忽略或者可以在较低程度下或者可以在较低权重下考虑未被包含在所述像素集合或组中的矩阵的其他信息数值。因此，所述感兴趣区段可以定义一个像素集合或组，其中包含被认为对于确定分析物浓度而言是重要的包含在其中一幅或更多幅图像中的信息数值，而其他像素则被认为不重要或者较不重要。
优选的是，通过数字掩模（digitalmask）来确定感兴趣区段，所述数字掩模为图像序列或者经过校正的图像序列的图像或经过校正的图像的矩阵的所有像素指派数值1（其将对于后续分析被考虑）或0（其将不会对于后续分析被考虑）。因此优选的是，可以通过掩模以如下这样一种方式来修改图像序列或者优选的是经过校正的图像序列的一个矩阵、多个矩阵或所有矩阵：使得定位在感兴趣区段之外的所有信息数值被0取代，而处于感兴趣区段内部的所有信息数值则保持不变。后面将给出另外的实例。
为了优选地在经过校正的图像序列中确定感兴趣区段，可以使用多种方法。优选的是，可以在将体液样本应用到测试场上之前或期间采集至少一幅经过校正的图像，并且可以在将体液样本应用到测试场上之后采集至少一幅经过校正的图像。作为在样本应用期间采集的图像或经过校正的图像的一个实例，可以参考如前面所定义的达阵图像或经过校正的达阵图像。因此，在样本应用期间采集的图像可以是如前面所定义的达阵图像。
样本应用之后采集的图像并且优选的是样本应用之后采集的经过校正的图像，优选地可以是在样本应用时刻之后的预定时间点采集的图像。优选的是，所述时间点可以被选择成使得检测反应已经导致包含在图像中的信息数值或者信息数值的至少一些的显著改变。作为一个实例，在样本应用之后采集的图像可以在样本应用时刻之后的预定时间跨度上被采集，比如0.5秒到4s的时间跨度，优选的是0.7s到2s的时间跨度，并且更加优选的是1s的时间跨度。
作为一个优选实例，在样本应用之前或期间采集的图像可以是前面提到的达阵图像。在样本应用之后采集的图像可以是在样本应用时刻之后的1秒处采集的图像。
为了确定感兴趣区段，可以在逐个像素的基础上把在样本应用之前或期间采集的至少一幅经过校正的图像与在样本应用之后采集的至少一幅经过校正的图像进行比较，也就是说把在样本应用之前或期间采集的经过校正的图像的每一个像素与在样本应用之后采集的经过校正的图像的相应像素进行比较。从而可以对于每一个像素生成一个差值，这诸如通过从在样本应用之后采集的经过校正的图像的像素的信息数值减去在样本应用之前或期间采集的经过校正的图像的相应像素的信息数值。从而可以对于每一个像素生成一个差值，其中所述差值标示包含在把样本应用到测试场上之前或期间采集的经过校正的图像的相应像素中的信息与样本应用之后的差异。从而可以生成一个差异矩阵，其中可以对于每一个像素提供这些图像的差异。
基于这些差值，同样可以使用阈值方法来确定感兴趣区段。因此，可以基于所述差值将像素分类为属于感兴趣区段的像素或者不属于感兴趣区段的像素。因此，可以把针对每一个像素的差值与一个或更多阈值进行比较，其中（其本身或者其绝对值）超出阈值的差可以被分类为属于感兴趣区段的像素，而其他像素则可以被分类为不属于感兴趣区段的像素。从而通过确定属于感兴趣区段的像素的位置，可以导出位置集合或组，该位置集合或组本身可以被定义为矩阵内的感兴趣区段。
正如前面所概述的那样，在样本应用之前或期间采集至少一幅经过校正的图像，并且在样本应用之后采集至少一幅经过校正的图像。优选的是，在样本应用之前或期间采集的经过校正的图像的采集时间和在样本应用之后采集的经过校正的图像的采集时间相当靠近把体液样本应用到测试场上的时刻。因此优选的是，在样本应用之前或期间采集的经过校正的图像的采集时间被选择成不超出样本应用时刻之前的1s，并且在样本应用之后采集的经过校正的图像的采集时间被选择成不超出样本应用时刻之后的1s。通过采集时间的这一选择，可以确保前面所定义的差值主要是由于通过体液样本湿化测试场和/或测试化学品而导致的。
感兴趣区段被确定成使得感兴趣区段可以完全处于测试场之内，或者更优选的是处于测试场的可见窗口的边界之内，正如前面所定义的那样。
正如前面所概述的那样，在确定包括从在样本应用之前或期间采集的经过校正的图像与在样本应用之后采集的经过校正的图像的比较导出的针对每一个像素的差值的差异矩阵时，可以使用至少一种阈值方法来对像素进行分类，以便导出感兴趣区段。多种类型的阈值方法在本领域内是已知的，并且可以被用于确定感兴趣区段的目的。因此，可以通过对于典型样本的经验测量来定义一个或更多阈值，从而按经验导出至少一个阈值以用于将像素分类成属于感兴趣区段的像素和不属于感兴趣区段的像素。因此，可以针对每一个维度定义至少一个阈值，比如针对x方向的一个阈值以及针对y方向的一个阈值。更优选的是，所述至少一种阈值方法可以包括otsu方法。因此，包含差值的像素可以被分类成两个集合或组，一个组包含属于感兴趣区段的像素，并且一个组不属于感兴趣区段。可以通过选择对各个组进行定界的至少一个阈值来选择组，其中具有高于所述阈值的差值的像素被指派到第一组，并且具有低于所述阈值的差值的像素被指派到第二组。其中，所述阈值可以被选择成使得相同分类内的差值之间的方差被最小化，而属于不同分类的差值之间的方法则被最大化。但是作为针对otsu方法的补充或替换，可以使用其他类型的阈值方法。
正如前面所概述的那样，感兴趣区段可以作为图像掩模被给出。该图像掩模可以被生成为标示属于感兴趣区段的像素。因此，所述图像掩模可以被适配成用0取代定位在感兴趣区段外部的图像（优选地是经过校正的图像）的所有信息数值，而位于感兴趣区段之内的像素的信息数值则可以保持不变。该图像掩模可以被应用于一幅图像并且优选的是一幅经过校正的图像，被应用于多幅图像并且优选的是多幅经过校正的图像，或者被应用于所有图像并且优选的是所有经过校正的图像。优选的是，所述图像掩模可以是二进制图像掩模，其把处于感兴趣区段内部的像素的所有信息数值乘以1，并且把位于感兴趣区段外部的像素的信息数值乘以0。
感兴趣区段可以被用于通过多种方式检测体液样本中的至少一种分析物。因此优选的是，仅属于经过校正的图像序列中的感兴趣区段的像素可以被用于检测体液样本中的分析物。
此外，正如前面所概述的那样，可以比如通过使用至少一种评估算法从图像序列或经过校正的图像序列导出分析物浓度。所述评估算法可以是预定的或者可以是可确定的。此外，可以基于前面提到的差异矩阵从多种潜在的评估算法当中选择评估算法，所述差异矩阵包含样本应用之前或期间采集的图像的信息数值与在样本应用之后采集的图像的信息数值的差异。因此，基于这些差异，比如基于整幅图像或者这些图像的部分上（比如在前面提到的感兴趣区段上）的经过平均的差异，可以选择适当的评估算法。
因此，作为一个实例，可以使用前面提到的差异矩阵，其中包含在样本应用时刻之后1秒采集的图像的信息数值与达阵图像的信息数值的差异。基于包含在该差异矩阵中的差值，比如基于包含在差异矩阵中的所有差值上或者差异矩阵内的感兴趣区段上的经过平均的差值，可以关于将被用来从图像序列并且优选的是经过校正的图像序列确定分析物浓度的适当评估算法做出决定。因此，如果所述经过平均的差值满足至少一项预定条件，则可以选择被指派给该预定条件的评估算法。作为一个实例，所述预定条件可以包括与一个或更多阈值的比较。
在本发明的另一个方面中，公开了一种计算机程序。所述计算机程序包括用于执行根据所述方法（其根据本发明）的其中一个或更多实施例的方法的各个方法步骤的程序装置，比如前面公开的实施例或者在后面公开的实施例。因此，可以提供用于执行通过利用图像检测器采集测试场的图像的图像序列的步骤的程序装置，用于检测所述图像序列的图像中的测试场的至少一项特性特征的程序装置，以及用于对图像序列中的相对位置改变进行校正的程序装置，从而生成经过校正的图像序列。此外还可以提供用于执行如在前面概述或者如在后面概述的附加的可选方法步骤的程序装置。所述程序装置通常分别可以包括一条或更多条计算机可读命令，其被适配成当在计算机或计算机网络上执行所述计算机程序时使得所述计算机或计算机网络执行所述方法。优选的是，所述程序装置可以被存储在比如可由计算机或计算机网络读取的易失性或非易失性计算机存储介质之类的存储介质上，比如被存储在至少一个计算机可读数据载体上。这里所使用的术语“计算机”可以是指任意数据处理器件。因此，术语“计算机”可以指代静止数据处理器件和/或手持式器件，比如便携式计算机、手持式计算机、口袋尺寸便携式器件或者任何其他类型的便携式器件。
这里所使用的术语“便携式”通常可以指代可以由人类比如携带在口袋中的器件。因此优选的是，所述便携式器件通常可以具有优选地不超出1kg的重量，更加优选的是不超出500g。此外，便携式器件优选地具有不超出1000cm3的体积，更加优选的是不超出500cm3。
此外还公开了一种计算机系统，比如包括一台或更多台计算机以及/或计算机网络的系统，所述计算机系统具有用于加载根据本发明的计算机程序并且用于执行所述计算机程序的至少一个处理器。所述计算机系统本身可以完全地或者部分地是用于检测至少一份体液样本中的至少一种分析物的器件的部分，正如后面更加详细地公开的那样。计算机系统的其他实现方式也可以是可能的。
在另一个方面中公开了一种存储介质，其中数据结构被存储在所述存储介质上，其中，在被加载到计算机或计算机网络中之后，所述数据结构被适配成实施根据所述方法（其根据本发明）的一个或更多实施例的方法。
在本发明的另一个方面中，公开了一种用于检测至少一份体液样本中的至少一种分析物的器件。所述器件包括用于容纳至少一个测试元件的至少一个测试元件容器（receptacle），所述至少一个测试元件具有带有至少一种测试化学品的至少一个测试场。对于测试元件的潜在实施例，可以参照前面所公开的或者在后面更加详细地公开的一个或更多实施例中的方法的公开内容。
所述至少一个测试元件通常可以包括一个或更多测试元件，其中在本发明中可以使用多种类型的测试元件。因此，所述器件可以包括恰好一个测试元件。或者，所述器件可以包括多个测试元件。因此，作为一个实例，所述器件可以包括储匣（magazine），所述储匣包含恰好一个测试元件，或者替换地所述器件可以包括储匣，所述储匣包含多个测试元件。
因此可以使用包括多个测试元件的测试条、测试带、测试卡盒或测试储匣。在这方面可以参考前面列出的现有技术文献。还可以使用其他类型的测试元件。关于测试元件容器，适配用于容纳所述至少一个测试元件的任何类型的容器是有用的，其中所述容器可以被适配成将所述至少一个测试元件保持和/或定位在器件内，比如定位在至少一个测量位置和/或定位在至少一个样本应用位置。因此，可以提供测试元件或其一部分的至少一个测量位置和/或至少一个样本应用位置。如前所表明的，测试元件可以包括至少一个测试场。测试元件还可以可选地包括至少一个穿刺元件，比如至少一个刺血（lancing）元件，其优选地可以关于测试场可移动地安放，以便实施穿刺运动、采样运动或刺血运动，从而在皮肤表面中生成切口。优选的是，测试场在所述穿刺、采样或刺血运动期间保持在固定位置处，其中体液样本被转移到测试场上，这比如是通过毛细作用和/或通过在穿刺、采样或刺血运动之后将穿刺元件或其一部分按压到测试场上。
所述器件还包括用于采集测试场的图像的图像序列的至少一个图像检测器，其也被称作检测器。关于图像检测器的潜在实施例，可以参考前面提到的检测器。所述器件还可以包括被适配成存储图像序列的图像的一个或更多数据存储器件，比如一个或更多易失性或者非易失性数据存储器件。
关于图像检测器的潜在实施例，可以参考前面的方法的公开内容。具体来说，所述图像检测器可以包括至少一个线检测器和/或至少一个二维图像检测器，优选的是ccd线传感器、cmos线传感器、二维ccd阵列传感器、二维cmos阵列传感器或者所提到的传感器系统和/或其他传感器的任意组合。
除了多个像素之外，所述检测器或图像检测器还可以包括一个或更多附加的元件。因此优选的是，所述检测器可以包括一个或更多光源，其被适配成在紫外和/或可见和/或红外光谱范围内生成光。所述至少一个可选的光源可以被适配成照明所述至少一种测试化学品的至少部分和/或所述至少一个测试场的至少部分。因此优选的是，所述检测器包括至少一个光源，其生成光以用于照明测试场的至少部分，其中所述多个像素被适配成检测从测试场传播的光。因此优选的是，所述至少一个光源和多个像素被设置在测试场的同一侧。关于从测试场传播到检测器的多个像素的光的性质可以有多种可能性。在不限制这些可能性的情况下，由所述至少一个光源生成的光可以被称作激发光，并且从测试场传播到所述多个像素的光可以被称作检测光或响应光。通常来说，作为一个实例，检测光可以是或者可以包括由测试场完全地或部分地反射或衍射的激发光。附加地或替换地，检测光可以是或者可以包括由测试化学品或者其某些部分发出的光，比如荧光（例如，如在ep1780288b1中那样）和/或磷光。因此通常来说，激发光和检测光可以具有相同的波长或相同的光谱属性，或者可以具有不同的波长或不同的光谱属性。优选的是，激发光到测试场上的入射角度不同于检测光的发射角度。因此优选的是，从测试场直接反射的激发光不会被所述多个像素检测到。但是其他可能性也是可行的。
后面公开了检测器的一个优选实施例。所述检测器可以被用作根据本发明的方法和器件中的检测器。但是也可以在没有本发明的其他元件的情况下通过单独的方式实现所述检测器，其中没有本发明的另外的细节或者仅有涉及检测器的细节。所述检测器包括至少一个光源，正如前面所概述的那样。所述检测器还包括多个光敏传感器元件，正如前面更加详细地公开的那样。所述检测器还包括至少一种波长转换材料，其被适配成将穿过所述波长转换材料的光的波长转换到一不同的波长，优选的是更长的波长。因此，所述至少一种波长转换材料可以被包括在一个或更多层中。优选的是，所述波长转换材料可以被包括在至少一个涂层中。所述涂层可以完全地或者部分地覆盖检测器的多个像素。检测器的像素可以被包括在检测器的图像传感器中，其中所述图像传感器完全地或部分地被包括所述至少一种波长转换材料的至少一个涂层覆盖。
优选的是，所述至少一个光源被适配成生成紫外光。但是还可以附加地或替换地使用其他类型的光源。所述至少一种波长转换材料优选地可以被适配成将紫外光谱范围内的光或者蓝色光谱范围内的光转换成绿色或红色或者甚至红外光谱范围内的可见光。因此，所述至少一种波长转换材料可以被适配成将光转换到像素的最大灵敏度的光谱范围内。
在本领域内知道多种类型的波长转换材料，并且部分可以买到。因此，所述波长转换材料可以包括一种或更多种荧光材料和/或一种或更多种磷光材料。可以使用有机和/或无机波长转换材料，比如一种或更多种荧光染料。因此，作为一个实例，可以把从显示技术或照明技术获知的量子点（quantumdot）材料、铕络合物（europiumcomplex）材料或者荧光染料用作波长转换材料。
所述检测器可以包括图像传感器，所述图像传感器包括多个像素，比如cmos或ccd图像传感器芯片。所述图像传感器可以具有一个或更多包括波长转换材料（比如至少一种荧光材料）的涂层。作为一个实例，所述波长转换材料可以被适配成将波长为360nm的光子转换成600nm的光子。其他类型的转换也是可能的。可获得具有足够的量子效率和耐久性的大量染料。尽管所述转换可能意味着光子通量的一定损失（这主要是由于几何原因和灵敏度），但是由于图像传感器芯片在更长波长下的更好的灵敏度，所述波长转换总体上可以提高检测效率。因此，标准的cmos图像传感器芯片通常在600到900nm的范围内表现出最大效率。另一方面，紫外或蓝色光谱范围内的灵敏度可能会降低到10%或者甚至小于1%。因此，通过使用所述波长转换材料，可以实现检测效率的高增长。
此外，所述波长转换材料特别可以被适配于特定的检测环境，特别是关于转换属性。因此通常来说，荧光染料可以将处于360nm范围内的光转换成具有600nm或更大波长的光。
除了至少一种波长转换材料之外，所述检测器还可以包括一种或更多种过滤材料，其被适配成完全地或者部分地对穿过所述过滤材料的光的一个或更多波长进行过滤。因此可以使用层设置，比如图像传感器芯片上的涂层，其包括具有至少一种波长转换材料的一个或更多层以及具有至少一种过滤材料的一个或更多层。附加地或替换地，所述至少一种波长转换材料和所述至少一种过滤材料可以被包括在同一层中。因此，通过使用过滤材料，可以消除和/或抑制不想要的光。通过使用这种或其他技术，可以实现高效的图像传感器（比如高效的ccd或cmos图像传感器芯片）以用在紫外光谱范围内（比如用在360nm的波长处），其可以特别被适配于本发明。但是也可以附加地或替换地使用其他类型的检测器。
所述波长转换材料还可以被使用在简单的一维光电二极管中，比如可以从vishaysemiconductorgmbh（d-74025heilbronn，德国）获得的bpw34光电二极管的硅光电二极管。一个总体上的优点在于相对较低的成本，这是因为与在紫外或蓝色光谱范围内具有最大灵敏度的光电二极管（比如gap光电二极管）相比，通常可以在低近似2个数量级的价格范围内获得硅光电二极管。
还可以对波长转换材料进行封装，以便防止含氧成分对分析测量造成影响。可以通过使用适当的基质材料来进行封装，其中波长转换材料被完全地或部分地包含在基质材料中，比如被分散到基质材料中。作为一个实例，可以将一种或更多种树脂用作基质材料，比如环氧树脂。所述基质材料本身可以形成涂层。因此，可以把作为波长转换材料的一种或更多种荧光团（fluorophore）包括在形成图像传感器芯片的涂层的一种或更多种驻留物（resident）中。附加地或替换地，可以把一种或更多种玻璃用作基质材料，所述玻璃包含作为波长转换材料的一种或更多种掺杂物。作为一个实例，可以将一种或更多种稀土用作具有波长转换属性的掺杂物。作为一个实例，这些类型的包含一种或更多种掺杂物的玻璃可以从光纤技术获知。所述玻璃可以被直接涂覆到图像传感器芯片上，和/或可以被分开并且独立地制造，并且随后可以被机械安放到图像传感器芯片上，比如通过使用具有适当掺杂物的一块或更多块玻璃板。通过这种方式或其他方式，可以实现优良的信噪比。
前面在其中一个或更多所公开的实施例中提到的检测器特别可以与包含nad的测试化学品相组合。因此，激发波长可以被选择成更靠近nadh的吸收的最大值，即更靠近大约350nm。对于具有更好的稳定性的测试化学品，可以采用carba-nad以及突变酶（例如在wo2009/103540a1或wo2010/094632a1中描述）。由于carba-nadh的吸收峰值的偏移，在近似365nm的波长下进行发射发光器件或光源（比如led）可能是优选的。或者可以使用包含具有在可见范围或红外范围内进行吸收的指示剂的检测层的分析系统，比如2,18-磷钼酸盐（例如在ep821234b1中公开的）或者四唑盐（例如在us6656697b1或us7867728b2中公开的）。
这里所概述的本发明还可以被应用于或者可以通过分析检测层利用与葡糖氧化酶/过氧化酶以及指示剂mbth-ans或mbth-dmab（例如在us4935346a或ep1167540b1中描述的）的氧化耦合的来实现。
通过使用波长转换材料，比如含铕的荧光材料，比如在测量光度模式下，可以把从测试化学品减退（remitted）的光向检测器的像素（比如硅图像传感器芯片的像素）的灵敏度最大值偏移得更加靠近。
所述器件还可以包括至少一个控制单元，其中所述至少一个控制单元被适配成实施根据本发明的方法，即根据前面所公开或者在后面更加详细地公开的一个或更多实施例的方法。正如前面所概述的那样，所述至少一个控制单元优选地可以包括一个或更多处理器，其中所述一个或更多处理器可以形成计算机系统和/或计算机和/或计算机网络。
具体来说，所述控制单元包括一个或更多处理器，其通过实施适当的软件和/或程序代码而被适配成实施根据本发明的方法。因此，对于所述器件的其他潜在的细节，可以参考前面所公开和/或在后面更加详细地公开的方法。
所述器件优选地可以是手持式器件和/或便携式器件。根据本发明的方法的实现方式在手持式器件中是特别有利的，这是因为实施根据本发明的方法所需的硬件资源可以被保持在相当低的水平。因此，可以使用低水平的数据存储系统以及低水平的控制单元（特别是相当简单的处理器），而不需要使用精密的图像分析工具。具体来说，通过使用相当低水平的处理器可以实施图像序列中的图像检测器与测试场之间的相对位置改变的校正，该校正优选地是通过使用一种或更多种相关措施而实现的。
正如前面所概述的那样，所述控制单元优选地可以包括至少一个处理器。所述至少一个处理器优选地可以包括一个或更多微控制器。附加地或替换地，所述至少一个处理器可以包括至少一个专用集成电路（asic）。
在本发明的另一个方面中，公开了一种用于检测至少一份体液样本中的至少一种分析物的测试系统。所述测试系统优选地可以是手持式和/或便携式测试系统。关于“便携式”这一表达，可以参考前面给出的定义。所述测试系统包括根据本发明、根据前面提到的一个或更多实施例和/或根据后面更加详细地公开的一个或更多实施例的至少一个器件。此外，所述测试系统包括至少一个测试元件，其具有至少一个测试场，所述至少一个测试场带有至少一种测试化学品。关于所述至少一个测试元件和至少一个测试场，可以参考前面提到的公开内容。所述测试化学品被适配成在有分析物存在的情况下实施至少一种光学上可检测的检测反应。
所述测试系统优选地还可以包括至少一个穿刺元件。这里所使用的术语“穿刺元件”指的是被适配为在用户的皮肤部分中产生一个或更多开口的任意元件。因此，所述至少一个穿刺元件可以包括一个或更多刺血针或刺血针元件。所述测试系统还可以被适配成通过使用穿刺元件来穿刺用户的至少一个皮肤部分。因此，所述测试系统可以包括一个或更多致动器，其被适配成与所述至少一个穿刺元件接合，并且驱动穿刺元件向前移动以便穿刺用户的至少一个皮肤部分。此外，所述至少一个致动器可以被适配成从用户的所述皮肤部分收回所述至少一个穿刺元件。可选的是，在这一收回移动期间，可以由穿刺元件收集体液样本，并且可选地可以将其转移到至少一个测试元件上。因此，所述测试系统可以被适配成通过使用穿刺元件来穿刺用户的至少一个皮肤部分，从而产生体液样本，其中所述测试系统还可以被适配成把体液样本转移到测试元件的测试场上。可以通过多种方式来实施所述样本转移。因此，可以实施至少一个转移元件，和/或可以使得所述至少一个穿刺元件与至少一个测试场紧邻或者与之接触，以便转移体液样本。
所述穿刺元件优选地可以包括至少一个微采样器。所述至少一个微采样器可以包括至少一个刺血针尖头和至少一个毛细管，以用于提取体液样本。因此，所述微采样器可以包括具有一个或更多刺血针尖头的一个或更多刺血针，每一个刺血针具有至少一个毛细管，优选的是至少一条毛细管道或者至少两条毛细管道。这里所使用的术语“毛细管”可以包括被适配用于通过毛细作用提取和/或传输液体的任何类型的元件。所述毛细管可以包括封闭管道，比如中空针中的管道，和/或开放管道，比如毛细管沟槽或毛细管狭缝。封闭管道可以通过管状毛细管壁圆周闭合，而开放管道则可以沿着所述管道的纵轴提供开放的表面。
正如前面所概述的那样，可以通过几种方式来实施样本转移。因此，所述测试系统可以被适配成将穿刺元件（优选的是微采样器）按压到测试场上，从而至少部分地将体液样本转移到测试场上。因此，在使用微采样器时，可以将微采样器按压到测试场上。其中优选的是，可以使得可选的至少一条毛细管道与至少一个测试场相接触。从而将包含在毛细管道中的体液至少部分地转移到测试场上。附加地或替换地，其他类型的样本转移也是可能的。
测试场优选地可以位于测试元件的外罩的空腔内部。一个单一测试场可以被包括在或者位于一个外罩中，或者几个测试场可以被包括在或者位于测试元件的一个外罩中。因此，测试元件可以被定义为具有至少一个测试场的元件，其优选地适合于单一测试，也就是说用于针对体液样本中的分析物的恰好一项检测。一个测试元件或几个测试元件可以被包括在测试系统中，比如通过使用包括一个测试元件的储匣或者包括多于一个测试元件的储匣。此外，几个测试元件可以共享一个外罩或外罩部分，比如通过在一个共同的外罩内部实施多个空腔，每一个空腔容纳至少一个测试场。此外，正如前面所概述的那样，在每一个空间中可以放置至少一个穿刺元件。优选的是，体液到测试场上的转移可以在所述空腔内部发生。
在另一个优选实施例中，所述测试系统可以被适配成从应用侧将体液样本转移到测试场上。所述图像检测器优选地可以被适配成从与应用侧相对地放置的检测侧采集测试场的图像的图像序列。因此，所述测试元件优选地可以包括一个或更多载体，其中测试场被应用到所述载体。可以从应用侧将体液样本应用到测试场。所述载体可以是透明的和/或可以包括一个或更多开口，其中图像序列的采集可以透过所述载体发生（比如通过使用透明的载体）和/或透过所述载体内部的一个或更多可选的开口发生。
此外，所述测试元件可以包括一个或更多外罩。可以通过由测试元件的外罩提供的窗口来定义查看窗口，透过所述查看窗口可以观察到检测侧。在这方面可以参考由如前面所公开的wo2010/094426a1公开的盘状测试元件储匣。可以实现测试元件的其他实施例。
正如前面所概述的那样，所述测试化学品优选地可以被直接或间接地应用到测试元件的测试化学品载体。此外，正如前面所概述的那样，所述测试系统可以包括多个测试元件，所述多个测试元件被包括在储匣中。所述储匣优选地可以包括储匣外罩，其中所述测试系统还包括测试化学品载体，其中所述测试化学品载体优选地通过形状配合（form-fit）连接和/或通过力配合（force-fit）连接机械地连接到所述外罩。正如前面所概述的那样，用于将测试化学品载体连接到外罩的这种类型的连接在制造方面是相当有利的。但是正如在前面关于现有技术的讨论中所概述的那样，在测试系统的操纵期间可能会发生测试化学品载体与外罩的一些相对移动，特别是测试场与由测试元件的外罩提供的窗口的相对移动。但是前面所提到的相对位置改变的校正可以被适配成校正这些移动，从而改进分析物检测的精确性和准确性。
所述储匣通常可以具有任意形状。因此，可以提供包括恰好一个测试元件的储匣，比如矩形储匣。或者所述储匣可以包括多个测试元件。因此，正如前面所概述的那样，所述储匣可以具有环形形状。在这种情况下，在环状储匣内部优选地通过径向方式来定向各个测试元件。因此，环状储匣可以在储匣的外罩内部包括多个径向定向的腔室，其中在每一个腔室内部可以放置至少一个微采样器，并且其中在每一个腔室内部可以放置被适配于样本应用的至少一个测试场。
根据本发明的器件和方法提供了优于本领域内已知的器件和方法的大量优点。因此，根据本发明的方法特别提供了实现一种动态算法的可能性，所述动态算法首先校正相对位置改变。因此，可以确定和/或校正测试场位置和/或测试场旋转。通过校正位置改变和/或通过知道测试场位置和/或测试场旋转，可以在相同的基础上实施所有后续的图像处理步骤。在理想情况下，通过如下这样一种方式实施校正：使得测试场的边界和/或测试场的可见窗口的边界在图像辨识过程的坐标系中水平和/或垂直延伸。因此，在理想情况下，可以在图像处理中使用搜索线，其在经过校正的图像序列的所有图像中都是相当的的。此外，通过知道测试场的边界和/或测试场的可见窗口的边界，可以去除测试元件的边界区域以用于进一步的图像处理，所述边界区域是比如处于测试场外部的区域和/或测试元件的处于测试场外部的部分，其由于机械容差而处于图像检测器的视场中。
根据本发明的方法提供了用于解决在复杂操作期间校正测试场的图像序列中的移位和/或形变的技术问题的手段，所述复杂操作可能包括样本应用和检测反应。与此相对，ep2270421a1的公开内容涉及以下事实：在监测支架中的测试件期间，可能会由于机械容差而发生机械移位。因此，ep2270421a1提出了辨识被置于测试场外部的参考标记（例如参见[0066]段），并且提出了在实际测量开始之前对所述移位进行先期校正（例如参见[0036]段）。但是ep2270421a1没有认识到操作期间以及检测反应期间的图像偏移或者图像形成的技术问题，也没有提供针对这一问题的任何技术解决方案。
此外，根据本发明的方法容易地允许确定将体液样本应用到测试场上的时刻。可以基于存储在经过校正图像的像素中的信息数值来确定这一样本应用时刻。正如前面所概述的那样，可以在图像序列或者经过校正的图像序列中识别出达阵图像或者经过校正的达阵图像，所述达阵图像是最靠近样本应用时刻所采集的图像序列中的图像。达阵图像可以被用来考虑由于样本应用和/或测试场的湿化所导致的图像序列中的改变，所述改变不是由检测反应本身生成的，并且其因此不包含与分析物浓度有关的信息。达阵图像可以被用来精确地确定感兴趣区段，和/或用于精确地确定分析物浓度。此外，可以使用一个或更多阈值，比如用于检测在经过校正的图像的矩阵上经过平均的信息数值中的改变的一个或更多阈值，所述改变表明测试场被体液样本湿化。
此外，正如前面所概述的那样，根据本发明的方法允许容易地确定空白图像，优选的是经过平均的空白图像。对于经过平均的空白图像的这一确定优选地与样本转移时刻的确定并行地发生。通过使用应用体液样本之前（比如将微采样器接触到测试场之前）的经过校正的图像序列的经过校正的图像，可以在非常高的精度下实施经过平均的空白图像的确定。正如前面所概述的那样，为了确定经过平均的空白图像，可以使用一项连续过程，该连续过程还可以被称作移动过程或滑动过程。从而在移动过程中，可以从到目前为止所采集的经过校正的空白图像导出初步经过平均的空白图像，其中对于每一幅新采集的空白图像，可以对所述初步经过平均的空白图像进行修订。所述平均可以在逐个像素的基础上发生。换句话说，把存储在一幅图像的特定坐标处的信息数值（比如灰度值）与相同坐标处的其他图像的相应的信息数值（比如相应的灰度值）相组合。对于这一组合，基本上可以使用任何类型的平均过程，比如确定算术平均值、几何平均值的过程或者其他类型的平均过程。
前面所提到的图像校正特别允许补偿图像的振动和/或震动，其在传统测量中可能导致测量期间的抖动或模糊。因此，在传统的方法中，由于这些振动和震动，多幅图像的组合通常意味着高度的不确定性。与此相对，在根据本发明的方法中，在逐个像素的基础上对经过校正的图像序列的经过校正的图像的组合是可能的，这是因为所述校正允许相应的像素的正确组合。因此，可以在高精度下导出经过平均的空白图像。
此外，根据本发明的方法允许显著减少将被存储在数据存储装置中的图像数据。因此，通过把经过校正的图像序列的空白图像组合成一幅单一的经过平均的空白图像，对于该经过平均的空白图像的存储完全足以用于分析物浓度的进一步的和后续的确定。此外，可以被用于确定经过平均的空白图像的所述连续过程或移动平均过程的资源效率也非常高。因此，可以把到目前为止所采集的所有经过校正的空白图像组合成初步经过平均的空白图像，并且因此可以只存储所述初步经过平均的空白图像，而经过校正的空白图像本身则可以被擦除。
此外，可以通过相当简单并且资源高效的方式来实施前面提到的相对位置改变的校正，这可以意味着甚至在手持式或便携式器件中也容易实施。因此，所述校正可以在利用图像序列的至少一项特性特征的图案辨识的基础上发生。所述特性特征优选地可以是或者可以包括具有已定义的位置和尺寸的图像序列的图像的一个图像节段，比如图像序列的参考图像中的一个图像节段。作为参考图像，例如可以选择图像序列的第一幅图像。出于前面提到的校正的目的，可以对该图像序列与另一幅图像中的图像序列的一致程度或匹配进行量化。这一量化可以容易地通过适当的算法来具体实现。因此，可以通过使用交叉相关性或交叉相关系数（优选的是归一化的交叉相关系数）来对所述一致程度或匹配进行量化。此外，可以使用将要比较的图像中的移位，比如欧氏距离（euclideandistance）。通过这种方式和/或通过其他方式，比如通过改变欧氏距离，可以使得将要比较的图像相对于彼此被不同程度地虚拟偏移和/或旋转，其中对于每一个变化，可以确定所述一致程度和/或匹配，比如所述图像节段与将要比较的图像中的相应图像节段的图案匹配。导致最高一致程度和/或最高匹配的偏移和/或旋转可以被用于图像的校正，比如用于对矩阵进行变换。
此外，可选的是，可以把所述一致程度或匹配与一个或更多阈值或限值进行比较。因此，如果发现所述一致程度和/或匹配低于预定限值，则可以使用不同类型的特性特征（比如参考图像的不同图像节段），并且可以重复图案匹配的过程。因此，对于新的尝试可以使用具有不同位置和/或不同尺寸的不同图像节段。
与本领域内已知的其他方法相比，出于校正的目的辨识特性特征的方法意味着许多优点。因此，作为一个实例，图像之间的亮度变化和/或图像中的微小错误或缺陷（比如由于检测器和/或光学系统和/或测试化学品的杂质和灰尘而导致的缺陷）通常不会导致图案辨识的失败。直到所述缺陷或错误导致图像的显著扰乱或干扰（这终究会导致检测到错误），所述方法才会由于一致程度不足而失败。因此，所述方法甚至可以被用于确定图像采集中的错误，从而导致选择和丢弃存在缺陷的图像，或者甚至导致完全中止测量，可选地与提供给器件用户的适当警告相结合。
此外，通过使用根据本发明的方法，可以相当高效地确定感兴趣区段，即使对于测试场的复杂几何结构和/或对于去到测试场上的样本转移的复杂几何结构也是如此，比如经由一个或更多毛细管的样本转移。因此，即使是去到测试场上的样本转移的复杂几何结构也可以被处理，从而导致具有相当不规则形状的感兴趣区段。作为一个实例，可以使用具有一条、两条或更多条毛细管道的微采样器，其中从这些毛细管道到测试场上的样本转移导致体液样本被应用到的区域的不规则形状。因此，可以通过检测经过校正的图像序列中的显著改变来确定感兴趣区段。为此目的，优选地可以在逐个像素的基础上对于将样本应用到测试场的时刻之后的经过校正的图像序列的一幅或更多幅经过校正的图像进行评估，比如在样本转移或样本应用时刻之后的预定等待时间（其也被称作预定时间跨度）处采集的图像（比如1s的等待时间或者类似的等待时间），并且可以检测到显著改变。正如前面所概述的那样，可以通过把在样本应用时刻之后采集的该幅经过校正的图像与在样本应用之前或之后所采集的一幅图像（比如达阵图像）进行比较来确定所述显著改变。如果在样本应用时刻之后采集的经过校正的图像的图像质量（比如信噪比）不足够，则可以使用在样本应用时刻之后采集的一幅或更多幅另外的经过校正的图像来检测显著改变，比如通过对于在样本应用时刻之后采集的多幅经过校正的图像进行平均。因此，在样本应用之后采集的一幅或更多幅经过校正的图像可以被用于生成样本应用之后的经过平均的已校正图像，并且可以确定差值或者一个或更多比较矩阵。因此，可以把样本应用之后的经过平均的图像与在样本应用之前或期间所采集的经过平均的图像进行比较，从而产生一个或更多经过平均的差异矩阵，比如通过在逐个像素的基础上确定这些矩阵的差异。因此，所述差异矩阵在每一个域中可以包括在样本应用之后采集的经过平均的已校正图像矩阵与在样本应用之前或期间采集的图像的相应信息数值的差值。
通过使用这些和其他类型的比较，可以容易地评估显著改变，比如通过使用直方图和/或一种或更多种阈值方法。此外可选的是，可以对直方图实施过滤和/或对直方图实施平均。在至少一个直方图的基础上，可以确定阈值，其可以被用于评估显著改变，比如用于评估包含在差异矩阵中的数据。
正如前面所概述的那样，感兴趣区段通常可以包含经过校正的图像中的一个坐标集合，也就是可以被用于定性地和/或定量地确定体液样本中的分析物的每一幅经过校正的图像中的一组像素，比如用于确定至少一种分析物的浓度。通过使用根据本发明的方法并且通过使用对多幅图像进行平均以便检测图像中的显著改变的可能性，感兴趣区段的确定可以被保持得相当高效并且简单。因此，由于所有经过校正的图像关于其位置和/或旋转都是相当的的，因此可以确定感兴趣区段的边界线，这可以适用于多幅经过校正的图像或者甚至适用于所有经过校正的图像。
因此，在用于确定感兴趣区段的下一个步骤中，可以在差异矩阵中确定经过校正的图像中的水平和/或垂直平均值，比如在包含差值的差异矩阵的x方向和/或y方向上。因此，可以对于空间中的一个或更多方向计算差异矩阵中的经过平均的灰度值的最大值，比如对于x方向（经过校正的图像的水平方向）的最大值和/或y方向（经过校正的图像的垂直方向）的最大值。在该至少一个最大值的基础上，可以确定至少一个阈值，比如对应于空间中的每一个方向的至少一个阈值。通过使用该至少一个阈值，可以确定显著改变，比如水平和/或垂直平均值中的显著改变。由此，可以确定差异矩阵中的感兴趣区段的边界线，也就是表明所述边界线在该矩阵中的位置的边界线坐标。附加地并且可选地，可以应用安全距离，和/或样本转移的已知几何结构（比如微采样器的几何结构）可以被用于校正该感兴趣区段。一般来说，通过使用在逐个像素的基础上表明样本应用之前与之后的改变的差异矩阵，可以确定感兴趣区段的边界线，比如针对矩形感兴趣区段的四条边界线，以便粗略地界定感兴趣区段。
通过进一步处理粗略确定的感兴趣区段内的像素的信息数值，可以进一步细化感兴趣区段的这一确定。因此一般来说，感兴趣区段的确定可以包括几个步骤，比如对于感兴趣区段的至少一项粗略确定，以及对于感兴趣区段的至少一项细化确定。因此，一旦比如通过确定感兴趣区段的边界线（比如定义一个或更多矩形感兴趣区段的边界线）而获知关于感兴趣区段的粗略估计，可以通过统计方法进一步评估关于感兴趣区段的该粗略估计。从而可以执行对这些粗略边界线内的一个或更多区段的附加丢弃。作为一个实例，可以通过使用一个或更多直方图和/或通过使用一个或更多过滤步骤（比如用于对直方图进行过滤的过滤步骤）来进一步评估粗略感兴趣区段，以便搜索重要像素，也就是将被指派给经过细化或修订的感兴趣区段的像素。因此，在粗略感兴趣区段内部的差异矩阵的像素的信息数值的直方图和/或经过过滤的直方图的基础上，可以确定一个或更多阈值。处于所述阈值的一侧的像素的信息数值可以被指派给感兴趣区段，而处于阈值的另一侧的像素则可以被确定为处于感兴趣区段的外部。附加地或替换地，为了找到所述至少一个阈值，可以使用前面提到的otsu方法，该方法可以基于归一化的直方图。
按照这种方式或者另一种方式，通过评估样本应用之前/期间以及样本应用之后的经过校正的图像的显著改变，可以容易地将感兴趣区段确定为经过校正的图像内的坐标或位置的集合或组。因此，感兴趣区段可以容易地通过二进制矩阵来表示，其表明经过校正的图像的像素是否属于感兴趣区段。即使对于微采样器的复杂几何结构，该二进制掩模或二进制矩阵也可以在逐个像素的基础上精确地定义感兴趣区段，这与传统的方法不同，传统方法通常利用由相当简单的几何结构对感兴趣区段的定义，比如圆形几何结构和/或矩形几何结构。
在优选地包含二进制掩模和/或属于感兴趣区段的像素的像素坐标的精确定以的该精确定义的感兴趣区段的基础上，可以对经过校正的图像实施精确的评估，以便定性地和/或定量地检测至少一种分析物，比如以高精度确定分析物浓度。因此，通过评估经过校正的图像中的感兴趣区段内的像素的信息数值，可以优选地在逐个像素的基础上和/或在经过平均的基础上评估检测反应的反应动力学，以便确定分析物浓度。为了确定分析物浓度的这一目的，可以使用一种或更多种评估算法，其可以是预定的和/或可确定的。正如前面所概述的那样，甚至有可能在检测反应开始之后的信息数值中的改变的基础上选择适当的评估算法，比如通过把在样本应用之前或期间所采集的一幅或更多幅图像的信息数值与在样本应用之后的预定时间跨度等待时间（比如样本应用之后的1秒）处所采集的一幅或更多幅图像的信息数值进行比较。
出于确定分析物浓度的目的，一般来说，可以对在样本应用时刻之后采集的这些经过校正的图像中的信息数值进行校正和/或归一化，比如通过使用经过平均的空白图像在逐个像素的基础上进行归一化。因此作为一个实例，从在样本应用时刻之后所采集的经过校正的图像序列的每一幅经过校正的图像，可以确定包含针对每一个像素的相对减退数值的相应矩阵，比如通过把每一个像素的信息数值除以包含在经过平均的空白图像的相应像素中的相应信息数值，和/或通过在逐个像素的基础上减去偏移量。基于这些经过校正和/或修改的图像，可以发生对经过校正的图像的像素的平均，从而获得感兴趣区段内的像素的信息数值的非常精确的平均值。
以下总结前面提到的发现以及本发明的可选实施例，本发明的以下实施例是优选的。
实施例1：一种用于检测至少一份体液样本中的至少一种分析物的方法，优选的是用于检测血液和/或细胞间液中的葡萄糖，其中使用带有至少一个测试场的至少一个测试元件，所述至少一个测试场具有至少一种测试化学品，其中所述测试化学品被适配成在有分析物存在的情况下实施至少一种光学上可检测的检测反应，优选的是变色反应，其中所述方法包括通过使用至少一个图像检测器采集测试场的图像的图像序列，其中每一幅图像包括多个像素，其中所述方法还包括检测所述图像序列的图像中的测试场的至少一项特性特征，其中所述方法还包括通过使用所述特性特征校正图像序列中的图像检测器与测试场之间的相对位置改变，从而获得经过校正的图像序列。
实施例2：根据前一个实施例的方法，其中所述图像序列的每一幅图像包含信息数值的矩阵，优选的是灰度值的矩阵。
实施例3：根据一个在前实施例的方法，其中图像检测器与测试场之间的相对位置改变的校正包括从由以下各项构成的一组当中选择的至少一项校正：图像检测器上的测试场的图像在至少一个空间方向上的平移的校正；图像检测器上的测试场的图像围绕至少一个旋转轴的旋转校正；图像检测器上的测试场的图像的畸变校正，所述畸变优选地是由于测试场的扭曲而导致的畸变。
实施例4：根据一个在前实施例的方法，在恒定时间序列中和/或在恒定帧率下采集所述图像序列的图像。
实施例5：根据一个在前实施例的方法，其中所述图像检测器包括从由线检测器和二维检测器构成的一组当中选择的至少一个检测器。
实施例6：根据一个在前实施例的方法，其中对于相对位置改变的校正包括使用图像序列的至少一幅图像作为参考图像，其中所述参考图像保持不变，其中通过使用对于像素位置的至少一项计算校正来校正图像序列的剩余图像，其中所述计算校正被选择成使得图像序列的参考图像与经过校正的剩余图像之间的相关性被最大化。
实施例7：根据前一个实施例的方法，其中所述计算校正包括在至少一个空间方向上偏移图像序列的剩余图像的像素，其中所述偏移被选择成使得参考图像与经过校正的剩余图像之间的相关性被最大化。
实施例8：根据前一个实施例的方法，其中对于图像序列的剩余图像中的每一幅图像单独选择所述偏移。
实施例9：根据在前三个实施例之一的方法，其中所述计算校正包括围绕至少一个旋转轴以至少一个旋转角度对图像序列的剩余图像进行至少一次旋转，其中所述旋转轴和/或旋转角度被选择成使得参考图像与经过校正的剩余图像之间的相关性被最大化。
实施例10：根据前一个实施例的方法，其中对于图像序列的剩余图像当中的每一幅图像单独选择所述旋转轴和/或旋转角度。
实施例11：根据一个在前实施例的方法，其中所述特性特征包括从由以下各项构成的一组当中选择的至少一项特征：可以在图像序列的图像中检测到的测试场的粗糙性；可以在图像序列的图像中检测到的测试场的测试化学品的颗粒性；可以在图像序列的图像中检测到的测试场的缺陷；包括在测试场中并且可以在图像序列的图像中检测到的至少一个（优选的是至少两个）基准标记。
实施例12：根据一个在前实施例的方法，其中通过检测测试化学品的至少一项光学属性和/或通过检测由于所述光学上可检测的检测反应而导致的测试化学品的至少一项光学属性的至少一项改变来检测分析物的浓度。
实施例13：根据前一个实施例的方法，其中所述至少一项光学属性包括颜色、绝对减退、相对减退以及荧光的中的至少一个。
实施例14：根据一个在前实施例的方法，其中在图像序列的采集期间将体液样本应用到测试场。
实施例15：根据前一个实施例的方法，其中所述图像序列包括空白图像序列，其中所述空白图像序列包括在将体液样本应用到测试场之前所采集的多幅空白图像。
实施例16：根据前一个实施例的方法，其中在对空白图像序列的空白图像的相对位置改变实施校正之后，从空白图像序列的空白图像导出至少一幅经过平均的空白图像。
实施例17：根据前一个实施例的方法，其中在采集所述图像序列的图像的期间在一项连续过程中导出所述经过平均的空白图像，其中从到目前为止所采集的经过校正的空白图像导出初步经过平均的空白图像，其中使用新采集的空白图像来修订所述初步经过平均的空白图像。
实施例18：根据在前两个实施例之一的方法，其中使用空白图像序列的经过校正的空白图像的相应像素的信息来导出经过平均的空白图像的相应像素的信息。
实施例19：根据前一个实施例的方法，其中通过至少一项线性组合和/或通过至少一项平均操作来组合各幅经过校正的空白图像的相应像素的信息，以用于导出经过平均的空白图像的相应像素。
实施例20：根据在前五个实施例之一的方法，其中通过把经过校正的图像序列的图像与空白图像序列进行比较（优选的是与经过平均的空白图像进行比较）来检测分析物。
实施例21：根据前一个实施例的方法，其中在逐个像素的基础上实施所述比较。
实施例22：根据前一个实施例的方法，其中把体液样本应用到测试场之后包含在经过校正的图像序列的图像的每一个像素中的信息除以包含在至少一幅空白图像（优选的是经过平均的空白图像）相应像素中的信息，从而产生对于每一个像素的归一化信息，其中优选地产生经过校正的相对图像序列，每一幅经过校正的相对图像具有包含对应像素的归一化信息的像素。
实施例23：根据前一个实施例的方法，其中在经过校正的相对图像序列的至少部分上产生至少一个经过平均的归一化数值，优选的是在经过校正的相对图像的一感兴趣区段上产生。
实施例24：根据前一个实施例的方法，其中所述归一化数值是经过校正的相对图像序列的部分上的平均值，优选的是经过校正的相对图像的感兴趣区段上的平均值。
实施例25：根据在前两个实施例之一的方法，其中所述经过平均的归一化数值被用于导出体液中的分析物的浓度。
实施例26：根据在前三个实施例之一的方法，其中在把体液样本应用到测试场之后来监测作为时间函数的所述经过平均的归一化数值，从而优选地生成动力学曲线。
实施例27：根据一个在前实施例的方法，其中在经过校正的图像序列中检测测试场的边界和/或测试场的可见窗口的边界，优选的是在经过校正的空白图像序列中和/或在经过平均的空白图像中检测。
实施例28：根据前一个实施例的方法，其中通过使用阈值方法和/或图案辨识方法来检测所述边界。
实施例29：根据一个在前实施例的方法，其中在图像序列中检测将体液样本应用到测试场上的时刻。
实施例30：根据前一个实施例的方法，其中通过观察包含在图像序列中的信息的改变来检测将体液样本应用到测试场上的时刻。
实施例31：根据前一个实施例的方法，其中观察包含在图像序列的图像中的经过平均的信息的改变。
实施例32：根据在前三个实施例之一的方法，其中通过观察经过校正的图像序列中的经过校正的图像的改变来检测将体液样本应用到测试场上的时刻。
实施例33：根据在前四个实施例之一的方法，其中在校正之后对图像序列的相邻的经过平均的图像进行比较，从而对于每一对相邻图像获得一个经过平均的差值，其中通过把所述经过平均的差值与至少一个阈值进行比较来检测将样本应用到测试场上的时刻。
实施例34：根据一个在前实施例的方法，其中在图像序列的采集期间将体液样本应用到测试场，其中在图像序列（优选的是经过校正的图像序列）中检测至少一幅达阵图像（优选的是至少一幅经过校正的达阵图像），其中所述达阵图像是在最靠近将体液样本应用到测试场上的时刻的时间点所采集的所述图像序列的图像。
实施例35：根据前一个实施例的方法，其中通过把经过校正的图像序列的图像与达阵图像进行比较来检测分析物。
实施例36：根据前一个实施例的方法，其中在逐个像素的基础上实施所述比较。
实施例37：根据一个在前实施例的方法，其中在将体液样本应用到测试场上之后，在图像序列中确定至少一个感兴趣区段。
实施例38：根据前一个实施例的方法，其中在逐个像素的基础上把在将体液样本应用到测试场上之前或期间所采集的至少一幅经过校正的图像与在将体液样本应用到测试场上之后所采集的至少一幅经过校正的图像进行比较。
实施例39：根据前一个实施例的方法，其中对于每一个像素生成一个差值，其中所述差值标示包含在将体液样本应用到测试场上之前或期间与将体液样本应用到测试场上之后所采集的经过校正的图像的相应像素中的信息的差异，其中基于所述差值将像素分类为属于感兴趣区段的像素或者不属于感兴趣区段的像素。
实施例39：根据前一个实施例的方法，其中使用至少一种阈值方法对像素进行分类，优选地是otsu方法。
实施例40：根据在前三个实施例之一的方法，其中生成标示属于感兴趣区段的像素的图像掩模。
实施例41：根据前一个实施例的方法，其中所述图像掩模是二进制掩模。
实施例43：根据在前六个实施例之一的方法，其中只有经过校正的图像序列中的属于感兴趣区段的像素被用于检测体液样本中的分析物。
实施例44：一种包括程序装置的计算机程序，所述程序装置用于当在计算机或计算机网络上执行所述计算机程序时执行根据一个在前实施例的方法的各个方法步骤。
实施例45：根据前一个实施例的计算机程序，其中所述程序装置被存储在可由计算机或计算机网络读取的存储介质上。
实施例46：一种具有至少一个处理器的计算机系统，所述至少一个处理器用于加载根据在前两个实施例之一的计算机程序，并且用于执行所述计算机程序。
实施例47：一种存储介质，其中数据结构被存储在所述存储介质上，其中所述数据结构被适配成在被加载到计算机或计算机网络中之后实施根据涉及一种方法的一个在前实施例的方法。
实施例48：一种用于检测至少一份体液样本中的至少一种分析物的器件，其中所述器件包括用于容纳具有至少一个测试场的至少一个测试元件的至少一个测试元件容器，所述至少一个测试场带有至少一种测试化学品，其中所述器件还包括用于采集测试场的图像的图像序列的至少一个图像检测器，其中所述器件还包括至少一个控制单元，其中所述控制单元被适配成实施根据一个在前实施例的方法。
实施例49：根据前一个实施例的器件，其中所述器件是手持式和/或便携式器件。
实施例50：根据在前两个实施例之一的器件，其中所述图像检测器包括线检测器和二维图像检测器的至少一个，优选的是ccd线传感器、cmos线传感器、二维ccd阵列传感器和二维cmos阵列传感器之一。
实施例51：根据涉及一种器件的一个在前实施例的器件，其中所述控制单元包括至少一个处理器。
实施例52：一种用于检测至少一份体液样本中的至少一种分析物的测试系统，所述测试系统包括根据涉及一种器件的一个在前实施例的至少一个器件，所述测试系统还包括具有至少一个测试场的至少一个测试元件，所述至少一个测试场带有至少一种测试化学品，其中所述测试化学品被适配成在有分析物存在的情况下实施至少一种光学上可检测的检测反应。
实施例54：根据前一个实施例的测试系统，其中所述测试系统是便携式测试系统和/或手持式测试系统。
实施例55：根据在前两个实施例之一的测试系统，其中所述测试系统（优选的是所述测试元件）还包括至少一个穿刺元件，其中所述测试系统被适配成通过使用所述穿刺元件来穿刺用户的至少一个皮肤部分，从而产生体液样本，其中所述测试系统还被适配成将体液样本转移到测试元件的测试场上。
实施例56：根据前一个实施例的测试系统，其中所述穿刺元件包括至少一个微采样器，所述微采样器包括至少一个刺血针尖头和至少一个毛细管以用于提取体液样本，优选的是至少一条毛细管道或者至少两条毛细管道。
实施例57：根据在前两个实施例之一的测试系统，其中所述测试系统被适配成将穿刺元件按压到测试场上，从而将体液样本转移到测试场上。
实施例58：根据在前三个实施例之一的测试系统，其中所述测试场位于测试元件的外罩的空腔内部，其中体液到测试场上的转移在所述空腔内部发生。
实施例59：根据涉及一种测试系统的一个在前实施例的测试系统，其中所述测试系统被适配成从应用侧将体液样本转移到测试场上，其中所述图像检测器被适配成从被放置为与应用侧相反的检测侧采集测试场的图像的图像序列。
实施例60：根据前一个实施例的测试系统，其中通过由测试元件的外罩提供的窗口来定义查看窗口，透过所述查看窗口可以观察到检测侧。
实施例61：根据在前两个实施例之一的测试系统，其中测试化学品被应用到测试化学品载体。
实施例62：根据涉及一种测试系统的一个在前实施例的测试系统，其中所述测试系统包括多个测试元件，所述多个测试元件被包括在储匣中。
实施例63：根据前一个实施例的测试系统，其中所述储匣包括储匣外罩，其中所述测试系统还包括测试化学品载体，其中所述测试化学品载体优选地通过形状配合连接和/或力配合连接机械地连接到所述外罩。
实施例64：根据在前两个实施例之一的测试系统，其中所述储匣具有环形形状，其中各个测试元件在储匣内部被以径向方式定向。
附图说明
优选地结合从属权利要求，可以从后面对于优选实施例的描述导出本发明的其他可选细节和可选特征。在这些实施例中，在每一种情况中，可以通过单独方式或者按照几项特征的任意组合来实现所述可选特征。本发明不限于所述实施例。在附图中示意性地描绘出各个实施例。附图中的相同的附图标记指代相同的、类似的或者功能上相同的元件。
在图中：
图1示出了用于检测体液样本中的分析物的器件和测试系统的概念；
图2示出了将被使用在根据图1的测试系统中的检测器；
图3a到3c示出了可以被使用在根据图1的测试系统中的微采样器的不同视图；
图4示出了将被使用在根据图1的测试系统中的储匣；
图5a到5c示出了到测试场上的样本转移以及图像采集的示意图；
图6示出了对于包含不同葡萄糖浓度的血液样本所采集到的一系列图像；
图7和8示出了检测感兴趣区段的不同选项；
图9示出了图像序列中的相对位置改变的校正的一个实例的方框图；
图10a和10b示出了用于位置校正目的的图像比较的一个实例；
图11示出了对于测试场和/或查看窗口的检测的一个实例；
图12示出了用于确定经过平均的空白图像的算法；
图13a和13b示出了通过使用直方图检测图像序列中的显著改变的一个实例；
图14示出了检测将样本转移到测试场上的时刻的一个实例；
图15和16示出了在逐个像素的基础上定义感兴趣区段的一个实例；
图17示出了对于不同的葡萄糖浓度通过观察随着时间的平均相对减退来观察用于检测血糖的检测反应；以及
图18示出了根据本发明的方法的一个潜在实施例的示意性方框图。
具体实施方式
在图1中，在两种不同状态下公开了用于检测至少一份体液样本中的至少一种分析物的潜在测试系统110，其中图1中左侧的测试系统110被示出为处于闭合状态，并且右侧的测试系统110处于打开状态。测试系统110包括用于检测至少一份体液样本中的至少一种分析物的器件112，以及作为一个实例的容纳在器件112的容器116中的储匣114。
器件112可以包括一个或更多控制单元，其在图1中总体上由附图标记118标示。因此，正如前面所概述的那样，所述至少一个控制单元118可以包括至少一个处理器120，比如至少一个微控制器。此外，器件112可以包括一个或更多用户接口122，比如至少一个显示器和/或至少一个操作元件，以允许用户操作测试系统110和/或器件112。
在本实施例中，储匣114包括以径向方式容纳在储匣114中的多个测试元件124，由此提供储匣114的环形形状和/或储匣114的盘形形状。但是应当提到的是，其他类型的储匣114和/或使用仅仅一个测试元件124而不是多个测试元件124的器件112也是可能的。
器件112提供至少一个应用位置126。器件112被适配成在容器116内部旋转储匣114，并且利用位于应用位置126处的测试元件124实施测试。
在图3a到3c和图4中以不同的视图和细节公开了储匣114和/或测试元件124的示例性实施例。这些储匣114的一般设置例如从wo2010/094426a1获知，因此可以参考该文献。但是其他设置也是可能的。
因此，储匣114可以包括储匣外罩128，储匣外罩128还可以形成测试元件124的外罩130的部分。在此特定文献中，外罩130包括下方外壳132，其也被称作底部部分，并且其通常由不透明的并且优选的是黑色的塑料材料制成。此外，外罩130包括上方外壳134，其也被称作覆盖部分，其通常由透明塑料材料制成。此外，外罩130可以包括密封膜136，其通常由比如铝箔之类的金属箔制成，其可以通过粘合剂138胶粘到上方外壳134。
此外，在此特定实施例中，每一个测试元件124可以包括一个或更多皮肤穿透或穿刺元件140，其例如可以被形成为微采样器142，每一个微采样器包含刺血针144，其具有刺血针尖头146和至少一个毛细管元件，比如至少一条毛细管道148。将在后面概述关于微采样器142的其他潜在细节。
此外，储匣114可以包括测试化学品环150，其包括测试化学品载体152以及在朝向下方外壳132的一侧应用到测试化学品载体152的测试化学品154。测试化学品环150可以通过至少一种粘合剂156（比如胶带）被胶粘到下方外壳132，和/或可以通过其他措施被固定到储匣外罩128。
在储匣外罩128内部，通过下方外壳132和/或上方外壳134中的适当的凹陷形成多个空腔158。这些空腔158通常可以按照径向方式被定向，正如图4中所描绘的那样。在每一个空腔158中容纳一个微采样器142，其中刺血针尖头146朝向环状储匣114的外侧，并且其中毛细管道148在图4中向下朝向测试化学品环150。
在每一个空腔158中，还在下方外壳132中形成窗口160。可以透过这些窗口160访问的测试化学品154由此形成针对每一个测试元件124的测试场162或者测试场162的部分。因此，透过窗口160，可以将体液样本应用到测试场162。因此在本实施例中，每一个测试元件124包括至少一个测试场162并且可选地还有空腔158、穿刺元件140以及外罩130，所述外罩130在本实施例中可以是储匣外罩128的一个组成部分。
将关于图3a到3c以及图5a到5c解释样本生成和/或样本转移的其他细节。因此，图3a示出了如前面所公开的微采样器142的顶视图。图3b示出了微采样器142的刺血针144的剖面图，示出了至少一条（在本实施例中是两条）毛细管道148，所述毛细管道148例如可以具有u形形状。图3c示出了图3a的微采样器142的透视图，其还示出了微采样器142的后端处的可选的接合开口164，其允许通过器件112的致动器接合微采样器142。在图5a和5b中示意性地描绘出这一步骤，图5a和5b示出了测试元件124的空腔158的剖面图。
如图5a中所见，致动器166接合微采样器142的后端和接合开口164，从而在测试元件124位于器件112的应用位置126处时驱动微采样器142穿过外罩130中的穿刺开口168，从而在用户的一个皮肤部分中产生开口，并且生成体液样本和在毛细管道148中收集体液样本。随后，如图5b中所描绘的，致动器166将微采样器142收回到空腔158中，其中通过微采样器142的适当弯曲将毛细管道148按压紧靠测试场162。从而将包含在微采样器142的毛细管道148中的体液样本的至少部分转移到对应的测试元件124的测试场162上。因此，所述样本或样本部分可以在检测反应中与包含在测试场162中的测试化学品154发生反应，这导致光学上可检测的改变。由于检测反应所导致的测试化学品154的至少一项光学上可检测的属性的这一改变可以透过窗口160观察到，所述窗口160从而定义了查看窗口170。因此，朝向空腔158的测试场162的一侧可以形成应用侧172，而朝向窗口160的一侧则可以形成测试场162和/或测试元件124的检测侧174。可以通过检测器透过窗口160检测所述光学上可检测的改变，这在图5a和5b中没有被描绘出。
在图5c中示意性地描绘出样本转移的过程以及通过检测器176来检测所述检测反应。检测器176包括图像检测器178，其作为一个示例性实施例具有光敏元件180的矩形二维阵列，其在后面也被称作图像检测器178的像素。此外，检测器176还可以包括一个或更多光源182，比如一个或更多发光二极管，以用于例如透过测试化学品环150的测试化学品载体152照明测试场162的检测器174。
作为一个实例，光源182可以包括一个或更多发光二极管（led），比如两个发光二极管，其在紫外或蓝色光谱范围内进行发射，比如在350到400nm的光谱范围内发射，优选地在350到380nm或者360到365nm的光谱范围内发射。替换地或附加地，可以采用其他能够买到的led，比如绿光led（570+/-30nm），红光led（650+/-50nm），或者ir-led（700-1000nm）。作为对led的补充或替换，可以采用一种或更多种其他类型的光源。因此，作为一个实例，可以应用灯泡。附加地或替换地，通常取决于光信号的要求，可以使用激光二极管，尽管这种类型的光源通常意味着增加成本。
检测器176还可以包括一个或更多光学元件184，比如一个或更多成像光学元件，以便将测试场162和/或其至少一部分成像到图像检测器178上，从而在图像检测器178上产生测试场162和/或其一部分的图像186。图像186可以包括诸如灰度值的信息数值的矩阵，从而形成一维或二维中的矩阵。在图5c中描绘出具有x维和y维的二维矩阵。
出于样本转移的目的，正如前面关于图5a和5b所概述的那样，通过至少一个致动器166致动微采样器142。当把微采样器142收回到空腔158（在图5c中未描绘出）中时，正如前面所概述的那样，包含在微采样器142的至少一条毛细管道148中的样本被从应用侧172转移到测试场162上。体液样本对测试场162的这一湿化以及由于检测反应而导致的测试化学品154中的光学上可检测的改变是不均匀的，这是因为通常仅有测试场162的一部分188将被样本湿化。通过使用控制单元118，可以采集图像186的序列，以供后面更加详细地描述的那样来评估。
在图2中描绘出检测器176的一个潜在实施例的透视图。如能在该图中所见的，除了图像检测器178（比如ccd和/或cmos检测器）和至少一个光学元件184（比如至少一个透镜）之外，检测器176还可以包括至少一个光源182。在该实施例中，两个光源182连接到图像检测器178，从而形成包括图像检测器178、光源182以及光学元件184的检测器块。正如图5c中示意性地描绘的那样，对测试场162的照明以及图像检测器178对测试场162的成像优选地通过非反射和/或非定向的方式发生，比如通过使用不同的角度来进行照明和检测。因此，可以通过图像检测器178记录来自测试场162的散射和/或漫反射光。
作为一个实例，可以使用ccd/cmos图像检测器178，比如可以从德国的eurecamesstechnikgmbh获得的图像传感器。因此，可以采用多家制造商的图像检测器，比如由fairchildimaging、panavison、nec、sony、toshiba、cmossensorinc.、kodak、texasinstruments、taos或其他制造商所制造的ccd/cmos图像检测器。作为一个实例，可以使用以下ccd/cmos线传感器和/或区域传感器：由fairchildimaging制造的型号ccd111a、ccd424当中的一种或更多种，由panavision制造的型号lis-500或mdic-2.0当中的一种或更多种，由nec制造的型号μpd3753cy-a，由sony制造的型号icx207ak-e或ilx551b当中的一种或更多种，由toshiba制造的一种或更多种类型tcd1201dg或tcd132tg，由cmossensorinc.制造的型号m106-a9或c106当中的一种或更多种，由kodak制造的型号kac9618或kac-01301当中的一种或更多种，由texasinstruments制造的型号tc237b，或者由taos制造的型号tsl201r。附加地或替换地，在印刷电路板上包含一个或更多图像传感器芯片的摄影机板可以被用作图像检测器178。
正如前面更加详细地讨论的那样，检测器176还可以包括未在附图中描绘出的至少一种波长转换材料。因此，图像检测器178可以涂覆有包括至少一种波长转换材料（比如至少一种荧光材料）的一个或更多涂层。因此，可以从德国的eurecamesstechnikgmbh买到具有波长转换属性的专用uv涂层。但是可以采用其他类型的波长转换材料，比如荧光无机或有机材料。
在通过体液样本湿化测试场162之后，也就是说在将体液样本应用到测试场162之后，前面提到的检测反应将会发生，从而导致测试场162和/或包含在其中的测试化学品154中的光学上可检测的改变。在图6中描绘出通过图像检测器178采集的测试场162的不同图像的实例。其中，不同的图像标示包含待检测分析物（在该例中是葡萄糖）的不同浓度的不同类型的体液（在该例中是血液）样本。在图像中给出了以每分升毫克数（mg/dl）标示的分析物的浓度。可以看到，可以从图像186的灰度值或者这些灰度值的改变直接或间接地导出分析物的浓度。因此，可以记录并且观察图像186中的颜色改变和/或灰度值的改变，直到完成检测反应的特定终点为止。为此目的，可以观察图像186的改变或改变率并且与一个或更多阈值进行比较，其中在预定时间内的改变低于给定阈值的情况下，可以检测到检测反应的终点，并且可以对该终点处的图像进行评估以便确定分析物浓度。在前面提到的ep0821234a2以及ep0974303a1中提供了用于从图像186导出分析物浓度和/或用于检测反应的终点确定的过程的实例。
因此，通过评估图像186，可以通过直接或间接地评估提供在图像186的时间序列（其在这里被称作图像序列186）中的信息来确定分析物的浓度。优选的是，图像检测器178可以包括在每一个方向上具有20μm到50μm（优选的是30μm）的尺寸的光敏元件180的栅格。但是其他尺寸也是可能的。此外，可以组合图像检测器178的几个光敏元件180以形成组合光敏元件180，其中由这些组合光敏元件180提供的信息被组合并且视为图像检测器178的超级像素的信息。在本说明书中，应当与使用图像检测器178的未经处理的光敏元件180还是组合几个光敏元件180的事实独立地包括这一选项，从而产生包括超级像素的阵列的图像检测器。
通常来说，在本发明中还有可能仅对图像186的一部分进行评估以便确定分析物浓度。因此，必须定义感兴趣区段，其定义对于确定分析物所考虑的图像186的像素。在图7和8中描绘出用于确定感兴趣区段（其由附图标记190标示）的几种选项。因此，如图7中所描绘的那样，可以把图像186的固定区域（比如预定的矩形区域）用作感兴趣区段190。这是由于以下事实：通常来说，通过图5c中公开的样本转移的样本应用或多或少地在预定位置处发生，从而导致对应于一条或更多条毛细管道148的样本转移区段，正如在图7中所描绘的图像186中能够看到的那样。其中，通过使用具有不同分析物浓度的样本生成该图中的图像186。
但是利用预定感兴趣区段190的图7中所描绘的选项要求非常严格的位置容差，特别是关于样本转移的严格容差和/或关于微采样器142、检测器176和总体测试元件124的几何结构的容差。
因此，正如后面将更加详细地概述的那样，用于确定感兴趣区段190的第二种选项是在利用体液样本湿化测试场162的早期阶段中和/或在检测反应过程的早期阶段中对图像186的图像序列的分析。在这种选项中，可以对在样本液转移之后由于测试场162的湿化而导致的包含在图像186的像素中的信息的改变进行评估。特别在图像186的信噪比足够的情况下，可以在达到所述终点之后仅评估被湿化的区域，这可以导致数据存储容量和评估时间的显著减少。
作为可以与前面列出的第二种选项组合的第三种选项，可以对存储在图像序列的图像186的像素中的信息数值的改变进行评估以便确定感兴趣区段。因此，为了检测图像186中的改变，可以把图像186中的至少两幅进行比较，并且可以在这些所检测到的改变的基础上确定感兴趣区段190。因此，可以基于其历史来选择图像186的像素，比如通过把在特定时间跨度中具有最高改变率的那些像素指派给感兴趣区段190。在图8中描绘出不同时间处的图像序列的两幅图像186，其中右侧图像在比左侧图像更迟的时间点被采集。可以使用从毛细管几何结构、转移步骤和试剂膜成分的变化获得的不同图像186，并且通过选择用于确定感兴趣区段190的适当方法，可以对伪像、颜色不均匀性、被卡住的气泡以及信号的与时间相关的改变进行补偿。
正如前面所概述的那样，根据本发明的方法包括至少一个校正步骤，其校正图像序列中的图像检测器178与测试场162之间的相对位置改变。正如前面所概述的那样，术语“相对位置改变”可以是指由检测器176并且特别是由图像检测器178所看见的测试场162的任何类型的移动。这种类型的移动可以由于测试系统110中的内部和/或外部原因引起。因此，移动和相应的位置改变可以由于对测试系统110的操纵引起，例如由于用户对器件112的操纵期间的机械振动，这是因为器件112优选地可以是手持式器件。附加地或替换地，移动可以由于测试系统110本身的动作引起，也就是说由于内部原因。因此，通过如图5c中所描绘的将体液样本应用到测试场162上可以导致测试场162本身的移动和/或畸变，这是因为微采样器142优选地可以与测试场162直接接触，或者甚至可以被按压到测试场162上，从而施加机械力。因此，如在由图像检测器178所检测到的图像中所见的，本发明中所使用的测试场162或者其某些部分的任何类型的移动和/或测试场162或者其某些部分的任何类型的畸变都可以被包括在术语“相对位置改变”中。
根据本发明，包括在不同时间采集的图像186的图像序列中的图像检测器178与测试场162之间的这一相对位置改变可以至少部分地被校正。后面将参照图9和10a、10b来解释校正过程的一个实例。
因此，图9示出了根据本发明的一种方法的示意性方框图，其导致经过校正的图像序列。在第一步骤（步骤192）中，采集新的图像186。该新的图像186（其属于未经校正的图像的图像序列）在至少一个校正步骤194处被校正。因此，在图像中检测测试场162的至少一项特性特征（步骤196），并且在所述特性特征的基础上实施校正步骤194。对图像186的实际校正由图9中的过程步骤198标示。
作为基于针对至少一项特性特征的检测196的校正198的一个实例，可以参照图10a和10b。因此，可以把将要校正的图像186（即在采集步骤192中采集的图像）与一幅或更多幅参考图像进行比较。因此，作为一个实例，可以把图像序列的第一幅图像用作参考图像，并且可以对随后采集的图像序列的所有图像进行校正从而与该参考图像具有位置符合性。但是基本上可以把图像序列的任何其他图像用作参考图像，甚至几幅图像的组合。
因此，在图10a中，可以把将要校正的图像186的一部分200选择成特性特征202，其包括存储在该部分200中的信息数值。其中，从本发明的观点来看，部分200可以是参考图像的一部分并且可以搜索将要校正的图像中的相应部分，和/或部分200可以是将要校正的图像的一部分并且可以搜索参考图像中的相应部分。全部两种选项都是可能的，并且应当被包括在根据本发明的方法中。后面将作为一个实例来解释在参考图像中定义特性特征202的选项，但是并不限制本发明的范围。
包括参考图像在内的每一幅图像186可以被描述为一个矩阵，矩阵包括图像186的每一个位置或像素处的一定数目的信息数值i，比如以下矩阵：
其中ii,j标示图像i的像素i,j的信息数值，比如灰度值。n和m是标示图像186的宽度（n）和图像的高度（m）的整数。由坐标i,j（其中1≤i≤m并且1≤j≤n）标示的该矩阵的一个特定位置标示图像186的一个特定像素或位置。
如图10a中所表明的，选择作为参考图像的一部分的特性特征202，并且实施针对在将要校正的图像186中的该特性特征202的搜索。为此目的，同样在将要校正的图像186的矩阵i上偏移参考图像的该部分202。部分200本身可以由具有小于矩阵i的尺寸的一个矩阵来表示。部分200在搜索区段204上在x方向上被偏移r并且在y方向上被偏移s，所述搜索区段204小于将要被搜索的图像186本身。从r=0并且s=0开始，在偏移过程期间将由r和s取得的最大值是rmax=m-hr，其中hr是部分200的高度，以及smax=n-wr，其中wr是部分200的宽度。在图10a中，wi标示图像186的宽度，hi标示图像186的高度。
对于偏移(r,s)的每一个可能数值，对于部分200和将要被搜索的图像186的相应部分确定符合程度和/或一致或相似程度。在图10b中示意性地描绘出这一方面。因此，利用r标示将在图像186中搜索的特性特征202或部分200，针对偏移坐标(r,s)实施搜索，使得图像i的相应部分200、202对应于部分r。作为一个实例，对于每一个数值对(r,s)，可以确定下面的平方差之和：
通过在将要被搜索的整幅图像186上偏移特性特征202（即通过偏移r），可以对于每一个偏移(r,s)确定一个de。最后，通过比较如此确定的所有de(r,s)，可以确定所有de当中的最小值，也就是说可以确定使得de取得最小值的特定偏移(r,s)。这一偏移标示关于在图像186中搜索特性特征202的搜索结果的最佳猜测。为了避免伪像，可以将这一偏移候选与一个或更多限值进行比较，也就是说将最小值de,min与至少一个限值进行比较。只有在de,min小于或者几乎与限值一样大的情况下，才可以检测到肯定的匹配。
但是必须提到的是，前面提到的平方差之和仅仅是适合于搜索图案匹配以便找到图像186中的特性特征的大量可能算法当中的一种算法。找到图案匹配的这种算法例如在w.burger等人的“imageprocessing”，springerverlag，london，2008，pp.429-436中做了公开。但是附加地或替换地，可以使用在图像186中搜索特性特征的其他类型的图案匹配算法，以便确定图像之间的偏移。
一旦对图像186中的特性特征202的搜索成功，所述搜索将返回表明图像186与参考图像之间的相对位置改变的量的偏移(r*,s*)。这一偏移(r*,s*)可以被使用在图9中的方法步骤198中以用于实施图像校正198，从而产生经过校正的图像（图9中的步骤206），并且将该经过校正的图像添加到包含经过校正的图像的序列的经过校正的序列。为此目的，可以对图像186的矩阵i实施以下校正：
i*(i,j)=i(i+r*,j+s*)，其中1≤i<m并且1≤j<n
对于r*=0和s*=0：i*=i
作为一个实例，r*和s*可以被限制到合理的数值，比如不超出50的数值。取代如前面所表明的那样加上偏移(r*,s*)，减法也是可能的。
对于校正步骤194和/或其他操作实施例的潜在算法的其他细节，可以参考前面提到的出版物w.burger等人的“digitalimageprocessing”，springerverlag，london，2008，pp.429-436。特别可以把在这一段文字中公开的模板匹配算法应用于所述校正算法或校正步骤194。但是应当提到的是，可以使用其他类型的校正和/或匹配算法，比如交叉相关算法和/或图案辨识算法。此外还应当提到的是，在前面关于图10a和10b中提供的实例作为一个示例性实施例公开的算法仅仅涉及可以通过x方向上的偏移和/或y方向上的偏移来描述的位置改变。但是可以使用多种其他校正算法。因此，利用前面所公开的类似算法，可以检测旋转改变，比如通过使用旋转参数而不是平移参数(r,s)并且搜索图案匹配。此外，通过使用类似的算法，可以在图9的步骤198中检测并且校正图像186的畸变。
可以重复实施图9中的整个校正步骤194，比如对于每一幅新采集的图像实施一次（步骤192）。在图9中，这由重复208表明。如图9中所表明的，可以作为在线校正处理对于每一幅新采集的图像实施重复208。但是也可以应用其他用于校正的时间序列，比如对整个图像序列和/或对多幅图像198应用校正步骤194，也就是说同时校正多幅图像186。
此外，如图9中的附图标记210所表明的，所述经过校正的图像序列或者经过校正的序列随后可以被用于进一步的评估。因此，出于检测体液样本中的至少一种分析物的目的的用于对图像序列的图像186进行评估210的所有另外的步骤可以是基于经过校正的图像和/或经过校正的图像序列。因此正如前面详细概述的那样，可以大大改进所有另外的步骤的精度。
经受校正算法（比如图9的校正算法）的图像186不一定必须包含由图像检测器178呈现的全部图像信息。因此，正如在图6-8中的示例性图像186中可以看到的那样，由图像检测器178呈现的该图像信息的部分可能处于实际可见窗口或查看窗口170的外部，正如图5b中所描绘的那样。因此，在对图像186进行评估之前或之后，可以检测测试场162的边界和/或测试场162的可见窗口的边界，这或者是在将要在校正步骤194中校正的未经处理的图像中进行，或者是在经过校正的图像序列中的经过校正的图像中进行。这一步骤优选地在经过校正的图像序列中实施，这是因为在这种情况下，可以在经过校正的图像的绝对坐标系中提供测试场162和/或测试场162的可见窗口的边界，也就是说测试场162和/或测试场162的可见窗口的边界可以对于经过校正的图像序列中的所有经过校正的图像都是有效的。因此，如图11中所描绘的那样，可以通过对图像矩阵中的信息数值进行评估来检测查看窗口170和/或可见窗口（两个术语在这里被用作同义词）。因此，例如通过在校正之前或之后对于由图像检测器178呈现的图像使用灰度边缘检测，可以检测边界212，比如x方向上的边界和/或y方向上的边界。在使用边缘检测来检测边界212时，所选择的边缘检测算法可以是能够容忍碎片（debris）或类似图像干扰的算法。对于后续的分析，可以将图像186缩小到这些边界212内的区域，以便减少数据量。此外，附加地或替换地，可以在图像186中和/或在经过校正的图像中检测查看窗口170的位置和/或旋转。因此，前面所概述的术语“图像”不一定必须指代由图像检测器178提供的全部信息数量。数据减少可以在根据本发明的方法的一个或更多步骤中发生，比如通过把图像186缩小到已缩小图像或者经过校正的已缩小图像，其仅仅包含测试场162内部和/或测试场162的查看窗口170或可见窗口内部的信息数值。在使用术语“图像186”时指代全部两种选项。
此外，在用于定性地和/或定量地检测分析物浓度的传统方法中，对于空白数值和/或空数值（两个术语在这里将被用作同义词）的确定通常都扮演重要角色。因此，由于测试场162或测试化学品154的不同小块的光学属性即使在干燥状态下也可能是不同的，因此可以使用空白数值来归一化实际是由于检测反应而导致的所检测到的光学改变。通常在已知的方法中（比如在wo2012/010454a1中），在将体液样本应用到测试场162之前采集一个或更多空白数值，并且在样本应用之后通过使用该空白数值来归一化后续的测量数值，比如通过把由检测器176呈现的所有后续测量数值除以至少一个空白数值。
本发明（特别是校正步骤194）提供了以非常高的精度生成经过平均的空白图像而不是单一空白数值的可能性，所述经过平均的空白图像包含多幅空白图像的经过平均的信息。
在图12中，在示意性方框图中公开了用于生成经过平均的空白图像的算法的一个实施例。所述经过平均的空白图像也可以被称作经过平均的干燥空图画（dryemptypicture）。图9中所描绘的算法可以被实施到根据本发明的方法中。
在第一步骤中，通过使用图像检测器178采集新的图像186，正如图12中的方法步骤192所标示的那样。正如前面关于图11所解释的那样，该新采集的图像可以被缩小到查看窗口170的边界212内的实际图像。此外，可以实施一个或更多校正步骤194，比如通过使用前面关于图9所解释的算法。可以通过使用未经校正、未经处理的图像和/或通过使用经过校正的图像来实施对于查看窗口170的可选检测。
随后，在新采集的图像中或者在新采集的经过校正的图像中，实施检测样本应用的至少一个步骤214。该样本应用检测提供了针对以下问题的答案：即在前面图像的采集与当前的新采集图像之间，体液样本是否被应用到测试场162。检测样本应用的这一步骤214可以通过检测与前面图像相比的所述图像或经过校正的图像的信息数值i(i,j)中的改变来实施。作为一个实例，可以比如通过使用以下公式来计算并且使用包含在所述图像或经过校正的图像中的信息数值的平均值的改变：
其中，
还可以可选地将经过平均的差值
在后面，
回到图12中的用于检测经过平均的空白图像的算法，对于每一幅新采集的图像或者新采集的经过校正的图像，可以实施表明样本应用是否已发生的适当测试。这一样本应用检测214例如可以使用前面所公开的算法，或者附加地或替换地可以使用检测由于样本应用所导致的显著改变的任何其他类型的算法。
在没有检测到样本应用的情况下（图12中的分支n，其由附图标记220标示），可以在逐个像素的基础上将新采集的图像（优选的是在实施校正步骤194之后新采集的经过校正的图像）添加到初步经过平均的空白图像（图12中的步骤222）。为此目的，可以使用下面的公式：
其中，bpr,n标示第n幅经过平均的空白图像（像素i,j），并且in标示在样本应用之前新采集的第n幅图像（像素i,j）。作为对于bpr,1的初始值，可以使用第一幅空白图像i1。因此，可以使用移动算法通过更新初步经过平均的空白图像bpr,n来生成经过平均的空白图像bpr,n。最后，一旦检测到样本应用（图12中的分支y，其由附图标记224标示），可以把最近的经过平均的空白图像用作最终空白图像，从而通过以下公式定义经过平均的空白图像b（图12中的步骤226）：
这一经过平均的空白图像b可以被用作针对由于样本应用所导致的所有后续图像改变的参考。
因此，经过平均的空白图像b可以被用于确定分析物浓度，这是通过在逐个像素的基础上将图像或经过校正的图像（优选是样本应用之后）归一化到经过平均的空白图像b，比如通过在以下经过变换的矩阵的其中之一或全部二者中对图像（即一幅图像、多幅图像或者甚至所有图像）进行变换：
附加地或替换地，正如前面所概述的那样，可以使用至少一幅达阵图像t或者经过校正的达阵图像来确定分析物浓度。因此，作为一个实例，可以使用以下经过变换的矩阵当中的一项或更多项来确定分析物浓度：
后一个公式对应于如前面所定义的比较矩阵cn，其还可以出于检测图像序列和/或经过校正的图像序列中的感兴趣区段的目的被用于检测显著改变。
其他类型的归一化过程也是可能的。后面在提到出于确定分析物浓度的目的评估图像序列或者经过校正的图像序列时，使用图像或经过校正的图像的可能性或者经过归一化、经过变换的图像或经过校正的图像的可能性（比如通过使用前面公式中的一个或更多个）都应当是可能的。
此外，正如前面所概述的那样，确定感兴趣区段在用于检测体液中的分析物的许多过程中扮演重要角色。特别通过产生经过校正的图像序列，比如通过使用图9中所描绘的算法，根据本发明的方法允许在经过校正的图像中特别地且优选地在逐个像素的基础上高度精确地确定感兴趣区段190。
首先，如图13a和13b中所描绘的那样，可以发生对于显著改变的检测，以便定义感兴趣区段190和/或初步感兴趣区段。为此目的，对包含在图像或者优选地经过校正的图像中的信息数值的改变进行评估。作为一个实例，可以使用标示图像的信息数值的改变的以下所谓的差异矩阵：
其中，di标示表明信息数值中的改变的矩阵，并且其中im标示在样本应用时刻218之后采集的图像或经过校正的图像或者经过组合或变换的图像，并且其中in标示在样本应用时刻218之前或期间采集的图像、经过校正的图像或者经过变换或组合的图像。作为一个实例，in可以是前面提到的达阵图像t。但是其他实施例也是可行的，比如其中in是在样本应用时刻之前采集的图像的实施例。优选的是，尽可能靠近样本应用时刻218采集图像im和in。因此，in可以是紧接在样本应用时刻之前采集的图像，并且im可以是紧接在样本应用之后采集的图像。附加地或替换地，可以把在样本应用之前和之后的预定时间距离处采集的图像进行比较，比如通过使用在样本应用之前一秒采集的图像以作为图像in，并且使用在样本应用之后一秒采集的图像以作为图像im。或者in可以是达阵图像，并且im可以是在样本应用时刻之后0.5s到4s（比如样本应用时刻之后1s）的时间点采集的图像。此外，可以组合几幅图像，比如通过使用初步经过平均的空白图像以取代图像in和/或通过使用经过平均的空白图像b以取代图像in。
在图13a中，在三维曲线图中绘制出包含在矩阵di中的信息数值的一个实例。其中，x和y标示像素坐标，并且z标示矩阵di的相应像素(i,j)的信息数值，比如灰度值。在图13a的示例性实施例中，可以检测显著改变。在矩阵di中没有检测到显著相对改变的情况下，可以组合几幅图像，比如在样本应用之后采集的多于一幅图像，以便检测显著改变。
如在图13a中可见的，由于化学不均匀性，在整个测试场162的区域上找到通常部分地以尖峰的形式的显著改变。图13a中的曲线图还示出了不同的区段。其中可以检测到背景区段228、未湿化测试区段230和实际的显著改变区段232，所述实际的显著改变区段232在后来可以是对于感兴趣区段190的候选。
为了定义感兴趣区段190或者关于感兴趣区段190的粗略估计，可以使用阈值方法，例如通过使用如在图13b中描绘的算法。在该算法中，如前面的矩阵di所标示的改变图像由附图标记234表示。改变图像234是利用具有556mg/dl的葡萄糖浓度的血液样本采集的。在该改变图像234中，可以通过分别在每一行和每一列上对矩阵di的信息数值进行平均来形成各行的平均值（图13b中的曲线图236）和各列的平均值（附图标记238）。可以把这些平均值与一个或更多阈值进行比较，该阈值在图13b中由附图标记242和244标示。通过在各行和/或各列上进行平均，可以去除矩阵di中的尖峰。此外，可以对平均值进行过滤。通过使用如在图13b中描绘的阈值方法和/或通过使用其他类型的阈值方法，可以检测表明显著改变区段的矩阵di中的坪区（plateau），并且可以生成该感兴趣区段190的边界线的坐标和/或关于感兴趣区段的粗略估计。因此，曲线图236跨过阈值242处的最外列可以被用作针对感兴趣区段的列坐标，并且曲线图238跨过阈值244处的最外坐标可以被用作针对感兴趣区段的行坐标，从而生成矩形感兴趣区段190。除了简单地跨过阈值，还可以使用其他标准。因此，一条附加的标准可以是曲线图236、238的预定数目的后续数值也分别超出阈值242或244。
作为对通过使用图13a和13b中所描绘的平均阈值方法粗略地估计感兴趣区段的补充或替换，可以使用更加面向像素的方法，正如将关于图15和16更加详细地解释的那样。
因此，图15中描绘的方法可以开始于通过使用图13a和13b中的方法确定的初步的矩形感兴趣区段190。可以去除或者用0替代处于初步感兴趣区段外部的包含在矩阵di中的信息数值。附加地或替换地，可以截断和/或用0替代矩阵di中的非常小的信息数值。此外，可以应用其他类型的平滑，比如去除平均值内的尖峰。从而可以在类似于图13a中所提供的曲线图中生成如在图15中的左侧描绘出的改变图像246。
此外，可以使用直方图方法来评估改变图像246，正如图15中的直方图248所表明的那样。在该直方图248中，对于每一个信息数值或灰度值（水平轴）绘制出对于包含在矩阵di中的每一个灰度值或信息数值的相对频率（垂直轴）的曲线图。
此外，为了对直方图248进行评估，可以使用另外的阈值方法。正如前面所概述的那样，该阈值方法可以意味着自动选择一个或更多阈值250。为此目的，可以使用本领域内已知的阈值方法。因此，优选地可以使用所谓的otsu方法。在该方法中，选择阈值250，从而在进行过滤或者应用附加的数据减少步骤之前或之后，在改变矩阵di或经过校正的改变矩阵di中将直方图248分成两个分类：低于阈值250的信息数值的分类252和高于阈值250的信息数值的分类254。阈值250可以被自动选择，从而使得每一个分类252中的数值的方差被最小化，而不同分类的数值之间的方差则被最大化。
在下一个步骤中，可以从感兴趣区段190中去除属于分类252的所有像素。从而可以生成具有二进制掩模256的形式的感兴趣区段190，正如在图15的右侧部分中所描绘的那样。因此，感兴趣区段190可以由二进制矩阵roi定义，其中在像素(i,j)处于感兴趣区段之内的情况下roi(i,j)=1，并且在像素(i,j)处于感兴趣区段190之外的情况下roi(i,j)=0。在绘制该二进制掩模256的曲线图时，出现如图15中所描绘的黑白图画。
在图16中描绘出由二进制掩模256标示的更加复杂的感兴趣区段190，其通常可以在使用如图3a中所描绘的具有两条毛细管道148的微采样器142时得到。在这种情况下，由于平行的毛细管道148，感兴趣区段190和/或二进制掩模256清楚地示出了两个分开的水平白色条带。此外，二进制掩模256可以消除气泡和/或碎片，正如图16中的黑色区段258所标示的那样。因此，优选地在校正步骤194之后通过评估图像186而在逐个像素的基础上检测感兴趣区段190的这种方式以非常高的精度和置信度确定感兴趣区段190。可以通过阈值过程可靠地去除感兴趣区段190内的干扰，比如由气泡或碎片所导致的干扰。所述方法可以进一步被细化，比如通过对自动检测到的感兴趣区段190应用附加的合理性检查，比如通过实施关于相关像素数目、尺寸实施合理性检查或者对于感兴趣区段190的其他类型的合理性检查。
优选地在校正步骤194之后，通过使用二进制掩模256在逐个像素的基础上定义的感兴趣区段190可以被用于对图像186进行评估，比如通过对于在样本应用时刻218之后采集的经过校正的图像进行评估。因此，可以对于实施校正步骤194之后的经过校正的图像186进行以下变换：
从而在任何图像、图像序列、图像组、经过校正的图像或者经过平均的图像中，可以消除处于感兴趣区段外部的所有像素，而处于感兴趣区段190内部的像素则可以保持不变。因此可以发生图像的掩蔽。
对于分析物浓度的进一步评估和确定，可以对处于感兴趣区段内部的图像的像素（比如矩阵iroi的像素）进行评估。为此目的，可以对图像、经过校正的图像中的一幅或更多幅或者例如相对图像（比如前面提到的图像i'、i''或i'''中的一幅或更多幅）进行掩蔽，这例如是通过仅使用处于感兴趣区段内部的这些图像的像素实现的。因此，可以使用并且掩蔽前面提到的图像i'''以用于进一步评估，比如通过使用下面的公式：
从而可以产生表明减退或百分比相对减退的改变的矩阵。根据这一矩阵i'''roi，可以产生roi内的所有像素的平均值，其中基本上可以使用任何类型的平均过程，比如roi内的所有像素的中值、平均值、加权平均值以及其他平均过程。
在图17中作为时间t的函数描绘出（垂直轴）对于几项测量的这些平均值
比如通过使用已知的用于评估反应动力学的方法，可以对图7中所描绘的曲线260到268进一步进行评估。因此，为了评估分析物的浓度，可以在样本应用之后的预定时间确定数值
在图18中，作为方框图描绘出具有几个可选方法步骤的根据本发明的方法的一个潜在实施例的总览。在开始270之后的第一可选方法步骤中，正如前面参照图11所公开的那样，可以（优选地自动）检测测试场162和/或查看窗口170的边界212（步骤272）。此外，在可选方法步骤274中，正如前面参照图14所概述的那样，检测样本应用时刻218，其也被称作达阵时刻。此外，比如通过使用前面参照图12概述的过程，优选地可以与方法步骤274并行地检测空白图像和/或经过平均的空白图像（步骤276）。
此外，正如前面关于图13a、13b、15和16所概述的那样，可以检测由于样本应用导致的显著改变（步骤278），可以对显著改变进行处理（步骤280），并且可以确定感兴趣区段190（步骤282）。
随后，在一系列另外的可选方法步骤中，可以测量反应动力学（步骤284），可以对测量结果进行评估（步骤286，测量分析），并且另外可选的是，在方法结束（步骤290）之前，可以对测量结果实施统计分析（测量统计，步骤288）。
在审视图18中所描绘的方法时，发现在该实施例中没有描绘单独的方法步骤194（校正步骤）。这是由于校正步骤194可以是根据图18的方法的一个步骤、多于一个步骤或者甚至所有步骤的部分。因此，可以与校正步骤194相结合地（即通过评估一幅或更多幅经过校正的图像）实施步骤272中的测试场检测。此外，可以与校正步骤194相结合地（即通过使用经过校正的图像）实施检测样本应用时刻的步骤（步骤274）以及检测空白图像或者经过平均的空白图像的步骤（步骤276）。此外优选的是，可以与校正步骤194相结合地（即通过使用一幅或更多幅经过校正的图像来检测显著改变）检测步骤278中的显著改变。类似地，正如前面所概述的那样，通过使用经过校正的图像可以实施对于显著改变的处理（步骤280）以及感兴趣区段190的确定（步骤282）。此外，正如前面关于图17中描绘的曲线所概述的那样，可以通过使用经过校正的图像来实施反应动力学的测量284，以及对于测量结果的分析（步骤286）和测量统计（步骤288）。因此，在如图18中所描绘的用于确定体液样本中的至少一种分析物的浓度的方法的示例性实施例的一个、多于一个或者甚至所有方法步骤中，前面提到的校正算法都可以是有益的。
附图标记列表
110——测试系统
112——器件
114——储匣
116——容器
118——控制单元
120——处理器
122——用户接口
124——测试元件
126——应用位置
128——储匣外罩
130——外罩
132——下方外壳
134——上方外壳
136——密封膜
138——粘合剂
140——穿刺元件
142——微采样器
144——刺血针
146——刺血针尖头
148——毛细管道
150——测试化学品环
152——测试化学品载体
154——测试化学品
156——粘合剂
158——空腔
160——窗口
162——测试场
164——接合开口
166——致动器
168——穿刺开口
170——查看窗口
172——应用侧
174——检测器侧
176——检测器
178——图像检测器
180——光敏元件
182——光源
184——光学元件
186——图像
188——被湿化的部分
190——感兴趣区段（roi）
192——新图像采集
194——校正步骤
196——检测特性特征
198——校正
200——部分
202——特性特征
204——搜索区段
206——产生经过校正的图像
208——重复
210——进一步评估
212——边界
214——样本应用检测
216——峰值
218——样本应用时刻
220——没有检测到样本应用
222——将新图像添加到初步经过平均的空白图像
224——检测到样本应用
226——定义经过平均的空白图像
228——背景区段
230——未被湿化的测试场
232——显著改变的区段
234——改变图像
236——各行的平均值
238——各列的平均值
242——阈值
244——阈值
246——改变图像
248——直方图
250——阈值
252——低于阈值的信息数值的分类
254——高于阈值的信息数值的分类
256——二进制掩模
258——气泡或碎片
260——20mg/dl
262——70mg/dl
264——150mg/dl
266——250mg/dl
268——550mg/dl
270——开始
272——检测测试场
274——检测样本应用时刻
276——检测空白图像
278——检测显著改变
280——处理显著改变
282——确定roi
284——测量反应动力学
286——测量分析
288——测量统计
290——结束。