用于疾病诊断的样本测定的远程评估的系统和方法1.相关申请的交叉引用2.本技术要求于2020年5月29日提交的美国临时申请no.63/032,012的优先权和权益，其全部内容通过引用并入本文。
技术领域：
：3.本公开一般而言涉及用于家庭测试、远程医疗应用和其它原位免疫测定测量的设备和方法。更具体而言，本公开涉及用于结合用户可用的消耗品在简单且准确的规程中处理由客户端设备收集的数据以在本地和/或远程评价疾病诊断的方法。
背景技术：
：：4.目前，使用测试测定的疾病诊断涉及用户将测试样本发送到实验室进行准确分析。这个步骤是耗时的，因为它涉及在医疗提供者(例如，诊所、医生或药房)、实验室和用户之间测试盒(带有测试样本，也称为“样本盒”)来回(在测试样本的使用之前)的物理位移。此外，这些测试样本往往造成临床实验室的延迟，很多时候是不必要的(因为许多样本可能是阴性的)。另外，测试与结果之间的时间滞后可能是潜在的危险，例如，对于流行或大流行的紧急情况，或者当严重病症的治疗结果受到治疗开始时间的影响或者感染的用户在没有立即结果的情况下离开办公室，忽视跟进并继续感染他人。附图说明5.图1图示了根据一些实施例的包括远程服务器、数据库和用于从外壳中的测试盒收集图像的图像捕获设备的体系架构。6.图2图示了在图1的体系架构中使用的设备中的细节。7.图3图示了根据一些实施例的卷积神经网络的体系架构，以从来自样本测定的一个或多个图像中提供疾病诊断。8.图4a-b图示了根据一些实施例的卷积神经网络中两层之间的卷积运算。9.图5a-b图示了根据一些实施例的卷积神经网络中多层中的多个节点的内容。10.图6图示了根据一些实施例的用于包括两个目标的测定诊断的结果的表。11.图7a-b图示了根据一些实施例的用于包括两个目标的测定诊断的灵敏度和选择性结果。12.图8是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法中的步骤的流程图。13.图9是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法中的步骤的流程图。14.图10是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法中的步骤的流程图。15.图11是图示示例计算机系统的框图，图1和2的客户端和服务器以及图7-11的方法可以通过该计算机系统来实现。16.在附图中，具有相同或相似标号的元件与相同或相似的元件对应，除非另有明确说明。具体实施方式17.在以下详细描述中，阐述了许多具体细节以提供对本公开的全面理解。但是，对于本领域普通技术人员明显的是，可以在没有这些具体细节中的一些的情况下实践本公开的实施例。在其它情况下，未详细示出众所周知的结构和技术以免混淆本公开。18.在新兴的远程医疗领域，越来越期望利用几乎普遍可用的电子电器，这些电子电器可以具有无线网络接入和传感器，并且还可以包括越来越高的计算能力。而且，为检测化学和生物制剂或病原体而设计的免疫测定远程测量的一些应用可以包括安全测试和筛查(例如，在机场、警察局和军事检查站)，或环境分析和监测(例如，空气污染、水道和水库污染(用于疾病控制或农业生产)等)。19.与本公开一致的实施例利用当前消费电器的高图像捕获和处理能力来为所选择的疾病或感染(例如，军团菌、流感、埃博拉、莱姆病、心肌梗死、链球菌a、呼吸道合胞病毒、人偏肺病毒、sars-cov2等)提供简单而准确的诊断程序。与本公开中的实施例一致的测试类型可以包括使用电磁辐射的测试测定的任何类型的光谱分析，诸如但不限于包括反射率或透射率光谱的吸收光谱(紫外线、可见光或红外线)，或包括荧光和发光光谱、拉曼光谱和任何类型的辐射散射的发射光谱。而且，如本文公开的实施例还可以利用此类电器的联网能力以通过使用云计算解决方案来增强每个测试的处理能力。因而，在一些实施例中，高质量(例如，高空间和光谱分辨率)图像、图像序列或视频被上传到可以执行大规模并行计算以在减少的时间内提供诊断结果的远程服务器。可以立即、在稍后的日期/时间处理这种经分析的材料，和/或可以将其与先前收集的材料进行比较以确定随时间的差异，例如，分析物在测试条上的时间演变。在其它情况下，收集和编译数据库的能力可以使自教导算法(人工智能或机器学习算法)的生成能够从对此类图像库的分析中生成初始版本和改进版本，因为此类库的尺寸和多样性增加。20.主题系统提供了若干优点，包括用户能够快速了解疾病是否存在或潜在，而无需接触专业人员或复杂的机器或仪器。21.一些实施例提供了广泛拓宽医疗测试套件市场的优势，因为广泛使用移动计算设备和其它电器形式的图像捕获设备的消费者可能期望甚至在察觉任何症状或去看医生或诊所之前执行测试。这也可以提供在人们就诊或使给定医疗设施的资源饱和之前进行筛查步骤的优势。另外，如本文所公开的方法的远程用户的测试成本可以显著低于与访问诊所或实验室相关联的成本，包括等待时间、日程安排、远离真正感染的患者的预约，或让健康的患者面对满是患者的候诊室。22.所提出的解决方案进一步改进了计算机(例如，服务器或用户移动设备)的功能，因为它通过启用图像分析数据和结果(例如，图片、图片序列和/或视频)的远程传输而节省了数据存储空间和交互时间。23.虽然本文提供的许多示例将用户的个人信息和数据描述为可识别的，或者用户与一个或多个远程诊所的交互历史的下载和存储，但是每个用户可以授予共享或存储此类用户信息的显式许可。可以使用集成到所公开的系统中的隐私控制来授予显式许可。可以向每个用户提供将在显式同意的情况下共享此类用户信息的通知，并且每个用户可以在任何时间结束信息共享，并且可以删除任何存储的用户信息。另外，在一些实施例中，存储的用户信息可以被加密以保护用户安全和身份。24.图1图示了根据一些实施例的体系架构10，包括远程服务器130、数据库152、客户端设备110和图像捕获设备100a，以从测试盒101收集图像或视频。客户端设备110可以包括智能电话或其它移动计算设备(例如，平板电脑(tablet)、平板电脑(pad)或甚至膝上型计算机)。在一些实施例中，可以使用一个移动计算设备来控制多于一个图像捕获设备。体系架构10根据测定结果实时提供关于测试样本中一种或多种目标分析物的存在与否的准确评价。测定可以在测试盒101中运行，并且可以包括用于检测生物样本中的一种或多种感兴趣分析物的免疫测定。测试盒101可以提供用于使生物样本在多个测试通道上流动以检测1-20种感兴趣的分析物(或更多)的基质。随着测定的进行，测定的图像可以由与客户端设备110通信耦合的图像捕获设备100a提供。25.在一个实施例中，测试盒101是封在壳体或盒中以方便其处置的免疫测定测试条。在其它实施例中，测试盒101只是免疫测定测试条，诸如浸量尺。即，外部壳体是可选的，并且如果存在，那么不必是盒或卡试盒壳体，而是可以是柔性层压板，诸如在美国专利申请公开no.2009/02263854中公开的和在外观设计专利no.d606664中所示的。在一个实施例中，一种免疫检测测试条依次包括样本垫、标签垫、选自检测线、控制线和参考线的一条或多条线或条带，以及吸收垫。在一些实施例中，存在支撑构件，并且样本垫、标签垫、线和吸收垫中的每一个或一些部署在支撑构件上。示例性免疫测定测试条在例如美国专利no.9,207,181、9,989,466和10,168,329以及美国公开no.2017/0059566和2018/0229232中有所描述，每篇专利均通过引用并入本文。下文提供关于免疫测定测试条的更多细节。26.在一些实施例中，测定是免疫测定，包括用于检测生物样本中的传染原(例如，病毒或细菌)的试剂。在一些实施例中，免疫测定可以包括用于检测蛋白质的试剂，包括针对特定分析物的抗体，或小分子生物标志物或自身抗体。在一些实施例中，感兴趣的分析物可通过与选自感兴趣的分析物的每种分析物相关联的独特信号的发射来检测。在一些实施例中，生物样本包括体液(例如，血液、血清、血浆、痰、粘液、唾液、泪液、粪便或尿液)。在一些实施例中，生物样本是人类的并且一种或多种目标分析物的存在可以指示对提供样本的个体的医学诊断。因而，在一些实施例中，体系架构10包括客户端设备110的用户，该用户已经订购了包括测试盒101和图像捕获设备100a的套件并且准备好在远离医院或诊所或任何其它地点的地方对疾病或病症进行个人测试(例如，在家里、在药房、零售店、医生的办公室等)。27.在体系架构10中，图像捕获设备100a包括外壳120以防止环境光扰乱或干扰测量。在一些实施例中，图像捕获设备100a将测试盒101的图像无线地传输到客户端设备110。然后，客户端设备110可以将图像或视频经由网络150传输到远程服务器130、数据库152或两者，以供处理。在一些实施例中，图像捕获设备100a和/或客户端设备110可以分别使用处理器112-1和/或112-2(在下文中，统称为“处理器112”)在将图像传输到服务器130或数据库152之前对图像或来自视频的一个多个图像帧执行至少一个或多个操作。例如，在一些实施例中，客户端设备110可以在传输到服务器130之前对由图像捕获设备100a提供的一个或多个图像执行至少一个或多个质量控制步骤。在一些实施例中，客户端设备110可以基于测试盒101的图像的分析获得初步或确定性的诊断。因而，在一些实施例中，客户端设备110可以在有或没有测试盒101的图像的情况下向服务器130传输初步或最终诊断。为了执行它们的操作，处理器112可以执行指令并收集或保存数据，指令和数据存储在存储器132-1(在图像捕获设备100a中)或存储器132-2(在客户端设备110中)中。28.客户端设备110使用通信模块118-2经由信号160-1与图像捕获设备100a通信并且经由信号160-2与服务器130通信。例如，在一些实施例中，信号160-1包括由处理器112-1生成的可传输文件，包括来自从测试盒101收集图像的阵列传感器的数据。并且信号160-2可以包括基于可传输文件的图像分析对测定的诊断。图像捕获设备100a可以通过通信模块118-1与客户端设备110通信。信号160-1和160-2(下文中统称为“信号160”)可以是数字或模拟信号、无线信号、射频(rf)信号、电信号、以太网信号等。通信模块118-1118-2和118-2将在下文中统称为“通信模块118”。通信模块118可以包括与用于经由wifi、蓝牙(例如，低能量蓝牙，ble)或近场接触(nfc)协议进行通信的rf天线相关联的硬件和软件。例如，当图像捕获设备100a和客户端设备110彼此相对靠近时，通信模块118可以包括ble或nfc协议。此外，出于安全目的，可以对信号160中的任何一个进行加密和/或编码。29.在一些实施例中，图像捕获设备100a可以包括传感器阵列140和光学耦合机构115(例如，具有自动对焦能力的透镜系统)。传感器阵列140可以以期望的帧速率收集测试盒101的一个或多个图像，以形成视频。在一些实施例中，传感器阵列140可以收集测试盒101的单个图像(例如，在测定已经运行其进程之后)，或多于一个图像(例如，在测定运行其进程之前和之后)。在又一些实施例中，传感器阵列140可以以预先选择的频率速率(例如，当测试盒在运行时)收集测试盒101的多个图像。基于由客户端设备110执行的初步或质量控制测试，可以调整、修改、加速或减慢频率速率。30.远程服务器130可以提供对安装在客户端设备110的存储器132-2中的图像捕获应用122的支持。该支持可以包括更新安装、检索未加工的数据(例如，图片、图片序列和视频)以存储在数据库152中、图像处理等。图像捕获应用122可以包括控制图像捕获设备100a的命令和指令。图像捕获应用122还可以包括对由图像捕获设备100a提供的一个或多个图像执行至少部分分析的命令和指令。例如，在一些实施例中，图像捕获应用122中的指令可以包括神经网络(nn)、人工智能(ai)或机器学习(ml)算法以基于测试盒101的一个或多个图像评估诊断。此外，在一些实施例中，图像捕获应用122可以包括基于指示测试盒101在外壳120内的定位的传感器数据来评估由图像捕获设备100a提供的一个或多个图像的质量控制的指令。传感器数据可由部署在外壳120内的传感器提供。31.在一些实施例中，客户端设备110还可以包括图像捕获设备100b以收集测试盒101上的基准标签105的图像。因而，图像捕获应用122可以将测试盒101上的标签105的图像结合到测量协议中。测量协议可以由客户端设备110传输到服务器130和/或数据库152，其中与采样盒101相关联的元数据可以与存储在其中的信息相关联。例如，在一些实施例中，基准标签105中的元数据可以与用户id和测定标识代码(例如，流感测试、莱姆病测试、妊娠测试、肝炎或任何其它疾病或测定)相关。在下文中，图像捕获设备100a和100b将被统称为“图像捕获设备100”。32.在一些实施例中，图像捕获应用122还可以包括针对用户的关于测试盒101的使用模式和测量协议的指令。例如，指令可以逐步向用户说明如何收集样本(例如，使用拭子或其它提取机构)、将样本与适当的试剂混合，以及将样本的至少一部分提供到测试盒101中。因而，图像捕获应用122可以在客户端设备110的显示器116上向用户显示指令和其它说明性图标。33.图2图示了根据本公开的某些方面的体系架构10(参见图1)中的示例服务器130和客户端设备110。客户端设备110和服务器130经由相应的通信模块218-1和218-2(在下文中统称为“通信模块218”)通过网络150通信耦合。通信模块218与网络150接口以向网络上的其它设备发送和接收信息，诸如数据、请求、响应和命令。通信模块218可以是例如调制解调器或以太网卡和其它rf硬件和软件(例如，天线、调制器、解调器、锁相环、数模转换器、数字信号处理器等)。用户可以经由输入设备214和输出设备216与客户端设备110交互。输入设备214可以包括鼠标、小键盘、指针、触摸屏、麦克风等。输出设备216可以是屏幕显示器、触摸屏、扬声器等。客户端设备110可以包括存储器232-1和处理器212-1。存储器232-1可以包括应用222，其被配置为在客户端设备110中运行。应用222可以由用户从服务器130下载，并且可以由服务器130托管。34.服务器130包括存储器232-2、处理器212-2和通信模块218-2。在下文中，处理器212-1和212-2以及存储器232-1和232-2将分别被统称为“处理器212”和“存储器232”。处理器212被配置为执行存储在存储器232中的指令。在一些实施例中，存储器232-2包括诊断引擎240。诊断引擎240可以向应用222共享或提供特征和资源，包括与图像处理和预测分析相关联的工具。用户可以通过安装在客户端设备110的存储器232-1中的应用222或web浏览器访问诊断引擎240。因而，应用222可以由服务器130安装并通过多种工具中任何一种执行由服务器130提供的脚本和其它例程。应用222的执行可以由处理器212-1控制。35.在这方面，诊断引擎240可以包括测定读取工具242和图像处理工具244。诊断引擎240可以访问(例如，通过网络150)存储在数据库252中的从其他用户收集的测定图像和/或视频的历史，包括诊断结果。在一些实施例中，诊断引擎240、其中包含的工具以及数据库252的至少一部分可以托管在与服务器130通信耦合的不同服务器中。36.在一些实施例中，应用222可以包括存储在存储器232-1中并由处理器212-1执行的诊断模型225，其可以是诊断引擎240的一部分或简化版本。诊断模型225可以将测定的输入图像分类为“阳性”(检测到高于灵敏度值的目标分析物)、“阴性”(未检测到高于灵敏度值的目标分析物)或“无效”(测量误差，低snr、未校准的测量等)。因而，在一些实施例中，诊断模型225可以是诊断引擎240的更快和简化的版本，其使得客户端设备110的用户能够更快地做出关于测试盒中测定的进展的决定和/或监视设备的一般功能，包括但不限于温度范围、漏光等。这在网络150可能不可靠或连接缓慢、嘈杂、时断时续或丢失的远程位置可以是有帮助的。37.在一些实施例中，可以使用多于一个诊断模型来提供“阳性”、“阴性”或“无效”分类。当使用多于一个模型时，确定模型的并发性和/或一致性以确定结果分类。在一些实施例中，可以基于相同的图像来开发模型。在一些实施例中，多个模型中的每一个都拥有用于分类确定的独特特点。在此类实施例中，由于分类基于多个模型，“阳性”、“阴性”或“无效”分类可以更稳健并且更不容易出现假阳性或假阴性结果。38.图3图示了根据一些实施例的卷积神经网络(cnn)300的体系架构，以根据来自样本测定的一个或多个图像提供疾病诊断。cnn300可以包括应用于分析视觉图像的深度神经网络(dnn)。在一些实施例中，cnn300包括完全连接的网络的正则化版本，其中一层中的每个神经元都连接到下一层中的所有神经元。39.cnn300可以包括输入层301和输出层302。输入层301可以包括像素化的图像303或甚至形成体积的像素化的图像的集合(例如，测试测定的图像或演化的测试测定的多个图像，或视频)。例如，在由视频序列中的多个二维图像形成的体积的情况下，图像303可以包括三维像素或“体素”。cnn300还包括将输入层301与输出层302链接的多个隐藏层310-1、310-2、310-3、310-4和310-5(在下文中，统称为“隐藏层310”)。输出层302可以是根据图像303中的测定对目标分析物中的一种或多种是否存在于样本中的问题的二元答案。因而，在一些实施例中，输出层302包括具有与测定中的目标分析物的数量相等的成分数量的向量。输出层302中向量中的每个分量都可以包括二元值，例如，“0”表示不存在，“1”表示存在。在一些实施例中，输出层302中的每个分量都可以包括“0”和“1”之间的实数，指示给定目标分析物存在于样本中的概率，或者甚至它在样本中的浓度(例如，通过归一化重量或体积，或任何其它归一化测量)。40.隐藏层310可以包括将来自输入层301的一个或多个像素或体素与适当选择的乘法因子或点积卷积的卷积层。通过将每个隐藏层310彼此耦合，激活函数可以包括整流器函数(例如，整流的线性单元，或relu)，随后是附加的卷积，诸如池化层、完全连接的层和归一化层，称为隐藏层，因为它们的输入和输出被激活函数和最终卷积所掩盖。41.最后的卷积进而可以包括反向传播以更准确地对输出层302中的最终结果进行加权。在反向传播步骤中，来自输出层302的值被录入隐藏层310中的每一个(从最后到第一个，次序相反)。在每一步，应用伪逆变换并为给定的输出获得最可能的输入。重复这个过程回到输入层301，在反向传播输出值之后获得最可能的测定输入。输入层301中最可能的输入与实际输入之间的差异的测量指示是否其中一些卷积参数和采样参数(例如，对于relu变换)被期望地改变。42.图4a-b图示了根据一些实施例的卷积神经网络中两层之间的卷积运算400。第一层可以包括作为输入层401的一部分的像素化的图像403，并且卷积层可以包括隐藏层410中的特征图411。43.图4a更详细地示出了卷积400。卷积400沿着图像403的被选择的部分405的对角线添加每个元素(×1因子)，并忽略所选择的部分405的每隔一个元素(×0因子)。因此，隐藏层410中的元素415具有值“4”。所选择的部分405可以包括像素化的图像403的数字部分。在一些实施例中，隐藏层410中的其余元素以与元素415相同的方式来确定，简单地在像素化图像403的任一方向上移动所选择的部分405。44.注意的是，卷积400在隐藏层410中将像素化的图像403的维数从5×5矩阵减少到3×3矩阵。维数减少是任意的并且可以根据输出层处更好的可预测性，或者根据任何其它准则(诸如计算成本、完成时间等)来选择。在一些实施例中，卷积400中所选择的部分405的尺寸可以根据多个准则来选择，包括减少计算成本的期望。例如，当所选择的部分405从3×3部分减少到1×1部分时可以获得计算能力的1/9减少。45.图4b图示了作为对图像403中所有像素应用卷积400的结果的层410中特征图411的形成。通过将卷积函数400应用于所选择的部分405获得元素415。注意特征图411的维度(5×5)的减少是作为3×3卷积400的结果相对于图像403的维度(7×7)减少的。在从输入层401到层410的过渡中，各自与不同的过滤器相关联的多个卷积函数400可以产生多个特征图411，每个特征图与来自图像403的不同特征相关联。46.图5a-b图示了根据一些实施例的卷积神经网络中多个层510-1、510-2、510-3和510-4(下文中统称为“层510”)中的多个节点的内容。层510中的每一个包括过滤器520-1、520-2、520-3和520-4的集合(下文中统称为“过滤器520”)和对应的特征图521-1、521-2、521-3和521-4的集合(下文中统称为“特征图521”)。47.过滤器520包括应用于相同输入的不同卷积函数(例如，过滤器)，以获得用于每个过滤器520的特定特征图521。因而，一些实施例包括挤压卷积步骤，其中在给定层510和下一层之间减少了过滤器图的数量。在挤压卷积步骤中，过滤器520可以具有减小的维度(例如，1×1卷积而不是3×3卷积)以降低计算成本。在一些实施例中，后期向下采样使系统能够在更多隐藏层510中维护多个特征图521，从而提供更详细和准确的网络，该网络可以在测定中以更精细的特征为目标(例如，多种目标分析物和它们之间潜在的相互作用或相关性)。在一些实施例中，扩展卷积步骤增加了滤波器520和特征图521的数量并且可以包括更大的卷积集(例如，1×1和3×3卷积)。48.图6图示了根据一些实施例的用于包括两个目标的测定诊断的结果的表600。用于表600的测定是用于流感a(fa)和流感b(fb)检测的二元测定。分析由诊断引擎使用本文公开的测定读取工具和图像处理工具(例如，诊断引擎240、测定读取工具242和图像处理工具244、应用222和诊断模型225)执行。例如，表600中的结果中的至少一些是使用本文公开的cnn(例如，cnn300)获得的。表600表示将阳性和阴性fa/fb结果的不同组合互相关的3×3矩阵。49.图7a-b图示了根据一些实施例的灵敏度图表700a和特异性图表700b，图表针对包括两个目标的测定诊断产生(在下文中统称为“图表700”)。用于图表700的测定是来自表600的fa和fb检测的二元测定。50.在一些实施例中，单个测定可以确定一种或多种感兴趣分析物的存在或不存在。在实施例中，并且举例来说，单个测定可以独立地或同时或在时间上重叠地确定甲型流感病毒和乙型流感病毒中的每一种的存在和/或不存在，并且系统可以在期望时报告汇总的结果(例如，甲型流感病毒阳性、乙型流感病毒阳性、甲型流感病毒阴性、乙型流感病毒阴性及其组合)。在实施例中，并且举例来说，单个测定可以独立地或同时或在时间上重叠地确定呼吸道合胞病毒、甲型流感病毒、乙型流感病毒和人偏肺病毒中每一种的存在和/或不存在，并且系统可以在期望时报告汇总结果(例如，甲型流感病毒阳性、乙型流感病毒阳性、呼吸道合胞病毒阴性、人偏肺病毒阴性及其组合)。在实施例中，并且举例来说，单个测定可以独立地或同时或在时间上重叠地确定呼吸道合胞病毒、甲型流感病毒、乙型流感病毒和sarscov2中每一种的存在和/或不存在，并且系统可以在期望时报告汇总的结果(例如，甲型流感病毒阳性、乙型流感病毒阳性、呼吸道合胞病毒阴性、sarscov2阴性及其组合)。此外，在一些实施例中，系统可以向不同方以不同方式报告用于给定测试的结果(例如，向患者/客户报告流感+/-以及向医生或政府机构报告诸如流感a+/-和流感b+/-之类的细节)。51.图7a图示了灵敏度图表700a。图表700a中的值指示当样本来自患有(一种或多种)相应疾病的个体时如本文公开的诊断引擎将检测或者fa或者fb的可能性。52.图7b图示了特异性图表700b。图表700b中的值指示当样本来自未患有(一种或多种)相应疾病的个体时如本文公开的诊断引擎将不检测或者fa或者fb的可能性。53.图8是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法800中的步骤的流程图。与本公开一致的方法可以包括方法800中的至少一个或多个步骤，其至少部分地由包括如本文公开的远程服务器、数据库、客户端设备和图像捕获设备的体系架构中的一个或多个设备(例如，体系架构10、远程服务器130、数据库152、客户端设备110和图像捕获设备100)执行。服务器、数据库、客户端设备和图像捕获设备中的任一个可以包括存储指令的存储器电路和被配置为执行指令以至少部分地执行方法800中的一个或多个步骤的处理器电路(例如，存储器电路132和处理器电路112)。在一些实施例中，服务器、数据库、客户端设备或图像捕获设备中的至少一个或全部可以包括通信模块，该通信模块被配置为通过网络或经由一对一(有线或无线)通信信道(例如，通信模块118和网络150)向体系架构中的设备中的一个或多个传输和接收数据。在一些实施例中，方法800中的步骤中的至少一个可以使用本文公开的测定读取工具和图像处理工具(例如，诊断引擎240、测定读取工具242和图像处理工具244)由服务器中的诊断引擎部分地执行。在一些实施例中，方法800中的步骤中的至少一个可以部分地由安装在客户端设备中的应用执行，该应用包括由服务器托管的诊断模型(例如，应用222和诊断模型225)。图像捕获设备可以包括包围耦合机构的外壳和被构造为接纳测试盒(例如，外壳120、耦合机构115和测试盒101)的盒安装座。被照亮的测试盒的图像可以包括测试盒中的读取区的至少一部分，由边界线界定。读取部分可以包括免疫测定(例如，侧流免疫测定)。在一些实施例中，侧流免疫测定可以包括随时间收集的侧流免疫测定的一系列图像。54.在一些实施例中，与本公开一致的方法可以包括来自方法800的至少一个步骤，或以不同次序执行或在时间上重叠的来自方法800的多于一个步骤。例如，与本公开一致的一些实施例可以包括同时或准同时执行的方法800中的一个或多个步骤。55.步骤802包括从图像捕获设备接收图像，该图像包括测试盒中的感兴趣区域。56.步骤804包括找到测试盒的感兴趣区域的边界并在由测试盒的边界界定的区域上应用几何变换，以将测试盒中的感兴趣区域的图像变到所选择的尺寸和所选择的形状。57.步骤806包括对由测试盒的边界界定的区域应用几何变换，以使测试盒中感兴趣区域的图像变为所选择的尺寸和所选择的形状。58.步骤808包括识别测试盒感兴趣区域内的目标区域。在一些实施例中，目标区域包括过程控制区域，其包括阳性控制区域或阴性控制区域中的至少一个，并且步骤808包括评估过程控制区域中的信号强度。59.在一些实施例中，步骤808包括在图像的视场内识别测试盒的感兴趣区域中的至少测试线和控制线。60.步骤810包括基于目标区域的特征来评估图像的质量。在一些实施例中，步骤810包括将图像的被选择的特征与和具有已知质量值的多个图像的被选择的特征相关联的值进行比较。61.步骤812包括在图像的质量低于所选择的阈值时提供调整图像捕获设备中的光学耦合的命令。62.步骤814包括将图像提供给处理器，该处理器包含被设计为在图像的质量满足所选择的阈值时基于图像的数字分析来评价受试者诊断的软件。在一些实施例中，步骤814包括在计算机显示器中显示图像，并且包括在计算机显示器中查看指南，该查看指南与图像的数字分析的至少一部分重叠。在一些实施例中，步骤814包括在计算机显示器中显示测试结果，而不显示图像。63.图9是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法900中的步骤的流程图。与本公开一致的方法可以包括方法900中的至少一个或多个步骤，其至少部分地由包括如本文公开的远程服务器、数据库、客户端设备和图像捕获设备的体系架构中的一个或多个设备(例如，体系架构10、远程服务器130、数据库152、客户端设备110和图像捕获设备100)执行。服务器、数据库、客户端设备和图像捕获设备中的任一个可以包括存储指令的存储器电路和被配置为执行指令以至少部分地执行方法900中的一个或多个步骤的处理器电路(例如，存储器电路132和处理器电路112)。在一些实施例中，服务器、数据库、客户端设备或图像捕获设备中的至少一个或全部可以包括通信模块，该通信模块被配置为通过网络或经由一对一(有线或无线)通信信道(例如，通信模块118和网络150)向体系架构中的设备中的一个或多个传输和接收数据。在一些实施例中，方法900中的步骤中的至少一个可以使用本文公开的测定读取工具和图像处理工具(例如，诊断引擎240、测定读取工具242和图像处理工具244)由服务器中的诊断引擎部分地执行。在一些实施例中，方法900中的步骤中的至少一个可以部分地由安装在客户端设备中的应用执行，该应用包括由服务器托管的诊断模型(例如，应用222和诊断模型225)。图像捕获设备可以包括包围耦合机构的外壳和被构造为接纳测试盒(例如，外壳120、耦合机构115和测试盒101)的盒安装座。被照亮的测试盒的图像可以包括测试盒中的读取区的至少一部分，由边界线界定。读取部分可以包括免疫测定(例如，侧流免疫测定)。在一些实施例中，侧流免疫测定可以包括随时间收集的侧流免疫测定的一系列图像。64.在一些实施例中，与本公开一致的方法可以包括来自方法900的至少一个步骤，或以不同次序执行或在时间上重叠的来自方法900的多于一个步骤。例如，与本公开一致的一些实施例可以包括同时或准同时执行的方法900中的一个或多个步骤。65.步骤902包括从图像捕获设备接收图像，该图像包括测试盒中的感兴趣区域。66.步骤904包括将识别图像捕获设备的第一标识符代码(例如，移动设备id等)提供给处理器，该处理器包含被设计为基于图像的数字分析评价受试者诊断的软件。67.步骤906包括识别测试盒的感兴趣区域内的目标区域。68.步骤908包括基于目标区域的特点特征并基于第一标识符代码来评估图像的质量。在一些实施例中，步骤908包括基于第一标识符代码为目标区域内的过程控制区域中的信号强度选择阈值。在一些实施例中，步骤908包括选择图像中指示测试盒正确运行的特定特征或属性。在一些实施例中，步骤908可以包括验证在测试盒中的测试通道末端处的信号强度高于所选择的阈值，指示流到末端的样本。在一些实施例中，步骤908包括验证参考线出现在所选择的位置处。在一些实施例中，步骤908可以包括验证阴性控制的信号强度小于所选择的阈值，指示测定干扰。在一些实施例中，步骤908可以包括验证图像的曝光、聚焦和其它光学特点是令人满意的。因而，在一些实施例中，步骤908包括评价图像是否适合发送到ai模型以进行推理。例如，在一些实施例中，步骤908包括验证图像中的有效裁剪包含预期来自有效测试盒的特征。69.当图像的质量满足所选择的阈值时，步骤910包括将图像提供给处理器。在一些实施例中，步骤910包括使用第一标识符代码从远程服务器检索校准表，该校准表与图像捕获设备相关联，并且指示作为用于评估图像的质量的阈值的信号值。在一些实施例中，校准表可以存储在客户端设备中，或者可以使用测试盒中的条形码(其可以由客户端设备捕获并提供给服务器以检索校准表)从服务器提供给客户端设备。在一些实施例中，步骤910包括向处理器提供识别测试盒的第二标识符代码，其中评估图像的质量还包括基于第二标识符代码选择目标区域内的过程控制区域中的信号强度的阈值。70.在一些实施例中，可以调制阈值以便将样本分类为“阳性”或“阴性”。在一些实施例中，这种调制是通过改变用多个图像进行训练与推断结果所得的分类之间的归一化因子来执行的。在一些实施例中，由于所选择的阈值的适当调制，“阳性”或“阴性”分类可以更稳健并且更不容易出现假阳性或假阴性结果。71.图10是图示根据一些实施例的用于确定感兴趣分析物的存在或不存在的方法1000中的步骤的流程图。与本公开一致的方法可以包括方法1000中的至少一个或多个步骤，其至少部分地由包括如本文公开的远程服务器、数据库、客户端设备和图像捕获设备的体系架构中的一个或多个设备(例如，体系架构10、远程服务器130、数据库152、客户端设备110和图像捕获设备100)执行。服务器、数据库、客户端设备和图像捕获设备中的任一个可以包括存储指令的存储器电路和被配置为执行指令以至少部分地执行方法1000中的一个或多个步骤的处理器电路例如，存储器电路132和处理器电路112)。在一些实施例中，服务器、数据库、客户端设备或图像捕获设备中的至少一个或全部可以包括通信模块，该通信模块被配置为通过网络或经由一对一(有线或无线)通信信道(例如，通信模块118和网络150)向体系架构中的设备中的一个或多个传输和接收数据。在一些实施例中，方法1000中的步骤中的至少一个可以使用本文公开的测定读取工具和图像处理工具(例如，诊断引擎240、测定读取工具242和图像处理工具244)由服务器中的诊断引擎部分地执行。在一些实施例中，方法1000中的步骤中的至少一个可以部分地由安装在客户端设备中的应用执行，该应用包括由服务器托管的诊断模型(例如，应用222和诊断模型225)。图像捕获设备可以包括包围耦合机构的外壳和被构造为接纳测试盒(例如，外壳120、耦合机构115和测试盒101)的盒安装座。被照亮的测试盒的图像可以包括测试盒中的读取区的至少一部分，由边界线界定。读取部分可以包括免疫测定(例如，侧流免疫测定)。在一些实施例中，侧流免疫测定可以包括随时间收集的侧流免疫测定的一系列图像。72.在一些实施例中，与本公开一致的方法可以包括来自方法1000的至少一个步骤，或以不同次序或在时间上重叠执行的来自方法1000的多于一个步骤。例如，与本公开一致的一些实施例可以包括同时或准同时执行的方法1000中的一个或多个步骤。73.步骤1002包括检索与携带来自用户的生物样本的测试盒中的测定相关联的第一图像以用于疾病诊断。在一些实施例中，步骤1002包括经由远程网络通信信道从客户端设备接收图像。在一些实施例中，步骤1002包括经由无线通信信道从图像捕获设备接收图像。在一些实施例中，步骤1002包括访问数据库，该数据库包括多个测定的多个图像，测定包括来自多个用户的不同生物样本。在一些实施例中，步骤1002包括检索在不同时间从相同测定收集的第二图像并且数字部分以非线性方式与时间点组合。在一些实施例中，步骤1002包括检索在不同时间从相同测定收集的第二图像，以及在第一图像和第二图像之间形成体积，其中选择第一图像的数字部分包括选该择数字部分作为体积的一部分，数字部分具有时间维度，并且其中加权的值与用于测定的动态值相关联。在一些实施例中，步骤1002包括接收识别生成第一图像的图像捕获设备的第一标识别码，以及基于与图像捕获设备相关联的参数调整模型。在一些实施例中，步骤1002包括接收识别测试盒的第二识别码，并基于与测试盒相关联的参数调整模型。74.步骤1004包括选择第一图像的数字部分。在一些实施例中，步骤1004包括裁剪数字部分以与测定的原型带中的测试通道重叠。在一些实施例中，步骤1004包括将数字部分与第一图像边缘处的基准标记匹配，该第一图像与测试盒中的测定相关联。75.步骤1006包括用模型修改第一图像的数字部分以获得数字部分的加权的值。在一些实施例中，步骤1006包括将数字部分内的相邻像素的多个值汇总成卷积值，并通过从模型中选择的因子修改该卷积值。在一些实施例中，步骤1006包括根据模型中的加权系数将第一图像的数字部分的值与第一图像的相邻数字部分的多个值进行卷积。在一些实施例中，模型包括从数据库中的多个图像的训练获得的加权因子，每个图像与已知诊断结果相关联，并且步骤1006包括将已知的诊断结果与诊断值进行比较。在一些实施例中，步骤1006包括从客户端设备检索第二图像并基于第一图像的数字部分与第二图像的数字部分之间的差异来评估用于测定的动态值。在一些实施例中，步骤1006包括根据生物样本的诊断值与已知诊断值之间的比较用经修改的加权因子更新模型。在一些实施例中，步骤1006包括基于测试盒的批次标识符用模型选择加权因子以获得数字部分的加权的值。76.步骤1008包括基于数字部分的加权的值和模型来确定诊断值。77.步骤1010包括基于来自第一图像的第二数字部分的第二加权的值来确定诊断值的确信度水平。78.在一些实施例中，步骤1010可以包括当诊断值的确信度水平小于预定值时更新模型。79.硬件概述80.图11是图示示例性计算机系统1100的框图，图1和2的客户端设备110和服务器130以及图8-10的方法可以通过该系统来实现。在某些方面，计算机系统1100可以使用硬件或软件和硬件的组合来实现，或者在专用服务器中，或者集成到另一个实体中，或者分布在多个实体中。81.计算机系统1100(例如，客户端110和服务器130)包括用于传达信息的总线1108或其它通信机制，以及与总线1108耦合用于处理信息的处理器1102(例如，处理器112和212)。举例来说，计算机系统1100可以用一个或多个处理器1102来实现。处理器1102可以是通用微型处理器、微型控制器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、可编程逻辑设备(pld)、控制器、状态机、门控逻辑、分立硬件组件或可以执行计算或其它信息操作的任何其它合适实体。82.除了硬件之外，计算机系统1100还可以包括为所讨论的计算机程序创建执行环境的代码，例如，存储在所包括的存储器1104(例如，存储器132和232)(诸如随机存取存储器(ram)、闪存、只读存储器(rom)、可编程只读存储器(prom)、可擦除prom(eprom)、寄存器、硬盘、可移动磁盘、cd-rom、dvd或任何其它合适的存储设备)中的构成处理器固件、协议栈、数据库管理系统、操作系统或它们中的一个或多个的组合的代码，这些存储设备耦合到总线1108，用于存储要由处理器1102执行的信息和指令。处理器1102和存储器1104可以由专用逻辑电路补充或结合在专用逻辑电路中。83.指令可以存储在存储器1104中并在一个或多个计算机程序产品中实现，例如，在计算机可读介质上编码的计算机程序指令的一个或多个模块，以供计算机系统1100执行或控制其操作，并且根据本领域技术人员众所周知的任何方法，包括但不限于计算机语言，诸如面向数据的语言(例如，sql、dbase)、系统语言(例如，c、objective-c、c++、汇编)、体系架构语言(例如，java、.net)和应用语言(例如，php、ruby、perl、python)。指令也可以用计算机语言实现，诸如数组语言、面向方面的语言、汇编语言、创作语言、命令行接口语言、编译语言、并发语言、花括号语言、数据流语言、数据结构语言、声明性语言、深奥语言、扩展语言、第四代语言、功能语言、交互模式语言、解释语言、迭代语言、基于列表的语言、小语言、基于逻辑的语言、机器语言、宏语言、元编程语言、多范式语言、数值分析、非英语语言、面向对象的基于类的语言、面向对象的基于原型的语言、越位规则语言、过程语言、反射语言、基于规则的语言、脚本语言、基于堆栈的语言、同步语言、语法处理语言、可视化语言、wirth语言和基于xml的语言。存储器1104还可以用于在执行要由处理器1102执行的指令期间存储临时变量或其它中间信息。84.如本文所讨论的计算机程序不一定与文件系统中的文件对应。程序可以存储在保持其它程序或数据的文件的一部分中(例如，存储在标记语言文档中的一个或多个脚本)、专用于所讨论的程序的单个文件中或多个协调文件中(例如，存储一个或多个模块、子程序或代码的部分的文件)。可以部署计算机程序以在一个计算机上或位于一个站点或分布在多个站点上并通过通信网络互连的多个计算机上执行。本说明书中描述的过程和逻辑流可以由执行一个或多个计算机程序以通过对输入数据进行操作并生成输出来执行功能的一个或多个可编程处理器执行。85.计算机系统1100还包括数据存储设备1106，诸如磁盘或光盘，其耦合到总线1108以用于存储信息和指令。计算机系统1100可以经由输入/输出模块1110耦合到各种设备。输入/输出模块1110可以是任何输入/输出模块。示例性输入/输出模块1110包括数据端口，诸如usb端口。输入/输出模块1110被配置为连接到通信模块1112。示例性通信模块1112(例如，通信模块118和218)包括联网接口卡，诸如以太网卡和调制解调器。在某些方面，输入/输出模块1110被配置为连接到多个设备，诸如输入设备1114(例如，输入设备214)和/或输出设备1116(例如，输出设备216)。示例性输入设备1114包括键盘和定点设备(例如，鼠标或轨迹球)，用户可以通过它们向计算机系统1100提供输入。其它种类的输入设备1114也可以被用于提供与用户的交互以及，诸如触觉输入设备、视觉输入设备、音频输入设备或脑机接口设备。例如，提供给用户的反馈可以是任何形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以以任何形式接收来自用户的输入，包括声学、语音、触觉或脑电波输入。示例性输出设备1116包括用于向用户显示信息的显示设备，诸如lcd(液晶显示器)监视器。86.根据本公开的一个方面，客户端设备110和服务器130可以响应于处理器1102执行包含在存储器1104中的一个或多个指令的一个或多个序列而使用计算机系统1100而被实现。此类指令可以从诸如数据存储设备1106之类的另一个机器可读介质读入存储器1104。包含在主存储器1104中的指令序列的执行使得处理器1102执行本文描述的处理步骤。多处理布置中的一个或多个处理器也可以被用于执行包含在存储器1104中的指令序列。在替代方面，硬连线的电路系统可以代替软件指令或与软件指令结合使用以实现本公开的各个方面。因此，本公开的方面不限于硬件电路系统和软件的任何特定组合。87.本说明书中描述的主题的各个方面可以在计算系统中实现，该计算系统包括后端组件(例如，数据服务器)，或者包括中间件组件(例如，应用服务器)，或者包括前端组件(例如，具有图形用户界面的客户端计算机或用户可以通过其与本说明书中描述的主题的实现交互的web浏览器)，或一个或多个此类后端、中间件或前端组件的任何组合。系统的组件可以通过任何形式或数字数据通信的介质(例如，通信网络)互连。通信工具(例如，网络150)可以包括例如lan、wan、互联网等中的任何一种或多种。另外，通信工具可以包括但不限于例如：以下工具拓扑中的任何一种或多种，包括总线网络、星形网络、环形网络、网状网络、星形总线网络、树形或分层网络等。通信模块可以是例如调制解调器或以太网卡。88.计算机系统1100可以包括客户端和服务器。客户端和服务器一般彼此远离并且通常通过通信网络进行交互。客户端和服务器的关系是由于计算机程序在各自的计算机上运行并且彼此具有客户端-服务器关系而产生的。计算机系统1100可以是例如但不限于台式计算机、膝上型计算机或平板计算机。计算机系统1100还可以嵌入到另一个设备中，例如但不限于移动电话、pda、移动音频播放器、全球定位系统(gps)接收器、视频游戏控制台和/或电视机顶盒。89.如本文使用的术语“机器可读存储介质”或“计算机可读介质”是指参与向处理器1102提供指令以供执行的任何介质或媒体。这种介质可以采用多种形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如数据存储设备1106。易失性介质包括动态存储器，诸如存储器1104。传输介质包括同轴电缆、铜线和光纤，包括形成总线1108的线。机器可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其它磁性介质、cd-rom、dvd、任何其它光学介质、穿孔卡、纸带、任何其它带有孔图案的物理介质、ram、prom、eprom、flasheprom、任何其它存储器芯片或盒式磁带，或计算机可以从其读取的任何其它介质。机器可读存储介质可以是机器可读存储设备、机器可读存储基板、存储器设备、影响机器可读传播的信号的物质组合物，或者它们中的一个或多个的组合。90.为了说明硬件和软件的可互换性，诸如各种说明性块、模块、组件、方法、操作、指令和算法之类的项目已经根据它们的功能进行了一般性描述。这种功能是根据特定的应用和强加于整个系统的设计约束作为硬件、软件或硬件和软件的组合来实现的。技术人员可以针对每个特定应用以不同的方式实现所描述的功能。91.上面提到的免疫测定测试条，诸如测试盒101中的测试条，可以被独特地配置用于检测特定病原体或感兴趣物种的分析物。这些包括但不限于蛋白质、半抗原、免疫球蛋白、酶、激素、多核苷酸、类固醇、脂蛋白、药物(包括滥用的药物)、细菌抗原和病毒抗原。关于细菌和病毒抗原，在本领域更一般称为传染性抗原，感兴趣的分析物包括链球菌、甲型流感、乙型流感、呼吸道合胞病毒(rsv)、甲型、乙型和/或丙型肝炎、肺炎球菌、人偏肺病毒和本领域技术人员熟知的其它传染原。在一些实施例中，测试设备旨在用于检测与莱姆病相关的一种或多种抗原。在一些实施例中，免疫测定测试条旨在用于女性健康领域。例如，预期用于检测胎儿纤连蛋白、衣原体、人绒毛膜促性腺激素(hcg)、高糖基化绒毛膜促性腺激素、人乳头瘤病毒(hpv)等中的一种或多种的测试设备。在另一个实施例中，用于检测维生素d的cov2测定，其体系架构与上面针对甲型和/或乙型流感病毒提到的测定基本相同。其它测定可以包括血清学测定，其中可以确定针对病原体的抗体的存在。96.除了一种分析物、一条路径，一些实施例可以包括允许在同一路径中分析多种分析物的测定。在还有其它实施例中，测定可以包括针对一个流方向的多条路径中的多种分析物，如rvp4测定。在一些实施例中，测定可以包括多个流方向上的多种分析物，如莱姆测定(sofialyme，quidel公司)或经修改的莱姆测定。97.不与阴性控制线或测试线结合的微粒-抗体缀合物通过毛细管作用继续向下游流动，并且剩余的样本遇到参考线，在一些实施例中继续进入吸收垫。98.免疫测定测试设备旨在接收多种样本，包括来自人体体液的生物样本，包括但不限于鼻分泌物、鼻咽分泌物、唾液、粘液、尿液、阴道分泌物、粪便样本、血液等。99.在一些实施例中，免疫测定测试套件提供有阳性控制拭子或样本。在一些实施例中，提供阴性控制拭子或样本。对于要求外部阳性和/或阴性控制的测定，可以提示用户插入或应用阳性或阴性控制样本或拭子。100.免疫测定条带主要从与目标分析物结合的荧光团发射荧光，因为它们通过粘附在免疫测定条带中的免疫蛋白(例如，吸附、化学吸附、免疫配体等)而固定在基质上。因而，带的边界内红色发射的存在主要归因于目标分析物的存在(例如，致病抗原的存在等)。但是，免疫测定带边界内的红色信号量可以包括一些背景。为了更好地评价背景信号(例如，不是由与条带上的抗体结合的目标分析物产生的)，一些样本盒可以包括空白控制区域。101.如本文所使用的，在一系列项目之前的短语“…中的至少一个”(用术语“和”或“或”来分隔任何项目)将列表作为整体而不是对列表的每个成员(例如，每个项目)进行修饰。短语“…中的至少一个”不要求选择至少一个项目；更确切地说，该短语允许包括任何一种项目的至少一个，和/或项目的任何组合中的至少一个，和/或每种项目的至少一个的含义。举例来说，短语“a、b和c中的至少一个”或“a、b或c中的至少一个”各自指仅a、仅b或仅c；a、b和c的任何组合；和/或a、b和c中的每一个中的至少一个。102.就在说明书或条款中使用的术语“包含”、“具有”等而言，这种术语旨在以类似于术语“包括”的方式包含在内，如“包括”在条款中用作过渡词时所解释的。“示例性”一词在本文中用于表示“用作示例、实例或说明”。本文描述为“示例性”的任何实施例不一定被解释为优于或有利于其它实施例。103.除非特别说明，否则以单数形式提及元素并不旨在表示“一个且仅一个”，而是表示“一个或多个”。本领域普通技术人员已知或稍后将被知晓的本公开内容中描述的各种配置的元素的所有结构和功能等同物通过引用明确地并入本文并且旨在被本主题技术所涵盖。而且，无论在上面的描述中是否明确引用了这种公开，本文公开的任何内容都不旨在专供公众使用。104.虽然本说明书包含许多细节，但这些细节不应当被解释为对可能要求保护的范围的限制，而应当被解释为对主题的特定实施方式的描述。本说明书中在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实施例中实现。而且，虽然上面特征可以被描述为以某些组合作用并且甚至最初就是这样要求保护的，但在一些情况下，可以从组合中删除来自要求保护的组合的一个或多个特征，并且要求保护的组合可以针对子组合或子组合的变体。105.已经根据特定方面描述了本说明书的主题，但是可以实现其它方面并且在以下条款的范围内。例如，虽然在附图中以特定次序描绘了操作，但这不应当被理解为要求以所示的特定次序或顺序次序执行此类操作，或者执行所有图示的操作以获得期望的结果。条款中陈述的动作可以以不同的次序执行并且仍然达到期望的结果。作为一个示例，附图中描述的处理不一定要求所示的特定次序或顺序次序来实现期望的结果。在某些情况下，多任务和并行处理可以是有利的。而且，上述各方面的各个系统组件的分离不应当被理解为要求在所有方面都进行这种分离，并且应当理解的是，所描述的程序组件和系统一般可以集成在单个软件产品中或打包到多个软件产品中。其它变化在以下条款的范围内。106.在一方面，方法可以是操作、指令或函数，反之亦然。一方面，条款可以被修订为包括在其它一项或多项条款中陈述的一些或全部词语(例如，指令、操作、功能或组件)、一个或多个词语、一个或多个句子、一个或多个短语、一个或多个段落和/或一个或多个声明。107.为了说明硬件和软件的可互换性，已经根据它们的功能大体描述了诸如各种说明性块、模块、组件、方法、操作、指令和算法之类的项目。这种功能是作为硬件、软件还是硬件和软件的组合来实现取决于特定的应用和对整个系统施加的设计约束。技术人员可以针对每个特定应用以不同方式实现所描述的功能。108.诸如方面、该方面、另一方面、一些方面、一个或多个方面、实施方式、该实施方式、另一个实施方式、一些实施方式、一个或多个实施方式、实施例、该实施例、另一个实施例、一些实施例、一个或多个实施例、配置、该配置、另一个配置、一些配置、一个或多个配置、主题技术、公开、本公开、其其它变体等短语是为了方便起见，并不意味着与(一个或多个)此类短语相关的公开对于主题技术是必不可少的，或者此类公开内容适用于主题技术的所有配置。与(一个或多个)此类短语相关的公开可以适用于所有配置，或一个或多个配置。与(一个或多个)此类短语相关的公开可提供一个或多个示例。诸如方面或一些方面之类的短语可以指一个或多个方面，反之亦然，并且这类似地适用于其它前述短语。109.阳性代词(例如，他的)包括阴性和中性(例如，她的和它的)，反之亦然。术语“一些”是指一个或多个。带下划线和/或斜体的标题和副标题仅为方便起见而使用，不限制本主题技术，并且不与本主题技术的描述的解释相关地提及。诸如第一和第二等关系术语可以被用于区分一个实体或动作与另一个实体或动作，而不必要求或暗示此类实体或动作之间的任何实际的此类关系或次序。本领域普通技术人员已知或稍后将被知晓的本公开内容中描述的各种配置的元素的所有结构和功能等同物通过引用明确地并入本文并且旨在被本主题技术所涵盖。除非使用短语“用于…的部件”明确叙述要素，或者在方法条款的情况下，使用短语“用于…的步骤”叙述要素，否则没有条款要素要根据35u.s.c.第112条第6段来解释。当前第1页12当前第1页12