确定体液中至少一种分析物的浓度的方法和装置与流程

本发明涉及一种确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定方法。本发明进一步涉及一种进行分析测量的测量方法。进一步地，本发明涉及一种确定系统和一种移动装置，以及计算机程序、计算机可读存储介质和一种试剂盒。该方法、系统、移动装置、计算机程序、计算机可读存储介质和试剂盒可具体地用于医学诊断中，以便例如定量地或定性地检测一种或多种身体液和/或体液中一种或多种分析物，诸如用于检测血液和/或组织间隙液中的葡萄糖。然而，本发明也可应用于其他领域。

背景技术：

1、在医学诊断学领域中，在许多情况下，必须在身体液(诸如血液、组织间隙液、尿液、唾液或其他类型的身体液)样品中检测一种或多种分析物。待检测的分析物的示例为葡萄糖、三酸甘油酯、乳酸、胆固醇或通常存在于这些身体液中的其他类型的分析物。根据分析物的浓度和/或存在，如果需要的话，可选择适当的治疗。在不缩小范围的情况下，本发明可就血糖测量而言来具体地说明。然而，应注意的是，本发明也可用于使用测试元件的其他类型的分析测量。

2、通常，技术人员已知的装置和方法利用包含一种或多种测试化学品的测试元件和/或测试条，在待检测的分析物的存在下，该测试元件和/或测试条能够进行一种或多种可检测的检测反应，诸如光学可检测的检测反应。就包含在测试元件和/或测试条中的测试化学品而言，可参考例如j.hoenes等人：the technology behind glucose meters:teststrips,diabetes technology&therapeutics,第10卷,增刊1,2008,s-10至s-26。其他类型的测试化学物是可能的，并可用于进行本发明。

3、在分析测量中，具体地在基于颜色形成反应的分析测量中，一项技术挑战在于评估由于检测反应引起的颜色变化。除了使用诸如手持式血糖仪的专用分析装置之外，近年来，使用诸如智能手机和便携式计算机或其他移动装置的一般可用电子产品也变得越来越流行。因此，包括在这些移动装置中的相机可用于测量测试元件和/或测试条中的检测反应的颜色变化。与实验室测量以及通过使用分析测量装置和测试元件和/或测试条的专用配对进行的测量完全不同，当使用诸如智能手机的移动计算装置时，需要考虑各种影响。作为示例，将要考虑光照条件、定位、振动、电子缺陷或其他或多或少的不可控制的影响。通常，可使用包括通过利用用于光度测量的颜色参考来数学地校正和/或补偿此类影响对颜色变化的结果的程序。

4、us11,112,406b2描述一种用于提供免疫确定测试结果的方法，该方法包括用测试装置收集至少一种生物制剂。该方法进一步包括将该生物制剂与颗粒缀合到测试条的缀合垫上以产生免疫复合物，将该免疫复合物的抗原或抗体与测试线的抗原或抗体结合，提供将存储在具有相机的移动装置上的软件应用程序；捕捉测试装置的图像，包括具有与阳性测试结果相对应的至少一个颜色值的彩色马赛克，将测试线图像的颜色值与彩色马赛克的图像的颜色值进行比较，确定测试线的图像的颜色值是否在与阳性测试结果相对应的彩色马赛克的图像的至少一个颜色值的预定范围内；以及在观看屏幕上呈现测试结果。

5、cn 104969068 b描述一种用于进行生物材料的基于颜色的反应测试的方法和装置。该方法包括在自动校准的环境内，捕捉和解释未曝光和随后曝光的仪器的数字图像。该仪器包括唯一标识(uid)标签、针对图像颜色校准提供标准化颜色样品的参考色条(rcb)以及化学测试垫(ctp)的几个特定测试序列。该方法进一步包括在图像中定位仪器、提取uid、提取rcb，以及在每个图像中定位多个ctp。该方法进一步降低ctp中的图像噪声，并根据在rcb上进行的光测量结果自动校准图像。该方法通过将ctp图像的颜色与制造商解释颜色图表(micc)中的颜色进行比较来进一步确定测试结果。该方法以图形或量化模式显示这些结果。

6、ep 2916117 a1描述可在不同的光照条件下进行的化学测试垫的颜色定量以及分析物的滴定。在一个实施例中，估计光照条件，在此光照条件下捕捉数字图像并利用该图像选择一组参考颜色，从中比较量化颜色以确定该滴定。在另一实施例中，用不同的光照条件进行多个比较，其中选择具有最高置信水平的结果来确定该滴定。

7、us2015/0247874 a1描述一种检测样品中分析物的存在的方法。该方法包括选择对分析物具有选择性的适体并将该适体结合到纳米颗粒上。具有游离态的纳米颗粒被感知为第一颜色，并且聚集态被感知为第二颜色。样品被引入到纳米颗粒结合的适体中，并促进纳米颗粒的聚集。分析色度变化，其中在样品中的分析物的存在下实现纳米颗粒的聚集态。

8、us2011/076695 a1描述一种免疫确定分析仪，其能够在样品分析工具的测量区域中鉴别由于特异性免疫反应引起的正常着色与由于除特异性免疫反应之外的原因引起的异常着色。免疫确定分析仪包括光学检测单元和确定单元。光学检测单元包括光学信号测量单元，其用于测量在两个或更多个不同波长中的每一者处的光学信号，这些不同波长包括用于检测由于特异性免疫反应引起的颜色变化的主波长以及除主波长之外的子波长。确定单元包括鉴别单元，其用于比较在两个或更多个不同波长处的相应光学信号，并基于先前确定的比较标准来鉴别由于特异性免疫反应引起的颜色变化与由于除特异性免疫反应之外的原因引起的颜色变化。

9、us2020/386672 a1描述一种用于校准用于检测样品中分析物的相机的校准方法。提供了多个不同的颜色坐标系和测试样品集。将测试样品施加到具有用于产生光学可检测反应的测试场的测试元件。使用相机获取着色的测试场的图像，并生成针对图像的颜色坐标。通过使用编码函数集将生成的颜色坐标转换为测量浓度集。将测量浓度集与测试样品的已知浓度进行比较，并确定多个颜色坐标系中的最佳匹配颜色坐标系。还确定了多个编码函数中的最佳匹配编码函数。

10、us2017/073728 a1描述用于检测样品中的至少一种分析物的分析设备，其中在分析物测量中记录由于测试元件的至少一种测试化学品的分析物的存在而可改变的至少电学或光学特性，且其中分析设备还可对至少一种测试化学品进行至少一种质量测量，诸如本征发光，该本征发光被记录且从该本征发光得出关于测试化学品以及由此测试元件的质量的结论。还公开了用于检测样品中至少一种分析物的方法，该方法包括测试条的至少一种测试化学品的质量测量。

11、尽管通过已知方法和装置实现了优点，但仍然存在几个技术上的挑战。具体地，用户依赖性影响，诸如测试元件和/或测试条的错误处理和/或不适当的储存或其他或多或少的不可控制的用户依赖性处理错误可能导致未检测到的颜色变化。当基于颜色形成反应确定分析物浓度时，此类未检测到的颜色变化可能导致不准确的分析测量。

12、要解决的问题

13、因此，期望提供至少部分地解决上述技术挑战的方法和装置。具体地，期望提供允许用于检测由于错误和/或不适当的用户处理引入的颜色变化的方法和装置。

技术实现思路

1、该问题通过一种确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定方法以及通过一种进行分析测量的测量方法来解决。进一步地，通过具有独立权利要求的特征的一种确定系统、一种移动装置、计算机程序、计算机可读存储介质和一种试剂盒来解决。可以单独方式或以任何随意组合实现的有利实施例列于附属权利要求以及整个说明书中。

2、如下文中所使用，术语“具有”、“包括”或“包含”或其任何任意语法变化是以非排他性方式使用。因此，这些术语既可涉及在其中除了通过这些术语引入的特征之外，在该上下文中描述的实体中并无另外的特征存在的情形，也可涉及在其中存在一个或多个另外的特征的情形。作为示例，表述“a具有b”、“a包括b”以及“a包含b”既可涉及其中除了b之外无其他元件存在于a中的情形(即，其中a仅由并且排他性地由b组成的情形)并且也可涉及其中除了b之外一个或多个另外的元件(诸如元件c、元件c和d或甚至另外的元件)存在于实体a中的情形。

3、进一步地，应注意的是，表示特征或元件可存在一次或超过一次的术语“至少一个”、“一个或多个”或类似表述当引入相应特征或元件时将通常仅使用一次。在下文中，在大多数情况中，当涉及相应特征或元件时，表述“至少一个”或“一个或多个”将不会重复，尽管有相应特征或元件可存在一次或超过一次的事实。

4、进一步地，如在下文中所使用，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似术语与任选的特征结合使用，而不限制替代方案的可能性。因此，通过这些术语引入的特征是任选的特征且并不旨在以任何方式限制权利要求的范围。如熟练技术人员将认识到，本发明可通过使用替代特征来进行。类似地，通过“在本发明的实施例中”或类似表述引入的特征旨在成为任选的特征，而对于本发明的替代实施例无任何限制，对于本发明的范围无任何限制且对于组合以此类方式引入的特征与本发明的其他任选的或非任选的特征的可能性无任何限制。

5、在本发明的第一方面，公开了一种确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定方法。该确定方法包括以下步骤，作为示例，这些步骤可以给定次序进行。然而，应注意的是，通常不同的次序也是可能的。进一步地，一次地或重复地进行方法步骤中的一个或多个方法步骤也是可能的。进一步地，同时或以适时重迭方式进行方法步骤中的两个或更多个方法步骤也是可能的。该确定方法可包括未列出的另外的方法步骤。

6、该确定方法包括：

7、a)提供光学测试条训练集，每个光学测试条具有试剂测试区域；

8、b)提供体液样品训练集，并将体液样品中的至少一个体液样品施加到光学测试条训练集中的每个光学测试条的试剂测试区域；

9、c)通过具有至少一个相机的至少一个移动装置来捕捉图像训练集，该图像训练集包括对其施加体液样品的光学测试条训练集的试剂测试区域中的每个试剂测试区域的至少一部分的图像，其中光学测试条中的至少两个光学测试条为未损坏的，并且其中光学测试条中的至少两个光学测试条为损坏的；

10、d)具体地通过使用至少一个处理器，更具体地移动装置的处理器从图像训练集中的图像确定颜色形成值训练集，该颜色形成值训练集包括针对光学测试条训练集的光学测试条中的每个光学测试条的试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；以及

11、e)从颜色形成值训练集推导至少一个颜色通道的颜色期望范围，该颜色期望范围定义针对未损坏的光学测试条的颜色形成值的期望范围。

12、如本文所使用，术语“基于颜色形成反应的分析测量”为广义术语，且对于本领域普通技术人员来说应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，通过使用颜色形成反应对体液的任意样品或等分试样中的至少一种分析物的定量和/或定性确定。例如，体液可包括血液、组织间隙液、尿液、唾液或其他类型的身体液中的一种或多种。作为示例，分析物的确定的结果可为分析物的浓度和/或待确定的分析物的存在或不存在。具体地，作为示例，分析测量可为血糖测量，因此分析测量的结果可例如是血糖浓度。特别地，分析测量结果值，诸如体液中分析物的浓度，可通过使用颜色形成反应的分析测量来确定，诸如响应于体液中分析物的定量和/或定性存在或不存在的颜色变化反应。

13、例如，体液可包括血液、组织间隙液、尿液、唾液或其他类型的身体液中的一种或多种。因此，术语“体液样品”具体地可涉及生物流体的任意等分部分或非等分部分，其直接为体液或其诸如通过一个或多个预处理步骤，例如通过离心而衍生自体液。作为示例，体液样品可为如从人体采集的体液的液滴，诸如通过例如用柳叶刀、针等刺穿人的皮肤部分而产生的诸如血液和/或组织间隙液的液滴。体液样品也可简称为样品。

14、在基于颜色形成反应的分析测量中，具体地使用光学测试条。如本文所使用，术语“光学测试条”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，被配置用于进行颜色变化检测反应的任意元件或装置。光学测试条也可称为测试条或测试元件，其中所有三种术语可涉及相同的元件。光学测试条可特定地具有试剂测试区域，该试剂测试区域也称为测试区域和/或测试场，其含有用于检测至少一种分析物的至少一种测试化学品。具体地，测试化学品可被配置用于进行由于分析物的存在而产生的颜色变化，例如改变其颜色。颜色变化可例如取决于体液样品中分析物的浓度。特别地，试剂测试区域可具有视觉上可检测的边缘，诸如可检测的边沿和/或边界，将试剂测试区域与光学测试条的其他部分形成对比。作为示例，光学测试条可包括至少一个基板，诸如至少一个载体，具有至少一个测试场施加到其或整合于其中。特别地，光学测试条可进一步包括至少一个白色区域，诸如白场，具体地接近试剂测试区域，例如包围或围绕测试区域。特别地，在试剂测试区域与围绕试剂测试区域的白色区域之间的对比度可足以允许例如通过使用图像识别技术对试剂测试区域的边缘和/或边沿进行检测，具体地视觉检测。此外或可替代地，基板或载体本身可为或可包括白色区域。作为示例，至少一个载体可为条状的，从而使测试元件呈现为测试条。这些测试条通常是广泛使用且可获得的。一个测试条可带有单一试剂测试区域或多个测试区域，其具有包含在其中的相同或不同的测试化学品。

15、如本文所使用，术语“在基于颜色形成反应的分析测量中获得的颜色形成值”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，在分析测量中使用的光学测试条的试剂测试区域的颜色的数值指示。特别地，术语“颜色形成值”可涉及测试条的试剂测试区域的颜色的任意数值指示，诸如数值表示，具体地由测试化学品的颜色变化检测反应产生。具体地，由颜色形成值数值指示的颜色可与施加到相应光学测试条的体液样品的分析物浓度相关。因此，作为示例，颜色以及因此颜色形成值可与血糖值和/或血糖浓度相关。

16、如本文所使用，术语“评估合理性”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，定量和/或定性地确定元件和/或数据的可信度和/或概率的方法。作为示例，可通过使用元件和/或数据的一个或多个特征参数和/或特性来评估合理性。这些一个或多个特征参数和/或特性可单独地或根据预定组合与一个或多个条件进行比较。因此，作为示例，颜色形成值的合理性可通过使用一个或多个特征参数和/或期望特征的特性，具体是通过使用如下文将进一步详细概述的颜色期望范围来评估。具体地，可将颜色形成值与颜色期望范围，例如一个或多个比较值、参考值或标准值进行比较，其中该比较可为定性或定量比较并且可导致诸如“合理的”或“不合理的(not plausible)”/“不合理的(implausible)”的二元结果。然而，此外或可替代地，该比较可引起定量结果，诸如指示合理性程度的图。

17、如本文所使用，术语“颜色期望范围”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，子颜色空间的连续和/或离散范围，诸如涉及可能的颜色空间的至少一部分，颜色被期望和/或预测在该范围内。因此，作为示例，颜色期望范围可为包括比较值、参考值和/或标准值中的至少一者的颜色空间的一维、二维或三维区域中的一者或多者。因此，颜色期望范围可为或可包括连续区和/或狭长通道，该连续区和/或狭长通道包括至少一个期望颜色值。然而，此外或可替代地，颜色期望范围可为或可包括离散期望颜色的集合体，例如包括离散的比较值、参考值和/或标准值。特别地，颜色期望范围，具体地二维或三维颜色期望范围，可具有任意形式和/或形状。

18、因此，如本文所使用，术语“确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定方法”也简称为“确定方法”，其为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，如上所定义的确定颜色期望范围的方法。具体地，该术语可涉及一种方法，通过该方法，即因此定义颜色形成值的期望范围的至少一个范围经确定和/或确定，特别地针对如下文将进一步概述的未损坏的测试条。

19、如本文所使用，术语“训练集”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，具有已知和/或预定差异和/或相似性的多个元件。特别地，训练集可用于训练可训练模型，诸如可基于例如从训练集中采集的附加信息进一步训练和/或更新的模型。

20、术语“光学测试条训练集”具体地可涉及，但不限于，如上所定义的多个光学测试条。特别地，如步骤a)中所提供的光学测试条训练集包括多个光学测试条，例如在结构和/或设计中相同的光学测试条。作为示例，针对由光学测试条训练集所包括的多个光学测试条，光学测试条中的一个或多个光学测试条的至少一个特征和/或特性可为已知的和/或预定的，使得光学测试条训练集中的光学测试条中的一个或多个光学测试条之间的差异可为已知的和/或预定的。

21、如本文所使用，术语“损坏的光学测试条”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，如上所定义的光学测试条，其中光学测试条的至少一种功能，诸如试剂测试区域的颜色变化检测反应，可至少部分地有缺陷和/或经改变超出可容忍的测量。特别地，损坏的光学测试条可为对其的处理和/或储存要求已被忽略的光学测试条。因此，作为示例，与未损坏的光学测试条相反，当用于分析测量时，损坏的光学测试条具体地显示颜色变化检测反应的有缺陷和/或不正确的颜色，例如，导致无效的分析物浓度。具体地，损坏的光学测试条可为具有至少一个超出定义未损坏的光学测试条的预定或可确定的容差范围的参数的测试条。该参数可为固有或外部参数。其中，作为示例，固有参数可涉及光学测试条本身的特性，而作为示例，外部参数可涉及描述光学测试条的处理或光学测试条的使用的参数。因此，损坏的测试条本身可能会被损坏以及/或可能会由于不适当的处理而被损坏的。作为示例，不适当的处理可涉及储存条件，使得作为示例，外部参数可涉及描述一个或多个储存条件，诸如储存温度和/或储存时间的参数。此外或可替代地，不适当的处理可涉及自将至少一种体液的至少一个样品施加到光学测试条，具体地施加到至少一个试剂测试区域以来已经经过的时间。作为示例，在将样品施加到试剂测试区域与捕捉至少一个图像之间流逝的时间可能必须在预定容差范围内，该图像包括对其施加样品的至少一个试剂测试区域的至少一部分。因此，一旦时间在容差范围之外，光学测试条就会损坏，例如一旦自将样品施加以来已经过去的时间已经经过了一个时间窗，在该时间窗内可发生可容忍的测量，即在该时间窗内至少一个图像应该被捕捉。

22、因此，通常，损坏的光学测试条可为，但不限于，先验的或本身损坏的光学测试条，和/或被不正确处理的测试条，例如通过以不合规的方式使用测试条，诸如通过在不适当的时间点捕捉相应图像。其中，通常可想到损坏的两种情况，这两种情况也可能组合发生：

23、i.光学测试条本身被损坏，诸如由于降解、有缺陷的材料特性、有害环境效应(诸如湿度、保质期到期等)的影响；以及/或

24、ii.光学测试条由于不适当的处理和/或使用而被损坏，诸如通过用于用超出至少一个容差范围的一个或多个测量参数进行的测量，诸如通过在不适当的时间点(诸如在时间的容差范围之外，例如在样品施加与图像捕捉之间经过的时间大于最大延迟)捕捉包括光学测试条的至少一个测试区域的至少一部分的至少一个图像，

25、以及/或由于仅专用于一次性使用的光学测试条的预使用。

26、如本文所使用，术语“未损坏的光学测试条”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，如上所定义的光学测试条，其中光学测试条的完整性没有受到危害和/或破坏。特别地，未损坏的光学测试条可为处理和/或储存要求已被考虑的光学测试条。具体地，术语未损坏的光学测试条可涉及如上所定义的光学测试条，其中光学测试条既不是先验的也不是本身损坏的，以及/或已经被正确地处理的光学测试条，即以合规的方式，诸如通过在适当的时间点捕捉的相应图像。具体地，未损坏的光学测试条可为或可包括已经被正确处理并且既不是先验的也不是本身损坏的光学测试条。

27、作为示例，在确定方法中确定的颜色期望范围可为或可包括至少一个定义针对未损坏的光学测试条的颜色形成值的期望范围的范围。具体地，作为示例，颜色期望范围可不包括，即跳过或省去针对损坏的光学测试条，即针对损坏测量的颜色形成值训练集的颜色形成值。因此，颜色期望范围可能会跳过和/或省去针对损坏的光学测试条所期望的颜色形成值。

28、如本文所使用，术语“体液样品训练集”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，且不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，具有例如在实验室环境中确定的至少一个已知和/或预定分析物浓度的多个样品。特别地，体液样品训练集可包括如上所定义的多个体液样品，其中针对多个样品中的一个或多个样品，定量和/或定性分析测量结果值，诸如在样品内的至少一种分析物的浓度是已知的。具体地，包括在样品训练集中的样品的数量可不同于光学测试条训练集中的光学测试条的数量。然而，可替代地，样品训练集中的样品的数量可等于光学测试条训练集中的光学测试条的数量。

29、如本文所使用，术语“移动装置”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语可具体涉及，但不限于，移动电子装置，更具体地涉及移动通讯装置，诸如手机或智能手机。此外或可替代地，移动装置也可涉及具有至少一个相机的平板电脑或另一类型的便携计算机。此外，如下文将概述的，移动装置可任选地包括另外的元件，诸如例如一个或多个处理器。

30、如本文所使用，术语“相机”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，具有至少一个成像元件的装置，该成像元件被配置用于记录或捕捉空间分辨的一维、二维或甚至三维光学数据或信息。作为示例，相机可包括至少一个相机芯片，诸如被配置用于记录图像的至少一个ccd芯片和/或至少一个cmos芯片。如本文所使用，但不限于，术语“图像”具体地可涉及通过使用相机记录的数据，诸如来自成像装置的多个电子读数，诸如相机芯片的像素。

31、因此，术语“图像训练集”具体地可涉及多个图像，即涉及通过使用相机，例如如上所定义的相机记录的多个图像数据。特别地，图像训练集可涉及光学测试条训练集的试剂测试区域中的一个或多个试剂测试区域的至少一部分的多个图像，例如一堆数字图像。作为示例，图像训练集可包括光学测试条训练集的试剂测试区域中的每个试剂测试区域的图像，其中例如体液样品中的一个或多个样品可能例如在图像捕捉之前已经被施加到试剂测试区域。具体地，图像训练集可用于确定光学测试条训练集的试剂测试区域的颜色形成值训练集，诸如针对光学测试条训练集的多个颜色形成值。图像训练集中的图像中的一个或多个图像可具有超过一个的试剂测试区域。因此，作为示例，图像训练集中的图像的数量可不同于光学测试条训练集中的光学测试条的数量。然而，图像训练集中的图像的数量与光学测试条训练集中的光学测试条的数量相等也是可能的。具体地，作为示例，图像训练集可例如包括针对光学测试条训练集中的试剂测试区域中的每个试剂测试区域的单独图像。

32、除了至少一个相机芯片或成像芯片之外，该相机也可包括另外的元件，诸如一个或多个光学元件，例如，一个或多个透镜。作为示例，该相机可为固定焦点相机，其具有相对于该相机固定地调整的至少一个透镜。然而，可替代地，该相机也可包括可自动或手动调整的一个或多个可变透镜。本发明应可具体地适用于通常在移动应用中使用的相机，诸如笔记本电脑、平板计算机，或具体地手机，诸如智能手机。因此，具体地，该相机可为移动装置的部分，该移动装置除该至少一个相机外也包括一个或多个数据处理装置，诸如一个或多个数据处理器。然而，其他相机也是可行的。

33、相机具体可为彩色相机。因此，诸如针对每个像素，可提供或生成颜色信息，诸如针对三种颜色r、g、b，例如也称为颜色通道的颜色值。更大数量的颜色值也是可行的，诸如针对每个像素的四个颜色值，例如r、g、g、b。彩色相机通常是技术人员已知的。因此，作为示例，相机芯片各自可由三个或更多个不同的颜色传感器中的多个颜色传感器组成，诸如记录像素的颜色，其中一个像素针对红色(r)，一个像素针对绿色(g)，一个像素针对蓝色(b)。针对像素中的每个像素，诸如针对r、g、b，依据相应颜色的强度通过像素记录数值，诸如0至255范围内的数位值。代替使用诸如r、g、b的颜色三元组，作为示例，可以使用诸如r、g、g、b的四元组。像素的颜色灵敏度可由滤色器或用过相机像素中使用的传感器元件的适当固有灵敏度生成。这些技术通常是技术人员已知的。

34、如本文所使用，术语“处理器”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，被配置用于进行计算机或系统的基本操作的任意逻辑电路，以及/或通常，涉及被配置用于进行计算或逻辑操作的装置。特别地，处理器可被配置用于处理驱动计算机或系统的基本指令。作为示例，处理器可包括至少一种算术逻辑单元(alu)、至少一个浮点单元(fpu)(诸如，算数协同处理器或数字协同处理器)、多个记录器(具体是被配置用于降操作数提供到alu并储存操作结果的记录器)以及存储器(诸如l1及l2缓存存储器)。特别地，处理器可为多核处理器。具体地，处理器可为或可包括中央处理单元(cpu)。此外或可替代地，处理器可为或可包括微处理器，因此具体地处理器的元件可包含在一个单一集成电路(ic)芯片中。此外或可替代地，处理器可为或可包括一种或多种专用集成电路(asic)和/或一种或多种现场可编程门阵列(fpga)等。

35、处理器，具体地可使用在确定方法的步骤d)中的处理器，可例如为与移动装置分离的单独的处理器，诸如独立的处理器或整合到计算机或计算机网络中的处理器。然而，可替代地，处理器可整合到可使用在步骤c)中的移动装置中以用于捕捉图像训练集。因此，具体地，处理器可为移动装置的处理器。

36、作为示例，损坏的光学测试条可能是由于以下各项中的一者或两者而被损坏的：流体样品的，诸如体液样品的先前施加；以及先前暴露于至少一种损坏性环境例如超过10分钟，具体地超过2小时，更具体地超过1天。特别地，通过之前已经具有诸如通过对光学测试条重复给药和/或双倍给药而施加的流体样品，光学测试条可能是损坏的，即被视为是损坏的。具体地，预使用的和/或重复使用的光学测试条可被视为损坏的光学测试条。此外或可替代地，假如先前暴露于至少一种损坏性环境，诸如破坏光学测试条的损坏性环境，则测试条可被视为是损坏的。因此，被破坏的光学测试条可被视为损坏的光学测试条。特别地，当已经暴露于损坏性环境超过10分钟，具体地超过2小时，更具体地超过1天时，光学测试条可为损坏的。

37、作为示例，损坏性环境可为选自由以下项组成的组的环境：潮湿环境，具体地具有大于60％的湿度、更具体地大于80％的湿度的环境；以及明亮环境，具体地具有超过1000lm/m2的照度、更具体地超过1500lm/m2的照度的环境。

38、步骤d)可进一步包括：用关于光学测试条训练集中的相应光学测试条是否损坏或未损坏的信息标记颜色形成值训练集中的颜色形成值。如本文所使用，术语“标记”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，链接和/或连接信息的方法。具体地，关于相应光学测试条是否是损坏或未损坏的(即没有损坏的)信息可链接和/或连接到颜色形成值。具体地，可在步骤e)中考虑该标记。具体地，当从针对未损坏的光学测试条的颜色形成值推导颜色期望范围时，可考虑标记，即用于区分颜色形成值训练集中的颜色形成值中的哪些是针对未损坏的光学测试条或各自地针对损坏的光学测试条确定的。

39、在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％。具体地，在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少85％。更具体地，在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少90％。更具体地，在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少95％。更具体地，在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少97％。更具体地，在步骤e)中，颜色期望范围可包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少99％。

40、作为示例，颜色期望范围可为或可包括至少一个多边形。具体地，颜色期望范围可为或可包括二维多边形，其边缘可对应于二维颜色空间中，诸如至少两种颜色的颜色平面中的颜色形成值。此外或可替代地，颜色期望范围可为或可包括三维多面体，其边缘可对应于三维颜色空间中的颜色形成值。进一步此外或可替代地，代替对应于颜色形成值的边缘，边缘可与颜色形成值间隔开，使得对应于光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％、具体地至少85％、更具体地至少90％、更具体地至少95％、更具体地至少97％、更具体地至少99％可被多边形和/或多面体包围。

41、特别地，步骤e)中的推导可包括确定包络，该包络包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％、具体地至少85％、更具体地至少90％、更具体地至少95％、更具体地至少97％、更具体地至少99％；并且通过预定安全系数进一步扩大包络。

42、如本文所使用，术语“包络”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，包围和/或覆盖至少一个数据集的元件和/或实体。特别地，包络可即在至少一个颜色平面和/或颜色空间中包围针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％、具体地至少85％、更具体地至少90％、更具体地至少95％、更具体地至少97％、更具体地至少99％，其中该包络可被数学地和/或图形地确定。

43、特别地，具体地在后续步骤中，步骤e)可包括：通过预定安全系数扩大包络。安全系数具体地可为预定的和/或预置的，诸如考虑包络的尺寸和/或体积的安全系数。作为示例，安全系数可为或可包括取决于包络，即取决于包络的大小和/或体积的函数。作为示例，可扩大包络使得经扩大的包络的尺寸和/或体积可超过包络的尺寸和/或体积至少1.1倍、具体地至少1.2倍、更具体地至少1.5倍。作为示例，可扩大包络使得针对未损坏的光学测试条所确定的颜色形成值的99％或甚至100％被包围。此外或可替代地，安全系数可考虑颜色形成值的分布的偏差，诸如针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的标准偏差σ。因此，作为示例，可扩大包络以跨越至少4σ、优选地至少5σ、更优选地至少6σ的区域的倍数。

44、扩大具体地可为平均分布的扩大，诸如包络的均匀的和/或一致的扩大。作为示例，假如颜色形成值在包络内平均分布，则可进行包络的一致的扩大。然而，不均匀分布的扩大也是可能的。具体地，包络可即基于和/或取决于在包络内的颜色形成值的加权分布而被不一致地和/或不均匀地扩大。

45、步骤e)具体地可包括使用至少一种机器学习算法，具体地通过使用颜色形成值训练集来训练可训练模型。如本文所使用，术语“机器学习算法”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，且不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，可通过使用训练数据的记录来训练的数学模型，诸如包括训练输入数据和对应的训练输出数据。特别地，训练数据记录的训练输出数据可为当被给予相同训练数据记录的训练输入数据作为输入时，通过机器学习算法，期望产生的结果。作为示例，可借助于“损失函数”观察和评价该期望结果与由该算法产生的实际结果之间的偏差。该损失函数可用作针对调整机器学习算法的内部处理链的参数的反馈。机器学习算法可包括决策树、朴素贝叶斯分类、最近邻、神经网络、卷积神经网络、生成式对抗网络、支持向量机、线性回归、逻辑回归、随机森林和/或梯度提升算法。作为示例，机器学习算法可通过使用颜色形成值训练集作为输入数据以及关于相应光学测试条的对应信息，即光学测试条是否为损坏的光学测试条或未损坏的光学测试条作为输出数据来训练。具体地，机器学习算法可为或可包括可训练的颜色期望范围模型，即描述颜色期望范围的形状和/或形式，其中针对调整模型的内部处理链的参数的反馈具体地可基于定量或定性确定对应于未损坏的光学测试条的颜色形成值系是否在颜色期望范围内。其他形式的反馈也是可能的。

46、在步骤d)中，具体地可针对至少两个颜色通道，诸如针对至少两个选自由以下项组成的组的颜色通道：绿色颜色通道(g)、蓝色颜色通道(b)和红色颜色通道(r)确定颜色形成值。特别地，在步骤e)中，可针对在步骤d)中为其确定颜色形成值的至少两个颜色通道推导颜色期望范围。

47、进一步地，该方法可包括步骤f)：将光学测试条训练集中的至少一个光学测试条附接到颜色参考卡，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场。特别地，步骤f)可在步骤c)之前进行。此外，在步骤c)中捕捉的图像集中的至少一个图像可进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。如本文所使用，术语“颜色参考卡”为广义术语，且对于本领域技术人员而言应给予其普通和习惯上的含义，而不限于特殊或定制化的含义。该术语具体地可涉及，但不限于，具有、在其中设置有或在其上(诸如在至少一个表面上)设置有具有已知颜色特性或光学特性的任意项目，诸如具有多个颜色场，该多个颜色场具有已知参考颜色值。进一步地，颜色参考卡可包括具有已知灰阶的多个灰色参考场。作为示例，颜色参考卡可为包括至少一种基板的平面卡，该基板具有在至少一个表面上和/或设置在其中的多个颜色参考场和多个灰色参考场，该颜色参考场具有已知色值，该灰色参考场具有已知灰阶。具体地，基板可具有平坦表面，该平坦表面带有设置于其上的颜色参考场及灰色参考场。作为示例，基板可为或可包括纸基板、纸板基板、塑料基板、陶瓷基板或金属基板中的一者或多者。积层基板也是可能的。作为示例，基板可为片状或柔性的。然而，应注意的是，基板也可被实施到使用的物品，诸如盒的壁、小瓶、容器、医疗消耗品等，医疗消耗品，诸如测试条等中。颜色参考卡也可完全或部分地集成到光学测试条中。光学测试条的试剂测试区域的至少一部分的至少一个图像可全部或部分地包括颜色参考卡的至少一部分的图像。

48、在本发明的另外的方面，公开了一种通过使用具有相机和处理器的移动装置基于颜色形成反应进行分析测量的测量方法。作为示例，该测量方法包括以下步骤，这些步骤可按照给定次序进行。然而，应注意的是，通常不同的次序也是可能的。进一步地，一次地或重复地进行方法步骤中的一个或多个方法步骤也是可能的。进一步地，同时或以适时重迭方式进行方法步骤中的两个或更多个方法步骤也是可能的。该测量方法可包括未列出的另外的方法步骤。

49、该测量方法包括：

50、i)提供至少一个光学测试条，其具有至少一个试剂测试区域；

51、ii)将体液样品施加到光学测试条的试剂测试区域；

52、iii)通过使用相机来捕捉对其施加体液的试剂测试区域的至少一部分的至少一个图像；

53、iv)具体地通过使用处理器，通过使用该图像来确定针对试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；

54、v)针对至少一个颜色通道，将颜色形成值与通过进行根据前述权利要求中任一项所述的确定方法而确定的颜色期望范围进行比较；

55、vi)如果颜色形成值在颜色期望范围之外，则认为颜色形成值是不合理的并中止测量方法；以及

56、vii)如果颜色形成值在颜色期望范围之内，则认为颜色形成值是合理的并通过使用颜色形成值来确定体液样品中的分析物的浓度。

57、针对测量方法的定义，可参考上文所述或如下文将进一步详细概述的确定方法的描述。具体地，为了进行测量方法，可使用与上文所概述的确定方法中相同类型的光学测试条。因此，作为示例，在测量方法的步骤i)中提供的光学测试条可与如上所述或如下文将更详细描述的确定方法的步骤a)中提供的光学测试条训练集中的多个光学测试条具有相同或至少相似的类型。然而，体液样品可为来自用户的体液样品，该样品的分析物浓度将被确定并且因此可能是先前未知的。

58、测量方法可进一步包括强度检查，诸如检查颜色形成值的强度是否高于或低于至少一个强度阈值的步骤。特别地，假如颜色形成值在预定义的强度范围之外，例如低于较低强度阈值或高于较高强度阈值，则可中止测量方法。

59、该测量方法可进一步包括步骤viii)：通过使用相机来捕捉未对其施加体液的试剂测试区域的至少一部分的至少一个图像。特别地，步骤viii)可在步骤ii)之前进行。因此，作为示例，该测量方法可包括捕捉至少一个第二图像，具体地未对其施加体液样品的试剂测试区域的空白图像。

60、进一步地，该测量方法可包括步骤ix)：将光学测试条附接到颜色参考卡，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场。颜色参考卡具体地可与任选地用于如上所述的确定方法中的颜色参考卡具有相同的类型。特别地，步骤ix)可在测量方法的步骤iii)之前并且任选地在步骤ii)之前进行，其中具体地，在步骤iii)中捕捉的图像可进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。

61、步骤ii)中的施加可进一步包括：具体地由用户确认体液样品被施加到或已经被施加到光学测试条的试剂测试区域。因此，作为示例，步骤ii)的施加可为或可包括用户即通过按下按钮和/或其他形式的确认，例如通过与移动装置交互来确认体液样品已经被施加。具体地，测量方法的步骤ii)可包括提示用户进行将体液样品施加到光学试条的试剂测试区域以及确认将体液样品施加到光学测试条的试剂测试区域中的一者或多者。特别地，当进行步骤ii)时，用户可被提示施加体液样品且/或用户可被提示确认样品施加，例如通过将对应的指令提供在移动装置的显示器上和/或作为音频指令。

62、在本发明的另外的方面，公开了一种用于确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定系统。该确定系统包括：

63、a)至少一个移动装置，其具有至少一个相机；

64、b)光学测试条训练集，每个光学测试条具有试剂测试区域，其中光学测试条中的至少两个光学测试条为未损坏的，并且其中光学测试条中的至少两个光学测试条为损坏的；

65、c)体液样品训练集，其包括多个体液样品；以及

66、d)至少一个处理器，该处理器被配置用于

67、-检索图像训练集，该图像训练集包括对其施加体液样品的光学测试条训练集的试剂测试区域中的每个试剂测试区域的至少一部分的图像，这些图像是利用相机捕捉的；

68、-从图像训练集中的图像确定颜色形成值训练集，该颜色形成值训练集包括针对光学测试条训练集中的光学测试条中的每个光学测试条的试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；以及

69、-从颜色形成值训练集推导至少一个颜色通道的颜色期望范围，该颜色期望范围定义针对未损坏的光学测试条的颜色形成值的期望范围。

70、确定系统的处理器可例如为与至少一个移动装置分离的单独的处理器，诸如独立的处理器或整合到计算机或计算机网络中的处理器。然而，可替代地，处理器可整合到移动装置中。

71、确定系统可进一步包括：

72、e)至少一个颜色参考卡，其被配置用于将光学测试条可释放地附接到其上，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场，其中图像训练集中的图像进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。

73、针对确定系统的定义中的大部分定义，可参考如上所述或如下文将进一步详细概述的确定方法的描述。特别地，确定系统可被配置用于进行如本文所述的确定方法。特别地，确定系统可被配置用于进行如本文所述的确定方法中的至少步骤d)和步骤e)。

74、本文进一步公开和提出了包括指令的计算机程序，该指令当该程序由确定系统，具体地由如本文所述的确定系统执行时，使确定系统进行也如本文所述的确定方法中的至少步骤d)和步骤e)。因此，具体地，该计算机程序可包括计算机可执行指令，该计算机可执行指令用于当指令在确定系统上，即在例如整合到计算机或计算机网络中的该确定系统的至少一个处理器上执行时，进行根据本文所附实施例中的一个或多个实施例中的本发明的确定方法。具体地，计算机程序可储存在计算机可读数据载体上和/或计算机可读存储介质上。

75、因此，本文进一步公开和提出了一种包括指令的计算机可读存储介质，该指令当由确定系统，具体地由如本文所述的确定系统执行时，使确定系统进行也如本文所述的确定方法中的至少步骤d)和步骤e)。

76、如本文所使用，术语“计算机可读数据载体”和“计算机可读存储介质”具体可涉及非瞬时数据储存装置，诸如在其上储存计算机可执行指令的硬件储存介质。该计算机可读数据载体或储存介质具体可以是或可以包括诸如随机访问存储器(ram)和/或只读存储器(rom)等的储存介质。

77、本文进一步公开和提出了一种具有程序代码装置的计算机程序产品，以便当该程序在确定系统上，即在例如整合到计算机或计算机网络中的该确定系统的至少一个处理器上执行时，进行根据本文所附实施例中的一个或多个实施例中的本发明的确定方法。具体地，程序代码装置可储存在计算机可读数据载体上和/或计算机可读存储介质上。

78、本文进一步公开和提出一种具有储存在其上的数据结构的数据载体，该数据载体在加载至计算机或计算机网络中，诸如至计算机或计算机网络的工作存储器或主存储器中之后，可执行根据本文所公开的实施例中的一个或多个实施例中的确定方法。

79、本文进一步公开和提出一种具有储存在机器可读载体上的程序代码装置的计算机程序产品，以便当程序在计算机或计算机网络上执行时，进行根据本文所公开的实施例中的一个或多个实施例中的确定方法。如本文所使用，计算机程序产品涉及作为贸易产品的程序。产品通常可以任意格式存在，诸如论文格式，或在计算机可读数据载体上和/或在计算机可读存储介质上呈现。具体地，计算机程序产品可散布于数据网络上。

80、此外，本文公开和提出了一种调制数据信号，该调制数据信号含有计算机系统或计算机网络可读的指令，用于进行根据本文所公开的实施例中的一个或多个实施例中的确定方法。

81、在本发明的另外的方面，公开了一种具有至少一个相机和至少一个处理器的移动装置。该移动装置被配置用于进行如本文所述的测量方法中的至少步骤iv)至步骤vii)。因此，针对术语的定义，参考上文的描述，具体地关于如本文所述的测量方法。

82、本文进一步公开和提出了一种包括指令的计算机程序，该指令当该程序由具有相机和处理器的移动装置，具体地由如本文所述的移动装置执行时，使移动装置进行测量方法中的至少步骤iv)至步骤vii)。因此，具体地，计算机程序可包括计算机可执行指令，该计算机可执行指令用于当在移动装置的处理器上执行该指令时，进行根据本文所公开的实施例中的一个或多个实施例中的本发明的测量方法。具体地，计算机程序可储存在计算机可读数据载体上和/或计算机可读存储介质上。

83、因此，本文进一步公开和提出了一种包括指令的计算机可读存储介质，该指令当由具有相机及处理器的移动装置，具体地由如本文所述的移动装置执行时，使移动装置进行也如本文所述的测量方法中的至少步骤iv)至步骤vii)。

84、本文进一步公开和提出了一种具有程序代码装置的计算机程序产品，以便当该程序在移动装置上，即在例如整合到计算机或计算机网络中的该移动装置的至少一个处理器上执行时，进行根据本文所公开的实施例中的一个或多个实施例中的本发明的测量方法。具体地，程序代码装置可储存在计算机可读数据载体上和/或计算机可读存储介质上。

85、本文进一步公开和提出了一种具有储存在其上的数据结构的数据载体，该数据结构在加载至计算机或计算机网络中，诸如至计算机或计算机网络的工作存储器或主存储器中之后，可执行根据本文所公开的实施例中的一个或多个实施例中的测量方法。

86、本文进一步公开和提出了一种具有储存在机器可读载体上的程序代码装置的计算机程序产品，以便当在计算机或计算机网络上执行程序时，进行根据本文所公开的实施例中的一个或多个实施例中的测量方法。如本文所使用，计算机程序产品涉及作为贸易产品的程序。产品通常可以任意格式存在，诸如论文格式，或在计算机可读数据载体上和/或在计算机可读存储介质上呈现。具体地，计算机程序产品可散布于数据网络上。

87、此外，本文公开和提出了一种调制数据信号，其含有计算机系统或计算机网络可读的指令，用于进行根据本文所公开的实施例中的一个或多个实施例中的测量方法。

88、在本发明的另外的方面，公开了一种用于确定体液样品，具体地用户的体液样品中至少一种分析物的浓度的试剂盒。该试剂盒包括如上所述的移动装置，具体地，该移动装置被配置用于进行如本文所述的测量方法的至少步骤iv)至步骤vii)。该试剂盒进一步包括具有至少一个试剂测试区域的至少一个光学测试条。

89、根据本发明的方法和装置提供大量超越本领域已知的类似方法和装置的优点。具体地，与本领域已知的方法和装置相比，如本文所述的方法和装置可增加测量安全性。具体地，例如特别地当进行测量方法时，由于颜色形成值不得不在颜色期望范围内，可通过提供有效的故障安全机制来增加测量安全性，以便用于待确定分析物的浓度。因此，具体地，所提供的方法和装置可增加测量安全性，因为并非所有和任何测量的颜色值都被转换成分析物浓度，例如转换成血糖值。作为替代，本方法和装置可允许检测可通过用户处理，例如通过测试条的重复给药和/或双倍给药和/或一般测试条重复使用而引入的即使细微的颜色变化和/或偏移。此外，所提出的方法和装置还可允许检测系统性或偶发性错误，诸如系统性或偶发性处理错误，例如将光学测试条储存在专用保护瓶外，例如在潮湿环境或明亮环境中。

90、此外，与已知方法和装置相比，所提出的方法和装置可提高测量安全性和准确性。该方法具体地可包括防止在不符合合理性评估的情况下确定体液中分析物的浓度。因此，分析测量的错误和/或有偏颇的结果可变得更不可能。

91、此外，所提出的方法和装置可允许增加分析测量的用户处理和/或改进分析测量的用户友好性，即通过仅捕捉一个图像而不是捕捉至少两个图像，诸如例如在样品施加之前捕捉一个图像且在样品施加之后捕捉一个图像来允许安全分析测量被进行。具体地，与已知的方法和装置相比，用于进行分析测量所需的总时间可减少。

92、总结并不排除另外的可能实施例，可以设想以下实施例:：

93、实施例1:一种确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定方法，该方法包括：

94、a)提供光学测试条训练集，每个光学测试条具有试剂测试区域，其中光学测试条中的至少两个光学测试条为未损坏的且其中光学测试条中的至少两个光学测试条为损坏的；

95、b)提供体液样品训练集，并将体液样品中的至少一个体液样品施加到光学测试条训练集中的每个光学测试条的试剂测试区域；

96、c)通过具有至少一个相机的至少一个移动装置来捕捉图像训练集，该图像训练集包括对其施加体液样品的光学测试条训练集的试剂测试区域中的一个或多个试剂测试区域的至少一部分的图像；

97、d)具体地通过使用至少一个处理器，更具体地移动装置的处理器从图像训练集中的图像确定颜色形成值训练集，该颜色形成值训练集包括针对光学测试条训练集的光学测试条中的每个光学测试条的试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；

98、以及

99、e)从颜色形成值训练集推导至少一个颜色通道的颜色期望范围，该颜色期望范围定义针对未损坏的光学测试条的颜色形成值的期望范围。

100、实施例2:根据前述实施例所述的确定方法，其中损坏的光学测试条是由于以下各项中的一者或两者而被损坏的：流体样品，具体地体液样品的先前施加；以及先前暴露于至少一种损坏性环境超过10分钟，具体地超过2小时，更具体地超过1天。

101、实施例3:根据前述实施例所述的确定方法，其中损坏性环境是选自由以下项组成的组的环境：潮湿环境，具体地具有大于60％的湿度、更具体地大于80％的湿度的环境；以及明亮环境，具体地具有超过1000lm/m2的照度、更具体地超过1500lm/m2的照度的环境。

102、实施例4:根据前述实施例中任一项所述的的确定方法，其中步骤d)进一步包括：用关于光学测试条训练集中的相应光学测试条是否损坏或未损坏的信息标记颜色形成值训练集中的颜色形成值，其中具体地，在步骤e)中考虑该标记。

103、实施例5:根据前述实施例中任一项所述的确定方法，其中在步骤e)中，颜色期望范围包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％、具体地至少85％、更具体地至少90％、更具体地至少95％、更具体地至少97％、更具体地至少99％的颜色形成值。

104、实施例6:根据前述实施例中任一项所述的确定方法，其中在步骤e)中的推导包括确定包络，该包络包括针对光学测试条训练集中的未损坏的光学测试条的颜色形成值的至少80％、具体地至少85％、更具体地至少90％、更具体地至少95％、更具体地至少97％、更具体地至少99％，并且通过预定安全系数进一步扩大包络。

105、实施例7:根据前述实施例中任一项所述的确定方法，其中步骤e)包括使用至少一种机器学习算法，具体地通过使用颜色形成值训练集来训练可训练模型。

106、实施例8:根据前述实施例中任一项所述的确定方法，其中在步骤d)中，确定针对至少两个颜色通道，具体地针对选自由以下项组成的组的至少两个颜色通道：绿色颜色通道、蓝色颜色通道和红色颜色通道的颜色形成值。

107、实施例9:根据前述实施例所述的确定方法，其中在步骤e)中，针对在步骤d)中对其确定颜色形成值的至少两个颜色通道推导颜色期望范围。

108、实施例10:根据前述实施例中任一项所述的确定方法，其中该方法进一步包括步骤f)：将光学测试条训练集中的至少一个光学测试条附接到颜色参考卡，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场，其中步骤f)在步骤c)之前进行，其中在步骤c)中捕捉的图像集中的至少一个图像进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。

109、实施例11:一种通过使用具有相机和处理器的移动装置基于颜色形成反应进行分析测量的测量方法，该方法包括：

110、i)提供至少一个光学测试条，其具有至少一个试剂测试区域；

111、ii)将体液样品施加到光学测试条的试剂测试区域；

112、iii)通过使用相机来捕捉对其施加体液的试剂测试区域的至少一部分的至少一个图像；

113、iv)具体地通过使用处理器，通过使用该图像来确定针对试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；

114、v)针对该至少一个颜色通道，将颜色形成值与通过进行根据前述实施例中任一项所述的确定方法确定的颜色期望范围进行比较；

115、vi)如果颜色形成值在颜色期望范围之外，则认为颜色形成值是不合理的并中止测量方法；以及

116、vii)如果颜色形成值在颜色期望范围之内，则认为颜色形成值是合理的并通过使用颜色形成值来确定体液样品中的分析物的浓度。

117、实施例12:根据前述实施例所述的测量方法，其中该方法进一步包括步骤viii)：通过使用相机来捕捉未对其施加体液的试剂测试区域的至少一部分的至少一个图像，其中步骤viii)在步骤ii)之前进行。

118、实施例13:根据前述两个实施例中任一项所述的测量方法，其中该方法进一步包括步骤ix)：将光学测试条附接到颜色参考卡，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场，其中步骤ix)在步骤iii)之前进行并且任选地在步骤ii)之前进行，其中在步骤iii)中捕捉的图像进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。

119、实施例14:根据前述三个实施例中任一项所述的测量方法，其中步骤ii)包括提示用户进行将体液样品施加到光学试条的试剂测试区域以及确认将体液样品施加到光学测试条的试剂测试区域中的一者或多者。

120、实施例15:一种用于确定颜色期望范围以用于评估在基于颜色形成反应的分析测量中获得的颜色形成值的合理性的确定系统，该确定系统包括：

121、a)至少一个移动装置，其具有至少一个相机；

122、b)光学测试条训练集，每个光学测试条具有试剂测试区域，其中光学测试条中的至少两个光学测试条为未损坏的，并且其中光学测试条中的至少两个光学测试条为损坏的；

123、c)体液样品训练集，其包括多个体液样品；以及

124、d)至少一个处理器，该处理器被配置用于

125、-检索图像训练集，该图像训练集包括对其施加体液样品的光学测试条训练集的试剂测试区域中的每个试剂测试区域的至少一部分的图像，这些图像是利用相机捕捉的；

126、-从图像训练集中的图像确定颜色形成值训练集，该颜色形成值训练集包括针对光学测试条训练集中的光学测试条中的每个光学测试条的试剂测试区域的颜色形成的至少一个颜色通道的颜色形成值；以及

127、-从颜色形成值训练集推导至少一个颜色通道的颜色期望范围，该颜色期望范围定义针对未损坏的光学测试条的颜色形成值的期望范围。

128、实施例16:根据前述实施例所述的确定系统，其中该确定系统进一步包括：

129、e)至少一个颜色参考卡，其被配置用于将光学测试条可释放地附接到其上，该颜色参考卡包括具有已知参考颜色值的多个颜色参考场，其中图像训练集中的图像进一步显示颜色参考卡的至少一部分，具体地颜色参考场中的一个或多个颜色参考场。

130、实施例17:根据前述两个实施例中任一项所述的确定系统，其中该确定系统被配置用于进行根据涉及确定方法的前述实施例中任一项所述的确定方法中的至少步骤d)和步骤e)。

131、实施例18:一种包括指令的计算机程序，该指令当该程序由确定系统，具体地由根据涉及确定系统的前述实施例中任一项所述的确定系统执行时，使确定系统进行根据涉及确定方法的前述实施例中任一项所述的确定方法中的至少步骤d)和步骤e)。

132、实施例19:一种包括指令的计算机可读存储介质，该指令当由确定系统，具体地由根据涉及确定系统的前述实施例中任一项所述的系统执行时，使确定系统进行根据涉及确定方法的前述实施例中任一项所述的确定方法中的至少步骤d)和步骤e)。

133、实施例20:一种具有至少一个相机和至少一个处理器的移动装置，该移动装置被配置用于进行根据涉及测量方法的前述实施例中任一项所述的测量方法中的至少步骤iv)至步骤vii)。

134、实施例21:一种包括指令的计算机程序，该指令当该程序由具有相机和处理器的移动装置，具体地由根据前述实施例所述的移动装置执行时，使移动装置进行根据涉及测量方法的前述实施例中任一项所述的测量方法中的至少步骤iv)至步骤vii)。

135、实施例22:一种包括指令的计算机可读存储介质，该指令当由具有相机和处理器的移动装置，具体地由根据涉及移动装置的前述实施例中任一项所述的移动装置执行时，使移动装置进行根据涉及测量方法的前述实施例中任一项所述的测量方法中的至少步骤iv)至步骤vii)。

136、实施例23:一种用于确定体液样品中至少一种分析物的浓度的试剂盒，该试剂盒包括根据实施例19的移动装置，该试剂盒进一步包括具有至少一个试剂测试区域的至少一个光学测试条。