用于血液生物标志物的基于相机的量化的系统和方法技术方案

本发明专利技术提供用于确定人类受试者的一个或多个血液生物标志物的浓度的系统和方法。所述方法包括：使用通过血红蛋白浓度(HC)变化训练集训练的第一机器学习模型，确定来自被捕获图像序列中的位面集的表示所述受试者的所述HC变化的位值，所述位面集是被确定为将信噪比(SNR)近似最大化的那些位面集，所述HC变化训练集包括来自从已知HC变化的受试者集捕获的图像的每个位面的位值；使用以血液生物标志物训练集训练的第二机器学习模型确定一个或多个血液生物标志物的浓度，所述血液生物标志物训练集包括先前确定的来自其他受试者的HC变化信号和来自那些受试者的一个或多个血液面板以作为基础真实数据。板以作为基础真实数据。板以作为基础真实数据。

【技术实现步骤摘要】
【国外来华专利技术】用于血液生物标志物的基于相机的量化的系统和方法
专利

[0001]下文大体涉及血液生物标志物的检测，且更具体来说，涉及用于血液生物标志物的基于相机的量化的系统和方法。

技术介绍

[0002]血液面板是对血液样本的科学分析。通常由专业人员使用皮下注射器针头从静脉收集或通过扎手指收集样本。面板通常是用于精确量化特定血液成分的一系列测试。血液面板是医疗保健中用于确定生理和生物化学状态(例如疾病、矿物质含量、药物药效、器官功能等等)的重要工具。血液面板通常价格昂贵、具有侵入性且令人不舒服，这限制了它们在频繁的监测应用中的使用。另外，这类面板可能需要几天时间才能取得结果。

技术实现思路

[0003]在一方面中，提供一种用于确定人类受试者的一个或多个血液生物标志物的浓度的方法，所述方法包括：接收从所述人类受试者的皮肤重发射的光的被捕获图像序列；使用通过血红蛋白浓度(HC)变化训练集训练的第一机器学习模型，确定来自所述被捕获图像序列中的位面集的表示所述受试者的所述HC变化的位值，所述位面集是被确定为将信噪比(SNR)近似最大化的那些位面集，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定人类受试者的一个或多个血液生物标志物的浓度的方法，所述方法包括：接收从所述人类受试者的皮肤重发射的光的被捕获图像序列；使用通过血红蛋白浓度(HC)变化训练集训练的第一机器学习模型，确定来自所述被捕获图像序列中的位面集的表示所述受试者的所述HC变化的位值，所述位面集是被确定为将信噪比(SNR)近似最大化的那些位面集，所述HC变化训练集包括来自从已知HC变化的受试者集捕获的图像的每个位面的位值；使用以血液生物标志物训练集训练的第二机器学习模型确定一个或多个血液生物标志物的浓度，所述血液生物标志物训练集包括先前确定的来自其他受试者的HC变化信号和来自那些受试者的一个或多个血液面板以作为基础真实数据；和输出所述确定的一个或多个血液生物标志物的浓度。2.如权利要求1所述的方法，其中确定所述位值包括基于所述HC变化确定被捕获所述图像的所述人类受试者的多个预定的关注区(ROI)中的每个ROI的位值。3.如权利要求2所述的方法，其中所述ROI不重叠。4.如权利要求1所述的方法，其中使用所述第二机器学习模型确定的所述一个或多个血液生物标志物的浓度包括所述一个或多个血液生物标志物中的每个血液生物标志物的血液浓度属于特定浓度范围的估计的统计概率。5.如权利要求4所述的方法，其中所述浓度范围与有临床意义的浓度级次相关联。6.如权利要求1所述的方法，其中所述被捕获图像序列包括在移动的时间窗内捕获的图像，且其中对于每个移动的时间窗，输出所述确定的一个或多个血液生物标志物的浓度。7.如权利要求1所述的方法，其中所述一个或多个血液生物标志物中的每个血液生物标志物包括血糖浓度、空腹血糖、血红蛋白A1c、高密度脂蛋白、低密度脂蛋白、三酸甘油酯、中性粒细胞、嗜碱性粒细胞、肌酸酐、尿酸、红血细胞、血红蛋白、血小板、沉淀物和白蛋白中的一个。8.如权利要求1所述的方法，其中确定将SNR最大化的位面集包括：执行位面向量的逐像素图像减法和加法以在预定时间段内将所有ROI中的信号差异最大化；识别来自位面的增加信号差异化的位值和来自位面的减小所述信号差异化或不促进信号差异化的位值；和丢弃来自所述位面的减小所述信号差异化或不促进信号差异化的所述位值。9.如权利要求1所述的方法，其中所述第二机器学习模型包括长短期存储器(LSTM)人工神经网络或高斯过程推断网络(GPNet)。10.一种用于确定人类受试者的一个或多个血液生物标志物的浓度的系统，所述系统包括一个或多个处理器和数据存...

【专利技术属性】
技术研发人员：李康，安德鲁，
申请(专利权)人：纽洛斯公司，
类型：发明
国别省市：