一种基于主成分光谱角距离的药物检索方法及系统与流程

1.本发明涉及药品检索领域，尤其涉及一种基于主成分光谱角距离的药物检索方法及系统。


背景技术：

2.经过20世纪后半叶的发展，遥感技术无论在理论上、技术上和应用上均发生了重大的变化。其中，高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像，在获取地表图像信息的同时，也得到其光谱信息，第一次真正实现了光谱与图像的结合，其中图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。与多光谱遥感影像相比，高光谱影像不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。因而，高光谱图像技术所具有的影响及发展潜力，是以往技术的各个发展阶段所不可比拟的，不仅引起了遥感界的关注，同时也引起了其他领域的关注。高光谱图像包含两个空间维和一个光谱维。每一种成分对光子辐射的响应不同，具有特定的光谱特征，由此得到的响应光谱称之为特征光谱，或光谱特征曲线(spectral signature)。成分的特征光谱受其类别、物质组成、结构、电磁学特性及其表面特征等因素的影响，蕴含了丰富的自身特征信息。在高光谱图像处理中，可以通过分析这些特征光谱研究图像内物质分布的特征，同时，由于物质分布具有连续性，图像中相邻像素之间往往具有相关的光谱特征。
3.目前现有技术中的拍照找药算法，仅通过药盒图像的二维信息进行相似度匹配，当药品包装发生变化，或者对于同一药品但属于不同厂家时，普通的二维信息往往无法达到有效结果，因此需要拍摄得到高光谱图像，高光谱图像能够提供更多维的信息，但现有技术大多是基于主成分分析和光谱角计算，进行图像分类或者目标检测，无法利用高光谱图像提供的空间维和光谱维的信息实现快速查找药品，因此针对以上问题，迫切需要设计出一种基于主成分光谱角距离的药物检索方法及系统，以满足实际使用的需要。


技术实现要素：

4.为了解决以上技术问题，本发明提供了一种基于主成分光谱角距离的药物检索方法及系统。
5.本发明所解决的技术问题可以采用以下技术方案实现：
6.本发明提供一种基于主成分光谱角距离的药物检索方法，所述药品库中预先保存有每个药品的药品通用名；
7.所述药物检索方法包括索引目录创建过程；
8.所述索引目录创建过程中，首先对所述药品库中的所有药品按照所述药品通用名
进行分组，并执行下述处理步骤：
9.步骤s11，获取所述药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；
10.步骤s12，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
11.步骤s13，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度对应的所述端元作为所述药品对应的第一主端元并输出；
12.步骤s14，循环遍历同一个所述药品分组中的所有所述药品并执行所述步骤s11
‑
s13，得到所述药品分组中每个所述药品对应的所述第一主端元，并将所有所述第一主端元排列形成一主端元矩阵，将所述主端元矩阵作为所述药品分组的二级目录索引；
13.步骤s15，对所述主端元矩阵进行处理，得到对应于所述药品通用名的主端元向量；
14.步骤s16，循环遍历所有所述药品分组并执行所述步骤s11
‑
s15以得到对应每个所述药品分组的所述二级目录索引以及所述主端元向量；
15.步骤s17，将所有所述主端元向量排列形成一主端元向量矩阵，并将所述主端元向量矩阵作为所述药品库的一级目录索引；
16.则所述药品库的索引目录由所述一级目录索引和所述二级目录索引构成。
17.优选地，还包括一药物检测过程，具体包括：
18.步骤s21，获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；
19.步骤s22，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
20.步骤s23，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度所对应的所述端元作为所述待检索药品的待检索端元并输出；
21.步骤s24，根据所述待检索端元于所述一级目录索引中进行检索以匹配得到对应的所述主端元向量，并进而确定所述待检索药品的药品通用名；
22.步骤s25，根据所述待检索端元，于检索得到的所述主端元向量所对应的所述二级目录索引中进行检索以匹配得到相似的所有所述第一主端元，进而得到与所述待检索药品相似的所有药品并包括在一检索结果中输出。
23.优选地，所述步骤s11和所述步骤s21中，采用一混合线性模型将所述高光谱图像进行转换得到一高光谱矩阵。
24.优选地，所述步骤s12和所述步骤s22中，采用下述方法对所述高光谱矩阵进行分解：
25.采用非负矩阵分解法将所述高光谱矩阵进行分解，得到所述端元光谱矩阵和所述丰度矩阵，所述端元光谱矩阵包括多个端元的光谱特征，所述丰度矩阵包括每个所述端元在多个所述像素的丰度。
26.优选地，采用独立分量分析法对所述端元光谱矩阵和所述丰度矩阵进行分析，并计算得到多个所述端元的光谱特征以及每个所述端元对应的所述丰度。
27.优选地，所述步骤s15中，采用主成分分析法对所述主端元矩阵进行降维去相关，并将降维后的第一个列向量作为对应于所述药品通用名的主端元向量。
28.优选地，所述步骤s24具体包括：
29.步骤s241，分别计算所述待检索端元与所述主端元向量矩阵中的每个所述主端元向量之间的第一光谱角距离；
30.步骤s242，将计算得到的所述第一光谱角距离与一预设距离进行对比，以匹配得到最接近于所述预设距离的所述第一光谱角距离，并根据匹配得到的所述第一光谱角距离对应的所述主端元向量，确定所述待检索药品的药品通用名并输出。
31.优选地，所述步骤s25具体包括：
32.步骤s251，根据检索到的所述主端元向量，得到所述药品分组对应的所述主端元矩阵，并分别计算所述待检索端元与所述主端元矩阵中的每个所述第一主端元之间的第二光谱角距离；
33.步骤s252，根据计算得到的所述第二光谱角距离进行降序排列，并将按序列输出的所述第二光谱角距离对应的所述药品作为所述待检索药品相似的所有药品输出。
34.本发明还提供一种基于主成分光谱角距离的药物检索系统，包括如上述的一种基于主成分光谱角距离的药物检索方法，所述药品库中预先保存有每个药品的药品通用名；
35.所述药物检索系统包括索引目录创建系统；
36.所述索引目录创建系统中，首先对所述药品库中的所有药品按照所述药品通用名进行分组，所述索引目录创建系统包括：
37.第一处理单元，用于获取所述药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；
38.第一分解单元，连接所述第一处理单元，用于将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
39.第一计算单元，连接所述第一分解单元，用于计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度对应的所述端元作为所述药品对应的第一主端元并输出；
40.二级索引生成单元，分别连接所述第一处理单元、所述第一分解单元和所述第一计算单元，用于于所述第一处理单元、所述第一分解单元和所述第一计算单元中循环遍历同一个所述药品分组中的所有所述药品，得到所述药品分组中每个所述药品对应的所述第一主端元，并将所有所述第一主端元排列形成一主端元矩阵，将所述主端元矩阵作为所述药品分组的二级目录索引；
41.第二处理单元，连接所述二级索引生成单元，用于对所述主端元矩阵进行处理，得到对应于所述药品通用名的主端元向量；
42.训练单元，分别连接所述第一处理单元、所述第一分解单元、所述第一计算单元、所述二级索引生成单元和所述第二处理单元，用于于所述第一处理单元、所述第一分解单元、所述第一计算单元、所述二级索引生成单元和所述第二处理单元中循环遍历所有所述药品分组以得到对应每个所述药品分组的所述二级目录索引以及所述主端元向量；
43.一级索引生成单元，连接所述训练单元，用于将所有所述主端元向量排列形成一主端元向量矩阵，并将所述主端元向量矩阵作为所述药品库的一级目录索引；
44.则所述药品库的索引目录由所述一级目录索引和所述二级目录索引构成。
45.优选地，还包括一药物检测系统，具体包括：
46.第三处理单元，用于获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；
47.第二分解单元，连接所述第三处理单元，用于将所述高光谱矩阵进行分解，得到端
元光谱矩阵和对应的丰度矩阵；
48.第二计算单元，连接所述第二分解单元，用于计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度所对应的所述端元作为所述待检索药品的待检索端元并输出；
49.第一检索单元，连接所述第二计算单元，用于根据所述待检索端元于所述一级目录索引中进行检索以匹配得到对应的所述主端元向量，并进而确定所述待检索药品的药品通用名；
50.第二检索单元，连接所述第二计算单元和所述第一检索单元，用于根据所述待检索端元，于检索得到的所述主端元向量所对应的所述二级目录索引中进行检索以匹配得到相似的所有所述第一主端元，进而得到与所述待检索药品相似的所有药品并包括在一检索结果中输出。
51.本发明的有益效果在于：
52.本发明提出一种新颖的拍照找药的方式，根据高光谱图像的线性混合模型，可同时利用空间维和光谱维的信息进行计算，结合医药领域的药品成分和药品通用名的命名方法，创造性地提出第一主端元对应药品成分、主端元向量对应药品通用名的概念，建立一级和二级检索索引目录，通过各端元丰度的二范数进行计算和排序，根据待检索端元与索引目录中各端元的光谱角距离，从而匹配得到相同通用名、不同的厂家、不同的包装的药品，大大提升检索速度，为患者准确快速地找到匹配药品。
附图说明
53.图1为本发明中，索引目录创建过程的流程示意图；
54.图2为本发明中的药物检测过程具体实施例的流程示意图；
55.图3为本发明中的步骤s24具体实施例的流程示意图；
56.图4为本发明中的步骤s25具体实施例的流程示意图；
57.图5为本发明中的索引目录创建过程具体实施例的结构框图；
58.图6为本发明中的药物检测过程具体实施例的结构框图。
具体实施方式
59.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
61.下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
62.本发明提供一种基于主成分光谱角距离的药物检索方法，属于药品检索领域，药品库中预先保存有每个药品的药品通用名；
63.药物检索方法包括索引目录创建过程；
64.索引目录创建过程中，首先对药品库中的所有药品按照药品通用名进行分组，并
执行下述处理步骤：
65.步骤s11，获取药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；
66.步骤s12，将高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
67.步骤s13，计算每个丰度矩阵中每个丰度的二范数，并将二范数最大的丰度对应的端元作为药品对应的第一主端元并输出；
68.步骤s14，循环遍历同一个药品分组中的所有药品并执行步骤s11
‑
s13，得到药品分组中每个药品对应的第一主端元，并将所有第一主端元排列形成一主端元矩阵，将主端元矩阵作为药品分组的二级目录索引；
69.步骤s15，对主端元矩阵进行处理，得到对应于药品通用名的主端元向量；
70.步骤s16，循环遍历所有药品分组并执行步骤s11
‑
s15以得到对应每个药品分组的二级目录索引以及主端元向量；
71.步骤s17，将所有主端元向量排列形成一主端元向量矩阵，并将主端元向量矩阵作为药品库的一级目录索引；
72.则药品库的索引目录由一级目录索引和二级目录索引构成。
73.具体的，药品库用以存储市面上的所有药品，首先按照国家标准通用名对药品库中预先保存的每个药品进行分组。并通过本发明提供的索引目录创建过程为每个分组创建一级和二级目录索引，以便于用户快速准确的查找到匹配的药品；
74.如图1所示，通过高光谱成像仪器对药品库中某一分组中的药品拍照，得到药品的光谱维的图像信息，即高光谱图像，根据线性混合模型，可以将高光谱图像视为多源混合信号，即形成一高光谱矩阵x，那么可以通过信号处理领域的相应方法将混合像元进行分解，得到端元光谱矩阵a和对应的丰度矩阵s；
75.将高光谱图像记为：
76.x＝as e
77.其中，
78.x∈r
l
×
n
表示高光谱矩阵，高光谱矩阵包括n个像素l个波段下的光谱图像；
79.a＝[a1，a2，...，a
p
]∈r
l*p
表示含有p个端元的端元光谱矩阵，端元光谱矩阵的每一行表示一个波段，每个波段具有n个像素，a
p
[p＝1，2，3
…
p]表示第p个端元l个波段的光谱特征；
[0080]
s＝[s1，s2，...，s
p
]∈r
p*n
表示丰度矩阵，s
p
[p＝1，2，3
…
p]表示第p个端元在各个像素的丰度；
[0081]
e表示高斯噪声矩阵；
[0082]
其中高光谱矩阵x，端元光谱矩阵a和丰度矩阵s都是非负的。
[0083]
求解得到p个端元的光谱特征，以及对应的丰度，将端元光谱矩阵a和丰度矩阵s作为基准查找库；
[0084]
由于不能保证药品图像存在纯像元，所以采用盲信号分离法(blind source separation，bss)进行求解，采用非负矩阵分解(nonnegative matrix factorization，nmf)将高光谱矩阵进行分解，得到端元光谱矩阵a和丰度矩阵s，再利用独立分量分析法(independent component analysis，ica)计算得到多个端元的光谱特征以及每个端元对应的丰度。
[0085]
分别计算丰度矩阵中每个丰度的二范数，其计算公式如下：
[0086]
for p＝1：p，
[0087][0088]
其中，
[0089]
p表示丰度的数量；
[0090]
p表示丰度；
[0091]
i表示像素；
[0092]
n表示像素的数量；
[0093]
s(p，i)表示丰度矩阵；
[0094]
s(p)表示每个丰度的二范数；
[0095]
并将二范数最大的丰度对应的端元作为该药品对应的第一主端元输出；
[0096]
将同一个药品分组中的所有药品按上述拍照、分解、计算的步骤循环遍历，确定该药品分组中每个药品分别对应的第一主端元，并将得到的所有第一主端元按药品顺序排列形成一主端元矩阵，即主端元矩阵作为药品分组的二级目录索引；对主端元矩阵进行降维去相关处理，得到对应于药品通用名的主端元向量；对药品库中的所有药品分组按步骤s11
‑
s15依次循环遍历，以得到对应于每个药品分组的二级目录索引，以及主端元向量；将所有主端元向量排列形成一主端元向量矩阵，即主端元向量矩阵作为药品库的一级目录索引；对于具有同一通用名名称的药品，若药品主成分一致，则对应的第一主端元也一致。
[0097]
作为优选的实施方式，该药物检索方法，如图2所示，其中还包括一药物检测过程，具体包括：
[0098]
步骤s21，获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；
[0099]
步骤s22，将高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
[0100]
步骤s23，计算丰度矩阵中每个丰度的二范数，并将二范数最大的丰度所对应的端元作为待检索药品的待检索端元并输出；
[0101]
步骤s24，根据待检索端元于一级目录索引中进行检索以匹配得到对应的主端元向量，并进而确定待检索药品的药品通用名；
[0102]
步骤s25，根据待检索端元，于检索得到的主端元向量所对应的二级目录索引中进行检索以匹配得到相似的所有第一主端元，进而得到与待检索药品相似的所有药品并包括在一检索结果中输出。
[0103]
具体的，对于具有同一通用名的药品但其药品名称并不相同，或药品的包装发生变化，或同一药品但厂家不同，通过现有的药品检索方式无法快速找到用户所需的药品，本发明提供的药物检测过程能够匹配得到相同通用名，不同厂家，不同包装的药品，大大的提升用户的检索速度。
[0104]
药物检测过程具体包括：
[0105]
通过高光谱成像仪器对一待检索药品进行拍摄，得到高光谱图像，根据索引目录创建过程中的步骤s11
‑
步骤s13对高光谱图像进行处理，得到待检索药品的待检索端元并
输出；先将待检索端元于上述创建好的一级目录索引中进行检索，以匹配得到对应的主端元向量，进而确定待检索药品的药品通用名；再将待检索端元在该药品通用名下的二级目录索引中进行检索，以匹配得到相似的所有第一主端元，进而得到与待检索药品相似的所有药品并包括在一检索结果中输出，检索结果中包括的药品按照与待检索药品相似度排列，排列越靠前的，与待检索药品的相似度越高，即越可能是所需检索的药品，能够为患者准确快速地找到匹配药品，提高检索效率。
[0106]
进一步的，其中还可根据待检索药品的高光谱图像，将得到的高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵，求解端元光谱矩阵和丰度矩阵中的每个端元光谱特征和丰度，根据端元光谱特征和丰度在基准查找库中进行检索，匹配得到与待检索药品相似的药品。
[0107]
作为优选的实施方式，该药物检索方法，其中步骤s11和步骤s21中，采用一混合线性模型将高光谱图像进行转换得到一高光谱矩阵。
[0108]
作为优选的实施方式，该药物检索方法，其中步骤s12和步骤s22中，采用下述方法对高光谱矩阵进行分解：
[0109]
采用非负矩阵分解法将高光谱矩阵进行分解，得到端元光谱矩阵和丰度矩阵，端元光谱矩阵包括多个端元的光谱特征，丰度矩阵包括每个端元在各个像素的丰度。
[0110]
作为优选的实施方式，该药物检索方法，其中采用独立分量分析法对端元光谱矩阵和丰度矩阵进行分析，并计算得到多个端元的光谱特征以及每个端元对应的丰度。
[0111]
作为优选的实施方式，该药物检索方法，其中步骤s15中，采用主成分分析法对主端元矩阵进行降维去相关，并将降维后的第一个列向量作为对应于药品通用名的主端元向量。
[0112]
作为优选的实施方式，该药物检索方法，如图3所示，其中步骤s24具体包括：
[0113]
步骤s241，分别计算待检索端元与主端元向量矩阵中的每个主端元向量之间的第一光谱角距离，其计算公式如下：
[0114][0115]
其中，
[0116]
α
t
表示主端元向量矩阵；
[0117]
α
b
表示待检索端元；
[0118]
sad表示第一光谱角距离；
[0119]
步骤s242，将计算得到的第一光谱角距离与一预设距离进行对比，以匹配得到最接近于预设距离的第一光谱角距离，并根据匹配得到的第一光谱角距离对应的主端元向量，确定待检索药品的药品通用名并输出。
[0120]
具体的，其中预设距离为1，找到最近于1的第一光谱角距离sad对应的主端元向量，其对应的药品通用名为所需检索药品的药品通用名索引；
[0121]
作为优选的实施方式，该药物检索方法，如图4所示，其中步骤s25具体包括：
[0122]
步骤s251，根据检索到的主端元向量，得到药品分组对应的主端元矩阵，并分别计算待检索端元与主端元矩阵中的每个第一主端元之间的第二光谱角距离；
[0123]
步骤s252，根据计算得到的第二光谱角距离进行降序排列，并将按序列输出的第
二光谱角距离对应的药品作为待检索药品相似的所有药品输出。
[0124]
具体的，根据一级检索后确定的药品通用名索引找到对应的药品分组的主端元矩阵，将主端元矩阵的每一列与待检索端元计算第二光谱角距离，第二光谱角距离越接近1，说明两种药品越相似，即将该通用名分组下的所有药品，按照由1到0降序排列，作为本次检索的相似输出序列并输出。
[0125]
在高光谱图像的算法中，现有技术大多是基于主成分分析和光谱角计算，进行图像分类或者目标检测；而本发明并非是通过光谱角距离解决每个图像的像素属于哪个主成分的分类问题，也不是探测图像中是否存在某种主成分的问题，而是进行图像级别的相似度匹配，以实现快速匹配药品。
[0126]
本发明还提供一种基于主成分光谱角距离的药物检索系统，包括如上述的一种基于主成分光谱角距离的药物检索方法，药品库中预先保存有每个药品的药品通用名；
[0127]
如图5所示，药物检索系统包括索引目录创建系统；
[0128]
索引目录创建系统中，首先对药品库中的所有药品按照药品通用名进行分组，索引目录创建系统包括：
[0129]
第一处理单元1，用于获取药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；
[0130]
第一分解单元2，连接第一处理单元1，用于将高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
[0131]
第一计算单元3，连接第一分解单元2，用于计算每个丰度矩阵中每个丰度的二范数，并将二范数最大的丰度对应的端元作为药品对应的第一主端元并输出；
[0132]
二级索引生成单元4，分别连接第一处理单元1、第一分解单元2和第一计算单元3，用于于第一处理单元1、第一分解单元2和第一计算单元3中循环遍历同一个药品分组中的所有药品，得到药品分组中每个药品对应的第一主端元，并将所有第一主端元排列形成一主端元矩阵，将主端元矩阵作为药品分组的二级目录索引；
[0133]
第二处理单元5，连接二级索引生成单元4，用于对主端元矩阵进行处理，得到对应于药品通用名的主端元向量；
[0134]
训练单元6，分别连接第一处理单元1、第一分解单元2、第一计算单元3、二级索引生成单元4和第二处理单元5，用于于第一处理单元1、第一分解单元2、第一计算单元3、二级索引生成单元4和第二处理单元5中循环遍历所有药品分组以得到对应每个药品分组的二级目录索引以及主端元向量；
[0135]
一级索引生成单元7，连接训练单元6，用于将所有主端元向量排列形成一主端元向量矩阵，并将主端元向量矩阵作为药品库的一级目录索引；
[0136]
则药品库的索引目录由一级目录索引和二级目录索引构成。
[0137]
作为优选的实施方式，该药物检索系统，如图6所示，其中还包括一药物检测系统，具体包括：
[0138]
第三处理单元8，用于获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；
[0139]
第二分解单元9，连接第三处理单元8，用于将高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
[0140]
第二计算单元10，连接第二分解单元9，用于计算丰度矩阵中每个丰度的二范数，并将二范数最大的丰度所对应的端元作为待检索药品的待检索端元并输出；
[0141]
第一检索单元11，连接第二计算单元10，用于根据待检索端元于一级目录索引中进行检索以匹配得到对应的主端元向量，并进而确定待检索药品的药品通用名；
[0142]
第二检索单元12，连接第二计算单元10和第一检索单元11，用于根据待检索端元，于检索得到的主端元向量所对应的二级目录索引中进行检索以匹配得到相似的所有第一主端元，进而得到与待检索药品相似的所有药品并包括在一检索结果中输出。
[0143]
本发明的有益效果在于：
[0144]
本发明提出一种新颖的拍照找药的方式，根据高光谱图像的线性混合模型，可同时利用空间维和光谱维的信息进行计算，结合医药领域的药品成分和药品通用名的命名方法，创造性地提出第一主端元对应药品成分、主端元向量对应药品通用名的概念，建立一级和二级检索索引目录，通过各端元丰度的二范数进行计算和排序，根据待检索端元与索引目录中各端元的光谱角距离，从而匹配得到相同通用名、不同的厂家、不同的包装的药品，大大提升检索速度，为患者准确快速地找到匹配药品。
[0145]
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。