用于心脏植入物的周期负荷故障的患者特定预测的方法和系统与流程

本发明涉及经导管结构性心脏介入的术前规划领域，例如瓣膜治疗，诸如瓣膜植入和/或修复。更具体地，本发明涉及心脏植入物的周期负荷故障的术前预测。

背景技术

WO2013/171039A1描述了一种术前洞察植入物设备和特定患者解剖结构相互作用的方法，用于更好地预测诸如反流的并发症，以用于更好地预测部署在主动脉瓣中的植入物的血流动力学性能，并且用于更好的患者选择和分层。

WO2018/141927A1描述了一种用于预测作为经导管结构性心脏介入的急性结果的血流动力学损害的量度的方法，例如，在心动周期中的多个时刻。还可以确定部署后的血流动力学损失。

尽管这些提供了术前计划方面的重大进展，并且提高了针对特定患者选择合适的植入物设备以改善急性结果的可能性，但仍然需要更多关于植入物设备和特定患者的解剖结构的长期相互作用的信息，以进一步增强术前规划。如果在评估介入的慢性结果时可以考虑长期的心脏重构，即由于植入物的长期存在而改变心脏解剖结构，这将是非常有价值的。

技术实现要素：

在心脏或其他运动器官处或其中的植入物设备会受到重复形变或重复负荷的影响。例如，心脏植入物可以由于心动周期而受周期负荷的影响。在心脏收缩期间，心脏植入物会被压缩，而在心脏舒张期间，心脏植入物会松弛。已经发现，考虑到急性结果(例如，部署)而被确定为最佳的植入物设备对于慢性结果不一定是最佳的(例如，周期负荷故障，诸如高周疲劳断裂)。此外，已经发现，考虑到周期负荷故障，植入物设备的性能高度依赖于由患者特定解剖结构施加的患者特定周期性负荷。

因此，根据本发明，提供了一种用于心脏植入物的周期负荷故障的患者特定预测的方法。可以在将真实的心脏植入物设备实际部署到患者解剖结构中之前执行预测方法。该方法包括提供表示心脏植入物的基于三维网格的表示的植入物模型。该方法还包括提供患者特定四维(4D)解剖模型，患者特定4D解剖模型表示患者特定心脏区域的基于网格的表示，患者特定心脏区域包括针对与心动周期中的多个时刻相对应的多个状态中的心脏植入物的部署部位。根据该方法，计算机计算被部署在部署部位处的植入物模型在4D患者特定解剖模型连续变换通过多个状态时的形变，例如使用有限元分析，以及基于所计算的植入物的形变，确定心脏植入物的周期负荷故障的风险。这提供了以下优点：可以基于患者特定解剖结构并且在植入物设备的部署之前来预测植入物设备的周期负荷故障。

可选地，该方法还包括基于计算的植入物的形变和表示形变历史的数据来确定心脏植入物的周期负荷故障的风险。因此，表示形变历史的数据可以被考虑。表示形变历史的数据可以例如包括持续时间、周期次数、预测的植入物设备的迁移、预测的解剖结构随时间的变化等，以及在装入导管和将植入物推向部署部位期间的植入物形变、持续时间、周期次数、预测的植入物设备的迁移、预测的解剖结构随时间的变化等。

可选地，该方法还包括在部署部位处部署植入物模型后，在4D患者特定解剖模型连续变换通过多个状态的同时计算植入物模型的形变。植入物模型可以已经被部署在部署部位处而没有在部署期间对心脏跳动进行建模。备选地，植入物模型可以已经被部署在部署部位处，同时对部署期间的心脏跳动进行建模。该方法可以包括计算在植入物模型部署期间、植入物模型在4D患者特定解剖模型连续变换通过多个状态时的变形。

可选地，4D患者特定解剖模型表示在部署之前的、处于与心动周期中的多个时刻相对应的多个状态中的患者特定心脏区域的基于网格的表示。因此，在没有植入物设备的情况下，4D解剖模型的节点随着患者特定心脏区域的位移在多个状态上变换。

表示患者特定心脏区域的患者特定解剖模型的形变通过解剖模型和植入物模型之间的接触被施加到植入物设备上。因此，不考虑由于植入物设备的存在而导致的患者特定心脏区域的形变。已经发现，这可以提供对相对柔软的植入物设备(即，相比容宿解剖结构柔软得多的设备)的良好近似。

可选地，提供了4D患者特定中间模型，使其节点与4D患者特定解剖模型的节点相关联。4D患者特定中间模型表示在部署之前的、与的心动周期中的多个时刻相对应的多个状态中的患者特定心脏区域的基于网格的表示。因此，在没有植入物设备的情况下，4D中间模型的关联节点随着患者特定心脏区域的位移而在多个状态上变换。然后，4D患者特定解剖模型通过经由刚度和/或缓冲器元件将4D中间模型的关联节点的位移施加到解剖模型的节点而在多个状态上变换。因此，4D患者特定中间模型的形变由中间模型的节点驱动，这些节点与解剖模型的节点相关联，同时解剖模型的节点可以(有弹性地)相对于中间模型的关联节点移动。植入物模型的形变是通过4D患者特定解剖模型和植入物模型之间的接触实现的。因此，由于植入物设备的存在而导致的患者特定心脏区域的形变被考虑。已经发现，这可以提供对相对刚性的植入物设备(即，使容宿解剖结构形变的设备)的良好近似。可以理解，通过例如对比试验来验证这两个选项中的哪一个(直接在解剖节点上施加形变或使用经由机械刚度和/或缓冲器元件被连接到解剖节点的关联节点来间接施加形变)最适合所研究的植入物设备。

可选地，4D患者特定解剖模型具有机械特性，包括刚度和/或粘度。在这种情况下，4D患者特定解剖模型的整体机械行为取决于4D解剖模型的机械特性和将关联节点连接到4D解剖模型节点的刚度和/或缓冲器元件的机械特性的组合。

可选地，该方法包括确定植入物模型的每个网格元件内的机械应力和/或应变。可选地，该方法包括针对心动周期的过程中的多个状态中每个状态来确定植入物模型的每个网格元件内的机械应力和/或应变。植入物模型的网格元件内的机械应力和/或应变表示周期负荷疲劳。植入物模型的网格元素内的机械应力和/或应变及其在整个周期期间的变化，表示周期负荷疲劳。

可选地，该方法包括针对植入物模型的每个网格元件确定在心动周期的过程中发生的机械应力和/或应变的幅度。确定的幅度表示周期负荷故障的风险。

可选地，心脏植入物是瓣膜植入物、支架，等等。

可选地，周期负荷故障包括以下各项中的一项或多项：高周疲劳断裂，诸如材料疲劳、植入物迁移、瓣膜故障。

可选地，如果周期负荷模拟可以预测第一断裂。可以使用断裂的植入物模型并且可选地修改解剖模型和/或负荷条件来执行第二(断裂后)周期负荷模拟。这可以重复多次以评估后续周期负荷故障的影响。

可选地，周期负荷故障的风险通过本领域已知的S-N曲线来确定。可选地，周期负荷故障的风险通过本领域已知的雨流计数算法来确定。可选地，周期负荷故障的风险由应变幅度来确定(例如，针对镍钛诺成分)。

可选地，该方法提供了基于以下一项或多项提供4D患者特定解剖模型，或者其关联节点：a)4D术前图像的分割，b)4D术前图像中的标志(landmark)；c)3D或4D术前图像，结合植入物部署之前和/或之后采集的血容量、流量和/或压力的患者特定测量值；d)3D或4D术前图像，结合心脏的病理生理学的非患者特定知识，诸如例如期望的运动；e)3D或4D术前图像，结合慢性阶段的心脏重构的非患者特定知识，诸如在治疗后数周或数月发生的组织过度生长限制植入物的运动。

根据一个方面，该方法包括接收多个至少准3D的3D医学图像，医学图像表示与心动周期中的多个时刻相对应的多个状态中的患者特定心脏区域，并且在此基础上构建4D患者特定解剖模型。因此，可以从可用的医学图像有效地构建4D患者特定解剖模型。

可选地，该方法包括基于医学图像中的一个医学图像构建表示患者特定心脏区域的基于3D网格的表示；确定从一个医学图像到下一个医学图像的变换；以及将变换应用于所构建的基于3D网格的表示，用于提供4D患者特定解剖模型。基于3D网格的表示表示患者特定心脏区域的3D患者特定解剖模型。因此，只需要构建单个基于3D网格的表示，并且从通过多个状态(例如，使用弹性配准算法)的医学图像的变换中获取4D患者特定解剖模型(或4D患者特定中间模型)在多个状态上的连续变换。应当理解，医学图像在多个状态上的变换可以利用4D向量场。

可选地，该方法包括针对医学图像中的每个医学图像，构建患者特定心脏区域的基于3D网格的表示，确定从一个基于3D网格的表示到下一个基于3D网格的表示的变换，以及基于多个基于3D网格的表示来确定4D患者特定解剖模型(例如，通过首先基于多个基于3D网格的表示确定4D患者特定中间模型)。应当理解，网格在多个状态上的变换可以仅在网格的节点处利用4D向量。

可选地，该方法包括在4D患者特定解剖模型中的多个不同位置部署种植体物模型，确定针对位置的每个位置的周期负荷故障的风险，并且选择与现实植入的最低风险相关联的位置。因此，考虑到最小化周期负荷故障的风险，可以确定最佳植入物设备的位置。

可选地，该方法包括提供多个不同的植入物模型，每个植入物模型表示对应的现实植入物设备的几何特性(例如，包括相同的植入物设备的大小)和/或材料特性，确定每个植入物模型的心脏植入物的周期负荷故障的风险，并且选择与计算出的最低风险的所述植入物模型相关联的植入物设备，用于现实的植入。因此，考虑到最小化周期负荷故障的风险，可以选择最佳植入物设备。应当理解，针对多个不同植入物模型中的每个植入物模型，可以使用多个不同的部署位置。

根据一个方面，提供了一种用于设计用于实验性的疲劳测试(加速磨损测试或疲劳机器)的工作台负荷条件的方法。周期负荷故障的最高风险可以被用于设计工作台并且校准实验性的疲劳测试的负荷条件。根据患者特定植入物设备形变或应力或应变，可以使用简化的工作台重现导致最高周期负荷故障风险的条件，该简化的工作台运行加速的周期，并且通过以更高的频率执行周期，允许在比体内时间段更短的时间段内测试植入物设备的疲劳安全性。

根据一个方面，提供了用于心脏植入物的周期负荷故障的患者特定预测的系统。该系统包括处理器，该处理器被布置用于接收表示心脏植入物的基于三维网格的表示的植入物模型。该处理器被布置用于接收患者特定四维(4D)解剖模型，解剖模型表示患者特定心脏区域的基于网格的表示，患者特定心脏区域包括针对与心动周期中的多个时刻相对应的多个状态中心脏植入物的部署部位。该处理器被布置用于计算被部署在部署部位的植入物模型在4D患者特定解剖模型在多个状态上连续变换时或在此之前的形变。该处理器被布置用于基于计算的植入物形变来确定心脏植入物的周期负荷故障的风险

根据一个方面，提供了一种计算机程序产品，包括计算机可实现指令，计算机可实现指令当由可编程计算机实现时使计算机：检索植入物模型，所述计算机可实现指令表示心脏植入物的基于三维网格的表示；检索患者特定四维(4D)解剖模型，4D患者特定解剖模型表示患者特定心脏区域的基于网格的表示，患者特定心脏区域包括针对与心动周期中的多个时刻相对应的多个状态中心脏植入物的部署部位；计算在4D患者特定解剖模型连续变换多个通过多个状态时被部署在部署部位的植入物模型的形变；以及基于计算的植入物形变来确定心脏植入物的周期负荷故障的风险。

应当理解，该方法提及的所有特征和选项同样适用于系统和计算机程序产品。还清楚的是，可以组合上述方面、特征和选项中的任何一个或多个。

附图说明

现在将结合附图详细描述本发明的实施例，其中：

图1是系统的示意表示；

图2是方法的示意表示；

图3是方法的示意表示；

图4是方法的示意表示；以及

图5A-图5D是模型的示例性视图。

具体实施方式

图1示出了示例性系统1的示意表示，该系统1用于植入物设备2的周期负荷故障的患者特定预测。在该示例中，植入物设备2是心脏植入物，诸如支架或置换瓣膜。

系统1包括第一接收单元4，其被布置用于接收植入物模型6。第一接收单元4可以从第一源8(诸如，存储器、数据库、诸如互联网的网络等)接收植入物模型6。植入物模型6表示植入物设备2的基于三维(3D)的网格的表示。系统1包括第二接收单元10，其被布置用于接收四维(4D)的患者特定解剖模型12。第二接收单元10可以从第二源14(诸如，存储器、数据库、诸如互联网的网络、诸如CT设备、MRI设备、超声设备等的医学成像设备)接收4D患者特定解剖模型12。4D患者特定解剖模型表示患者特定解剖区域的基于网格的表示，该患者特定解剖区域包括与运动周期中的多个时刻相对应的多个状态中的植入物设备的部署部位。状态代表运动周期期间的连续时刻。因此，本文的4D患者特定解剖模型可以被视为3D患者特定解剖模型，其中添加了由多个离散状态表示的时间的第四维度。因此，3D患者特定解剖模型从一个状态形变到另一个状态。在该示例中，4D患者特定解剖模型12表示患者特定心脏区域的基于网格的表示，该患者特定心脏区域包括针对与心动周期中的多个时刻相对应的多个状态的心脏植入物的部署部位。应当理解，4D患者特定解剖模型12包括至少两种状态，例如，与收缩相关的第一状态和与舒张相关的第二状态。优选地，4D患者特定解剖模型10包括周期中的更多状态，诸如3、4、5、6、8、10、12、16、20、24、32、64或128个状态。然而，周期中其他数目的状态也是可能的。

系统1包括处理器16。处理器被布置用于将植入物模型6虚拟部署在部署部位处。处理器16被布置用于计算所部署的植入物模型6在4D患者特定解剖模型12在多个状态连续变换时的形变。处理器16还被布置用于基于所计算的形变来确定植入装置2的周期负荷故障的风险。本示例中的系统1还包括报告单元20。报告单元20被布置用于使处理结果(诸如估计的风险)为用户所知。报告单元20可以例如，被连接到可视化设备22，诸如监视器或打印机。备选地或附加地，报告单元可以被连接到通信网络，诸如互联网。报告单元20可以被布置用于创建数值报告和/或包含图像的报告。

系统1可以被用于如下的心脏植入物2周期负荷故障的患者特定预测方法中，参见图2。在步骤200中，从第一源8检索植入物模型6。在步骤202中，从第二源14检索4D患者特定解剖模型12。在步骤204中，处理器16将植入物模型6虚拟部署在4D患者特定解剖模型12中的部署部位处。在该示例中，植入物模型6被虚拟地部署在4D患者特定解剖模型中，同时4D解剖模型12是静止的。备选地，可能的是，植入物模型6被虚拟地部署在4D患者特定解剖模型12中，与此同时，4D解剖模型12在多个阶段(即在心脏跳动期间)。

在步骤206中，处理器16计算在部署部位处部署的植入物模型6在4D患者特定解剖模型12连续变换通过多个状态时的形变。另外，处理器16可以计算，例如针对多个状态中的每个状态在4D患者特定解剖模型12中部署的植入物模型6的形状以及可选的位置。植入物模型6的形变可以根据每个状态中的植入物模型6的形状来进行。

为了确定在多个状态中的每个状态中植入物模型6的形变，可以将4D患者特定解剖模型12的形变作为起点。从一个状态到下一个状态，4D患者特定解剖模型12包含表示4D患者特定解剖模型12的每个节点的位移的信息。4D患者特定解剖模型12的每个节点的位移被用于确定植入物模型6的每个节点的位移。这可以针对每个状态来执行。

在第一示例中，4D患者特定解剖模型12表示在植入物设备部署之前的、与心动周期中的多个时刻相对应的多个状态中患者特定心脏区域的基于网格的表示。因此，在没有植入物设备的情况下，4D解剖模型12的节点随着患者特定心脏区域的位移而变换通过多个状态。本文中，通过解剖模型12和植入物模型6之间的接触，表示患者特定心脏区域的患者特定解剖模型12的形变被施加到植入物模型6上。取决于两个模型6、12之间的机械接触，4D患者特定解剖模型12的每个节点的位移被应用于植入物模型6的所有节点或一些节点。因此，在此针对多个状态中的每个状态，在本示例中使用有限元分析FEA来确定植入物模型6的形变。因此，不考虑由于植入物设备的存在而导致的患者特定心脏区域的形变。已经发现，这可以提供针对相对柔软的植入物设备的良好近似。

在第二示例中，提供了4D中间患者特定解剖模型，其具有与4D患者特定解剖模型的节点相关联的关联节点。4D中间患者特定解剖模型表示在部署之前的、与心动周期中的多个时刻相对应的多个状态中的患者特定心脏区域的基于网格的表示。因此，在没有植入物设备的情况下，4D中间解剖模型的关联节点随着患者特定心脏区域的位移而变换通过多个状态。4D患者特定解剖模型12通过借助被附接到4D患者特定解剖模型12的网格的一些节点或所有节点的刚度元件(例如，弹簧缓冲器系统)，通过将4D中间模型的关联节点的位移传递到患者特定解剖模型12的节点来变换通过多个状态。因此，4D患者特定解剖模型12可以(有弹性地)相对于4D中间患者特定解剖模型的关联节点移动。植入物模型6的形变是通过4D患者特定解剖模型12和植入物模型6之间的接触实现的。因此，在此针对多个状态中的每个状态，在本示例中使用有限元分析FEA来确定植入物模型6的形变。因此，考虑到由于植入物设备的存在而导致的患者特定心脏区域的形变。已经发现，这可以提供针对相对刚性的植入物设备的良好近似。

在步骤208中，处理器16基于计算的植入物模型6的位移(形变和/或运动)来确定心脏植入物的周期负荷故障的风险。

在示例中，处理器16确定植入物模型6的每个网格元素内的机械应力和/或应变。处理器16可以例如针对心动周期过程中的多个状态中的每个状态确定植入模型6的每个网格元件内的机械应力和/或应变。植入物模型6的网格元件内的机械应力和/或应变表示周期负荷疲劳。植入物模型的网格元件内的机械应力和/或应变及其在整个周期期间的变化表示了周期负荷疲劳。周期负荷故障的风险可以例如借助本领域已知的雨流计数算法来确定。

在示例中，处理器16针对植入物模型6的每个网格元件确定在心动周期过程中发生的机械应力和/或应变的幅度。针对每个网格元件，可以在多个状态中确定应力和/或应变的最大值。针对每个网格元件，可以在多个状态中确定应力和/或应变的最小值。每个网格元件的幅度可以被确定为各自的最大值和最小值之间的差值。确定的幅度表示周期负荷故障的风险。周期负荷故障的风险可以通过例如如本领域已知的S-N曲线确定。

在步骤202中，从第二源14检索4D患者特定解剖模型12。例如，4D患者特定解剖模型可以被构建如下。4D患者特定解剖模型的构建可以由构建单元18使用如图3或图4所示的方法来执行。构建单元18可以集成在处理器16中，可以是系统1的专用单元，也可以是独立于系统1的系统。在步骤300、400中，构建单元18接收多个至少准3D的3D医学图像。每个3D医学图像表示与心动周期中的多个时刻相对应的连续状态中的一个状态的患者特定心脏区域。多个3D医学图像一起表示所有多个状态中的患者特定心脏区域。构建单元基于多个3D医学图像构建4D患者特定解剖模型。

在第一示例中，构建单元18在步骤302中获取3D医学图像中的第一医学图像并且基于该医学图像构建患者特定心脏区域的基于3D网格的第一表示。此外，在步骤304中，构建单元针对每个医学图像确定从一个医学图像到下一个医学图像的变换，诸如，BSPline变换。因此，多个变换被获取，每个变换都适合将医学图像中的一个医学图像变换成下一个医学图像(用于将第一医学图像变换为第二医学图像的第一变换，用于将第二医学图像变换为第三医学图像的第二变换，依此类推)。在步骤306中，第一变换被应用于基于3D网格的第一表示以获取基于3D网格的第二表示，第二变换被应用于基于3D网格的第二表示以获取基于3D网格的第三表示，等等。因此，多个基于3D网格的表示被获取，一个基于3D网格的表示与心动周期中的每个状态相关联。在步骤308中，多个基于3D网格的表示一起形成4D患者特定解剖模型。

在第二示例中，构建单元18在步骤402中获取每个3D医学图像并且针对每个3D医学图像构建基于3D网格的表示。此外，在步骤404中，构建单元18针对每个基于3D网格的表示确定从一个表示到下一个表示的变换。因此，多个变换被获取，每个变换都适合将一个基于3D网格的表示变换为下一个基于3D网格的表示(用于将基于3D网格的第一表示变换为基于3D网格的第二表示的第一变换，用于将基于3D网格的第二表示变换为基于3D网格的第三表示的第二变换，依此类推)。因此，多个基于3D网格的表示被获取，一个基于3D网格的表示与心动周期中的每个状态相关联。在步骤408中，多个基于3D网格的表示和它们的变换一起形成4D患者特定解剖模型。

图5A-图5D示出了植入物模型6的示例性示例，此处植入物模型6代表置换心脏瓣膜，其在心动周期期间在四个连续状态中被部署在4D患者特定解剖模型12中。可以容易地观察到植入物模型6的形变。植入物设备6中的应变在图5A-图5D中以伪色彩表示(灰度表示植入物模型6的最大主对数应变(MPLE)，白色指示MPLE≤0.01％，黑色指示MPLE≥0.1％)。

应当理解，提供多个不同的植入物模型6也是可能的。每个植入物模型6可以表示对应的现实植入物的几何和/或材料特性。植入物模型6可以例如在大小、品牌、结构、材料等方面上不同。然后可以将每个植入物模型放入患者特定解剖模型12中。然后针对每个植入物模型6确定周期负荷故障风险。根据该分析，可以确定多个植入物模型中的哪个植入物模型与周期负荷故障的最低风险相关联。然后与具有最低关联的周期负荷故障风险的植入物模型6对应的相对应的心脏瓣膜植入物可以被选择用于现实的经皮植入手术。应当理解，也可以将每个植入物模型6放置在多个不同位置处的患者特定解剖模型12中。因此，针对每个植入物模型，可以确定周期负荷故障的风险的位置。然后可以比较每个植入物模型6的周期负荷故障的最低风险，以选择用于现实的经皮植入的心脏瓣膜植入物。

应当理解，还可以将每个植入物模型6放置在多个不同位置处的患者特定解剖模型12中并且针对每个视图进行分析。因此，针对每个种植体物模型，可以在不同位置之间确定周期负荷故障的最低风险。同样针对每个种植体模型，可以在不同位置之间确定周期负荷故障的最高风险。然后可以比较每个植入物模型6的周期负荷故障的最低风险和最高风险，以选择用于现实的经皮植入的心脏瓣膜植入物。备选地，周期负荷故障的最高风险可以被用于设计工作台并且校准实验性疲劳测试(疲劳机器的加速磨损测试，AWT)的工作台负荷条件。从患者特定的设备形变或应力或应变，可以使用运行加速的周期的简化工作台重现导致最高周期负荷故障风险的条件，并且通过以更高的频率执行周期，允许在比体内时间段更短的时间段内测试设备疲劳安全性。

在本文中，结合本发明实施例的具体示例对本发明进行描述。然而，很明显，在不脱离本发明的本质的情况下，可以在其中进行各种修改和改变。为了清楚和简明描述的目的，本文将特征描述为相同或单独实施例的一部分，然而，还设想了具有在这些单独实施例中描述的所有或一些特征的组合的替代实施例。

一般而言，提供了一种用于心脏植入物的周期负荷故障的患者特定预测的方法。该方法包括提供表示心脏植入物的基于三维网格的表示的植入物模型。该方法还包括提供患者特定四维(4D)解剖模型，患者特定4D解剖模型表示患者特定心脏区域的基于网格的表示，患者特定心脏区域包括针对与心动周期中的多个时刻相对应的多个状态中心脏植入物的部署部位。根据该方法，计算机计算被部署在部署部位处的植入物模型在4D患者特定解剖模型连续变换通过多个状态时的形变，以及基于所计算的植入物的形变来确定心脏植入物的周期负荷故障的风险。这提供了以下优点：可以基于患者特定解剖结构并且在部署植入设备之前预测针对植入设备的周期负荷故障。应当理解，如果运动不是严格周期的，则代表性运动周期仍然可以被定义。

应当理解，该方法也可以在植入设备之后使用，例如通过从术前医学图像开始并且引入植入之后采集的测量值。

应当理解，处理器、第一接收单元、第二接收单元、构建单元和/或报告单元可以被体现为专用电子电路，可能包括软件代码部分。处理器、第一接收单元、第二接收单元、构建单元和/或报告单元也可以被体现为如在存储器上执行的软件代码部分。例如，被存储在诸如计算机、平板电脑或智能电话等可编程装置的存储器中。

尽管参照附图描述的本发明的实施例包括计算机装置和在计算机装置中执行的过程，但是本发明还扩展到计算机程序，特别是载体上或载体中的计算机程序，适于将本发明付诸实践。该程序可以是源代码或目标代码的形式，或者是适用于实现根据本发明的过程的任何其他形式。载体可以是能够承载程序的任何实体或设备。

例如，载体可以包括存储介质，诸如ROM，例如CD ROM或半导体ROM，或磁记录介质，例如软盘或硬盘。此外，载体可以是可传输的载体，诸如可以经由电缆或光缆或通过无线电或其他方式，例如经由互联网或云传达的电信号或光信号。

当程序被体现在可以由电缆或其他设备或部件直接传送的信号中时，载体可以由这样的电缆或其他设备或部件构成。备选地，载体可以是其中嵌入了程序的集成电路，该集成电路适于执行或用于执行相关过程。

然而，其他修改、变化和替代也是可能的。因此，说明书、附图和示例被认为是说明性的而不是限制性的。

为了清楚和简明描述的目的，本文将特征描述为相同或单独实施例的一部分，然而，应当理解，本发明的范围可以包括具有所描述的所有或一些特征的组合的实施例。

在权利要求中，括号之间的任何参考符号不应被解释为限制权利要求。“包括”一词不排除权利要求中列出的特征或步骤之外的其他特征或步骤的存在。此外，“一个(a)”和“一个(an)”不应被解释为“仅一个”，而是用来表示“至少一个”，并不排除复数。某些措施仅在相互不同的权利要求中被陈述的事实并不表示这些措施的组合不能被用于优势。