创伤后应激障碍识别装置、方法和存储介质与流程

1.本技术涉及计算机数据处理技术领域，特别是涉及一种创伤后应激障碍识别装置、方法和存储介质。


背景技术：

2.创伤后应激障碍(post-traumaticstressdisorder，ptsd)是指人员经历、目睹或遭遇到严重的生命威胁，或严重的受伤，或躯体完整性受到威胁后，引起的延迟出现和持续存在的精神障碍。患有创伤后应激障碍的人员，轻者容易造成精神衰弱，严重者患有影响身心健康的心理疾病，更为严重者还会造成自我伤害。因此，有必要提早识别创伤后应激障碍症状，避免创伤后应激障碍对人员造成的危害。
3.当前通过用户自填量表的方式对创伤后应激障碍进行初筛，然而用户在填表过程出于社会期望或者个人特殊需要，有选择的进行问题答案选择，从而造成漏筛或者误筛。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种创伤后应激障碍识别装置、方法和存储介质，能够通过机器学习算法的方式自动化识别出创伤后应激障碍的患者，提高识别创伤后应激障碍的患者的准确性。
5.一种创伤后应激障碍识别装置，包括数据采集模块、模型应用模块以及分类识别模块；数据采集模块，用于采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据；模型应用模块，用于将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息；分类识别模块，用于根据分类信息识别目标用户是否为创伤后应激障碍的患者。
6.在其中一个实施例中，数据采集模块包括：第一数据采集单元，用于采集第一阶段的多个不同刺激策略下的第一生理数据，第一阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第一条件刺激序列，第一条件刺激中包含厌恶刺激以及探针刺激，第二条件刺激中包含探针刺激且不包含厌恶刺激；第二数据采集单元，用于采集第二阶段的多个不同刺激策略下的第二生理数据，第二阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第二条件刺激序列，第二条件刺激序列与第一条件刺激序列不相同；第三数据采集单元，用于采集第三阶段的多个不同刺激策略下的第三生理数据，第三阶段的多个不同刺激策略为多个第三条件刺激和多个第四条件刺激构成的第三条件刺激序列，第三条件刺激与第四条件刺激均包含探针刺激且均不包含厌恶刺激，第三条件刺激、第二条件刺激和第四条件刺激不相同；其中，多个生理数据包括第一生理数据、第二生理数据和第三生理数据。
7.在其中一个实施例中，厌恶刺激为给予目标用户的脖子特定压强的压缩空气，探针刺激为给予目标用户短促的爆破声音；第一条件刺激为给予目标用户第一基础条件刺激
并给予目标用户的脖子特定压强的压缩空气，以及给予目标用户短促的爆破声音；和/或，第二条件刺激为给予目标用户第二基础条件刺激，并给予目标用户短促的爆破声音；和/或，第三条件刺激为给予目标用户第三基础条件刺激，并给予目标用户短促的爆破声音；和/或，第四条件刺激为给予目标用户展示第四基础条件刺激，并给予目标用户短促的爆破声音；其中，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。
8.在其中一个实施例中，第一条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序与第二条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序不相同；和/或，第一条件刺激序列或第二条件刺激序列中第一条件刺激和第二条件刺激的数量总和大于第三条件刺激序列中第三条件刺激和第四条件刺激的数量总和。
9.在其中一个实施例中，数据采集模块还包括特征提取单元，特征提取单元包括：第一特征提取子单元，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的生理数据获取各个阶段的生理特征数据；第二特征提取子单元，用于根据各个阶段的生理特征数据获取相同条件刺激的差异性特征数据；第三特征提取子单元，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取每个试次的生理特征数据；第四特征提取子单元，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据；多个特征数据包括各个阶段的生理特征数据、相同条件刺激的差异性特征数据、每个试次的生理特征数据以及探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
10.在其中一个实施例中，系统还包括模型构建模块和模型训练模块，模型构建模块包括第一样本采集单元和构建单元，模型训练模块包括第二样本采集单元和训练单元；第一样本采集单元，用于采集第一样本用户在多个不同阶段的不同刺激策略下的多个第一样本生理数据，多个第一样本生理数据包括第一样本用户的眼电的生理数据以及心电的生理数据，并基于多个第一样本生理数据获取第一样本用户的多个第一样本特征数据；构建单元，用于将多个第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型；第二样本采集单元，用于采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据，多个第二样本生理数据包括第二样本用户的眼电的生理数据以及心电的生理数据，并基于多个第二样本生理数据获取第二样本用户的多个第二样本特征数据；训练单元，用于根据多个第二样本特征数据并采用十折交叉验证方法对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
11.在其中一个实施例中，模型构建模块还包括：第一特征筛选单元，用于计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据；构建单元，用于将筛选后的第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
12.在其中一个实施例中，模型构建模块还包括第二特征筛选单元；第二特征筛选单元，用于将多个第一样本特征数据中满足预设的错误特征规则的第一样本特征数据进行剔
除，得到剔除后的多个第一样本特征数据；其中，第一特征筛选单元，用于计算剔除后的多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据。
13.一种创伤后应激障碍识别方法，包括：采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据；将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息；根据分类信息识别目标用户是否为创伤后应激障碍的患者。
14.一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
15.上述创伤后应激障碍识别装置、方法和存储介质，采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据，将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息，根据分类信息识别目标用户是否为创伤后应激障碍的患者。因此，可以通过已训练的lightgbm模型自动化识别出创伤后应激障碍的患者，避免人工操作造成的创伤后应激障碍的患者的漏筛或者误筛，提高识别创伤后应激障碍的患者的准确性。
附图说明
16.图1为一个实施例中一种创伤后应激障碍识别装置的结构框图；
17.图2为一个实施例中数据采集模块的结构框图；
18.图3为一个实施例中特征提取单元的结构框图；
19.图4为一个实施例中模型构建模块的结构框图；
20.图5为一个实施例中一种创伤后应激障碍识别方法的应用环境图；
21.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
22.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
23.本技术提供的一种创伤后应激障碍识别装置，应用于服务器中。如图1所示，在一实施例中，一种创伤后应激障碍识别装置100包括：
24.数据采集模块102，用于采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据。
25.该实施例中，设置多个不同的测试阶段，各个阶段采用不同的刺激策略对目标用户进行刺激，采集目标用户在各个刺激策略下的生理数据。其中，刺激策略可以是向目标用户呈现不同图片，或配以声音刺激或吹气刺激。多个生理数据包括目标用户的眼电的生理
数据以及心电的生理数据。眼电的生理数据可以包括右眼上部的生理数据、右眼下部的生理数据和右眼右侧的生理数据，心电的生理数据可以包括左侧胸口的生理数据。
26.例如，采集目标用户的三导眼电和一导心电这四组电生理信号。其中，眼电采集位置为右眼上部、右眼下部和右眼右侧，心电采集位置为左侧胸口。目标用户坐于电脑显示器前端，佩戴电生理信号采集设备，待信号稳定后，启动测试软件。测试软件用于向目标用户呈现一张或多张图片，以对目标用户进行刺激。在目标用户观看图片过程，还可对目标用户配以声音刺激，如短促的爆破声音。或，对目标用户配以一定压强的气体刺激。设置多个测试阶段，记录各个阶段下目标用户的电生理信号，从而得到目标用户在多个不同阶段的不同刺激策略下的多个生理数据。待所有测试结束约10s以后，结束信号采集。
27.进一步地，基于多个生理数据获取目标用户的多个特征数据。可以是，直接从多个生理数据中提取目标用户的多个特征数据。如，当生理数据通过电生理信号表示时，取电生理信号的标准差、均值、幅值等作为特征数据。还可以是，通过对多个生理数据进行分析，得到目标用户的多个特征数据。如，当生理数据通过电生理信号表示时，通过对电生理信号进行非线性变化，得到电生理信号的自相关和变化趋势有关的指数，该指数作为其中一个特征数据。以及，从电生理信号中提取每个阶段的多种心率变异性特征，将各种心率变异性特征作为对应的特征数据。从电生理信号中提取各个阶段每个试次的分型维度特征，将分型维度特征作为其中一个特征数据。需要说明的是，此部分只是作为其中一部分示例说明，具体基于多个生理数据获取目标用户的多个特征数据的方式不局限于此部分的示例。
28.模型应用模块104，用于将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息。
29.该实施例中，采用已训练的lightgbm模型对目标用户的多个特征数据进行分析处理，以得到目标用户的分类信息。其中，已训练的lightgbm模型通过预先使用创伤后应激障碍的样本特征数据进行模型构建以及模型训练得到。目标用户的分类信息为已训练的lightgbm模型的输出数据，该输出数据表征目标用户的分类，即表征目标用户属于创伤后应激障碍的患者的信息或表征目标用户不属于创伤后应激障碍的患者的信息。
30.分类识别模块106，用于根据分类信息识别目标用户是否为创伤后应激障碍的患者。
31.该实施例中，上述已训练的lightgbm模型输出的分类信息可以表征目标用户属于创伤后应激障碍的患者，或者表征目标用户不属于创伤后应激障碍的患者。通过信息识别的方式可以基于分类信息判定目标用户是否为创伤后应激障碍的患者。
32.上述创伤后应激障碍识别装置，采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据，将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息，根据分类信息识别目标用户是否为创伤后应激障碍的患者。因此，可以通过已训练的lightgbm模型自动化识别出创伤后应激障碍的患者，避免人工操作造成的创伤后应激障碍的患者的漏筛或者误筛，提高识别创伤后应激障碍的患者的准确性。
33.在一个实施例中，如图2所示，上述数据采集模块包括第一数据采集单元202、第二数据采集单元204和第三数据采集单元206。第一数据采集单元202，用于采集第一阶段的多
个不同刺激策略下的第一生理数据，第一阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第一条件刺激序列，第一条件刺激中包含厌恶刺激以及探针刺激，第二条件刺激中包含探针刺激且不包含厌恶刺激；第二数据采集单元204，用于采集第二阶段的多个不同刺激策略下的第二生理数据，第二阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第二条件刺激序列，第二条件刺激序列与第一条件刺激序列不相同；第三数据采集单元206，用于采集第三阶段的多个不同刺激策略下的第三生理数据，第三阶段的多个不同刺激策略为多个第三条件刺激和多个第四条件刺激构成的第三条件刺激序列，第三条件刺激与第四条件刺激均包含探针刺激且均不包含厌恶刺激，第三条件刺激、第二条件刺激和第四条件刺激不相同；其中，多个生理数据包括第一生理数据、第二生理数据和第三生理数据。
34.其中，厌恶刺激为给予目标用户的脖子特定压强的压缩空气，探针刺激为给予目标用户短促的爆破声音；第一条件刺激为给予目标用户第一基础条件刺激并给予目标用户的脖子特定压强的压缩空气，以及给予目标用户短促的爆破声音；和/或，第二条件刺激为给予目标用户第二基础条件刺激，并给予目标用户短促的爆破声音；和/或，第三条件刺激为给予目标用户第三基础条件刺激，并给予目标用户短促的爆破声音；和/或，第四条件刺激为给予目标用户展示第四基础条件刺激，并给予目标用户短促的爆破声音；其中，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。
35.该实施例中，第一条件刺激、第三条件刺激、第二条件刺激和第四条件刺激为四个不同的条件刺激。各个条件刺激包括基础条件刺激和额外刺激，额外刺激可以是厌恶刺激或探针刺激。
36.基础条件刺激包括第一基础条件刺激、第二基础条件刺激、第三基础条件刺激和第四基础条件刺激。第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。其中，基础条件为向目标用户提供视觉环境刺激，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激分别向目标用户提供不同的视觉环境刺激，第一基础条件刺激和第三基础条件刺激向目标用户提供相同的视觉环境刺激。
37.探针刺激为短促的爆破声音，在测试过程中的每个试次中出现；厌恶刺激为一种朝向脖子以一定压强吹出的压缩空气，仅在指定试次中出现。此处试次，是指在测试过程中，一次条件刺激的出现到结束。
38.该实施例中，基于特定的条件刺激组合结构范式采集的生理数据。范式由第一阶段、第二阶段和第三阶段组成，记为阶段1、阶段2和阶段3。各个阶段从备选的条件刺激序列库中选择的不同条件刺激序列。阶段1中对应第一条件刺激序列，阶段2中对应第二条件刺激序列，阶段3中对应第三条件刺激序列。其中，第二条件刺激序列与第一条件刺激序列包含的条件刺激相同，即均包含多个第一条件刺激和多个第二条件刺激，但第二条件刺激序列与第一条件刺激序列中第一条件刺激和第二条件刺激的排序不相同。即阶段1和阶段2中的条件刺激序列的差异仅在于第一条件刺激和第二条件刺激出现的先后不同。此外，阶段1和/或阶段2中第一条件刺激和第二条件刺激的数量总和大于阶段3中第三条件刺激序列中第三条件刺激和第四条件刺激的数量总和。如，阶段1和阶段2均为10组条件刺激，阶段3为6
组条件刺激。由于测试过程中，时间越靠后，目标用户越疲倦，因此通过设置第三阶段的条件刺激的数量总和小于前两个阶段的条件刺激的数量总和，可使得第三阶段采集到的目标用户的生理数据越准确。
39.因此，通过上述方式，可采集到多个不同阶段的不同刺激策略下的多个生理数据。
40.在一个实施例中，上述数据采集模块还包括特征提取单元。如图3所示，特征提取单元包括第一特征提取子单元302、第二特征提取子单元304、第三特征提取子单元306和第四特征提取子单元308。多个特征数据包括各个阶段的生理特征数据、相同条件刺激的差异性特征数据、每个试次的生理特征数据以及探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
41.第一特征提取子单元302，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的生理数据获取各个阶段的生理特征数据。
42.在一个方面中，多个特征数据包括心电的特征数据和眼电的特征数据。数据采集模块获取到的多个特征数据中包含各个阶段的心电的特征数据和眼电的特征数据。可以是，基于第一阶段、第二阶段以及第三阶段中各个阶段的心电生理数据获取各个阶段的心电的特征数据，如各个阶段的多种心率变异性特征。还可以是，基于上述每个试次的心电的特征数据以及眼电的特征数据求取各个阶段各种条件刺激的均值，以作为每个阶段的各个条件刺激的生理特征数据。
43.第二特征提取子单元304，用于根据各个阶段的生理特征数据获取相同条件刺激的差异性特征数据。
44.在一个方面中，数据采集模块获取到的多个特征数据中包含多个阶段中相同条件刺激对应的差异性特征数据。其中，差异性特征数据指的是同一条件刺激对应的生理特征数据的差值，生理特征数据可以用上述各种条件刺激的均值表示。如，多个差异性特征数据包括第二阶段的第一条件刺激对应的生理特征数据与第一阶段的第一条件刺激对应的生理特征数据的差值，第二阶段的第二条件刺激对应的生理特征数据与第一阶段的第二条件刺激对应的生理特征数据的差值。此外，在该实施例中，还可以将第三条件刺激与第一条件刺激作为相同条件刺激处理。即多个差异性特征数据包括第三阶段的第三条件刺激对应的生理特征数据与第二阶段的第一条件刺激对应的生理特征数据的差值，第三阶段的第三条件刺激对应的生理特征数据与第一阶段的第一条件刺激对应的生理特征数据的差值。
45.例如，多个差异性特征数据包括阶段2中第一条件刺激对应的生理特征数据减去阶段1中第一条件刺激对应的生理特征数据、阶段3中第三条件刺激对应的生理特征数据减去阶段2中第一条件刺激对应的生理特征数据、阶段3中第三条件刺激对应的生理特征数据减去阶段1中第一条件刺激对应的生理特征数据、阶段2中第四条件刺激对应的生理特征数据减去阶段1中第四条件刺激对应的生理特征数据。
46.第三特征提取子单元306，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取每个试次的生理特征数据。
47.在一个方面中，数据采集模块获取到的多个特征数据中包含各个阶段的每个试次的生理特征数据。可以是，基于第一阶段、第二阶段以及第三阶段中各个阶段的心电生理数据获取各个阶段中每个试次的对电生理信号进行非线性变化以得到电生理信号的自相关和变化趋势有关的指数、标准差、均值和分型维度特征等心电的特征数据，基于第一阶段、
第二阶段以及第三阶段中各个阶段的眼电生理数据获取各个阶段中每个试次的对电生理信号进行非线性变化以得到电生理信号的自相关和变化趋势有关的指数、标准差、均值和分型维度特征等眼电的特征数据。
48.第四特征提取子单元308，用于基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
49.在一个方面中，数据采集模块获取到的多个特征数据中包含各个阶段中各试次探针刺激前的生理特征数据以及探针刺激后的生理特征数据、各试次厌恶刺激前的生理特征数据以及厌恶刺激后的生理特征数据，其中生理特征数据通过采集到的电生理信号的均值和/或幅值表示。如，分别计算各个阶段中每个试次探针刺激前和厌恶刺激前预先设定的一个或多个时间点对应的电生理信号的均值和幅值，以及各个阶段中每个试次探针刺激后和厌恶刺激刺激后预先设定的一个或多个时间点对应的电生理信号的均值和幅值，以作为不同刺激的刺激前和刺激后的生理特征数据。
50.还可以是，数据采集模块获取到的多个特征数据还包括各个阶段中表示探针刺激前后的电生理信号的变化情况的第一趋势特征数据和各个阶段中表示厌恶刺激前后的电生理信号的变化情况的第二趋势特征数据。第一趋势特征数据可以是探针刺激前的电生理信号与探针刺激后的电生理信号的比值，第二趋势特征数据可以是厌恶刺激前的电生理信号与厌恶刺激后的电生理信号的比值。
51.还可以是，数据采集模块获取到的多个特征数据还包括各个阶段中每种条件刺激下探针刺激的电生理信号的均值以及厌恶刺激的电生理信号的均值，以构成的每种条件刺激组合的特征数据。
52.还可以是，数据采集模块获取到的多个特征数据还包括各试次对应的特征数据与其对应的探针刺激或厌恶刺激的特征数据的比值。如、分别计算每个试次探针刺激前和厌恶刺激前预先设定的一个或多个时间点对应的电生理信号的均值和幅值，以及各个阶段中每个试次探针刺激后和厌恶刺激刺激后预先设定的一个或多个时间点对应的电生理信号的均值和幅值，以作为不同刺激的刺激前和刺激后的生理特征数据。进一步地，可计算各个阶段中探针刺激的生理特征数据的均值以及厌恶刺激的生理特征数据的均值。例如，将探针刺激后任一时间点采集到的电生理信号的幅值与对应阶段中探针刺激后电生理信号的均值的比值作为其中一个特征数据。依次类推，得到各个试次各个条件刺激对应的电生理信号的幅值与对应阶段对应条件刺激的均值的比值。
53.在一个实施例中，一种创伤后应激障碍识别装置还包括模型构建模块和模型训练模块。如图4所示，模型构建模块包括第一样本采集单元402和构建单元404，模型训练模块包括第二样本采集单元406和训练单元408。
54.第一样本采集单元402，用于采集第一样本用户在多个不同阶段的不同刺激策略下的多个第一样本生理数据，多个第一样本生理数据包括第一样本用户的眼电的生理数据以及心电的生理数据，并基于多个第一样本生理数据获取第一样本用户的多个第一样本特征数据。
55.该实施例中，第一样本用户与上述目标用户不同，第一样本用户的多个第一样本生理数据用于作为构建lightgbm模型的样本数据。其中，采集的第一样本用户的多个第一
样本生理数据与模型应用时使用到的目标用户的多个生理数据的属性相同。多个第一样本生理数据还可参见上述对目标用户的多个生理数据的相关说明。
56.构建单元404，用于将多个第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
57.该实施例中，利用未训练的lightgbm模型对采集到的多个第一样本特征数据进行多步筛选，通过不断调整该lightgbm模型中子评估器的个数和特征贡献度大小，将特征贡献度小于指定贡献度阈值的第一样本特征数据逐步删除；子评估器个数可由1000逐步降低至100到200之间，在每一种子评估器个数下，均需分别指定贡献度阈值，因为子评估器越多，相同第一样本特征数据的贡献度越高，呈正比关系；同时，由于初始待筛选的第一样本特征数据较多，为防止部分第一样本特征数据在构建模型过程中使用不到，而导致贡献度为0，因此需在初始阶段设置较高的子评估器数目。最终得到目标lightgbm模型。目标lightgbm模型中的子评估器的数量是固定的，因此构建出了适用于本技术的目标lightgbm模型。例如，前期通过上述方式得到3万5千余个第一样本特征数据，经过调整子评估器的个数和特征贡献度大小得到目标lightgbm模型，此时目标lightgbm模型筛选出的第一样本特征数据为35个。
58.第二样本采集单元406，用于采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据，多个第二样本生理数据包括第二样本用户的眼电的生理数据以及心电的生理数据，并基于多个第二样本生理数据获取第二样本用户的多个第二样本特征数据。
59.该实施例中，构建得到目标lightgbm模型后，需对目标lightgbm模型进行模型训练，以使得训练后得到的lightgbm模型适用于本技术的创伤后应激障碍识别。此处，采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据。其中，第二样本用户的多个第二样本生理数据为训练目标lightgbm模型的样本数据，与模型应用时使用到的目标用户的多个生理数据的属性相同。多个第二样本生理数据还可参见上述对目标用户的多个生理数据的相关说明。
60.训练单元408，用于根据多个第二样本特征数据并采用十折交叉验证方法对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
61.该实施例中，将采集到的第二样本特征数据分成两部分，其中一部分用于作为目标lightgbm模型的模型输入数据，另外一部分用于作为目标lightgbm模型的模型输出参考的预测结果，分配的方式采用十折交叉验证方法，由此对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
62.在一个实施例中，模型构建模块还包括：第一特征筛选单元，用于计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据；构建单元，用于将筛选后的第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
63.该实施例中，在将多个第一样本特征数据输入未训练的lightgbm模型之前，对多
个第一样本特征数据进行筛选，筛选的方式为：采用皮尔逊相关性的方式剔除冗余第一样本特征数据。具体地，计算两两第一样本特征数据之间的皮尔逊相关性，将相关性超过指定阈值的两个第一样本特征数据中保留其中一个第一样本特征数据即可，阈值可以设定在[0.6,0.9]区间以内。因此，可提高模型泛化效果。
[0064]
在一个实施例中，模型构建模块还包括第二特征筛选单元；第二特征筛选单元，用于将多个第一样本特征数据中满足预设的错误特征规则的第一样本特征数据进行剔除，得到剔除后的多个第一样本特征数据；其中，第一特征筛选单元，用于计算剔除后的多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据。
[0065]
该实施例中，在采用皮尔逊相关性的方式剔除冗余第一样本特征数据之前，对存在错误的第一样本特征数据进行剔除，剔除的方式为：对满足预设的错误特征规则的第一样本特征数据进行剔除，得到剔除后的多个第一样本特征数据。如，删除多个第一样本特征数据中计算错误的或者无法计算出的第一样本特征数据，因此可减少后续皮尔逊相关性计算的效率。
[0066]
因此，通过上述方式构建并且训练得到已训练的lightgbm模型，可以获得0.89的敏感性和0.84的特异性。其中，0.89的敏感性指的是已训练的lightgbm模型能够识别出89％的创伤后应激障碍的患者，0.84的特异性指的是已训练的lightgbm模型能够识别出84％的非创伤后应激障碍的患者。此外，已训练的lightgbm模型的前后测相关性达到0.71，即前后为同一用户的结果的相关性为0.71。由此可知得到的已训练的lightgbm模型识别创伤后应激障碍的准确性较高，采用该已训练的lightgbm模型能够提高识别创伤后应激障碍的患者的准确度。
[0067]
上述创伤后应激障碍识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0068]
本技术还提供了一种创伤后应激障碍识别方法，以该方法应用于图5中的服务器502为例进行说明，包括以下步骤：采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据；将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息；根据分类信息识别目标用户是否为创伤后应激障碍的患者。
[0069]
在一个实施例中，上述采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，包括：采集第一阶段的多个不同刺激策略下的第一生理数据，第一阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第一条件刺激序列，第一条件刺激中包含厌恶刺激以及探针刺激，第二条件刺激中包含探针刺激且不包含厌恶刺激；采集第二阶段的多个不同刺激策略下的第二生理数据，第二阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第二条件刺激序列，第二条件刺激序列与第一条件刺激序列不相同；采集第三阶段的多个不同刺激策略下的第三生理数据，第三阶段的多个
不同刺激策略为多个第三条件刺激和多个第四条件刺激构成的第三条件刺激序列，第三条件刺激与第四条件刺激均包含探针刺激且均不包含厌恶刺激，第三条件刺激、第二条件刺激和第四条件刺激不相同；其中，多个生理数据包括第一生理数据、第二生理数据和第三生理数据。
[0070]
在一个实施例中，厌恶刺激为给予目标用户的脖子特定压强的压缩空气，探针刺激为给予目标用户短促的爆破声音；第一条件刺激为给予目标用户第一基础条件刺激并给予目标用户的脖子特定压强的压缩空气，以及给予目标用户短促的爆破声音；和/或，第二条件刺激为给予目标用户第二基础条件刺激，并给予目标用户短促的爆破声音；和/或，第三条件刺激为给予目标用户第三基础条件刺激，并给予目标用户短促的爆破声音；和/或，第四条件刺激为给予目标用户展示第四基础条件刺激，并给予目标用户短促的爆破声音；其中，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。
[0071]
在一个实施例中，第一条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序与第二条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序不相同；和/或，第一条件刺激序列或第二条件刺激序列中第一条件刺激和第二条件刺激的数量总和大于第三条件刺激序列中第三条件刺激和第四条件刺激的数量总和。
[0072]
在一个实施例中，上述基于多个生理数据获取目标用户的多个特征数据，包括：基于第一阶段、第二阶段以及第三阶段中各个阶段的生理数据获取各个阶段的生理特征数据；根据各个阶段的生理特征数据获取相同条件刺激的差异性特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取每个试次的生理特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据；多个特征数据包括各个阶段的生理特征数据、相同条件刺激的差异性特征数据、每个试次的生理特征数据以及探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
[0073]
在一个实施例中，上述一种创伤后应激障碍识别方法还包括模型构建步骤，模型构建步骤包括：采集第一样本用户在多个不同阶段的不同刺激策略下的多个第一样本生理数据，多个第一样本生理数据包括第一样本用户的眼电的生理数据以及心电的生理数据，并基于多个第一样本生理数据获取第一样本用户的多个第一样本特征数据；将多个第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型；采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据，多个第二样本生理数据包括第二样本用户的眼电的生理数据以及心电的生理数据，并基于多个第二样本生理数据获取第二样本用户的多个第二样本特征数据；根据多个第二样本特征数据并采用十折交叉验证方法对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
[0074]
在一个实施例中，上述将多个第一样本特征数据输入未训练的lightgbm模型的步骤之前，还包括：计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据；上述将多个第一样本特征数据输入未训练的lightgbm模型，包括：将筛选后的第一样本特征数据输入未训练的lightgbm模型，通过调整
未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
[0075]
在一个实施例中，上述计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性的步骤之前，还包括：将多个第一样本特征数据中满足预设的错误特征规则的第一样本特征数据进行剔除，得到剔除后的多个第一样本特征数据；上述计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，包括：计算剔除后的多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据。
[0076]
对于创伤后应激障碍识别方法中的技术特征的更多限定，可参见上文关于创伤后应激障碍识别装置中相应模块或单元的描述，在此不作赘述。
[0077]
在一些实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，在不同实施例中，计算机程序被处理器执行时分别对应地实现前文各实施例描述的、创伤后应激障碍识别装置各功能模块或功能单元执行的步骤。
[0078]
本领域普通技术人员可以理解实现基于面部表情变化的抑郁症状特征获取方法的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，前述计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0079]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部设备连接，以接收外部设备输入的一个或多个用户的生理数据。该计算机程序被处理器执行时以实现一种创伤后应激障碍识别方法。
[0080]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0081]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据；将
多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息；根据分类信息识别目标用户是否为创伤后应激障碍的患者。
[0082]
在一个实施例中，处理器执行计算机程序实现上述的采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据的步骤时，具体实现以下步骤：采集第一阶段的多个不同刺激策略下的第一生理数据，第一阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第一条件刺激序列，第一条件刺激中包含厌恶刺激以及探针刺激，第二条件刺激中包含探针刺激且不包含厌恶刺激；采集第二阶段的多个不同刺激策略下的第二生理数据，第二阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第二条件刺激序列，第二条件刺激序列与第一条件刺激序列不相同；采集第三阶段的多个不同刺激策略下的第三生理数据，第三阶段的多个不同刺激策略为多个第三条件刺激和多个第四条件刺激构成的第三条件刺激序列，第三条件刺激与第四条件刺激均包含探针刺激且均不包含厌恶刺激，第三条件刺激、第二条件刺激和第四条件刺激不相同；其中，多个生理数据包括第一生理数据、第二生理数据和第三生理数据。
[0083]
在一个实施例中，厌恶刺激为给予目标用户的脖子特定压强的压缩空气，探针刺激为给予目标用户短促的爆破声音；第一条件刺激为给予目标用户第一基础条件刺激并给予目标用户的脖子特定压强的压缩空气，以及给予目标用户短促的爆破声音；和/或，第二条件刺激为给予目标用户第二基础条件刺激，并给予目标用户短促的爆破声音；和/或，第三条件刺激为给予目标用户第三基础条件刺激，并给予目标用户短促的爆破声音；和/或，第四条件刺激为给予目标用户展示第四基础条件刺激，并给予目标用户短促的爆破声音；其中，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。
[0084]
在一个实施例中，第一条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序与第二条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序不相同；和/或，第一条件刺激序列或第二条件刺激序列中第一条件刺激和第二条件刺激的数量总和大于第三条件刺激序列中第三条件刺激和第四条件刺激的数量总和。
[0085]
在一个实施例中，处理器执行计算机程序实现上述的基于多个生理数据获取目标用户的多个特征数据的步骤时，具体实现以下步骤：基于第一阶段、第二阶段以及第三阶段中各个阶段的生理数据获取各个阶段的生理特征数据；根据各个阶段的生理特征数据获取相同条件刺激的差异性特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取每个试次的生理特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据；多个特征数据包括各个阶段的生理特征数据、相同条件刺激的差异性特征数据、每个试次的生理特征数据以及探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
[0086]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集第一样本用户在多个不同阶段的不同刺激策略下的多个第一样本生理数据，多个第一样本生理数据包括第一样本用户的眼电的生理数据以及心电的生理数据，并基于多个第一样本生理数据获取第一样本用户的多个第一样本特征数据；将多个第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出
目标lightgbm模型；采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据，多个第二样本生理数据包括第二样本用户的眼电的生理数据以及心电的生理数据，并基于多个第二样本生理数据获取第二样本用户的多个第二样本特征数据；根据多个第二样本特征数据并采用十折交叉验证方法对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
[0087]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据；处理器执行计算机程序实现上述的将多个第一样本特征数据输入未训练的lightgbm模型的步骤时，具体实现以下步骤：将筛选后的第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
[0088]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将多个第一样本特征数据中满足预设的错误特征规则的第一样本特征数据进行剔除，得到剔除后的多个第一样本特征数据；处理器执行计算机程序实现上述的计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性的步骤时，具体实现以下步骤：计算剔除后的多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据。
[0089]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据，多个生理数据包括目标用户的眼电的生理数据以及心电的生理数据，并基于多个生理数据获取目标用户的多个特征数据；将多个特征数据输入已训练的lightgbm模型，得到已训练的lightgbm模型输出的分类信息；根据分类信息识别目标用户是否为创伤后应激障碍的患者。
[0090]
在一个实施例中，计算机程序被处理器执行实现上述的采集目标用户在多个不同阶段的不同刺激策略下的多个生理数据的步骤时，具体实现以下步骤：采集第一阶段的多个不同刺激策略下的第一生理数据，第一阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第一条件刺激序列，第一条件刺激中包含厌恶刺激以及探针刺激，第二条件刺激中包含探针刺激且不包含厌恶刺激；采集第二阶段的多个不同刺激策略下的第二生理数据，第二阶段的多个不同刺激策略为多个第一条件刺激和多个第二条件刺激构成的第二条件刺激序列，第二条件刺激序列与第一条件刺激序列不相同；采集第三阶段的多个不同刺激策略下的第三生理数据，第三阶段的多个不同刺激策略为多个第三条件刺激和多个第四条件刺激构成的第三条件刺激序列，第三条件刺激与第四条件刺激均包含探针刺激且均不包含厌恶刺激，第三条件刺激、第二条件刺激和第四条件刺激不相同；其中，多个生理数据包括第一生理数据、第二生理数据和第三生理数据。
[0091]
在一个实施例中，厌恶刺激为给予目标用户的脖子特定压强的压缩空气，探针刺激为给予目标用户短促的爆破声音；第一条件刺激为给予目标用户第一基础条件刺激并给予目标用户的脖子特定压强的压缩空气，以及给予目标用户短促的爆破声音；和/或，第二
条件刺激为给予目标用户第二基础条件刺激，并给予目标用户短促的爆破声音；和/或，第三条件刺激为给予目标用户第三基础条件刺激，并给予目标用户短促的爆破声音；和/或，第四条件刺激为给予目标用户展示第四基础条件刺激，并给予目标用户短促的爆破声音；其中，第一基础条件刺激、第二基础条件刺激和第四基础条件刺激不相同，第一基础条件刺激和第三基础条件刺激相同。
[0092]
在一个实施例中，第一条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序与第二条件刺激序列中多个第一条件刺激和多个第二条件刺激的排序不相同；和/或，第一条件刺激序列或第二条件刺激序列中第一条件刺激和第二条件刺激的数量总和大于第三条件刺激序列中第三条件刺激和第四条件刺激的数量总和。
[0093]
在一个实施例中，计算机程序被处理器执行实现上述的基于多个生理数据获取目标用户的多个特征数据的步骤时，具体实现以下步骤：基于第一阶段、第二阶段以及第三阶段中各个阶段的生理数据获取各个阶段的生理特征数据；根据各个阶段的生理特征数据获取相同条件刺激的差异性特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取每个试次的生理特征数据；基于第一阶段、第二阶段以及第三阶段中各个阶段的每个试次的生理数据获取探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据；多个特征数据包括各个阶段的生理特征数据、相同条件刺激的差异性特征数据、每个试次的生理特征数据以及探针刺激前后对应的生理特征数据以及厌恶刺激前后对应的生理特征数据。
[0094]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采集第一样本用户在多个不同阶段的不同刺激策略下的多个第一样本生理数据，多个第一样本生理数据包括第一样本用户的眼电的生理数据以及心电的生理数据，并基于多个第一样本生理数据获取第一样本用户的多个第一样本特征数据；将多个第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型；采集多个第二样本用户在多个不同阶段的不同刺激策略下的多个第二样本生理数据，多个第二样本生理数据包括第二样本用户的眼电的生理数据以及心电的生理数据，并基于多个第二样本生理数据获取第二样本用户的多个第二样本特征数据；根据多个第二样本特征数据并采用十折交叉验证方法对目标lightgbm模型进行模型训练，得到已训练的lightgbm模型。
[0095]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据；计算机程序被处理器执行实现上述的将多个第一样本特征数据输入未训练的lightgbm模型的步骤时，具体实现以下步骤：将筛选后的第一样本特征数据输入未训练的lightgbm模型，通过调整未训练的lightgbm模型的子评估器的数量和特征贡献度的值的方式构建出目标lightgbm模型。
[0096]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将多个第一样本特征数据中满足预设的错误特征规则的第一样本特征数据进行剔除，得到剔除后的多个第一样本特征数据；计算机程序被处理器执行实现上述的计算多个第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性的步骤时，具体实现以下步骤：计算剔除后的多个
第一样本特征数据中任意两个第一样本特征数据的皮尔逊相关性，将皮尔逊相关性超过指定阈值的任意两个第一样本特征数据中删除任一个第一样本特征数据，以得到筛选后的第一样本特征数据。
[0097]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0098]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0099]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。