医疗辅助信息生成方法、装置、计算机设备及存储介质与流程

1.本发明涉及图像分类领域，尤其涉及一种基于图像解析的医疗辅助信息生成方法、装置、计算机设备及存储介质。


背景技术：

2.目前，医疗领域中医疗图像的阅片一般依赖医生的个人经验进行判断，或者由机器扫描判断出固定部位阴影(病灶)，并未提供具体的医生建议或评估。现有技术中虽然医疗图像可以匹配一些常规的病变描述信息，但是，匹配的病变描述信息并无法精准描述医疗图像的病情特征。这会对医疗人员产生一定的误导。


技术实现要素：

3.基于此，有必要针对上述技术问题，提供一种基于图像解析的医疗辅助信息生成方法、装置、计算机设备及存储介质，以提高对医疗图像的识别能力，为医疗人员提供更准确的参考意见。
4.一种基于图像解析的医疗辅助信息生成方法，包括：
5.获取待解析的医疗影像；
6.通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息；
7.通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息；
8.获取与所述病情参考信息对应的参考图像；
9.比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
10.将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
11.一种基于图像解析的医疗辅助信息生成装置，包括：
12.获取模块，用于获取待解析的医疗影像；
13.图像解析模块，用于通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息；
14.语义解析模块，用于通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息；
15.获取参考图像模块，用于获取与所述病情参考信息对应的参考图像；
16.图像比对模块，用于比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
17.生成参考信息模块，用于将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
18.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述基于图像解析的医疗辅助信息生成方法。
19.一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述基于图像解析的医疗辅助信息生成方法。
20.上述基于图像解析的医疗辅助信息生成方法、装置、计算机设备及存储介质，通过获取待解析的医疗影像，以通过医疗影像识别出相应的病理分析信息。通过图像解析模型处理所述医疗影像，生成包含若干个病理分区的病理分析信息，在此处，以病理分区的方式对医疗影像进行解析，可以获取精细的局部病理信息。通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息，在此处，采用语义识别的方式对病理分析信息解读，可以获得准确性更高的病情参考信息。获取与所述病情参考信息对应的参考图像，在此处，参考图像可以反映某一疾病类型的典型特点。比对所述医疗影像和所述参考图像之间的差异，生成比对结果，在此处，比对结果可以反映两种图像的近似程度。将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息，在此处，生成的辅助参考信息更加丰富，准确性更高。本发明采用了两个神经网络模型分阶段对医疗影像进行解析，同时使用参考图像对医疗影像进行验证，确保了病理分析信息和病情参考信息的准确性。本发明提高了对医疗图像的识别能力，可以为医疗人员提供更准确的参考意见。
附图说明
21.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
22.图1是本发明一实施例中基于图像解析的医疗辅助信息生成方法的一应用环境示意图；
23.图2是本发明一实施例中基于图像解析的医疗辅助信息生成方法的一流程示意图；
24.图3是本发明一实施例中基于图像解析的医疗辅助信息生成装置的一结构示意图；
25.图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
26.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。
27.本实施例提供的基于图像解析的医疗辅助信息生成方法，可应用在如图1的应用
环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
28.在一实施例中，如图2所示，提供一种基于图像解析的医疗辅助信息生成方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤s10-s60。
29.s10、获取待解析的医疗影像。
30.可理解地，医疗影像可以是医疗图片，如ct(computed tomography，即电子计算机断层扫描)图像、x光片等，也可以是医疗视频，如肠胃镜视频等。在此处待解析的医疗影像可以是经过预处理的图像文件。如待解析的医疗图片可以处理成预设规格大小的图片；待解析的医疗视频可以处理为包括多个视频帧的图像序列。
31.s20、通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息。
32.可理解地，图像解析模型可以是基于大量的历史医疗图像训练而成的神经网络模型。图像解析模型对医疗影像进行解析时，先将医疗影像划分为若干个病理分区，然后再对各个病理分区进行识别，查找异常点(病灶)，生成相应的分区解析信息。在一示例中，分区解析信息可表示为：胸部ct图片(医疗影像)的左胸c1区域(病理分区)有异常黑点(解析结果)。在分区解析信息中，可以包含对病变部位的详细描述，如可以是“异常黑点”的位置(绝对位置和相对位置)、大小(面积)、形状等。
33.s30、通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息。
34.可理解地，可以收集大量医生针对历史医疗图像提出的分析建议，将这些分析建议与历史医疗图像的病理分析信息配对存储，形成配对数据，对这些配对数据进行训练，可以生成相应的病理分析模型。在此处，病理分析模型可以是基于语义分析的神经网络模型。
35.病理分析信息经病理分析模型进行语义解析后，可以生成相应的病情参考信息。病情参考信息可以包括用药信息、用药注意事项信息、病情发展趋势预判信息等医生提供的医疗建议信息。
36.s40、获取与所述病情参考信息对应的参考图像。
37.可理解地，可以从病情参考信息中提取出具体的疾病类型，然后获取该类型疾病的参照图像。在此处，参照图像可以是属于某一疾病类型的典型范例或样本。一则病情参考信息可以对应一个或多个疾病类型。每一个疾病类型可以获取至少一个参照图像。因而，参考图像包括至少一个参照图像。
38.s50、比对所述医疗影像和所述参考图像之间的差异，生成比对结果。
39.可理解地，可以直接比较医疗影像和参考图像，计算它们之间的差异度，生成相应的比对结果。若参考图像包括多个参照图像，则将医疗影像分别与各个参照图像进行比对，生成包含多个图像差异度的比对结果。比对结果可以反映当前医疗影像与参照图像之间的差异，便于医生分析病理分析信息和/或病情参考信息是否合理。
40.s60、将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
41.可理解地，可以将病理分析信息、病情参考信息和比对结果填充至预设的参考信
息模板中，形成医疗影像的辅助参考信息。可以设置不同的参考信息模板，如医生版和患者版，然后生成不同版本的辅助参考信息。具体的参考信息模板可以根据实际需要进行设置，在此不再赘述。在一些示例中，辅助参考信息也可以采用图表的形式表示。辅助参考信息是基于模型识别(包括两种模型)，以及历史数据比对的结果，可以帮助医生或患者快速理解医疗影像所包含的信息，减少对医疗影像的误读。
42.步骤s10-s60中，获取待解析的医疗影像，以通过医疗影像识别出相应的病理分析信息。通过图像解析模型处理所述医疗影像，生成包含若干个病理分区的病理分析信息，在此处，以病理分区的方式对医疗影像进行解析，可以获取精细的局部病理信息。通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息，在此处，采用语义识别的方式对病理分析信息解读，可以获得准确性更高的病情参考信息。获取与所述病情参考信息对应的参考图像，在此处，参考图像可以反映某一疾病类型的典型特点。比对所述医疗影像和所述参考图像之间的差异，生成比对结果，在此处，比对结果可以反映两种图像的近似程度。将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息，在此处，生成的辅助参考信息更加丰富，准确性更高。本实施例采用了两个神经网络模型分阶段对医疗影像进行解析，同时使用参考图像对医疗影像进行验证，确保了病理分析信息和病情参考信息的准确性。本实施例提高了对医疗图像的识别能力，可以为医疗人员提供更准确的参考意见。
43.可选的，步骤s20，即所述通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息，包括：
44.s201、将所述医疗影像按预设规格划分出若干病理分区；
45.s202、从所述病理分区进行特征识别，提取分区特征；
46.s203、将若干所述分区特征输入所述图像解析模型，获取所述图像解析模型输出的分区解析信息，所述分区解析信息包括病变位置、病变程度和关联病变信息；
47.s204、将若干所述分区解析信息填入预设分析模板，生成所述病理分析信息。
48.可理解地，预设规格可以根据实际需要进行设置。医疗影像按预设规格可以划分出若干病理分区，不同病理分区可以部分重叠，也可以相互分离。可以从病理分区提取若干分区特征。一个病理分区可以提取出若干分区特征。在一些情况下，一个分区特征可以用一个多维度的特征向量表示。
49.图像解析模型可以是基于大量的历史医疗图像训练而成的神经网络模型。通过图像解析模型处理病理分区的分区特征，可以生成与病理分区对应的分区解析信息。分区解析信息包括病理分区内病灶的特征数据，如病变位置、病变程度和关联病变信息等。
50.将若干分区解析信息填入预设分析模板，生成病理分析信息。可以设置不同的预设分析模板，然后生成不同版本的病理分析信息。具体的预设分析模板可以根据实际需要进行设置，在此不再赘述。病理分析信息可以是所有病理分区的分区解析信息的总和。在一些示例中，病理分析信息还包括了不同病理分区之间的关联病变信息。
51.可选的，步骤s204，即所述将若干所述分区解析信息填入预设分析模板，生成所述病理分析信息，包括：
52.s2041、判断所述分区解析信息中包含的信息量是否大于预设信息量阈值；
53.s2042、若大于，将与所述分区解析信息对应的所述病理分区划分为多个子病理分区；
54.s2043、从所述子病理分区提取子分区特征；
55.s2044、通过所述图像解析模型的子模型处理所述子病理分区的所述子分区特征，生成与所述子病理分区对应的子分区解析信息；
56.s2045、根据所述分区解析信息和所述子分区解析信息生成所述病理分析信息。
57.可理解地，分区解析信息中包含的信息量可以指病灶的数量或规模(面积)。预设信息量阈值可以根据实际需要进行设置。例如，某一病理分区中的病灶个数或面积大于相应的信息量阈值，则需要对该病理分区进行分片，形成多个子病理分区。若某一病理分区中的病灶个数或面积小于或等于于相应的信息量阈值，则不需要对该病理分区进行分片处理。
58.图像解析模型的子模型指的专门用于识别特定部位的模型。例如，可以构建左胸c1区的模型，用于识别左胸c1区中多个子病理分区的细化特征。病理分析信息包括所有的分区解析信息和子分区解析信息。
59.可选的，步骤s30，即所述通过病理分析模型处理所述病理分析信息，生成病情参考信息，包括：
60.s301、通过预设提取机制从所述病理分析信息提取病情关键词组，所述病情关键词组包括若干病情关键词和若干病情关键词组合；
61.s302、获取与所述病情关键词组匹配的病情建议集合，所述病情建议集合包括多条病情建议；每一所述病情建议与所述病情关键词组中的至少一个所述病情关键词或所述病情关键词组合匹配；
62.s303、通过预设筛选机制对所述病情建议集合中的多条病情建议进行筛选，生成所述病情参考信息。
63.可理解地，预设提取机制可以根据实际需要进行设置。病情关键词组包括若干病情关键词和若干病情关键词组合。病情关键词可以是单一的关键词，如胸部感染。病情关键词组合包括至少两个关键词，如组合1：胸部感染，面积xx。
64.在确定病情关键词组之后，可以通过病情关键词组内的病情关键词和病情关键词组合匹配相应的病情建议，形成病情建议集合。一个病情关键词可以匹配至少一条病情建议。
65.预设筛选机制可以根据实际需要进行设置。例如，对于病情关键词1，可以计算病情关键词1匹配的多个病情建议与其他病情关键词的关联度，选取关联度最高的病情建议。在此处，病理分析模型包括上述预设提取机制和预设筛选机制。
66.可选的，步骤s40，即所述获取与所述病情参考信息对应的参考图像，包括：
67.s401、从所述病情参考信息中提取至少一条关键信息；
68.s402、获取与所述关键信息对应的参照图像，所述参考图像包括至少一个所述参照图像。
69.可理解地，关键信息指的是可以反映特定病情的信息。在一示例中，一关键信息可以是某一肺部感染的类型。与关键信息对应的参照图像，可以是相同疾病类型的典型病例的感染图像，也可以是软件拟合出的图像。
70.从病情参考信息中可以提取出一条或多条关键信息。每一关键信息可以匹配至少一幅参照图像。参考图像指的是所有关键信息匹配出的所有参照图像。
71.可选的，步骤s50，即所述比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
72.s501、获取与所述关键信息关联的多个特征指标；
73.s502、计算所述医疗影像和所述参照图像在所述特征指标上的特征差异度；
74.s503、根据多个所述特征差异度确定所述医疗影像和所述参照图像之间的指定维度比对结果，所述比对结果包括至少一个所述指定维度比对结果。
75.可理解地，不同关键信息所关联的特征指标一般存在差异。例如，肺部感染所关联的特征指标与胃肠感染所关联的特征指标是不同的。
76.在确定多个特征指标之后，可以计算医疗影像和参照图像在特征指标上的特征差异度。特征差异度的具体计算方法可以根据实际需要进行设置，如可以是绝对值，也可以是百分比；可以以医疗影像为基准，也可以以参照图像为基准等。
77.指定维度比对结果指的是基于当前关键信息的维度所确定的比对结果。指定维度比对结果可以是多个特征差异度的加权和。一个关键信息对应一个指定维度比对结果。若存在多个关键信息，则比对结果包括多个指定维度比对结果。
78.可选的，步骤s60，即所述将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息，包括：
79.s601、若所述比对结果表明所述医疗影像和所述参照图像在所述特征指标上的特征差异度大于或等于预设差异度阈值，为与所述关键信息对应的所述病理分析信息和/或所述病情参考信息添加存疑标识；
80.s602、若所述比对结果表明所述医疗影像和所述参照图像在所述特征指标上的特征差异度小于预设差异度阈值，为与所述关键信息对应的所述病理分析信息和/或所述病情参考信息添加可信标识；所述辅助参考信息包括所述存疑标识和/或所述可信标识。
81.可理解地，预设差异度阈值可以根据实际情况进行设置，如可以是80％、90％等。当医疗影像和参照图像在特征指标上的特征差异度大于或等于预设差异度阈值，表明当前的病理分析信息和/或病情参考信息与医疗影像的真实结果可能存在不同，因而可以添加存疑标识，可以方便医生对该结果进行比对。
82.当医疗影像和参照图像在特征指标上的特征差异度小于预设差异度阈值，表明当前的病理分析信息和/或病情参考信息与医疗影像的真实结果匹配度较高，不容易出错，因而可以添加可信标识，减少医生的比对时间。
83.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
84.在一实施例中，提供一种基于图像解析的医疗辅助信息生成装置，该基于图像解析的医疗辅助信息生成装置与上述实施例中基于图像解析的医疗辅助信息生成方法一一对应。如图3所示，该基于图像解析的医疗辅助信息生成装置包括获取模块10、图像解析模块20、语义解析模块30、获取参考图像模块40、图像比对模块50和生成参考信息模块60。各功能模块详细说明如下：
85.获取模块10，用于获取待解析的医疗影像；
86.图像解析模块20，用于通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息；
87.语义解析模块30，用于通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息；
88.获取参考图像模块40，用于获取与所述病情参考信息对应的参考图像；
89.图像比对模块50，用于比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
90.生成参考信息模块60，用于将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
91.可选的，图像解析模块20包括：
92.划分区域单元，用于将所述医疗影像按预设规格划分出若干病理分区；
93.提取分区特征单元，用于从所述病理分区进行特征识别，提取分区特征；
94.生成分区解析信息单元，用于将若干所述分区特征输入所述图像解析模型，获取所述图像解析模型输出的分区解析信息，所述分区解析信息包括病变位置、病变程度和关联病变信息；
95.生成病理分析信息单元，用于将若干所述分区解析信息填入预设分析模板，生成所述病理分析信息。
96.可选的，生成病理分析信息单元包括：
97.信息量判断单元，用于判断所述分区解析信息中包含的信息量是否大于预设信息量阈值；
98.区域划分单元，用于若大于，将与所述分区解析信息对应的所述病理分区划分为多个子病理分区；
99.子分区特征提取单元，用于从所述子病理分区提取子分区特征；
100.子分区解析单元，用于通过所述图像解析模型的子模型处理所述子病理分区的所述子分区特征，生成与所述子病理分区对应的子分区解析信息；
101.生成分析信息单元，用于根据所述分区解析信息和所述子分区解析信息生成所述病理分析信息。
102.可选的，语义解析模块30包括：
103.提取单元，用于通过预设提取机制从所述病理分析信息提取病情关键词组，所述病情关键词组包括若干病情关键词和若干病情关键词组合；
104.获取建议集合单元，用于获取与所述病情关键词组匹配的病情建议集合，所述病情建议集合包括多条病情建议；每一所述病情建议与所述病情关键词组中的至少一个所述病情关键词或所述病情关键词组合匹配；
105.筛选单元，用于通过预设筛选机制对所述病情建议集合中的多条病情建议进行筛选，生成所述病情参考信息。
106.可选的，获取参考图像模块40包括：
107.提取关键信息单元，用于从所述病情参考信息中提取至少一条关键信息；
108.匹配图像单元，用于获取与所述关键信息对应的参照图像，所述参考图像包括至少一个所述参照图像。
109.可选的，图像比对模块50包括；
110.获取特征指标单元，用于获取与所述关键信息关联的多个特征指标；
111.差异度计算单元，用于计算所述医疗影像和所述参照图像在所述特征指标上的特征差异度；
112.确定比对结果单元，用于根据多个所述特征差异度确定所述医疗影像和所述参照图像之间的指定维度比对结果，所述比对结果包括至少一个所述指定维度比对结果。
113.可选的，生成参考信息模块60包括：
114.添加存疑标识单元，用于若所述比对结果表明所述医疗影像和所述参照图像在所述特征指标上的特征差异度大于或等于预设差异度阈值，为与所述关键信息对应的所述病理分析信息和/或所述病情参考信息添加存疑标识；
115.添加可信标识单元，用于若所述比对结果表明所述医疗影像和所述参照图像在所述特征指标上的特征差异度小于预设差异度阈值，为与所述关键信息对应的所述病理分析信息和/或所述病情参考信息添加可信标识；所述辅助参考信息包括所述存疑标识和/或所述可信标识。
116.关于基于图像解析的医疗辅助信息生成装置的具体限定可以参见上文中对于基于图像解析的医疗辅助信息生成方法的限定，在此不再赘述。上述基于图像解析的医疗辅助信息生成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。
117.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4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可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储基于图像解析的医疗辅助信息生成方法所涉及的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种基于图像解析的医疗辅助信息生成方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
118.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可读指令，处理器执行计算机可读指令时实现以下步骤：
119.获取待解析的医疗影像；
120.通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息；
121.通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息；
122.获取与所述病情参考信息对应的参考图像；
123.比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
124.将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
125.在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
126.获取待解析的医疗影像；
127.通过图像解析模型处理所述医疗影像，生成病理分析信息，所述病理分析信息包含若干个分区解析信息，所述医疗影像划分出若干病理分区，一个所述病理分区对应一个所述分区解析信息；
128.通过病理分析模型对所述病理分析信息进行语义解析，生成病情参考信息；
129.获取与所述病情参考信息对应的参考图像；
130.比对所述医疗影像和所述参考图像之间的差异，生成比对结果；
131.将所述病理分析信息、所述病情参考信息和所述比对结果导入参考信息模板，生成所述医疗影像的辅助参考信息。
132.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，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，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。
133.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
134.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。