基于AI的健康管理方法、装置、设备及可读存储介质与流程

基于ai的健康管理方法、装置、设备及可读存储介质
技术领域
1.本发明涉及健康管理技术领域，尤其涉及基于ai的健康管理方法、装置、设备及可读存储介质。


背景技术：

2.随着科技的发展，各种人工智能产品已深入人们生活的方方面面，提高了人们生成的便利性，尤其是人们最为关注的体征方向的设备或产品，通过对身体体征(如心率、血压、血氧等)各参数的监测，进行健康管理，由此初步得知身体的体征数据。但是，目前的健康管理中，依据标准参数值判断体征的数据结果是否正常，为用户提供体征状况参考，由于标准参数值固定，因此，对不同用户基于同一标准参数值进行判断时，会产生较大的误差，造成体征数据预测的准确性低的问题。


技术实现要素：

3.本发明的主要目的在于提供一种基于ai的健康管理方法、装置、设备及可读存储介质，旨在解决体征数据预测的准确性低的问题。
4.为实现上述目的，本发明提供一种基于ai的健康管理方法，所述基于ai的健康管理方法包括步骤：
5.在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；
6.基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；
7.获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；
8.若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理。
9.可选地，所述在满足预设条件时，获取用户的至少一个体征信息步骤之前，所述方法包括：
10.获取用户信息；
11.基于所述用户信息、原始体征数据、标准体征数据，建立管理数据库，所述管理数据库中包括所述至少一个体征信息。
12.可选地，所述基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据步骤，包括：
13.获取所述至少一个体征信息对应的标准数值；
14.判断所述体征数据是否处于所述标准数值范围内；
15.若否，则所述体征数据异常，标记所述体征数据对应的所述体征信息，得到标记信息，所述标记信息中包括标记特征和标记数据。
16.可选地，所述判断所述体征数据是否处于所述标准数值范围内步骤之后，所述方法包括：
17.若是，则所述体征数据正常，剔除所述体征数据，执行所述在满足预设条件时，获取用户的至少一个体征信息的步骤。
18.可选地，所述获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值步骤，包括：
19.获取所述用户的体征信息；
20.基于预设映射关系，获取所述预设映射关系中所述体征信息对应的所述数据预测模型；
21.将所述标记数据输入至所述数据预测模型中，得到所述预测数值。
22.可选地，所述数据预测模型中包括所述至少一个体征信息对应的信息权重，所述将所述标记数据输入至所述数据预测模型中，得到所述预测数值步骤，包括：
23.获取所述数据预测模型中所述标记数据对应的信息权重；
24.基于所述信息权重和所述标记数据，建立数据矩阵；
25.将所述数据矩阵输入至所述数据预测模型中，得到所述预测数值。
26.可选地，所述预设条件包括时间条件、区域条件、状态条件、环境条件，
27.所述在满足预设条件时，获取用户的至少一个体征信息步骤，包括：
28.若所述预设条件为时间条件时，获取所述时间条件对应的监测时间；
29.当系统时间处于所述监测时间内，则获取用户的所述至少一个体征信息。
30.此外，为实现上述目的，本发明还提供一种基于ai的健康管理装置，所述装置包括：
31.第一获取模块，在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；
32.标记模块，基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；
33.预测模块，获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；
34.预警模块，若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理。
35.此外，为实现上述目的，本发明还提供一种基于ai的健康管理设备，所述基于ai的健康管理设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于ai的健康管理程序，所述基于ai的健康管理程序被所述处理器执行时实现如上所述的基于ai的健康管理方法的步骤。
36.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于ai的健康管理程序，所述基于ai的健康管理程序被处理器执行时实现如上所述的基于ai的健康管理方法的步骤。
37.本发明实施例提出了一种基于ai的健康管理方法、装置、设备与可读存储介质，在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理；通过上述方式，基于
不同用户的标准数值判断获取的体征数据是否异常，基于异常的数据预测体征的数值，提高了体征数据预测的准确性，同时在预测数值大于警示阈值时，输出预警信息，以提醒用户查看相关体征信息，提前做出健康防患的管理工作。
附图说明
38.图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图；
39.图2为本发明基于ai的健康管理方法一实施例的流程示意图；
40.图3为本发明基于ai的健康管理装置较佳实施例的功能模块示意图。
41.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
42.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
43.本发明实施例的主要解决方案是：
44.由于目前的健康管理中，依据标准参数值判断体征的数据结果是否正常，为用户提供体征状况参考，由于标准参数值固定，因此，对不同用户基于同一标准参数值进行判断时，会产生较大的误差，造成体征数据预测的准确性低的问题。
45.本发明提供一种解决方案，基于不同用户的标准数值判断获取的体征数据是否异常，基于异常的数据预测体征的数值，提高了体征数据预测的准确性，同时在预测数值大于警示阈值时，输出预警信息，以提醒用户查看相关体征信息，提前做出健康防患的管理工作。
46.如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
47.本发明实施例终端可以是pc，也可以是智能手机、平板电脑、电子书阅读器、mp3(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)播放器、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面3)播放器、便携计算机等具有显示功能的可移动式终端设备。
48.如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
49.可选地，终端还可以包括摄像头、rf(radio frequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配
置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
50.本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
51.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于ai的健康管理程序。
52.在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于ai的健康管理程序，并执行以下操作：
53.在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；
54.基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；
55.获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；
56.若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理。
57.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
58.获取用户信息；
59.基于所述用户信息、原始体征数据、标准体征数据，建立管理数据库，所述管理数据库中包括所述至少一个体征信。
60.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
61.获取所述至少一个体征信息对应的标准数值；
62.判断所述体征数据是否处于所述标准数值范围内；
63.若否，则所述体征数据异常，标记所述体征数据对应的所述体征信息，得到标记信息，所述标记信息中包括标记特征和标记数据。
64.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
65.若是，则所述体征数据正常，剔除所述体征数据，执行所述在满足预设条件时，获取用户的至少一个体征信息的步骤。
66.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
67.获取所述用户的体征信息；
68.基于预设映射关系，获取所述预设映射关系中所述体征信息对应的所述数据预测模型；
69.将所述标记数据输入至所述数据预测模型中，得到所述预测数值。
70.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
71.获取所述数据预测模型中所述标记数据对应的信息权重；
72.基于所述信息权重和所述标记数据，建立数据矩阵；
73.将所述数据矩阵输入至所述数据预测模型中，得到所述预测数值。
74.进一步地，处理器1001可以调用存储器1005中存储的基于ai的健康管理程序，还执行以下操作：
75.若所述预设条件为时间条件时，获取所述时间条件对应的监测时间；
76.当系统时间处于所述监测时间内，则获取用户的所述至少一个体征信息。
77.参照图2，本发明基于ai的健康管理方法、装置、设备及可读存储介质第一实施例提供一种基于ai的健康管理方法，所述基于ai的健康管理方法包括：
78.步骤s10，在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；
79.在本实施例中，用户的至少一个体征信息是指体征体征相关的多个体征信息，体征信息包括体征特征和体征数据，其中，体征特征是指该体征信息对应的体征类别，体征数据是指该体征信息中体征特征对应的数据，如体征信息为心率80次/分钟，则体征特征是心率，体征数据是80次/分钟，因此在满足预设条件时，获取用户的至少一个体征信息，至少一个体征信息用来评估用户的体征状况。
80.需要说明的是，预设条件包括时间条件、区域条件、状态条件、环境条件，若预设条件为时间条件时，则获取时间条件对应的监测时间，当系统时间处于监测时间内，则获取用户的至少一个体征信息。具体地，若设定监测时间为上午8点和下午18点，则当系统时间处于上午8点和下午18点时，便可对用户的身体体征就监测一次，获取用户的至少一个体征信息。可以理解监测时间也可以设定为时间间隔，如设定监测时间为每60秒监测一次，那么，系统每隔60秒便会获取一次用户的体征信息。
81.需要说明的是，预设条件为区域条件可以是，设定在特定区域开始获取用户的体征信息，如特征区域为住宅内，则根据定位传感器获取定位信息，当定位信息处于住宅的位置时，便开始监测用户的体征信息；预设条件为状态条件时，状态条件可以是跑步、慢走等状态，预设条件为环境条件时，环境条件可以是噪杂的环境、安静的环境、舒缓的环境等。需要说明的是，不同的预设条件的具体实施方式基本相同，在此不再赘述。
82.进一步地，在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据之前，包括以下步骤s11-s12：
83.步骤s11，获取用户信息；
84.步骤s12，基于所述用户信息、原始体征数据、标准体征数据，建立管理数据库，所述管理数据库中包括所述至少一个体征信息。
85.在本实施例中，在获取用户的体征信息之前，为了对用户指定个性化的健康管理，则需获取使用者的用户信息，基于用户信息、用户往期监测的原始体征数据以及正常情况下的标准体征数据，根据上述数据，建立管理数据库，其中，管理数据库中包括至少一个体征信息，也即，获取到的体征信息和管理数据库中的体征信息可以一致也可以不一致，这里的体征信息是指体征信息的体征特征，体征特征对应的体征数据根据实际监测的数据为准。
86.需要说明的是，标准体征数据是指基于用户自身的体征状态而设定的数据，如普通用户的正常心率为60-100次/分钟，运动员的心率较普通成人偏慢，一般为50次/分钟，因此，基于不同的用户信息设定不同的标准体征数据，以提高体征数据检测的准确性。
87.步骤s20，基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；
88.在本实施例中，标准数值是指用户的标准体征数据，基于标准数值验证所获取的体征信息对应的体征数据，对于不符合标准数值的体征数据进行标记，也即对异常的体征数据进行标记，得到标记数据。
89.进一步地，基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据，包括以下步骤s21-s23：
90.步骤s21，获取所述至少一个体征信息对应的标准数值；
91.步骤s22，判断所述体征数据是否处于所述标准数值范围内；
92.步骤s23，若否，则所述体征数据异常，标记所述体征数据对应的所述体征信息，得到标记信息，所述标记信息中包括标记特征和标记数据。
93.在本实施例中，需要说明的是，管理数据库中保存有至少一个体征信息对应的标准数值，也即标准体征数据。由于获取到的体征信息和管理数据库中的体征信息可以一致也可以不一致，因此，至少一个体征信息对应的标准数值分为两种情况获取，情况一，当管理数据库中包括的体征特征和待检测的体征信息中特征特征一致时，同一体征特征对应的标准数值和体征信息具有映射关系，也即，根据体征信息中的体征特征，均能够在管理数据库中找到该体征特征对应的标准数值，此时将体征信息对应的体征特征输入管理数据库中，便可得到唯一的标注数值。情况二，当管理数据库中包括的体征特征和待检测的体征信息中特征特征不一致时，也即，待检测的体征信息中的体征特征未在管理数据库中记载时，此时，标准数值可以基于在线大数据中相似用户的正常数值设定。除此之外，还可将未记载于管理数据库中的体征信息对应的体征数据标记为异常，得到标记数据，以基于新的新的体征信息对体征数据进行预测，提高预测的准确性。
94.在获取到体征信息对应的标准数值后，判断体征信息对应的体征数据是否处于标准数值范围内，当体征数据不处于标准数值范围内时，则表示该体征数据异常，也即该体征信息异常，标记该体征信息，由于体征信息中包括体征特征和体征数据，因此，标记的体征信息包括被标记的体征特征，得到标记特征，标记的体征信息包括被标记的体征数据，得到标记数据。
95.进一步地，判断所述体征数据是否处于所述标准数值范围内之后，包括以下步骤s24：
96.步骤s24，若是，则所述体征数据正常，剔除所述体征数据，执行所述在满足预设条件时，获取用户的至少一个体征信息的步骤。
97.在本实施例中，当体征数据处于标准数值范围内时，则表示该体征数据正常，也即该体征信息正常，则剔除该体征数据，需要说明的是，剔除体征数据可以是当前系统不记录该体征数据，也可以是将该体征数据保存至管理数据库中，作为对后续体征预测的基础和参考。也即，当体征数据正常时，该系统用于检测用户的体征信息的模块剔除该体征数据，再执行所述在满足预设条件时，获取用户的至少一个体征信息的步骤，继续对用户的体征信息进行检测。
98.步骤s30，获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；
99.在本实施例中，数据预测模型是一种神经网络，神经网络是一种类似于人脑神经细胞突触结构的信息处理数学模型，本发明基于dnn(deep neural network，深度神经网络)展开，充分的利用神经网络的优势，在搭建的网络中含有多个隐藏层，每个隐藏层通过不同神经网络区分，通过网络计算标记数据，对标记数据进行数学计算、变换，预测体征管理的数值，得到预测数值。需要说明的是，由于不同用户的身体体征不同，因此，每个用户均其对应的数据预测模型，基于用户的数据预测模型和标记数据，得到预测数值。
100.进一步地，获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值，包括以下步骤s31-s33：
101.步骤s31，获取所述用户的体征信息；
102.步骤s32，基于预设映射关系，获取所述预设映射关系中所述体征信息对应的所述数据预测模型；
103.步骤s33，将所述标记数据输入至所述数据预测模型中，得到所述预测数值。
104.在本实施例中，获取用户的体征信息，预设映射关系中包括体征信息和数据预测模型，因此，通过预设映射关系，得到体征信息对应的数据预测模型，也即该用户的数据预测模型，将标记数据输入至数据预测模型中，得到预测数值。
105.进一步地，将所述标记数据输入至所述数据预测模型中，得到所述预测数值，包括以下步骤s331-s333：
106.步骤s331，获取所述数据预测模型中所述标记数据对应的信息权重；
107.步骤s332，基于所述信息权重和所述标记数据，建立数据矩阵；
108.步骤s333，将所述数据矩阵输入至所述数据预测模型中，得到所述预测数值。
109.在本实施例中，数据预测模型中包括所述至少一个体征信息对应的信息权重，也即不同的体征信息具有不同的权重，其中，权重是指该体征信息对预测数值的结果产生的影响程度，需要说明的是，该权重可根据用户的管理数据库中用户体征信息设定，如对于高血压用户，主要检测血压体征，则相应的血压体征信息对应的权重相对其他体征信息的权重而言占比较大，因此，通过数据预测模型获取标记数据对应的体征信息，以及体征信息对应的权重，也即信息权重。基于标记数据和标记数据对应的信息权重建立数据矩阵，将数据矩阵输入至数据预测模型中，通过数据预测模型计算，得到预测数值。
110.需要说明的是，由于不同的体征信息对应的计量单位不同，也即体征数据的单位不同，因此，在对标记数据和对应的信息权重计算之前，对不同的标记数据进行归一化处理，数据归一化处理是指将数据按比例缩放，去除数据的单位限制，将其转化为无量纲的纯数值，使之落入一个小的特定区间，便于不同单位或量级的指标能够进行比较和加权。
111.步骤s40，若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理。
112.在本实施例中，将得到的预测数值和警示阈值进行比对，当预测数值大于警示阈值时，输出预警信息，提醒用户关注自身的身体体征，可对异常数据对应的体征信息重点关注，通过调整饮食、运动、生活方式、用药等调整相关体征，以实现健康管理。
113.本发明健康管理方法，包括以下步骤：在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；获取所述用户的数据预测模型，基于所述数
据预测模型和所述标记数据，得到预测数值；若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理；通过上述方式，基于不同用户的标准数值判断获取的体征数据是否异常，基于异常的数据预测体征的数值，提高了体征数据预测的准确性，同时在预测数值大于警示阈值时，输出预警信息，以提醒用户查看相关体征信息，提前做出健康防患的管理工作。
114.参照图3，本发明基于ai的健康管理方法第一实施例提供一种基于ai的健康管理装置，基于上述图3所示的实施例，所述基于ai的健康管理装置包括：
115.第一获取模块10，在满足预设条件时，获取用户的至少一个体征信息，其中，所述体征信息包括体征特征和体征数据；
116.标记模块20，基于标准数值验证所述体征数据，标记出现异常的所述体征数据，得到标记数据；
117.预测模块30，获取所述用户的数据预测模型，基于所述数据预测模型和所述标记数据，得到预测数值；
118.预警模块40，若所述预测数值大于警示阈值时，输出预警信息，以供用户进行健康管理。
119.可选的，所述基于ai的健康管理装置还包括
120.第二获取模块，获取用户信息；
121.建立模块，基于所述用户信息、原始体征数据、标准体征数据，建立管理数据库，所述管理数据库中包括所述至少一个体征信息。
122.可选的，所述标记模块20包括：
123.第一获取子模块，获取所述至少一个体征信息对应的标准数值；
124.判断子模块，判断所述体征数据是否处于所述标准数值范围内；
125.标记子模块，若否，则所述体征数据异常，标记所述体征数据对应的所述体征信息，得到标记信息，所述标记信息中包括标记特征和标记数据。
126.可选的，所述标记模块20还包括：
127.执行子模块，若是，则所述体征数据正常，剔除所述体征数据，执行所述在满足预设条件时，获取用户的至少一个体征信息的步骤。
128.可选的，所述预测模块30包括：
129.第二获取子模块，获取所述用户的体征信息；
130.第三获取子模块，基于预设映射关系，获取所述预设映射关系中所述体征信息对应的所述数据预测模型；
131.预测子模块，将所述标记数据输入至所述数据预测模型中，得到所述预测数值。
132.可选的，所述预测子模块包括：
133.获取子单元，获取所述数据预测模型中所述标记数据对应的信息权重；
134.建立子单元，基于所述信息权重和所述标记数据，建立数据矩阵；
135.预测子单元，将所述数据矩阵输入至所述数据预测模型中，得到所述预测数值。
136.可选的，所述第一获取模块10包括：
137.第四获取子模块，若所述预设条件为时间条件时，获取所述时间条件对应的监测时间；
138.第五获取子模块，当系统时间处于所述监测时间内，则获取用户的所述至少一个体征信息。
139.此外，本发明还提供基于ai的健康管理设备。如图1所示，图1是本发明实施例方案涉及的硬件运行环境的结构示意图。
140.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于ai的健康管理程序，所述基于ai的健康管理程序被处理器执行时实现如上所述的基于ai的健康管理方法的步骤。
141.本发明计算机可读存储介质具体实施方式与上述基于ai的健康管理方法各实施例基本相同，在此不再赘述。
142.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
143.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
144.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
145.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。