融合2D池化的三维医学图像分割方法、系统、设备及介质与流程

融合2d池化的三维医学图像分割方法、系统、设备及介质
技术领域
1.本发明涉及计算机视觉技术领域，尤其涉及一种融合2d池化的三维医学图像分割方法、系统、设备及介质。


背景技术：

2.医学图像分割是医学图像处理与分析领域的复杂而关键的步骤，其目的是将医学图像中具有某些特殊含义的部分分割出来，并提取相关特征，以作为临床诊疗和病理学研究的可靠依据，从而辅助医生做出更为准确的诊断。随着深度学习在计算机视觉领域的快速发展，医学图像分割正从手动分割或半自动分割向全自动分割发展。
3.目前，近年来，深度卷积神经网络的研究取得一定突破，它通过分层学习来获得高层次的特征，基于自动学习医学图像中的特征，以进行分割。
4.然而，这些分割模型只能逐步处理多张二维断层图像，忽视了医学图像中的三维结构信息，导致分割效果有限，耗费的时间较长。


技术实现要素：

5.本发明提供一种融合2d池化的三维医学图像分割方法、系统、设备及介质，用以解决现有技术中由于忽视医学图像中的三维结构信息造成分割效果较差且分割效率较低的缺陷，实现同时对多个三维医学图像的准确分割，保证计算机辅助诊断的效果，提高用户体验度。
6.第一方面，本发明提供一种融合2d池化的三维医学图像分割方法，包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将所述待分割切片图像输入至图像分割模型中，得到所述图像分割模型输出的分割预测图像；其中，所述图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；所述图像分割模型用于基于对所述待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用所述层间信息特征以及经下采样的目标图像特征对所述待分割切片图像进行分割。
7.在一个实施例中，所述图像分割模型包括卷积层、二维池化层和反卷积层，其中：卷积层，基于对所述待分割切片图像进行卷积，得到所述卷积过程中的中间量卷积特征图；二维池化层，基于所述中间量卷积特征图中的目标图像特征进行下采样，得到所述下采样过程中的中间量池化特征图；反卷积层，基于所述中间量池化特征图以及所述中间量卷积特征图进行上采样，得到所述反卷积层输出的分割预测图像。
8.在一个实施例中，所述基于所述中间量卷积特征图进行下采样，得到所述下采样过程中的中间量池化特征图，包括：获取经两次卷积后得到的第一中间量卷积特征图中的目标图像特征，并对其进行下采样，得到第一中间量池化特征图；基于对所述第i中间量池化特征图进行卷积后得到的第i 1中间量卷积特征中的目标图像特征，并对其进行下采样，得到第i 1中间量池化特征图；其中，i＝1,2,
…
m,m为大于0的整数。
9.在一个实施例中，所述基于所述中间量池化特征图以及所述中间量卷积特征图进
行上采样，得到分割预测图像，包括：获取所述第i 1中间量池化特征图及所述第i 1中间量卷积特征图，并对其进行上采样，得到第一上采样特征图；基于对所述第i 1-k中间量池化特征图以及所述第i 1-k中间量卷积特征图以及所述第i 1上采样特征图进行上采样，得到第i 1上采样特征图；其中，k＝1,
…
,i；当k＝i时，对所述第i 1上采样特征图进行两次反卷积，得到分割预测图像。
10.在一个实施例中，所述将所述待分割切片图像输入至图像分割模型中，得到所述图像分割模型输出的分割预测图像，包括：将所述待分割切片图像输入至所述卷积层中，得到所述卷积层输出的卷积过程中的中间量卷积特征图；将所述中间量卷积特征图中的目标图像特征输入至所述二维池化层内，得到所述二维池化层输出的下采样过程中的中间量池化特征图；将所述中间量池化特征图以及所述中间量卷积特征图输入至所述反卷积层中，得到分割预测图像。
11.在一个实施例中，训练所述图像分割模型，包括：基于病例中获取的病例切片图像构建训练集；将所述病例切片图像输入至所述图像分割模型中，得到所述图像分割模型输出的分割训练图像；
12.基于所述分割训练图像和预先获取的标签图像计算损失函数，以判断是否结束训练。
13.在一个实施例中，所述对获取的三维医学图像进行预处理，包括：以预设划分数值为单位对获取的三维医学图像进行划分，得到x份划分图像；其中，x为大于0的整数；对各份所述划分图像内包含的三维医学图像进行数据扩增，得到x份待分割切片图像；其中，每份待分割切片图像包括n个待分割切片，n为大于0的整数。
14.在一个实施例中，所述对各份所述划分图像集内包含的三维医学图像进行数据扩增，包括：对各份所述划分图像集内包含的三维医学图像进行镜像变换、弹性变形、旋转、缩放中的至少一项操作。
15.第二方面，本发明提供一种融合2d池化的三维医学图像分割系统，包括：
16.预处理模块，对获取的三维医学图像进行预处理，得到待分割切片图像；图像分割模块，基于输入的待分割切片图像，得到所述图像分割模块输出的分割预测图像；其中，所述图像分割模块是基于病例中获取的病例切片训练图像和所述病例切片训练图像对应的真实样本训练得到的；所述图像分割模块用于基于对所述待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用所述层间信息特征以及经下采样的目标图像特征对所述待分割切片图像进行分割。
17.第三方面，本发明提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现融合2d池化的三维医学图像分割方法的步骤。
18.第四方面，本发明提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行融合2d池化的三维医学图像分割方法的步骤。
19.本发明提供的融合2d池化的三维医学图像分割方法、系统、设备及介质，通过仅对待分割切片图像的目标图像特征进行下采样，不对待分割切片图像之间的层间信息特征进行下采样，以保留待分割切片图像内的邻近待分割切片之间的层间信息特征，从而便于利用邻近待分割切片之间的层间信息特征进行准确分割，避免三维医学图像之间的层厚造成
分割误差，提高分割的准确性；通过对获取的三维医学图像进行预处理，以在一定程度上防止过拟合。
附图说明
20.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
21.图1是本发明提供的融合2d池化的三维医学图像分割方法的流程示意图之一；
22.图2是本发明提供的图像分割模型的网络结构示意图；
23.图3是本发明提供的图像分割模型的训练流程示意图；
24.图4是本发明提供的融合2d池化的三维医学图像分割系统的结构示意图；
25.图5是本发明提供的电子设备的结构示意图.
具体实施方式
26.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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.图1示出了本发明一种融合2d池化的三维医学图像分割方法的流程示意图，该方法包括：
28.s01，对获取的三维医学图像进行预处理，得到待分割切片图像；
29.s02，将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像；
30.其中，图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；
31.图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
32.需要说明的是，本发明提供的基于线程处理的数据时序恢复方法的执行主体可以是计算机设备，例如手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等。
33.本说明书中的s0n不代表融合2d池化的三维医学图像分割方法的先后顺序，下面具体描述本发明的融合2d池化的三维医学图像分割方法。
34.步骤s01，对获取的三维医学图像进行预处理，得到待分割切片图像。
35.在本实施例中，对获取的三维医学图像进行预处理，包括：以预设划分数值为单位对获取的三维医学图像进行划分，得到x份划分图像；其中，x为大于0的整数；对各份划分图像内包含的三维医学图像进行数据扩增，得到x份待分割切片图像；其中，每份待分割切片图像包括n个待分割切片图像，n为大于0的整数。
36.需要说明的是，由于显卡容量的限制，若预设划分数值过大，则会使显卡开销过大；若预设划分数值过小，则不易准确提取出三维医学图像中的目标特征，因此，需要根据实际显卡的容量确定预设划分数值，比如，当显卡内存为11g时，可以将预设划分数值设置为20，即将病例中的三维医学图像以20为单位平均划分层x份，使每份中包含20个待分割切片，即20个三维医学图像，其中x为大于0的整数。应当注意，若最后一份不足20，则以最后一张待分割切片后补。另外，上述20个待分割切片指病例中的待分割3d断层序列数据。
37.为了在一定程度上防止数据过拟合，需要对各份划分图像集内包含的三维医学图像进行数据扩增，主要包括：对各份划分图像集内包含的三维医学图像进行镜像变换、弹性变形、旋转、缩放中的至少一项操作。
38.其中，镜像变换是指，以每份3d断层序列数据为单位，沿切片的水平方向、垂直方向随机镜像变换数据，沿每个方向镜像的概率均为0.5，每份3d断层序列数据中每张切片的镜像变换均一致。
39.弹性形变是指，以每组3d断层序列数据为单位，用一个像素宽度
×
像素高度
×
预设划分数值、以0为均值、30～50之间的随机数为标准差的三维高斯核与代表数据x、y、z方向的移动距离的-1～1之间的随机数做卷积，将结果作用于原数据来产生三维弹性形变。
40.旋转是指，以组为单位对3d断层序列数据沿水平、垂直、切片层三个方向各进行小角度的随机旋转，旋转角度设置为0
°
到10
°
之间。
41.缩放是指，以组为单位对3d断层序列数据随机缩放，并设置缩放的范围在0.75到1.25之间。
42.步骤s02，将n个待分割切片图像输入至图像分割模型中，得到图像分割模型输出的n个分割预测图像；其中，图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
43.针对每份图像待分割切片图像集，分割模型包括卷积层、二维池化层和反卷积层，其中：卷积层，基于对待分割切片图像进行卷积，得到卷积过程中的中间量卷积特征图；二维池化层，基于中间量卷积特征图中的目标图像特征进行下采样，得到下采样过程中的中间量池化特征图；反卷积层，基于中间量池化特征图以及中间量卷积特征图进行上采样，得到反卷积层输出的分割预测图像。
44.需要说明的是，中间量卷积特征图包括基于待分割切片图像提取的目标图像特征以及基于邻近待分割切片图像之间的层间信息提取的层间信息特征。应当注意，二维池化层仅对中间量卷积特征图中的目标图像特征进行下采样，不对待分割切片图像之间的层间信息特征进行下采样，以有效保证邻近待分割切片图像之间的层间信息的完备性，使使网络能够充分利用邻近切片间的层间信息进行分割。另外，由于待分割切片图像包含n张待分割切片，因此在利用卷积层、上采样层、下采样层对待分割切片图像进行卷积、下采样、上采样时，需要分别针对分割切片图像内的单张待分割切片进行上述卷积、下采样、上采样。
45.卷积层采用3
×3×
3的卷积核，通道数依次为12、24、48、96等，零填充为1，步长为1的卷积，以输出中间量卷积特征图；二维池化层在卷积过程中，对卷积提取的中间量卷积特征图进行池化，采用2
×2×
1的池化层，基于最大池化，以提取一定范围内最突出的特征，同
时以致不突出的特征或噪声，从而快速扩大视野，减少计算量；反卷积层基于中间量卷积特征图以及中间量卷积特征图进行上采样，采用2
×2×
1的反卷积层。
46.具体而言，基于中间量卷积特征图进行下采样，得到下采样过程中的中间量池化特征图，包括：获取经两次卷积后得到的第一中间量卷积特征图中的目标图像特征，并对其进行下采样，得到第一中间量池化特征图；基于对第i中间量池化特征图进行卷积后得到的第i 1中间量卷积特征中的目标图像特征，并对其进行下采样，得到第i 1中间量池化特征图；其中，i＝1,2,
…
m,m为大于0的整数；当k＝i时，对第i 1上采样特征图进行两次反卷积，得到分割预测图像。
47.另外，基于中间量池化特征图以及中间量卷积特征图进行上采样，得到分割预测图像，包括：获取压缩特征图以及第m-1中间量特征图，并对其进行上采样，得到第一上采样特征图；获取第m-1-i中间量特征图，并基于第m-1-i中间量特征图以及第j上采样特征图进行上采样，得到第j上采样特征图；其中，j＝2,
…
,m；获取目标图像特征以及层间信息特征，并结合第m上采样特征图进行上采样，得到分割预测图。
48.参考图2，在一个可选的实施例中，3d断层序列数据，如192
×
192
×
40，通道为1的3d立方体，其中40表示为切片数量，i＝1,2。首先，输入一份192
×
192
×
40，通道为1的3d断层序列数据，经过两次卷积之后，输出192
×
192
×
40且通道数为24的第一中间量卷积特征图，第一中间量卷积特征图包含目标图像特征以及层间信息特征；随后，对第一中间量卷积特征图中的目标图像特征进行下采样，输出96
×
96
×
40通道数24的第一中间量池化特征图；随后，对第一中间量池化特征图进行卷积，得到第二中间量卷积特征图；随后，对第二中间量卷积特征图中的目标图像特征进行下采样，得到第二中间量池化特征图；随后对第二中间量池化特征图进行卷积，得到第三中间量卷积特征图；随后，对第三中间量卷积特征图中的目标图像特征进行下采样，得到第三中间量池化特征图。
49.其次，基于第三中间量池化特征图和第三中间量卷积特征图进行上采样，得到第一上采样特征图；基于第一上采样特征图以及第二中间量池化特征图和第二中间量卷积特征图进行上采样，得到第二上采样特征图；基于第二上采样特征图以及第三中间量池化特征图和第三中间量卷积特征图进行上采样，得到第三上采样特征图，对第三上采样特征图进行两次反卷积，得到分割预测图像。
50.在一个可选的实施例中，将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像，包括：将待分割切片图像输入至卷积层中，得到卷积层输出的卷积过程中的中间量卷积特征图；将中间量卷积特征图中的目标图像特征输入至二维池化层内，得到二维池化层输出的下采样过程中的中间量池化特征图；将中间量池化特征图以及中间量卷积特征图输入至反卷积层中，得到分割预测图像。需要说明的是，由于待分割切片图像包含n个待分割切片，因此对应输出的分割预测图像包括n个子图像，且每一子图像与一待分割切片对应，表示为对应该待分割切片的分割预测结果。
51.参考图3，在一个可选的实施例中，训练图像分割模型，包括：基于病例中获取的病例切片图像构建训练集；将病例切片图像输入至图像分割模型中，得到图像分割模型输出的分割训练图像；基于分割训练图像和预先获取的标签图像计算损失函数，以判断是否结束训练。
52.首先，基于病例中获取的病例切片图像构建训练集，基于病例切片对应的病理诊
断结果构建验证集。本实施例中，需要先从病例中获取三维病例图像；再对根据显卡的容量确定划分数量，并根据划分数量将三维病例图像划分为包含多份，且每份中包含上述划分数量的三维病例图像；随后对划分后的每份中包含的三维病例图像进行数据扩增，比如镜像变换、弹性变形、旋转和缩放等数据扩增处理方式，得到包含多份病例切片图像，以构建训练集，且每份病例切片图像包含多个病例切片。
53.其次，将病例切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像。此过程可参照上述将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割训练图像的过程，此处不做进一步描述。需要说明的是，由于病例切片图像包含n个病例切片，因此对应输出的分割训练图像包括n个训练子图像，且每一训练子图像与一病例切片对应，表示为对应该病例切片的分割训练结果。
54.最后，基于分割训练图像和预先获取的标签图像计算损失函数，以判断是否结束训练。
55.其中，采用的损失函数l表示为：
56.l＝1-dsc
[0057][0058]
其中，dsc表示为集合相似度度量函数，dsc∈[0,1]；s表示为一份病例切片图像中的第s张病例切片；r
ss
表示为第s张病例切片的分割训练结果；rgs表示为第s张病例切片对应的标签图像。
[0059]
需要说明的是，当损失函数收敛时，结束训练。
[0060]
综上所述，本发明通过仅对待分割切片图像的目标图像特征进行下采样，以保留待分割切片图像内的邻近待分割切片之间的层间信息特征，从而便于利用邻近待分割切片之间的层间信息特征进行准确分割，避免三维医学图像之间的层厚造成分割误差，提高分割的准确性；通过对获取的三维医学图像进行预处理，以在一定程度上防止过拟合。
[0061]
下面对本发明提供的融合2d池化的三维医学图像分割系统进行描述，下文描述的融合2d池化的三维医学图像分割系统与上文描述的融合2d池化的三维医学图像分割方法可相互对应参照。
[0062]
图4示出了一种融合2d池化的三维医学图像分割系统的结构示意图，该系统，包括：
[0063]
预处理模块1，对获取的三维医学图像进行预处理，得到待分割切片图像；
[0064]
图像分割模块2基于输入的待分割切片图像，得到图像分割模块输出的分割预测图像；
[0065]
其中，图像分割模块2基于病例中获取的病例切片图像和标签图像训练得到的；
[0066]
图像分割模块2用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
[0067]
本实施例中，预处理模块1包括：划分单元，以预设划分数值为单位对获取的三维医学图像进行划分，得到x份划分图像；其中，x为大于0的整数；数据扩增单元，对各份划分
图像内包含的三维医学图像进行数据扩增，得到x份待分割切片图像；其中，每份待分割切片图像包括n个待分割切片，n为大于0的整数。通过将三维医学图像按预设划分数值进行划分、数据扩增，以防止数据过拟合。
[0068]
需要说明的是，数据扩增，包括：对各份划分图像集内包含的三维医学图像进行镜像变换、弹性变形、旋转、缩放中的至少一项操作。
[0069]
另外，为了保留待分割切片图像内的邻近待分割切片之间的层间信息特征，以便于利用邻近待分割切片之间的层间信息和经下采样的目标特征图像对待分割切片图像进行准确分割，图像分割模块2包括卷积层单元、二维池化层单元和反卷积层单元，其中：卷积层单元，基于对待分割切片图像进行卷积，得到卷积过程中的中间量卷积特征图；二维池化层单元，基于中间量卷积特征图中的目标图像特征进行下采样，得到下采样过程中的中间量池化特征图；反卷积层单元，基于中间量池化特征图以及中间量卷积特征图进行上采样，得到分割预测图像。
[0070]
具体而言，二维池化层单元，包括：第一池化单元，获取经两次卷积后得到的第一中间量卷积特征图中的目标图像特征，并对其进行下采样，得到第一中间量池化特征图；第i池化单元，基于对第i中间量池化特征图进行卷积后得到的第i 1中间量卷积特征中的目标图像特征，并对其进行下采样，得到第i 1中间量池化特征图；其中，i＝1,2,
…
m,m为大于0的整数。
[0071]
反卷积层单元，包括：第一反卷积单元，获取第i 1中间量池化特征图及第i 1中间量卷积特征图，并对其进行上采样，得到第一上采样特征图；第i 1反卷积单元，基于对第i 1-k中间量池化特征图以及第i 1-k中间量卷积特征图以及第i 1上采样特征图进行上采样，得到第i 1上采样特征图；其中，k＝1,
…
,i；当k＝i时，对第i 1上采样特征图进行两次反卷积，得到分割预测图像。
[0072]
将待分割切片图像输入至图像分割模块中，得到图像分割模块输出的分割预测图像，包括：将待分割切片图像输入至卷积层单元中，得到卷积层单元输出的卷积过程中的中间量卷积特征图；将中间量卷积特征图中的目标图像特征输入至二维池化层单元内，得到二维池化层单元输出的下采样过程中的中间量池化特征图；将中间量池化特征图以及中间量卷积特征图输入至反卷积层单元中，得到反卷积层单元输出的分割预测图像。
[0073]
图5例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)51、通信接口(communication interface)52、存储器(memory)53和通信总线54，其中，处理器51，通信接口52，存储器53通过通信总线54完成相互间的通信。处理器51可以调用存储器53中的计算机程序，以执行融合2d池化的三维医学图像分割方法的步骤，例如包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像；其中，图像分割模型是基于病例中获取的病例切片图像和病标签图像训练得到的；图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
[0074]
此外，上述的存储器53中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软
件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0075]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的融合2d池化的三维医学图像分割方法的步骤，例如包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像；其中，图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
[0076]
另一方面，本技术实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述各实施例提供的融合2d池化的三维医学图像分割方法的步骤，例如包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像；其中，图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。
[0077]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0078]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0079]
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0080]
最后应说明的是：以上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。