动静脉点确定方法、装置、电子装置和存储介质

1.本公开涉及图像处理领域，尤其涉及一种动静脉点确定方法、装置、电子装置和存储介质。


背景技术：

2.临床上主要通过研究脑灌注成像对脑缺血灶及侧支循环进行评估，在研究过程中，需要选取一组健康的动静脉点作为参照进行后续的精确计算。现有动静脉选取的主要方式是医生人工判断或采取自动搜索算法，这两种方法非常依赖医生的经验判断，很难得出该区域的最优结果，对于选择的关键点无法提供有力依据证明其合理性。


技术实现要素：

3.有鉴于此，本公开提出了一种动静脉点确定方法、装置、电子装置和存储介质。
4.根据本公开的一方面，提供了一种动静脉点确定方法，包括：对脑灌注影像序列进行丘脑区域分割，确定脑灌注影像序列中的丘脑区域；根据各动静脉候选点在所述脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线；根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点。
5.在一种可能的实现方式中，所述根据各动静脉候选点在脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线，包括：
6.对于每一个动静脉候选点，在所述脑灌注影像中，确定包含该动静脉候选点的、预定像素数量的像素点集合，作为该动静脉候选点对应的像素点集合；
7.根据所述像素点集合中的各像素值，计算所述动静脉候选点对应的信号值；
8.根据该动静脉候选点在脑灌注影像序列的各影像中对应的信号值，确定该动静脉候选点对应的信号-时间曲线。
9.在一种可能的实现方式中，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点，包括：
10.根据预设条件，从各信号-时间曲线中筛选出动脉点对应的信号时间曲线，或静脉点对应的信号-时间曲线；
11.以筛选出的信号-时间曲线对应的动静脉候选点作为动脉点或静脉点；
12.其中，所述预设条件包括信号-时间曲线的曲线达峰时间与所述采样像素点的信号-时间曲线的平均达峰时间的关系。
14.在一种可能的实现方式中，对于动脉点，所述预设条件与曲线峰值、曲线达峰时间、曲线均值、和曲线半宽高中的一项或多项相关，其中：曲线达峰时间不晚于所述采样像素点的信号-时间曲线的平均达峰时间；
15.对于静脉点，所述预设条件与曲线峰值、曲线初始值、曲线均值、曲线半宽高中的一项或多项相关，其中，曲线达峰时间不早于所述采样像素点的信号-时间曲线的平均达峰
时间。
16.在一种可能的实现方式中，所述方法还包括：
17.确定丘脑区域内采样像素点的信号-时间曲线；
18.确定各采样像素点的信号-时间曲线的平均达峰时间。
19.在一种可能的实现方式中，所述对脑灌注影像序列进行丘脑区域分割，包括：通过丘脑区域分割模型，对脑灌注影像序列进行丘脑区域分割；
20.其中，所述丘脑区域模型以unet网络结构为基础，包括编码器和解码器，所述编码器中的各编码模块分别包含残差通道注意力模块、relu激活函数以及最大池化下采样模块，所述解码器中的各解码模块分别包含上采样模块、残差通道注意力模块以及relu激活函数，
21.其中，所述残差通道注意力模块内部使用残差连接的方式对数据进行残差分析，同时使用通道注意力的方法，对通道维度进行加权计算。
22.在一种可能的实现方式中，每个编码模块中的relu激活函数的输出数据与相应的解码模块中的上采样模块的输出数据拼接，作为该解码模块的残差通道注意力模块的输入。
23.根据本公开的另一方面，提供了一种动静脉点确定装置，包括:
24.分割模块，用于对脑灌注影像序列进行丘脑区域分割，确定脑灌注影像序列中的丘脑区域；
25.曲线确定模块，用于根据各动静脉候选点在所述脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线；
26.动静脉点确定模块，用于根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点。
27.根据本公开的另一方面，提供了一种电子装置，其特征在于，包括：
28.处理器；
29.用于存储处理器可执行指令的存储器；
30.其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
31.根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现上述方法。
32.通过确定脑灌注影像序列中的丘脑区域，以及基于脑灌注影像中对应的像素值确定各动静脉候选点对应的信号-时间曲线，在确定时间信号曲线时不仅考虑动静脉候选点本身，还考虑包含动静脉候选点的像素点集合，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从动静脉候选点中确定动脉点或静脉点，从而高效准确地选择出健康的动静脉点并获得合理的aif及vof曲线，提高分析精度，提升结果的合理性与可解释性。
33.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
34.包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的
示例性实施例、特征和方面，并且用于解释本公开的原理。
35.图1示出了根据本技术一实施例的动静脉点确定方法的流程图。
36.图2示出了根据本技术一实施例的丘脑区域分割模型的示意图。
37.图3示出了根据本技术实施例的残差通道注意力模块的示意图。
38.图4示出本技术实施例的一种动静脉点确定装置的结构图。
39.图5是根据一示例性实施例示出的一种用于动静脉点确定的装置1900的框图。
具体实施方式
40.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
41.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
42.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
43.由于临床上对于脑缺血灶及侧支循环的评估作用，脑灌注成像的研究获得了广泛的关注和应用。脑灌注成像包括ct灌注成像(ct perfusion，ctp)、磁共振灌注加权成像(perfusion weighted imaging，pwi)等，在研究过程当中，往往需要选取一组健康的动静脉点(一个动脉点、一个静脉点)作为参照进行后续的精确计算，选取的血管点所对应的动脉输入函数(arterial input function，aif)及静脉输出函数(venous output function，vof)曲线对于最终结果的合理性与准确性有重要的直接意义。
44.现有的动静脉点选取方式主要是依靠医生人工判断、选取健康的动静脉点，少部分算法和软件也会依靠先验知识或模型输出等方法确定候选区域，并在候选区域中进行搜索，通过像素点应对的造影剂浓度-时间曲线的相关特征构造代价函数选择最终的动静脉点。由于动静脉感兴趣区域本身较大，且影像标注工具无法直接观察到所选血管点的造影剂浓度-时间曲线，因此实际操作中需要反复对比选择aif、vof曲线良好的动静脉点，非常浪费人工成本；此外在繁琐的操作对比流程下，医生往往只选择特征明显的几处血管点进行对比观察，因此得到的最终结果往往并不是该区域的最优结果。而现有的自动搜索算法大多依靠先验区域或者模型输出的方式确定候选区域，随后根据候选区域内各像素点所对应的造影剂浓度-时间曲线的一维特征，构建代价函数对曲线进行评估。该方法虽然可以实现自动选取，但面对大量真实数据时会出现手动设计的代价函数不够完善的问题。现有的自动选取方法大多考虑单一像素点本身，没考虑到动静脉点及其对应曲线之间的相互关系，对于选择的关键点无法提供有力依据证明其合理性。
45.本技术实施例提出了一种动静脉点确定方法、装置、电子设备和存储介质，通过确定脑灌注影像序列中的丘脑区域，以及基于脑灌注影像的像素值确定各动静脉候选点对应的信号-时间曲线，在确定时间信号曲线时不仅考虑动静脉候选点本身，还考虑包含动静脉候选点的像素点集合，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从动静脉候选点中确定动脉点或静脉点，从而高效准确地选择出健康的动静脉
点并获得合理的aif及vof曲线，提高分析精度，提升结果的合理性与可解释性。
46.图1示出了根据本技术一实施例的动静脉点确定方法的流程图，如图1所示，所述方法包括:
47.s100，对脑灌注影像序列进行丘脑区域分割，确定脑灌注影像序列中的丘脑区域。
48.s200，根据各动静脉候选点在脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线；
49.s300，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点。
50.其中，脑灌注影像序列表示通过脑灌注成像技术获得的影像序列，脑灌注成像技术利用药物注人体内，通过显像仪器获得反映脑功能与代谢的图像。脑灌注影像序列可包括对应于不同的成像时间的多个影像构成的序列，脑灌注影像序列中的每个像素可对应于一个造影剂浓度-时间曲线。例如，可基于脑灌注成像技术对选定感兴趣层面进行连续动态扫描，获得所选层面的每一像素的造影剂浓度-时间曲线，通过数学模型处理得到的血流动力学参数和灌注图像表现。
51.脑灌注影像序列例如可包括基于ctp技术的ctp序列和基于pwi技术的pwi序列。ctp是在静脉快速灌注对比剂时,对感兴趣区层面进行连续ct扫描,从而获得感兴趣区的造影剂浓度-时间曲线，并利用不同的数学模型，计算出各种灌注参数值；pwi是一种核磁共振的成像，通过静脉注射顺磁性的对比剂，能够通过计算灌注参数反映组织的血流灌注功能，是反映组织血液动力学变化的功能成像。
52.步骤s100中，可通过丘脑区域分割模型，对脑灌注影像序列进行丘脑区域分割，确定脑灌注影像序列中的丘脑区域。
53.图2示出了根据本技术一实施例的丘脑区域分割模型的示意图，如图2所示，所述丘脑区域模型以unet网络结构为基础，包括编码器和解码器，所述编码器中的各编码模块分别包含残差通道注意力模块、relu激活函数以及最大池化下采样模块，所述解码器中的各解码模块分别包含上采样模块、残差通道注意力模块以及relu激活函数，其中，所述残差通道注意力模块内部使用残差连接的方式对数据进行残差分析，同时使用通道注意力的方法，对通道维度进行加权计算。
54.通过以上方式，能够提升丘脑区域的选取精度，提高了模型可解释性。
55.参见图2，在一个示例中，编码器中的各编码模块分别包含两个残差通道注意力模块(res_se)、relu激活函数(relu)，以及一次最大池化下采样(maxpooling)，其中特征图通道数会在下采样后翻倍。解码器中的各解码模块包含依次上采样(反卷积，upsamle)、两个残差通道注意力模块(res_se)以及relu激活函数(relu)，特征图通道数在每次上采样后减少一倍。下采样前的特征图会与解码器部分进行拼接，在编码器到解码器的过渡阶段，进行两次残差通道注意力模块和一次relu激活函数。最后通过1
×
1卷积对解码器的输出进行降维，并利用softmax函数输出各像素点对于每个类别的概率，概率最高的类别即为对应的分割结果。
56.在一种可能的实现方式中，每个编码模块中的relu激活函数的输出数据与相应的解码模块中的上采样模块的输出数据拼接，作为该解码模块的残差通道注意力模块的输入。例如图2所示，编码器res_se*2 relu的输出与解码器upsample的输出拼接，作为解码器
res_se*2 relu的输入。
57.图3示出了根据本技术实施例的残差通道注意力模块的示意图。通过残差连接的方式(residul)大大缓解梯度消失的问题，同时使用通道注意力的方法，对通道维度进行加权计算(参见图3中，由全局池化(global pooling)、全连接(fc)、激活函数(sigmoid)构成的通道)，提升网络特征提取能力与训练速度。
58.在一种可能的实现方式中，步骤s200中，根据各动静脉候选点在脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线，包括：
59.对于每一个动静脉候选点，在所述脑灌注影像中，确定包含该动静脉候选点的、预定像素数量的像素点集合，作为该动静脉候选点对应的像素点集合；
60.根据所述像素点集合中的各像素值，计算所述动静脉候选点对应的信号值；
61.根据该动静脉候选点在脑灌注影像序列的各影像中对应的信号值，确定该动静脉候选点对应的信号-时间曲线。
62.动静脉候选点可以包括动脉候选点，和静脉候选点，可由人为指定，也可通过例如以下方式获得。首先，可确定在动静脉点候选中心，动静脉候选中心可由人为指定，也可以从影像数据中提取，在每个动静脉点候选中心周围20个像素(可根据实际情况进行调整)的距离内间隔三个像素点(可根据实际情况进行调整)进行采样，得到动静脉候选点集合。
63.针对每个动静脉候选点，在脑灌注影像序列的各影像中，可取其八邻域的像素作为上述像素点集合，像素点集合的选取方式可根据实际情况进行调整。可将八邻域的像素的均值代替动静脉候选点本身像素值，绘制动静脉候选点该的信号-时间曲线。
64.通过这种方式，充分考虑了动脉候选点周边的情况，提高了准确性。
65.在一种可能的实现方式中，步骤s300中，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点，包括：
66.根据预设条件，从各信号-时间曲线中筛选出动脉点对应的信号时间曲线，或静脉点对应的信号-时间曲线；以筛选出的信号-时间曲线对应的动静脉候选点作为动脉点或静脉点。其中，所述预设条件包括信号-时间曲线的曲线达峰时间与所述采样像素点的信号-时间曲线的平均达峰时间的关系。
67.在一种可能的实现方式中，对于动脉点，所述预设条件与曲线峰值、曲线达峰时间、曲线均值、和曲线半宽高中的一项或多项相关，其中：曲线达峰时间不晚于所述采样像素点的信号-时间曲线的平均达峰时间；对于静脉点，所述预设条件与曲线峰值、曲线初始值、曲线均值、曲线半宽高中的一项或多项相关，其中，曲线达峰时间不早于所述采样像素点的信号-时间曲线的平均达峰时间。
68.举例来说，对于静脉候选点，可根据实际血管点线型的先验信息，通过限制曲线峰值、初始值、均值、半宽高等参数，筛选出一组合理的信号-时间曲线，即，使得筛选出的信号-曲线的曲线峰值、曲线初始值、曲线均值、曲线半宽高中的一项或多项在预设范围内，该预设范围可根据上述先验信息合理设置，同时要求曲线达峰时间不得早于采样像素点的平均达峰时间，在符合上述条件的多个曲线中，最终可选取峰值最高的曲线作为vof曲线并输出对应静脉点(动静脉候选点)为最终的静脉点。
69.对于动脉候选点，可根据实际血管点线型的先验信息，将vof的峰值、达峰时间作为限制条件，同时结合自身均值、半宽高，筛选出一组合理的信号-时间曲线，即，使得筛选
出的信号-时间曲线的曲线峰值、曲线达峰时间、曲线均值、和曲线半宽高中的一项或多项在预设范围内，该预设范围可根据上述先验信息合理设置，同时要求曲线达峰时间不得晚于采样像素点的平均达峰时间，在符合上述条件的多个曲线中，最终可选取峰值最高的曲线作为aif曲线并输出对应动脉点(动静脉候选点)为最终的动脉点
70.在一种可能的实现方式中，上述采样像素点的平均达峰时间可通过如下方式得到，即上述所述方法还包括：
71.确定丘脑区域内采样像素点的信号-时间曲线；
72.确定各采样像素点的信号-时间曲线的平均达峰时间。
73.在一个示例中，可在丘脑区域内间隔三个像素点(可根据实际情况调整)进行采样，得到采样像素点，并取其八邻域的像素均值代替其本身像素(若模态为pwi，需要取前三期作为基础值，通过对数变换对像素值进行处理，使像素值与造影剂浓度成正比)，绘制各点造影剂浓度-时间曲线(信号-时间曲线)，根据所有采样像素点的曲线获得平均达峰时间，作为曲线动静脉期的划分点。
74.以下给出本技术实施例一应用示例。
75.首先，可对丘脑分割模型进行训练。获取一定量的脑灌注影像的第一期数据(可以是第一次扫描得到的数据，此时造影剂尚未到达脑血管)，并对丘脑区域进行标注，例如丘脑区域为1，其余区域为0，得到样本数据集。其中，可利用ctp序列训练，得到用于ctp序列的丘脑分割模型，或利用pwi序列进行训练，得到用于pwi序列的丘脑分割模型。训练的具体步骤可包括：
76.(1)随机批量抽取样本数据集中的若干个样本数据，并取z轴方向的2d切片作为原始数据
77.(2)对样本数据进行数据预处理及数据归一化
78.(3)对预处理和归一化后的样本数据进行数据增强，如随机旋转、随机缩放、弹性形变等
79.(4)将数据增强后的样本数据输入网络模型得到丘脑的分割掩模(mask)
80.(5)使用dice损失及交叉熵损失的加权和作为损失函数计算损失并进行计算梯度、反向传播，更新网络模型参数
81.(6)重复(1)-(5)，直至模型参数收敛，得到丘脑分割模型。
82.然后，利用丘脑分割模型进行预测，具体步骤可包括：
83.(1)输入脑灌注影像序列的第一期数据(可以是第一期数据中去除上述样本数据后的部分)。
84.(2)依次对脑灌注影像序列的第一期数据的2d切片进行数据预处理及数据归一化。
85.(3)将预处理和归一化后的脑灌注影像序列输入丘脑分割模型，设置置信度为0.5，根据置信度得到最终的丘脑分割结果，即脑灌注影像序列中每帧影像中的丘脑区域。
86.(1)输出丘脑分割掩模(前景为1，背景为0)
87.在分割得到的丘脑区域中选取采样像素点，按照上述方式得到采样像素点的平均达峰时间。
88.根据人为指定的动静脉点候选中心，按上述方式确定动脉候选点，确定各个动静
脉候选点对应的信号-时间曲线，根据上述预设的筛选条件，筛选出信号-时间曲线，并确定对应的动脉点或静脉点。
89.图4示出本技术实施例的一种动静脉点确定装置的结构图，所述包括:
90.分割模块401，用于对脑灌注影像序列进行丘脑区域分割，确定脑灌注影像序列中的丘脑区域；
91.曲线确定模块402，用于根据各动静脉候选点在所述脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线；
92.动静脉点确定模块403，根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点。
93.在一种可能的实现方式中，所述根据各动静脉候选点在所述脑灌注影像中对应的像素点集合的像素值，确定各动静脉候选点对应的信号-时间曲线，包括：
94.对于每一个动静脉候选点，在所述脑灌注影像中，确定包含该动静脉候选点的、预定像素数量的像素点集合，作为该动静脉候选点对应的像素点集合；
95.根据所述像素点集合中的各像素值，计算所述动静脉候选点对应的信号值；
96.根据该动静脉候选点在脑灌注影像序列的各影像中对应的信号值，确定该动静脉候选点对应的信号-时间曲线。
97.在一种可能的实现方式中，所述根据所述信号-时间曲线，结合丘脑区域中采样像素点的信号-时间曲线特征，从所述动静脉候选点中确定动脉点或静脉点，包括：
98.根据预设条件，从各信号-时间曲线中筛选出动脉点对应的信号时间曲线，或静脉点对应的信号-时间曲线；
99.以筛选出的信号-时间曲线对应的动静脉候选点作为动脉点或静脉点。
100.其中，所述预设条件包括信号-时间曲线的曲线达峰时间与所述采样像素点的信号-时间曲线的平均达峰时间的关系。
101.在一种可能的实现方式中，对于动脉点，所述预设条件与曲线峰值、曲线达峰时间、曲线均值、和曲线半宽高中的一项或多项相关，其中：曲线达峰时间不晚于所述采样像素点的信号-时间曲线的平均达峰时间；
102.对于静脉点，所述预设条件与曲线峰值、曲线初始值、曲线均值、曲线半宽高中的一项或多项相关，其中，曲线达峰时间不早于所述采样像素点的信号-时间曲线的平均达峰时间。
103.在一种可能的实现方式中，所述装置还包括：
104.采样点曲线确定模块，用于确定丘脑区域内采样像素点的信号-时间曲线；
105.平均达峰时间确定模块，用于确定各采样像素点的信号-时间曲线的平均达峰时间。
106.在一种可能的实现方式中，所述对脑灌注影像序列进行丘脑区域分割，包括：通过丘脑区域分割模型，对脑灌注影像序列进行丘脑区域分割；
107.其中，所述丘脑区域模型以unet网络结构为基础，包括编码器和解码器，所述编码器中的各编码模块分别包含残差通道注意力模块、relu激活函数以及最大池化下采样模块，所述解码器中的各解码模块分别包含上采样模块、残差通道注意力模块以及relu激活函数，
108.其中，所述残差通道注意力模块内部使用残差连接的方式对数据进行残差分析，同时使用通道注意力的方法，对通道维度进行加权计算。
109.在一种可能的实现方式中，每个编码模块中的relu激活函数的输出数据与相应的解码模块中的上采样模块的输出数据拼接，作为该解码模块的残差通道注意力模块的输入。
110.本技术实施例还提出一种电子装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
111.本技术实施例还提出一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
112.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
113.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
114.图5是根据一示例性实施例示出的一种用于动静脉点确定的装置1900的框图。例如，装置1900可以被提供为一服务器或终端设备。参照图，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
115.装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出接口1958(i/o接口)。装置1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
116.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
117.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
118.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输
的电信号。
119.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
120.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
121.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
122.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
123.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
124.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或
流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
125.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。