一种降低结肠镜下病变识别系统识别假阳性的方法及装置

1.本发明涉及医疗检测技术领域，尤其涉及一种降低结肠镜下病变识别系统识别假阳性的方法及装置。


背景技术：

2.结肠镜检查是筛查结直肠癌的金标准，可通过检测和切除腺瘤性息肉来降低结直肠癌的发病率和死亡率。已有的结肠镜cade(computer-aided detection，计算机辅助结肠镜下病变识别)系统在检查的过程中可以帮助内镜医生提高病变的检出率，降低病变的漏诊。但在这一过程中，可能频繁出现的假阳性检出是一个重要问题。假阳性指计算机检测算法在视频帧上识别出的息肉并非真正的息肉，会延长检查时间、造成非必要的息肉切除和相关并发症，并可能分散内镜医师的注意力、导致真阳性病变的漏诊。研究报道cade在每次肠镜检查中可有多达25～27次假阳性检出，来源包括黏膜皱壁、回盲瓣、黏膜擦伤、憩室等肠壁因素，以及粪块、黏液、气泡、光斑、积水、出血等肠内容物因素，如何降低使用cade肠镜检查过程中的假阳性率是一个亟待解决的问题。
3.假阳性产生的重要原因是由于计算机辅助系统采用数据驱动的神经网络方式，而在训练过程中没有考虑到肠镜检查环境中的粪块、黏液、气泡、光斑、积水、出血等容易干扰检测算法的混淆因素。该问题可通过补充假阳性样本对检测神经网络进行训练，改善其在面对此类混杂样本的性能，但无法从根本上解决自动检测神经网络在面对新种类的异常时产生错误判断。


技术实现要素：

4.本发明提供了一种降低结肠镜下病变识别系统识别假阳性的方法、装置和电子设备，用以减少对操作内镜医生的干扰，并提高检测精度。
5.本说明书实施例提供一种降低结肠镜下病变识别系统识别假阳性的方法，包括：
6.获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像；
7.根据计算机辅助结肠镜下病变识别系统的检出框对所述视频帧息肉图像进行剪切，对剪切后的所述视频帧息肉图像重采样至预设规格；
8.利用训练好的异常检测模型对重采样后的所述视频帧息肉图像进行检测，得到所述视频帧息肉图像真阳性的概率；
9.当所述视频帧息肉图像真阳性的概率大于等于预设阈值时，正常显示所述计算机辅助结肠镜下病变识别系统的检测结果。
10.优选的，还包括：
11.当所述视频帧息肉图像真阳性的概率小于预设阈值时，过滤掉所述计算机辅助结肠镜下病变识别系统的检测结果。
12.优选的，所述获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像之前，包括：
13.获取经医生确认的息肉假阳性样本集、息肉真阳性样本集；
14.对所述息肉假阳性样本集、所述息肉真阳性样本集的检出框区域进行剪切，并重采样至预设规格；
15.基于重采样后的所述息肉假阳性样本集建立假阳性图像数据库，基于重采样后的所述息肉真阳性样本集建立真阳性图像数据库；
16.利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集训练初始异常检测模型，得到训练好的异常检测模型。
17.优选的，所述获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，包括：
18.采集临床应用中计算机辅助结肠镜下病变识别系统输出的检测结果；
19.随机次序将所述检测结果展示给医生，获取经医生在所述检测结果中确认的息肉假阳性样本集、息肉真阳性样本集。
20.优选的，利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集训练初始异常检测模型，包括：
21.将所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集输入到预先训练好的resnet18神经网络，得到视觉特征；
22.基于所述视觉特征训练realnvp归一化流模型，得到训练好的异常检测模型。
23.优选的，获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，还包括：
24.按照预设比例获取经医生确认的所述息肉假阳性样本集、所述息肉真阳性样本集。
25.优选的，所述预设规格包括224
×
224像素大小图片。
26.本说明书实施例还提供一种降低结肠镜下病变识别系统识别假阳性的装置，包括：
27.图像获取模块，用于获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像；
28.图像处理模块，用于根据计算机辅助结肠镜下病变识别系统的检出框对所述视频帧息肉图像进行剪切，对剪切后的所述视频帧息肉图像重采样至预设规格；
29.图像检测模块，用于利用训练好的异常检测模型对重采样后的所述视频帧息肉图像进行检测，得到所述视频帧息肉图像真阳性的概率；
30.结果判定模块，用于当所述视频帧息肉图像真阳性的概率大于等于预设阈值时，正常显示所述计算机辅助结肠镜下病变识别系统的检测结果。
31.一种电子设备，其中，该电子设备包括：
32.处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项所述的方法。
33.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多指令当被处理器执行时，实现上述任一项所述的方法。
34.本发明对结肠镜cade系统的输出结果进行进一步判读，通过异常检测的方法预测假阳性的概率，并对假阳性结果进行滤除，提高结肠镜cade系统的准确率。采用后处理的方式，可以兼容不同的结肠镜cade系统；充分利用真阳性样本，对于假阳性样本数量需求低；采用异常检测方法，对于未见过种类的假阳性具有鲁棒性，用于cade系统运作过程中减低
识别框假阳性的出现，减少对医生的不当干扰和非必要的病变活检和切除，提高肠镜检查的效率和安全性。
附图说明
35.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
36.图1为本说明书实施例提供的一种降低结肠镜下病变识别系统识别假阳性的方法的原理示意图；
37.图2为本说明书实施例提供的息肉真阳性样本示例；
38.图3为本说明书实施例提供的息肉假阳性样本示例；
39.图4为本说明书实施例提供的训练好的resnet18神经网络示意图；
40.图5为本说明书实施例提供的一种降低结肠镜下病变识别系统识别假阳性的方法流程图；
41.图6为本说明书实施例提供的一种降低结肠镜下病变识别系统识别假阳性的装置的结构示意图；
42.图7为本说明书实施例提供的一种电子设备的结构示意图；
43.图8为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
44.现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
45.在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
46.在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
47.附图中所示的图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
48.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
49.术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
50.参照图1为本说明书实施例提供的一种降低结肠镜下病变识别系统识别假阳性的方法的原理示意图，包括：
51.s101：获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像；
52.在本发明较佳的实施例中，本发明中的装置通过接口与计算机辅助结肠镜下病变识别系统的输出端对接，通过该接口收集临床应用中结肠镜cade系统的输出结果，即频帧息肉图像，结肠镜cade系统自身具备假阳性识别功能，但在这一过程中，可能频繁出现的假阳性检出。假阳性指计算机检测算法在视频帧上识别出的息肉并非真正的息肉，会延长检查时间、造成非必要的息肉切除和相关并发症，并可能分散内镜医师的注意力、导致真阳性病变的漏诊，假阳性检出来源包括黏膜皱壁、回盲瓣、黏膜擦伤、憩室等肠壁因素，以及粪块、黏液、气泡、光斑、积水、出血等肠内容物因素，因此，还需对结肠镜cade系统输出的结果进行二次检测，通过对结肠镜cade系统的识别结果进行进一步判定，去除假阳性结果，减少对操作内镜医师的干扰，并提高检测精度。
53.s102：根据计算机辅助结肠镜下病变识别系统的检出框对所述视频帧息肉图像进行剪切，对剪切后的所述视频帧息肉图像重采样至预设规格；
54.s103：利用训练好的异常检测模型对重采样后的所述视频帧息肉图像进行检测，得到所述视频帧息肉图像真阳性的概率；
55.进一步地，所述预设规格包括224
×
224像素大小图片。
56.在本发明较佳的实施例中，在临床应用时，根据结肠镜cade系统的检出框对视频帧息肉图像进行裁切，并重采样至224
×
224像素大小，便于发明中的装置能更好的识别视频帧息肉图像，然后将重采样后的视频帧息肉图像输入到训练好的异常检测模型，训练好的异常检测模型输出视频帧息肉图像真阳性的概率，实现对结肠镜cade系统的识别结果进行进一步判定，对于未见过种类的假阳性具有鲁棒性。其中，检出框是指结肠镜cade系统通过分析当前的画面，如果发现有息肉，会预测出一个矩形框，并显示在画面上，如图2、图3中的框所示。即预测出矩形的四个顶点的坐标，连接坐标构成检出框。在临床环境中，结肠镜cade系统预测出的检出框可能是错误的(假阳性)，因此，需要再次检测预测出的检出框，以剔除结肠镜cade系统错误的预测。
57.s104：当所述视频帧息肉图像真阳性的概率大于等于预设阈值时，正常显示所述计算机辅助结肠镜下病变识别系统的检测结果。
58.s105：当所述视频帧息肉图像真阳性的概率小于预设阈值时，过滤掉所述计算机辅助结肠镜下病变识别系统的检测结果。
59.在本发明较佳的实施例中，若异常检测判定的视频帧息肉图像真阳性概率大于等于预定的阈值，则正常显示结肠镜cade系统的检测结果；若异常检测判定的视频帧息肉图像真阳性概率小于预定的阈值，则不显示结肠镜cade系统的检测结果，实现选择性对假阳性结果的滤除，提高结肠镜cade系统的准确率。
60.进一步地，所述获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像之前，包括：
61.获取经医生确认的息肉假阳性样本集、息肉真阳性样本集；
62.对所述息肉假阳性样本集、所述息肉真阳性样本集的检出框区域进行剪切，并重采样至预设规格；
63.基于重采样后的所述息肉假阳性样本集建立假阳性图像数据库，基于重采样后的所述息肉真阳性样本集建立真阳性图像数据库；
64.利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的
息肉真阳性样本集训练初始异常检测模型，得到训练好的异常检测模型。
65.在本发明较佳的的实施例中，对临床应用中的结肠镜cade系统的输出结果进行收集，挑选出其中经过医生确认为息肉真阳性样本、息肉假阳性样本，并对息肉真阳性样本、息肉假阳性样本的检出框区域进行裁切，重采样至224
×
224像素大小，建立真阳性图像数据库、假阳性图像数据库；然后基于构建的真阳性图像数据库、建立假阳性图像数据库训练异常检测模型，对于新输入的224
×
224像素大小的视频帧息肉图像，可以输出其属于息肉真阳性和息肉假阳性种类的概率。通过上述方式对cade系统的输出结果进行进一步判读，通过异常检测的方法预测假阳性的概率，并对假阳性结果进行滤除，提高结肠镜cade系统的准确率。采用后处理的方式，可以兼容不同的结肠镜cade系统，充分利用真阳性样本，对于假阳性样本数量需求低。
66.进一步地，所述获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，包括：
67.采集临床应用中计算机辅助结肠镜下病变识别系统输出的检测结果；
68.随机次序将所述检测结果展示给医生，获取经医生在所述检测结果中确认的息肉假阳性样本集、息肉真阳性样本集。
69.在本发明较佳的实施例中，回顾性收集临床上结肠镜cade系统的输出结果，按随机次序展示给临床医生，由医生确认其中息肉真阳性图片5000张。对息肉真阳性图片的检出框区域进行裁切，并重采样至224
×
224像素大小，建立真阳性图像数据库，图2所示为息肉真阳性样本实例。
70.回顾性收集临床上结肠镜cade系统的输出结果，按随机次序展示给临床医生，由医生确认其中息肉假阳性图片500张。对息肉假阳性图片的检出框区域进行裁切，并重采样至224
×
224像素大小，建立假阳性图像数据库，图3所示为息肉假阳性样本实例。通过上述医生确认的方式保证样本的可靠性和准确性，从而为异常检测模型的训练提供较好的样本训练集，提升异常检测模型的检测精度。
71.进一步地，利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集训练初始异常检测模型，包括：
72.将所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集输入到预先训练好的resnet18神经网络，得到视觉特征；
73.基于所述视觉特征训练realnvp归一化流模型，得到训练好的异常检测模型。
74.在本发明较佳的实施例中，采用基于nf(normalizing flow，归一化流)的异常检测器，将假阳性图像数据库中的息肉假阳性样本集、真阳性图像数据库中的息肉真阳性样本集输入预先训练好的resnet18神经网络，如图4所示，提取最后一层卷积层输出的2048个特征，作为图片的视觉特征，实现对数据维度的降低，便于后续异常检测。基于5,000例息肉真阳性样本和500例息肉假阳性样本训练realnvp(real-valued non-volume preserving transformations)归一化流分类器，即输入图片的2048个特征，输出样本属于息肉真阳性的概率，息肉真阳性的概率越大越说明检测正确，并根据息肉假阳性样本集、息肉真阳性样本集确定息肉真阳性概率阈值。通过上述方式得到训练好的异常检测模型，在临床应用时，可以通过训练好的异常检测模型进行息肉假阳性的二次检验，对息肉假阳性结果进行滤除，提高结肠镜cade系统的准确率，减少对医生的不当干扰和非必要的病变活检及切除。
75.在本发明较佳的实施例中，通过采用异常检测方法替代分类方法，使得处理息肉
未知异常时更具有鲁棒性。即通过判断一个新样本像历史样本的概率来确定新样本是否存在异常，而不是直接训练一个分类器将样本分为正常或者异常。
76.进一步地，获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，还包括：
77.按照预设比例获取经医生确认的所述息肉假阳性样本集、所述息肉真阳性样本集。
78.在本发明较佳的实施例中，通过设定预设比例的息肉假阳性样本集、息肉真阳性样本集，改变样本权重，从而提升模型预测精度。
79.在本发明较佳的实施例中，如图5所示，步骤s1：回顾性收集临床上结肠镜cade系统的输出结果，按随机次序展示给临床医生，由医生确认其中息肉真阳性图片5000张。对息肉真阳性图片的检出框区域进行裁切，并重采样至224
×
224像素大小，建立真阳性图像数据库。步骤s2：回顾性收集临床上的结肠镜cade系统的输出结果，按随机次序展示给临床医生，由医生确认其中息肉假阳性图片500张。对息肉假阳性图片的检出框区域进行裁切，并重采样至224
×
224像素大小，建立假阳性图像数据库。步骤s3：基于步骤s1和步骤s2建立的真阳性图像数据库、假阳性图像数据库训练异常检测模型。本实例采用基于归一化流(normalizing flow,nf)的异常检测模型，首先将假阳性图像数据库中的息肉假阳性样本和真阳性图像数据库中的息肉真阳性样本输入预先训练好的resnet18神经网络，提取最后一层卷积层输出的2048个特征，作为图片的视觉特征，基于5000例息肉真阳性样本和500例息肉假阳性样本，训练realnvp归一化流模型，输入为图片的2048个特征，输出为样本属于息肉假阳性的概率p，并根据样本训练集确定阈值概率步骤s4：在临床应用时，根据结肠镜cade系统的检出框对视频帧息肉图像进行裁切，并重采样至224
×
224像素大小，输入步骤s3中建立的异常检测模型，得到结肠镜cade系统输出结果的息肉真阳性概率p。步骤s5：若真阳性概率则正常显示结肠镜cade系统的检测结果；若真阳性概率则不显示结肠镜cade系统的检测结果，实现对结肠镜cade系统的输出进行选择性滤除。
80.图6为本说明书实施例提供的一种降低结肠镜下病变识别系统识别假阳性的装置的结构示意图，包括：
81.图像获取模块201，用于获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像；
82.图像处理模块202，用于根据计算机辅助结肠镜下病变识别系统的检出框对所述视频帧息肉图像进行剪切，对剪切后的所述视频帧息肉图像重采样至预设规格；
83.图像检测模块203，用于利用训练好的异常检测模型对重采样后的所述视频帧息肉图像进行检测，得到所述视频帧息肉图像真阳性的概率；
84.结果判定模块204，用于当所述视频帧息肉图像真阳性的概率大于等于预设阈值时，正常显示所述计算机辅助结肠镜下病变识别系统的检测结果。
85.进一步地，还包括：
86.过滤模块205，用于当所述视频帧息肉图像真阳性的概率小于预设阈值时，过滤掉所述计算机辅助结肠镜下病变识别系统的检测结果。
87.进一步地，所述获取计算机辅助结肠镜下病变识别系统采集到的视频帧息肉图像之前，包括：
88.获取经医生确认的息肉假阳性样本集、息肉真阳性样本集；
89.对所述息肉假阳性样本集、所述息肉真阳性样本集的检出框区域进行剪切，并重采样至预设规格；
90.基于重采样后的所述息肉假阳性样本集建立假阳性图像数据库，基于重采样后的所述息肉真阳性样本集建立真阳性图像数据库；
91.利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集训练初始异常检测模型，得到训练好的异常检测模型。
92.进一步地，所述获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，包括：
93.采集临床应用中计算机辅助结肠镜下病变识别系统输出的检测结果；
94.随机次序将所述检测结果展示给医生，获取经医生在所述检测结果中确认的息肉假阳性样本集、息肉真阳性样本集。
95.进一步地，利用所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集训练初始异常检测模型，包括：
96.将所述假阳性图像数据库中的息肉假阳性样本集、所述真阳性图像数据库中的息肉真阳性样本集输入到预先训练好的resnet18神经网络，得到视觉特征；
97.基于所述视觉特征训练realnvp归一化流模型，得到训练好的异常检测模型。
98.进一步地，获取经医生确认的息肉假阳性样本集、息肉真阳性样本集，还包括：
99.按照预设比例获取经医生确认的所述息肉假阳性样本集、所述息肉真阳性样本集。
100.进一步地，所述预设规格包括224
×
224像素大小图片。
101.本发明实施例的装置的功能已经在上述的方法实施例中进行了描述，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
102.基于同一发明构思，本说明书实施例还提供一种电子设备。
103.下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
104.参照图7为本说明书实施例提供的一种电子设备的结构示意图。下面参照图7来描述根据本发明该实施例的电子设备300。图7显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
105.如图7所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同装置组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
106.其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
107.所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(rom)3203。
108.所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作装置、一个或者多个应用程序、其它程序
模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
109.总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
110.电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图7中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid装置、磁带驱动器以及数据备份存储装置等。
111.通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
112.参照图8为本说明书实施例提供的一种计算机可读介质的原理示意图。
113.实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
114.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
115.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远
程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
116.综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
117.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
118.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
119.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。