一种数据处理方法、装置、电子设备和存储介质与流程

1.本技术涉及医疗健康技术领域，尤其涉及一种数据处理方法、装置、电子设备和存储介质。


背景技术：

2.糖尿病是一种以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。长期存在的高血糖，导致各种组织，特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍。
3.随着机器学习技术的发展，相关技术中出现利用机器学习模型进行血糖监测的方法。这种方法一般首先通过采集指血获取血糖浓度数据，然后以若干上述血糖浓度数据作为样本数据对血糖监测模型进行训练，从而实现通过血糖浓度数据进行血糖监测。但是一方面采集指血的过程中容易遇到数据污染的情况，另一方面由于止血采集操作复杂且会对人体表皮造成一定损伤，因此单位时间内获取数据量有限，不利于需要大量样本数据的模型进行训练或预测。


技术实现要素：

4.有鉴于此，本技术的目的在于提出一种数据处理方法、装置、电子设备和存储介质。
5.基于上述目的，本技术提供了一种数据处理方法，包括：
6.获取用户检测血糖时的目标电流数据；
7.根据所述目标电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据；
8.将预测血糖浓度数据作为待训练的血糖监测模型的样本数据。
9.可选的，通过训练获得的血糖转换模型，得到预测血糖浓度数据之前，所述方法还包括：
10.获取预定的对照温度数据和与所述目标电流数据对应的用户体表的目标温度数据；
11.根据所述对照温度数据和所述目标温度数据，通过如下公式对所述目标
12.电流数据进行温度补偿，得到温度补偿后的目标电流数据：
13.iw1＝iw
×
(1-a
×
(t-t
对照
))；
14.其中，t
对照
表示所述对照温度数据，t表示所述目标温度数据，a表示温度补偿系数，iw表示所述目标电流数据，iw1表示温度补偿后的目标电流数据。
15.可选的，在根据所述电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据之前，所述方法还包括：
16.通过如下公式计算所述目标电流数据的变化幅度，得到所述目标电流数据的振幅：
[0017][0018]
其中，b表示振幅系数，iwi表示第一预定时间窗口内第i个所述目标电流数据，n表示所述第一预定时间窗口内的所述目标电流数据的数量，表示所述第一预定时间窗口内所述目标电流数据的平均值，iw
amplitude
表示所述第一预定时间窗口内的所述目标电流数据的振幅；
[0019]
响应于确定所述振幅大于预定振幅，确定所述目标电流数据的平均值与所述预定振幅的乘积为所述第一预定时间窗口内的目标电流数据对应的限幅后的目标电流数据；
[0020]
响应于确定所述振幅小于或等于所述预定振幅，确定所述第一预定时间窗口内的目标电流数据为限幅后的目标电流数据。
[0021]
可选的，在根据所述电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据之前，所述方法还包括：
[0022]
对于多个第二预定时间窗口中的每个第二预定时间窗口，获取所述第二预定时间窗口内的所有所述目标电流数据，对所有所述目标电流数据进行加权平滑得到第二加权平滑电流，从所有所述目标电流数据中筛选出一半数量的所述目标电流数据，对一半数量的所述目标电流数据进行加权平滑得到第一加权平滑电流；将所述第一加权平滑电流乘以预定的加权平滑系数后，减去第二加权平滑电流，得到第三加权平滑电流；
[0023]
基于所述多个第二预定时间窗口的数量确定所有所述第三加权平滑电流的第一数量；
[0024]
对所述第一数量进行平方根运算得到第二数量，并从所有所述第三加权平滑电流数据中筛选出第二数量的所述第三加权平滑电流，对其进行加权平滑得到加权平滑后的目标电流数据。
[0025]
可选的，在根据所述电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据之前，所述方法还包括：
[0026]
通过如下公式对所述目标电流数据进行静电流补偿，得到静电流补偿后的目标电流数据：
[0027][0028]
其中，iw表示所述目标电流数据，d表示预定的第一噪音系数，f表示预定的第二噪音系数，q表示所述目标电流数据的数量，g表示预定的干扰系数，表示预定历史时间窗口内获取的目标电流数据的均值，iw4表示所述静电流补偿后的目标电流数据。
[0029]
可选的，在根据所述电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据之前，所述方法还包括：
[0030]
通过如下公式对所述目标电流数据进行漂移补偿，得到漂移补偿后的目标电流数据：
[0031][0032]
其中，iw表示所述目标电流数据，表示第四预定时间窗口内的所述目标
电流数据的均值，表示第五预定时间窗口内的所述目标电流数据的均值，iw5表示所述漂移补偿后的目标电流数据。
[0033]
可选的，所述根据所述电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据，包括：
[0034]
获取所述用户的多个实测血糖浓度数据，以及每个所述实测血糖浓度数据对应的对照电流数据；
[0035]
确定每个所述实测血糖浓度数以及其对应的所述对照电流数据的比值；
[0036]
基于所有的所述比值确定预测血糖浓度数据与对照血糖浓度数据的转换系数；
[0037]
根据所述转换系数和所述目标电流数据得到预测血糖浓度数据。
[0038]
基于同一发明构思，本技术还提供了一种数据处理装置，包括：
[0039]
获取模块，被配置为获取用户检测血糖时的目标电流数据；
[0040]
血糖浓度预测模块，被配置为根据所述目标电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据；
[0041]
血糖监测模块，被配置为将预测血糖浓度数据作为待训练的血糖监测模型的样本数据。
[0042]
基于同一发明构思，本技术还提供了一种电子设备，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程序，所述处理器执行所述程序时实现如上述任意一项所述的慢阻肺复发预测方法。
[0043]
基于同一发明构思，本技术还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一所述的慢阻肺复发预测方法。
[0044]
从上面所述可以看出，本技术提供的一种数据处理方法、装置、电子设备和存储介质，通过训练获得的血糖转换模型，将获取的用户的目标电流数据转换为血糖浓度数据，以此增加单位时间内血糖浓度数据的数据量。通过这种方法获取的血糖浓度数据可以用于对血糖监测模型的训练。根据上述血糖监测模型的需求，可以调节血糖浓度数据的获取量。
附图说明
[0045]
为了更清楚地说明本技术或相关技术中的技术方案，下面将对实施例或相关技术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技术的实施例，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。
[0046]
图1为本技术一个或多个实施例的数据处理方法的流程示意图；
[0047]
图2为本技术一个实施例的数据处理方法的数据预处理的流程示意图；
[0048]
图3为本技术一个或多个实施例的数据处理装置的结构示意图；
[0049]
图4为本技术一个或多个实施例的电子设备硬件结构示意图。
具体实施方式
[0050]
为使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本技术进一步详细说明。
[0051]
需要说明的是，除非另外定义，本技术实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0052]
如背景技术所述糖尿病是一种以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。长期存在的高血糖，导致各种组织，特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍。
[0053]
随着机器学习技术的发展，相关技术中出现利用机器学习模型进行血糖监测的方法。这种方法一般首先通过采集指血获取血糖浓度数据，然后以若干上述血糖浓度数据作为样本数据对血糖监测模型进行训练，从而实现通过血糖浓度数据进行血糖监测。在通过采集指血获取血糖浓度数据的过程中，需要按照血糖仪的操作程序进行，如果出现操作错误则可能导致测量结果不准确或测量失败。例如在采血时一般要求用户将指血滴入试纸，且要求血量达到一定数值，之后将试纸插入血糖仪进行检测。如果采集血量不足则会导致检测失败或检测结果出现偏差。考虑到实际使用中用户多为中老年患者，因此出现测量失误的情况较多。另一方面，由于采集指血操作复杂，因此单位时间内采集指血数据量有限。而对于使用神经网络技术进行血糖监测的血糖仪来说，需要大量的血糖浓度数据才能进行精准的预测。
[0054]
由此本技术提出一种大量获取血糖浓度数据的方法。在实现本技术的过程中，申请人发现人体组织液中葡萄糖与葡萄糖监测系统的传感器中的生物酶发生反应会产生电流信号。血糖浓度值与电流信号值成正相关。因此申请人提出通过确定上述血糖浓度值与上述电流信号值的关系，从而得到血糖转换模型，之后即可根据电流数据，通过该血糖转换模型，得到预测血糖浓度数据。
[0055]
以下，通过具体的实施例来详细说明本技术的技术方案。
[0056]
参考图1，本技术的数据处理方法，包括以下步骤：
[0057]
步骤s101：获取用户检测血糖时的目标电流数据。
[0058]
在本步骤中，首先获取用户监测血糖时的目标电流数据。在一些实施例中，人体组织液中的葡萄糖与血糖检测系统的传感器中的生物酶产生反应，会产生电信号。本步骤主要采集该电信号的数据信息。在一些实施例中，根据实际对血糖浓度数据的数据量需求，设定获取上述电信号的频率。
[0059]
步骤s102：根据所述目标电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据。
[0060]
根据步骤s101中获取的电信号数据，在本步骤中，通过训练获得的血糖转换模型，得到预测血糖浓度数据。
[0061]
在一些实施例中，同时定期进行指血采集，将通过止血采集获得的血糖浓度数据作为实测血糖浓度数据。在一些实施例中，患者通过佩戴上述葡萄糖检测系统的设备记录
目标电流数据以及获取时间。同时通过指血仪采集指血，并记录实测血糖数据以及获取时间。将相同时间获取的实测血糖数据和目标电流数据进行绑定，得到数据对。在一些实施例中，实测血糖数据的获取时间在两个目标电流数据之间，则将该实测血糖数据与后一目标电流数据进行绑定，得到数据对。
[0062]
在实现本技术的过程中，申请人发现温度获取目标电流数据时的温度也会影响血糖浓度数据转换，同时电流数据在获取时也存在一些误差，因此在一些实施例中，通过对目标电流数据的预处理提高预测血糖浓度数据的准确性。在一些实施例中，可以通过对上述目标电流数据进行温度补偿调整电流数据。获取预定的对照温度数据和与上述目标电流数据对应的用户体表的目标温度数据；根据上述对照温度数据和上述目标温度数据，通过如下公式对上述目标电流数据进行温度补偿，得到温度补偿后的目标电流数据：
[0063]
iw1＝iw
×
(1-a
×
(t-t
对照
))
[0064]
其中，t
对照
表示所述对照温度数据，t表示所述目标温度数据，a表示温度补偿系数，iw表示所述目标电流数据，iw1表示温度补偿后的目标电流数据。在一些实施例中，温度补偿系数a可以通过实验得到，并作为预定设置。
[0065]
在一些实施例中，可以认为变化幅度过大的目标电流数据具有误差，可以通过限幅调整上述目标电流数据。通过如下公式计算所述目标电流数据的变化幅度，得到上述目标电流数据的振幅：
[0066][0067]
其中，b表示振幅系数，iwi表示第一预定时间窗口内第i个上述目标电流数据，n表示上述第一预定时间窗口内的上述目标电流数据的数量，表示上述第一预定时间窗口内上述目标电流数据的平均值，iw
amplitude
表示上述第一预定时间窗口内的上述目标电流数据的振幅；
[0068]
响应于确定上述振幅大于预定振幅，确定上述目标电流数据的平均值与上述预定振幅的乘积为上述第一预定时间窗口内的目标电流数据对应的限幅后的目标电流数据。例如预定振幅为0.7，上述第一预定时间窗口内有五个目标电流数据。通过上述计算得到的振幅为0.8，通过对比确定上述振幅大于预定振幅，此时将上述五个目标电流数据的平均值与预定振幅0.7的乘积作为这五个目标电流数据对应的限幅后的目标电流数据。
[0069]
响应于确定上述振幅小于或等于上述预定振幅，确定上述第一预定时间窗口内的目标电流数据为限幅后的目标电流数据。例如预定振幅为0.7，上述第一预定时间窗口内有五个目标电流数据。通过上述计算得到的振幅为0.6，通过对比确定上述振幅小于预定振幅，此时将上述五个目标电流数据为其对应的限幅后的目标电流数据。
[0070]
在一些实施例中，还可以通过滤波平滑对上述目标电流数据进行进一步的处理。对于多个第二预定时间窗口中的每个第二预定时间窗口，获取上述第二预定时间窗口内的所有上述目标电流数据，对所有上述目标电流数据进行加权平滑得到第二加权平滑电流，从所有上述目标电流数据中筛选出一半数量的上述目标电流数据，对一半数量的上述目标电流数据进行加权平滑得到第一加权平滑电流；将上述第一加权平滑电流乘以预定的加权平滑系数后，减去第二加权平滑电流，得到第三加权平滑电流；基于上述多个第二预定时间窗口的数量确定所有上述第三加权平滑电流的第一数量；对上述第一数量进行平方根运算
得到第二数量，并从所有上述第三加权平滑电流数据中筛选出第二数量的所述第三加权平滑电流，对其进行加权平滑得到加权平滑后的目标电流数据。
[0071]
在一些实施例中，可以设定上述第二预定时间窗口内有16个目标电流数据，共有16个上述第二预定时间窗口。对每个第二预定时间窗口内的16个目标电流数据进行加权平滑，得到第二加权平滑电流；每个第二预定时间窗口内的16个目标电流数据取半，随机选择或通过预定的选择算法选择得到8个目标电流数据，对上述8个目标电流数据进行加权平滑，得到第三加权平滑电流。通过上述计算，每个第二预定时间窗口都得到一个第三加权平滑电流。16个第二预定时间窗口共得到16个第三加权平滑电流。对第一数量16进行平方根计算，得到第二数量4。从16个第三加权平滑电流中随机选择4个，并对这4个第三加权平滑电流再次进行加权平滑，得到加权平滑后的目标电流。在一些实施例中，当预定时间窗口内的目标电流数据的数据量取半或取平方根后得到的结果并非整数，则对结果进行向下取整。例如，预定第二时间窗口有5个目标电流数据，共有5个第二时间窗口。则对每个第二预定时间窗口内的5个目标电流数据进行加权平滑，得到第二加权平滑电流；每个第二预定时间窗口内的5个目标电流数据取半和向下取整，随机选择或通过预定的选择算法选择得到2个目标电流数据，对上述2个目标电流数据进行加权平滑，得到第三加权平滑电流。通过上述计算，每个第二预定时间窗口都得到一个第三加权平滑电流。5个第二预定时间窗口共得到5个第三加权平滑电流。对第一数量5进行平方根计算和向下取整，得到第二数量2。从5个第三加权平滑电流中随机选择2个，并对这2个第三加权平滑电流再次进行加权平滑，得到加权平滑后的目标电流。
[0072]
在一些实施例中，通过与设定电流阈值相比较的方式对电流值过高或过低的目标电流数据进行剔除。
[0073]
在一些实施例中，由于上述目标电流数据中掺杂有噪音数据，因此可以通过如下公式对所述目标电流数据进行静电流补偿，得到静电流补偿后的目标电流数据：
[0074][0075]
其中，d表示预定的第一噪音系数，f表示预定的第二噪音系数，q表示所述目标电流数据的数量，g表示预定的干扰系数，表示预定历史时间窗口内获取的目标电流数据的均值，iw4表示所述静电流补偿后的目标电流数据。在一些实施例中，可以选择过去24小时代的目标电流数据的平均值。
[0076]
在一些实施例中，通过如下公式对上述目标电流数据进行漂移补偿，得到漂移补偿后的目标电流数据：
[0077][0078]
其中，表示第四预定时间窗口内的上述目标电流数据的均值，表示第五预定时间窗口内的上述目标电流数据的均值，iw5表示所述漂移补偿后的目标电流数据。在一些实施例中，可以选择过去30小时的目标电流数据的平均值，可以选择过去48小时的目标电流数据的平均值。
[0079]
通过与上述目标电流数据的预处理，得到预处理后的目标电流数据。然后根据上
述预处理后的目标电流数据，通过训练获得的血糖转换模型，可以得到预测血糖浓度数据。在一些实施例中，上述血糖转换模型可以通过如下步骤获得：获取上述用户的多个实测血糖浓度数据，以及每个上述实测血糖浓度数据对应的对照电流数据；确定每个上述实测血糖浓度数以及其对应的上述对照电流数据的比值；基于所有的上述比值确定预测血糖浓度数据与对照血糖浓度数据的转换系数；根据上述转换系数确定上述血糖转换模型。
[0080]
步骤s103：将预测血糖浓度数据作为待训练的血糖监测模型的样本数据。
[0081]
通过步骤s101和步骤s102可以获得预期数量的预测血糖浓度数据，上述预测血糖浓度数据可以作为待训练的血糖监测模型的样本数据。
[0082]
参考图2，本技术一个实施例的数据处理方法的数据预处理，包括以下步骤：
[0083]
首先获取通过上述传感器采集得到的上述目标电流数据，同时获取预定的对照温度数据和与上述目标电流数据对应的用户体表的目标温度数据。然后通过如下公式得到温度补偿后的目标电流数据：
[0084]
iw1＝iw
×
(1-a
×
(t-t
对照
))
[0085]
其中，t
对照
表示上述对照温度数据，t表示上述目标温度数据，a表示温度补偿系数，iw表示上述目标电流数据，iw1表示上述第一电流数据。
[0086]
然后对温度补偿后的目标电流数据进行限幅和滤波平滑。在进行限幅时，首先通过如下公式计算得到预定的第一时间窗口内的目标电流数据的振幅：
[0087][0088]
其中，b表示振幅系数，iw
1i
表示第一预定时间窗口内第i个上述温度补偿后的目标电流数据，n表示上述第一预定时间窗口内的上述目标电流数据的数量，表示上述第一预定时间窗口内上述温度补偿后的目标电流数据的平均值，iw
amplitude
表示上述第一预定时间窗口内的上述温度补偿后的目标电流数据的振幅。
[0089]
响应于确定上述振幅小于或等于上述预定振幅，确定上述第一预定时间窗口内的温度补偿后的目标电流数据为限幅后的目标电流数据。
[0090]
然后在对限幅后的目标电流数据进行滤波平滑。首先获取第二预定时间窗口内的所有上述限幅后的目标电流数据，对于多个第二预定时间窗口中的每个第二预定时间窗口，获取上述第二预定时间窗口内的所有上述目标电流数据，对所有上述目标电流数据进行加权平滑得到第二加权平滑电流，从所有上述目标电流数据中筛选出一半数量的上述目标电流数据，对一半数量的上述目标电流数据进行加权平滑得到第一加权平滑电流；将上述第一加权平滑电流乘以预定的加权平滑系数后，减去第二加权平滑电流，得到第三加权平滑电流；基于上述多个第二预定时间窗口的数量确定所有上述第三加权平滑电流的第一数量；对上述第一数量进行平方根运算得到第二数量，并从所有上述第三加权平滑电流数据中筛选出第二数量的所述第三加权平滑电流，对其进行加权平滑得到加权平滑后的目标电流数据。
[0091]
本实施例根据限幅后的目标电流数据计算加权平滑后的电流数据的方法与前述任一实施例中相应的计算方法一致，在此不再赘述。
[0092]
在本实施例中，对滤波平滑后的目标电流数据进行异常电流排查。即当上述滤波平滑后的目标电流超出预定的电流范围时，认为该目标电流数据出现异常，删除该目标电
流数据。
[0093]
通过异常电流排查的目标电流数据可以进行静电流补偿。通过如下公式对上述目标电流数据进行静电流补偿，得到静电流补偿后的目标电流数据：
[0094][0095]
其中，d表示预定的第一噪音系数，f表示预定的第二噪音系数，q表示上述目标电流数据的数量，g表示预定的干扰系数，表示预定历史时间窗口内获取的加权平滑后的目标电流数据的均值。在本实施例中，iw3(1)表示过去24小时获取的加权平滑后的目标电流数据的均值。
[0096]
最后对上述加权平滑后的目标电流数据进行漂移补偿。在本实施例中，通过如下公式对所述目标电流数据进行漂移补偿，得到漂移补偿后的目标电流数据：
[0097][0098]
其中，iw4表示静电流补偿后的目标电流数据，表示过去30小时的静电流补偿后的目标电流数据的均值，表示过去48小时的静电流补偿后的目标电流数据的均值，iw5表示漂移补偿后的目标电流数据。
[0099]
需要说明的是，本技术实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本技术实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
[0100]
需要说明的是，上述对本技术的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0101]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种数据处理装置。
[0102]
参考图3，所述数据处理装置，包括：
[0103]
获取模块11，被配置为获取用户检测血糖时的目标电流数据；
[0104]
血糖浓度预测模块12，被配置为根据所述目标电流数据，通过训练获得的血糖转换模型，得到预测血糖浓度数据；
[0105]
血糖监测模块13，被配置为将预测血糖浓度数据作为待训练的血糖监测模型的样本数据。
[0106]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本技术时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
[0107]
上述实施例的装置用于实现前述任一实施例中相应的数据处理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0108]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种电子
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程序，所述处理器执行所述程序时实现上任意一实施例所述的数据处理方法。
[0109]
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
[0110]
处理器1010可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
[0111]
存储器1020可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
[0112]
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0113]
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0114]
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
[0115]
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0116]
上述实施例的电子设备用于实现前述任一实施例中相应的数据处理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0117]
基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的数据处理方法。
[0118]
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0119]
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的数据处理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0120]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本技术的范围(包括权利要求)被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0121]
另外，为简化说明和讨论，并且为了不会使本技术实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本技术实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本技术实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本技术的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本技术实施例。因此，这些描述应被认为是说明性的而不是限制性的。
[0122]
尽管已经结合了本技术的具体实施例对本技术进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
[0123]
本技术实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本技术实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本技术的保护范围之内。