基于大数据的疾病治疗装置及系统的制作方法

本申请涉及疾病治疗技术领域，具体而言，涉及一种基于大数据的疾病治疗装置及系统。

背景技术：

当前，人们在生病时都是到医院接受医生的检测，然后基于医生的检测结果开出药方进行用药。但是，大多数情况下，医生开的药方都是通用性药方，没有针对目标病人的具体情况进行调整，导致药效无法达到最佳，甚至可能出现药物不良反应。

针对上述问题，目前尚未有有效的技术解决方案。

技术实现要素：

本申请实施例的目的在于提供一种基于大数据的疾病治疗装置及系统，可以实现自动开药方，并且可以实现自动化，也可以避免药物不良反应，还可以选取与目标病人最匹配的药方作为目标药方，从而提高疗效。。

本申请实施例还提供了一种基于大数据的疾病治疗装置，包括：

第一获取模块，用于获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；

第二获取模块，用于根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；

第三获取模块，用于根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；

第四获取模块，用于根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；

生成模块，用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述生成模块包括：

判断单元，用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分；

第一生成单元，用于在所述备选药方不存在与任意所述不良药物反应成分相同的第一药物成分，将所述备选药方作为目标药方；

第二生成单元，用于在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，将与所述不良药物反应成分相同的第一药物成分替换为对应的第二药物成分，从而将所述备选药方更新为目标药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述第二生成单元包括：

第一选取子单元，用于在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，根据与所述不良药物反应成分相同的第一药物成分选取为对应的多个待选药物成分；

第二选取子单元，用于根据所述既往病史信息以及所述生理参数信息从所述多个待选药物成分中筛选出第二药物成分；

更新子单元，用于根据第二药物成分将所述备选药方更新为目标药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述第三获取模块包括：

第一提取单元，用于提取所述生理参数信息的第一特征向量；

第一计算单元，用将所述第一特征向量与每一所述参考病例中的病人的参考特征信息进行比较，得到对应的相似度；

第一筛选单元，用于从从各个参考病例中选出相似度最大的第一药方作为备选药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述第三获取模块包括：

第一获取单元，用于根据所述生理参数信息获取每一所述第一药方的每一所述第一药物成分的药效评价指数；

第二计算单元，用于根据每一所述第一药物成分的药效评价指数计算每一所述第一药方的综合评价指数；

第三选择单元，用于将综合评价指数最大的第一药方作为备选药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述第二计算单元用于根据公式w＝a1b1+a2b2+a3b3+…+anbn计算每一所述第一药方的综合评价指数，其中，w为第一药方的综合评价指数，an为第一药物成分n的权重系数，bn为第一药物成分n的药效评价指数。

可选地，在本申请实施例所述的基于大数据的疾病治疗装置中，所述第二计算单元用于根据所述实际病灶信息以及所述生理参数信息获取每一所述第一药物成分的权重系数。

第二方面，本申请实施例还提供了一种基于大数据的疾病治疗系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的疾病治疗方法的程序，所述基于大数据的疾病治疗方法的被所述处理器执行时实现以下步骤：

获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；

根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；

根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；

根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；

判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方。

可选地，在本申请实施例所述的基于大数据的疾病治疗系统中，所述基于大数据的疾病治疗方法的被所述处理器执行时实现以下步骤：

判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分；

在所述备选药方不存在与任意所述不良药物反应成分相同的第一药物成分，将所述备选药方作为目标药方；

在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，将与所述不良药物反应成分相同的第一药物成分替换为对应的第二药物成分，从而将所述备选药方更新为目标药方。

第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括方法程序，所述方法程序被处理器执行时，实现以下步骤：

获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；

根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；

根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；

根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；

判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方。

由上可知，本申请实施例提供的基于大数据的疾病治疗装置，通过第一获取模块，用于获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；第二获取模块，用于根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；第三获取模块，用于根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；第四获取模块，用于根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；生成模块，用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方；从而实现快速生成药方，即可以实现自动化，也可以避免药物不良反应，还可以选取与目标病人最匹配的药方作为目标药方，从而提高疗效。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的基于大数据的疾病治疗装置的结构示意图。

图2为本申请实施例提供的基于大数据的疾病治疗装系统的一种结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1是本申请一些实施例中的一种基于大数据的疾病治疗装置，包括：第一获取模块101、第二获取模块102、第三获取模块103、第四获取模块104以及生成模块105。

其中，该第一获取模块101用于获取目标病人的既往病史信息、生理参数信息以及实际病灶信息。其中，该既往病史信息包括该目标病人的患病情况、用药的药方以及治疗期限和疗效等信息。其中，该生理参数信息包括该目标病人在预设时间段内的心率信息、体重信息、身高信息、肺活量信息、血压信息、基因图谱信息等。其中，该实际病灶信息包括多种不良症状，例如，发烧、心率异常、白细胞数量等。

其中，该第二获取模块102用于根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一药方包括多种第一药物成分。其中，该实际病灶信息与该参考病例进行相似度比较时，可以比较对应的余弦相似度等。其中，该第一数据库中存储有多个参考病例，每一参考病例包括用户的生理特征信息、药方以及用药情况等信息。其中，该第一预设值为统计经验值。

其中，该第三获取模块103用于根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方。其中，筛选时可以基于生理参数信息的相似度来选择，也可以基于药效指数来选择。

其中，该第四获取模块104用于根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分。其中，可以采用预先训练神经网络模型来基于既往病史以及该生理参数信息计算得到该目标病人的体质特征信息。其中，该体质特征信息可以是针对某一方面的体质特征信息，例如针对心脏或者肾的体质特征信息，也可以全面的特征信息。其中，该第二数据库存在有多个药物不良反应案例，每一药物不良反应案例包括对应病人的体质特征信息以及不良药物反应成分。

其中，该生成模块105用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方。对于可能产生不良药物反应的第一药物成分要采用其他具有相同药效或者近似药效的药物成分进行替代。

其中，在一些实施中，该生成模块105包括：判断单元，用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分；第一生成单元，用于在所述备选药方不存在与任意所述不良药物反应成分相同的第一药物成分，将所述备选药方作为目标药方；第二生成单元，用于在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，将与所述不良药物反应成分相同的第一药物成分替换为对应的第二药物成分，从而将所述备选药方更新为目标药方。

其中，判断单元用于将备选药方的每一第一药物成分分别与不良药物反应成分进行比较，从而筛选出该多个第一药物成分中会引发不良药物反应的第一药物成分。其中，

其中，在一些实施中，第二生成单元包括：第一选取子单元，用于在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，根据与所述不良药物反应成分相同的第一药物成分选取为对应的多个待选药物成分；第二选取子单元，用于根据所述既往病史信息以及所述生理参数信息从所述多个待选药物成分中筛选出第二药物成分；更新子单元，用于根据第二药物成分将所述备选药方更新为目标药方。

其中，在一些实施中，第三获取模块103包括：第一提取单元，用于提取所述生理参数信息的第一特征向量；第一计算单元，用将所述第一特征向量与每一所述参考病例中的病人的参考特征信息进行比较，得到对应的相似度；第一筛选单元，用于从从各个参考病例中选出相似度最大的第一药方作为备选药方。

其中，在一些实施中，第三获取模块103包括：第一获取单元，用于根据所述生理参数信息获取每一所述第一药方的每一所述第一药物成分的药效评价指数；第二计算单元，用于根据每一所述第一药物成分的药效评价指数计算每一所述第一药方的综合评价指数；第三选择单元，用于将综合评价指数最大的第一药方作为备选药方。

在一些实施中，第二计算单元用于根据公式：

w＝a1b1+a2b2+a3b3+…+anbn计算每一所述第一药方的综合评价指数，其中，w为第一药方的综合评价指数，an为第一药物成分n的权重系数，bn为第一药物成分n的药效评价指数。其中，该药效评价指可以基于大数据计算得到，也可以为采用预设神经网络模型来基于该第一药物成分的使用数据计算得到。

在一些实施中，第二计算单元用于根据所述实际病灶信息以及所述生理参数信息获取每一所述第一药物成分的权重系数。其中，该权重系数可以采用神经网络模型进行计算得到。或者，该权重系数可以为经过多次试验得到的经验系数。

由上可知，本申请实施例提供的基于大数据的疾病治疗装置，通过第一获取模块，用于获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；第二获取模块，用于根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；第三获取模块，用于根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；第四获取模块，用于根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；生成模块，用于判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方；从而实现快速生成药方，即可以实现自动化，也可以避免药物不良反应，还可以选取与目标病人最匹配的药方作为目标药方，从而提高疗效。

根据本发明实施例，还包括：

第四获取模块获取所述目标病人服用过目标药方后的病灶信息和生理参数信息，得到并更新所述目标病人服药后体质特征信息；

第四获取模块根据所述目标病人服药前体质特征信息结合目标病人药方、服药时长和药剂量查询第二数据库中相似服药前体质特征病人在服用近似药方、服药时长和药剂量后的服药后体质特征信息；

第四获取模块根据所述目标病人服药后体质特征信息与第二数据库中查询的所述相似服药前体质特征病人在服药后体质特征信息进行阈值对比。

需要说明的是，目标病人服用过目标药方的药物后的病灶信息和生理参数信息可以是一定预设时间点的，便于控制时间点去获取比对和分析，也可以是动态采集实现实时采集动态参数以获得足够多的目标病人动态参数曲线进行曲率变化比对和分析；第四获取模块在第二数据库中查询的服药前相似体质特征病人是采用阈值法作为比对病人进行筛选出的，该相似体质特征病人的服药药方、服药时长和药剂量均与目标病人近似，近似的定义可以采用阈值比对法，也可以采用参数加权法进行筛选，最终筛选出符合要求的比对病人；第四获取模块根据目标病人服药后体质特征信息与查询筛选出的比对病人在服药后的体质特征信息进行阈值对比。

根据本发明实施例，还包括：

根据所述目标病人服药后体质特征信息与第二数据库中查询的所述相似服药前体质特征病人在服药后体质特征信息的阈值对比结果与第四获取模块中神经网络模型预设的药效阈值范围进行对比；

如所述体质特征信息阈值对比结果等于或大于第一预设药效阈值范围，则判断目标病人服用目标药方有效；

如所述体质特征信息阈值对比结果小于第一预设药效阈值范围，则判断目标病人服用目标药方欠效。

需要说明的是，目标病人服药后体质特征信息与第二数据库中查询的相似服药前体质特征病人在服药后体质特征信息的阈值对比结果与神经网络模型第一预设药效阈值进行对比可以是函数对比如余弦函数对比，可以是动态参数拟合对比，也可以是阈值包线坐标法对比，总之，可以通过一定方法对比出体质特征信息阈值对比结果与第一预设药效阈值范围之间的大小关系，从而判定目标病人服药药效。

根据本发明实施例，还包括：

根据所述体质特征信息阈值对比结果与第四获取模块中神经网络模型第一预设药效阈值范围进行对比；

如所述体质特征信息阈值对比结果小于第一预设药效阈值范围，第四获取模块根据所述目标病人当前体质特征信息在第二数据库中查询与目标病人当前体质特征信息相似度最大的候选病人药方信息；

根据所述获取的相似度最大的候选病人药方信息结合所述目标病人多个不良药物反应成分生成不含任何不良药物反应成分的新目标药方；

根据所述新目标药方更新数据库中所述目标病人的既往病史信息和药方信息。

需要说明的是，当阈值对比结果小于第一预设药效阈值范围时，说明之前目标病人的药方药效欠佳，第四获取模块会根据目标病人当前体质特征信息在第二数据库中进行相似度目标筛查以查找与目标病人当前体质特征信息最相似的候选病人，并获得该候选病人的药方信息；根据候选病人药方信息结合存储在数据库中的目标病人多个不良药物反应成分在生成模块生成新的目标药方，该新目标药方替代原有旧目标药方；将新目标药方在数据库对目标病人的既往病史信息和药方信息进行更新以更新目标病人的病例档案，也便于后续观察跟踪病人状况，以及丰富病人数据库里的大数据信息。

请参照图2所示，图2是本申请一些实施例中的一种基于大数据的疾病治疗系统的结构图，该系统包括：存储器201及处理器202，所述存储器201中包括基于大数据的疾病治疗方法的程序，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方。

其中，在一些实施例中，其中，该既往病史信息包括该目标病人的患病情况、用药的药方以及治疗期限和疗效等信息。其中，该生理参数信息包括该目标病人在预设时间段内的心率信息、体重信息、身高信息、肺活量信息、血压信息、基因图谱信息等。其中，该实际病灶信息包括多种不良症状，例如，发烧、心率异常、白细胞数量等。

其中，该实际病灶信息与该参考病例进行相似度比较时，可以比较对应的余弦相似度等。其中，该第一数据库中存储有多个参考病例，每一参考病例包括用户的生理特征信息、药方以及用药情况等信息。其中，该第一预设值为统计经验值。

其中，筛选时可以基于生理参数信息的相似度来选择，也可以基于药效指数来选择。

其中，该体质特征信息可以是针对某一方面的体质特征信息，例如针对心脏或者肾的体质特征信息，也可以全面的特征信息。其中，该第二数据库存在有多个药物不良反应案例，每一药物不良反应案例包括对应病人的体质特征信息以及不良药物反应成分。

其中，对于可能产生不良药物反应的第一药物成分要采用其他具有相同药效或者近似药效的药物成分进行替代。

其中，在一些实施中，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分；在所述备选药方不存在与任意所述不良药物反应成分相同的第一药物成分，将所述备选药方作为目标药方；在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，将与所述不良药物反应成分相同的第一药物成分替换为对应的第二药物成分，从而将所述备选药方更新为目标药方。

其中，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：将备选药方的每一第一药物成分分别与不良药物反应成分进行比较，从而筛选出该多个第一药物成分中会引发不良药物反应的第一药物成分。其中，

其中，在一些实施中，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：在所述备选药方存在与任意所述不良药物反应成分相同的第一药物成分时，根据与所述不良药物反应成分相同的第一药物成分选取为对应的多个待选药物成分；根据所述既往病史信息以及所述生理参数信息从所述多个待选药物成分中筛选出第二药物成分；根据第二药物成分将所述备选药方更新为目标药方。

其中，在一些实施中，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：提取所述生理参数信息的第一特征向量；将所述第一特征向量与每一所述参考病例中的病人的参考特征信息进行比较，得到对应的相似度；从从各个参考病例中选出相似度最大的第一药方作为备选药方。

其中，在一些实施中，所述基于大数据的疾病治疗方法的被所述处理器202执行时实现以下步骤：根据所述生理参数信息获取每一所述第一药方的每一所述第一药物成分的药效评价指数；第二计算单元，用于根据每一所述第一药物成分的药效评价指数计算每一所述第一药方的综合评价指数；第三选择单元，用于将综合评价指数最大的第一药方作为备选药方。

在一些实施中，可以根据公式w＝a1b1+a2b2+a3b3+…+anbn计算每一所述第一药方的综合评价指数，其中，w为第一药方的综合评价指数，an为第一药物成分n的权重系数，bn为第一药物成分n的药效评价指根据所述实际病灶信息以及所述生理参数信息获取每一所述第一药物成分的权重系数。其中，该药效评价指可以基于大数据计算得到，也可以为采用预设神经网络模型来基于该第一药物成分的使用数据计算得到。

由上可知，本申请实施例提供的基于大数据的疾病治疗系统，通获取目标病人的既往病史信息、生理参数信息以及实际病灶信息；根据所述实际病灶信息从第一数据库获取与所述实际病灶信息相似度大于第一预设阈值的参考病例，并获取每一所述参考病例对应的第一药方，得到多个第一药方；所述第一选药方包括多种第一药物成分；根据所述生理参数信息从所述多个第一药方中筛选出第一药方作为备选药方；根据所述往病史信息以及生理参数信息得到所述目标病人的体质特征信息，并根据所述体质特征信息查询第二数据库以获得与所述目标病人的体质相似度大于第二预设阈值的多个药物不良反应案例，并获得对应的多个不良药物反应成分；判断所述备选药方是否存在与任意所述不良药物反应成分相同的第一药物成分，并根据判断结果得到目标药方；从而实现快速生成药方，即可以实现自动化，也可以避免药物不良反应，还可以选取与目标病人最匹配的药方作为目标药方，从而提高疗效。

本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(staticrandomaccessmemory,简称sram)，电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory,简称eeprom)，可擦除可编程只读存储器(erasableprogrammablereadonlymemory,简称eprom)，可编程只读存储器(programmablered-onlymemory,简称prom)，只读存储器(read-onlymemory,简称rom)，磁存储器，快闪存储器，磁盘或光盘。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，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单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。