一种基于膝关节运动信息的智能跑步机的制作方法

本发明属于健身器材领域，具体涉及一种基于膝关节运动信号的智能跑步机。

背景技术：

近年来，随着人们生活水平的提高，人们对于健康的要求越来越高，跑步是人们最喜欢的运动之一。跑步的动作要领简单，难度小，而且是一项全能有氧运动，可以有效消耗热量、锻炼心肺功能甚至改善睡眠质量，在跑步机上跑步还可以调节速度、记录跑步时长，其还能避开外部的空气污染或者雨雾等天气不良因素的干扰，亦利于用户记录其运动量或者制定及实施科学的健身计划。因此在健身房的众多健身器材中，跑步机备受人们的喜爱。

部分人在跑步机上锻炼后，膝关节会出现疼痛感，长时间跑步后，甚至有人出现膝关节反复肿胀、积液等症状，严重时还会引起骨性关节炎。即使在跑步前按要求做了热身，也减少了运动量，这类问题也未能得到解决。经研究，这些症状大多是由于锻炼时的姿势不正确造成的，错误的跑步姿势对膝盖的损伤非常大，有些甚至是不可逆的。因此，可以得出膝关节的健康与跑步有密切关系。

现有的普通跑步机普通人健身的时候很难注意自己的姿势是否符合要求，也并不知道自己的膝盖是否受伤，因此，造成了用户长期在错误姿势下锻炼，甚至在不知情的状况下损伤了膝盖。

技术实现要素：

为了解决现有技术中存在的上述问题，本发明提供了一种基于膝关节运动信息的智能跑步机。

本发明的一个实施例提供了一种基于膝关节运动信息的智能跑步机，包括：设置在智能跑步机本体的数据采集模块101、处理器102以及报警模块103；其中，

所述数据采集模块101用于获取膝关节和腿部的测量信号；

所述处理器102连接至所述数据采集模块101，用于接收所述测量信号，以及基于所述测量信号生成膝关节运动信息，根据所述膝关节运动信息对膝关节的受损程度以及对跑步状态进行分析评估；

所述报警模块103连接至所述处理器102，用于接收膝关节的受损程度以及跑步状态分析评估结果，并根据所述分析评估结果确定是否产生报警信息。

在本发明的一个实施例中，还包括控制模块104，所述控制模块104连接至所述处理器102，用于接收膝关节的受损程度以及跑步状态所述分析评估结果，并根据所述分析评估结果调节跑步模式。

在本发明的一个实施例中，所述测量信号包括膝关节运动信号、大腿运动信号、小腿运动信号以及腿部姿势信号。

在本发明的一个实施例中，所述数据采集模块101包括膝关节传感器单元1011和腿部姿势采集单元1012；其中，

所述膝关节传感器单元1011用于采集所述膝关节运动信号、大腿运动信号以及小腿运动信号；

所述腿部姿势采集单元1012用于采集所述腿部姿势信号。

在本发明的一个实施例中，所述膝关节运动信号包括膝关节振动信号以及膝关节声音信号。

在本发明的一个实施例中，所述膝关节传感器单元1011包括加速度传感器1011a、声学传感器1011b、所述第一姿态传感器1011c和所述第二姿态传感器1011d；其中，

所述加速度传感器1011a用于获取所述膝关节振动信号，并发送至所述处理器102；

所述声学传感器1011b用于获取所述膝关节声音信号，并发送至所述处理器102；

所述第一姿态传感器1011c用于获取所述大腿姿态信号，并发送至所述处理器102；

所述第二姿态传感器1011d用于获取所述小腿姿态信号，并发送至所述处理器102。

在本发明的一个实施例中，所述腿部姿势采集单元1012包括摄像头1012a和dsp1012b；其中，

所述摄像头1012a设置在用户腿部对应的所述智能跑步机的位置，用于采集用户的腿部跑步视频；

所述dsp1012b用于接收所述腿部跑步视频，并对所述腿部跑步视频进行处理，形成所述腿部姿势信号。

在本发明的一个实施例中，所述腿部姿势采集单元1012还包括第一存储器1012c，所述第一存储器1012c用于存储所述腿部跑步视频。

在本发明的一个实施例中，所述腿部姿势采集单元1012还包括无线通信单元1012d，所述无线通信单元1012d用于将所述腿部跑步视频上传至云服务器。

在本发明的一个实施例中，所述智能跑步机还包括第二存储器105，所述第二存储器105分别连接至所述处理器102以及所述报警模块103及所述控制模块104之间，用于存储膝关节的受损程度以及跑步状态分析评估结果。

与现有技术相比，本发明提供的智能跑步机至少具有如下有益效果：

使得用户在膝关节受损或者跑步姿势错误的场景中可以收到告警信息并根据智能跑步机自动调节的跑步模式更正跑步姿势，从而达到保护膝关节，纠正错误跑步姿势的效果。

附图说明

图1为本发明实施例提供的一种基于膝关节运动信息的智能跑步机的示意图；

图2为本发明实施例提供的一种数据采集模块的示意图；

图3为本发明实施例提供的一种膝关节传感器单元的示意图；

图4为本发明实施例提供的一种腿部姿势采集单元的示意图；

图5为本发明实施例提供的另一种腿部姿势采集单元的示意图；

图6为本发明实施例提供的又一种腿部姿势采集单元的示意图；

图7为本发明实施例提供的另一种基于膝关节运动信息的智能跑步机的示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1为本发明实施例提供的一种基于膝关节运动信息的智能跑步机的示意图。具体地，该智能跑步机可以包括：设置在智能跑步机本体的数据采集模块101、处理器102、报警模块103以及控制模块104。其中，处理器102连接至数据采集模块101，报警模块103以及控制模块104均连接至处理器102。

数据采集模块101用于获取人体的膝关节和腿部的测量信号，并将测量信号发送至处理器102。

具体的，数据采集模块101可以获取人体的膝关节和腿部的测量信号，其中，测量信号包括膝关节运动信号、大腿运动信号、小腿运动信号、人体腿部姿势信号，并将测量信号传输至处理器102，由处理器102基于测量信号生成膝关节运动信息，根据膝关节运动信息对膝关节的受损程度以及对人体的跑步状态进行评估。

需要说明地是，由于处于运动状态的受损的膝关节所产生的膝关节运动信号，与处于运动状态的未受损的膝关节所产生的膝关节运动信号之间的差异较大，在运动状态下的膝关节产生的膝关节运动信号体现膝关节的受损程度。

并且，人体在运动时，膝关节也处于运动状态，随着人体姿势以及运动速度的不同，膝关节中各骨骼的结合方式以及各骨骼的受压程度也不同。可以理解的，人体的运动状态不同，膝关节的状态也不同，而膝关节的状态与人体下肢的运动状态密切相关，可以理解的，人体下肢的运动状态可以通过膝关节运动信号、大腿运动信号、小腿运动信号以及腿部姿势信号共同评估膝关节的受损程度以及人体的跑步状态。腿部姿势信号可以包括腿部的步幅、腿部的步频、大腿的姿势、小腿的姿势、膝盖弯曲角度以及膝盖距离地面的高度等能够体现腿部姿势的信号。进一步地，膝盖弯曲角度可以由大腿的姿势和小腿的姿势计算得到。

处理器102，用于接收数据采集模块101发送的人体的膝关节和腿部的测量信号，以及基于测量信号生成膝关节运动信息，根据膝关节运动信息对膝关节的受损程度以及对人体的跑步状态进行分析评估，并将分析评估结果发送至报警模块103以及控制模块104。

具体的，处理器102接收数据采集模块101发送的人体的膝关节和腿部的测量信号即处理器102接收膝关节运动信号、大腿运动信号、小腿运动信号和腿部姿势信号；将膝关节运动信号、大腿运动信号、小腿运动信号和腿部姿势信号生成膝关节运动信息，进一步地，根据膝关节运动信息对膝关节的受损程度以及对人体的跑步状态进行分析评估，将分析评估结果发送至报警模块103以及控制模块104。

具体的，膝关节运动信息可以包括膝关节运动信号的特征值、大腿运动信号的特征值、小腿运动信号的特征值和腿部姿势信号的特征值。其中，膝关节运动信号的特征值、大腿运动信号的特征值、小腿运动信号的特征值可以是膝关节运动信号、大腿运动信号、小腿运动信号在时域和/或频域中的特征值，比如，膝关节运动信号在时域中的特征值可以为均方根、峰度、偏度等，膝关节运动信号在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，膝关节运动信号在时频域中的特征值可以为小波包变换系数等。同样地，腿部姿势信号的特征值可以为腿部姿势信号在时域和/或频域中的特征值，比如腿部姿势信号在时域中的特征值可以为均方根、峰度、偏度等，在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，在时频域中的特征值可以为小波包变换系数等等。这样，生成的膝关节运动信息能够体现膝关节运动信号以及腿部姿势信号的特点和变化情况。

其中，膝关节运动信号的值可以包括膝关节振动信号的特征值，以及膝关节声音信号的特征值。

膝关节振动信号的特征值可以是膝关节振动信号在时域和/或频域中的特征值，膝关节声音信号的特征值可以是膝关节声音信号在时域和/或频域中的特征值，比如，膝关节振动信号和声音信号在时域中的特征值可以为均方根、峰度、偏度等，膝关节振动信号和声音信号在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，膝关节振动信号和声音信号在时频域中的特征值可以为小波包变换系数等。这样，膝关节振动信号和膝关节声音信号的特征值均能够从时域和/或频域直观体现膝关节振动信号和膝关节声音信号的特点。

具体的，基于膝关节运动信号的特征值、大腿运动信号的特征值、小腿运动信号的特征值，使用预先训练好的模型，获取分类结果，根据分类结果，确定膝关节的受损程度。需要说明的是，用于进行分类处理的预先训练好的模型可以是支持向量机(supportvectormachine，svm)、深度学习算法、k-近邻算法、贝叶斯算法等机器学习算法模型。

具体的，svm模型可以是基于径向基函数(radialbasisfunction，rbf)核的svm模型。当然，也可以根据实际情况，选择其他核函数，比如，多项式核函数、拉普拉斯核函数、sigmoid核函数等。

此外，预先训练好的svm模型可以是二分类svm模型，对应的分类结果为两类，两类分类结果对应的膝关节的受损程度分别为未受损和受损；预先训练好的svm模型也可以是多分类svm模型，对应的分类结果可以为至少五类，分类结果对应的膝关节的受损程度可以分别为未受损和受损，其中，受损可以按照受损程度进行分类，至少分为一级受损、二级受损、三级受损和四级受损。

当然，多分类svm模型对应的分类结果也可以为六类或者更多，通常情况下，可以对受损进行细分，使得最终确定的膝关节的受损程度更加精确。

处理器102在基于膝关节运动信号的特征值、大腿运动信号的特征值、小腿运动信号的特征值，使用预先训练好的模型，得到分类结果之后，可以基于上述分类结果，以及在训练模型时设置的受损程度对应的预设的期望值，确定上述膝关节的受损程度。

比如，当预先训练好的模型为二分类svm模型，可以在训练原始的二分类svm模型时，设置未受损的膝关节产生的膝关节运动信号、大腿运动信号、小腿运动信号对应的分类结果的期望值为1，设置受损的膝关节产生的膝关节运动信号、大腿运动信号、小腿运动信号对应的分类结果的期望值为-1，那么，当分类结果为1，可以确定膝关节未受损，当分类结果为-1时，可以确定膝关节受损。

具体的，基于腿部姿势信号的特征值，使用预先设置的标准数值，进行比对获取人体的跑步状态。跑步状态包括步幅状态、步频状态、膝盖落地状态，以及抬腿高度状态。在运动时，当腿抬得过高，步幅过大，不但浪费能量，而且增加人体落地冲击的能量，不利于膝盖安全；当前腿直膝落地膝盖弯曲角度小时，由于大腿最大肌肉的缓冲能力降低，而且冲击能量直接冲击膝关节，不利于膝盖安全；此外，当增加落地次数时可以减少每次落地对膝盖的压力，因此在同样的速度下，频率越低对膝盖的损伤越大。进一步地，将腿部的步幅特征值与腿部步幅的标准数值进行比对，当腿部的步幅特征值大于腿部步幅的标准数值时，跑步状态为大步幅状态，当腿部的步频特征值小于腿部步频的标准数值时，跑步状态为小步频状态，当膝盖弯曲角度特征值小于膝盖弯曲角度的标准数值时，跑步状态为直膝落地状态，以及当膝盖距离地面的高度特征值大于膝盖距离地面高度的标准数值时，跑步状态为高抬腿状态。

报警模块103用于接收处理器102发送的分析评估结果，并根据分析评估结果产生报警信息。

具体地，报警模块103接收处理器102发送的分析评估结果，其中，分析评估结果包括用户的膝盖损伤程度以及跑步状态。当膝盖损伤程度高于预设的损伤程度临界值后，报警模块103产生膝盖损伤报警。当大步幅状态的腿部的步幅特征值减去腿部步幅的标准数值的大小高于预设的第一阈值时，报警模块产生大步幅报警；当小步频状态的腿部步频的标准数值减去腿部的步频特征值的大小大于预设的第二阈值时，报警模块产生小步频报警；当直膝落地状态的膝盖弯曲角度的标准数值减去膝盖弯曲角度特征值的大小大于预设的第三阈值时，报警模块产生直膝落地报警；当高抬腿状态的膝盖距离地面的高度特征值减去膝盖距离地面高度的标准数值大于预设的第四阈值时，报警模块产生高抬腿报警。进一步地，报警信息的提示信号可以为报警蜂鸣器，可以为报警灯，也可以为语音提示。用户收到报警提示后可以根据报警信息调整跑步状态，从而达到纠正错误跑步姿势，进一步对膝盖进行保护的效果。

控制模块104用于接收处理器102发送的分析评估结果，并根据分析评估结果调节跑步机的跑步模式。

具体地，控制模块104接收处理器102发送的分析评估结果，其中，分析评估结果包括用户的膝盖损伤程度以及跑步状态。当膝盖损伤程度高于预设的损伤程度临界值后，控制模块104可以控制跑步机为停止模式，以使用户强制休息，也可以控制跑步机为慢速模式或减速模式以使用户进行慢走休息，从而达到保护用户膝盖的效果。当大步幅状态的腿部的步幅特征值减去腿部步幅的标准数值的大小高于预设的第一阈值时，且该状态持续时间过长，控制模块104可以控制跑步机为慢速模式或减速模式以使用户的步幅减小；当小步频状态的腿部步频的标准数值减去腿部的步频特征值的大小大于预设的第二阈值时，且该状态持续时间过长，控制模块104可以控制跑步机为快速模式或加速模式以使用户的步频提高；当直膝落地状态的膝盖弯曲角度的标准数值减去膝盖弯曲角度特征值的大小大于预设的第三阈值时，且该状态持续时间过长，控制模块104可以控制跑步机为停止模式以使用户停止直膝落地的错误跑步模式；当高抬腿状态的膝盖距离地面的高度特征值减去膝盖距离地面高度的标准数值大于预设的第四阈值时，且该状态持续时间过长，控制模块104可以控制跑步机为坡度模式以使用户的抬腿阻力增大。其中，持续时间的长短用户可以手动设置。

可见，本发明实施例提供的基于膝关节运动信息的智能跑步机，能够通过膝关节运动信息，分析评估膝盖损伤程度以及跑步状态，报警模块基于分析评估后的膝盖损伤程度以及跑步状态可以产生报警，控制模块基于分析评估后的膝盖损伤程度以及跑步状态可以智能控制跑步模式，使得用户在膝关节受损或者跑步姿势错误的场景中可以收到告警信息并根据智能跑步机自动调节的跑步模式更正跑步姿势，从而达到保护膝关节，纠正错误跑步姿势的效果。

实施例二

请参见图2～图6，图2为本发明实施例提供的一种数据采集模块的示意图；图3为本发明实施例提供的一种膝关节传感器单元的示意图；图4为本发明实施例提供的一种腿部姿势采集单元的示意图；图5为本发明实施例提供的另一种腿部姿势采集单元的示意图；图6为本发明实施例提供的又一种腿部姿势采集单元的示意图。在上述实施例的基础上，对数据采集模块101进行详细说明。如图2所示，数据采集模块101，包括：膝关节传感器单元1011和腿部姿势采集单元1012；膝关节传感器单元1011用于所述膝关节运动信号；腿部姿势采集单元1012用于采集腿部姿势信号。其中，如图3所示，膝关节传感器单元1011包括加速度传感器1011a、声学传感器1011b、第一姿态传感器1011c和第二姿态传感器1011d，如图4所示腿部姿势采集单元1012包括摄像头1012a和数字信号处理器(digitalsignalprocessing,简称dsp1012b。

加速度传感器1011a，用于获取膝关节振动信号，并发送至处理器102。

具体的，加速度传感器1011a可以通过接触人体的膝关节表面，来获取人体的膝关节振动信号。

由于膝关节内部各骨骼和软组织等结构之间，由于膝关节的运动而产生振动信号，受损膝关节产生的振动信号可以区别于未受损的膝关节产生的振动信号，因此，可以使用加速度传感器1011a获取到人体的膝关节的振动信号。

在实际应用中，为了提高测量得到的膝关节振动信号的准确性，加速度传感器1011a可以为多个；加速度传感器1011a可以是微型加速度计，当然，也可以是其他具有测量振动功能的传感器。

声学传感器1011b，用于获取人体的膝关节产生的膝关节声音信号，并发送至处理器102。

具体的，声学传感器1011b可以获取人体的膝关节产生的膝关节声音信号，膝关节振动信号以及膝关节声音信号共同构成膝关节运动信号。处理器102基于膝关节运动信号生成膝关节运动信息。

此外，膝关节内部各骨骼和软组织等结构之间由于膝关节运动产生声音，也即膝关节的声音信号，因此，可以使用声学传感器1011b获取膝关节产生的膝关节声音信号，并基于声音信号确定膝关节的受损程度，以提高最终确定的膝关节的受损程度准确性。

在实际应用中，声学传感器1011b可以为接触型麦克风，比如，听诊器等，或者压电薄膜。

膝关节振动信号的特征值可以是膝关节振动信号在时域和/或频域中的特征值，膝关节声音信号的特征值可以是膝关节声音信号在时域和/或频域中的特征值，比如，膝关节振动信号和声音信号在时域中的特征值可以为均方根、峰度、偏度等，膝关节振动信号和声音信号在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，膝关节振动信号和声音信号在时频域中的特征值可以为小波包变换系数等。这样，膝关节振动信号和膝关节声音信号的特征值均能够从时域和/或频域直观体现膝关节振动信号和膝关节声音信号的特点。

由于在通常情况下，膝关节运动信号可以包括一个预设的测量时段内的膝关节运动信号，因此，可以基于上述一个预设的测量时段内的膝关节运动信号，生成膝关节的运动信号的特征值。

在具体应用中，所述大腿运动信号包括大腿姿态信号；所述小腿运动信号包括小腿姿态信号。第一姿态传感器1011c用于在用户运动状态下获取所述大腿姿态信号，并发送至所述处理器102。

第二姿态传感器1011d，第二姿态传感器1011d用于在人体运动状态下获取所述小腿姿态信号，并发送至所述处理器102。

具体的，大腿姿态信号可以为大腿的姿态信息，小腿姿态信号可以为小腿的姿态信息，以便处理器102基于大腿的姿态信息和小腿的姿态信息得到膝关节的角度、加速度等能够体现膝关节姿态的信息。

在实际应用中，第一姿态传感器1011c和第二姿态传感器1011d可以为陀螺仪，当然，第一姿态传感器1011c和第二姿态传感器1011d可以为其他具有测量姿态信息功能的传感器。

大腿运动信号、小腿运动信号的特征值可以是大腿运动信号、小腿运动信号在时域和/或频域中的特征值，比如，大腿运动信号、小腿运动信号在时域中的特征值可以为平均值、均方根等，大腿运动信号、小腿运动信号在频域中的特征值可以为频谱、能量谱、功率谱等。这样，大腿运动信号、小腿运动信号的特征值能够分别从时域和频域直观体现大腿运动信号、小腿运动信号的特点。

由于在通常情况下，大腿运动信号、小腿运动信号可以包括一个预设的测量时段内的大腿运动信号、小腿运动信号，因此，可以基于上述一个预设的测量时段内的大腿运动信号、小腿运动信号，生成大腿运动信号、小腿运动信号的特征值。

摄像头1012a设置在用户腿部对应的跑步机的位置，用于采集用户的腿部跑步视频。

在实际应用中，为了提高测量得到的腿部姿势信号的准确性，摄像头1012a可以为多个，至少设置两个；摄像头1012a可以为广角摄像头。

一种实现方式中，如图5所示，腿部姿势采集单元1012还可以包括第一存储器1012c。

一种实现方式中，如图6所示，腿部姿势采集单元1012还可以包括无线通信单元1012d。其中所述无线通信单元可以为wifi、蓝牙等。

进一步地，通过所述摄像头1012a采集的用户腿部跑步视频可以存储在第一存储器1012c中，也可以通过无线通信单元上传至云服务器。当第一存储器1012c或者云服务器接收到用户腿部跑步视频后，将用户腿部跑步视频发送至dsp1012b。

dsp1012b用于接收第一存储器1012c或者云服务器发送的用户腿部跑步视频，也可以直接接收所述摄像头1012a采集的用户腿部跑步视频，并对视频进行处理，形成腿部姿势信号。

具体地，dsp1012b接收第一存储器1012c或者云服务器发送的用户腿部跑步视频，并对视频进行帧处理，抽取每一帧图片。根据提取的每一帧图片识别形成腿部姿势信号。

例如，可以从人体的步态周期轮廓来分析收集到的步态图片，提取一些每个人都会展示出的不同特征，如步幅大小、步频高低、膝盖落地角度，以及抬腿高度等。

本实施例将通过膝关节传感器单元1011获取的膝关节运动信号、大腿运动信号、小腿运动信号和腿部姿势采集单元1012获取的腿部姿势信号发送至处理器102。

可见，本发明实施例提供的基于膝关节运动信息的智能跑步机的数据采集模块，可以获取包括声音信号和振动信号的膝关节运动信号，大腿运动信号，小腿运动信号以及包括步幅大小、步频高低、膝盖落地角度，以及抬腿高度等腿部姿势信号，以使处理器102可以分析评估膝关节的受损程度以及对人体的跑步状态，最终起到对膝关节保护预防的效果。

实施例三

请参见图7，图7为本发明实施例提供的另一种基于膝关节运动信息的智能跑步机的示意图。在上述实施例的基础上，该智能跑步机还包括：第二存储器105，第二存储器105连接至处理器102，报警模块103以及控制模块104均连接至第二存储器105。

处理器102，还用于将根据膝关节运动信息对膝关节的受损程度以及对人体的跑步状态进行分析评估的结果发送至第二存储器105。

具体的，处理器102将根据膝关节运动信息对膝关节的受损程度进行分析评估，受损程度可以为未受损和受损，其中，受损可以至少分为轻度受损、重度受损，当然，受损也可以为四类、五类或者更多，处理器102可以将受损程度发送至第二存储器105进行存储。处理器102将根据膝关节运动信息对人体的跑步状态进行分析评估，跑步状态包括步幅状态、步频状态、膝盖落地状态，以及抬腿高度状态，处理器102可以将人体的全部跑步状态均结果发送至第二存储器105进行存储，也可以将大步幅状态、小步频状态、直膝落地状态，以及高抬腿状态发送至第二存储器105进行存储以便节省空间。

在实际应用中，第二存储器可以为(trans-flash，tf)存储卡，当然也可以为其他具有存储功能的器件。

一种实现方式中，如图7所示，智能跑步机还包括：显示模块106；显示模块106连接至第二存储器105。

显示模块106，用于显示处理器102根据膝关节运动信息对膝关节的受损程度以及对人体的跑步状态进行分析评估的结果。即显示模块106显示用户当前的膝关节的受损程度以及跑步状态。进一步地，显示模块106可以为lcd显示屏。

可见，本发明实施例提供的智能跑步机，可以利用第二存储器存储经处理器分析评估的膝关节受损程度以及人体的跑步状态，便于用户调用查看，还可以利用显示模式实时监控用户的膝关节受损程度以及跑步状态，便于用户及时纠正错误姿势，进而对膝关节进行保护。

以上内容是结合具体的优选实施方式对本发明提供的一种基于膝关节运动信息的智能跑步机所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。