医学影像的分类方法及装置与流程

1.本技术涉及医学影像技术领域，并且更为具体地，涉及一种医学影像的分类方法及装置。


背景技术：

2.dicom(医学数字成像和通信，digital imaging and communications in medicine)是医学图像和相关信息的国际标准(iso 12052)。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。
3.在医学影像阅片系统(mirs，medical imaging reading system)中，影像专员和阅片人需要对大量的医学影像进行识别和分析，而大量的医学影像中包含一些对阅片无用的影像，降低了影像专员和阅片人的工作效率。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种医学影像的分类方法及装置，能够筛除医学影像阅片系统中对阅片无用的非阅片医学影像。
5.第一方面，本技术的实施例提供了一种医学影像的分类方法，应用在医学影像阅片系统中，分类方法包括：获取影像序列，影像序列包括多张医学影像，每张医学影像的标签信息包括序列实体标识，序列实体标识用于指示医学影像所属的影像序列；根据标签信息，确定影像序列中的至少一个可疑影像，可疑影像包括潜在的第一非阅片医学影像；利用分类模型确定至少一个可疑影像中的第一非阅片医学影像。
6.在本技术某些实施例中，分类方法还包括：根据影像序列中的影像的数量，确定影像序列的第一可疑影像，其中利用分类模型确定至少一个可疑影像中的第一非阅片医学影像，包括：利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。
7.在本技术某些实施例中，根据影像序列中的影像的数量，确定影像序列的第一可疑影像，包括：若影像序列的影像的数量小于预设数量，将影像序列的影像标记为第一可疑影像。
8.在本技术某些实施例中，至少一个可疑影像包括第二可疑影像，标签信息还包括状位信息，根据标签信息，确定影像序列中的至少一个可疑影像，包括：根据影像序列中的影像的状位信息，确定第二可疑影像。
9.在本技术某些实施例中，根据影像序列中的影像的状位信息，确定第二可疑影像，包括：统计影像序列中状位信息相同的影像的数量，将数量中最大数量对应的影像的状位信息作为影像序列的有效状位信息，并将影像序列中不具有有效状位信息的影像标记为第二可疑影像。
10.在本技术某些实施例中，至少一个可疑影像包括第三可疑影像，标签信息还包括像素间距，根据标签信息，确定影像序列中的至少一个可疑影像，包括：根据影像序列中的相邻医学影像之间的层距与医学影像的像素间距，确定第三可疑影像。
11.在本技术某些实施例中，标签信息还包括位置信息，根据影像序列中的相邻医学影像之间的层距与医学影像的像素间距，确定第三可疑影像，包括：根据影像序列中的影像的位置信息，对影像序列中的影像进行排序；当排序后影像序列中的相邻医学图像之间的层距与像素间距的差值大于预设距离时，将相邻医学影像标记为第三可疑影像。
12.在本技术某些实施例中，标签信息还包括像素间距、位置信息和状位信息中的一种或多种，在获取影像序列之前，分类方法还包括：将缺少序列实体标识、像素间距、位置信息和状位信息中的任意一种的医学影像标记为第二非阅片医学影像。
13.在本技术某些实施例中，标签信息还包括像素间距、位置信息和状位信息，至少一个可疑影像包括第二可疑影像和第三可疑影像，分类方法还包括：若影像序列的影像的数量小于预设数量，将影像序列的影像标记为第一可疑影像，根据标签信息，确定影像序列中的至少一个可疑影像，包括：统计影像序列中状位信息相同的影像的数量，将数量中最大数量对应的影像的状位信息作为影像序列的有效状位信息，并将影像序列中不具有有效状位信息的影像标记为第二可疑影像；根据影像序列中的影像的位置信息，对影像序列中的影像进行排序；当排序后影像序列中的相邻医学图像之间的层距与像素间距的差值大于预设距离时，将相邻医学影像标记为第三可疑影像，其中利用分类模型确定至少一个可疑影像中的第一非阅片医学影像，包括：利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。
14.在本技术某些实施例中，第一非阅片医学影像包括定位影像。
15.第二方面，本技术的实施例提供了一种医学影像的分类装置，应用在医学影像阅片系统中，分类装置包括：获取模块，用于获取影像序列，影像序列包括多张医学影像，每张医学影像的标签信息包括序列实体标识，序列实体标识用于指示医学影像所属的影像序列；第一确定模块，用于根据所述标签信息，确定影像序列中的至少一个可疑影像，可疑影像包括潜在的第一非阅片医学影像；第二确定模块，用于利用分类模型确定至少一个可疑影像中的第一非阅片医学影像。
16.第三方面，本技术的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面的医学影像的分类方法。
17.第四方面，本技术的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面的医学影像的分类方法。
18.本技术的医学影像的分类方法及装置，通过对医学影像阅片系统中的大量医学影像进行分析，得到可能对阅片无用的可疑影像，再将这些可疑影像放入分类模型进行分类，最终根据分类模型的分类结果筛除非阅片医学影像，能够减少人工标记造成的失误，节约影像的加载时间，提高影像专员和阅片人的工作效率。
附图说明
19.图1为本技术一实施例所提供的医学影像分类的一种实施环境的示意图。
20.图2为本技术一实施例提供的医学影像的分类方法的流程示意图。
21.图3为本技术一实施例提供的确定第三可疑影像的流程示意图。
22.图4为本技术一实施例提供的定位影像的示意图。
23.图5为本技术一实施例提供的医学影像的分类装置的结构示意图。
24.图6为本技术一示例性实施例提供的用于执行医学影像的分类方法的电子设备的框图。
具体实施方式
25.下面将参照附图更详细地描述本技术的实施例。虽然附图中显示了本技术的某些实施例，然而应当理解的是，本技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本技术。应当理解的是，本技术的附图及实施例仅用于示例性作用，并非用于限制本技术的保护范围。
26.本技术使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“根据”是“至少部分地根据”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其它术语的相关定义将在下文描述中给出。
27.本技术的实施例可以用于医学影像阅片系统(medical imaging reading system，mirs)中。在影像图片管理方面，医学影像阅片系统支持多中心的影像上传，支持影像查询，并对上传影像进行审核和质控管理。在阅片管理方面，支持阅片流程设计、多层级阅片的分配、跟踪和查询，并且支持多重阅片。在整个业务流程中，对影像的上传审核阅片进行智能的统计管理，实时跟进影像状态和阅片进度。
28.医学影像，也可以称为医学图像，可以为电子计算机断层成像(computed tomography，ct)、核磁共振成像(magnetic resonance imaging，mri)、正电子发射型计算机断层显像(positron emission computed tomography，pet)等医学影像，本技术实施例对此不作具体限定。
29.dicom图像文件结构主要由文件头和数据集合两大部分组成。文件头用于表示该文件是否为dicom图像文件。数据集合包括：受试者(例如，病人)的姓名、成像方式、图像大小之类的与成像实例相关的数据，以及成像实例的图像像素数据。本技术实施例并不限定医学影像的具体形式，可以是原始医学图像，也可以是经过预处理后的医学图像，还可以是原始医学图像的一部分。
30.在医学影像阅片系统的业务场景下，影像专员需要对上传的大量医学影像进行识别和分析，覆盖了各种厂家的各种影像模态、影像参数、扫描部位、拍片时间等信息，阅片人也需要从大量的医学影像中去挑选优质的医学图像进行阅片。而大量的医学影像中包含一些对阅片无用的影像，降低了影像专员和阅片人的工作效率。因此，需要去除一些对阅片无用的非阅片医学影像，以便能够快速、准确地找到优质的医学影像。
31.然而，申请人在研究医学影像阅片系统的过程中发现，现有的医学影像分类技术都是人工标记非阅片医学影像，工作效率低而且还存在漏标记的情况。在所有的影像中，每拍摄一个部位都会存在一个定位影像，定位影像的图像层厚过薄、加载时间很慢，还会出现定位影像加载失败的情况，导致难以手动将定位影像标记为非阅片医学影像，需要多次加载定位影像，浪费了过多的时间。在质控过程中，访视内所有的影像序列都需要逐个查看，影像可能由于网络差等原因标记失败，需要重进系统再进行标记，浪费了人力物力。
32.为了解决上述问题，本技术提供了一种医学影像的分类方法，能够筛除医学影像阅片系统中对阅片无用的非阅片医学影像。
33.图1是本技术实施例所提供的一种实施环境的示意图。该实施环境包括ct扫描仪
110和计算机设备120。
34.计算机设备120可以从ct扫描仪110处获取医学影像。例如，计算机设备120可以通过有线网络或无线网络与ct扫描仪110进行通信。
35.ct扫描仪110用于对人体组织进行x线扫描，得到人体组织的ct医学影像。在一实施例中，通过ct扫描仪110对人体的胸部进行扫描，可以得胸部ct医学影像。
36.计算机设备120可以是通用型计算机或者由专用的集成电路组成的计算机装置等，本技术实施例对此不做限定。例如，计算机设备120可以是平板电脑等移动终端设备，或者也可以是个人计算机(personal computer，pc)，比如膝上型便携计算机和台式计算机等等。
37.本领域技术人员可以知晓，上述计算机设备120的数量可以一个或多个，其类型可以相同或者不同。比如上述计算机设备120可以为一个，或者上述计算机设备120为几十个或几百个，或者更多数量。本技术实施例对计算机设备120的数量和设备类型不加以限定。
38.在一些可选的实施例中，计算机设备120从ct扫描仪110处获取医学影像，获取影像序列，确定影像序列中的至少一个可疑影像，利用分类模型确定至少一个可疑影像中的第一非阅片医学影像。
39.图2示意性示出了本发明一实施例提供的医学影像的分类方法的流程示意图。图2所述的方法由计算设备(例如，服务器)来执行，但本技术实施例不以此为限。服务器可以是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心，本技术实施例对此不作限定。如图2所示，该方法包括如下内容。
40.s210：获取影像序列，影像序列包括多张医学影像，每张医学影像的标签信息包括序列实体标识，序列实体标识用于指示医学影像所属的影像序列。
41.具体地，在医学成像设备对受试者进行扫描之后，可以从医学成像设备获取医学影像，例如，医学影像可以为dicom图像文件。dicom图像文件中可以包含标签信息(tag)，可以从dicom图像文件中读取标签信息，标签信息可以为序列实体标识(series instance uid)，也可以为像素间距(pixel spacing)、位置信息(image position)和状位信息(image orientation)中的一种或多种。其中，序列实体标识用于指示该医学影像所属的影像序列，位置信息用于指示医学影像在影像序列的位置。可以通过读取医学影像的标签信息，根据医学影像的序列实体标识将医学影像划分为不同的影像序列，获取不同的影像序列，每个影像序列可以包含多张医学影像。
42.医学成像设备可以为电子计算机断层扫描设备、核磁共振成像设备、正电子发射计算机断层显像设备等。
43.s220：根据所述标签信息，确定影像序列中的至少一个可疑影像，可疑影像包括潜在的第一非阅片医学影像。
44.具体地，将所有医学影像按照序列实体标识划分为不同的影像序列之后，可以根据非阅片医学影像与阅片医学影像的标签信息的差异来确定影像序列中的至少一个可疑影像，可疑影像可以为潜在的第一非阅片医学影像。
45.在一实施例中，分类方法还包括：根据影像序列中的影像的数量，确定影像序列的第一可疑影像，其中利用分类模型确定至少一个可疑影像中的第一非阅片医学影像，包括：利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。
46.例如，当影像序列的影像的数量小于预设数量时，将影像序列的影像标记为第一可疑影像。预设数量例如可以为5张，因为一般情况下一个影像序列中的影像的数量要多于5张，因此对于少于5张影像的影像序列可以暂时判断为第一可疑影像，再利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。预设数量可以为5张。
47.如果第一可疑影像实际是有效的医学影像，在通过分类模型判断后，可被重新标记为阅片医学影像。
48.本实施例能够根据影像序列中的影像的数量，确定影像序列的第一可疑影像，以便进行医学影像的分类。
49.在一实施例中，至少一个可疑影像包括第二可疑影像，标签信息还包括状位信息，根据标签信息，确定影像序列中的至少一个可疑影像，包括：根据影像序列中的影像的状位信息，确定第二可疑影像。
50.一般情况下，在同一个文件夹中，大部分医学影像属于同一个影像序列，并具有相同的状位信息，该状位信息可以称为该影像序列的有效状位信息或有效状位。因此，有效状位信息的统计量最多，可以通过判断影像序列中的影像的状位信息，滤除该影像序列中非有效状位的影像。例如，可以统计某一影像序列中状位相同的影像的数量，将状位相同数量最多的状位作为该影像序列的有效状位，并将影像序列中不是有效状位的影像标记为第二可疑影像。
51.如果第二可疑影像实际是有效的医学影像，在通过分类模型判断后，可被重新标记为阅片医学影像。
52.本实施例能够根据影像序列中的影像的状位信息，确定影像序列的第二可疑影像，以便进行医学影像的分类。
53.在一实施例中，至少一个可疑影像包括第三可疑影像，标签信息还包括像素间距，根据标签信息，确定影像序列中的至少一个可疑影像，包括：根据影像序列中的相邻医学影像之间的层距与医学影像的像素间距，确定第三可疑影像。
54.图4为本技术一实施例提供的定位影像的示意图。定位影像是在拍摄医学影像的过程中产生的，每拍摄一个部位都会存在一个定位影像，这些定位影像属于无效的非阅片医学影像，并且会出现定位影像加载失败、需要多次加载的情况，影响阅片的效率。因此，需要剔除掉定位影像。
55.申请人在研究医学影像的过程中发现，正常的影像序列在空间上可以是三维的连续图像，而定位影像在影像序列中是不连续的。因此，可以根据阅片医学影像与非阅片医学影像的连续性的差异，将影像序列中不具备连续性的医学影像初步挑选出来。
56.连续性的差异可以通过影像序列中的相邻医学影像之间的层距与医学影像的像素间距进行计算。层距可以根据标签信息中的切片位置(slice location)进行计算，两张顺序上连续的影像的切片位置的差值即为层距。对于连续的影像序列中的某一张影像的某一个像素点，该像素点与其相邻的像素点(上、下、前、后、左、右六个方向的像素点)的距离应该相等或小于预设距离。假设该像素点与上、下、左、右四个方向的像素点的距离为标签信息中的像素间距，该像素点与前、后两个方向的像素点的距离为层距。因此，可以根据层距与像素间距，将不连续的医学影像挑选出来，并作为第三可疑影像。
57.具体地，可以根据影像序列中的影像的位置信息，对影像序列中的影像进行排序。
进行排序之后，计算影像序列中的相邻医学影像之间的层距与医学影像的像素间距的差值。当相邻医学影像之间的层距与像素间距的差值大于预设距离时，将该相邻医学影像标记为第三可疑影像。预设距离可以为1mm，也可以为2mm、3mm或其他数值，本技术对预设距离不做限定。
58.如果第三可疑影像实际是有效的医学影像，在通过分类模型判断后，可被重新标记为阅片医学影像。
59.本实施例通过比较影像序列中的相邻医学影像之间的层距与像素间距，能够将影像序列中不连续的医学影像挑选出来，并将其标记为第三可疑影像，以便进行医学影像的分类。
60.在一实施例中，标签信息还包括像素间距、位置信息和状位信息中的一种或多种，在获取影像序列之前，分类方法还包括：将缺少序列实体标识、像素间距、位置信息和状位信息中的任意一种的医学影像标记为第二非阅片医学影像。
61.标准的dicom医学图像一般都包含序列实体标识、像素间距、位置信息和状位信息等标签信息，如果缺少上述标签信息中的任意一个或多个，可以直接将缺少上述标签信息中的任意一个或多个的医学影像标记为第二非阅片医学影像，再对剩余的医学影像进行上述第一可疑影像、第二可疑影像和第三可疑影像的判断。
62.本实施例能够将医学影像中缺少序列实体标识、像素间距、位置信息或状位信息的医学影像标记为第二非阅片医学影像，减少确定可疑影像的运算量。
63.s230：利用分类模型确定至少一个可疑影像中的第一非阅片医学影像。
64.具体地，将上述收集到的第一可疑影像、第二可疑影像和第三可疑影像用分类模型进一步判断是否为无效的医学影像，并将无效的医学影像其标记为第一非阅片医学影像。分类模型可以为卷积神经网络二分类模型，也可以为传统图像的二分类模型。二分类模型为通用的mobilenet分类模型，分别收集非阅片医学影像(例如定位影像、非dicom影像等)和正常影像(即阅片医学影像)作为两类训练数据，喂入分类模型进行训练，迭代若干次直至分类精度满足要求(例如98％的精度)。
65.本技术的医学影像的分类方法，通过对医学影像阅片系统中的大量医学影像进行分析，得到可能对阅片无用的可疑影像，再将这些可疑影像放入分类模型进行分类，最终根据分类模型的分类结果筛除定位影像、非dicom影像等非阅片医学影像，能够减少人工标记造成的失误，节约影像的加载时间，提高影像专员和阅片人的工作效率。
66.在一实施例中，可以先将缺少序列实体标识、像素间距、位置信息和状位信息中的任意一种的医学影像直接标记为第二非阅片医学影像；在筛除第二非阅片医学影像之后，根据序列实体标识将剩余的医学影像分为若干影像序列，每个影像序列包含多张医学影像；影像序列确定之后，确定医学影像序列中的可疑影像(即上述第一可疑影像、第二可疑影像和第三可疑影像)，本技术对判断第一可疑影像、第二可疑影像和第三可疑影像的先后次序不做限定；最后将上述可疑影像放入训练好的分类模型中进行进一步的判断，若为无效影像，则将其标记为第一非阅片影像，若实际影像有效，则重新标记为阅片医学影像。
67.图3为本技术一实施例提供的确定第三可疑影像的流程示意图。
68.s310：根据影像序列中的影像的位置信息，对影像序列中的影像进行排序。
69.s320：当排序后影像序列中的相邻医学图像之间的层距与像素间距的差值大于预
设距离时，将相邻医学影像标记为第三可疑影像。
70.关于s310和s320的具体内容，可以参考上述实施例中的描述，为避免重复，此处不再赘述。
71.图5为本技术另一实施例提供的医学影像的分类装置的结构示意图，包括：
72.获取模块510，用于获取影像序列，影像序列包括多张医学影像，每张医学影像的标签信息包括序列实体标识，序列实体标识用于指示医学影像所属的影像序列；
73.第一确定模块520，用于根据所述标签信息，确定影像序列中的至少一个可疑影像，可疑影像包括潜在的第一非阅片医学影像；
74.第二确定模块530，用于利用分类模型确定至少一个可疑影像中的第一非阅片医学影像。
75.本技术的医学影像的分类装置，通过对医学影像阅片系统中的大量医学影像进行分类，得到可能对阅片无用的可疑影像，再将这些可疑影像放入分类模型中进一步判断，最终根据分类模型的识别结果筛除定位影像、非dicom影像等非阅片医学影像，能够减少人工标记造成的失误，节约影像的加载时间，提高影像专员和阅片人的工作效率。
76.根据本技术的实施例，第一确定模块520根据影像序列中的影像的数量，确定影像序列的第一可疑影像，第二确定模块530利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。
77.根据本技术的实施例，第一确定模块520包括：若影像序列的影像的数量小于预设数量，将影像序列的影像标记为第一可疑影像。
78.根据本技术的实施例，至少一个可疑影像包括第二可疑影像，标签信息还包括状位信息，第一确定模块520根据影像序列中的影像的状位信息，确定第二可疑影像。
79.根据本技术的实施例，第一确定模块520统计影像序列中状位信息相同的影像的数量，将数量中最大数量对应的影像的状位信息作为影像序列的有效状位信息，并将影像序列中不具有有效状位信息的影像标记为第二可疑影像。
80.根据本技术的实施例，至少一个可疑影像包括第三可疑影像，标签信息还包括像素间距，第一确定模块520根据影像序列中的相邻医学影像之间的层距与医学影像的像素间距，确定第三可疑影像。
81.根据本技术的实施例，标签信息还包括位置信息，第一确定模块520根据影像序列中的影像的位置信息，对影像序列中的影像进行排序；当层距与像素间距的差值大于预设距离时，将相邻医学影像标记为第三可疑影像。
82.根据本技术的实施例，标签信息还包括像素间距、位置信息和状位信息中的一种或多种，获取模块510在获取影像序列之前，将缺少序列实体标识、像素间距、位置信息和状位信息中的任意一种的医学影像标记为第二非阅片医学影像。
83.根据本技术的实施例，标签信息还包括像素间距、位置信息和状位信息，至少一个可疑影像包括第二可疑影像和第三可疑影像，第一确定模块520还包括：若影像序列的影像的数量小于预设数量，将影像序列的影像标记为第一可疑影像，第一确定模块520统计影像序列中状位信息相同的影像的数量，将数量中最大数量对应的影像的状位信息作为影像序列的有效状位信息，并将影像序列中不具有有效状位信息的影像标记为第二可疑影像；根据影像序列中的影像的位置信息，对影像序列中的影像进行排序；当排序后影像序列中的
相邻医学图像之间的层距与像素间距的差值大于预设距离时，将相邻医学影像标记为第三可疑影像，其中第二确定模块530利用分类模型确定至少一个可疑影像和第一可疑影像中的第一非阅片医学影像。
84.关于医学影像的分类装置的具体限定可以参见上文中关于医学影像的分类方法的限定，在此不再赘述。
85.图6所示为本技术一示例性实施例提供的用于执行医学影像的分类方法的电子设备600的框图，包括处理器610和存储器620。
86.存储器620用于存储所述处理器可执行指令。处理器用于运行可执行指令以执行上述实施例中任一项所述的医学影像的分类方法。
87.本技术还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述实施例中任一项所述的医学影像的分类方法。
88.本技术的医学影像的分类方法及装置，通过对医学影像阅片系统中的大量医学影像进行分析，得到可能对阅片无用的可疑影像，再将这些可疑影像放入分类模型进行分类，最终根据分类模型的分类结果筛除定位影像、非dicom影像等非阅片医学影像，能够减少人工标记造成的失误，节约影像的加载时间，提高影像专员和阅片人的工作效率。
89.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器端或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器端或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器端、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，dvd))、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
90.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
91.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，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，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。
92.所述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。
93.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
94.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。