基于卫生信息的预警方法、系统、电子设备及存储介质

1.本发明涉及大数据处理技术领域，更具体地，涉及一种基于卫生信息的预警方法、系统、电子设备及存储介质。


背景技术：

2.神经网络(back propagation，bp)网络是一种按误差逆传播算法训练的多层前馈网络，是应用最广泛的神经网络模型之一。bp网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。bp神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。
3.随着互联网技术的高速发展，大数据时代给大家带来了信息高速传播的便利，同时也会由于信息更新过快，导致用户需要花费大量的时间来反复理解不断更新的信息，同样在卫生信息数据中也出现了上述问题，因此，如何对卫生信息进行自动识别，将出现变化的卫生信息推送给用户是亟待解决的问题。


技术实现要素：

4.本发明针对现有技术中存在的技术问题，提供一种基于卫生信息的预警方法、系统、电子设备及存储介质，用以解决如何对卫生信息进行自动识别，将出现变化的卫生信息推送给用户的问题。
5.根据本发明的第一方面，提供了一种基于卫生信息的预警系统，包括：数据采集模块、数据预处理模块、数据处理模块、数据检测模块和信息预警模块；
6.所述数据采集模块，用于实时获取各个网站发布的卫生信息数据；
7.所述数据预处理模块，用于按照预设信息定义规则对所述卫生信息数据进行数据清洗，得到卫生数据；
8.所述数据处理模块，用于基于自然语言识别和神经网络对所述卫生数据进行分类，并基于分类结果定义卫生数据的变化等级；
9.所述信息预警模块，用于根据所述卫生数据生成预警信息，并根据所述变化等级对所述预警信息进行预警。
10.在上述技术方案的基础上，本发明还可以作出如下改进。
11.可选的，所述系统还包括：数据检测模块；
12.所述数据检测模块，用于对所述分类后的卫生数据按预设检测规则进行检测，并基于检测结果对所述卫生数据进行质疑预警。
13.可选的，所述数据检测模块，还用于基于质疑预警对应的反馈信息对所述分类后的卫生数据进行修正。
14.可选的，所述数据处理模块，包括：自然语言识别模块和神经网络模块；
15.所述自然语言识别模块，用于基于预设语料库对所述卫生数据进行特征提取，得
到所述卫生数据的文本特征；
16.所述神经网络模块，用于基于预设神经网络对所述文本特征进行分类，得到分类结果。
17.可选的，所述系统还包括：信息定义存储模块；
18.所述信息定义存储模块，用于存储所述预设信息定义规则，所述预设信息定义规则为按信息发布方、信息类型、发布时间、作用范围以及信息作用强度建立的信息分类规则。
19.可选的，所述系统还包括：信息反馈模块；
20.所述信息反馈模块，用于提供信息反馈界面，以使用户通过所述信息反馈界面对所述预警信息进行反馈。
21.可选的，所述系统还包括：数据溯源模块；
22.所述数据溯源模块，用于提供所述系统中数据的全流程变化监控。
23.根据本发明的第二方面，提供一种基于卫生信息的预警方法，包括：
24.基于预设信息定义规则对获取到的卫生信息数据进行数据清洗，得到卫生数据；
25.根据预设预料库对所述卫生数据进行特征提取，得到所述卫生数据的文本特征；
26.基于预设神经网络对所述文本特征进行分类，得到分类结果；
27.基于所述分类结果得到所述卫生数据的变化等级，根据所述变化等级对所述卫生数据进行预警。
28.根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第二方面中任一基于卫生信息的预警方法的步骤。
29.根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第二方面中任一基于卫生信息的预警方法的步骤。
30.本发明提供的一种基于卫生信息的预警方法、系统、电子设备及存储介质，系统包括：数据采集模块、数据预处理模块、数据处理模块、数据检测模块和信息预警模块。本发明通过对获取到的卫生信息进行数据清洗得到卫生数据，在通过自然语言识别和神经网络对卫生数据进行分类，基于分类结果得到卫生数据的变化等级，在根据变化等级对所述卫生数据进行预警，从而实现了基于卫生数据变化后实时推送，进而大大的降低了用户对于冗余卫生信息理解时的精力消耗，又降低了用户错过重要信息的风险，同时通过神经网络对卫生数据分类得到卫生数据的变化等级，从而使得用户可以专注于卫生信息中的重点信息，降低了由于理解偏差以及疏漏导致的执行出错的可能性，大大的提升了用户的办公效率。
附图说明
31.图1为本发明提供的一种基于卫生信息的预警系统结构示意图；
32.图2为本发明提供的一种基于卫生信息的预警方法流程图；
33.图3为本发明提供的一种可能的电子设备的硬件结构示意图；
34.图4为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
35.下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
36.图1为本发明提供的一种基于卫生信息的预警系统结构示意图，如图1所示，系统包括：数据采集模块、数据预处理模块、数据处理模块、数据检测模块和信息预警模块。
37.其中，所述数据采集模块，用于实时获取各个网站发布的卫生信息数据；所述数据预处理模块，用于按照预设信息定义规则对所述卫生信息数据进行数据清洗，得到卫生数据；所述数据处理模块，用于基于自然语言识别和神经网络对所述卫生数据进行分类，并基于分类结果定义所述卫生数据的变化等级；所述信息预警模块，用于根据所述卫生数据生成预警信息，并根据所述变化等级对所述预警信息进行预警。
38.需要说明的是，上述各个网络发布的卫生信息数据，可以是通过系统自带的爬虫程序抓取具有权威卫生信息的网站数据，其中，上述网站可以是由管理员手动进行配置的。上述卫生信息数据可以包括与卫生、医疗和药品相关的卫生信息。
39.可以理解的是，上述预设信息定义规则包括按信息发布方、信息类型、发布时间、作用范围以及信息作用强度建立的信息分类规则。上述按预设信息定义规则进行数据清洗的步骤，还可以根据上述卫生信息数据的多个专家的支持率以及卫生信息数据在其他数据中的词频数据，对上述卫生信息数据进行可信度分析，并将可信度低于一定阈值范围的卫生数据滤除掉，上述阈值可以是由管理员手动设定了的。上述信息作用强度可以包括：正向、弱正向、反向、弱反向。
40.应理解的是，上述变化等级可以是根据分类结果设定的，上述变化等级包括重要等级和优先等级，重要等级可以分为一级、二级和三级，优先等级也可以分为一级、二级和三级，其中一级为需要及时进行预警的信息，三级为出现变化但是不重要的信息。
41.作为实施例，所述基于卫生信息的预警系统，还包括：数据检测模块。
42.其中，所述数据检测模块，用于对所述分类后的卫生数据按预设检测规则进行检测，并基于检测结果对所述卫生数据进行质疑预警；还用于基于质疑预警对应的反馈信息对所述分类后的卫生数据进行修正。
43.可以理解的是，上述预设检测规则可以是在系统初始化时定义的各个数据字段的值域范围，其中字段类型包括但不限于字符串(string)、整数(int)、浮点数(float)、布尔值(boolean)、枚举值(enum)等。上述值域范围可以是系统初始化设定的，也可以是管理员手动修改的，还可以是默认的一个数值，例如：字段类型为整形的阈值范围为[-2147483648，2147483647]。
[0044]
在具体实现中，首先需要定义各个数据字段的值域范围，然后再建立数据存储智能触发函数，上述触发函数用于在保存的值不在上述定义的值域范围内时产生一条质疑数据，同时，当数据在任何时候再次被更改时，再次判断数据是否在定义的值域范围内，如果再次更改时，数据值仍不在值域范围内，质疑(query)数据将仍然保留，但是在其细节上记录新的质疑详情数据情况。同样，如果再次更改时，如果新的数据取值符合所定义的值域范围，原来存在的质疑数据将被逻辑清除；同时管理员或者拥有权限的用户可以修改数据值，系统会根据接收的的数据值对数据字段进行修改，使得对应的数据字段符合值域的要求，此时质疑数据也将会被逻辑删除。
[0045]
作为实施例，所述数据处理模块，包括：自然语言识别模块和神经网络模块。
[0046]
其中，所述自然语言识别模块，用于基于预设语料库对所述卫生数据进行特征提取，得到所述卫生数据的文本特征；所述神经网络模块，用于基于预设神经网络对所述文本特征进行分类，得到分类结果。
[0047]
可以理解的是，上述预设语料库可以是一个文本集合，上述集合可以是包含有系统初始化的语料数据，还可以包含通过第三方系统获取的语料数据，也可以包含在系统使用过程中不断累积的语料数据。
[0048]
上述自然语言识别的步骤可以包括：基于预设语料信息对卫生数据进行语料预处理，其中预处理步骤包括：
①
语料清洗(人工去重、对齐、删除和标注，或者规则提取内容、正则表达式匹配、根据词性和命名实体提取、编写脚本或代码批处理，得到清洗后的卫生数据)、
②
分词(使用双向最大匹配将上述卫生数据分成词语)、
③
词性标注(基于预设规则库或同级方法给上述词语打上标签，如形容词、动词、名词等，为情感分析和知识推理做准备)、
④
去停用词(对掉对文本特征没有任何贡献作用的字词，比如标点符号、语气、人称等)。将预处理后的词语输入到特征工程(使用词袋模型(bag of word，bow)把分词表示成计算机能够计算的类型，一般为向量)，然后进行特征选择(使用常用的特征选择方法，如df、mi、ig等方法选择合适的、表达能力强的特征)，得到上述卫生数据的文本特征。
[0049]
上述升级网络对上述文本特征分类的步骤可以包括：
①
基于numpy、scikit-learn和matplotlib构建神经网络(numpy将用于创建向量和矩阵，以及数学运算。scikit-learn将用于缩放数据，matplotlib将用于绘制神经网络训练过程中的误差发展)，
②
创建训练和测试数据集(通过numpy的array函数input_pred创建输入和输出训练和测试集。训练和测试数据均由六个样本组成，每个样本具有三个特征，并且由于给出了输出)，
③
对数据进行缩放(在scikit-learn中，主要有3种不同的数据预处理的方法，分别是minmaxscaler、standardscaler和normalizer。本系统使用fit_transform函数进行缩放数据)。
[0050]
其中，创建神经网络的步骤包括：
[0051]
(1)创建初始化函数：在python中创建一个类时会调用__init__，以便正确初始化变量。
[0052]
(2)创建前向传播函数：为了计算每一层中每个节点的值，在应用非线性激活函数以拓宽最终输出函数的可能性之前，前一层节点的值将与适用的权重进行矩阵相乘。本系统使用的是sigmoid作为激活函数。
[0053]
(3)创建反向传播函数：输出层的输出误差被计算为转发传播的预测输出与实际输出之间的差异。然后，在重复整个过程直到到达输入层之前，将此误差与sigmoid素数相乘以运行梯度下降。最后，更新不同层之间的权重。
[0054]
(4)创建训练函数：在训练过程中，算法将运行向前和向后传递，从而更新权重。此外，将平均绝对误差(mae)保存到误差列表中，以便后续可以观察在训练过程中平均绝对误差是如何发展的。
[0055]
(5)创建预测函数：在训练期间对权重进行微调后，该算法就可以预测新数据点的输出了。这是通过转发传递的单次迭代完成的。
[0056]
(6)绘制平均绝对误差发展图：使用平均绝对误差方法评估机器学习算法的质量。一般其质量应随着epoch的数量而减少。
[0057]
(7)计算精度及其组成部分：本系统使用真阳性、假阳性、真阴性和假阴性的数量描述机器学习分类算法的质量。训练完神经网络后更新权重，以便算法能够准确预测新的数据点。在二元分类任务中，这些新数据点只能是1或0。根据预测值是高于还是低于定义的限制，算法会将新条目分类为1或0。
[0058]
在具体实现中，还可以运行一个脚本来训练和评估神经网络模型：首先初始化一个类型为neuralnetwork的对象。然后在训练数据上训练神经网络，在新训练的模型在测试向量上进行测试之前，在200个时期内微调算法的权重。然后，在使用测试数据集评估模型之前绘制误差发展图。同时可以提供代码以更可以轻松修改以处理其他类似情况。后续可以更改变量并使用任何自定义的数据规格等。
[0059]
作为实施例，所述基于卫生信息的预警系统还包括：信息定义存储模块。
[0060]
其中，所述信息定义存储模块，用于存储所述预设信息定义规则，所述预设信息定义规则为按信息发布方、信息类型、发布时间、作用范围以及信息作用强度建立的信息分类规则。
[0061]
可以理解的是，上述预设信息定义规则的步骤可以是：
[0062]
1、对宏观政策按发布部门、政策类型、发布时间、作用范围等，建立相关的分类系统；
[0063]
2、对宏观政策按政策强度，分为正向、弱正向、反向、弱反向，建立政策强度分类系统；
[0064]
3、建立专业化词素字典，便于后续在自然语言识别和神经网络算法中使用；
[0065]
4、定义数据获取源分类及url源地址；
[0066]
5、定义信息撷取规则，在信息抓取过程中使用；
[0067]
6、定义信息与角色权限的可读写关系，及信息与角色权限的可预警关系，及信息与角色权限的可反馈关系，可以在信息预警模块和信息反馈模块中使用。
[0068]
作为实施例，本实施例系统中数据抓取的步骤可以包括：
[0069]
首先请求一个页面；然后把获取到的网页源代码解码成人类可读的形式；找到需要的信息，分析上下文的关键字符及干扰字符；截取包含所需信息的片段；对截取的信息进行数据清洗，替换掉不需要的干扰信息，去除非文本信息，如网页上爬取来的一些标记符号，标点符号等；整理字符串，根据关键字符把长字符串分片成多个短字符串。
[0070]
作为实施例，所述基于卫生信息的预警系统还包括：信息反馈模块。
[0071]
其中，所述信息反馈模块，用于提供信息反馈界面，以使用户通过所述信息反馈界面对所述预警信息进行反馈。
[0072]
在具体实现中，信息反馈的步骤可以为：使用者按不用角色设定可反馈的信息类型与范围；各使用者在其角色权限范围内根据各自对宏观政策变化的理解，可上传或下达相关的反馈信息；另一方面，作为反馈信息的接收者，根据事先设定的角色权限与反馈要求规则，如果要求强制再次反馈的，接受者必须在收到反馈信息的预定时间内完成反向反馈，如果不要求强制再次反馈的，也可以简单标记为“收到”或者“知晓”；通过以上流程，使得系统捕捉到的宏观政策的变化，能够实时得到反馈，由此形成pdca循环。
[0073]
作为实施例，所述基于卫生信息的预警系统还包括：数据溯源模块。
[0074]
其中，所述数据溯源模块，用于提供所述系统中数据的全流程变化监控。
[0075]
在具体实现中，数据溯源模块可以使得用户方便地从数据抓取到数据清洗、数据存储、自然语言分析以及到神经网络计算全过程的数据变化监控。
[0076]
在一种可能的应用场景中，信息预警模块用于预警的步骤可以包括：系统经过自然语言分析与神经网络算法发现卫生信息文件存在实质性的变化；对上述变化定义重要级与优先级，提醒的等级可以有一级、二级、三级，优先的等级也可以有一级、二级、三级；根据上述等级的不同，查找需要提醒的相关使用者，根据其角色权限的不同，查找事先定义好提醒等级、优先等级与使用者的角色权限关系，计算提醒的时间、频度与范围；通过websocket方式，对使用者按上述计算好的等级、优先级进行个性化的提醒。
[0077]
在具体实现中，当系统识别到卫生信息存在实质性的变化时，本实施例系统可以将变化信息及时推送给相关关注人与责任人，以便于关注人和责任人接收到预警信息后进行反馈交流，本实施例基于重要等级的变化推送可以更有效的提高用户的办公效率，并在信息出现变化时第一时间收到变化消息，并作出相应的应对策略。
[0078]
在一种可能应用场景中，《医疗设置指导规划指导原则2021-2025年》的文件，是对《医疗设置指导规划指导原则2015-2020年》文件的一次调整与升级，系统对原有信息只要做好自动替换。为了有效识别是新文件还是原有文件的升级，除了根据文件名，还要根据文件中的“专业化词素”判断。专业化词素包括国家卫生健康委、《医疗设置指导规划指导原则》、县域医院等专有名词、数词、量词、术语等，并对其进行相关定义(相关定义详见第六条，欲保护的关键点举例)。例如，《医疗设置指导规划指导原则2021-2025年》中提到“原则上县域人口超过100万的地区，可适当增加县办医院的数量。”而《医疗设置指导规划指导原则2015-2020年》原有规定的县办综合医院与中医院，新文件中多了“县城100万以上人口可以适当增加综合医院数量”的定义，系统可以抓取关键要素，将变更的关键词素推送给相关的责任人。
[0079]
在一种可能的应用场景中，“紧急用血”过去是30分钟送达医院，现在要求是15分钟送达医院，系统对15分钟送达医院的专业化词素全部进行自动更新，供医务人员执行。有了该系统，不会再出现国家制度更新了几年，医院还是老版本制度的状况。因为医院制度没有与国家同步，给病人造成安全隐患。
[0080]
本发明提供的一种基于卫生信息的预警方法、系统、电子设备及存储介质，系统包括：数据采集模块、数据预处理模块、数据处理模块、数据检测模块和信息预警模块。本发明通过对获取到的卫生信息进行数据清洗得到卫生数据，在通过自然语言识别和神经网络对卫生数据进行分类，基于分类结果得到卫生数据的变化等级，在根据变化等级对所述卫生数据进行预警，从而实现了基于卫生数据变化后实时推送，进而大大的降低了用户对于冗余卫生信息理解时的精力消耗，又降低了用户错过重要信息的风险，同时通过神经网络对卫生数据分类得到卫生数据的变化等级，从而使得用户可以专注于卫生信息中的重点信息，降低了由于理解偏差以及疏漏导致的执行出错的可能性，大大的提升了用户的办公效率。同时，如果管理者犯了错误，系统也会预警提醒。或者管理者知道正确的操作，但由于工作懒惰，偷工减料，或者选择性执行，上级部门也会及时发现，警示改正。运用web3.0技术，对网络信息进行结构化处理或语义识别，把“新闻类信息”转化为管理者的“作业流程手册”，成为管理者的工作指南，做到信息法规执行无偏差。依据神经网络技术，把每个关键点定义为神经元，根据神经传导中的命令程序，对下一级下达管理者指令，同时，下一级对上
一级反馈指令执行情况。海量的信息，在神经算法原理，运用逻辑学原理，对医学制度管理、执行与反馈。做到信息通畅，事事有交代、事事有执行、事事有反馈。
[0081]
请参阅图2，图2为本发明实施例提供的一种基于卫生信息的预警方法流程图，如图2所示，一种基于卫生信息的预警方法，方法包括：
[0082]
步骤s100：基于预设信息定义规则对获取到的卫生信息数据进行数据清洗，得到卫生数据；
[0083]
需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信及程序运行功能的计算机终端设备，例如：电脑、平板电脑等；也可以是具有相同相似功能的服务器设备，还可以是具有相似功能的云服务器，本实施例对此不做限制。为了便于理解，本实施例及下述各实施例将以服务器设备为例进行说明。
[0084]
步骤s200：根据预设预料库对所述卫生数据进行特征提取，得到所述卫生数据的文本特征；
[0085]
在具体实现中，通过自然语言识别对专业化词素进行归类与定义，归类会包括信息编号、信息名称、信息核心内容、信息对口执行单位与部门；定义包括卫生关键词、医疗关键词、医学专业术语，对这些关键词转化成字母与数字的形式。系统还会根据语义的表达进行相应识别。
[0086]
步骤s300：基于预设神经网络对所述文本特征进行分类，得到分类结果；
[0087]
在具体实现中，用神经网络算法归类符号与数字之间的内在逻辑关系：把专业化词素导入到事先编辑完成的数字仓库，把制度中的主观描述用神经网络算法表述成计算机命令。
[0088]
步骤s400：基于所述分类结果得到所述卫生数据的变化等级，根据所述变化等级对所述卫生数据进行预警。
[0089]
可以理解的是，本发明提供的一种基于卫生信息的预警方法与前述各实施例提供的基于卫生信息的预警系统相对应，基于卫生信息的预警方法的相关技术特征可参考基于卫生信息的预警系统的相关技术特征，在此不再赘述。
[0090]
请参阅图3，图3为本发明实施例提供的电子设备的实施例示意图。如图3所示，本发明实施例提供了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：
[0091]
基于预设信息定义规则对获取到的卫生信息数据进行数据清洗，得到卫生数据；根据预设预料库对上述卫生数据进行特征提取，得到上述卫生数据的文本特征；基于预设神经网络对上述文本特征进行分类，得到分类结果；基于上述分类结果得到上述卫生数据的变化等级，根据上述变化等级对上述卫生数据进行预警。
[0092]
请参阅图4，图4为本发明提供的一种计算机可读存储介质的实施例示意图。如图4所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：
[0093]
基于预设信息定义规则对获取到的卫生信息数据进行数据清洗，得到卫生数据；根据预设预料库对上述卫生数据进行特征提取，得到上述卫生数据的文本特征；基于预设神经网络对上述文本特征进行分类，得到分类结果；基于上述分类结果得到上述卫生数据
的变化等级，根据上述变化等级对上述卫生数据进行预警。
[0094]
本发明提供的一种基于卫生信息的预警方法、系统、电子设备及存储介质，系统包括：数据采集模块、数据预处理模块、数据处理模块、数据检测模块和信息预警模块。本发明通过对获取到的卫生信息进行数据清洗得到卫生数据，在通过自然语言识别和神经网络对卫生数据进行分类，基于分类结果得到卫生数据的变化等级，在根据变化等级对所述卫生数据进行预警，从而实现了基于卫生数据变化后实时推送，进而大大的降低了用户对于冗余卫生信息理解时的精力消耗，又降低了用户错过重要信息的风险，同时通过神经网络对卫生数据分类得到卫生数据的变化等级，从而使得用户可以专注于卫生信息中的重点信息，降低了由于理解偏差以及疏漏导致的执行出错的可能性，大大的提升了用户的办公效率。
[0095]
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
[0096]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0097]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0098]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0099]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0100]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0101]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。