技术领域
[0001] 本申请涉及数据处理技术领域，特别是涉及一种医疗报告解读方法、系统和相关装置。
相关背景技术
[0002] 医疗报告的解读是医学领域的重要技术之一，其可以帮助用户对医疗报告内容进行理解，以及帮助医生更准确地诊断疾病和制定治疗方案。现有的医疗报告解读技术主要依靠将单一指标项对应的数据与相应的正常数值范围进行比较，得到的解读结果可参考性较低。
[0003] 有鉴于此，如何提出一种更加智能的医疗报告解读方法，成为亟待解决的问题。
具体实施方式
[0020] 下面将结合本申请实施例中的附图，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，而不是全部实施例，并且不同实施例之间可以适应性组合。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动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。
[0021] 本申请提出的医疗报告解读方法依托于智能终端上的应用或至少集成有医疗报告解读功能的智能终端实现。其中，该智能终端可以是智能办公本、手机、平板电脑、个人电脑或可穿戴智能设备等。
[0022] 请参阅图1，图1是本申请医疗报告解读方法一实施方式的流程示意图，该方法包括：
[0023] S101：获取用户输入的医疗报告，从医疗报告中的所有参考指标项中确定异常指标项。
[0024] 在一实施方式中，获取用户主动输入的医疗报告，该医疗报告中包括多个参考指标项，且每个参考指标项包括匹配的参考数据，该参考数据的格式可以是文本、数值或图像等。对该医疗报告中所有参考指标项对应的参考数据进行分析，以确定异常指标项。
[0025] 在一实施场景中，获取用户输入的医疗报告的图像，即用户可以通过对医疗报告进行图像采集，并将采集到的图像上传。该医疗报告为医学检查报告，其匹配有对应的身份信息，该身份信息包括检查对象的姓名、性别以及年龄等；以及，医疗报告为检查报告，其中的参考指标项为检查项目。可选地，用户输入的医疗报告也可以包括病例的图像等。
[0026] 需要说明的是，上述检查对象可以为用户，或者也可以是其他，即用户可以上传自己的医疗报告，或者也可以上传与用户关联的对象的医疗报告，例如亲属。
[0027] 在另一实施方式中，获取到的医疗报告也可以为电子文档。
[0028] S102：基于每个异常指标项及其匹配的参考数据，生成与每个异常指标项匹配的单项解读内容，以及基于至少部分异常指标项及其匹配的参考数据，生成联合解读内容。
[0029] 在一实施方式中，在获取到异常指标项之后，针对每个异常指标项，将异常指标项及其匹配的参考数据输入至智能分析模型，得到智能分析模型输出的单项解读内容。其中，单项解读内容匹配有单项风险等级。
[0030] 具体地，根据预设模板，生成用于提示智能分析模型对医疗报告中每个异常指标项进行解读的任务文本，并将任务文本、异常指标项及其匹配的参考数据输入至智能分析模型，以使得智能分析模型对任务文本进行解析后，对各个异常指标项进行详细解读，并输出每个异常指标项匹配的单项解读内容以及单项风险等级。该单项解读内容中包括对应异常指标项的医学意义以及对应参考数据所能反应的检查对象的健康状态。
[0031] 在一实施场景中，智能分析模型为具备较优的数据分析能力的大语言模型，当生成的任务文本为“分别对每项异常指标项进行解读”。通过将异常指标项及其匹配的参考数据以及任务文本输入至智能分析模型，以使得智能分析模型对每个异常指标项进行详细解读。
[0032] 在一具体应用场景中，上述大语言模型为可以包括但不限于深度神经网络(Deep Neural Networks，DNNs)、卷积神经网络(Convolutional Neural Networks，CNNs)、循环神经网络(Recurrent Neural Networks，RNNs)、长短时记忆网络(Long Short‑Term Memory，LSTM)以及生成式预训练Transformer模型等，在此对大语言模型的具体构造以及具体部署不做具体限制。另外，还需说明的是本申请中其他实施方式中提到的智能分析模型的具体构造以及具体部署都可以参照本实施方式。
[0033] 进一步地，响应于异常指标项的数量为多个，则同时结合至少部分异常指标项及其匹配的参考数据进行分析，以生成至少一个联合解读结果。
[0034] 具体地，生成用于提示智能分析模型结合至少部分相互关联的异常指标项进行联合解读的任务文本，并将任务文本、相互关联的异常指标项及其匹配的参考数据输入至智能分析模型，以使得智能分析模型输出对应的联合解读结果。该联合解读内容结合了相关联的异常指标项之间的关联关系，以更科学且准确地对检查对象的健康状态进行解读。
[0035] S103：基于单项解读内容和联合解读内容，获取与医疗报告匹配的目标解读结果。
[0036] 在一实施方式中，将单项解读内容和联合解读内容进行组合后，作为目标解读结果，并将该目标解读结果反馈给用户。该目标解读结果中包括与检查对象匹配的健康状态评估信息、疾病预警信息以及建议信息等，该建议信息包括就诊建议、用药建议和饮食建议等中的至少一种。
[0037] 具体地，将单项解读内容和联合解读内容合并后作为目标解读结果，并将联合解读内容在智能终端的展示界面优先进行展示，将单项解读内容在联合解读内容的下方进行展示。
[0038] 在另一实施方式中，在得到单项解读内容和联合解读内容之后，结合所有单项解读内容和所有联合解读内容进行分析解读，得到目标解读结果。该目标解读结果结合了各个异常指标项之间的关联关系以及各个单项解读结果，以简洁且全面地对检查对象的健康状态进行评估，并有助于准确预测检查对象对于不同疾病的患病风险。
[0039] 本申请提出的医疗报告解读方法，从医疗报告中确定异常指标项。针对每个异常指标项及其匹配的参考数据，生成与每个异常指标项匹配的单项解读内容；以及，结合相互关联的至少部分异常指标项进行分析，生成联合解读内容。最终根据单项解读内容和联合解读内容，生成能够综合反映检查对象的健康状态的目标解读结果，提高了用户对医疗报告进行了解的效率。
[0040] 请参阅图2，图2是步骤S101对应另一实施方式的流程示意图。具体地，步骤S101中确定异常指标项的过程包括：
[0041] S201：对医疗报告进行识别，得到与医疗报告匹配的结构化信息；其中，结构化信息中包括不同格式的信息内容。
[0042] 在一实施方式中，响应于医疗报告为用户输入的图片，则利用OCR(Optical Character Recognition，光学字符识别)技术对该图片中的文字以及数值等进行识别，得到文本信息。将得到的文本信息按照预先设定的目标模板进行排版，得到与医疗报告匹配的结构化信息，以助于提高后续通过该结构化信息确定异常指标项的准确性。
[0043] 在一实施场景中，响应于医疗报告中还包含表格和图像等，则调用相应的识别工具，对用户输入的医疗报告的图片进行识别和提取，并将得到的信息与上述文本信息按照目标模板进行排版，得到结构化信息。
[0044] 在另一实施方式中，响应于医疗报告为文档，则直接从文档中提取出结构化信息，包括纯文本格式和表格格式等的信息内容。
[0045] S202：基于结构化信息，从所有参考指标项中筛选得到至少一个异常指标项。
[0046] 在一实施方式中，从得到的结构化信息中提取出参考指标项及其匹配的参考数据。
[0047] 进一步地，获取预先构建的指标解读插件，该指标解读插件中包括与多个医学相关的指标项匹配的正常数值范围。针对得到的每一参考指标项，利用指标解读插件将匹配的参考数据与对应地正常数值范围进行比较。当参考数据在对应的正常数值范围之外，则将对应的参考指标项作为异常指标项。当参考数据在对应的正常数值范围之内，则将对应的参考指标项作为正常指标项。
[0048] 请参阅图3，图3是步骤S102对应另一实施方式的流程示意图。具体地，步骤S102中生成联合解读内容的过程包括：
[0049] S301：将所有异常指标项划分成至少一个关联集合。
[0050] 在一实施方式中，由于疾病的预测和诊断往往需要结合多个异常指标项及其匹配的参考数据，从参考知识库中获取与异常指标项对应的第一参考知识，基于第一参考知识确定不同异常指标项之间的关联关系。其中，参考知识库中包含大量与医学相关的知识，且该参考知识库可以是为实现本申请提出的医疗报告解读方法而构建的，也可以是已有的知识库。
[0051] 具体地，利用查询语句，从参考知识库中进行检索，以提取得到与异常指标项相关的第一参考知识。针对不同异常指标项分别对应的第一参考知识，确定不同异常指标项之间的关联关系。其中，可以根据各个异常指标项生成对应的查询语句，利用该查询语句从参考知识库中检索得到第一参考知识；或者，将异常指标项作为检索关键词，并利用检索关键词从参考知识库中检索得到第一参考知识。
[0052] 在一具体应用场景中，响应于异常指标项包括“白细胞计数”、“红细胞计数”和“血小板计数”，且根据第一参考知识确定该三个异常指标项都属于血常规检查，则认为该三个异常指标项之间相互关联。或者，根据对应的第一参考知识，确定多个异常指标项都与某一疾病的发生有关，则认为该多个异常指标项之间存在关联关系。
[0053] 进一步地，利用智能分析模型对关联关系进行确认，基于确认后的关联关系，将所有异常指标项划分成至少一个关联集合。
[0054] 具体地，为提高对多个异常指标项进行划分的准确性，根据已确定的关联关系，将所有异常指标项按照预设格式进行排布，得到排布列表。将该排布列表输入至智能分析模型，并利用智能分析模型对该排布列表中异常指标项之间的关联关系进行调整或确认。响应于智能分析模型确认后，则根据该排布列表中的关联关系，将所有异常指标项划分成至少一个关联集合。或者，响应于智能分析模型对排布列表进行调整后，根据调整后的排布列表，将所有异常指标项划分成至少一个关联集合。其中，每个关联集合这种包括至少一个异常指标项，关联集合中的所有异常指标项相互关联。
[0055] 在另一实施方式中，为提高划分效率，也可以根据由第一参考知识确定的关联关系，对不同异常指标项进行划分。或者，将所有异常指标项输入至智能分析模型，以直接由智能分析模型对异常指标项进行划分。
[0056] S302：针对每个关联集合，基于关联集合中各个异常指标项及其匹配的参考数据，生成与关联集合匹配的联合解读内容；其中，联合解读内容匹配有联合风险等级。
[0057] 在一实施方式中，针对每个关联集合，将关联集合中所有异常指标项以及匹配的参考数据输入至智能分析模型，以使得智能分析模型进行联合解读，以得到对应的联合解读内容以及匹配的联合风险等级。该联合解读内容结合了相关联的异常指标项之间的关联关系，以更科学且准确地对检查对象的健康状态进行解读。
[0058] 在另一实施方式中，从参考知识库中获取与每个关联集合匹配的第二参考知识。针对每个关联集合，基于关联集合中每个异常指标项及其匹配的参考数据以及第二参考知识，获取与关联集合匹配的联合解读内容以及该联合解读内容匹配的联合风险等级。其中，本实施方式中的参考知识库中包含大量医学知识，其可以与上述相应实施方式中提到的参考知识库相同。
[0059] 在一实施场景中，利用智能分析模型获取每个关联集合对应的联合指标信息，该联合指标信息用于表示对应关联集合中的每个异常指标项，例如，关联集合中的异常指标项包括“白细胞计数”、“红细胞计数”和“血小板计数”，则将“血常规检查”作为该关联集合对应的联合指标信息。根据该联合指标信息从参考知识库中提取得到匹配的第二参考知识。针对每个关联集合，将对应的联合指标信息、关联集合中每个异常指标项及其匹配的参考数据以及第二参考知识输入至智能分析模型，以得到与关联集合匹配的联合解读内容以及该联合解读内容匹配的联合风险等级。
[0060] 在又一实施方式中，联合解读内容匹配的联合风险等级也可以是根据对应关联集合中异常指标项对应的单项风险等级确定的。具体地，将关联集合中所有异常指标项对应的单项风险等级组成的集合，作为对应联合解读内容匹配的联合风险等级；或者，将关联集合中所有异常指标项对应的单项风险等级中的最高等级，作为对应联合解读内容匹配的联合风险等级。
[0061] 需要说明的是，对于关联集合中可能仅存在一个异常指标项及其匹配的参考数据，且通过上述相应实施方式得到该异常指标项对应的单项解读内容，则为了提高解读效率，将该关联集合中唯一异常指标项对应的单项解读内容直接作为与该关联集合匹配的联合解读内容，并将单项解读内容匹配的单项风险等级，作为对应联合解读内容匹配的联合风险等级。
[0062] 请参阅图4，图4是步骤S103对应另一实施方式的流程示意图。具体地，步骤S103的实施过程包括：
[0063] S401：获取与医疗报告匹配的检查对象的画像信息。其中，画像信息包括医疗报告中的正常指标项及其匹配的参考数据。
[0064] 在一实施方式中，获取与医疗报告匹配的检查对象的画像信息，该画像信息可以是用户主动输入的，或者也可以是根据对用户的交互对话内容进行分析提取得到的。
[0065] 在一实施场景中，检查对象的画像信息中还可以包括医疗报告中的正常指标项以及匹配的参考数据。其中，正常指标项的确定过程可参照上述对应实施方式。
[0066] S402：将画像信息、单项解读内容和联合解读内容输入至智能分析模型，得到智能分析模型输出的目标解读结果。
[0067] 在一实施方式中，将画像信息、单项解读内容和联合解读内容输入至智能分析模型，以使得智能分析模型结合画像信息对输入的信息和内容进行联合解读，以输出与检查对象匹配度更高的目标解读结果。
[0068] 请参阅图5，图5是步骤S401对应另一实施方式的流程示意图。具体地，步骤S401中的画像信息是基于以下步骤得到的：
[0069] S501：获取包括多种基础类别的医疗画像体系，从与检查对象相关的多模态数据中提取与每种基础类别相匹配的基础画像数据。
[0070] 在一实施方式中，获取包括多种基础类别的医疗画像体系。上述基础类别至少包括检查对象的基本信息、健康史、医疗报告、症状体征、用药数据、生活习惯。其中，基本信息为检查对象的身高、年龄、体重等；健康史为检查对象的历史疾病；症状体征为检查对象发烧疼痛以及心率血压异常等；用药数据为检查对象的用药史；生活习惯为检查对象的运动和饮食等。从与检查对象相关的多模态数据中提取与每种基础类别相匹配的基础画像数据，通过提取基础画像数据，以提高得到检查对象的基础画像数据的全面性。
[0071] 在一实施场景中，通过与用户进行对话，并在对话过程中采集与检查对象相关的多模态数据。其中，多模态数据的模态至少包括文本、语音、图像和视频等中的至少一种。
[0072] 在一实施场景中，通过与用户进行多轮对话，基于对话过程中用户输入的文本、上传的图片以及发送的语音，得到与检查对象相关的多模态数据。
[0073] 在另一实施方式中，从用户主动上传的检查报告中获取与用户相关的多模态数据。
[0074] 具体地，获取用户主动上传的报告单以及病历，从报告单和病历中提取文本和图像，得到与检查对象相关的多模态数据。
[0075] 在又一实施方式中，从连接的医疗设备同步上传的数据中获取与用户相关的多模态数据。
[0076] 在一实施场景中，检查人员通过连接的医疗设备测量得到医疗数据后，医疗设备将该医疗数据自动同步上传至智能终端。智能终端从医疗数据中提取文本、图像和/或视频，从而得到与检查对象相关的多模态数据。
[0077] 在一具体应用场景中，医疗画像体系还包括数据更新模块，通过该数据更新模块可以得到更新后的基础画像数据。
[0078] 另外，需要说明的是，智能终端会提前告知用户交互数据的用途，并且需要在用户选择同意的前提下获取多模态数据。
[0079] S502：基于检查对象在医疗画像体系下的每种基础画像数据，确定检查对象的医疗评估数据，利用检查对象的所有基础画像数据和医疗评估数据，构建检查对象在医疗画像体系下的画像信息。
[0080] 在一实施方式中，基于检查对象在医疗画像体系下的每种基础画像数据，确定医疗评估数据，并通过将检查对象的所有基础画像数据和医疗评估数据进行整合处理，构建得到检查对象在医疗画像体系下的画像信息，从而提高画像信息构建的准确性。
[0081] 在一应用场景中，基础画像数据匹配有时间信息，基于每种基础画像数据的时间信息，确定检查对象的医疗评估数据。
[0082] 具体地，根据对应时间信息的顺序，将基础画像数据进行整合，得到医疗评估数据。或者，根据对应时间信息的顺序，将基础画像进行分析和总结，得到医疗评估数据。
[0083] 在另一实施方式中，检查对象在医疗画像体系下的基础画像数据对应有类型信息，基于每种基础画像数据的类型信息，确定对应的用户的医疗评估数据。
[0084] 具体地，将具有相同数据类型的基础画像数据进行整合，确定对应的用户的医疗评估数据。或者，将具有相同数据类型的基础画像数据进行分析和总结，得到医疗评估数据。
[0085] 其中，上述相应实施方式中对基础画像数据进行分析和总结的过程可以是由智能分析模型完成的，具体实施过程可参照上述相应实施方式。
[0086] 请参阅图6，图6是步骤S103之后对应另一实施方式的流程示意图。具体地，在通过上述任一实施方式得到目标解读结果之后，还包括：
[0087] S601：响应于目标解读结果包括多个疾病预警信息，基于单项风险等级和联合风险等级，确定每个疾病预警信息匹配的预警等级。
[0088] 在一实施方式中，响应于智能分析模型生成的目标解读结果中包括多个疾病预警信息，且每个疾病预警信息是依据所有单项解读内容和所有联合解读内容中的部分确定的，则根据对应单项解读内容匹配的单项风险等级和/或对应联合解读内容匹配的联合风险等级，确定每个疾病预警信息匹配的预警等级。其中，单项解读内容匹配有单项风险等级，联合解读内容匹配有联合风险等级，单项风险等级和联合风险等级的具体确定过程可参照上述对应实施方式。
[0089] 具体地，将疾病预警信息对应的所有单项风险等级和/或所有联合风险等级中的最大等级，作为该疾病预警信息匹配的预警等级。例如，目标风险解读结果中的疾病预警信息A是根据单项解读内容a、单项解读内容b和联合解读内容c确定的，且单项解读内容a匹配的单项风险等级为第一等级，单项解读内容b匹配的单项风险等级为第二等级，联合解读内容c匹配的联合风险等级为第一等级，由于第一等级大于第二等级，则将第一等级作为疾病预警信息A的预警等级。
[0090] 在又一实施方式中，预先根据不同疾病的危害程度，设置相应的参考等级。响应于生成的目标解读结果中包括多个疾病预警信息，则将对应的参考等级作为疾病预警信息的预警等级。例如，预先将糖尿病设置第一等级，当目标解读结果中某一疾病预警信息提示检查对象存在患糖尿病的风险，则将第一等级作为对应疾病预警信息的预警等级。
[0091] S602：基于预警等级，将目标解读结果中的疾病预警信息依次反馈至用户。
[0092] 在一实施方式中，根据目标解读结果中各个疾病预警信息分别匹配的预警等级，将预警等级较高的疾病预警信息优先在智能终端的展示界面进行展示，以使得用户优先浏览到对应预警等级较高的疾病预警信息。
[0093] 在另一实施方式，将对应预警等级高于预设等级的疾病预警信息在智能终端的展示界面按照目标格式进行展示，以提示用户对相应的疾病预警信息进行重点关注。其中，目标格式包括但不限于高亮、字体加大或加粗等。
[0094] 请参阅图7，图7是本申请医疗报告解读系统一实施方式的结构示意图。该医疗报告解读系统包括相互耦接的处理模块10、第一解读模块20和第二解读模块30。
[0095] 具体而言，处理模块10用于获取用户输入的医疗报告，从医疗报告中的所有参考指标项中确定异常指标项。
[0096] 第一解读模块20用于基于每个异常指标项及其匹配的参考数据，生成与每个异常指标项匹配的单项解读内容，以及基于所有异常指标项及其匹配的参考数据，生成联合解读内容。
[0097] 第二解读模块30用于基于单项解读内容和联合解读内容，获取与医疗报告匹配的目标解读结果。
[0098] 在一实施方式中，处理模块10从医疗报告中的所有指标项中确定异常指标项，包括：对医疗报告进行识别，得到与医疗报告匹配的结构化信息；其中，结构化信息中包括不同格式的信息内容；基于结构化信息，从所有参考指标项中筛选得到至少一个异常指标项。
[0099] 在一实施方式中，第一解读模块20基于每个异常指标项及其匹配的参考数据，生成与每个异常指标项匹配的单项解读内容，包括：针对每个异常指标项，将异常指标项及其匹配的参考数据输入至智能分析模型，得到智能分析模型输出的单项解读内容；其中，单项解读内容匹配有单项风险等级。
[0100] 在一实施方式中，第一解读模块20基于至少部分异常指标项及其匹配的参考数据，生成联合解读内容，包括：将所有异常指标项划分成至少一个关联集合；针对每个关联集合，基于关联集合中各个异常指标项及其匹配的参考数据，生成与关联集合匹配的联合解读内容；其中，联合解读内容匹配有联合风险等级。
[0101] 在一实施方式中，请继续参阅图7，本申请提出的医疗报告解读系统还包括与第一解读模块20耦接的划分模块40，划分模块40用于从参考知识库中获取与异常指标项对应的第一参考知识，基于第一参考知识确定不同异常指标项之间的关联关系；利用智能分析模型对关联关系进行确认，基于确认后的关联关系，将所有异常指标项划分成至少一个关联集合。
[0102] 在一实施方式中，第一解读模块20针对每个关联集合，基于关联集合中各个异常指标项及其匹配的参考数据，生成与关联集合匹配的联合解读内容，包括：从参考知识库中获取与每个关联集合匹配的第二参考知识；针对每个关联集合，基于关联集合中每个异常指标项及其匹配的参考数据以及第二参考知识，获取与关联集合匹配的联合解读内容以及联合解读内容匹配的联合风险等级。
[0103] 在一实施方式中，第二解读模块30基于单项解读内容和联合解读内容，获取与医疗报告匹配的目标解读结果，包括：获取与医疗报告匹配的检查对象的画像信息；其中，画像信息包括医疗报告中的正常指标项及其匹配的参考数据；将画像信息、单项解读内容和联合解读内容输入至智能分析模型，得到智能分析模型输出的目标解读结果。
[0104] 在一实施方式中，请继续参阅图7，本申请提出的医疗报告解读系统还包括与第二解读模块30耦接的画像信息构建模块50，画像信息构建模块50获取包括多种基础类别的医疗画像体系，从与检查对象相关的多模态数据中提取与每种基础类别相匹配的基础画像数据；基于检查对象在医疗画像体系下的每种基础画像数据，确定检查对象的医疗评估数据，利用检查对象的所有基础画像数据和医疗评估数据，构建检查对象在医疗画像体系下的画像信息。
[0105] 在一实施方式中，请继续参阅图7，本申请提出的医疗报告解读系统还包括与第二解读模块30耦接的预警模块60，单项解读内容匹配有单项风险等级，联合解读内容匹配有联合风险等级，响应于目标解读结果包括多个疾病预警信息，预警模块60用于基于单项风险等级和联合风险等级，确定每个疾病预警信息匹配的预警等级；基于预警等级，将目标解读结果中的疾病预警信息依次反馈至用户。
[0106] 请参阅图8，图8是本申请电子设备一实施方式的结构示意图。该电子设备包括：相互耦接的存储器70和处理器80。存储器70中存储有程序指令，处理器80用于执行程序指令以实现上述任一实施方式中提到的方法。具体地，电子设备包括但不限于：台式计算机、笔记本电脑、平板电脑、服务器等，在此不做限定。此外，处理器80还可以称为CPU(Center Processing Unit,中央处理单元)。处理器80可能是一种集成电路芯片，具有信号处理能力。处理器80还可以是、通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器80可以由集成电路芯片共同实现。
[0107] 请参阅图9，图9是本申请计算机可读存储介质一实施方式的结构示意图，该计算机可读存储介质90上存储有能够被处理器运行的程序指令100，程序指令100被处理器执行时实现上述任一实施例中提到的方法。
[0108] 在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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。
[0109] 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方式方案的目的。
[0110] 另外，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0111] 集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0112] 以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
