呼吸数据处理方法、装置、设备及存储介质

技术领域

本发明涉及生理数据处理领域，尤其涉及一种呼吸数据处理方法、装置、设备及存储介质。

背景技术

对于胸腹器官，呼吸运动会导致经皮介入过程中目标点位置以及穿刺针相对于组织位置的不确定性，这对介入精度造成了挑战。在对呼吸运动进行控制或补偿的不同方式中，呼吸门控法对患者的肺功能和配合度要求较低，同时不需要复杂的术前、术中影像采集或标记物植入，不会引入额外风险，可以适用于大多数介入场景。其中，在正常呼吸状态下，呼气末阶段呼吸肌处于舒张状态，由呼吸引起的运动缓慢，是进行介入手术较为理想的阶段。因此为了提高介入手术的准确性，需要准确地估计出患者的呼气末阶段。

现有呼吸门控方法主要为幅值门控方法，即当体表运动幅值落在指定阈值范围内就开启门控。但随着呼吸信号的基线漂移或呼吸方式的变化，可能出现呼吸幅值无法进入门控阈值范围，门控长时间无法开启的情况。也可能出现虽然呼吸幅值达到门控阈值，但并非处于呼气末阶段，由呼吸引起的组织运动较快，不适于介入的情况。

因此需要提供一种呼吸数据处理方法，以提高呼吸阶段估计的准确性。

发明内容

本发明提供了一种呼吸数据处理方法、装置、设备及存储介质，以解决解决现有技术无法准确估计呼吸阶段的问题。

根据本发明的一方面，提供了一种呼吸数据处理方法，包括：

根据第一呼吸曲线确定目标对象的当前呼吸相位，第一呼吸曲线基于设置于目标对象胸部和/或腹部的至少一个观测位点的三维运动信息确定；

根据所述呼吸相位对应的先验概率确定当前观测序列；

确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段，其中，所述隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定；

在所述呼吸阶段为目标阶段的情况下，执行设定操作。

根据本发明的另一方面，提供了一种呼吸数据处理装置，包括：

呼吸相位模块，用于根据第一呼吸曲线确定目标对象的当前呼吸相位，第一呼吸曲线基于设置于目标对象胸部和/或腹部的至少一个观测位点的三维运动信息确定；

观测序列确定模块，用于根据所述呼吸相位对应的先验概率确定当前观测序列；

估计模块，用于确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段，其中，所述隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定；

输出模块，用于在所述呼吸阶段为目标阶段的情况下，执行设定操作。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的呼吸数据处理方法。

根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的呼吸数据处理方法。

本发明实施例的技术方案，由于隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定，因此可以快速地完成模型参数的确定；由于第一呼吸曲线用于反映目标对象的呼吸运动在主运动方向上的运动分量的变化情况，因此根据第一呼吸曲线可以准确地确定出目标对象在当前时刻的呼吸相位，根据呼吸相位对应的先验概率可以准确地确定出当前观测序列；从而准确地确定出在隐马尔可夫模型下当前观测序列对应的呼吸阶段，实现了基于呼吸相位以及目标对象独有的呼吸相位与呼吸阶段的隐藏对应关系准确估计患者在当前时刻的呼吸阶段的技术效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1是根据本发明实施例提供的呼吸数据处理方法的流程图；

图2是根据本发明实施例提供的呼吸数据处理方法的又一流程图；

图3A是根据本发明实施例提供的呼吸数据处理装置的结构示意图；

图3B是根据本发明实施例提供的呼吸数据处理装置的又一结构示意图；

图4是实现本发明实施例的呼吸数据处理方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本发明实施例提供的呼吸数据处理方法的流程图，本实施例可适用于基于目标对象的呼吸相位确定目标对象当前所处呼吸阶段的情况，该方法可由呼吸数据处理装置来执行，该呼吸数据处理装置可以采用硬件和/或软件的形式实现，该呼吸数据处理装置可配置于电子设备的处理器中。如图1所示，该方法包括：

S110、根据第一呼吸曲线确定目标对象的当前呼吸相位，第一呼吸曲线基于设置于目标对象胸部和/或腹部的至少一个观测位点的三维运动信息确定。

其中，目标对象为待穿刺患者。

其中，第一呼吸曲线中，某一点的呼吸相位可理解为该点的相角，比如90度相角、0度相角等。

在一个实施例中，在目标对象的胸部表面设置至少一个观测贴片；通过该至少一个观测贴片采集对应体表观测点在当前时刻的三维位置信息；根据该至少一个三维位置信息，确定用于反映患者呼吸运动的第一呼吸曲线；根据该第一呼吸曲线确定目标对象的当前呼吸相位。根据实时数据绘制第一呼吸曲线，根据第一呼吸曲线确定目标对象的当前呼吸相位，实现了快速确定目标对象的当前呼吸相位的技术效果。

在一个实施例中，通过以下步骤确定第一呼吸曲线。根据该至少一个三维位置信息，确定初始呼吸曲线之后，对该初始呼吸曲线进行预处理以得到第一呼吸曲线，比如去除基线漂移、数据降维、数据平滑处理等。其中，数据降维包括通过主成分分析得到投影方向，投影方向即为主运动方向。

在一个实施例中，第一呼吸曲线用于反映目标对象的呼吸运动在主运动方向上的运动分量的变化情况，主运动方向为呼吸运动信号的第一主成分对应的协方差矩阵特征向量方向。由于呼吸运动在主运动方向上的运动分量可以准确地反映患者的呼吸过程，因此根据第一呼吸曲线可以准确地确定出目标对象在当前时刻的呼吸相位。

S120、根据所述呼吸相位对应的先验概率确定当前观测序列。

本发明实施例基于隐马尔可夫模型估计患者在各时刻的呼吸阶段。

其中，当前观测序列基于正态分布φ(O|μ

b

其中，μ

其中，π为初始状态概率。在呼吸阶段总数为4个的情况下，其具体可表示为：π＝{π

S130、确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段，其中，所述隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定。

隐马尔可夫模型的模型参数可记为λ＝{A，B，π}。鲍姆-韦尔奇算法就是Em(Expectation Maximization，期望最大化)算法，用于求解隐马尔可夫模型的学习问题，是一种无监督学习方法。

其中，呼吸阶段被设置为隐藏状态。相应的，隐马尔可夫模型的隐藏序列包括三个或四个呼吸阶段标识。隐藏序列包括的具体呼吸阶段标识与呼吸周期的划分方式有关。

在一个实施例中，一个完整的呼吸周期可被划分为四个阶段，具体为，呼吸阶段、呼气末阶段、吸气阶段与吸气末阶段；可表示为S＝{S

在一个实施例中，一个完整的呼吸周期可被划分为三个阶段，具体为，呼气阶段、呼气末阶段与吸气阶段。

假设隐藏状态按照S

其中，a

隐马尔可夫模型的模型参数确定后，基于维特比算法确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段。其中，维特比算法为现有算法，其实际上是采用动态规划的方式来解决隐马尔可夫模型的预测问题。

可以理解的是，如果隐藏序列包括四个呼吸阶段标识，那么对应的马尔科夫模型可用于估计四个呼吸阶段；如果隐藏序列包括三个呼吸阶段标识，那么对应的马尔科夫模型可用于估计三个呼吸阶段。

可以理解的是，不同患者的具体呼吸过程是不同的。具体地，不同患者的吸气过程不同，和/或，呼气过程不同。反映在呼吸曲线上，有的患者的呼气阶段的部分呼吸曲线的时间跨度比较大，有的患者的呼气阶段的部分呼吸曲线的时间跨度比较小，即便不同患者呼气阶段的部分呼吸曲线的时间跨度相同，但有的患者可能在相位A时开始进入呼气末阶段，有的患者可能在相位B时才开始进入呼气末阶段，相位B大于相位A，因此相较于现有技术仅基于固定的幅值阈值或者相位阈值确定呼气末阶段来说，本申请通过鲍姆-韦尔奇算法确定隐马尔可夫模型的模型参数，为每个患者量身建立观测序列与呼吸阶段的隐藏对应关系；由于观测序列是基于呼吸相位的先验概率确定的，因此可看作为每个患者建立呼吸相位与呼吸阶段的对应关系，从而实现基于呼吸相位准确地估计患者呼吸阶段的技术效果。

S140、在所述呼吸阶段为目标阶段的情况下，执行设定操作。

其中，目标阶段可基于实际使用场景进行设置。

由于在正常呼吸状态过程中，呼吸肌在呼气末阶段处于舒张状态，由呼吸引起的运动缓慢，是进行介入手术较为理想的阶段本实施例中，因此本实施例中，目标阶段可选为呼气末阶段。在估计的呼吸阶段为呼气末阶段的情况下，输出提示信息或向穿刺装置输出控制信号，所述控制信号用于控制所述穿刺装置执行设定穿刺操作。

在一个实施例中，在可视化界面中输出提示信息，以使用户根据该提示信息执行胸腹部的穿刺手术，提高用户的穿刺准确性。其中，提示信息可以是文字提示信息、呼吸曲线标识信息、呼吸动画标识信息。呼吸曲线是与估计的呼吸阶段对应的用于展示呼吸过程的曲线，呼吸曲线标识信息为设置于呼吸曲线的呼气末阶段上的设定标识，比如颜色标识或线型标识。呼吸动画用于展示患者的呼吸过程，呼吸动画标识信息可被设置为动画展示过程中的颜色标识信息，比如在呼气末阶段时，用于表示患者的小人被设置为绿色，而处于其他呼吸阶段时，用于表示患者的小人被设置为其他颜色。该实施例适应于人工穿刺场景。

在一个实施例中，在目标阶段为呼气末阶段的情况下，生成控制信号，以通过该控制信号控制穿刺装置按照设定路径执行穿刺操作。其中，设定路径可基于临床医疗图像确定。该实施例适用于自动穿刺场景。

本发明实施例的技术方案，由于隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定，因此可以快速地完成模型参数的确定；由于第一呼吸曲线用于反映目标对象的呼吸运动在主运动方向上的运动分量的变化情况，因此根据第一呼吸曲线可以准确地确定出目标对象在当前时刻的呼吸相位，根据呼吸相位对应的先验概率可以准确地确定出当前观测序列；从而准确地确定出在隐马尔可夫模型下当前观测序列对应的呼吸阶段，实现了基于呼吸相位以及目标对象独有的呼吸相位与呼吸阶段的隐藏对应关系准确估计患者在当前时刻的呼吸阶段的技术效果。

图2为本发明实施例提供的呼吸数据处理方法的又一流程图，本实施例在前述实施例的基础上增加了绘制第二呼吸曲线的步骤。如图2所示，该方法包括：

S210、根据第一呼吸曲线确定目标对象的当前呼吸相位，第一呼吸曲线基于设置于目标对象胸部和/或腹部的至少一个观测位点的三维运动信息确定。

S220、根据所述呼吸相位对应的先验概率确定当前观测序列。

S230、确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段，其中，所述隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定。

S240、在所述呼吸阶段为目标阶段的情况下，执行设定操作。

S2501、确定所述第一呼吸曲线中当前时刻所在呼吸阶段的部分呼吸曲线的变化速率均值、前一时刻的变化速率以及所述当前时刻的幅值与前一时刻的幅值的差值。

当前时刻所在呼吸阶段的部分呼吸曲线，可能仅包括一个绘制点，也可能包括至少两个绘制点。以呼气末阶段为例，如果当前时刻为呼气末阶段的开始时刻，那么当前时刻所在呼吸阶段的部分第一呼吸曲线仅包括一个绘制点，如果当前时刻不是呼气末阶段的开始时刻，那么当前时刻所在呼吸阶段的部分第一呼吸曲线包括至少两个绘制点。在当前时刻所在呼吸阶段的部分呼吸曲线包括至少两个绘制点的情况下，将该至少两个绘制点的变化速率的均值作为当前时刻所在呼吸阶段的部分呼吸曲线的变化速率均值。其中，各绘制点变化速率基于各绘制点的差分结果确定。

S2502、根据所述变化速率均值、所述前一时刻的变化速率与所述差值确定第二呼吸曲线在当前时刻的变化速率。

在一个实施例中，对所述变化速率均值、所述前一时刻的变化速率与所述差值进行加权平均，以得到加权平均结果；将所述加权平均结果作为第二呼吸曲线在当前时刻的变化速率。该实施例通过将变化速率均值、前一时刻的变化速率与差值的加权平均结果作为第二呼吸曲线在当前时刻的变化速率，提高第二呼吸曲线在当前时刻的变化速率确定的准确性。

其中，加权平均过程具体可表示为，

其中，μ

S2503、根据所述第二呼吸曲线在当前时刻的变化速率更新所述第二呼吸曲线。

其中，第二呼吸曲线为呈现给用户以辅助用户进行医学决策的呼吸曲线。

在一个实施例中，在可视化交互界面中展示更新后的第二呼吸曲线，以使用户通过第二呼吸曲线了解目标对象的呼吸状态。

在一个实施例中，在可视化交互界面中展示的更新后的第二呼吸曲线包括呼气末阶段的情况下，该呼气末阶段对应的部分第二呼吸曲线被设置有标记信息，该标记信息为颜色标记信息或线型标记信息。

本发明实施例通过对所述第一呼吸曲线中当前时刻所在呼吸阶段的部分呼吸曲线的变化速率均值、前一时刻的变化速率以及所述当前时刻的幅值与前一时刻的幅值的差值进行加权平均的方式，确定第二呼吸曲线在当前时刻的变化速率，提高了该变化速率确定的准确度，从而提高了基于该变化速率更新的第二呼吸曲线的准确性，以及用户基于第二呼吸曲线所确定的医疗处置策略的准确性。

图3A为本发明实施例提供的一种呼吸数据处理装置的结构示意图。如图3A所示，该装置包括：呼吸相位模块31、观测序列确定模块32、估计模块33与输出模块34。呼吸相位模块31，用于根据第一呼吸曲线确定目标对象的当前呼吸相位，第一呼吸曲线基于设置于目标对象胸部和/或腹部的至少一个观测位点的三维运动信息确定；观测序列确定模块32，用于根据所述呼吸相位对应的先验概率确定当前观测序列；估计模块33，用于确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段，其中，所述隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定；输出模块34，用于在所述呼吸阶段为目标阶段的情况下，执行设定操作。

在一个实施例中，所述隐马尔可夫模型可用于估计吸气阶段、吸气末阶段、呼气阶段与呼气末阶段。

在一个实施例中，所述目标阶段为呼气末阶段。

在一个实施例中，估计模块用于基于维特比算法确定在隐马尔可夫模型下当前观测序列对应的呼吸阶段。

在一个实施例中，如图3B所示，该装置还包括呼吸曲线更新模块35，该呼吸曲线更新模块包括：

第一单元，用于确定所述第一呼吸曲线中当前时刻所在呼吸阶段的部分呼吸曲线的变化速率均值、前一时刻的变化速率以及所述当前时刻的幅值与前一时刻的幅值的差值；

第二单元，用于根据所述变化速率均值、所述前一时刻的变化速率与所述差值确定第二呼吸曲线在当前时刻的变化速率；

第三单元，用于根据所述第二呼吸曲线在当前时刻的变化速率更新所述第二呼吸曲线。

在一个实施例中，所述第一呼吸曲线用于反映目标对象的呼吸运动在主运动方向上的运动分量的变化情况

所述主运动方向为呼吸运动信号的第一主成分对应的协方差矩阵特征向量方向。

在一个实施例中，第二单元用于：

对所述变化速率均值、所述前一时刻的变化速率与所述差值进行加权平均，以得到加权平均结果；

将所述加权平均结果作为第二呼吸曲线在当前时刻的变化速率。

本发明实施例的技术方案，由于隐马尔可夫模型的模型参数基于鲍姆韦尔奇算法确定，因此可以快速地完成模型参数的确定；由于第一呼吸曲线用于反映目标对象的呼吸运动在主运动方向上的运动分量的变化情况，因此根据第一呼吸曲线可以准确地确定出目标对象在当前时刻的呼吸相位，根据呼吸相位对应的先验概率可以准确地确定出当前观测序列；从而准确地确定出在隐马尔可夫模型下当前观测序列对应的呼吸阶段，实现了基于呼吸相位以及目标对象独有的呼吸相位与呼吸阶段的隐藏对应关系准确估计患者在当前时刻的呼吸阶段的技术效果。

本发明实施例所提供的呼吸数据处理装置可执行本发明任意实施例所提供的呼吸数据处理方法，具备执行方法相应的功能模块和有益效果。

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如呼吸数据处理方法。

在一些实施例中，呼吸数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的呼吸数据处理的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行呼吸数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。