CT数据的处理方法、装置、存储介质及计算机设备

技术领域

本发明涉及数字医疗技术领域，尤其是涉及一种CT数据的处理方法、装置、存储介质及计算机设备。

背景技术

慢性阻塞性肺疾病(Chronic obstructive pulmonary disease,COPD)简称慢阻肺，是一种持续性肺功能恶化的慢性呼吸系统疾病。它是造成全球疾病负担的主要因素之一，是全球疾病死亡原因的第三位。中国的流行病学研究表明，近十年发病率上涨了65.9％，40岁以上人群慢阻肺发病率达到13.7％，患者死亡率高达17.6％，平均患者家庭经济负担达到33％以上，而公众的患病知晓率仅7％左右。研究表明，及时对早期慢阻肺患者进行治疗干预能够有效地改善肺功能和疾病进展。目前，肺部CT(Computed Tomography，电子计算机断层扫描)数据的量化分析对慢阻肺的评价至关重要。

目前，通常通过对CT数据中的整个肺部区域进行分析来确定CT数据的处理结果。然而，本申请研究人员发现，气管等非肺实质的低密度组织分布在各个肺叶，影响病灶的描述能力，从而导致CT数据的处理准确度较低。

发明内容

本发明提供了一种CT数据的处理方法、装置、存储介质及计算机设备，主要在于能够提高CT数据的处理准确度。

根据本发明的第一个方面，提供一种CT数据的处理方法，包括：

获取检查对象的肺部CT图像；

基于所述肺部CT图像，获取检查对象的肺叶区域和支气管区域；

基于所述肺叶区域和所述支气管区域，获取无支气管的降噪肺叶区域；

基于所述降噪肺叶区域，获取肺气肿参数。

可选地，所述基于所述肺叶区域和所述支气管区域，获取无支气管的降噪肺叶区域，包括：

确定肺叶区域与支气管区域之间的相交区域；

在所述肺叶区域中将所述相交区域去除，得到无支气管的降噪肺叶区域。

可选地，所述基于所述降噪肺叶区域，获取肺气肿参数，包括：

确定所述降噪肺叶区域中各个像素的CT值，并在各所述CT值中确定小于预设阈值的目标CT值；

将所述目标CT值对应的像素数量与各所述CT值对应的像素总数量相除，得到所述肺气肿参数。

可选地，所述方法还包括：

对所述支气管区域内的支气管进行分级处理；

确定各级所述支气管上的按照预设间隔分布的多个测量点；

基于所述测量点，获取各级支气管的气道特征数据。

可选地，所述气道特征数据包括：所述各级支气管对应的最大管壁厚度、最小管壁厚度、平均管壁厚度、最大管腔直径、最小管腔直径、平均管腔直径和平均管壁面积百分比中至少一种。

可选地，所述方法还包括：

将所述肺气肿参数和所述气道特征数据输入至预设CT数据处理模型中进行分类，得到CT数据对应的分类结果；

将所述分类结果推荐给医师，所述医师确定所述检查对象是否患有肺部疾病。

可选地，在所述将所述肺气肿参数和所述气道特征数据输入至预设CT数据分类模型中进行分类，得到CT数据对应的分类结果之前，所述方法还包括：

构建多个预设初始CT数据处理模型；

获取不同分类结果的样本CT数据及其对应的样本肺气肿参数和样本气道特征数据；

基于样本CT数据及其对应的样本肺气肿参数和样本气道特征数据，对各所述预设初始CT数据处理模型进行训练，并根据训练结果，确定预设CT数据处理模型。

可选地，所述方法还包括：

基于不同分类结果的样本CT数据的样本对象数量，确定分类结果中需扩展样本对象数量的扩展样本CT数据；

基于扩展样本CT数据的样本对像数量和不同分类结果的样本CT数据的样本对象总数，确定扩展样本CT数据的需扩展样本对象数量；

基于需扩展样本对象数量，获取所述扩展样本CT数据的补充样本CT数据。

根据本发明的第二个方面，提供一种CT数据的处理装置，包括：

图像获取单元，用于获取检查对象的肺部CT图像；

第一区域获取单元，用于基于所述肺部CT图像，获取检查对象的肺叶区域和支气管区域；

第二区域获取单元，用于基于所述肺叶区域和所述支气管区域，获取无支气管的降噪肺叶区域；

参数获取单元，用于基于所述降噪肺叶区域，获取肺气肿参数。

根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上CT数据处理方法。

根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上CT数据处理方法。

根据本发明提供的一种CT数据的处理方法、装置、存储介质及计算机设备，与目前仅通过对CT数据中的整个肺部区域数据进行分析来确定CT数据处理结果的方式相比，本发明通过获取检查对象的肺部CT图像；基于肺部CT图像，获取检查对象的肺叶区域和支气管区域；基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域；基于降噪肺叶区域，获取肺气肿参数。上述方法将肺叶区域中的气管去除，得到无支气管的降噪肺叶区域，最终根据无支气管的降噪肺叶区域来确定肺气肿参数，排除了肺叶区域中支气管对数据分析的影响，从而提高了CT数据的处理准确度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明实施例提供的一种CT数据的处理方法流程图；

图2示出了本发明实施例提供的另一种CT数据的处理方法流程图；

图3示出了本发明实施例提供的一种CT数据的处理装置的结构示意图；

图4示出了本发明实施例提供的另一种CT数据的处理装置的结构示意图；

图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

目前，对CT数据中的整个肺部区域数据进行分析来确定CT数据的处理结果的方式，由于肺部区域中的气管会影响病灶描述能力，导致CT数据的处理准确度较低。

为了解决上述问题，本发明实施例提供了一种CT数据的处理方法，如图1所示，所述方法包括：

101、获取检查对象的肺部CT图像。

其中，检查对象具体可以为肺部疾病患者。在一示例中，肺部CT图像是对检查对象的肺部进行平扫得到的图像。

102、基于肺部CT图像，获取检查对象的肺叶区域和支气管区域。

具体地，在检查对象的肺部CT图像中对肺叶和支气管分别进行识别和定位，并根据定位结果，在肺部CT图像中确定检查对象的肺叶区域和支气管区域。支气管区域的获取可以采用阈值分割方法和中心生长法，肺叶区域的获取可以采用阈值分割方法和神经网络模型方法。

103、基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域。

其中，降噪肺叶区域为在肺叶区域中排除支气管后的区域。具体地，在CT图像中确定检查对象的肺叶区域和支气管区域后，确定肺叶区域与支气管区域之间的相交区域，之后在肺叶区域中将该相交区域去除，得到无支气管的降噪肺叶区域，最终基于无支气管的降噪肺叶区域来确定检查对象的肺气肿参数，能够避免肺叶区域中支气管的干扰，从而提高了肺气肿参数的确定准确度，进而提高了CT数据的处理准确度。

104、基于降噪肺叶区域，获取肺气肿参数。

其中，肺气肿参数是指肺叶区域中CT值小于预设阈值的像素数量占总像素数量的百分比。

具体地，气管、肺泡等非肺实质的低密度组织分布在各个肺叶区域中，影响肺气肿特征的病灶描述能力，因此，采用图像逻辑操作去除肺叶区域中的气管，获得感兴趣区域，即降噪肺叶区域，最终在感兴趣区域中确定CT值小于预设阈值的像素数量占总像素数量的百分比，由此能够得到肺叶区域对应的肺气肿参数，提高了肺气肿参数的获取准确度。

进一步的，为了更好的说明上述对CT数据进行处理的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种CT数据的处理方法，如图2所示，所述方法包括：

201、获取检查对象的肺部CT图像，并基于肺部CT图像，获取检查对象的肺叶区域和支气管区域。

具体地，首先获取对检查对象肺部进行平扫得到的CT图像，之后在CT图形中分别对肺叶和支气管进行识别和定位，并根据定位结果分割出肺叶区域Region

202、基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域。

具体地，在肺叶区域中将肺叶区域与支气管区域的相交区域去除，得到无支气管的降噪肺叶区域，从而在无支气管的降噪肺叶区域中确定检查对象的肺气肿参数，能够避免肺叶区域中支气管对肺气肿参数确定的影响，从而提高了肺气肿参数的确定准确度。

203、确定降噪肺叶区域中各个像素的CT值，并在各CT值中确定小于预设阈值的目标CT值。

204、将目标CT值对应的像素数量与各CT值对应的像素总数量相除，得到肺气肿参数。

其中，CT值是人体阻挡X射线的能力值，CT值是CT图像中每个像素的对应值。预设阈值是根据实际情况设定的数值，是用于判定肺叶是否异常的临界值，如预设阈值可以为-950Hu，或者-910Hu。

对于本发明实施例，在肺部CT图像中分割出肺部区域和支气管区域后，由于气管、肺泡等非肺实质的低密度组织分布在各个肺叶，影响肺气肿特征的病灶描述能力，因此，采用图像逻辑操作去除肺叶内的气管，获得感兴趣区域ROI(降噪肺叶区域)，其中，感兴趣区域为去除支气管后的全肺、左上肺、左下肺、右上肺、右中肺和右下肺，具体获取感兴趣区域的公式如下：

ROI＝Region

其中，Region

进一步地，在获取肺叶区域中的感兴趣区域，即降噪肺叶区域后，需要确定降噪肺叶区域中各个像素对应的CT值，并根据降噪肺叶区域中各个像素对应的CT值，计算肺气肿特征。具体计算肺气肿特征的公式如下：

其中，LAA

205、对支气管区域内的支气管进行分级处理。

206、确定各级支气管上的按照预设间隔分布的多个测量点。

207、基于测量点，获取各级支气管的气道特征数据。

其中，气道特征数据是指支气管区域中各级支气管对应的几何参数数据。气道特征数据包括：支气管区域中各级支气管对应的最大管壁厚度、最小管壁厚度、平均管壁厚度、最大管腔直径、最小管腔直径、平均管腔直径和平均管壁面积百分比。预设距离是根据实际情况确定的数值，具体可以以支气管的长度来确定预设距离。

具体地，对支气管区域Region

最大管壁厚度对应的确定公式如下：

maxThickness

其中，Thickness

最小管壁厚度对应的确定公式如下：

minThickness

平均管壁厚度对应的确定公式如下：

最大管腔直径对应的确定公式如下：

maxDiameter

其中，Diameter

最小管腔直径对应的确定公式如下：

minDiameter

平均管腔直径对应的确定公式如下：

平均管壁面积百分比对应的确定公式如下：

其中，Wa％

208、将肺气肿参数和气道特征数据输入至预设CT数据处理模型中进行分类，得到CT数据对应的分类结果。

209、将分类结果推荐给医师，医师确定检查对象是否患有肺部疾病。

其中，预设CT数据处理模型具体可以为逻辑回归、支持向量机和卷积网络等分类模型。分类结果可以包括慢阻肺、支气管炎、尘肺等，将分类结果推荐给医师，供医师在疾病诊断中作为参考，提升诊断准确性，也就是说分类结果是一种倾向性指导，并不一定是准确的结果，最终还需要医师确定。

对于本发明实施例，为了提升预设CT数据处理模型的预测精度，在步骤208之前，还需要构建预设CT数据处理模型，基于此，所述方法包括：构建多个预设初始CT数据处理模型；获取不同分类结果的样本CT数据及其对应的样本肺气肿参数和样本气道特征数据；基于样本CT数据及其对应的样本肺气肿参数和样本气道特征数据，对各个预设初始CT数据处理模型进行训练，并根据训练结果，确定预设CT数据处理模型。

其中，配置该多个预设初始CT数据处理模型的输出个数为至少两个分类结果。

具体地，首先构建多个预设初始CT数据处理模型，该预设初始CT数据处理模型可以是基于lightGBM模型、FM模型或是其他神经网络模型所构建。并获取不同分类结果的样本CT数据及其对应的样本肺气肿参数和样本气道特征数据，以及确定样本CT数据对应的实际CT数据分类结果，为了避免各个样本分类结果中样本数量不均衡的问题，需要采用特征工程方法处理样本不均衡的问题，具体可以采用合成少数类过采样技术(SMOTE)增加少数类样本的数量，具体增加少数类样本数量的方法包括：基于不同分类结果的样本CT数据的样本对象数量，确定分类结果中需扩展样本对象数量的扩展样本CT数据；基于扩展样本CT数据的样本对像数量和不同分类结果的样本CT数据的样本对象总数，确定扩展样本CT数据的需扩展样本对象数量；基于需扩展样本对象数量，获取扩展样本CT数据的补充样本CT数据。

其中，需扩展样本对象是指少数类样本对象；扩展样本CT数据是指需要增加的少数类样本对象的样本肺气肿参数和样本气道特征数据。

例如，若样本CT数据分类结果包括分类结果1和分类结果2，分类结果1中包含15个样本对象，分类结果2中包含8个样本对象，即分类结果2中样本对象数量较少，则将分类结果2中的样本对象数量确定为需扩展样本对象数量，需要增加分类结果2中的样本对象数量及其对应的样本气道特征数据和样本肺气肿参数，使得分类结果1中样本CT数据与分类结果2中样本CT数据均衡，具体增加少数样本对象数量的CT数据的方法为，不同分类结果的样本CT数据的样本对象数量分别为c

其中，w表示数量调整系数。计算得到样本数量的数量调整系数之后，需要按照数量调整系数对需扩展样本对象数量进行调整，具体调整公式如下：

nc

其中，nc

进一步地，根据样本数量均衡处理后的不同分类结果的样本CT数据及其对应的样本肺气肿参数、样本气道特征数据，构建训练集，并按照预设初始CT数据处理模型的数量，将训练集分为多组训练数据和多组测试数据，利用各组训练数据训练对应的预设初始CT数据处理模型，得到各个训练后的预设初始CT数据处理模型，并利用测试数据对相应的训练后的预设初始CT数据处理模型进行测试，并根据测试结果，确定预设CT数据处理模型。其中，具体利用测试数据对训练后的预设初始分群模型进行测试，并根据测试结果，确定预设CT数据处理模型的方法可以为，将测试数据中的样本肺气肿参数和对应的样本气道特征数据输入至对应的预设初始CT数据处理模型中进行数据处理，得到预测CT数据分类结果；基于同一样本对象对应的预测CT数据分类结果和实际CT数据分类结果，确定各个预设初始CT数据处理模型对应的预测准确度，根据各个预测准确度，对各个预设初始CT数据处理模型进行过滤，得到预设CT数据处理模型。

对于本发明实施例，利用训练集训练预设初始CT数据处理模型时，可以先将训练集中70％的数据作为训练数据，30％的数据作为测试数据，进而利用训练数据训练预设初始CT数据处理模型，利用测试数据对训练后的预设初始CT数据处理模型进行测试优化。

具体地，本发明实施例在构建预设初始CT数据处理模型时，可以构建多个(两个或两个以上)的预设初始CT数据处理模型，各个预设初始CT数据处理模型的模型架构可以相同也可以不同，模型进行训练时，可以先依据预设初始CT数据处理模型的数量将训练集划分为多组训练数据和多组测试数据，进而利用各组训练数据中的多个数据对(同一分类结果的样本CY数据对应的的样本肺气肿参数、样本气道特征数据)分别训练各预设初始CT数据处理模型，其中，样本肺气肿参数和样本气道特征数据作为输入数据，实际CT数据分类结果作为输出数据，之后利用各组测试数据中的多个数据对分别对训练后的各个预设初始CT数据处理模型进行测试验证，验证各个预设初始CT数据处理模型对应的预测准确度，最终在各个预测准确度中确定最大准确度，并将最大准确度对应的预设初始CT数据处理模型确定为预设CT数据处理模型。由此通过预先构建多个预设初始CT数据处理模型，并最终在多个预设初始CT数据处理模型中确定预测准确度最高的预设CT数据处理模型，能够提高CT数据的分类准确度。

例如，本实施例中分别构建了预设初始CT数据处理模型1和预设初始CT数据处理模型2，同时还可以将训练集随机划分为训练数据1和训练数据2，以及测试数据1和测试数据2，进一步地，可利用训练数据1训练预设初始CT数据处理模型1，利用训练数据2训练预设初始CT数据处理模型2，并利用测试数据1对训练后的预设初始CT数据处理模型1进行测试，利用测试数据2对训练后的预设初始CT数据处理模型2进行测试，若测试结果为预设初始CT数据处理模型1对应的预测准确度为95％，预设初始CT数据处理模型2对应的预测准确度为98％，则最终将预设初始CT数据处理模型2确定为预测CT数据处理模型。

需要说明的是，若训练样本数量较少，则在预设初始CT数据处理模型的训练过程中，还可以采用k折交叉验证(k-fold cross-validation)进行模型调优。假设交叉验证k＝10，通过计算所有已训练的预设初始CT数据处理模型的准确率，取最高平均准确率下的模型参数作为最优参数，重新训练模型，直至模型准确率达到要求为止。

进一步地，在构建完预设CT数据处理模型后，将检查对象的肺气肿参数和气道特征数据输入至构建好的预设CT数据处理模型进行数据处理，最终预设CT数据处理模型能够输出CT数据对应的分类结果，其中，该分类结果具体可以为分类概率，如检查对象患有慢阻肺的概率值和未患有慢阻肺的概率值，若CT数据的分类结果中患有慢阻肺的概率值大于未患有慢阻肺的概率值，则最终确定检查对象患有慢阻肺，若CT数据的分类结果中患有慢阻肺的概率值小于或等于未患有慢阻肺的概率值，则最终确定检查对象未患有慢阻肺。即本发明实施例可以根据CT数据的分类结果，判断检查对象是否患有某种疾病，从而能够方便用户的疾病诊断，同时通过对肺气肿参数和气道特征数据进行综合分析，来判断检查对象是否患有肺部疾病，能够提高疾病的诊断精度。

根据本发明提供的一种CT数据的处理方法、装置、存储介质及计算机设备，与目前仅通过对CT数据中的整个肺部区域数据进行分析来确定CT数据处理结果的方式相比，本发明通过获取检查对象的肺部CT图像；基于肺部CT图像，获取检查对象的肺叶区域和支气管区域；基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域；基于降噪肺叶区域，获取肺气肿参数。上述方法将肺叶区域中的气管去除，得到无支气管的降噪肺叶区域，最终根据无支气管的降噪肺叶区域来确定肺气肿参数，排除了肺叶区域中支气管对数据分析的影响，从而提高了CT数据的处理准确度。

进一步地，作为图1的具体实现，本发明实施例提供了一种CT数据的处理装置，如图3所示，所述装置包括：图像获取单元31、第一区域获取单元32、第二区域获取单元33和参数获取单元34。

图像获取单元31，可以用于获取检查对象的肺部CT图像。

第一区域获取单元32，可以用于基于所述肺部CT图像，获取检查对象的肺叶区域和支气管区域。

第二区域获取单元33，可以用于基于所述肺叶区域和所述支气管区域，获取无支气管的降噪肺叶区域。

参数获取单元34，可以用于基于所述降噪肺叶区域，获取肺气肿参数。

在具体应用场景中，为了确定无支气管的降噪肺叶区域，所述第二区域获取单元33，具体可以用于确定肺叶区域与支气管区域之间的相交区域；在所述肺叶区域中将所述相交区域去除，得到无支气管的降噪肺叶区域。

在具体应用场景中，为了获取检查对象的肺气肿参数，如图4所示，所述参数获取单元34，包括确定模块341和相除模块342。

确定模块341，可以用于确定所述降噪肺叶区域中各个像素的CT值，并在各所述CT值中确定小于预设阈值的目标CT值。

相除模块342，可以用于将所述目标CT值对应的像素数量与各所述CT值对应的像素总数量相除，得到所述肺气肿参数。

在具体应用场景中，为了获取检查对象的气道特征数据，所述装置还包括：分级处理单元35和确定单元36。

分级处理单元35，可以用于对所述支气管区域内的支气管进行分级处理。

确定单元36，可以用于确定各级所述支气管上的按照预设间隔分布的多个测量点。

参数获取单元34，可以用于基于所述测量点，获取各级支气管的气道特征数据。

在具体应用场景中，所述气道特征数据包括：所述各级支气管对应的最大管壁厚度、最小管壁厚度、平均管壁厚度、最大管腔直径、最小管腔直径、平均管腔直径和平均管壁面积百分比。

在具体应用场景中，根据肺气肿参数和气道特征数据，确定检查对象是否患有慢阻肺，所述装置还包括：分类单元37。

分类单元37，可以用于将所述肺气肿参数和所述气道特征数据输入至预设CT数据处理模型中进行分类，得到CT数据对应的分类结果。

确定单元36，还可以用于将所述分类结果推荐给医师，医师确定所述检查对象是否患有肺部疾病。

在具体应用场景中，为了构建预设CT数据处理模型，所述装置还包括：构建单元38。

构建单元38，可以用于构建多个预设初始CT数据处理模型。

参数获取单元34，还可以用于获取不同分类结果的样本CT数据及其对应的样本肺气肿参数和样本气道特征数据。

确定单元36，还可以用于基于样本CT数据及其对应的样本肺气肿参数和样本气道特征数据，对各所述预设初始CT数据处理模型进行训练，并根据训练结果，确定预设CT数据处理模型。

在具体应用场景中，为了获取补充样本CT数据，确定单元36，还可以用于基于不同分类结果的样本CT数据的样本对象数量，确定分类结果中需扩展样本对象数量的扩展样本CT数据。

确定单元36，具体还可以用于基于扩展样本CT数据的样本对像数量和不同分类结果的样本CT数据的样本对象总数，确定扩展样本CT数据的需扩展样本对象数量。

参数获取单元34，还可以用于基于需扩展样本对象数量，获取所述扩展样本CT数据的补充样本CT数据。

需要说明的是，本发明实施例提供的一种CT数据的处理装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取检查对象的肺部CT图像；基于肺部CT图像，获取检查对象的肺叶区域和支气管区域；基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域；基于降噪肺叶区域，获取肺气肿参数。

基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取检查对象的肺部CT图像；基于肺部CT图像，获取检查对象的肺叶区域和支气管区域；基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域；基于降噪肺叶区域，获取肺气肿参数。

通过本发明的技术方案，本发明通过获取检查对象的肺部CT图像；基于肺部CT图像，获取检查对象的肺叶区域和支气管区域；基于肺叶区域和支气管区域，获取无支气管的降噪肺叶区域；基于降噪肺叶区域，获取肺气肿参数。上述方法将肺叶区域中的气管去除，得到无支气管的降噪肺叶区域，最终根据无支气管的降噪肺叶区域来确定肺气肿参数，排除了肺叶区域中支气管对数据分析的影响，从而提高了CT数据的处理准确度。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。