健康检测方法、装置、设备及存储介质

技术领域

本发明涉及人工智能领域，尤其涉及一种健康检测方法、装置、电子设备及计算机可读存储介质。

背景技术

随着当前人民生活水平的不断提高，人们越来越关注自己的身体健康状况，同时人们期望现在的医疗技术能够更好的呵护到普通百姓，但是我国目前医疗系统方面还处在“看病难，看病贵”的阶段。目前，关于用户健康检测主要是通过基于人脸识别身份，拉取对应的用户医疗数据，从而实现用户健康的检测，但是往往现实场景中，医疗数据有局限无法很全面了解到用户的全面医疗数据，从而会影响用户健康检测的准确性。

发明内容

本发明提供一种健康检测方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高用户健康检测的准确性。

为实现上述目的，本发明提供的一种健康检测方法，包括：

获取用户的语音数据和舌相图像；

利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果；

利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果；

对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

可选地，所述利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测之前，所述方法还包括：

获取训练语音数据，标记所述训练语音数据中的人声数据，得到标准人声数据，并对所述标准人声数据进行健康检测，得到标准人声健康数据；

利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据；

利用所述语音健康识别模型中的语音分析模块对所述训练人声数据进行健康检测，得到训练人声健康数据；

根据所述标准人声数据、标准人声健康数据、训练人声数据以及所述训练人声健康数据，计算所述语音健康识别模型的损失值；

若所述损失值不满足预设条件，则调整所述语音健康识别模型的参数，并返回所述利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据的步骤；

若所述损失值满足预设条件，则得到训练完成的语音健康识别模型。

可选地，所述利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据，包括：

利用所述语音分类模块中的声音频率转换算法将所述训练语音数据转换成对应的语音频率，并计算所述语音频率的维度参数；

根据所述维度参数，筛选出所述训练语音数据中的人声数据，得到训练人声数据。

可选地，所述根据所述标准人声数据、标准人声健康数据、训练人声数据以及所述训练人声健康数据，计算所述语音健康识别模型的损失值，包括：

根据所述标准人声数据和所述训练人声数据，计算所述语音健康识别模型的第一损失值；

根据所述标准人声健康数据和所述训练人声健康数据，计算所述语音健康识别模型的第二损失值；

根据所述第一损失值和所述第二损失值，计算所述语音健康识别模型的损失值。

可选地所述利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测之前，所述方法还包括：

获取训练舌相图像；

利用所述舌相健康识别模型中的图像分类模块对所述训练舌相图像进行特征提取，得到特征舌相图像；

利用所述舌相健康识别模型中的图像分析模块检测所述特征舌相图像的健康状态，得到预测健康状态；

计算所述预测健康状态与对应所述训练舌相图像的标准健康状态的训练损失；

根据所述训练损失，调整所述舌相健康识别模型的参数，直至所述训练损失小于预设训练损失时，得到训练完成的舌相健康识别模型。

可选地，所述利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测之前，所述方法还包括：

将所述舌相图像执行灰度转换操作，得到灰度舌相图像，对所述灰度舌相图像进行减噪，对减噪后的所述灰度舌相图像进行对比度增强，将对比度增强后的所述灰度舌相图像进行阈值化操作。

可选地，所述对所述语音健康检测结果和所述舌相健康检测结果进行融合，包括：

利用下述方法对所述语音健康检测结果和所述舌相健康检测结果进行融合：

其中，f(x，a)表示健康检测结果，k表示融合的所述健康检测结果的数量，x表示语音健康检测结果和舌相健康检测结果的相同矢量，

为了解决上述问题，本发明还提供一种健康检测装置，所述装置包括：

获取模块，用于获取用户的语音数据和舌相图像；

检测模块，用于利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果；

所述检测模块，用于利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果；

推送模块，用于对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

为了解决上述问题，本发明还提供一种电子设备，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，以实现上述所述的健康检测方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的健康检测方法。

本发明实施例首先获取用户的语音数据和舌相图像，以保障后续用户健康检测的前提；其次，本发明实施例利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果，并利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果，可以实现用户的语音数据和舌相数据的健康检测，使得用户的健康检测更加全面，提高用户的健康检测准确性；进一步地，本发明实施例对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户，以帮助用户实时直观的了解到自身身体状态。因此，本发明提出的一种健康检测方法、装置、电子设备以及存储介质可以提高用户健康检测的准确性。

附图说明

图1为本发明一实施例提供的健康检测方法的流程示意图；

图2为本发明第一实施例中图1提供的健康检测方法其中一个步骤的详细流程示意图；

图3为本发明一实施例提供的健康检测装置的模块示意图；

图4为本发明一实施例提供的实现健康检测方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种健康检测方法。所述健康检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述健康检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的健康检测方法的流程示意图。在本发明实施例中，所述健康检测方法包括：

S1、获取用户的语音数据和舌相图像。

应该了解，随着人们生活水平不断提高，人们越来越多的会关注自己身体健康状况，因此，本发明实施例通过获取用户的语音数据和舌相图像，以保障后续用户健康检测的前提，从而可以帮助用户更好的了解自身体质。其中，所述语音数据指的是用户发出的声音数据，所述舌相图像指的是用户舌相图片。

一个可选实施例中，所述语音数据可以通过声音采集设备获取，所述声音采集设备包括手机麦克风。

一个可选实施例后，所述舌相图像可以通过图像采集设备获取，所述图像采集设备包括手机摄像头。

S2、利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果。

本发明实施例中，所述语音健康识别模型包括语音分类模块和语音分析模块，其中，所述语音分类模块用于对所述语音数据进行用户声音提取，以分割出所述语音数据的背景声音，提取出用户声音，所述语音分析模块用于对所述语音分类模块输出的用户声音进行声音健康分析，以检测出所述用户的语音健康检测结果。

进一步地，本发明实施例所述利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测之前，需要对所述语音健康识别模型进行训练，以保障所述语音健康识别模型的语音健康检测准确率。

详细地，参阅图2所示，所述对所述语音健康识别模型进行训练，包括：

S20、获取训练语音数据，标记所述训练语音数据中的人声数据，得到标准人声数据，并对所述标准人声数据进行健康检测，得到标准人声健康数据；

S21、利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据；

S22、利用所述语音健康识别模型中的语音分析模块对所述训练人声数据进行健康检测，得到训练人声健康数据；

S23、根据所述标准人声数据、标准人声健康数据、训练人声数据以及所述训练人声健康数据，计算所述语音健康识别模型的损失值；

若所述损失值不满足预设条件，则执行S24、调整所述语音健康识别模型的参数，并返回所述利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据的步骤；

若所述损失值满足预设条件，则执行S25、得到训练完成的语音健康识别模型。

在本发明的一个可选实施例中，所述S20中的人声数据及健康检测可以通过人工标注的方法实现，以确保生成的标准人声数据和标准人声健康数据的准确性，从而可以更好的监督后续模型的学习能力。

在本发明的一个可选实施例中，所述利用所述语音健康识别模型的语音分类模块对所述训练语音数据进行人声分割，得到训练人声数据，包括：利用所述语音分类模块中的声音频率转换算法将所述训练语音数据转换成对应的语音频率，计算所述语音频率的维度参数，根据所述维度参数，筛选出所述训练语音数据中的人声数据，得到训练人声数据。所述维度参数包括：语调、语速等。例如，将某用户的语音转换语音频率为70-100HZ范围内，根据其语音频率计算出该用户的语调、语速等维度参数，根据所述维度参数，筛选出所述训练语音数据中的人声数据

一个可选实施例中，所述声音频率转换算法包括：

其中，B(f)表示语音频率，f表示训练语音数据的预期频率。

一个可选实施例中，利用下述方法计算所述语音频率的维度参数：

其中，d(n)表示语音频率的维度参数，i表示语音频率的帧率，n表示语音频率的振幅，B(f)表示语音频率，k表示当前标准语音帧与前后标准语音帧的线性组合，通常取值为2，表示当前语音帧与前后2个语音帧的线性组合。

在本发明的一个可选实施例中，所述S22包括：利用所述语音分析模块对所述训练人声数据进行特征提取，得到特征语音数据，对所述特征语音数据进行健康分析后输出，得到所述训练人声健康数据。其中，所述特征语音数据是指所述训练人声数据中的特征声纹，用于表征训练人声数据的语音信息，所述健康分析可以根据所述特征语音数据的语速、语调以及基频等维度信息建立卷积核实现。

在本发明的一个可选实施例中，所述S23包括：根据所述标准人声数据和所述训练人声数据，计算所述语音健康识别模型的第一损失值；根据所述标准人声健康数据和所述训练人声健康数据，计算所述语音健康识别模型的第二损失值；根据所述第一损失值和所述第二损失值，计算所述语音健康识别模型的损失值。

一个可选实施例中，利用下述方法计算所述语音健康识别模型的第一损失值：

其中，L(s)表示第一损失值，k表示训练语音数据的数量，y

一个可选实施例中，利用下述方法计算所述语音健康识别模型的第二损失值：

L1＝|α

其中L1表示第二损失值，α

一个可选实施例中，所述根据所述第一训练损失和所述第二训练损失，计算所述语音健康识别模型的损失值，包括：将所述第一损失值和所述第二损失值进行相加，得到所述语音健康识别模型的损失值，即L＝L(s)+LC。

在本申请的一个可选实施例中，所述预设条件包括所述损失值小于损失阈值。即当所述损失值小于所述损失阈值时，则表示所述损失值满足所述预设条件时，当所述损失值大于或者等于所述损失阈值时，则表示所述损失值不满足所述预设条件时。其中，所述损失阈值可以设置为0.1，也可以根据实际场景设置。进一步地，所述语音健康识别模型的参数调整可以通过当前已知的随机梯度下降算法实现，在此不做进一步赘述。

S3、利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果。

本发明实施例中，所述舌相健康识别模型包括图像分类模块和图像分析模块，其中，所述图像分类模块用于对所述舌相图像进行背景分割，以输出舌相区域，所述图像分析模块用于对所述图像分类模块输出的舌相区域进行舌相健康分析，输出舌相健康状态。

本发明实施例中，所述利用训练完成的舌相健康识别模型对所述舌相图像进行舌相健康检测之前，需要对所述舌相健康识别模型进行训练，以保障所述舌相健康识别模型的舌相健康检测准确率。

详细地，所述对所述舌相健康识别模型进行训练，包括：获取训练舌相图像，利用所述舌相健康识别模型中的图像分类模块对所述训练舌相图像进行特征提取，得到特征舌相图像，利用所述舌相健康识别模型中的图像分析模块检测所述特征舌相图像的健康状态，得到预测健康状态，计算所述预测健康状态与对应所述训练舌相图像的标准健康状态的训练损失，根据所述训练损失，调整所述舌相健康识别模型的参数，直至所述训练损失小于预设训练损失时，得到训练完成的舌相健康识别模型。可选的，所述预设训练损失为0.1。

在本发明的一个可选实施例中，所述利用所述舌相健康识别模型中的图像分类模块对所述训练舌相图像进行特征提取，得到特征舌相图像，包括：利用所述图像分类模块中的卷积层对所述训练舌相图像进行卷积操作，得到初始特征舌相图像，利用所述图像分类模块中的池化层对所述初始特征舌相图像进行降维操作，得到降维特征舌相图像，利用所述图像分类模块中的激活函数输出所述降维特征舌相图像，得到所述特征舌相图像。其中，所述图像分类模块中的激活函数包括relu激活函数。

在本发明的一个可选实施例中，所述利用所述舌相健康识别模型中的图像分析模块检测所述特征舌相图像的健康状态，得到预测健康状态，包括：利用所述图像分析模块中的采样层对所述特征舌相图像进行上采样，得到采样舌相图像，利用所述图像分析模块中的全连接层对所述采样舌相图像进行健康检测后并输出，得到所述预测健康状态。

在本发明的一个可选实施例中，所述训练损失可以通过当前已知的sigmoid函数计算。

进一步地，本发明实施例中，所述利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测之前，还包括：对所述舌相图像进行预处理操作，以改善舌相图像的质量，保证舌相图像的分析准确性。其中，所述预处理操作包括：通过各比例法将所述舌相图像执行灰度转换操作，得到灰度舌相图像；利用高斯滤波对所述灰度舌相图像进行减噪；并利用对比度增强对减噪后的所述灰度舌相图像进行对比度增强；根据OTSU算法将对比度增强后的所述灰度舌相图像进行阈值化操作。

S6、对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

本发明实施例中，利用下述公式对所述语音健康检测结果和所述舌相健康检测结果进行融合：

其中，f(x，a)表示健康检测结果，k表示融合的所述健康检测结果的数量，x表示所述语音健康检测结果和所述舌相健康检测结果的相同矢量，

进一步地，需要说明的是，所述权重参数的划分可以根据实际业务场景实现，比如划分舌相健康检测结果的权重为60％，所述语音健康检测结果的权重为40％。

进一步地，本发明实施例可以通过移动端将所述健康检测结果推送至所述用户，以方便用户可以实时直观的了解自身身体状态，其中，所述移动端可以为手机端。

进一步地，为保障所述健康检测结果的隐私性和安全性，所述健康检测结果还可存储于一区块链节点中。

本发明实施例首先获取用户的语音数据和舌相图像，以保障后续用户健康检测的前提；其次，本发明实施例利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果，并利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果，可以实现线上用户的语音数据和舌相数据的健康检测，使得用户的健康检测更加全面；进一步地，本发明实施例对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户，以帮助用户实时直观的了解到自身身体状态。因此，本发明提可以提高用户健康检测的便利性。

如图3所示，是本发明健康检测装置的功能模块图。

本发明所述健康检测装置100可以安装于电子设备中。根据实现的功能，所述健康检测装置可以包括获取模块101、检测模块102以及推送模块103。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述获取模块101，用于获取用户的语音数据和舌相图像；

所述检测模块102，用于利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果；

所述检测模块102，用于利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果；

所述推送模块103，用于对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

详细地，本发明实施例中所述健康检测装置100中的所述各模块在使用时采用与上述的图1和图2中所述的健康检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图4所示，是本发明实现健康检测方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如健康检测程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如健康检测程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行健康检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的健康检测程序12是多个程序的组合，在所述处理器10中运行时，可以实现：

获取用户的语音数据和舌相图像；

利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果；

利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果；

对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

具体地，所述处理器10对上述程序的具体实现方法可参考图1及图2对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取用户的语音数据和舌相图像；

利用训练完成的语音健康识别模型对所述语音数据进行语音健康检测，得到语音健康检测结果；

利用训练完成的舌相健康识别模型对所述舌相图像进行图像健康检测，得到舌相健康检测结果；

对所述语音健康检测结果和所述舌相健康检测结果进行融合，得到健康检测结果，并将所述健康检测结果推送至所述用户。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。