一种端到端的医疗影像隐私数据消除系统

技术领域

本发明涉及信息隐藏技术领域，具体涉及一种端到端的医疗影像隐私数据消除系统。

背景技术

中大型医院通过医疗信息资源共享平台向基层医疗卫生机构提供远程会诊、远程病理诊断、远程影像诊断、远程心电图诊断、远程培训等服务，提高优质医疗资源利用率，解决了基层医疗卫生机构资源不足的问题。虽然医疗信息资源共享平台为医生学者交流及远程问诊提供便利，但是，医疗信息资源共享平台面临着泄露患者个人隐私的问题。

因此，需要将上传至医疗信息资源共享平台上的医疗影像中的隐私数据消除，但是如果完全去除医疗影像中的隐私数据，医生无法给到具体某位患者的诊断结果，因此，不能将医疗影像中的隐私数据完全去除，本发明通过将隐私数据作为水印信息，嵌入到医疗影像中，在需要根据医疗影像给到具体某位患者诊断结果时，可以通过对医疗影像中隐藏的水印信息进行提取，进而确定具体患者，同时，可以通过对比提取的水印信息与原始水印信息的差异，判断医疗影像是否被篡改，进而保证医疗影像的安全性。

常规的基于非对称直方图平移的水印嵌入方法中，水印的嵌入量取决于频率最大的预测误差的频率，而且每个像素点只能嵌入一个比特的水印信息，因此水印的嵌入量有限；同时，由于图像具有局部相似性和较强的关联性，因此，频率最大的预测误差通常为0，预测误差为0的地方就是图像中的平滑区域，而图像的纹理区域才是图像的重要信息位置，这也就意味着，基于预测误差直方图的可逆信息隐藏方法不能保护图像中的重要纹理区域。

发明内容

本发明提供一种端到端的医疗影像隐私数据消除系统，以解决现有的问题。

本发明的一种端到端的医疗影像隐私数据消除系统采用如下技术方案：

本发明一个实施例提供了一种端到端的医疗影像隐私数据消除系统，所述相同包括：

水印信息获取模块，将医疗影像的所有隐私数据的编码结果按照顺序组成的序列作为水印信息序列；

医疗影像划分模块，对医疗影像进行划分获得所有明文子序列；

矩阵构建模块，对于任意一个明文子序列，根据明文子序列构建明文子序列的待嵌入矩阵，根据比特位划分方法获取明文子序列中每个像素点的第一属性值和第二属性值，将明文子序列中所有像素点的第一属性值和第二属性值，按照扫描顺序排列组成的矩阵记为明文子序列的属性矩阵；构建密钥矩阵；

水印信息嵌入模块，对于任意一个明文子序列，获取明文子序列的水印信息，根据密钥矩阵和明文子序列的待嵌入矩阵以及属性矩阵，获得明文子序列的属性信息；如果明文子序列的属性信息与明文子序列的水印信息对应的十进制数的差值不等于0，构建嵌入规则方程，获得使嵌入规则方程成立的所有嵌入集合，计算嵌入集合的优选度，将任意一个优选度最大且元素数量最少的嵌入集合作为最优嵌入集合；

将明文子序列的待嵌入矩阵中属于最优嵌入集合的元素进行反转操作，其中，反转操作具体为：将二进制数中的比特位反转为另一种数码；将反转操作后的新的待嵌入矩阵作为明文子序列的已嵌入矩阵，将每个明文子序列的已嵌入矩阵替换每个明文子序列中所有像素点对应的二进制数中的最后两个比特位，将替换后的明文子序列记为水印明文子序列；将所有水印明文子序列按照扫描顺序排列组成的图像记为已嵌入医疗影像，实现对医疗影像隐私数据的消除。

进一步地，所述对医疗影像进行划分获得所有明文子序列，包括的具体步骤如下：

将医疗影像中的所有像素点按照扫描顺序排列组成的一维序列记为明文序列，将明文序列划分为多个长度等于第一预设长度的子序列，记为明文子序列。

进一步地，所述根据明文子序列构建明文子序列的待嵌入矩阵，包括的具体步骤如下：

每个像素点的灰度值对应一个二进制数，二进制数有8个比特位，分别为

进一步地，所述根据比特位划分方法获取明文子序列中每个像素点的第一属性值和第二属性值，包括的具体步骤如下：

构建比特位划分方法，包括：将像素点对应的二进制数中的前6个比特位中的

根据第一集合和第二集合获得所有类型的第一序列和第二序列；

对于任意一个明文子序列，根据一型第一序列和一型第二序列，获得明文子序列中第1个像素点的第一属性值和第二属性值，包括：按照比特位划分方法将明文子序列中第1个像素点对应的二进制数的前6个比特位划分为第一集合和第二集合，将第1个像素点的第一集合中的所有元素按照一型第一序列的顺序排列，获得第1个像素点的一型第一序列，根据一型第一序列获得第1个像素点的第一属性值

同理，对于任意一个明文子序列，根据二型第一序列和二型第二序列，获得明文子序列中第2个像素点的第一属性值和第二属性值；根据三型第一序列和三型第二序列，获得明文子序列中第3个像素点的第一属性值和第二属性值；根据四型第一序列和四型第二序列，获得明文子序列中第4个像素点的第一属性值和第二属性值；根据五型第一序列和五型第二序列，获得明文子序列中第5个像素点的第一属性值和第二属性值；根据六型第一序列和六型第二序列，获得明文子序列中第6个像素点的第一属性值和第二属性值；根据一型第一序列和一型第二序列，获得明文子序列中第7个像素点的第一属性值和第二属性值；根据二型第一序列和二型第二序列，获得明文子序列中第8个像素点的第一属性值和第二属性值。

进一步地，所述根据第一集合和第二集合获得所有类型的第一序列和第二序列，包括的具体步骤如下：

将第一集合中的元素随机排序获得第一序列，满足条件的第一序列有6种类型，包括：一型第一序列

将第二集合中的元素随机排序获得第二序列，满足条件的第二序列有6种类型，包括：一型第二序列

进一步地，所述构建密钥矩阵，包括的具体步骤如下：

将“0”记为第一数码，将“1”记为第二数码；构建一个大小为

进一步地，所述获取明文子序列的水印信息，包括的具体步骤如下：

对于第j个明文子序列，将水印信息序列中第

进一步地，所述获得明文子序列的属性信息，包括的具体步骤如下：

第j个明文子序列的属性信息的计算公式为：

式中，

进一步地，所述构建嵌入规则方程，包括的具体步骤如下：

将待嵌入矩阵和密钥矩阵的异或运算的结果记为中间矩阵，嵌入规则方程的公式为：

其中，

进一步地，所述计算嵌入集合的优选度，包括的具体步骤如下：

嵌入集合的优选度的计算公式为：

其中，

本发明的技术方案的有益效果是：

1、本发明通过将医疗影像的隐私数据作为水印信息，嵌入到医疗影像中，相较于完全去除医疗影像中的隐私数据，本发明的消除隐私数据的方法，能够保证在需要根据医疗影像给到具体某位患者诊断结果时，可以通过对医疗影像中隐藏的水印信息进行提取，进而确定具体患者，同时，可以通过对比提取的水印信息与原始水印信息的差异，判断医疗影像是否被篡改，进而保证医疗影像的安全性。

2、本发明通过对医疗影像进行划分获得所有明文子序列，构建明文子序列的待嵌入矩阵和属性矩阵，结合密钥矩阵、属性矩阵对明文子序列的待嵌入矩阵进行运算，获得明文子序列的属性信息，通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，实现水印信息的嵌入。相较于常规的基于非对称直方图平移的水印嵌入方法，本发明的嵌入水印信息的方法中，每个明文子序列都能嵌入3个比特的水印信息，不过分依赖医疗影像的局部相似性和较强的关联性特征，保证了所有医疗影像的水印信息嵌入量；同时，本发明的嵌入水印信息的方法中，是根据整个明文子序列的属性信息嵌入水印信息，不仅仅保护医疗影像中的平滑区域，而是可以保证整个明文子序列的安全性，进而保证整个医疗影像的安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明的一种端到端的医疗影像隐私数据消除系统的系统框图；

图2为本发明提供的医疗影像示意图；

图3为本发明提供的第30个明文子序列中的所有像素点的第一集合、第二集合、第一属性值和第二属性值；

图4为本发明提供的医疗影像示意图的预测误差直方图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种端到端的医疗影像隐私数据消除系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种端到端的医疗影像隐私数据消除系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种端到端的医疗影像隐私数据消除系统，该系统包括以下模块：

水印信息获取模块S101，用于将医疗影像的隐私数据转换为水印信息序列。

需要说明的是，本实施例通过将医疗影像的隐私数据转换为水印信息，将水印信息隐藏在医疗影像中，实现对医疗影像隐私数据消除；常规的水印信息均为二值信息，因此，需要将医疗影像的隐私数据转换为二值信息后，作为水印信息。

医疗影像中的隐私数据包含影像号、检查号、姓名、性别、年龄、检查部位等患者隐私数据；因此，医疗影像的隐私数据包含汉字、英文字母、阿拉伯数字以及各种符号，本实施例通过GB2312编码方式对隐私数据进行编码，GB2312编码方式将每个隐私数据编码为2个字节，即16个比特，将医疗影像的所有隐私数据的编码结果按照顺序组成的序列，记为水印信息序列，水印信息序列的长度为L。

例如，例如，某个医疗影像的隐私数据为：影像号：ACC00405，检查号：PID00405，姓名：测试1，性别：男，年龄：40Y，检查部位：胸部；将医疗影像的隐私数据转换为水印信息序列，具体为{1,1,0,1,0,0,1,1,1,0,…,1,0,1,0,1,1,1,1,1,1}。

本发明通过将隐私数据作为水印信息，嵌入到医疗影像中，而不是完全去除医疗影像中的隐私数据，在需要根据医疗影像给到具体某位患者诊断结果时，可以通过对医疗影像中隐藏的水印信息进行提取，进而确定具体患者。

医疗影像划分模块S102，用于对医疗影像进行划分获得所有明文子序列。

将医疗影像中的所有像素点按照扫描顺序排列组成的一维序列记为明文序列，将明文序列划分为多个长度等于第一长度的子序列，记为明文子序列，其中，扫描顺序是指Zigzag扫描顺序，第一长度s=8，如果最后一个子序列的长度小于第一长度，则不对最后一个子序列进行操作。

例如，对于如图2所示的医疗影像示意图进行划分，获得的第30个明文子序列为{198,200,197,199,203,205,200,171}。

每个像素点的灰度值都可以转换为二进制数，二进制数有8个比特位，分别为

矩阵构建模块S103，用于构建明文子序列的待嵌入矩阵和属性矩阵，构建密钥矩阵。

在本实施例中，对像素点对应的二进制数中的比特位进行反转操作，其中，反转操作具体为：将二进制数中的比特位反转为另一种数码，对越高的比特位进行反转操作后，像素点的灰度值的改变量越大。例如，灰度值为170的像素点对应的二进制数为10101010，二进制数10101010中的最高比特位为第一数码，则对二进制数10101010中的最高比特位进行反转操作后，二进制数10101010中的最高比特位变为第二数码，即二进制数变为00101010，像素点的灰度值变为42，像素点的灰度值的改变量为128；二进制数10101010中的最低比特位为第二数码，则对二进制数10101010中的最低比特位进行反转操作后，二进制数10101010中的最低比特位变为第一数码，二进制数变为10101011，像素点的灰度值变为171，像素点的灰度值的改变量为1。

根据明文子序列的较低比特位，构建明文子序列的待嵌入矩阵。

需要说明的是，本实施例通过对像素点对应的二进制数中的比特位进行反转操作，实现水印信息的嵌入，由于对越高的比特位进行反转操作后，像素点的灰度值的改变量越大，像素点的变化越大，则越容易被人眼所察觉；为了保证嵌入水印信息后的医疗影像的质量符合人眼视觉效果，本实施例只对像素点对应的二进制数中的较低比特位进行反转操作，在实现水印信息的嵌入的同时，保证医疗影像的质量符合人眼视觉效果。因此，本实施例根据明文子序列的较低比特位，构建明文子序列的待嵌入矩阵，通过对文子序列的待嵌入矩阵中的较低比特位进行反转操作，在实现水印信息的嵌入的同时，保证医疗影像的质量符合人眼视觉效果。

在本实施例中，对于任意一个明文子序列，将明文子序列中所有像素点对应的二进制数中较低的两个比特位

例如，第30个明文子序列{198,200,197,199,203,205,200,171}的待嵌入矩阵为

根据明文子序列的较高比特位，构建明文子序列的属性矩阵。

需要说明的是，本实施例根据明文子序列的较低比特位，构建明文子序列的待嵌入矩阵，用于进行反转操作，实现水印信息的嵌入；属性矩阵用于确定待嵌入矩阵中的反转比特位，在嵌入水印信息前后，属性矩阵不发生改变，因此，在构建明文子序列的属性矩阵时，根据明文子序列的较高比特位进行构建。属性矩阵用于确定待嵌入矩阵中的反转比特位（对哪些比特位进行反转操作），反转比特位的数量越少，则在嵌入相同数量的水印信息时，修改的像素点越少，相应的医疗影像的质量更好；因此，想要实现通过对较少的反转比特位进行反转操作（修改较少的像素点），就可以嵌入较多的水印信息，需要使属性矩阵中的元素具有多样性。

进一步需要说明的是，考虑到医疗影像具有较强的局部相似性，也即是相邻像素点的灰度值的差异较小，灰度值的差异较小在像素点对应的二进制数上的具体表现为：灰度值的差异较小，则二进制数中的越高的比特位越可能相同，二进制数中的越低的比特位越可能不相同；而明文子序列的属性矩阵是根据明文子序列的像素点对应的二进制数的较高比特位构建的，因此，如果将明文子序列中的所有像素点对应的二进制数的较高比特位，都按照相同的划分方法和排列顺序获得对应的第一属性值和第二属性值，由于二进制数中的越高的比特位越可能相同，则获得的所有像素点的第一属性值和第二属性值越可能相同，根据第一属性值和第二属性值构建的属性矩阵中元素的多样性越差。因此，想要实现明文子序列的属性矩阵的元素多样性，则需要将多个较高的比特位中相对较高的比特位和相对较低的比特位混合划分，同时对于划分在一起的比特位进行置乱，使得可能相同的相对较高比特位和可能不相同的相对较低比特位混合在一起，将明文子序列中的所有像素点对应的二进制数的较高比特位，按照不同的划分方法和排列顺序获得对应的第一属性值和第二属性值，实现明文子序列的属性矩阵的元素多样性。

在本实施例中，比特位划分方法为：将像素点对应的二进制数中的前6个比特位中的

将第一集合中的元素随机排序获得第一序列，满足条件的第一序列有6种类型，包括：一型第一序列

将第二集合中的元素随机排序获得第二序列，满足条件的第二序列有6种类型，包括：一型第二序列

对于任意一个明文子序列，根据一型第一序列和一型第二序列，获得明文子序列中第1个像素点的第一属性值和第二属性值，包括：按照比特位划分方法将明文子序列中第1个像素点对应的二进制数的前6个比特位划分为第一集合和第二集合，将第1个像素点的第一集合中的所有元素按照一型第一序列的顺序排列，获得第1个像素点的一型第一序列，根据一型第一序列获得第1个像素点的第一属性值

同理，对于任意一个明文子序列，根据二型第一序列和二型第二序列，获得明文子序列中第2个像素点的第一属性值和第二属性值；根据三型第一序列和三型第二序列，获得明文子序列中第3个像素点的第一属性值和第二属性值；根据四型第一序列和四型第二序列，获得明文子序列中第4个像素点的第一属性值和第二属性值；根据五型第一序列和五型第二序列，获得明文子序列中第5个像素点的第一属性值和第二属性值；根据六型第一序列和六型第二序列，获得明文子序列中第6个像素点的第一属性值和第二属性值；根据一型第一序列和一型第二序列，获得明文子序列中第7个像素点的第一属性值和第二属性值；根据二型第一序列和二型第二序列，获得明文子序列中第8个像素点的第一属性值和第二属性值。

对于任意一个明文子序列，将明文子序列中所有像素点的第一属性值和第二属性值，按照扫描顺序排列组成大小为

例如，第30个明文子序列{198,200,197,199,203,205,200,171}中的第1个像素点的第一集合为{1,0,0}，第二集合为{1,0,1}，则第1个像素点的第一属性值

构建密钥矩阵。

构建一个大小为

例如，本实施例提供的一个密钥矩阵为

水印信息嵌入模块S104，用于将明文子序列的水印信息嵌入到明文子序列中，获得水印明文子序列。

需要说明的是，常规的灰度图像的水印嵌入方法是基于预测误差直方图实现的，水印的嵌入量取决于频率最大的预测误差的频率，而且每个像素点只能嵌入一个比特的水印信息，因此水印的嵌入量有限；同时，由于图像具有局部相似性和较强的关联性，因此，频率最大的预测误差通常为0，预测误差为0的地方就是图像中的平滑区域，而图像的纹理区域才是图像的重要信息位置，这也就意味着，基于预测误差直方图的可逆信息隐藏方法不能保护图像中的重要纹理区域。本实施例获得明文子序列的属性信息，通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，实现水印信息的嵌入；在提取水印信息时，根据计算公式获得明文子序列的属性信息，即获得了水印信息。

进一步需要说明的是，由于属性矩阵是由像素点的第一属性值和第二属性值构成的，而像素点的第一属性值和第二属性值都是3位二进制数，属性矩阵用于确定待嵌入矩阵中的反转比特位（对哪些比特位进行反转操作），因此，想要实现通过对一位反转比特位进行反转操作，就可以实现将水印信息的嵌入到明文子序列中，要求嵌入到每个明文子序列的水印信息的长度和属性矩阵中的元素对应的二进制数的位数相同。

在本实施例中，每个明文子序列嵌入的水印信息的长度

例如，第30个明文子序列的水印信息为110。

根据待嵌入矩阵、属性矩阵和密钥矩阵，计算明文子序列的属性信息。

式中，

例如，第30个明文子序列的待嵌入矩阵和密钥矩阵的异或运算的结果，即第30个明文子序列的中间矩阵为

需要说明的是，本实施例嵌入水印信息的思路是，通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，实现水印信息的嵌入；在提取水印信息时，根据计算公式获得明文子序列的属性信息，即获得了水印信息。使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，需要通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息的变化量，等于明文子序列的属性信息与明文子序列的水印信息对应的十进制数的差值，因此，本实施例对明文子序列进行水印嵌入的过程为：

计算明文子序列的属性信息

其中，

获得使嵌入规则方程成立的所有嵌入集合，嵌入集合是嵌入规则方程成立时，第j个明文子序列的待嵌入矩阵中的所有反转元素组成的集合。

计算所有嵌入集合的优选度，嵌入集合的优选度的计算公式为：

其中，

在待嵌入矩阵中，行号和列号的和为奇数的元素，是像素点对应的二进制数中最低的比特位

随机选择一个优选度最大且元素数量最少的嵌入集合作为最优嵌入集合；将第j个明文子序列的待嵌入矩阵中属于最优嵌入集合的元素进行反转操作，将反转操作后的新的待嵌入矩阵作为第j个明文子序列的已嵌入矩阵，实现对第j个明文子序列的水印信息的嵌入。

例如，第30个明文子序列的明文子序列的属性信息

按照扫描顺序，将j个明文子序列的已嵌入矩阵替换第j个明文子序列中所有像素点对应的二进制数中较低的两个比特位

将所有水印明文子序列按照扫描顺序排列组成的大小为M×N的图像记为已嵌入医疗影像像，实现对医疗影像隐私数据的消除。

例如，按照扫描顺序，将30个明文子序列的已嵌入矩阵替换第30个明文子序列中所有像素点对应的二进制数中较低的两个比特位

需要说明的是，对于如图2 所示的医疗影像，医疗影像的大小为M×N=400×500，获得医疗影像的预测误差直方图如图4所示，常规的基于非对称直方图平移的水印嵌入方法中，水印的嵌入量取决于频率最大的预测误差的频率，因此，基于医疗影像的预测误差直方图，常规的基于非对称直方图平移的水印嵌入方法中，水印的嵌入量为25730，本实施例的水印信息嵌入方法中，每个长度为s的明文子序列都可以嵌入长度r=3的水印信息，则本实施例的水印信息嵌入方法中，水印的嵌入量为

常规的灰度图像的水印嵌入方法是基于预测误差直方图实现的，水印的嵌入量取决于频率最大的预测误差的频率，而且每个像素点只能嵌入一个比特的水印信息，因此水印的嵌入量有限；同时，由于图像具有局部相似性和较强的关联性，因此，频率最大的预测误差通常为0，预测误差为0的地方就是图像中的平滑区域，而图像的纹理区域才是图像的重要信息位置，这也就意味着，基于预测误差直方图的可逆信息隐藏方法不能保护图像中的重要纹理区域。本实施例通过对医疗影像进行划分获得所有明文子序列，构建明文子序列的待嵌入矩阵和属性矩阵，结合密钥矩阵、属性矩阵对明文子序列的待嵌入矩阵进行运算，获得明文子序列的属性信息，通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，实现水印信息的嵌入；在提取水印信息时，根据计算公式获得明文子序列的属性信息，即获得了水印信息。本实施例的嵌入水印信息的方法，每个明文子序列都能嵌入一定位数的水印信息，不过分依赖医疗影像的局部相似性和较强的关联性特征，保证了嵌入的水印信息的数量，同时，本实施例的嵌入水印信息的方法中，是根据整个明文子序列的属性信息嵌入水印信息，因此，可以保证整个明文子序列的安全性，进而保证整个医疗影像的安全性。

本发明的系统包括水印信息获取模块、医疗影像划分模块、矩阵构建模块以及水印信息嵌入模块，本发明通过将医疗影像的隐私数据作为水印信息，嵌入到医疗影像中，相较于完全去除医疗影像中的隐私数据，本发明的消除隐私数据的方法，能够保证在需要根据医疗影像给到具体某位患者诊断结果时，可以通过对医疗影像中隐藏的水印信息进行提取，进而确定具体患者，同时，可以通过对比提取的水印信息与原始水印信息的差异，判断医疗影像是否被篡改，进而保证医疗影像的安全性。本发明通过对医疗影像进行划分获得所有明文子序列，构建明文子序列的待嵌入矩阵和属性矩阵，结合密钥矩阵、属性矩阵对明文子序列的待嵌入矩阵进行运算，获得明文子序列的属性信息，通过对明文子序列的待嵌入矩阵中的部分元素进行反转操作，使得明文子序列的属性信息等于明文子序列的水印信息对应的十进制数，实现水印信息的嵌入。相较于常规的基于非对称直方图平移的水印嵌入方法，本发明的嵌入水印信息的方法中，每个明文子序列都能嵌入3个比特的水印信息，不过分依赖医疗影像的局部相似性和较强的关联性特征，保证了所有医疗影像的水印信息嵌入量；同时，本发明的嵌入水印信息的方法中，是根据整个明文子序列的属性信息嵌入水印信息，不仅仅保护医疗影像中的平滑区域，而是可以保证整个明文子序列的安全性，进而保证整个医疗影像的安全性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。