医疗数据的汇聚方法和装置

技术领域

本发明涉及计算机技术领域，特别涉及一种医疗数据的汇聚方法和装置。

背景技术

医疗数据的整合再利用对病人的身体状况监测、疾病预防和健康趋势分析具有积极意义，因此有必要对医疗数据进行汇聚和分析。

目前，对医疗数据的汇聚大多是通过人工方式完成的，即需要凭借汇聚人员的工作经验完成医疗数据的汇聚。然而，由于医疗数据来源的医院或医务系统存在不同，因此这些医疗数据会存在较大的差别。故当汇聚人员对这些医疗数据进行汇聚时，会存在汇聚结果不准确的问题。

发明内容

本发明实施例提供了医疗数据的汇聚方法和装置，能够使得医疗数据的汇聚更加准确。

第一方面，本发明实施例提供了医疗数据的汇聚方法，包括：

获取待汇聚业务表，其中，所述待汇聚业务表包括至少一个字段，每一个所述字段均包括至少一个医疗数据，所述待汇聚业务表中的医疗数据的数量大于第一预设数量；

在所述医疗数据中随机采集第二预设数量的样本；

对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与所述第一样本对应的字段的第一类型；

对所述第二样本进行第二识别，确定出与所述第二样本对应的字段的第二类型；

根据所述第一类型和所述第二类型，确定所述待汇聚业务表的业务表类别。

在一种可能的设计中，所述对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与所述第一样本对应的字段的第一类型，包括：

针对每一个采集的样本，均执行：

A1、在当前样本对应的字段的类型为字符串时，判断所述字符串是否为中文；

A2、如果不为中文，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型；

A3、如果为中文，则判断所述字符串的值域是否小于预设阈值；

A4、如果小于预设阈值，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型，否则将当前样本确定为第二样本；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第一样本占比最高的的第一样本类型确定为所述第一类型。

在一种可能的设计中，所述对所述第二样本进行第二识别，确定出与所述第二样本对应的字段的第二类型，包括：

根据预设的NLP模型对每一个第二样本进行第二识别，确定出当前第二样本的第二样本类型；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第二样本占比最高的的第二样本类型确定为所述第二类型。

在一种可能的设计中，在所述根据所述第一类型和所述第二类型，确定所述待汇聚业务表的业务表类别之后，进一步包括：

判断确定的所述待汇聚业务表的业务表类别的数量是否大于一个；

如果未大于一个，则将该业务表类别确定为目标业务表类别；

如果大于一个，则根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别。

在一种可能的设计中，所述根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别，包括：

针对每一个业务表类别，均执行：

B1、如果所述待汇聚业务表的表名包括当前业务表类别中的关键字，则向当前业务表类别赋予第一权重值，否则赋予零；

B2、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B3、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B4、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B5、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B6、计算当前业务表类别的权重值之和，其中，所述第一权重值大于等于所述第二权重值的三倍，所述第二权重值大于等于所述第三权重值的两倍，所述第三权重值不为零；

如果权重值之和最高的业务表类别为一个，则将该业务表类别确定为目标业务表类别；

如果权重值之和最高的业务表类别为至少两个，则在至少两个业务表类别中随机选取一个业务表类别，并将所选取的业务表类别确定为目标业务表类别。

第二方面，本发明实施例提供了医疗数据的汇聚装置，包括：

获取模块，用于获取待汇聚业务表，其中，所述待汇聚业务表包括至少一个字段，每一个所述字段均包括至少一个医疗数据，所述待汇聚业务表中的医疗数据的数量大于第一预设数量；

采集模块，用于在所述医疗数据中随机采集第二预设数量的样本；

第一识别模块，用于对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与所述第一样本对应的字段的第一类型；

第二识别模块，用于对所述第二样本进行第二识别，确定出与所述第二样本对应的字段的第二类型；

确定模块，用于根据所述第一类型和所述第二类型，确定所述待汇聚业务表的业务表类别。

在一种可能的设计中，所述第一识别模块，用于执行如下操作：

针对每一个采集的样本，均执行：

A1、在当前样本对应的字段的类型为字符串时，判断所述字符串是否为中文；

A2、如果不为中文，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型；

A3、如果为中文，则判断所述字符串的值域是否小于预设阈值；

A4、如果小于预设阈值，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型，否则将当前样本确定为第二样本；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第一样本占比最高的的第一样本类型确定为所述第一类型；

和/或，

所述第二识别模块，用于执行如下操作：

根据预设的NLP模型对每一个第二样本进行第二识别，确定出当前第二样本的第二样本类型；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第二样本占比最高的的第二样本类型确定为所述第二类型。

在一种可能的设计中，进一步包括：判断模块；

所述判断模块，用于执行如下操作：

判断确定的所述待汇聚业务表的业务表类别的数量是否大于一个；

如果未大于一个，则将该业务表类别确定为目标业务表类别；

如果大于一个，则根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别；

所述判断模块在执行所述根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别时，用于执行如下操作：

针对每一个业务表类别，均执行：

B1、如果所述待汇聚业务表的表名包括当前业务表类别中的关键字，则向当前业务表类别赋予第一权重值，否则赋予零；

B2、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B3、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B4、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B5、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B6、计算当前业务表类别的权重值之和，其中，所述第一权重值大于等于所述第二权重值的三倍，所述第二权重值大于等于所述第三权重值的两倍，所述第三权重值不为零；

如果权重值之和最高的业务表类别为一个，则将该业务表类别确定为目标业务表类别；

如果权重值之和最高的业务表类别为至少两个，则在至少两个业务表类别中随机选取一个业务表类别，并将所选取的业务表类别确定为目标业务表类别。

第三方面，本发明实施例提供了医疗数据的汇聚装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述所述的方法。

第四方面，本发明实施例提供了计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述所述的方法。

由上述方案可知，本发明提供的医疗数据的汇聚方法和装置，通过获取待汇聚业务表，待汇聚业务表包括至少一个字段，每一个字段均包括至少一个医疗数据，待汇聚业务表中的医疗数据的数量大于第一预设数量；在医疗数据中随机采集第二预设数量的样本；对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与第一样本对应的字段的第一类型；对第二样本进行第二识别，确定出与第二样本对应的字段的第二类型；根据第一类型和第二类型，确定待汇聚业务表的业务表类别。上述方案通过识别待汇聚业务表的医疗数据，确定出各字段的第一类型或第二类型，进一步确定出待汇聚业务表的业务表类别，如此相对于人工汇聚的方式，上述方案可以使得医疗数据的汇聚更加准确，同时还能提高医疗数据汇聚的效率。

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是本发明一个实施例提供的医疗数据的汇聚方法的流程图；

图2是本发明一个实施例提供的医疗数据的汇聚装置所在设备的示意图；

图3是本发明一个实施例提供的医疗数据的汇聚装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明一个实施例提供的医疗数据的汇聚方法的流程图。如图1所示，该方法可以包括以下步骤：

步骤101、获取待汇聚业务表，其中，待汇聚业务表包括至少一个字段，每一个字段均包括至少一个医疗数据，待汇聚业务表中的医疗数据的数量大于第一预设数量；

步骤102、在医疗数据中随机采集第二预设数量的样本；

步骤103、对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与第一样本对应的字段的第一类型；

步骤104、对第二样本进行第二识别，确定出与第二样本对应的字段的第二类型；

步骤105、根据第一类型和第二类型，确定待汇聚业务表的业务表类别。

在本发明实施例中，通过获取待汇聚业务表，待汇聚业务表包括至少一个字段，每一个字段均包括至少一个医疗数据，待汇聚业务表中的医疗数据的数量大于第一预设数量；在医疗数据中随机采集第二预设数量的样本；对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与第一样本对应的字段的第一类型；对第二样本进行第二识别，确定出与第二样本对应的字段的第二类型；根据第一类型和第二类型，确定待汇聚业务表的业务表类别。上述方案通过识别待汇聚业务表的医疗数据，确定出各字段的第一类型或第二类型，进一步确定出待汇聚业务表的业务表类别，如此相对于人工汇聚的方式，上述方案可以使得医疗数据的汇聚更加准确，同时还能提高医疗数据汇聚的效率。

基于图1所示的医疗数据的汇聚方法，在本发明的一种实施例中，步骤103具体包括如下步骤：

针对每一个采集的样本，均执行：

A1、在当前样本对应的字段的类型为字符串时，判断字符串是否为中文；

A2、如果不为中文，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型；

A3、如果为中文，则判断字符串的值域是否小于预设阈值；

A4、如果小于预设阈值，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型，否则将当前样本确定为第二样本；

针对待汇聚业务表的每一个字段，将当前字段包括的第一样本占比最高的的第一样本类型确定为第一类型。

在本发明实施例中，如果字符串不为中文或者为中文且值域小于预设阈值时，则代表当前样本对应的字段的类型能够容易地被正确识别，因此可以先对这部分的第一样本类型确定出来，并将未确定出的样本作为第二样本，如此有利于提高类型识别精度和速度。

需要说明的是，每一个采集的样本对应的字段的类型除了是字符串，还可以是时间和数值等，而当所采集的样本对应的字段的类型是时间和数值时，则表明该样本为第一样本，且可以确定出该第一样本的第一样本类型。

举例来说，具体的第一识别规则如表1所示。

表1

通过利用表1所示的识别规则先对采集的样本进行第一识别，以将较为简单的样本类型识别出来。需要指出的是，在确定ICD这一第一样本类型时，“正则匹配：[A-Za-z][0-9]{2}\.[0-9]{3}”代表：小数点前两位的第一位是大写字母或小写字母，第二位是数字0-9中的任一个，小数点后三位中的每一位均是数字0-9中的任一个，例如A2.342。还需要指出的是，值域是指的如表1中的“婚姻、性别和无意义”所对应的取值，除了表1之外的取值均不能被识别，即此时的样本会被作为第二样本。

基于图1所示的医疗数据的汇聚方法，在本发明的一种实施例中，步骤104具体包括如下步骤：

根据预设的NLP模型对每一个第二样本进行第二识别，确定出当前第二样本的第二样本类型；

针对待汇聚业务表的每一个字段，将当前字段包括的第二样本占比最高的的第二样本类型确定为第二类型。

在本发明实施例中，对于值域较大(如诊断字段，仅ICD10标准疾病名称多达3万多种)或无值域(如姓名)的第二样本不容易被识别出来，即存在一定的识别难度，因此可以考虑采用神经网络的方式进行第二识别，例如可以通过预设的NLP模型进行第二识别。

需要说明的是，预设的NLP模型的构建主要包括数据采集和模型训练两部分。在数据采集方面，为了保证样本的全面性，对于有值域范围即字典的类别，如疾病名称、手术名称，将其字典直接纳入样本集；对于没有值域范围的类别，如地址、姓名，将采用随机采样的方式进行数据采集。各类别具体采样情况见表2。样本采用随机划分，训练集、测试集、验证集的划分比例为8：1：1。另外，采用NLP模型进行第二识别的结果也是如表2中的第二样本类型所示。

表2

在该实施例中，NLP(Natural Language Processing，自然语言处理)模型是基于短文本分类算法对抽样出的含中文的短文本记录，且确定非表1中的样本进行短文本分类(即确定第二样本类型)。由于待汇聚业务表中的中文内容本身已为简单的词汇甚至是单字，因此可以进一步选择ERNIE(Enhanced Representation through KnowledgeIntegration)模型作为短文本的分类模型。其中，ERNIE模型是百度基于BERT开发的NLP模型，ERNIE使用了更多的语料，除维基百科等数据集外，还使用了中文维基百科、百度百科、百度新闻和百度贴吧等数据集。

在将采集的样本按照上述第一识别和第二识别的方式识别后，可以确定待汇聚业务表的业务表类别。例如，可以采用如表3的方式确定待汇聚业务表的业务表类别。

表3

基于图1所示的医疗数据的汇聚方法，在本发明的一种实施例中，在步骤105之后，具体包括如下步骤：

判断确定的待汇聚业务表的业务表类别的数量是否大于一个；

如果未大于一个，则将该业务表类别确定为目标业务表类别；

如果大于一个，则根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别。

在本发明实施例中，如果按照表3所确定的待汇聚业务表的业务表类别的数量为一个(即未大于一个)，则将该业务表类别确定为目标业务表类别；反之，则需要进一步按照一些规则确定目标业务表类别，如此可以保证所确定的目标业务表类别的唯一性和准确性。例如，该规则为根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型。

各业务表类别所对应的关键字、预设的主要字段类型和次要字段类型如表4所示，其中，次要字段类型“单位”指的是药品名称、检验名称和费用明细的单位，例如：元。

表4

鉴于一家医疗结构的业务表进行数据汇聚时，每种待汇聚业务表的业务表类别可能会被划分为多个业务表类别，为了减少汇聚人员查看的工作量，有必要考虑对这多个业务表类别进行进一步的确定，以确定出一个目标业务表类别。下面，采用相关度计算的方式确定出一个目标业务表类别。

基于图1所示的医疗数据的汇聚方法，在本发明的一种实施例中，根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别，包括：

针对每一个业务表类别，均执行：

B1、如果待汇聚业务表的表名包括当前业务表类别中的关键字，则向当前业务表类别赋予第一权重值，否则赋予零；

B2、如果待汇聚业务表的第一类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B3、如果待汇聚业务表的第二类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B4、如果待汇聚业务表的第一类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B5、如果待汇聚业务表的第二类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B6、计算当前业务表类别的权重值之和，其中，第一权重值大于等于第二权重值的三倍，第二权重值大于等于第三权重值的两倍，第三权重值不为零；

如果权重值之和最高的业务表类别为一个，则将该业务表类别确定为目标业务表类别；

如果权重值之和最高的业务表类别为至少两个，则在至少两个业务表类别中随机选取一个业务表类别，并将所选取的业务表类别确定为目标业务表类别。

在本发明实施例中，通过利用不同业务表类别所计算出的权重值之和，来确定出一个目标业务表类别，如此有助于减少汇聚人员查看的工作量，并能实现医疗数据的完整汇聚。而且，通过设置第一权重值大于等于第二权重值的三倍，第二权重值大于等于第三权重值的两倍，有利于使得所确定出的目标业务表类别更加准确，即如果待汇聚业务表的表名包括当前业务表类别中的关键字，则表明该待汇聚业务表的业务表类别很大可能就是该关键字所对应的业务表类别。例如，第一权重值为5，第二权重值为1，第三权重值为0.5。

如图2和图3所示，本发明实施例提供了一种医疗数据的汇聚装置所在的设备和医疗数据的汇聚装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图2所示，为本发明实施例提供的医疗数据的汇聚装置所在设备的一种硬件结构图，除了图2所示的处理器、内存、网络接口、和非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图3所示，作为一个逻辑意义上的装置，是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。

如图3所示，本实施例提供的医疗数据的汇聚装置，包括：

获取模块301，用于获取待汇聚业务表，其中，所述待汇聚业务表包括至少一个字段，每一个所述字段均包括至少一个医疗数据，所述待汇聚业务表中的医疗数据的数量大于第一预设数量；

采集模块302，用于在所述医疗数据中随机采集第二预设数量的样本；

第一识别模块303，用于对采集的样本进行第一识别，得到第一样本和第二样本，并确定出与所述第一样本对应的字段的第一类型；

第二识别模块304，用于对所述第二样本进行第二识别，确定出与所述第二样本对应的字段的第二类型；

确定模块305，用于根据所述第一类型和所述第二类型，确定所述待汇聚业务表的业务表类别。

在本发明实施例中，获取模块301可用于执行上述方法实施例中的步骤101，采集模块302可用于执行上述方法实施例中的步骤102，第一识别模块303可用于执行上述方法实施例中的步骤103，第二识别模块304可用于执行上述方法实施例中的步骤104，确定模块305可用于执行上述方法实施例中的步骤105。

在本发明的一个实施例中，所述第一识别模块303，用于执行如下操作：

针对每一个采集的样本，均执行：

A1、在当前样本对应的字段的类型为字符串时，判断所述字符串是否为中文；

A2、如果不为中文，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型；

A3、如果为中文，则判断所述字符串的值域是否小于预设阈值；

A4、如果小于预设阈值，则将当前样本确定为第一样本，并确定出该第一样本的第一样本类型，否则将当前样本确定为第二样本；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第一样本占比最高的的第一样本类型确定为所述第一类型。

在本发明的一个实施例中，所述第二识别模块304，用于执行如下操作：

根据预设的NLP模型对每一个第二样本进行第二识别，确定出当前第二样本的第二样本类型；

针对所述待汇聚业务表的每一个字段，将当前字段包括的第二样本占比最高的的第二样本类型确定为所述第二类型。

在本发明的一个实施例中，进一步包括：判断模块；

所述判断模块，用于执行如下操作：

判断确定的所述待汇聚业务表的业务表类别的数量是否大于一个；

如果未大于一个，则将该业务表类别确定为目标业务表类别；

如果大于一个，则根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别。

在本发明的一个实施例中，所述判断模块在执行所述根据每一个业务表类别中的关键字、与每一个业务表类别相对应的预设的主要字段类型和次要字段类型，确定目标业务表类别时，用于执行如下操作：

针对每一个业务表类别，均执行：

B1、如果所述待汇聚业务表的表名包括当前业务表类别中的关键字，则向当前业务表类别赋予第一权重值，否则赋予零；

B2、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B3、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的主要字段类型，则向当前业务表类别赋予第二权重值，否则赋予零；

B4、如果所述待汇聚业务表的第一类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B5、如果所述待汇聚业务表的第二类型包括与当前业务表类别相对应的次要字段类型，则向当前业务表类别赋予第三权重值，否则赋予零；

B6、计算当前业务表类别的权重值之和，其中，所述第一权重值大于等于所述第二权重值的三倍，所述第二权重值大于等于所述第三权重值的两倍，所述第三权重值不为零；

如果权重值之和最高的业务表类别为一个，则将该业务表类别确定为目标业务表类别；

如果权重值之和最高的业务表类别为至少两个，则在至少两个业务表类别中随机选取一个业务表类别，并将所选取的业务表类别确定为目标业务表类别。

可以理解的是，本发明实施例示意的结构并不构成对医疗数据的汇聚装置的具体限定。在本发明的另一些实施例中，医疗数据的汇聚装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本发明实施例还提供了一种医疗数据的汇聚装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行本发明任一实施例中的医疗数据的汇聚方法。

本发明实施例还提供了一种计算机可读介质，存储用于使一计算机执行如本文所述的医疗数据的汇聚方法的指令。具体地，可以提供配有存储介质的方法或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该方法或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作方法等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。