用于生成肋骨图像的方法、装置及计算机可读存储介质

技术领域

本申请涉及医学成像技术领域，例如涉及一种用于生成肋骨图像的方法、装置及计算机可读存储介质。

背景技术

在医学影像中，肋骨的结构复杂，且肋骨数量较多，因此，肋骨阅片是放射科比较耗时的工作。为了能够让医生更加直观清楚的看到每一个肋骨的形态，对肋骨图像的清晰程度要求较高。

相关技术中，在肋骨成像过程中，会产生形变，即生成的肋骨图像并不能完全体现肋骨的实际形态，对于微小骨折会出现无法识别等问题，因此为临床诊断带来一定困扰。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本申请实施例提供了一种用于生成肋骨图像的方法、装置及计算机可读存储介质，以减少肋骨图像的形变，提高成像质量。

在一些实施例中，所述方法包括：获取包含肋骨区域的原始扫描图像；其中，所述原始扫描图像中包括多个肋骨子区域，每个肋骨子区域对应一根肋骨；从所述原始扫描图像中提取每个肋骨子区域中的包含多个中心线段的中心线；其中，所述中心线段内的像素点之间的位置差异小于所述中心线段之间的像素点之间的位置差异；基于每个所述中心线段所在的平面生成肋骨图像。

可选地，获取包含肋骨区域的原始扫描图像，包括：获取原始图像数据；对所述原始图像数据进行组织分割；将所述原始图像数据中的属于肋骨区域的像素点构成的区域确定为原始扫描图像。

可选地，对所述原始图像数据进行组织分割，包括：将所述原始图像数据输入预先训练的神经网络模型，得到所述神经网络模型输出的每个像素点的类别标识；将类别标识相同的像素点构成的区域确定为同一个组织。

可选地，所述原始扫描图像中的每个肋骨子区域通过以下方法确定：将所述原始扫描图像划分成多个初始子区域；分别计算每个初始子区域中的每个点与所述初始子区域之外的最接近的点之间的距离；根据所述距离进行聚类处理，得到每个所述初始子区域对应的肋骨子区域。

可选地，从所述原始扫描图像中提取所述每个肋骨子区域中的包含多个中心线段的中心线，包括：提取每个肋骨子区域的中心线；对所述中心线上的相邻中心点进行连线；根据所述连线的斜率，将所述中心线划分成多个中心线段。

可选地，从所述原始扫描图像中提取所述每个肋骨子区域中的包含多个中心线段的中心线，包括：提取每个肋骨子区域的中心线；对所述中心线上的相邻中心点进行连线；根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段。

可选地，根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段，包括：在将第N个中心点与第N+1个中心点进行连线后，基于第N+1个中心点的厚度，以及所述连线形成立方体；其中，N为大于1的整数，前N个中心点构成当前中心线段；在所述立方体包含第1至第N个中心点的情况下，确定第N个中心点属于当前中心线段；在所述立方体未完全包含第1至第N个中心点的情况下，确定第N个中心点不属于当前中心线段，所述当前中心线段确定完毕。

在一些实施例中，所述装置包括：获取模块，被配置为获取包含肋骨区域的原始扫描图像；其中，所述原始扫描图像中包括多个肋骨子区域，每个肋骨子区域对应一根肋骨；提取模块，被配置为提取所述每个肋骨子区域中的包含多个中心线段的中心线；其中，所述中心线段内的像素点之间的位置差异小于所述中心线段之间的像素点之间的位置差异；图像生成模块，被配置为基于每个所述中心线段所在的平面生成肋骨图像。

本申请实施例提供的用于生成肋骨图像的方法、装置及计算机可读存储介质，可以实现以下技术效果：

在获取原始扫描图像之后，提取每个肋骨子区域的中心线，并将中心线划分成多个中心线段，基于中心线段生成肋骨图像。本申请实施例中，在每个肋骨子区域中，进一步将中心线划分成中心线段，由于位置差异相差较大的中心线段对应于存在弯折的肋骨，因此划分后的每个中心线段可以表征肋骨实际的形态，基于中心线段所在的平面生成的肋骨图像，还原了肋骨实际的空间形态，减少了图像中的形变，提升了图像生成质量。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1为使用CPR技术生成的肋骨图像；

图2为本申请实施例提供的一种用于生成肋骨图像的方法流程图；

图3为根据本申请实施例提供的用于生成肋骨图像的方法生成的一个肋骨子区域的中心线段示意图；

图4为本申请实施例提供的另一种用于生成肋骨图像的方法流程图；

图5为本申请实施例提供的中心线斜率的示意图；

图6为本申请实施例提供的一种生成中心线段的方法流程图；

图7为根据本申请实施例提供的方法生成的肋骨图像；

图8为根据本申请实施例提供的方法生成的肋骨区域的全部图像；

图9为本申请实施例提供的一种用于生成肋骨图像的装置示意图；

图10为本申请实施例提供的一种用于生成肋骨图像的装置示意图。

具体实施方式

为了能够更加详尽地了解本申请实施例的特点与技术内容，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

本申请实施例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，以便这里描述的本申请实施例的实施例。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。

除非另有说明，术语“多个”表示两个或两个以上。

本申请实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

肋骨阅片是放射科比较耗时的工作。肋骨包含的区域广，且肋骨为三维半包围结构，普通成像技术无法全面展示所有细节，容易造成细微病灶的遗漏。医学影像的图像绘制方法有许多种，基于原始的扫描图像，有MPR多平面重建，CPR重建等。CPR曲面重建(CurvedPlanar Reformation)，是依据定义的曲线路径来显示图像的方法。通过这种技术，管状结构的整体可以显示在一张图像中，感兴趣的区域被投影到图像上面，然后并可以进行方向的改变，也就是旋转图像，用户对血管狭窄、钙化等异常进行观察诊断。方向向量与中心线的点定义了一条绘制线，计算获取该线接触的全部的像素点，获得所有这样的像素点形成CPR图像。

通过这种技术，可以将管状结构的整个长度显示在一幅图像中。然后，医生对血管异常(即狭窄、闭塞、动脉瘤和血管壁钙化)进行观察。而对于使用MPR(MultiPlanarReconstruction，多平面成像)技术生成的MPR图像，传统的方案都是平行，垂直等方式产生MPR图像，多重面重建从容积扫描的CT图像沿任意方向创建计算新的图像。MPR图像可源自直面或曲面，并且包含来自相应CT断层的密度信息，包括平均密度、最大密度、最低密度等。MPR图像通常用在非原始扫描的方位上面各种角度展示解剖和病变，可以将病变合理的显示在一个非横断位的图像上，在医学处理软件上面，可以任意角度的旋转角度，从不同角度获得MPR图像。

然而，CPR将肋骨拉直显示，存在一定形变。通过图1可以看出，CPR的方式本质上是有形变的，对于不明显的骨折，假设骨折位置正好位于形变位置，则形变导致骨折无法被发现。而MPR方式又无法显示全部内容。

基于此，本申请实施例通过将肋骨区域按照每根肋骨划分子区域，在每个子区域中进一步按照肋骨弯曲方向划分出多个中心线段，基于中心线段而展开生成二维图像，可以有效避免肋骨区域形变问题，使肋骨图像具有更高的临床价值。

结合图2所示，为本申请实施例提供的一种用于生成肋骨图像的方法，如图2所示，该方法具体包括以下步骤：

S201：获取包含肋骨区域的原始扫描图像。

其中，所述原始扫描图像中包括多个肋骨子区域，每个肋骨子区域对应一根肋骨。

首先，加载图像信息和图像数据，具体地，将扫描后的DICOM图像载入系统，读取数据区、方向、图像的像素间隔等，并计算层与层之间的位置间隔，形成三维的数据场，即原始扫描图像。可以理解的是，原始扫描图像中包括肋骨区域，并且，基于相关技术的图像分割方法，将肋骨区域进一步划分成多个肋骨子区域，每一个肋骨子区域对应一根肋骨。

S202：从所述原始扫描图像中提取每个肋骨子区域中的包含多个中心线段的中心线。

其中，所述中心线段内的像素点之间的位置差异小于所述中心线段之间的像素点之间的位置差异。

具体而言，在划分出肋骨子区域后，可以首先提取每个肋骨子区域的中心线，进而将中心线划分成多个中心线段，每个中心线段内的像素点之间的位置差异较小，例如相邻的像素点的连线的斜率或者方向向量的差值小于预设阈值，以使中心线段内的所有像素点的连线趋近于直线。在另一些示例中，也可以设定中心线段内的像素点之间的位置差异小于中心线段之间的像素点之间的位置差异，例如，在某两个相邻像素点的连线的斜率或者方向向量大于阈值，则说明在该处发生了肋骨弯曲，则将两个像素点中的边缘像素点划分到当前中心线段之外。在另一些示例中，为了提高中心线段的划分效率，还可以预先训练中心线段分割模型，具体应用时，直接将肋骨子区域的像素信息输入中心线段分割模型，得到分割后的中心线段。如图3所示，为根据本申请实施例提供的用于生成肋骨图像的方法生成的一个肋骨子区域的中心线段示意图。

S203：基于每个所述中心线段所在的平面生成肋骨图像。

具体地，中心线段所在的平面可以按照如下方式生成：

按照向量和中心点进行切面的范围计算，获得显示的FOV范围，记录显示面的宽高WH。沿着宽度W方向进行采样，采样H次，对于每一个点按照一定的插值方法获取数值，形成一个中心线段的采样平面。依次迭代，获取所有中心线段的采样平面。按照采样平面的方向进行展开，从而生成肋骨图像。

本申请实施例提供的上述方法，在获取原始扫描图像之后，提取每个肋骨子区域的中心线，并将中心线划分成多个中心线段，基于中心线段生成肋骨图像。本申请实施例中，在每个肋骨子区域中，进一步将中心线划分成中心线段，由于位置差异相差较大的中心线段对应于存在弯折的肋骨，因此划分后的每个中心线段可以表征肋骨实际的形态，基于中心线段所在的平面生成的肋骨图像，还原了肋骨实际的空间形态，减少了图像中的形变，提升了图像生成质量。

可选地，上述实施例中的获取包含肋骨区域的原始扫描图像，包括：获取原始图像数据；对所述原始图像数据进行组织分割；将所述原始图像数据中的属于肋骨区域的像素点构成的区域确定为原始扫描图像。

可选地，上述实施例中的对所述原始图像数据进行组织分割，包括：将所述原始图像数据输入预先训练的神经网络模型，得到所述神经网络模型输出的每个像素点的类别标识；将类别标识相同的像素点构成的区域确定为同一个组织。

作为一个示例，可以使用深度学习网络来识别原始图像数据中的不同组织，还可以使用全像素语义分割(full-pixel semantic segmentation)方法，对图像中的每个像素根据其所属的感兴趣对象被分配类别ID，进行组织识别分割，获取目标组织的标识。可以理解的是，对于原始图像数据的分割，还可以使用其他图像分割方法，本申请实施例对此不进行限定。

结合图4所示，为本申请实施例提供的另一种用于生成肋骨图像的方法，该实施例侧重于描述如何从原始扫描图像中划分出多个肋骨子区域的过程，该方法包括以下步骤：

S401：获取包含肋骨区域的原始扫描图像。

S402：将所述原始扫描图像划分成多个初始子区域。

S403：分别计算每个初始子区域中的每个点与所述初始子区域之外的最接近的点之间的距离。

S404：根据所述距离进行聚类处理，得到每个所述初始子区域对应的肋骨子区域。

S405：从所述原始扫描图像中提取每个肋骨子区域中的包含多个中心线段的中心线。

其中，所述中心线段内的像素点之间的位置差异小于所述中心线段之间的像素点之间的位置差异；

S406：基于每个所述中心线段所在的平面生成肋骨图像。

具体而言，在原始扫描图像中，首先根据图像分割方法将原始扫描图像划分成多个初始子区域，每个初始子区域中包含一根肋骨，初始子区域的划分方式有多种，可以使用任意一种图像分割方法进行划分，本申请实施例对此不进行限定。

在每个初始子区域中，计算每个像素点与初始子区域之外的最接近的像素点之间的距离，即计算距离场。初始子区域中的像素点可以称之为目标点，目标点离初始子区域的边界越近则距离值越小，目标点距离初始子区域的边界越远，则距离值越大。基于距离场，可以从初始子区域中准确划分出肋骨子区域。

进一步地，对于每一个肋骨子区域，提取该肋骨子区域的中心点，将中心点进行连线，即得到该肋骨子区域的中心线。

可选地，在提取出每个肋骨子区域的中心线后，需要对中心线进行分段处理，因此，上述实施例中的，从所述原始扫描图像中提取所述每个肋骨子区域中的包含多个中心线段的中心线，包括：提取每个肋骨子区域的中心线；对所述中心线上的相邻中心点进行连线；根据所述连线的斜率，将所述中心线划分成多个中心线段。

由于肋骨具有弯折，因此，在中心线的基础上，根据弯折的斜率，进一步划分成多个线段，每个线段中像素点的连线的斜率保持较小差距，即尽量使像素点的连线接近于直线，从而形成没有形变的图像。通过中心线的斜率进行中心线段的划分，可以快速高效的获得中心线段，提升肋骨图像生成效率。如图5所示，为本申请实施例提供的中心线斜率的示意图。

可选地，由于肋骨区域不是平面的，而是三维形式的存在，因此，只考虑中心线斜率的方式，没有考虑肋骨在xy平面以外的z方形的差异，为了进一步提升肋骨区域的划分精度，上述实施例中的，从所述原始扫描图像中提取所述每个肋骨子区域中的包含多个中心线段的中心线，包括：提取每个肋骨子区域的中心线；对所述中心线上的相邻中心点进行连线；根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段。

可选地，上述实施例中的，根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段，包括：在将第N个中心点与第N+1个中心点进行连线后，基于第N+1个中心点的厚度，以及所述连线形成立方体；其中，N为大于1的整数，前N个中心点构成当前中心线段；在所述立方体包含第1至第N个中心点的情况下，确定第N个中心点属于当前中心线段；在所述立方体未完全包含第1至第N个中心点的情况下，确定第N个中心点不属于当前中心线段，所述当前中心线段确定完毕。

从中心点集合的第一个种子点开始，进行连线，覆盖第二个种子点，通过种子点形成MPR切面，从切面考虑厚度，如果厚度没有超出组织列表，则继续添加前进寻找种子点。循环到最后一个中心线的点形成所有的MPR处理结果。种子点为中心线上的中心点，可以根据实际中心线长度，设定种子点的选取方式。例如，每隔多少个像素点选取一个种子点。

具体地，根据当前中心线第一个种子点按照与相邻种子点方向创建向量，将输入的种子点放入队列中。在迭代过程中判断，当前生成的向量面是否可以包括所有的对应的组织，即相邻种子点形成一个向量面，如果该向量面能够包含当前相邻种子点之前的所有种子点，说明当前向量面与之前的种子点在方向上的差异较小，可以把当前种子点和之前所有种子点划归到一个中心线段对应的区域内。相应的，如果不能包含之前的所有种子点，说明当前向量面的方向与之前种子点的方向差异较大，则不能划归到一个中心线段对应的区域内。

在当前向量面能够包含之前所有种子点的情况下，继续进行迭代，续获取下一个新种子点邻接区域内的各感兴趣点，根据厚度范围进行标记为固定组织的各点，持续增长获得范围内的各中心点，计算更新中心点与初始种子点间的距离和方向，若新增中心点和初始种子点构成的范围不能完全包括之前所有的范围则停止生长迭代，保存当前队列中的全部种子点作为本次迭代的分段区域结果。即在当前向量面不能够包含之前所有种子点的情况下，则放弃当前向量面，将之前所有种子点划分成一个中心线段。

由于肋骨的弯折不仅体现在平面上，还体现在厚度上，即肋骨构成的区域是三维立体区域，因此，为了进一步体现肋骨的细节，同时考虑中心点连线的斜率以及厚度，使得中心线段的划分是在三维空间内的划分，从而提升肋骨区域的成像效果，减少型变的产生。

为便于理解，结合图6所示，为本申请实施例提供的一种中心线段的分割方法，该方法包括：

S601：获取第N个种子点以及第N+1个种子点。

S602：将第N个种子点和第N+1个种子点进行连线，形成方向向量。

S603：结合当前种子点所在位置的厚度和方向向量，形成立方体。

S604：判断当前立方体是否包含1至N+1个种子点。

S605：是，则继续获取第N+2个种子点，并执行步骤S601。

S606：不包含，则结束当前中心线段的划分，将第1至N个种子点的连线确定为当前中心线段。

图7为根据本申请实施例提供的方法生成的肋骨图像。图8为根据本申请实施例提供的方法生成的肋骨区域的整体图像。通过本申请实施例提供的上述方法，可以获得覆盖全部肋骨的MPR图像，医生可以基于MPR进行整个肋骨截面的诊断操作。

对于一个原始的扫描序列，如果原始的扫描序列是覆盖35厘米的范围，扫描的层间隔为1毫米，则需要有350张图片。按照肋骨计算，是12对，24根，每根按照2幅图像展开计算，则按照该方案处理完毕，大约是50张图片，因此，可以在充分展示肋骨细节的同时，降低了医生的诊断工作量。

结合图9所示，为本申请实施例提供的一种用于生成肋骨图像的装置900，包括：

获取模块901，被配置为获取包含肋骨区域的原始扫描图像；其中，所述原始扫描图像中包括多个肋骨子区域，每个肋骨子区域对应一根肋骨；

提取模块902，被配置为提取所述每个肋骨子区域中的包含多个中心线段的中心线；其中，所述中心线段内的像素点之间的位置差异小于所述中心线段之间的像素点之间的位置差异；

图像生成模块903，被配置为基于每个所述中心线段所在的平面生成肋骨图像。

本申请实施例提供的上述装置，在获取原始扫描图像之后，提取每个肋骨子区域的中心线，并将中心线划分成多个中心线段，基于中心线段生成肋骨图像。本申请实施例中，在每个肋骨子区域中，进一步将中心线划分成中心线段，由于位置差异相差较大的中心线段对应于存在弯折的肋骨，因此划分后的每个中心线段可以表征肋骨实际的形态，基于中心线段所在的平面生成的肋骨图像，还原了肋骨实际的空间形态，减少了图像中的形变，提升了图像生成质量。

可选地，获取模块901进一步被配置为获取原始图像数据；对所述原始图像数据进行组织分割；将所述原始图像数据中的属于肋骨区域的像素点构成的区域确定为原始扫描图像。

可选地，对所述原始图像数据进行组织分割，包括：将所述原始图像数据输入预先训练的神经网络模型，得到所述神经网络模型输出的每个像素点的类别标识；将类别标识相同的像素点构成的区域确定为同一个组织。

可选地，所述原始扫描图像中的每个肋骨子区域通过以下方法确定：将所述原始扫描图像划分成多个初始子区域；分别计算每个初始子区域中的每个点与所述初始子区域之外的最接近的点之间的距离；根据所述距离进行聚类处理，得到每个所述初始子区域对应的肋骨子区域。

可选地，提取模块902进一步被配置为提取每个肋骨子区域的中心线；

对所述中心线上的相邻中心点进行连线；根据所述连线的斜率，将所述中心线划分成多个中心线段。

可选地，提取模块902进一步被配置为提取每个肋骨子区域的中心线；对所述中心线上的相邻中心点进行连线；根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段。

可选地，根据所述连线的斜率以及连线后构成的三维区域的厚度，将所述中心线划分成多个中心线段，包括：在将第N个中心点与第N+1个中心点进行连线后，基于第N+1个中心点的厚度，以及所述连线形成立方体；其中，N为大于1的整数，前N个中心点构成当前中心线段；在所述立方体包含第1至第N个中心点的情况下，确定第N个中心点属于当前中心线段；在所述立方体未完全包含第1至第N个中心点的情况下，确定第N个中心点不属于当前中心线段，所述当前中心线段确定完毕。

结合图10所示，本申请实施例提供一种用于生成肋骨图像的装置1000，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的用于生成肋骨图像的方法。

此外，上述的存储器101中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。

存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本申请实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例的用于生成肋骨图像的方法。

存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。

本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述实施例的用于生成肋骨图像的方法。

本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述实施例的用于生成肋骨图像的方法。

上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

本申请实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

以上描述和附图充分地示出了本申请的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，所述单元的划分，可以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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例。另外，在本申请实施例中的各功能单元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。

附图中的流程图和框图显示了根据本申请实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。