一种基于人工智能的健康预测方法、系统及存储介质

技术领域

本发明涉及一种健康预测方法，更具体的，涉及一种基于人工智能的健康预测方法、系统和可读存储介质。

背景技术

饮食结构和环境改变,以及互联网和大数据时代的快节奏工作生活等导致居民疾病谱逐渐发生改变,发病率增高且患病人群趋于年轻化,相当一部分人群处于亚健康状态,这使得大众更加关注健康状况和健康管理。健康体检是知晓健康状况和进行健康管理的重要方式之一。近年来,体检人群逐渐扩大、体检项目逐渐丰富,加上信息化体检系统的广泛应用,数字化健康相关数据积累越来越多,使健康体检数据成为健康医疗大数据的重要组成部分。随着健康体检服务的普及,健康体检数据虽然覆盖面越来越广、数据量越来越大,但是缺乏与疾病的直接关联,并且数据专业性不强、项目差异较大,健康风险预测通常难以得到较好的精度。

为了实现健康体检数据对健康状况的预测，需要开发一款基于人工智能的健康预测系统进行匹配，该系统通过获取目标对象的身份信息，生成身份信息标签；通过一体化体检装置生成体检数据匹配所述身份信息标签；基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，生成体检数据的横向数据和纵向数据，根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；建立健康状况预测模型，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。在系统实现过程中如何基于大数据进行趋势判断生成变化曲线以及如何通过健康状况预测模型预测目标对象健康状况都是亟不可待需要解决的问题。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于人工智能的健康预测方法、系统和可读存储介质。

本发明第一方面提供了一种基于人工智能的健康预测方法，包括：

获取目标对象的身份信息，生成身份信息标签；

通过一体化体检装置生成体检数据匹配所述身份信息标签；

基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；

建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。

本方案中，所述的获取目标对象的身份信息，生成身份信息标签，并匹配体检数据，具体为：

所述一体化体检装置通过证件感应模块读取目标对象的证件信息，提取目标对象证件人像信息，将所述证件人像信息发送到处理器模块；

人脸识别模块获取目标对象的人脸图像信息，将所述的人脸图像信息进行特征提取，通过特征对比确定目标对象身份信息；

所述处理器模块通过确认信息生成目标对象身份信息标签；

预设所述身份信息标签和体检数据映射关系，所述处理器模块根据所述映射关系进行匹配；

并将所述映射关系进行存储，建立目标对象个人健康状况数据库。

本方案中，所述的基于大数据进行趋势判断，具体为：

将所述的一体化体检装置生成的体检数据进行提取转换，并进行数据预处理；

基于大数据分析平台建立体检数据趋势判断模型；

与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线。

本方案中，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据，具体为：

将目标对象体检数据进行数据分析、转换，并按照各体检项目进行分类；

根据目标对象体检数据的分类信息查询和获取目标数据；

将分类后的目标数据加载到目标数据列表中；

所述处理器模块根据目标数据列表逐一对目标数据和目标对象体检数据进行对比，生成横向数据和纵向数据及偏差值；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线，并同过偏差值对变化曲线进行修正；

其中目标对象历史体检数据及同性别同年龄区间的标准健康数据。

本方案中，所述的建立健康状况预测模型，具体为：

对体检数据中各项数据对应的相关因素按照预设函数关系关联，同时设置相关因素的权重；

获取训练数据，对所述训练数据进行数据处理，生成训练数据集；

将所述训练数据集导入健康状况预测模型，对模型进行训练，最后通过模型评估建立健康状况预测模型；

根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，通过所述修正信息对健康状况预测模型进行修正；

将体检数据中各体检项目数据设置为系统变量，并且系统变量的各子变量表示为X＝{X

其中，x

本方案中，所述的根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，具体为：

建立历史体检数据时序模型，按照所述历史体检数据时序模型提取所述个人健康状况数据库中第i年及第i年之前的体检数据；

将提取到的数据进行预处理导入所述健康状况预测模型，得到第i+1年的预测体检数据；

从所述个人健康状况数据库获取第i+1年的实际体检数据；

将所述预测体检数据与所诉实际体检数据进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

本发明第二方面还提供了一种基于人工智能的健康预测系统，该系统包括：存储器、处理器，所述存储器中包括一种基于人工智能的健康预测方法程序，所述一种基于人工智能的健康预测方法程序被所述处理器执行时实现如下步骤：

获取目标对象的身份信息，生成身份信息标签；

通过一体化体检装置生成体检数据匹配所述身份信息标签；

基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；

建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。

本方案中，所述的获取目标对象的身份信息，生成身份信息标签，并匹配体检数据，具体为：

所述一体化体检装置通过证件感应模块读取目标对象的证件信息，提取目标对象证件人像信息，将所述证件人像信息发送到处理器模块；

人脸识别模块获取目标对象的人脸图像信息，将所述的人脸图像信息进行特征提取，通过特征对比确定目标对象身份信息；

所述处理器模块通过确认信息生成目标对象身份信息标签；

预设所述身份信息标签和体检数据映射关系，所述处理器模块根据所述映射关系进行匹配；

并将所述映射关系进行存储，建立目标对象个人健康状况数据库。

本方案中，所述的基于大数据进行趋势判断，具体为：

将所述的一体化体检装置生成的体检数据进行提取转换，并进行数据预处理；

基于大数据分析平台建立体检数据趋势判断模型；

与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线。

本方案中，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据，具体为：

将目标对象体检数据进行数据分析、转换，并按照各体检项目进行分类；

根据目标对象体检数据的分类信息查询和获取目标数据；

将分类后的目标数据加载到目标数据列表中；

所述处理器模块根据目标数据列表逐一对目标数据和目标对象体检数据进行对比，生成横向数据和纵向数据及偏差值；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线，并同过偏差值对变化曲线进行修正；

其中目标对象历史体检数据及同性别同年龄区间的标准健康数据。

本方案中，所述的建立健康状况预测模型，具体为：

对体检数据中各项数据对应的相关因素按照预设函数关系关联，同时设置相关因素的权重；

获取训练数据，对所述训练数据进行数据处理，生成训练数据集；

将所述训练数据集导入健康状况预测模型，对模型进行训练，最后通过模型评估建立健康状况预测模型；

根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，通过所述修正信息对健康状况预测模型进行修正；

将体检数据中各体检项目数据设置为系统变量，并且系统变量的各子变量表示为X＝{X

其中，x

本方案中，所述的根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，具体为：

建立历史体检数据时序模型，按照所述历史体检数据时序模型提取所述个人健康状况数据库中第i年及第i年之前的体检数据；

将提取到的数据进行预处理导入所述健康状况预测模型，得到第i+1年的预测体检数据；

从所述个人健康状况数据库获取第i+1年的实际体检数据；

将所述预测体检数据与所诉实际体检数据进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

本发明第三方面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包括一种基于人工智能的健康预测方法程序，所述一种基于人工智能的健康预测方法程序被处理器执行时，实现如上述任一项所述的一种基于人工智能的健康预测方法的步骤。

本发明公开了一种基于人工智能的健康预测方法、系统及可读存储介质，包括：获取目标对象的身份信息，生成身份信息标签；通过一体化体检装置生成体检数据匹配所述身份信息标签；基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比；与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据，根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。本发明中，基于大数据进行体检数据的趋势判断，确定目标对象的体检数据与健康状况之间的关联，对目标对象的健康状况进行预测，同时根据预测结果对异常健康状况进行预警，为目标对象的健康状况提供可靠的参考数据。

附图说明

图1示出了本发明一种基于人工智能的健康预测方法的流程图；

图2示出了本发明基于大数据进行趋势判断的方法流程图；

图3示出了本发明建立健康状况预测模型方法流程图；

图4示出了本发明一种基于人工智能的健康预测系统的框图。

具体实施方法

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于人工智能的健康预测方法的流程图；

如图1所示，本发明第一方面提供了一种基于人工智能的健康预测方法，包括：

S102，获取目标对象的身份信息，生成身份信息标签；

S104，通过一体化体检装置生成体检数据匹配所述身份信息标签；

S106，基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据；

S108，根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；

S110，建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。

需要说明的是，所述的获取目标对象的身份信息，生成身份信息标签，并匹配体检数据，具体为：

所述一体化体检装置通过证件感应模块读取目标对象的证件信息，提取目标对象证件人像信息，将所述证件人像信息发送到处理器模块；

人脸识别模块获取目标对象的人脸图像信息，将所述的人脸图像信息进行特征提取，通过特征对比确定目标对象身份信息；

所述处理器模块通过确认信息生成目标对象身份信息标签；

预设所述身份信息标签和体检数据映射关系，所述处理器模块根据所述映射关系进行匹配；

并将所述映射关系进行存储，建立目标对象个人健康状况数据库。

需要说明的是，所述的一体化体检装置包括多种体检项目模块，实现多种体检数据的采集，装置包括多种体检仪器模块、显示及打印模块、通讯模块、主机模块、数据保存模块。所述的多种体检仪器模块获取目标对象的各项体检数据，通过所述通讯模块将体检数据发送到主机模块进行体检数据的对比分析，生成各体检项目的变化曲线，并根据体检数据预测目标对象的健康状况，通过显示及打印模块生成体检报告信息；将对比分析的各体检项目的变化曲线及预测结果数据发送到数据保存模块，建立个人健康状况数据库，将数据存储到所述个人健康状况数据库。

图2示出了本发明基于大数据进行趋势判断的方法流程图。

根据本发明实施例，所述的基于大数据进行趋势判断，具体为：

S202，将所述的一体化体检装置生成的体检数据进行提取转换，并进行数据预处理；

S204，基于大数据分析平台建立体检数据趋势判断模型；

S206，与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据；

S208，根据所述横向数据和纵向数据，生成各项体检数据的变化曲线。

需要说明的是，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据，具体为：

将目标对象体检数据进行数据分析、转换，并按照各体检项目进行分类；

根据目标对象体检数据的分类信息查询和获取目标数据；

将分类后的目标数据加载到目标数据列表中；

所述处理器模块根据目标数据列表逐一对目标数据和目标对象体检数据进行对比，生成横向数据和纵向数据及偏差值；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线，并同过偏差值对变化曲线进行修正；

其中目标对象历史体检数据及同性别同年龄区间的标准健康数据。

图3示出了本发明建立健康状况预测模型方法流程图；

根据本发明实施例，所述的建立健康状况预测模型，具体为：

S302，对体检数据中各项数据对应的相关因素按照预设函数关系关联，同时设置相关因素的权重；

S304，获取训练数据，对所述训练数据进行数据处理，生成训练数据集；

S306，将所述训练数据集导入健康状况预测模型，对模型进行训练，最后通过模型评估建立健康状况预测模型；

S308，根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

需要说明的是，将体检数据中各体检项目数据设置为系统变量，并且系统变量的各子变量表示为X＝{X

其中，x

需要说明的是，所述的根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，具体为：

建立历史体检数据时序模型，按照所述历史体检数据时序模型提取所述个人健康状况数据库中第i年及第i年之前的体检数据；

将提取到的数据进行预处理导入所述健康状况预测模型，得到第i+1年的预测体检数据；

从所述个人健康状况数据库获取第i+1年的实际体检数据；

将所述预测体检数据与所诉实际体检数据进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

根据本发明实施例，所述的健康状况预警模型，对目标对象健康状况进行分级预警，具体为：

获取目标对象的体检数据信息；

将所述体检数据信息进行预处理，确定目标对象当前身体健康程度，通过建立健康状况预测模型对健康状况信息进行分析，预测目标对象身体状况信息；

建立健康状况预警模型，根据所述目标对象体检数据及预测健康状况数据信息生成不同等级的健康状况预警信息；

将所述健康状况预警信息通过预设方式显示。

根据本发明实施例，建立健康状况预警模型，根据所述目标对象体检数据及预测健康状况数据信息生成不同等级的健康状况预警信息具体为

通过健康状况预警模型，生成健康状况指数；

预设健康状况指数第一阈值、第二阈值及第三阈值，并根据所述阈值设置阈值区间；

所述健康状况指数小于等于第一阈值时，目标对象身体状况为正常，不生成预警信息；

所述健康状况指数大于第一阈值且小于等于第二阈值时，根据目标对象身体状况生成轻度预警信息及改善建议；

所述健康状况指数大于第二阈值且小于等于第三阈值时，根据目标对象身体状况生成中度预警信息；

所述烟草病虫害指数大于第三阈值时，根据目标对象身体状况生成重度预警信息并生成医疗手段建议；

图4示出了本发明一种基于人工智能的健康预测系统的框图。

本发明第二方面还提供了一种基于人工智能的健康预测系统4，该系统包括：存储器41、处理器42，所述存储器中包括一种基于人工智能的健康预测方法程序，所述一种基于人工智能的健康预测方法程序被所述处理器执行时实现如下步骤：

获取目标对象的身份信息，生成身份信息标签；

通过一体化体检装置生成体检数据匹配所述身份信息标签；

基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；

建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。

需要说明的是，所述的一体化体检装置包括多种体检项目模块，实现多种体检数据的采集，装置包括多种体检仪器模块、显示及打印模块、通讯模块、主机模块、数据保存模块。所述的多种体检仪器模块获取目标对象的各项体检数据，通过所述通讯模块将体检数据发送到主机模块进行体检数据的对比分析，生成各体检项目的变化曲线，并根据体检数据预测目标对象的健康状况，通过显示及打印模块生成体检报告信息；将对比分析的各体检项目的变化曲线及预测结果数据发送到数据保存模块，建立个人健康状况数据库，将数据存储到所述个人健康状况数据库。

需要说明的是，所述的获取目标对象的身份信息，生成身份信息标签，并匹配体检数据，具体为：

所述一体化体检装置通过证件感应模块读取目标对象的证件信息，提取目标对象证件人像信息，将所述证件人像信息发送到处理器模块；

人脸识别模块获取目标对象的人脸图像信息，将所述的人脸图像信息进行特征提取，通过特征对比确定目标对象身份信息；

所述处理器模块通过确认信息生成目标对象身份信息标签；

预设所述身份信息标签和体检数据映射关系，所述处理器模块根据所述映射关系进行匹配；

并将所述映射关系进行存储，建立目标对象个人健康状况数据库。

根据本发明实施例，所述的基于大数据进行趋势判断，具体为：

将所述的一体化体检装置生成的体检数据进行提取转换，并进行数据预处理；

基于大数据分析平台建立体检数据趋势判断模型；

与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线。

需要说明的是，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比，分别生成体检数据的横向数据和纵向数据，具体为：

将目标对象体检数据进行数据分析、转换，并按照各体检项目进行分类；

根据目标对象体检数据的分类信息查询和获取目标数据；

将分类后的目标数据加载到目标数据列表中；

所述处理器模块根据目标数据列表逐一对目标数据和目标对象体检数据进行对比，生成横向数据和纵向数据及偏差值；

根据所述横向数据和纵向数据，生成各项体检数据的变化曲线，并同过偏差值对变化曲线进行修正；

其中目标对象历史体检数据及同性别同年龄区间的标准健康数据。

根据本发明实施例，所述的建立健康状况预测模型，具体为：

对体检数据中各项数据对应的相关因素按照预设函数关系关联，同时设置相关因素的权重；

获取训练数据，对所述训练数据进行数据处理，生成训练数据集；

将所述训练数据集导入健康状况预测模型，对模型进行训练，最后通过模型评估建立健康状况预测模型；

根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

需要说明的是，将体检数据中各体检项目数据设置为系统变量，并且系统变量的各子变量表示为X＝{X

其中，x

需要说明的是，所述的根据历史预测误差和实际健康状况数据集之间的函数关系生成修正信息，具体为：

建立历史体检数据时序模型，按照所述历史体检数据时序模型提取所述个人健康状况数据库中第i年及第i年之前的体检数据；

将提取到的数据进行预处理导入所述健康状况预测模型，得到第i+1年的预测体检数据；

从所述个人健康状况数据库获取第i+1年的实际体检数据；

将所述预测体检数据与所诉实际体检数据进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则生成修正信息，通过所述修正信息对健康状况预测模型进行修正。

根据本发明实施例，所述的健康状况预警模型，对目标对象健康状况进行分级预警，具体为：

获取目标对象的体检数据信息；

将所述体检数据信息进行预处理，确定目标对象当前身体健康程度，通过建立健康状况预测模型对健康状况信息进行分析，预测目标对象身体状况信息；

建立健康状况预警模型，根据所述目标对象体检数据及预测健康状况数据信息生成不同等级的健康状况预警信息；

将所述健康状况预警信息通过预设方式显示。

根据本发明实施例，建立健康状况预警模型，根据所述目标对象体检数据及预测健康状况数据信息生成不同等级的健康状况预警信息具体为

通过健康状况预警模型，生成健康状况指数；

预设健康状况指数第一阈值、第二阈值及第三阈值，并根据所述阈值设置阈值区间；

所述健康状况指数小于等于第一阈值时，目标对象身体状况为正常，不生成预警信息；

所述健康状况指数大于第一阈值且小于等于第二阈值时，根据目标对象身体状况生成轻度预警信息及改善建议；

所述健康状况指数大于第二阈值且小于等于第三阈值时，根据目标对象身体状况生成中度预警信息；

所述烟草病虫害指数大于第三阈值时，根据目标对象身体状况生成重度预警信息并生成医疗手段建议；

本发明第三方面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包括一种基于人工智能的健康预测方法程序，所述一种基于人工智能的健康预测方法程序被处理器执行时，实现如上述任一项所述的一种基于人工智能的健康预测方法的步骤。

本发明公开了一种基于人工智能的健康预测方法、系统及可读存储介质，包括：获取目标对象的身份信息，生成身份信息标签；通过一体化体检装置生成体检数据匹配所述身份信息标签；基于大数据进行趋势判断，根据目标对象历史体检数据以及同性别同年龄区间的标准健康数据进行对比；与同性别同年龄区间的标准健康数据结果对比生成体检数据的横向数据，与目标对象历史体检数据对比生成体检数据的纵向数据，根据所述横向数据和纵向数据，生成各项体检数据的变化曲线；建立健康状况预测模型，将所述变化曲线导入，根据所述健康状况预测模型的输出结果预测目标对象的健康状况。本发明中，基于大数据进行体检数据的趋势判断，确定目标对象的体检数据与健康状况之间的关联，对目标对象的健康状况进行预测，同时根据预测结果对异常健康状况进行预警，为目标对象的健康状况提供可靠的参考数据。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或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，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分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，包括若干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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。