一种离散化肝部模型电场矩阵的计算方法及系统与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及数值模拟技术领域，尤指一种离散化肝部模型电场矩阵的计算方法及系统。背景技术：2.数值模拟是用于表征有源医疗设备在肝部产生的感应电场最常用的无创方法。对肝部模型进行网格离散化之后，求解所得线性方程组非常耗时，这通常占数值分析总时间的95％，这使得很多情况下，数值模拟求解电场在临床的即时应用环境受到限制。3.在现有技术中，为了修改系数矩阵的频谱以实现更快的收敛，通常使用预处理技术，例如不完全的下上层(ilu)分解，不完全的下上层(ilu)分解技术中用于求解lu矩阵的传统的逐元素正向消除和反向代换(febs)算法是高度顺序的，这是并行化加速的瓶颈。4.另外，双共轭梯度法可用来求解一般的复线性方程组，而用于电磁场计算的复线性方程组通常是对称的，一般来讲，对于复线性方程组的求解，双共轭梯度法具有计算量少，收敛速度快等优点。虽然在求解过程中，残差会有较剧烈变化，有可能迭代过程中出现残差上升的情况，但下降的速度会非常迅速。通常，在精度要求相同的情况下，双共轭梯度法的迭代次数仅为共轭梯度法的1/3，其计算速度是共轭梯度法的5-6倍。当方程组规模较大或系数矩阵条件数较多时，复矩阵易呈现病态特性，双共轭梯度法有时会存在不收敛或收敛速度缓慢的潜在问题。5.综上来看，亟需一种可以解决现有技术存在的问题，提高数值模型效率的技术方案。技术实现要素：6.为克服现有技术存在的不足，本发明提出了一种离散化肝部模型电场矩阵的计算方法及系统。本发明可以提高lu矩阵计算的并行性，从而加速在有源医疗仪器对肝部刺激的数值模拟过程中，对感生电场分布的计算；为了提高计算效率并保证计算的快速收敛，适当的预处理技术可以降低矩阵条件数，改善矩阵病态特性，加快收敛速度；本发明通过优化的块febs算法加速gpu求解离散化肝部模型中的电场矩阵的方法，显著加速了有源医疗仪器在模拟中感生的电场求解，促进了数值模拟在临床治疗中的应用。7.在本发明实施例的第一方面，提出了一种离散化肝部模型电场矩阵的计算方法，该方法包括：8.获取离散化的肝部模型；9.根据所述离散化的肝部模型获得初始电场矩阵；10.根据所述初始电场矩阵，利用ilu预处理得到能够进行并行处理的上三角矩阵与下三角矩阵；11.对矩阵进行分解，采用前向消除算法对分解后的下三角矩阵进行并行前向消除，之后采用后向代换算法对分解后的上三角矩阵进行并行后向代换，根据并行计算后的矩阵得到感生电场分布数据。12.进一步的，根据所述离散化的肝部模型获得初始电场矩阵，包括：13.电场矩阵方程为fx＝b，其中，x为待求解的电势的num×1矢量；b是num×1向量；f是num×num个隔对角线矩阵；f矩阵中最多有7个非零元素。14.进一步的，该方法还包括：15.将矩阵求解的过程分为前向消除ly＝b及后向代换ux＝y；16.其中，l为分解后的下三角矩阵；y为num×1向量；u为分解后的上三角矩阵。17.进一步的，对矩阵进行分解，包括：18.将矩阵分解为matrix_a、matrix_b、matrix_c三类块矩阵；其中，19.matrix_a(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,i·nx:(i+1)·nx-1),i＝0,1,...,ny·nz-1；20.matrix_b(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-1)·nx:i·nx-1),i＝1,2,...,ny·nz-1；21.matrix_c(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-ny)·nx:(i-ny+1)·nx-1),22.i＝ny,ny+1,...,ny·nz-1；23.其中，nx为三类矩阵的边长；对于l矩阵，ny表示从第一个matrix_a纵向到第一个matrix_c间经过的矩阵边长nx个数；nz表示num中nx×ny的个数。24.进一步的，前向消除ly＝b的求解过程为：25.步骤1，i＝0,l(0:nx-1,:)y＝b；i.e.,matrix_a·y(0:nx-1)＝y(0:nx-1)；26.步骤2，i＝1,2,...,ny-1,l(i·nx:(i+1)·nx-1,:)·y＝b27.matrix_b·y((i-1)·nx:i·nx-1)+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)；28.步骤3，i＝ny,ny+1,...,ny·nz-1,l(i·nx:(i+1)·nx-1,:)·y＝b29.matrix_c·y((1-ny)·nx:(i-ny+1)·nx-1)+matrix_b·y((i-1)·nx:i·nx-1)30.+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)。31.在本发明实施例的第二方面，提出了一种离散化肝部模型电场矩阵的计算系统，该系统包括：32.模型获取模块，用于获取离散化的肝部模型；33.电场矩阵获得模块，用于根据所述离散化的肝部模型获得初始电场矩阵；34.预处理模块，用于根据所述初始电场矩阵，利用ilu预处理得到能够进行并行处理的上三角矩阵与下三角矩阵；35.电场分布数据计算模块，用于对矩阵进行分解，采用前向消除算法对分解后的下三角矩阵进行并行前向消除，之后采用后向代换算法对分解后的上三角矩阵进行并行后向代换，根据并行计算后的矩阵得到感生电场分布数据。36.进一步的，所述电场矩阵获得模块获得的电场矩阵方程为fx＝b，其中，x为待求解的电势的num×1矢量；b是num×1向量；f是num×num个隔对角线矩阵；f矩阵中最多有7个非零元素。37.进一步的，所述电场分布数据计算模块具体用于：38.将矩阵求解的过程分为前向消除ly＝b及后向代换ux＝y；39.其中，l为分解后的下三角矩阵；y为num×1向量；u为分解后的上三角矩阵。40.进一步的，所述电场分布数据计算模块具体用于：41.将矩阵分解为matrix_a、matrix_b、matrix_c三类块矩阵；其中，42.matrix_a(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,i·nx:(i+1)·nx-1),i＝0,1,...,ny·nz-1；43.matrix_b(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-1)·nx:i·nx-1),i＝1,2,...,ny·nz-1；44.matrix_c(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-ny)·nx:(i-ny+1)·nx-1),45.i＝ny,ny+1,...,ny·nz-1；46.其中，nx为三类矩阵的边长；对于l矩阵，ny表示从第一个matrix_a纵向到第一个matrix_c间经过的矩阵边长nx个数；nz表示num中nx×ny的个数。47.进一步的，所述电场分布数据计算模块具体用于：48.前向消除ly＝b的求解过程为：49.步骤1，i＝0,l(0:nx-1,:)y＝b；i.e.,matrix_a·y(0:nx-1)＝y(0:nx-1)；50.步骤2，i＝1,2,...,ny-1,l(i·nx:(i+1)·nx-1,:)·y＝b51.matrix_b·y((i-1)·nx:i·nx-1)+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)；52.步骤3，i＝ny,ny+1,...,ny·nz-1,l(i·nx:(i+1)·nx-1,:)·y＝b53.matrix_c·y((1-ny)·nx:(i-ny+1)·nx-1)+matrix_b·y((i-1)·nx:i·nx-1)54.+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)。55.在本发明实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现离散化肝部模型电场矩阵的计算方法。56.在本发明实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现离散化肝部模型电场矩阵的计算方法。57.本发明提出的离散化肝部模型电场矩阵的计算方法及系统通过获取离散化的肝部模型；根据所述离散化的肝部模型获得初始电场矩阵；根据所述初始电场矩阵，利用ilu预处理得到能并行处理的上、下三角矩阵；对下三角矩阵进行分解，采用前向消除算法对分解后的下三角矩阵进行并行前向消除，之后采用后向代换算法对分解后的上三角矩阵进行并行后向代换，根据消除后的矩阵得到感生电场分布数据。可以提高lu矩阵计算的并行性，从而加速在有源医疗仪器对肝脏刺激的数值模拟过程中，对感生电场分布的计算，并通过优化的块febs算法加速gpu求解离散化肝部模型中的电场矩阵，显著加速了有源医疗仪器在模拟中感生电场求解，促进了数值模拟在临床治疗中的应用。附图说明58.为了更清楚地说明本技术实施例技术方案，下面将对实施例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技术的一些实施例，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它的附图。59.图1是本发明一实施例的离散化肝部模型电场矩阵的计算方法流程示意图。60.图2是本发明一具体实施例的spfd系数矩阵结构及l矩阵非零元素示意图61.图3是本发明一具体实施例的前向消除算法的伪代码示意图。62.图4是本发明一具体实施例的后向代换算法的伪代码示意图。63.图5是本发明一具体实施例的加速计算肝脏模型仿真的感应电场分布情况示意图。64.图6是本发明一具体实施例的加速计算均质球体模型仿真的感应电场分布情况示意图。65.图7是本发明一实施例的离散化肝部模型电场矩阵的计算系统架构示意图。66.图8是本发明一实施例的计算机设备结构示意图。具体实施方式67.下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。68.本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。69.根据本发明的实施方式，提出了一种离散化肝部模型电场矩阵的计算方法及系统，可以提高lu矩阵计算的并行性，从而加速在有源医疗仪器对肝部刺激的数值模拟过程中，对感生电场分布的计算。本发明通过优化的块febs算法加速gpu求解离散化肝部模型中的电场矩阵，显著加速了有源医疗仪器在模拟中感生电场求解，促进了数值模拟在临床治疗中的应用。在求解离散化的肝部模型中的电场时，对所得到的线性方程组求解通常使用ilu分解的预处理技术。本发明通过将ilu分解技术中的矩阵划分为均匀分布的，可并行计算的矩阵块，开发了优化的块febs(b-febs)算法。70.在本发明实施例中，需要说明的术语：71.febs：逐元素正向消除和反向代换算法；72.b-febs：分块优化的febs算法；73.gpu：通用处理器；74.ilu：不完全的下层上层分解；75.lu矩阵：ilu算法得到的下三角矩阵l与上三角矩阵u；76.bicg：双共轭梯度法；77.bicgstab：预处理稳定双共轭梯度法，一种krylov子空间法。78.下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。79.图1是本发明一实施例的离散化肝部模型电场矩阵的计算方法流程示意图。如图1所示，该方法包括：80.步骤s101，获取离散化的肝部模型；81.步骤s102，根据所述离散化的肝部模型获得初始电场矩阵；82.步骤s103，根据所述初始电场矩阵，利用ilu预处理得到能并行处理的下三角电场矩阵l及上三角电场矩阵u；83.步骤s104，对矩阵进行分解，采用前向消除算法对分解后的下三角电场矩阵l进行并行前向消除，之后采用后向代换算法对上三角矩阵u进行并行后向代换，根据消除后的矩阵得到感生电场分布数据。84.在本实施例的步骤s101中，根据所述离散化的肝部模型获得初始电场矩阵，包括：85.参考图2，为本发明一具体实施例的spfd系数矩阵结构及l矩阵非零元素示意图。(a)spfd系数矩阵结构，(b)中的l矩阵非零元素由点线表示。86.电场矩阵方程为fx＝b，其中，x为待求解的电势的num×1矢量；b是num×1向量(在(b)中)；f是num×num个隔对角线矩阵；f矩阵中最多有7个非零元素。87.在本实施例中，该方法还包括：88.将矩阵求解的过程分为前向消除ly＝b及后向代换ux＝y；89.l为分解后的下三角矩阵；y为num×1向量；u为分解后的上三角矩阵。90.在本实施例的步骤s104中，对矩阵进行分解，包括：91.将矩阵分解为matrix_a、matrix_b、matrix_c三部分；其中，92.matrix_a(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,i·nx:(i+1)·nx-1),i＝0,1,...,ny·nz-1；93.matrix_b(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-1)·nx:i·nx-1),i＝1,2,…,ny·nz-1；94.matrix_c(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-ny)·nx:(i-ny+1)·nx-1),95.i＝ny,ny+1,...,ny·nz-1；96.其中，nx为三类矩阵的边长；ny表示从第一个matrix_a纵向到第一个matrix_c间经过的矩阵边长nx个数(对于l矩阵而言)，nz表示num中nx×ny的个数。97.在本实施例的步骤s104中，前向消除ly＝b的求解过程为：98.步骤1，i＝0,l(0:nx-1,:)y＝b；i.e.,matrix_a·y(0:nx-1)＝y(0:nx-1)；99.步骤2，i＝1,2,...,ny-1,l(i·nx:(i+1)·nx-1,:)·y＝b100.matrix_b·y((i-1)·nx:i·nx-1)+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)；101.步骤3，i＝ny,ny+1,...,ny·nz-1,l(i·nx:(i+1)·nx-1,:)·y＝b102.matrix_c·y((1-ny)·nx:(i-ny+1)·nx-1)+matrix_b·y((i-1)·nx:i·nx-1)103.+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)。104.利用了lu系数矩阵的隔对角线的稀疏特性，将矩阵划分为三种类型的矩阵，对前向消除与后向代换(febs)算法的矩阵进行并行运算，增强了gpu对所需未知数的并行处理能力，从而在并行过程中加快了原本高度顺序的前向消除与后向代换(febs)算法的计算。105.lu矩阵迭代的伪代码如图3及图4，其中，“*”表示将过程移植到gpu进行多线程计算。图3为前向消除算法(ly＝b)，图4为后向代换算法(ux＝y)。106.需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。107.为了对上述离散化肝部模型电场矩阵的计算方法进行更为清楚的解释，下面结合一个具体的实施例来进行说明，然而值得注意的是该实施例仅是为了更好地说明本发明，并不构成对本发明不当的限定。108.利用本发明进行计算的数值实验中，仿真平台包含2个xeon e5-2630 cpu(intel,santa clara,ca；2.2ghz，每个cpu 6个内核)，64gb ram和1个tesla k40c gpu(nvidia，santaclara，ca；850mhz，12gb ram和2880核)。操作系统是centos x64 7.0(red hat,raleigh,nc)。例程使用c++进行编码，并使用gcc 4.8.5进行编译。编译器为cuda 9.0nvcc(nvidia)。109.验证过程中，将cuda工具包中的预处理双共轭梯度稳定方法的代码(不具备针对导出的隔对角线矩阵进行优化的功能)修改为b-febs代码，实现了b-febs与cuda的耦合，并对比了b-febs与cuda例程的矩阵处理能力，矩阵并行计算的程序的计算时间成本为：2nx·ny·nz·t+4ny·nz·t-2ny·t-2t，例程串行计算的成本为6nx·ny·nz·t-2nx·ny·t-2nx·t，理论加速度为：[0110][0111]当网格数趋于无穷时，加速度接近于3，计算的出的求解速度提高了2.48-2.69倍。[0112]之后在ilu-bicgstab中实施了有源医疗器械刺激期间的肝部电场的计算(包括使用来自人类临床试验的增强磁共振成像(mri)数据重建的肝脏模型以及均质球体模型)，并通过semcad x v14.8的极低频求解器重复计算来验证，并且比较了总体电场求解过程中的时间节省情况。ilu-bicgstab的整体加速取决于收敛所需的迭代次数，范围从1.19(2.75mcells)到1.56(27mcells)不等。[0113]为了验证计算结果的正确性，实验中选择的计算指标为峰值电场与第99百分位电场。实验中观察到采用本发明的方法计算结果差异很小，例如，峰值电场的最大差异约为2％，而模拟的所有肝部模型的第99个百分位电场的差异小于1％。两个求解器计算出的电场分布几乎相同。参考图5，为本发明一具体实施例中加速计算肝脏模型仿真的感应电场分布情况示意图。参考图6，为本发明一具体实施例的加速计算均质球体模型感应电场分布情况示意图。[0114]比较不同的模拟情况，可以得到以下结论：[0115]与均质球体模型相比，异质肝脏模型的整体加速效果显著。该结果是因为组织的异质分布将改变系数矩阵的频谱，并且需要更多的迭代。由于每次迭代都包含矩阵求解(需要优化的运算)，因此更多的迭代表明可以节省更多时间。[0116]由于gpu的内存限制，实验中没有使用精细度小于1mm3的成人肝部进行模拟。如果应用无限数量的网格，则矩阵求解的最大加速度理论上可以为3。[0117]在电场计算过程中将高度顺序的febs算法进行了并行化，加速了电场计算。与cuda库中的例程相比，使用b-febs进行矩阵求解时，上下矩阵求解的速度提高了2.48-2.69倍。当前大多数有关加速电场仿真的研究都集中在使用多个cpu节点、gpu或多尺度网格的krylov迭代方法的并行化上，在krylov迭代方法中广泛使用了ilu预调节器，因此可以轻松地将所提出的方法并入内部求解器中以加快仿真速度。[0118]在介绍了本发明示例性实施方式的方法之后，接下来，参考图7对本发明示例性实施方式的离散化肝部模型电场矩阵的计算系统进行介绍。[0119]离散化肝部模型电场矩阵的计算系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。[0120]基于同一发明构思，本发明还提出了一种离散化肝部模型电场矩阵的计算系统，如图7所示，该系统包括：[0121]模型获取模块710，用于获取离散化的肝部模型；[0122]电场矩阵获得模块720，用于根据所述离散化的肝部模型获得初始电场矩阵；[0123]预处理模块730，用于根据所述初始电场矩阵，利用ilu预处理得到能够进行并行处理的上三角矩阵与下三角矩阵；[0124]电场分布数据计算模块740，用于对矩阵进行分解，采用前向消除算法对分解后的下三角矩阵进行并行前向消除，之后采用后向代换算法对分解后的上三角矩阵进行并行后向代换，根据并行计算后的矩阵得到感生电场分布数据。[0125]进一步的，所述电场矩阵获得模块720获得的电场矩阵方程为fx＝b，其中，x为待求解的电势的num×1矢量；b是num×1向量；f是num×num个隔对角线矩阵；f矩阵中最多有7个非零元素。[0126]进一步的，所述预处理模块730具体用于：[0127]将矩阵求解的过程分为前向消除ly＝b及后向代换ux＝y；[0128]l为分解后的下三角矩阵；y为num×1向量；u为分解后的上三角矩阵。[0129]进一步的，所述电场分布数据计算模块740具体用于：[0130]将矩阵分解为matrix_a、matrix_b、matrix_c三部分；其中，[0131]matrix_a(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,i·nx:(i+1)·nx-1),i＝0,1,...,ny·nz-1；[0132]matrix_b(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-1)·nx:i·nx-1),i＝1,2,...,ny·nz-1；[0133]matrix_c(0:nx-1,0:nx-1)＝l(i·nx:(i+1)·nx-1,(i-ny)·nx:(i-ny+1)·nx-1),[0134]i＝ny,ny+1,...,ny·nz-1；[0135]其中，nx为三类矩阵的边长；ny表示从第一个matrix_a纵向到第一个matrix_c间经过的矩阵边长nx个数(对于l矩阵而言)，nz表示num中nx×ny的个数。[0136]进一步的，所述电场分布数据计算模块740具体用于：[0137]前向消除ly＝b的求解过程为：[0138]步骤1，i＝0,l(0:nx-1,:)y＝b；i.e.,matrix_a·y(0:nx-1)＝y(0:nx-1)；[0139]步骤2，i＝1,2,...,ny-1,l(i·nx:(i+1)·nx-1,:)·y＝b[0140]matrix_b·y((i-1)·nx:i·nx-1)+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)；[0141]步骤3，i＝ny,ny+1,...,ny·nz-1,l(i·nx:(i+1)·nx-1,:)·y＝b[0142]matrix_c·y((1-ny)·nx:(i-ny+1)·nx-1)+matrix_b·y((i-1)·nx:i·nx-1)[0143]+matrix_a·y(i·nx:(i+1)·nx-1)＝b(i·nx:(i+1)·nx-1)。[0144]应当注意，尽管在上文详细描述中提及了离散化肝部模型电场矩阵的计算系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。[0145]基于前述发明构思，如图8所示，本发明还提出了一种计算机设备800，包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序830，所述处理器820执行所述计算机程序830时实现前述离散化肝部模型电场矩阵的计算方法。[0146]基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述离散化肝部模型电场矩阵的计算方法。[0147]本发明提出的离散化肝部模型电场矩阵的计算方法及系统通过获取离散化的肝部模型；根据所述离散化的肝部模型获得初始电场矩阵；根据所述初始电场矩阵，利用ilu预处理得到能并行处理上下三角矩阵；对下三角矩阵进行分解，采用前向消除算法对分解后的下三角矩阵进行并行的前向消除，之后采用后向代换算法对上三角矩阵进行并行的后向代换，根据消除后的矩阵得到感生电场分布数据。可以提高lu矩阵计算的并行性，从而加速在有源医疗仪器对肝部刺激的数值模拟过程中，对感生电场分布的计算，并通过优化的块febs算法加速gpu求解离散化肝部模型中的电场矩阵，显著加速了有源医疗仪器在模拟中感生电场求解，促进了数值模拟在临床治疗中的应用。[0148]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。[0149]本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0150]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0151]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0152]最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!