一种基因芯片的判读方法、装置、设备及存储介质与流程

1.本发明涉及计算机视觉技术领域，尤其涉及一种基因芯片的判读方法、装置、设备及存储介质。


背景技术：

2.基因芯片的测序原理是通过与一组已知序列的核酸探针杂交进行核酸序列测定，其中，斑点杂交法是指将待测的dna变性后点加在硝酸纤维素膜(或尼龙膜、nc膜)上，用已标记的探针进行杂交，再进行洗膜(除去未接合的探针)和放射自显影，根据显影结果判断是否有杂交及其杂交强度，主要用于基因缺失或拷贝数改变的检测。
3.对基因芯片的判读，目前只能以人工判读的方式进行，存在以下问题：不能与智能化仪器整体配套，不能自动发送检测结果；工作繁琐，人工判读效率低。
4.对于基因芯片的自动判读，目前的方案效果都不理想，存在以下技术困难：图像不规整、背景差、色浅、边缘有阴影等造成误判；图像有涂写、记录文字、损坏等，造成误判；不能误别弱阳性，需要人工复核；外置的判读设备和软件，不能整合到杂交仪中。


技术实现要素：

5.本发明实施例提供了一种基因芯片的判读方法、装置、设备及存储介质，实现了对基因芯片显影结果的智能判读。
6.第一方面，本发明实施例提供了一种基因芯片的判读方法，所述方法应用于内置在芯片杂交仪中的基因芯片的判读装置，包括：
7.通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在所述基因芯片图像中进行目标图像的识别；
8.将所述目标图像输入训练好的判读模型中，获取输出的判读结果。
9.进一步地，在所述基因芯片图像中进行目标图像的识别，包括：
10.通过二值化处理将所述基因芯片图像转化为二值化图像；
11.对所述二值化图像进行边框识别，获取包含四条边框线的所述目标图像。
12.进一步地，通过二值化处理将所述基因芯片图像转化为二值化图像，包括：
13.将所述基因芯片图像的分辨率和尺寸调整为预设大小；
14.确定所述基因芯片图像中各像素点的灰度值，针对所述各像素点，若灰度值大于等于第一设定阈值则令对应像素点的灰度值为255，若灰度值小于第一设定阈值则令对应像素点的灰度值为0；
15.将各像素点的灰度值为0或255的图像确定为所述二值化图像。
16.进一步地，对所述二值化图像进行边框识别，获取包含四条边框线的所述目标图像，包括：
17.对所述二值化图像进行裁剪，去除所述二值化图像中的边缘部分，并通过旋转将所述二值化图像校正到标准位置；
18.识别所述二值化图像中的线条并进行筛选，保留灰度值大于等于第二设定阈值的线条；
19.确定所述二值化图像中的四条边框线，将包含所述四条边框线的二值化图像确定为所述目标图像。
20.进一步地，确定所述二值化图像中的四条边框线，包括：
21.分别确定所述二值化图像上侧第一条黑线下方设定距离处的第一参考线，和第二条黑线下方设定距离处的第二参考线，若所述第一参考线覆盖范围内灰度值为零，且所述第二参考线覆盖范围内灰度值不为零，则将所述第二参考线确定为上侧边框；
22.分别确定所述二值化图像左侧第一条黑线右方设定距离处的第三参考线，和第二条黑线右方设定距离处的第四参考线，若所述第三参考线覆盖范围内灰度值为零，且所述第四参考线覆盖范围内灰度值不为零，则将所述第四参考线确定为左侧边框；
23.根据所述上侧边框和左侧边框的位置及图像设定尺寸，确定所述目标图像的下侧边框和右侧边框。
24.进一步地，将所述目标图像输入训练好的判读模型中之前，还包括：
25.对所述判读模型进行训练。
26.进一步地，对所述判读模型进行训练，包括：
27.获取训练所需数据，并划分为训练集和测试集；
28.将所述训练集输入所述判读模型中，获取训练结果；
29.根据所述训练结果与测试集的偏差调整所述判读模型的参数，直到所述偏差满足设定精度要求。
30.第二方面，本发明实施例还提供了一种基因芯片的判读装置，所述装置内置在芯片杂交仪中，包括：
31.目标图像识别模块，用于通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在所述基因芯片图像中进行目标图像的识别；
32.判读结果输出模块，用于将所述目标图像输入训练好的判读模型中，获取输出的判读结果。
33.可选的，目标图像识别模块还用于：
34.通过二值化处理将所述基因芯片图像转化为二值化图像；
35.对所述二值化图像进行边框识别，获取包含四条边框线的所述目标图像。
36.可选的，目标图像识别模块还用于：
37.将所述基因芯片图像的分辨率和尺寸调整为预设大小；
38.确定所述基因芯片图像中各像素点的灰度值，针对所述各像素点，若灰度值大于等于第一设定阈值则令对应像素点的灰度值为255，若灰度值小于第一设定阈值则令对应像素点的灰度值为0；
39.将各像素点的灰度值为0或255的图像确定为所述二值化图像。
40.可选的，目标图像识别模块还用于：
41.对所述二值化图像进行裁剪，去除所述二值化图像中的边缘部分，并通过旋转将所述二值化图像校正到标准位置；
42.识别所述二值化图像中的线条并进行筛选，保留灰度值大于等于第二设定阈值的
线条；
43.确定所述二值化图像中的四条边框线，将包含所述四条边框线的二值化图像确定为所述目标图像。
44.可选的，目标图像识别模块还用于：
45.分别确定所述二值化图像上侧第一条黑线下方设定距离处的第一参考线，和第二条黑线下方设定距离处的第二参考线，若所述第一参考线覆盖范围内灰度值为零，且所述第二参考线覆盖范围内灰度值不为零，则将所述第二参考线确定为上侧边框；
46.分别确定所述二值化图像左侧第一条黑线右方设定距离处的第三参考线，和第二条黑线右方设定距离处的第四参考线，若所述第三参考线覆盖范围内灰度值为零，且所述第四参考线覆盖范围内灰度值不为零，则将所述第四参考线确定为左侧边框；
47.根据所述上侧边框和左侧边框的位置及图像设定尺寸，确定所述目标图像的下侧边框和右侧边框。
48.可选的，装置还包括模型训练模块，用于对所述判读模型进行训练。
49.可选的，模型训练模块还用于：
50.获取训练所需数据，并划分为训练集和测试集；
51.将所述训练集输入所述判读模型中，获取训练结果；
52.根据所述训练结果与测试集的偏差调整所述判读模型的参数，直到所述偏差满足设定精度要求。
53.第三方面，本发明实施例还提供了一种基因芯片的判读的计算机设备，包括：
54.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程序时实现如本发明实施例任一所述的基因芯片的判读方法。
55.第四方面，本发明实施例还提供了一种基因芯片的判读的存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例任一所述的基因芯片的判读方法。
56.本发明实施例首先通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在基因芯片图像中进行目标图像的识别，然后将目标图像输入训练好的判读模型中，获取输出的判读结果。本发明实施例提供的基因芯片的判读方法，通过将基因芯片判读装置嵌入现有的芯片杂交仪中，获取基因芯片图像，并利用判读模型进行智能判读，实现了基因芯片图像的自动化判读，减少了工作人员的重复性劳动，大大提高了工作效率。
附图说明
57.图1是本发明实施例一的一种基因芯片的判读方法流程图；
58.图2是本发明实施例一中的一种基因芯片图像及对应目标图像示意图；
59.图3是本发明实施例二中的一种目标图像的识别方法流程图；
60.图4是本发明实施例二中的一种图像旋转过程示意图；
61.图5是本发明实施例二中的一种上侧边框线确定方法示意图；
62.图6是本发明实施例三中的一种基因芯片的判读装置结构示意图；
63.图7是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
64.实施例一
65.图1为本发明实施例一提供的一种基因芯片的判读方法流程图，本实施例可适用于对基因芯片的显影结果进行判读的情况，该方法可以由基因芯片的判读装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有基因芯片的判读功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，具体包括如下步骤：
66.步骤110、通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在基因芯片图像中进行目标图像的识别。
67.其中，芯片杂交仪是一种医学领域的分析仪器，主要功能是通过特有的专利技术实现恒温环境下的三维持续摇动，使杂交盒中的杂交液在芯片表面自然、温和地流动而达到充分、均匀、连续地混合，从而提供最理想的流体动力学和分子。基因芯片又称dna芯片或物芯片，其测序原理是杂交测序，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，在一块基片表面固定了序列已知的靶核苷酸的探针，当溶液中带有荧光标记的核酸序列与基因芯片上对应位置的核酸探针产生互补匹配时，通过确定荧光强度最强的探针位置，获得一组序列完全互补的探针序列，据此可重组出靶核酸的序列。
68.基因芯片图像可以是对杂交测序完的基因芯片进行显影后的图像，利用芯片杂交仪，可以进行显影、拍摄，获得基因芯片图像。目标图像可以是根据基因芯片图像，通过计算机视觉的手段识别出来的用于智能判读的图像。
69.在本实施例中，基因芯片的判读装置可以内置到现有的芯片杂交仪中，通过预设接口可以从芯片杂交仪中获取其拍摄的基因芯片图像。图2为本发明实施例提供的一种基因芯片图像及对应目标图像示意图，如图所示，图像中每个小方格表示一个探针，圆点为杂交之后的显色点，方格内出现显色点则表示该探针处有杂交，圆点颜色深度可以表示杂交强度。获取基因芯片图像后，可以从中识别出用于智能判读的目标图像。
70.步骤120、将目标图像输入训练好的判读模型中，获取输出的判读结果。
71.其中，判读模型可以是神经网络模型，模型的输入为目标图像，输出为基因芯片的判读结果。在本实施例中，判读模型可以根据输入的目标图像，判断其中是否存在显色点，以及各显色点的位置和颜色深度。
72.在本实施例中，将所述目标图像输入训练好的判读模型中之前，还可以：对判读模型进行训练。
73.其中，模型训练的一般过程即在试错中学习，根据训练过程中的输出结果与实际值的偏差不断调整模型参数，直到偏差小于设定阈值。
74.可选的，对判读模型进行训练的方式可以是：获取训练所需数据，并划分为训练集和测试集；将训练集输入判读模型中，获取训练结果；根据训练结果与测试集的偏差调整判读模型的参数，直到偏差满足设定精度要求。
75.具体的，训练集可以是从基因芯片图像中识别出来的目标图像，测试集可以是对用于验证训练结果的数据，可以利用标签标记工具将基因芯片图像的人工判读结果标记在测试集数据上。在训练过程中，将训练集输入判读模型可以获得训练结果，即对输入模型的目标图像进行智能判读的结果。由于模型还未训练完成，训练结果与测试集相比可能会存在较大偏差，此时需要对模型参数进行调整，其中，模型参数可以是图片像素。调整模型参
数，直到偏差满足设定的精度要求，判读模型训练完成。
76.本发明实施例首先通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在基因芯片图像中进行目标图像的识别，然后将目标图像输入训练好的判读模型中，获取输出的判读结果。本发明实施例提供的基因芯片的判读方法，通过将基因芯片判读装置嵌入现有的芯片杂交仪中，获取基因芯片图像，并利用判读模型进行智能判读，实现了基因芯片图像的自动化判读，减少了工作人员的重复性劳动，大大提高了工作效率。
77.实施例二
78.图3为本发明实施例二提供的一种目标图像的识别方法流程图，本实施例可适用于对基因芯片图像进行目标图像识别的情况。如图3所示，具体包括如下步骤：
79.步骤111、通过二值化处理将基因芯片图像转化为二值化图像。
80.其中，图像二值化(image binarization)就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中，图像的二值化可以使图像中数据量大为减少，从而能凸显出目标的轮廓。
81.在本实施例中，基因芯片图像可以是芯片杂交仪上的摄像机所拍摄的图像，为了便于判读模型的输出准确的结果，可以先将基因芯片图像进行二值化处理，这样可以将图像转化为易于判读的标准化图像，减少模型判读过程中的噪音干扰。
82.可选的，通过二值化处理将基因芯片图像转化为二值化图像的方式可以是：将基因芯片图像的分辨率和尺寸调整为预设大小；确定基因芯片图像中各像素点的灰度值，针对各像素点，若灰度值大于等于第一设定阈值则令对应像素点的灰度值为255，若灰度值小于第一设定阈值则令对应像素点的灰度值为0；将各像素点的灰度值为0或255的图像确定为二值化图像。
83.具体的，为了便于模型判读，可以将基因芯片图像的分辨率和尺寸转化为同一大小，优选地，分辨率大小可以为3400
×
4679，尺寸大小可以为2346
×
1775像素。进一步地，可以设定灰度值的阈值，优选地，可以令该阈值为0.4，对于基因芯片图像中各像素点，若灰度值大于等于该阈值，则将该点灰度值重设为255，若灰度值小于该阈值，则将该点的灰度值重设为0。调整各点的灰度值后，即可得到二值化图像。
84.步骤112、对二值化图像进行边框识别，获取包含四条边框线的目标图像。
85.其中，边框识别可以是利用计算机视觉的方法，提取出图像的上、下、左、右四条边框。
86.在本实施例中，对二值化图像进行边框识别，获取包含四条边框线的所述目标图像的方式可以是：对二值化图像进行裁剪，去除二值化图像中的边缘部分，并通过旋转将二值化图像校正到标准位置；识别二值化图像中的线条并进行筛选，保留灰度值大于等于第二设定阈值的线条；确定二值化图像中的四条边框线，将包含四条边框线的二值化图像确定为目标图像。
87.可选的，获取到二值化图像后，可以通过剪裁去除图像中的边缘部分，保留芯片部分，从而排除图像边缘阴影影响。然后将剪裁后的图像进行旋转校正，旋转校正的过程可以是先将图像向设定方向加大偏差角度，再将图像校正到标准位置，即不管图像与标准位置之间有没有偏差，都先加大偏差角度，然后纠正，这样做的可以纠正细微的偏差，以免偏差角度太小识别不到。图4为本发明实施例提供的一种图像旋转过程示意图，如图所示，经过
旋转，图像校正到标准位置。
88.进一步地，校正到标准位置后可以对图像中的线条进行识别和筛选，可以利用霍夫变换等手段，识别图像中的直线，然后进行筛选。优选地，可以令线条阈值为0.4，将灰度值小于0.4的线条去除，再确定图像中的四条边框线。
89.在本实施例中，确定二值化图像中的四条边框线的方式可以是：分别确定二值化图像上侧第一条黑线下方设定距离处的第一参考线，和第二条黑线下方设定距离处的第二参考线，若第一参考线覆盖范围内灰度值为零，且第二参考线覆盖范围内灰度值不为零，则将第二参考线确定为上侧边框；分别确定二值化图像左侧第一条黑线右方设定距离处的第三参考线，和第二条黑线右方设定距离处的第四参考线，若第三参考线覆盖范围内灰度值为零，且第四参考线覆盖范围内灰度值不为零，则将第四参考线确定为左侧边框；根据上侧边框和左侧边框的位置及图像设定尺寸，确定目标图像的下侧边框和右侧边框。
90.可选的，可以通过划定参考线的方式确定边框线。优选地，可以令图像上侧和左侧的四条黑线与其对应的参考线之间的距离均为15个像素。图5为本发明实施例提供的上侧边框线确定方法示意图，如图所示，以确定图像上侧边框线为例，两条参考线与图像上侧第一条和第二条黑线的距离为d，其中d为15个像素，若第一参考线覆盖范围内灰度值为零，且第二参考线覆盖范围内灰度值不为零，即第一参考线没有经过纵向黑线，第二参考线经过纵向黑线，则将第二参考线确定为上侧边框。同理，图像左侧边框线也以相同方法确定。由于图像尺寸已确定为统一尺寸，确定了上侧和左侧的边框线后即可确定另外两侧边框线。
91.本发明实施例首先通过二值化处理将基因芯片图像转化为二值化图像，然后对二值化图像进行边框识别，获取包含四条边框线的目标图像。本发明实施例提供的目标图像的识别方法，通过采用计算机视觉方法对基因芯片图像进行处理，可以获取用于输入判读模型的目标图像，为后续的芯片智能判读提供了基础。
92.实施例三
93.图6为本发明实施例三提供的一种基因芯片的判读装置结构示意图。如图6所示，该基因芯片的判读装置包括：目标图像识别模块210和判读结果输出模块220。
94.目标图像识别模块210，用于通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在基因芯片图像中进行目标图像的识别。
95.可选的，目标图像识别模块210还用于：
96.通过二值化处理将基因芯片图像转化为二值化图像；对二值化图像进行边框识别，获取包含四条边框线的目标图像。
97.可选的，目标图像识别模块210还用于：
98.将基因芯片图像的分辨率和尺寸调整为预设大小；确定基因芯片图像中各像素点的灰度值，针对各像素点，若灰度值大于等于第一设定阈值则令对应像素点的灰度值为255，若灰度值小于第一设定阈值则令对应像素点的灰度值为0；将各像素点的灰度值为0或255的图像确定为二值化图像。
99.可选的，目标图像识别模块210还用于：
100.对二值化图像进行裁剪，去除二值化图像中的边缘部分，并通过旋转将二值化图像校正到标准位置；识别二值化图像中的线条并进行筛选，保留灰度值大于等于第二设定阈值的线条；确定二值化图像中的四条边框线，将包含四条边框线的二值化图像确定为目
标图像。
101.可选的，目标图像识别模块210还用于：
102.分别确定二值化图像上侧第一条黑线下方设定距离处的第一参考线，和第二条黑线下方设定距离处的第二参考线，若第一参考线覆盖范围内灰度值为零，且第二参考线覆盖范围内灰度值不为零，则将第二参考线确定为上侧边框；分别确定二值化图像左侧第一条黑线右方设定距离处的第三参考线，和第二条黑线右方设定距离处的第四参考线，若第三参考线覆盖范围内灰度值为零，且第四参考线覆盖范围内灰度值不为零，则将第四参考线确定为左侧边框；根据上侧边框和左侧边框的位置及图像设定尺寸，确定目标图像的下侧边框和右侧边框。
103.判读结果输出模块220，用于将目标图像输入训练好的判读模型中，获取输出的判读结果。
104.可选的，装置还包括模型训练模块，用于对判读模型进行训练。
105.可选的，模型训练模块还用于：
106.获取训练所需数据，并划分为训练集和测试集；将训练集输入判读模型中，获取训练结果；根据训练结果与测试集的偏差调整判读模型的参数，直到偏差满足设定精度要求。
107.上述装置可执行本公开前述所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述实施例所提供的方法。
108.实施例四
109.图7为本发明实施例四提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的计算机设备312的框图。图7显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的伴随信息的确定计算设备。
110.如图7所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
111.总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture，isa)总线，微通道体系结构(micro channel architecture，mca)总线，增强型isa总线、视频电子标准协会(video electronics standards association，vesa)局域总线以及外围组件互连(peripheral component interconnect，pci)总线。
112.计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
113.存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory，ram)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱
protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
120.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
121.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过与芯片杂交仪相连的预设接口获取待判读的基因芯片图像，并在基因芯片图像中进行目标图像的识别；将目标图像输入训练好的判读模型中，获取输出的判读结果。
122.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络连接到用户计算机，包括局域网(lan)或广域网(wan)，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
123.附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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。也应当注意，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，两个接连地表示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，这依所涉及的功能而定。也要注意的是，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操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。
124.描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
125.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
126.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom
或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
127.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。