一种肾透明细胞癌患者预后预测方法及系统

1.本发明涉及生物医学技术领域，尤其是一种肾透明细胞癌患者预后预测方法及系统。


背景技术：

2.肾细胞癌(rcc)占所有成人癌症的2％至3％。肾透明细胞癌(kirc)是最常见的组织学亚型，占rcc病例的80％至90％。在过去几十年里，肾细胞癌的发病率稳步上升；此外，在所有泌尿系统恶性肿瘤中，肾细胞癌的死亡率最高，每年在全世界造成约10万人死亡。尽管分子靶向治疗(如抗血管内皮生长因子和雷帕霉素抑制剂的哺乳动物靶向治疗)取得了进展，但提高患者的总体生存率(os)和无进展生存率仍然是一个重大的临床挑战。为了进一步提高肾透明细胞癌的治疗效果和制定精确的治疗策略，肿瘤学家需要对肾透明细胞癌患者的预后进行预测。
3.kirc是最常见的恶性肿瘤之一，威胁公共健康，并造成严重的全球健康负担。由于早期不太明显的临床症状，它通常在晚期被诊断出来。tnm分期是根据临床资料预测kirc预后的经典方法。目前临床上常用tnm(tumor node metastasis，tnm)分期系统作为判断肾透明细胞癌患者预后的指标，tnm分期标准由国际抗癌联盟(union for international cancercontrol，uicc)颁布实施，是现阶段肾透明细胞癌诊断和治疗发展中应用最广泛的肿瘤分期系统。
4.然而，tnm分期系统仅依据原发肿瘤的状态(t)、区域淋巴结情况(n)和远处转移情况 (m)三个指标，共分为四个分期(i期、ii期、iii期和iv期)。因此，tnm分期系统预测能力有一定限制，其不能够准确进行肾透明细胞癌患者预后预测。


技术实现要素：

5.有鉴于此，本发明实施例提供一种肾透明细胞癌患者预后预测方法及系统，能够准确预测肾透明细胞癌的临床预后结果，进而实现针对性指导个体化治疗，具有较高的临床应用价值。
6.第一方面，本发明的实施例提供了一种肾透明细胞癌患者预后预测方法，包括：
7.根据先验知识获取数据集和铜死亡相关基因数据；
8.根据所述数据集进行基因表达数据的标准化处理，得到基因表达矩阵；所述基因表达矩阵包括肿瘤组织基因表达矩阵和正常组织基因表达矩阵；
9.根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据；
10.对所述数据集进行随机分配得到训练集和测试集，根据预设条件从所述训练集获取目标数据；
11.通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因；
12.根据所述预后目标基因构建预后模型，通过所述预后模型完成肾透明细胞癌患者预后预测。
13.可选地，所述方法还包括：
14.通过对数据集的样本数据进行风险评分，进而进行所述预后模型的验证评估处理。
15.可选地，所述通过对数据集的样本数据进行风险评分，完成所述预后模型的评估处理，包括：
16.根据所述风险评分模型计算所述训练集和所述验证集的所有样本的风险评分；
17.根据所述训练集的风险评分的中位数，将所述训练集的样本分为高风险组和低风险组；
18.根据所述训练集的风险评分的中位数，将所述验证集的样本分为高风险组和低风险组；
19.根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理。
20.可选地，所述根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理，包括：
21.通过r软件的survival包和survminer包对所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行生存分析和绘制生存曲线；
22.通过log-rank检验进行所述高风险组和低风险组的组间差异比较。
23.可选地，所述根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理，还包括：
24.通过r软件survival包和timeroc包使用时间依赖性roc曲线检验所述数据集的样本数据的生物标志物1年、3年和5年后的预后效能。
25.可选地，所述根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据，包括：
26.根据p值《0.05和差异倍数绝对值》1.5，确定差异基因筛选截止值；
27.根据所述差异基因筛选截止值对所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析；
28.根据所述差异分析得到差异表达谱数据。
29.可选地，所述通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因，包括：
30.将所述训练集的所述目标数据和所述差异表达数据合并，通过单因素cox回归分析确定肾透明细胞癌患者生存相关基因表达谱；
31.根据所述肾透明细胞癌患者生存相关基因表达谱，结合生存时间和生存状态进行lasso cox回归分析；
32.根据所述lasso cox回归分析的结果，进行多因素cox回归分析确定预后基因标志；
33.其中，所述预后基因标志包括预后目标基因和回归系数，所述目标基因包括cdkn2a和 dlat。
34.可选地，所述根据所述预后目标基因构建预后模型，包括：
35.根据cdkn2a和dlat构建预后模型，所述预后模型为：
36.风险评分＝β1*cdkn2a基因表达水平-β2*dlat基因表达水平
37.其中，β1表示cdkn2a的回归系数，β2表示dlat的回归系数。
38.可选地，所述方法还包括：
39.对所述预后模型进行独立性分析验证。
40.第二方面，本发明的实施例提供了一种肾透明细胞癌患者预后预测系统，包括：
41.第一模块，用于根据先验知识获取数据集和铜死亡相关基因数据；
42.第二模块，用于根据所述数据集进行基因表达数据的标准化处理，得到基因表达矩阵；所述基因表达矩阵包括肿瘤组织基因表达矩阵和正常组织基因表达矩阵；
43.第三模块，用于根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据；
44.第四模块，用于对所述数据集进行随机分配得到训练集和测试集，根据预设条件从所述训练集获取目标数据；
45.第五模块，用于通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因；
46.第六模块，用于根据所述预后目标基因构建预后模型，通过所述预后模型完成肾透明细胞癌患者预后预测。
47.第三方面，本发明的实施例提供了一种电子设备，包括处理器以及存储器；
48.所述存储器用于存储程序；
49.所述处理器执行所述程序实现如本发明实施例第一方面所述的方法。
50.第四方面，本发明的实施例提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如本发明实施例第一方面所述的方法。
51.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
52.本发明实施例首先根据先验知识获取数据集和铜死亡相关基因数据；根据所述数据集进行基因表达数据的标准化处理，得到基因表达矩阵；所述基因表达矩阵包括肿瘤组织基因表达矩阵和正常组织基因表达矩阵；根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据；对所述数据集进行随机分配得到训练集和测试集，根据预设条件从所述训练集获取目标数据；通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因；最终根据所述预后目标基因构建预后模型，通过所述预后模型完成肾透明细胞癌患者预后预测。本发明通过识别一些遗传特征并构建预后模型来对具有不同风险和预后的患者进行分层，能够准确预测肾透明细胞癌的临床预后结果，进而实现针对性指导个体化治疗，具有较高的临床应用价值。
附图说明
53.为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅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。
54.图1为本发明实施例提供的肾透明细胞癌患者预后预测方法的流程示意图；
55.图2为本发明实施例提供的crgs的差异表达柱状示意图；
56.图3为本发明实施例提供的训练集中的高风险组和低风险组的kirc患者的kaplan-meier 生存分析曲线示意图；
57.图4为本发明实施例提供的训练集中1年、3年、5年的模型时间依赖性roc曲线示意图；
58.图5为本发明实施例提供的验证集中的高风险组和低风险组的kirc患者的kaplan-meier 生存分析曲线示意图；
59.图6为本发明实施例提供的验证集中1年、3年、5年的模型时间依赖性roc曲线示意图；
60.图7为本发明实施例提供的cox回归分析评估风险预测模型在kirc患者的独立预后价值示意图；
61.图8为本发明实施例提供的kirc患者的风险预测模型及临床相关病理信息进行roc比较分析的结果示意图。
具体实施方式
62.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
63.第一方面，参照图1，本发明的实施例提供了一种肾透明细胞癌患者预后预测方法，包括：
64.根据先验知识获取数据集和铜死亡相关基因数据；
65.根据所述数据集进行基因表达数据的标准化处理，得到基因表达矩阵；所述基因表达矩阵包括肿瘤组织基因表达矩阵和正常组织基因表达矩阵；
66.根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据；
67.对所述数据集进行随机分配得到训练集和测试集，根据预设条件从所述训练集获取目标数据；
68.通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因；
69.根据所述预后目标基因构建预后模型，通过所述预后模型完成肾透明细胞癌患者预后预测。
70.可选地，所述方法还包括：
71.通过对数据集的样本数据进行风险评分，进而进行所述预后模型的验证评估处理。
72.可选地，所述通过对数据集的样本数据进行风险评分，完成所述预后模型的评估
处理，包括：
73.根据所述风险评分模型计算所述训练集和所述验证集的所有样本的风险评分；
74.根据所述训练集的风险评分的中位数，将所述训练集的样本分为高风险组和低风险组；
75.根据所述训练集的风险评分的中位数，将所述验证集的样本分为高风险组和低风险组；
76.根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理。
77.可选地，所述根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理，包括：
78.通过r软件的survival包和survminer包对所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行生存分析和绘制生存曲线；
79.通过log-rank检验进行所述高风险组和低风险组的组间差异比较。
80.可选地，所述根据所述训练集的高风险组和低风险组和所述验证集的高风险组和低风险组进行所述预后模型的验证评估处理，还包括：
81.通过r软件survival包和timeroc包使用时间依赖性roc曲线检验所述数据集的样本数据的生物标志物1年、3年和5年后的预后效能。
82.可选地，所述根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据，包括：
83.根据p值《0.05和差异倍数绝对值》1.5，确定差异基因筛选截止值；
84.根据所述差异基因筛选截止值对所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析；
85.根据所述差异分析得到差异表达谱数据。
86.可选地，所述通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因，包括：
87.将所述训练集的所述目标数据和所述差异表达数据合并，通过单因素cox回归分析确定肾透明细胞癌患者生存相关基因表达谱；
88.根据所述肾透明细胞癌患者生存相关基因表达谱，结合生存时间和生存状态进行lasso cox回归分析；
89.根据所述lasso cox回归分析的结果，进行多因素cox回归分析确定预后基因标志；
90.其中，所述预后基因标志包括预后目标基因和回归系数，所述目标基因包括cdkn2a和 dlat。
91.可选地，所述根据所述预后目标基因构建预后模型，包括：
92.根据cdkn2a和dlat构建预后模型，所述预后模型为：
93.风险评分＝β1*cdkn2a基因表达水平-β2*dlat基因表达水平
94.其中，β1表示cdkn2a的回归系数，β2表示dlat的回归系数。
95.可选地，所述方法还包括：
96.对所述预后模型进行独立性分析验证。
97.第二方面，本发明的实施例提供了一种肾透明细胞癌患者预后预测系统，包括：
98.第一模块，用于根据先验知识获取数据集和铜死亡相关基因数据；
99.第二模块，用于根据所述数据集进行基因表达数据的标准化处理，得到基因表达矩阵；所述基因表达矩阵包括肿瘤组织基因表达矩阵和正常组织基因表达矩阵；
100.第三模块，用于根据所述铜死亡相关基因数据和所述基因表达矩阵进行差异表达分析，得到差异表达谱数据；
101.第四模块，用于对所述数据集进行随机分配得到训练集和测试集，根据预设条件从所述训练集获取目标数据；
102.第五模块，用于通过结合所述训练集的所述目标数据和所述差异表达谱数据，进行预后分析确定预后目标基因；
103.第六模块，用于根据所述预后目标基因构建预后模型，通过所述预后模型完成肾透明细胞癌患者预后预测。
104.本发明方法实施例的内容均适用于本装置实施例，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
105.本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
106.所述存储器用于存储程序；
107.所述处理器执行所述程序实现如前面所述的方法。
108.本发明方法实施例的内容均适用于本电子设备实施例，本电子设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
109.本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
110.本发明方法实施例的内容均适用于本计算机可读存储介质实施例，本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
111.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
112.下面结合一些具体实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
113.为了使本技术内容及技术方案更加清楚明白，对相关术语及含义进行说明：
114.肿瘤标志物：又称肿瘤标记物，是指特征性存在于恶性肿瘤细胞，或由恶性肿瘤细胞异常产生的物质，或是宿主对肿瘤的刺激反应而产生的物质，并能反映肿瘤发生、发展，监测肿瘤对治疗反应的一类物质。
115.总体生存率：又称存活率，是指接受某种治疗的病人或某病患者中，经若干年随访(通常为1、3、5年)后，尚存活的病例数所占比例。
116.坏死性凋亡：是一种不依赖于caspase的新型细胞死亡途径,在脑缺血、心肌缺血、急性和慢性神经退行性疾病、肿瘤等多种人类疾病中具有重要作用。
117.预后模型：指利用多因素模型估算患者将来某结局发生的概率。其关注的是在当下的疾病状态下，未来某段时间内疾病复发、死亡，伤残以及出现并发症等结局的概率。
118.个体化治疗：根据患者病理类型的不同，肿瘤分期的不同，基因分型的不同，身体条件的不同等因素综合考虑，制定适合该病人的个体的治疗方案。
119.auc值：为roc曲线所覆盖的区域面积，显然，auc越大，分类器分类效果越好。
120.auc＝1，是完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。绝大多数预测的场合，不存在完美分类器。
121.0.5《auc《1，优于随机猜测。这个分类器(模型)妥善设定阈值的话，能有预测价值。
122.auc＝0.5，跟随机猜测一样(例：丢铜板)，模型没有预测价值。
123.auc《0.5，比随机猜测还差；但只要总是反预测而行，就优于随机猜测。
124.首先需要说明的是，铜在癌症的发生发展中起到关键作用，因此对cu的研究具有十分重要的意义，它也可能成为具有潜力的抑制癌症发生的靶点。目前，国外研究团队发现了多个细胞铜死亡相关基因(cuprotosis related genes，简称crgs)，然而目前并未有基于crgs 在癌症中表达和预后相关的研究。因此很有必要对crgs在肾透明细胞癌中的表达和预后进行分析，进而可以预测肾透明细胞癌的临床预后结果，指导个体化治疗，具有较高的临床应用价值。本发明的技术方案利用2个crgs构建的预后模型具有更好的准确性和特异性，进而实现子kirc的早干预早治疗，并为kirc提供了一个有价值的crgs靶向治疗途径。本发明的目的在于针对铜死亡相关基因在kirc中的表达和预后进行分析存在技术空白的问题，提出一种 kirc患者预后模型、构建方法并将其应用于kirc患者预后预测。
125.为实现上述目的，本发明采用的技术方案具体包括：
126.1、数据下载与整理
127.从tcga数据库获取kirc的rna测序数据(fpkm值)及临床信息，该数据集总共包含72 个正常样本以及539个kirc样本；从文献获取铜死亡相关基因，总共有10个crgs被纳入进行后续分析。使用perl脚本从tcga表达谱数据中提取crgs的表达量数据。
128.2、差异表达分析
129.使用r语言limma包对tcga数据集中的crgs进行差异表达分析，以p《0.05且差异倍数的绝对值》1.5作为筛选差异基因的截止值，即以倍数变化(fold change，fc)》1.5为筛选标准获取差异表达crgs，如图2所示，最终总共获得7个差异表达crgs的差异crgs表达谱数据。
130.需要说明的是，p值(p value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果p值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，就有理由拒绝原假设，p值越小，拒绝原假设的理由越充分。总之，p值越小，表明结果越显著。但是检验的结果究竟是"显著的"、"中度显著的"还是"高度显著的"需要根据p 值的大小和实际问题来解决。
131.3、单因素cox、lasso cox及多因素cox回归分析
132.使用r软件caret包将tcga数据集中的患者以5：5的比例随机分配到训练集和测试集，从训练集中筛选同时具有生存时间》30天和生存状态(dead or alive)的kirc患者，并与差异crgs表达谱数据合并，对训练集进行单因素cox分析，筛选在训练集中与kirc患者生存相关的基因，p《0.05的基因被认为是对kirc患者的生存有影响；将单因素cox分析所获得
包使用时间依赖性roc曲线检测生物标志物1年、3年、5年的预后效能。参照图4，结果表明， 1年、3年和5年的auc分别是0.73、0.66和0.65。参照图5和图6，auc值表明，由2个基因组成的预后模型对kirc患者的预后具有较好的区分性能。参照图6，其在验证集中也得到较好的验证。
146.6、风险评分模型的独立性分析
147.从tcga数据库中收集kirc患者的临床特征，包括生存时间、生存状态、年龄、组织学分级(grade)、临床阶段(stage)、t分期、m分期和性别(gender)。使用临床数据和风险评分进行多元cox回归分析，评估风险评分的预后价值是否与临床特征相关。p《0.05的值被认为具有统计学意义。参照图7，其中，分别对年龄(age)、组织学分级(grade)、临床阶段(stage)、t分期、m分期、性别(gender)和风险分数(risk score)进行单因素和多因素cox回归分析，图7a是单因素cox回归分析；图7b是多因素cox回归分析，结果表明，风险评分是kirc患者的独立预后因素。预后模型的auc值(风险评分，10年auc值＝0.693) 高于其他临床分期。参照图8，其中，age为患者年龄，grade为组织学分级，stage为临床阶段，t代表t分期，m代表m分期，gender代表性别，risk score代表风险评分，与tmn 分期相比，基于2个crgs构建的模型具有更好的准确性和特异性。
148.综上所述，本发明选择包括cdkn2a，dlat两个铜死亡相关基因作为生物标志物，建立了具有2个crgs的预后模型，并将kirc患者分为高、低风险组。在训练集中kirc患者的风险评分与患者总体生存率显著相关(p《0.05)。roc曲线分析显示，在1年，3年和5年随访中， auc分别为0.73、0.66和0.65。预测性能已在测试集中得到验证。该模型可以有效预测kirc 患者的预后，这可能有助于临床治疗方案的选择，进而实现早干预早治疗。并且本发明的研究结果为crgs在kirc发生发展中的作用提供了新的见解，并为kirc提供了一个有价值的 crgs靶向治疗途径。
149.在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
150.此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
151.所述功能如果以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。基于这样的理解，本发明的技术方案本质上或者说
对现有技术做出贡献的部分或者该技术方案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步骤。而前述的存储介质包括：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)、磁碟或者光盘等各种可以存储程序代码的介质。
152.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行装置、装置或设备(如基于计算机的装置、包括处理器的装置或其他可以从指令执行装置、装置或设备取指令并执行指令的装置)使用，或结合这些指令执行装置、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行装置、装置或设备或结合这些指令执行装置、装置或设备而使用的装置。
153.计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器 (cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
154.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
155.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
156.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
157.以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。