一种基因数据的前置处理方法及系统与流程

1.本发明涉及基因检测技术领域，具体而言，涉及一种基因数据的前置处理方法、系统、电子设备及计算机存储介质。


背景技术：

2.基因是遗传的基本单元，携带有遗传信息的dna或rna序列，通过复制，把遗传信息传递给下一代，指导蛋白质的合成来表达自己所携带的遗传信息，从而控制生物个体的性状表达。基因检测是通过血液、其他体液、或细胞对dna进行检测的技术，是取被检测者外周静脉血或其他组织细胞，扩增其基因信息后，通过特定设备对被检测者细胞中的dna分子信息作检测，分析它所含有的基因类型和基因缺陷及其表达功能是否正常的一种方法，从而使人们能了解自己的基因信息，明确病因或预知身体患某种疾病的风险。基因检测可以诊断疾病，也可以用于疾病风险的预测。疾病诊断是用基因检测技术检测引起遗传性疾病的突变基因。应用最广泛的基因检测是新生儿遗传性疾病的检测、遗传疾病的诊断和某些常见病的辅助诊断。
3.基因检测一般是通过分布式基因采样、集中式基因数据分析的方式实施，例如，用户自行采集基因样本并将其送抵区域站点，区域站点对基因样本进行检测分析，并将检测到的基因数据通过通信网络传输至检测分析中心以进行针对性的检测分析。然而，检测得出的原始基因数据样本的数据量非常大，其中包含许多对于检测项目来说不必要的基因数据，导致后续的基因数据分析难度较大，而且数据传输成本也很高，亟需改进。


技术实现要素：

4.为了至少解决上述背景技术中存在的技术问题，本发明提供了一种基因数据的前置处理方法、系统、电子设备及计算机存储介质。
5.本发明的第一方面提供了一种基因数据的前置处理方法，包括如下步骤：
6.确定基因检测项目的属性数据；
7.根据所述属性数据和预设关联关系确定与所述基因检测项目对应的关联基因数据；
8.根据所述关联基因数据对原始基因检测数据进行压缩处理，以获得目标基因检测数据。
9.进一步地，所述确定基因检测项目的属性数据，包括：
10.接收现场端或后台端输入的基因检测指令，根据所述基因检测指令确定所述基因检测项目的属性数据；
11.或者，
12.获取处于同一地理范围的其它现场端的所述属性数据，根据所有的所述属性数据确定所述基因检测项目的属性数据。
13.进一步地，所述根据所述属性数据和预设关联关系确定与所述基因检测项目对应
的关联基因数据，包括：
14.对所述属性数据与所述预设关联关系进行匹配计算，以获得若干第一关联关系；
15.对若干所述第一关联关系进行合并处理，以获得第二关联关系；
16.根据所述第二关联关系确定与所述基因检测项目对应的关联基因数据。
17.进一步地，所述对所述属性数据与所述预设关联关系进行匹配计算，以获得若干第一关联关系，包括：
18.采用下述公式计算所述属性数据与所述预设关联关系的匹配度：
[0019][0020]
式中，si代表所述属性数据与数据库中第i个所述预设关联关系的匹配度；xj代表与所述属性数据对应的第一基因数据矩阵的第j个子矩阵，代表与所述属性数据对应的第一基因数据矩阵和所述预设关联关系对应的第二基因数据矩阵融合后的数据矩阵的第j个子矩阵，n代表子矩阵的数量；σ2代表融合后的数据矩阵的方差；
[0021]
将所述匹配度大于或等于第一阈值的所述预设关联关系作为所述第一关联关系。
[0022]
进一步地，所述预设关联关系通过下述方式获得：
[0023]
确定初始关联关系；
[0024]
获取关联关系分析用大数据，将所述关联关系分析用大数据输入深度分析模型，所述深度分析模型输出修正用关联关系；
[0025]
判断所述属性数据是否满足第一预设条件，若是，则根据所述初始关联关系和所述修正用关联关系确定所述预设关联关系。
[0026]
进一步地，若所述属性数据满足第二预设条件，则：
[0027]
调取与所述修正用关联关系对应的所述关联关系分析用大数据；
[0028]
根据时间维度和数量维度对所述关联关系分析用大数据进行热度分析，以确定热度值；
[0029]
判断所述热度值是否大于或等于第三阈值，若是，则根据所述初始关联关系和所述修正用关联关系确定所述预设关联关系。
[0030]
进一步地，所述根据时间维度和数量维度对所述关联关系分析用大数据进行热度分析，以确定热度值，包括：
[0031]
若所述数量维度与所述时间维度的比值大于或等于第四阈值，则所述热度值与所述比值基于第一比例正相关；
[0032]
若所述数量维度与所述时间维度的比值小于第四阈值且大于或等于第五阈值，则所述热度值与所述比值基于第二比例正相关；
[0033]
若所述数量维度与所述时间维度的比值小于第五阈值，则所述热度值与所述比值基于第三比例正相关；
[0034]
其中，所述第一比例、所述第二比例、所述第三比例依次递减。
[0035]
本发明的第二方面提供了一种基因数据的前置处理系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；
[0036]
所述存储模块，用于存储可执行的计算机程序代码；
[0037]
所述获取模块，用于获取原始基因检测数据、基因检测项目的属性数据及预设关联关系，并传输给所述处理模块；
[0038]
所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
[0039]
本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
[0040]
本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
[0041]
本发明的方案，通过基因检测项目的属性数据和预设关联关系来准确定位对应的基因检测项目所需要的关联基因数据，据此实现对原始基因检测数据的压缩，从而可以减少不必要的基因数据的加密、传输、分析等，能够有效降低基因数据传输成本和分析处理成本。
附图说明
[0042]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0043]
图1是本发明实施例公开的一种基因数据的前置处理方法的流程示意图；
[0044]
图2是本发明实施例公开的一种基因数据的前置处理系统的结构示意图；
[0045]
图3是本发明实施例公开一种电子设备的结构示意图。
具体实施方式
[0046]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0047]
在本技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
[0048]
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0049]
应当理解，尽管在本技术实施例中可能采用术语第一、第二、第三等来描述
……
，但这些
……
不应限于这些术语。这些术语仅用来将
……
区分开。例如，在不脱离本技术实施例范围的情况下，第一
……
也可以被称为第二
……
，类似地，第二
……
也可以被称为第一
……
。
[0050]
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0051]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。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商品或者系统中还存在另外的相同要素。
[0052]
下面结合附图详细说明本发明的优选实施例。
[0053]
实施例一
[0054]
请参阅图1，图1是本发明实施例公开的一种基因数据的前置处理方法的流程示意图。如图1所示，本发明实施例的一种基因数据的前置处理方法，包括如下步骤：
[0055]
确定基因检测项目的属性数据；
[0056]
根据所述属性数据和预设关联关系确定与所述基因检测项目对应的关联基因数据；
[0057]
根据所述关联基因数据对原始基因检测数据进行压缩处理，以获得目标基因检测数据。
[0058]
在本发明实施例中，现有技术中的基因检测包括样本采集、基因数据提取和基因分析，其中样本采集和基因数据提取可以分开实施，也可以集中实施，具体来说，分布式的检测设备可以独立完成样本采集、基因数据提取，再将提取的基因数据传输至后台的检测分析中心；或者，分布式的检测设备仅完成样本采集，再将样本运输至区域站点(例如客户自行采集后进行邮寄，专业人员采集后统一运输至区域站点)进行基因数据的提取，然后再将提取的基因数据传输至后台的检测分析中心。但是，无论采取哪种方式，在获得基因检测数据之后，都是直接将完整的基因检测数据传输至检测分析中心，但是原始基因数据样本的数据量非常大，其中包含许多对于检测项目来说不必要的基因数据，导致后续的基因数据分析难度较大，而且数据传输成本也很高，尤其是在待传输的基因检测数据的数据量较大时，该弊端尤其明显。
[0059]
针对于此，本发明设计了如上所述的基因数据前置处理方法，通过基因检测项目的属性数据和预设关联关系来准确定位对应的基因检测项目所需要的关联基因数据，据此实现对原始基因检测数据的压缩，从而可以减少不必要的基因数据的加密、传输、分析等，能够有效降低基因数据传输成本和检测分析中心的分析处理成本。
[0060]
需要进行说明的是，现场端和检测分析中心之间通过网络进行通信以实现基因检测数据的传输。其中，并非限定而作为例子，网络能够包含：临时网络(ad hoc network)、内联网、外联网、虚拟专用网络(virtual private network：vpn)、局域网(local area network：lan)、无线lan(wireless lan：wlan)、广域络(wide area network：wan)、无线wan(wireless wan：wwan)、城域网(metropolitan area network：man)、互联网的一部分、公用交换电话网(public switched telephone network：pstn)的一部分、移动电话网、isdn(integrated service digital networks，综合业务数字网)、无线lan、lte(long term evolution，长期演进)、cdma(code division multiple access，码分多址)、蓝牙
(bluetooth)、卫星通信等、或者这些的两个以上的组合。
[0061]
以及，在将目标基因检测数据传输至检测分析中心之前，还应当对目标基因检测数据进行加密处理，而加密处理所采用的加密算法可以为md5算法、sha1算法、hmac算法、aes/des/3des算法、rsa算法、ecc算法等，本发明对此可不作限定。
[0062]
进一步地，所述确定基因检测项目的属性数据，包括：
[0063]
接收现场端或后台端输入的基因检测指令，根据所述基因检测指令确定所述基因检测项目的属性数据；
[0064]
或者，
[0065]
获取处于同一地理范围的其它现场端的所述属性数据，根据所有的所述属性数据确定所述基因检测项目的属性数据。
[0066]
在本发明实施例中，现场端指的是在基因检测现场或者区域站点的检测设备，其中，基因检测现场的检测设备可以是便携式基因检测盒(客户可以自行进行基因样本采集)，或者由专业人员操作的基因采样检测设备。基因采样检测人员可以手动输入基因检测项目信息或者该信息可由后台端(例如服务器或检测分析中心)发出，从而现场端可以知晓本次的基因检测项目，触发对待分析样本进行自动的基因数据提取。除此之外，基因检测还存在集中处理的情况，此时，待使用(或刚开机，或新设备)的现场端可以获取已经被使用的其它现场端所接收到的属性数据来分析自身的基因检测项目，进而确定对应的属性数据(例如所有其它现场端都是相同的属性数据则可判定本次为集中检测、检测项目相同，对应地，属性数据也相同)，还可以将该属性数据自动提示给操作人员进行确认，从而，该方式可以降低操作人员的输入负荷。
[0067]
进一步地，所述根据所述属性数据和预设关联关系确定与所述基因检测项目对应的关联基因数据，包括：
[0068]
对所述属性数据与所述预设关联关系进行匹配计算，以获得若干第一关联关系；
[0069]
对若干所述第一关联关系进行合并处理，以获得第二关联关系；
[0070]
根据所述第二关联关系确定与所述基因检测项目对应的关联基因数据。
[0071]
在本发明实施例中，本发明预先建立了关联关系的数据库，将与各种基因检测项目对应的关联关系存储其中。于是，可以通过计算某基因检测项目的属性数据与数据库中各预设关联关系的匹配度即可得出若干第一关联关系，然后再将这些第一关联关系进行合并处理即可得出第二关联关系，此时，第二关联关系所对应的关联基因数据实际上是大于某基因检测项目所需的基因数据的，但超出的幅度范围适当。于是，本发明通过上述的匹配计算和合并处理实现了对关联基因数据的准确获取，同时还保障了数据量的大小处于可接受范围。
[0072]
需要进行说明的是，属性数据和预设关联关系均对应配置了数据矩阵，而数据矩阵是基于所涉及的基因序列数据来生成的，于是，对属性数据和预设关联关系进行匹配计算即是计算二者数据矩阵在基因序列种类、基因序列数据量等因素方面的相似度。
[0073]
进一步地，所述对所述属性数据与所述预设关联关系进行匹配计算，以获得若干第一关联关系，包括：
[0074]
采用下述公式计算所述属性数据与所述预设关联关系的匹配度：
[0075][0076]
式中，si代表所述属性数据与数据库中第i个所述预设关联关系的匹配度；xj代表与所述属性数据对应的第一基因数据矩阵的第j个子矩阵，代表与所述属性数据对应的第一基因数据矩阵和所述预设关联关系对应的第二基因数据矩阵融合后的数据矩阵的第j个子矩阵，n代表子矩阵的数量；σ2代表融合后的数据矩阵的方差；
[0077]
将所述匹配度大于或等于第一阈值的所述预设关联关系作为所述第一关联关系。
[0078]
在本发明实施例中，本发明先将属性数据和数据库中存储的各预设关联关系的数据矩阵进行融合处理，例如可将数据矩阵中对应位置的数据分别求取均值，然后再按照上述公式计算与属性数据对应的数据矩阵和融合后的数据矩阵的差异程度，进而确定二者的匹配度，从而可以将匹配度大于或等于第一阈值的关联关系确定为第一关联关系。
[0079]
在此，进一步提出如下的一种改进方案：
[0080]
所述将所述匹配度大于或等于第一阈值的所述预设关联关系作为所述第一关联关系，包括：
[0081]
对所述匹配度大于或等于第一阈值的各所述预设关联关系进行交集计算，以获得交集中关联关系的数量；
[0082]
根据所述数量确定第二阈值，并将所述匹配度大于或等于第二阈值的所述第一关联关系作为最终的所述第一关联关系；
[0083]
其中，所述第二阈值与所述数量正相关。
[0084]
在该改进方案中，进一步利用第二阈值对初步确定出的第一关联关系进行二次筛选。具体来说，在初步确定出的各第一关联关系的交集中关联关系越少时，说明这些第一关联关系的分散度较高，此时说明属性数据与这些第一关联关系的单一匹配度均不够高，难以准确确定，适宜采用更小的第二阈值进行二次筛选，或者不再进行二次筛选，以避免关联关系即关联基因数据的遗漏；反之，则说明这些第一关联关系的集中度较高，此时说明属性数据与这些第一关联关系的单一匹配度均较高，此时可采用更大的第二阈值进行二次筛选，从而提高关联关系确定的准确性，降低无益的基因数据。
[0085]
进一步地，所述预设关联关系通过下述方式获得：
[0086]
确定初始关联关系；
[0087]
获取关联关系分析用大数据，将所述关联关系分析用大数据输入深度分析模型，所述深度分析模型输出修正用关联关系；
[0088]
判断所述属性数据是否满足第一预设条件，若是，则根据所述初始关联关系和所述修正用关联关系确定所述预设关联关系。
[0089]
在本发明实施例中，本发明利用深度分析模型来分析基因检测项目与基因数据的关联关系的变化，该变化反映了特定基因检测项目所需基因数据的变化，例如，初始关联关系表示成熟的、标准的基因检测项目与所需基因数据的关联关系，而修正用关联关系则表示处于前沿的、新的或尚未被普遍采用的基因检测项目与所需基因数据的关联关系。对于上述关联关系的变化，本发明通过分析属性数据是否满足第一预设条件来决定是否同时根据初始关联关系和修正用关联关系来确定预设关联关系。
[0090]
举例说明如下：
[0091]
属性数据中可以包括“检测用”、“科研用”等信息，对应地，第一预设条件可以为“科研用”。于是，若从属性数据中提取得出“科研用”信息，则判定应当基于最新的关联关系来获取与特定基因检测项目对应的关联基因数据，可将初始关联关系和修正用关联关系进行合并处理(例如求取合集)，从而使得获得的关联基因数据覆盖更多种类的基因序列/片段，有利于科研人员顺利综合对应的基因序列/片段进行科学研究。而如果从属性数据中提取得出“检测用”信息，则判定该特定基因检测项目应当采用最成熟标准的操作规范，所以，此时可以直接将初始关联关系作为预设关联关系，从而提高基因检测结果的规范度、可信度，也可以降低数据量。
[0092]
需要进行说明的是，关联关系分析用大数据可以按照预设的周期爬取与特定基因检测项目相关的互联网数据，例如学术期刊、新闻报道、公众号文章等，从中提取出不包含于初始关联关系的新的关联关系即修正用关联关系，例如，某专业学术期刊报道有科学家发现同时分析某基因序列可以提高特定基因检测项目的可信度。这些新的关联关系代表基因检测的科技前沿，将与其对应的关联基因数据提供给科研人员是有益的，而提供给临床检测人员则明显无益。
[0093]
以及，本发明所涉及的深度分析模型可根据神经网络算法构建，对于模型的构建及训练方式，则不在此赘述。
[0094]
进一步地，若所述属性数据满足第二预设条件，则：
[0095]
调取与所述修正用关联关系对应的所述关联关系分析用大数据；
[0096]
根据时间维度和数量维度对所述关联关系分析用大数据进行热度分析，以确定热度值；
[0097]
判断所述热度值是否大于或等于第三阈值，若是，则根据所述初始关联关系和所述修正用关联关系确定所述预设关联关系。
[0098]
在本发明实施例中，多种原因会导致特定基因检测项目的属性数据中可能并不包括“检测用”、“科研用”等信息(即满足第二预设条件)，此种情况下，为保障关联基因数据的“充足”，本发明默认该特定基因检测项目的属性为“科研用”。此时，对新的修正用关联关系的关联关系分析用大数据进行时间维度和数量维度的分析，从而确定该新的关联关系的热度值，例如，当分析发现该新的关联关系在近期的热度突然走高或者在更大的周期内始终处于较高的热度，则说明该关联关系具有较高的潜在科研价值，被科研人员使用的可能性较高，此时，可将初始关联关系和修正用关联关系合并处理以获得预设关联关系；反之，则说明该新的关联关系并不被领域内的其它研究学者所认可，科研价值较低，被科研人员使用的可能性较低，此时可仍然使用初始关联关系。
[0099]
需要进行说明的是，无论属性数据是满足第一预设条件还是满足第二预设条件，为了确保关联基因数据确定的准确性，都可以先将确定出的关联基因数据以预览的形式发送给现场端的操作人员或者检测分析中心的相关人员，并在接收到确认反馈之后再对原始基因检测数据进行前述的压缩处理。
[0100]
进一步地，所述根据时间维度和数量维度对所述关联关系分析用大数据进行热度分析，以确定热度值，包括：
[0101]
若所述数量维度与所述时间维度的比值大于或等于第四阈值，则所述热度值与所
述比值基于第一比例正相关；
[0102]
若所述数量维度与所述时间维度的比值小于第四阈值且大于或等于第五阈值，则所述热度值与所述比值基于第二比例正相关；
[0103]
若所述数量维度与所述时间维度的比值小于第五阈值，则所述热度值与所述比值基于第三比例正相关；
[0104]
其中，所述第一比例、所述第二比例、所述第三比例依次递减。
[0105]
在本发明实施例中，在分析某个新的修正用关联关系的热度时，可分为三种情况，即：1)集中爆发式；2)缓慢升温式；3)稳定式，该三种情况对应上述三种热度值确定方式。其中，对于第一种情况，说明某新的修正用关联关系得到认可或取得较大进展，从而相关研究进入热门状态，此时，该基因检测项目对应的科研人员对该新的修正用关联关系对应的关联基因数据的使用的概率很高，宜采用更大的第一比例确定热度值；对于第二种情况，说明某新的修正用关联关系处于逐步得到认可或取得进展的状态，此时，该基因检测项目对应的科研人员对该新的修正用关联关系对应的关联基因数据的使用的概率较高，宜采用中等数值的第二比例确定热度值；对于第三种情况，说明某新的修正用关联关系并未得到广泛认可，始终处于稳定状态，此时该基因检测项目对应的科研人员对该新的修正用关联关系对应的关联基因数据的使用的概率最低，宜采用更大的第三比例确定热度值。
[0106]
需要进行说明的是，以上三种情况所对应的处理方式中，还可设置对应的前提条件，例如，只有在数量维度达到一定值以后才执行上述处理方式，否则可认定数据量不足，难以确保分析结果准确性。
[0107]
实施例二
[0108]
请参阅图2，图2是本发明实施例公开的一种基因数据的前置处理系统的结构示意图。如图2所示，本发明实施例的一种基因数据的前置处理系统，包括获取模块(101)、处理模块(102)、存储模块(103)；所述处理模块(102)与所述获取模块(101)、所述存储模块(103)连接；
[0109]
所述存储模块(103)，用于存储可执行的计算机程序代码；
[0110]
所述获取模块(101)，用于获取原始基因检测数据、基因检测项目的属性数据及预设关联关系，并传输给所述处理模块(102)；
[0111]
所述处理模块(102)，用于通过调用所述存储模块(103)中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
[0112]
该实施例中的一种基因数据的前置处理系统的具体功能参照上述实施例一，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0113]
实施例三
[0114]
请参阅图3，图3是本发明实施例公开的一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如实施例一所述的方法。
[0115]
实施例四
[0116]
本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如实施例一所述的方法。
[0117]
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
[0118]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
[0119]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0120]
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发明操作的计算机程序代码，所述程序设计语言包括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，包括局域网(lan)或广域网(wan)，连接到用户计算机，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)。
[0121]
注意，上述仅为本发明的较佳实施例及所运用的技术原理。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，在不脱离本发明的构思的情况下，还可以包括更多其他等效实施例，均属于本发明的保护范畴。