自适应闭环神经调控决策方法、装置及电子设备

1.本发明涉及医疗电子系统领域，尤其涉及一种自适应闭环神经调控决策方法、装置及电子设备。


背景技术：

2.大脑神经活动的异常导致了多种神经与精神疾病，神经调控技术已经是临床上用于治疗帕金森病、癫痫等疾病的有效手段，包括有创、无创等多种刺激方式。目前使用的持续性开环刺激模式，由医生调节刺激参数并固定，直到下次复诊再次重新调节。刺激参数包括刺激幅值、频率以及脉宽，无法根据患者瞬时或长期的状态变化进行适当的调整，也有可能带来诸如语言障碍、认知功能障碍等副作用。在神经环路调控策略的研究中，通过设计闭环调控策略，能够将神经活动调控至预设恒定目标水平。但是，目前临床实验中尚未能解决将神经活动调控至与当前神经状态相匹配的调控目标的问题。
3.因此，如何将与疾病症状改善相关的神经活动精确调控至与当前神经状态相匹配的目标水平成为了神经调控中需要解决的重要问题。


技术实现要素：

4.本发明的目的在于提供一种自适应闭环神经调控决策方法、装置及电子设备，其能为针对动态、随机的神经活动而进行的闭环调控提供有效决策。
5.为实现上述发明目的，本发明提出了如下技术方案：
6.第一方面，提供一种自适应闭环神经调控决策方法，所述方法包括：
7.基于目标对象在当前采样时刻的电生理信号获得相应的目标反馈变量，所述目标反馈变量包括至少一个电生理信号特征；
8.基于预先构建的动态控制目标模型，根据所述目标反馈变量获得当前采样时刻的动态目标值；
9.基于所述目标反馈变量及所述动态目标值获得与所述当前采样时刻对应的目标刺激参数。
10.在一种较佳的实施方式中，所述基于目标对象在当前采样时刻的电生理信号获得相应的目标反馈变量，包括：
11.获取目标对象的疾病种类；
12.对目标对象在当前采样时刻的电生理信号进行预处理；
13.根据预先获取的疾病种类与电生理信号特征的对应关系，基于预处理后的所述电生理信号确定目标反馈变量。
14.在一种较佳的实施方式中，所述方法还包括：基于预先获取的所述目标对象的电生理信号特征的调控范围确定动态目标锚值；
15.所述基于预先构建的动态控制目标模型，根据所述目标反馈变量获得对应于当前采样时刻的动态目标值，包括：
16.获取所述目标对象在当前采样时刻之前的n个采样时刻的电生理信号特征均值；
17.基于所述电生理信号特征均值、所述动态目标锚值获得对应于当前采样时刻的动态目标值。
18.在一种较佳的实施方式中，所述基于所述电生理信号特征均值、所述动态目标锚值获得对应于当前采样时刻的动态目标值，采用如下式(ⅰ)计算获得：
[0019][0020]
其中，k表示当前采样时刻，target(k)表示k时刻动态目标值，表示在当前采样时刻k之前的n个采样时刻的电生理信号特征均值，b
anchor
表示动态目标锚值，p表示调节强度，p∈[0,1]。
[0021]
在一种较佳的实施方式中，所述获取所述目标对象在当前采样时刻之前的n个采样时刻的电生理信号特征均值，采用如下式(ⅱ)计算获得：
[0022][0023]
其中，n表示当前采样时刻k之前的采样点数量，n表示总采样点数量。
[0024]
在一种较佳的实施方式中，所述基于所述目标反馈变量及所述动态目标值获得与所述当前采样时刻对应的目标刺激参数，包括：
[0025]
计算当前采样时刻的目标反馈变量与相应的所述动态目标值的误差值均值；
[0026]
基于所述误差值均值获得与所述当前采样时刻对应的目标刺激参数。
[0027]
在一种较佳的实施方式中，所述计算当前采样时刻的目标反馈变量与相应的所述动态目标值的误差值均值，采用如下式(ⅲ)计算获得：
[0028][0029]
其中，e(k)表示当前采样时刻k的目标反馈变量与相应的所述动态目标值的误差值均值，nc表示当前采样时刻k之前，用于计算刺激参数的采样点数量。
[0030]
在一种较佳的实施方式中，当采用pid控制器获取与所述当前采样时刻对应的目标刺激参数时，所述根据所述误差值均值获得与所述当前采样时刻对应的目标刺激参数，采用如下式(ⅳ)(
ⅴ
)计算获得：
[0031][0032][0033]
其中，u(k)为目标刺激参数，u
max
与u
min
分别表示u(k)的最大值与最小值，δu(k)表示对应于当前采样时刻k相较于前一采样时刻的刺激参数增量，k
p
，ki，kd表示pid控制器的增益参数，δu
max
表示刺激参数增量最大值，-δu
max
表示刺激参数增量最小值。
[0034]
第二方面，提供一种自适应闭环神经调控决策装置，所述装置包括：
[0035]
第一处理模块，用于基于目标对象在当前采样时刻的电生理信号获得相应的目标反馈变量，所述目标反馈变量包括至少一个电生理信号特征；
[0036]
第二处理模块，用于基于预先构建的动态控制目标模型，根据所述目标反馈变量获得当前采样时刻的动态目标值；
[0037]
第三处理模块，用于基于所述目标反馈变量及所述动态目标值获得与所述当前采样时刻对应的目标刺激参数。
[0038]
第三方面，提供一种电子设备，包括：
[0039]
一个或多个处理器；以及，
[0040]
与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令，所述程序指令在被所述一个或多个处理器读取执行时，执行如第一方面任意一项所述的方法。
[0041]
在一种较佳的实施方式中，所述处理器在执行如第一方面中任意一项所述的方法时，处理器的输入信号可源于电子设备自身的信号采集及处理硬件模块，也可来源于外接的其他信号采集及处理硬件设备，处理器的输出信号可发送至电子设备自身的刺激模块，也可发送至外接的其他刺激设备。
[0042]
第四方面，还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现如第一方面中任一项所述的方法的步骤。
[0043]
与现有技术相比，本发明具有如下有益效果：
[0044]
本发明提供一种自适应闭环神经调控决策方法、装置及电子设备，所述方法包括，基于目标对象在当前采样时刻的电生理信号获得相应的目标反馈变量，目标反馈变量包括至少一个电生理信号特征；基于预先构建的动态控制目标模型，根据目标反馈变量获得当前采样时刻的动态目标值；基于目标反馈变量及动态目标值获得与当前采样时刻对应的目标刺激参数；该方法通过构建动态控制目标模型以获得实时的动态目标值，在此基础上进行闭环神经调控决策获得相应的目标刺激参数，从而有效提高神经调控的准确度，当本发明用于动态大脑状态下的神经调控时，可实现实时、个性化的自适应闭环神经调控决策；进一步的，该方法有助于在实现长期稳定神经调控的同时，保留神经活动的固有动态节律，提高对神经与精神疾病的治疗效果，减少副作用。
附图说明
[0045]
图1是本实施例中自适应闭环神经调控决策方法的流程图；
[0046]
图2是本实施例中自适应闭环神经调控决策方法应用于闭环神经调控时的原理图；
[0047]
图3是为实施例中动态目标模型原理示意图；
[0048]
图4是本实施例中pid控制器原理示意图；
[0049]
图5为本实施例中获取目标刺激参数的方法流程图；
[0050]
图6为本实施例中计算机可读存储介质的结构示意图。
具体实施方式
[0051]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附
图，对本发明实施例中的技术方案进行清楚、完整地描述，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他实施例，都属于本发明保护的范围。
[0052]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0053]
随着神经调控技术的发展，闭环神经调控技术得以发展，为提高神经调控策略准确度，常采用自适应参数调整。然而闭环自适应神经调控中，如何有效设计调控策略以提高神经调控效果，为业内面临的严峻问题。为此，本实施例提供一种自适应闭环神经调控策略方法、装置及电子设备，其能有效解决该问题。下面将对本实施例的一种自适应闭环神经调控决策方法、装置及电子设备作进一步的详细描述。
[0054]
实施例
[0055]
如图1、2所示，本实施例提供一种自适应闭环神经调控决策方法、装置及电子设备。本实施例所指的神经调控方式包括但不限于深部脑刺激、经颅磁刺激、耳迷走电刺激等有创或无创的神经调节方式，需要说明的是，该自适应闭环神经调控决策方法为后续的刺激确定适用于动态神经活动的刺激参数，但是并不直接执行刺激。需要说明的是，本实施例中的刺激包括但不限于电刺激、磁刺激等方式。
[0056]
具体的，该自适应闭环神经调控决策方法包括如下步骤：
[0057]
s1、基于目标对象在当前采样时刻k的电生理信号获得相应的目标反馈变量，目标反馈变量包括至少一个电生理信号特征。
[0058]
需要说明的是，在确定目标对象疾病种类(包括但不限于帕金森、癫痫、抑郁症)的前提下，通过电极或传感器采集的电生理信号中，仅有部分电生理信号特征能反映该疾病种类，故将对应的至少一个电生理信号特征作为该目标对象的电生理信号特征。该过程电生理信号的采样频率范围优选为：200sps～50k sps。
[0059]
在步骤s1之前，对目标对象进行不同参数的持续刺激，并对目标对象进行行为评估，明确该目标对象的电生理信号特征的调控范围、刺激参数的调控范围、动态目标锚值b
anchor
、调节强度p。
[0060]
需要说明的是，刺激参数的调控范围的确定原则为：(1)随着刺激参数的改变能够调控电生理信号特征，并改善疾病症状；(2)在目标对象可耐受范围内，不引起不良反应。
[0061]
以及，b
anchor
理论上可设置为可调控范围内的任意预设值，具体设定值应由医生结合临床实际确定。本实施例中，动态目标锚值b
anchor
是基于目标对象的电生理信号特征的调控范围确定的。在b
anchor
的作用下，闭环调控下的电生理信号特征应在b
anchor
附近平稳波动。当b
anchor
超出电生理信号特征的调控范围时，由于通过控制器计算的刺激参数具有自适应能力，则变为不刺激或持续刺激模式。
[0062]
调节强度p可设定为0和1之间的任意值，具体设定值应由医生结合临床实际确定。本实施例中，调节强度p是基于目标对象的电生理信号特征与症状改善程度确定的，并可根据不同的调控阶段变化。
[0063]
在一种优选的实施方式，步骤s1具体包括：
[0064]
s11、获取目标对象的疾病种类。
[0065]
s12、对目标对象在当前采样时刻k的电生理信号进行预处理。
[0066]
其中，预处理包括但不限于对电生理信号进行滤波等信号处理。
[0067]
s13、根据预先获取的疾病种类与电生理信号特征的对应关系，基于预处理后的电生理信号确定目标反馈变量。
[0068]
s2、结合图3所示，基于预先构建的动态控制目标模型，根据目标反馈变量获得当前采样时刻k的动态目标值，k≥1。
[0069]
具体的，步骤s2包括：
[0070]
s21、获取目标对象在当前采样时刻k之前的n个采样时刻的电生理信号特征均值。具体的，采用如下式(ⅱ)计算获得：
[0071][0072]
其中，k表示当前采样时刻，表示在当前采样时刻k之前的n个采样时刻的电生理信号特征均值，n表示当前采样时刻k之前的采样点数量，n表示总采样点数量，n≥n。
[0073]
s22、基于电生理信号特征均值、动态目标锚值获得对应于当前采样时刻k的动态目标值。具体的，采用如下式(ⅰ)计算获得：
[0074][0075]
其中，target(k)表示k时刻动态目标值，表示在当前采样时刻k之前的n个采样时刻的电生理信号特征均值，p为调节强度，p∈[0,1]。
[0076]
当p＝0时，表示动态目标锚值即控制目标为当前电生理信号特征的均值，即不进行调控；当p＝1时，表示动态目标锚值即控制目标为b
anchor
。
[0077]
上述，该步骤s2的动态控制目标模型，即为上述公式(ⅱ)及(ⅰ)的联合使用。另外，本实施例中动态控制目标模型基于大量样本数据构建，本实施例对此不作具体描述。
[0078]
s3、结合图4、5所示，基于目标反馈变量及动态目标值获得与当前采样时刻k对应的目标刺激参数。具体的，当采用pid控制器获取与所述当前采样时刻k对应的目标刺激参数时，步骤s3包括：
[0079]
s31、计算当前采样时刻k的目标反馈变量与相应的动态目标值的误差值均值。具体的，采用如下式(ⅲ)计算获得：
[0080][0081]
其中，e(k)表示当前采样时刻k的目标反馈变量与相应的所述动态目标值的误差值均值，nc表示当前采样时刻k之前，用于计算刺激参数的采样点数量且nc≥1。
[0082]
需要说明的是，当nc＝1时，动态目标值的误差值均值e(k)的计算如下式(ⅵ)所示：
[0083][0084]
s32、基于所述误差值均值获得与所述当前采样时刻k对应的目标刺激参数。具体的，采用如下式(ⅳ)(
ⅴ
)计算获得：
[0085][0086][0087]
其中，u(k)为目标刺激参数(包括但不限于幅值、频率、脉宽)，u
max
与u
min
分别表示u(k)的最大值与最小值(即步骤s1之前预先确定的刺激参数调控范围)，δu(k)表示对应于当前采样时刻k相较于前一采样时刻的刺激参数增量，k
p
，ki，kd表示pid控制器的增益参数，δu
max
表示刺激参数增量最大值，-δu
max
表示刺激参数增量最小值。
[0088]
当然，本实施例仅以pid控制器——比例-积分-微分控制器(proportional-integral-differential，pid)为例对步骤s3作进一步的细化描述，当采用其他控制器时，可根据控制器的具体原理作相应计算，本实施例并不限制。
[0089]
以及，本实施例对于刺激参数的更新频率不作限制，可在每一采样周期作一次更新，或者多个采样周期作一次更新等。
[0090]
综上，本实施例提供一种自适应闭环神经调控决策方法，该方法包括，基于目标对象在当前采样时刻k的电生理信号获得相应的目标反馈变量，目标反馈变量包括至少一个电生理信号特征；基于预先构建的动态控制目标模型，根据目标反馈变量获得当前采样时刻k的动态目标值；基于目标反馈变量及动态目标值获得与当前采样时刻k对应的目标刺激参数；该方法通过构建动态控制目标模型以获得实时的动态目标值，在此基础上进行闭环神经调控决策获得相应的目标刺激参数，从而有效提高神经调控的准确度，当本实施例用于动态大脑状态下的神经调控时，可实现实时、个性化的自适应闭环神经调控决策；进一步的，该方法有助于在实现长期稳定神经调控的同时，保留神经活动的固有动态节律，提高对神经与精神疾病的治疗效果，减少副作用。
[0091]
对应于上述方法实施例，本实施例还进一步提供一种自适应闭环神经调控决策装置，该装置包括：
[0092]
第一处理模块，用于基于目标对象在当前采样时刻k的电生理信号获得相应的目标反馈变量，所述目标反馈变量包括至少一个电生理信号特征。
[0093]
第二处理模块，用于基于预先构建的动态控制目标模型，根据所述目标反馈变量获得当前采样时刻k的动态目标值。
[0094]
第三处理模块，用于基于所述目标反馈变量及所述动态目标值获得与所述当前采样时刻k对应的目标刺激参数。
[0095]
获取模块，用于基于预先获取的所述目标对象的电生理信号特征的调控范围确定动态目标锚值。
[0096]
具体的，第一处理模块包括：
[0097]
第一获取单元，用于获取目标对象的疾病种类；
[0098]
预处理单元，用于对目标对象在当前采样时刻k的电生理信号进行预处理；
[0099]
确定单元，用于根据预先获取的疾病种类与电生理信号特征的对应关系，基于预处理后的所述电生理信号确定目标反馈变量。
[0100]
第二处理模块包括：
[0101]
第二获取单元，用于获取目标对象在当前采样时刻k之前的n个采样时刻的电生理信号特征均值。具体的，采用如下式(ⅱ)计算获得：
[0102][0103]
其中，n表示当前采样时刻k之前的采样点数量，n表示总采样点数量。
[0104]
第一计算单元，用于基于电生理信号特征均值、动态目标锚值、调节强度获得对应于当前采样时刻k的动态目标值。具体的，采用如下式(ⅰ)计算获得：
[0105][0106]
其中，target(k)表示k时刻动态目标值，表示在当前采样时刻k之前的n个采样时刻的电生理信号特征均值，p为调节强度，p∈[0,1]。
[0107]
第三处理模块包括：
[0108]
第二计算单元，用于计算当前采样时刻k的目标反馈变量与相应的动态目标值的误差值均值。具体的，采用如下式(ⅲ)计算获得：
[0109][0110]
其中，e(k)表示当前采样时刻k的目标反馈变量与相应的所述动态目标值的误差值均值，nc表示当前采样时刻k之前，用于计算刺激参数的采样点数量，且nc≥1。
[0111]
第三计算单元，用于基于误差值均值获得与当前采样时刻k对应的目标刺激参数。具体的，当采用pid控制器获取与所述当前采样时刻k对应的目标刺激参数时，所述根据所述误差值均值获得与所述当前采样时刻k对应的目标刺激参数，采用如下式(ⅳ)(
ⅴ
)计算获得：
[0112][0113][0114]
其中，u(k)为目标刺激参数，u
max
与u
min
分别表示u(k)的最大值与最小值，δu(k)表示对应于当前采样时刻k相较于前一采样时刻的刺激参数增量，k
p
，ki，kd表示pid控制器的增益参数，δu
max
表示刺激参数增量最大值，-δu
max
表示刺激参数增量最小值。
[0115]
需要说明的是：上述实施例提供的自适应闭环神经调控决策装置在触发自适应闭环神经调控决策业务时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的自适应闭环神经调控决
策装置与自适应闭环神经调控决策方法的实施例属于同一构思，即该系统是基于该方法的，其具体实现过程详见方法实施例，这里不再赘述。
[0116]
另外，本实施例还提供一种电子设备，包括：
[0117]
一个或多个处理器；以及
[0118]
与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令，所述程序指令在被所述一个或多个处理器读取执行时，执行前述的自适应闭环神经调控决策方法。
[0119]
关于执行程序指令所执行的数据处理方法，具体执行细节及相应的有益效果与前述方法中的描述内容是一致的，此处将不再赘述。
[0120]
进一步的，处理器在执行前述的自适应闭环神经调控决策方法时，处理器的输入信号可源于电子设备自身的信号采集及处理硬件模块，也可来源于外接的其他信号采集及处理硬件设备，处理器的输出信号可发送至电子设备自身的刺激模块，也可发送至外接的其他刺激设备。
[0121]
以及，如图6所示，本实施例还提供一种计算机可读存储介质31，其上存储有计算机程序310，所述计算机程序被一个或多个处理器32执行时实现前述的自适应闭环神经调控决策方法。
[0122]
具体地，可以采用一个或多个计算机可读介质的任意组合。计算机可读存储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或者是上述两者的任意组合。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、装置或器件，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、装置或者器件使用或者与其结合使用。
[0123]
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、装置或者器件使用或者与其结合使用的程序。
[0124]
计算机可读存储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。
[0125]
在一些实施方式中，客户端、服务器可以利用诸如http(hyper text transfer 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。
[0126]
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。
[0127]
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)。
[0128]
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。
[0129]
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。
[0130]
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。
[0131]
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。
[0132]
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，即可将任意多个实施例进行组合，从而获得应对不同应用场景的需求，均在本技术的保护范围内，在此不再一一赘述。
[0133]
需要说明的是，以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。