一种面向低龄儿童的阅读障碍预测方法、设备及介质与流程

1.本技术涉及数据识别领域，具体涉及一种面向低龄儿童的阅读障碍预测方法、设备及介质。


背景技术：

2.阅读障碍属于学习障碍中的一种，目前精神障碍病理学研究尚未完全明确阅读障碍的病理学机制。常见的技术方案主要可以分为两个方向，第一种属于针对阅读障碍的病症与功能损伤，提出了能够用于阅读障碍的辅助训练与辅助治疗的辅具技术，例如：发明专利《一种视觉-运动整合阅读训练系统》，cn114360328a，提出了一种抄画训练法的绘制工具与纸质材料的设计方法，用于阅读障碍患者进行抄画治疗；发明专利《面向读写障碍儿童的多感官语言拼读学习智能装置》，cn 114613206 a，提出了一种用于读写障碍儿童进行康复训练的设备设计方法。第二种属于利用人工智能装置进行阅读障碍预测的发明，例如：发明专利《发展性阅读障碍智能识别方法、系统、设备及储存介质》，cn113842113a，提出了在病理不清晰条件下使用语篇文章和眼动设备共同检测青少年阅读障碍设备的设计方法；发明专利《一种通过视觉效率预测汉语阅读障碍的方法》，cn114209274a，提出了一种通过视觉功能参数采集和分析，推断视力、视觉调节功能、聚散功能、眼位偏斜等功能是否损伤的阅读障碍成因检测设备的设计方法；发明专利《一种汉语发展性阅读障碍预测系统及其预测方法》，cn112381287a，提出了使用人口学信息、语音意识测验、阅读准确性测验作为输入，人工智能模型作为分析模块，语音意识、图片命名能力与数字快速命名能力作为输出的阅读障碍预测系统设计方法。
3.上述技术方案的局限性在于：发展性阅读障碍是一种发展性障碍，在儿童青少年的脑发展过程中，存在功能发展的不平衡与“窗口期”，同时脑发展具有补偿性效应，而上述技术方案并未考虑不同的发展阶段的脑发展特征，以及相应的认知功能的发展特征。


技术实现要素：

4.为了解决上述问题，本技术提出了一种面向低龄儿童的阅读障碍预测方法、设备及介质，所述方法包括：
5.获取用户对于第一图像集的第一兴趣区域的第一眼动轨迹数据；所述第一图像集为包含第一兴趣区域的第一图像的集合；所述兴趣区域为预设视觉特征所在的区域；所述眼动轨迹数据至少包括注视点数量以及首次注视频数；根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集；在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征；通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据；根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
6.在一个示例中，所述根据所述注视点数量以及首次注视频数，在所述第一图像集中确定第二图像集，具体包括：根据所述第一图像集中各个第一图像分别对应的所述注视点数量以及所述首次注视频数，确定所述第一图像集对应的注视点数量平均值以及首次注视频数平均值；根据所述注视点数量平均值以及所述首次注视频数平均值，确定所述各个第一图像对应的注视点数量以及所述首次注视频数分别与所述注视点数量平均值以及所述首次注视频数平均值之间的标准差；在所述第一图像集中选择所述标准差大于第一预设阈值的图像，作为第二图像，以生成第二图像集。
7.在一个示例中，所述根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果，具体包括：确定预设的支持向量机初始模型，并获取预存的第一训练数据；通过所述第一训练数据，训练所述支持向量机初始模型，以得到第一判断模型；将所述第一眼动轨迹数据以及所述第二眼动轨迹数据，输入所述第一判断模型，以判断所述第一眼动轨迹数据以及所述第二眼动轨迹数据是否存在相同关联关系；若不存在，则所述用户存在阅读障碍。
8.在一个示例中，所述根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果之后，所述方法还包括：根据字形特征与字音特征，生成第三图像集以及第四图像集；所述第三图像集中所述字形特征与所述字音特征一致，所述第四图像集中所述字形特征与所述字音特征不一致；通过所述眼动仪获取所述用户对于所述第三图像集的第一扫视时间长度以及对于所述第四图像集的第二扫视时间长度；所述扫视时间长度为所述用户从图像一侧到另一侧的扫视时间；根据所述第一扫视时间长度以及所述第二扫视时间长度，生成所述用户存在阅读障碍的第二预测结果。
9.在一个示例中，所述根据所述第一扫视时间长度以及所述第二扫视时间长度，生成所述用户存在阅读障碍的第二预测结果，具体包括：通过对所述第一扫视时间长度以及所述第二扫视时间长度进行t检验，以判断所述第一扫视时间长度以及所述第二扫视时间长度之间是否存在差异；若不存在，则所述用户存在阅读障碍。
10.在一个示例中，所述根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果之后，所述方法还包括：随机生成第五图像集，所述第五图像包含预设数量短语；通过眼动仪获取所述用户对于所述第五图像集的第一阅读时间长度；通过眼动仪确定所述用户阅读所述第五图像时的注点坐标；当所述注点坐标与第一短语重合时，改变与所述第一短语相邻的第二短语，直至所述用户阅读完毕，以得到第二阅读时间长度；根据所述第一阅读时间长度以及所述第二阅读时间长度，生成所述用户存在阅读障碍的第三预测结果。
11.在一个示例中，所述根据所述第一阅读时间长度以及所述第二阅读时间长度，生成所述用户存在阅读障碍的第三预测结果，具体包括：确定预设的支持向量机初始模型，并获取预存的第二训练数据；通过所述第二训练数据，训练所述支持向量机初始模型，以得到第二判断模型；将第一阅读时间长度以及所述第二阅读时间长度，输入所述第二判断模型，以判断第一阅读时间长度以及所述第二阅读时间长度是否存在相同关联关系；若不存在，则所述用户存在阅读障碍。
12.在一个示例中，所述方法还包括：获取所述用户在当前流程的占用时长；若所述占用时长超出预设时间阈值，则显示所述用户流程进度，并提示所述用户当前待执行流程。
13.本技术还提供了一种面向低龄儿童的阅读障碍预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：获取用户对于第一图像集的第一兴趣区域的第一眼动轨迹数据；所述第一图像集为包含第一兴趣区域的第一图像的集合；所述兴趣区域为预设视觉特征所在的区域；所述眼动轨迹数据至少包括注视点数量以及首次注视频数；根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集；在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征；通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据；根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
14.本技术还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：获取用户对于第一图像集的第一兴趣区域的第一眼动轨迹数据；所述第一图像集为包含第一兴趣区域的第一图像的集合；所述兴趣区域为预设视觉特征所在的区域；所述眼动轨迹数据至少包括注视点数量以及首次注视频数；根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集；在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征；通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据；根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
15.通过本技术提出的方法能够分别预测出不同发展阶段中低龄儿童的认知功能是否存在问题，能够综合认知功能发展特征对低龄儿童是否存在阅读障碍进行预测。
附图说明
16.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
17.图1为本技术实施例中一种面向低龄儿童的阅读障碍预测方法的流程示意图；
18.图2为本技术实施例中一种第一图像示意图；
19.图3为本技术实施例中一种一种面向低龄儿童的阅读障碍预测设备示意图。
具体实施方式
20.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
21.以下结合附图，详细说明本技术各实施例提供的技术方案。
22.本发明针对先前技术方案存在的未区分发展阶段以及缺乏适合于低龄儿童的预
point)。
30.s102：根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集。
31.在获取了用户对于第一兴趣区域的眼动轨迹数据之后，需要在第一图像集中选择一定数量的图片，组成第二图像集。即在儿童完成观看第一图像集的拼音组合后，对每个组合对应的ngp和nfgp数据进行统计分析，从而在第一图像集中挑选第二图像集。
32.在一个实施例中，在第一图像集中确定第二图像集时，首先需要根据第一图像集中各个第一图像分别对应的注视点数量以及首次注视频数，确定第一图像集对应的注视点数量平均值以及注视频数平均值，再根据注视点数量平均值以及首次注视频数平均值，确定各个第一图像对应的注视点数量以及首次注视频数分别与注视点数量平均值以及首次注视频数平均值之间的标准差；在所述第一图像集中选择所述标准差大于第一预设阈值的图像，作为第二图像，以生成第二图像集。例如，计算得到ngp和nfgp分数大于平均数2个标准差的组合，并将这些组合作为第二图像，以生成第二图像集。
33.s103：在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征。
34.在展示第二图像集时，需要对图像中原有的兴趣区域进行改变，仍然以九宫格为例，在更改兴趣区域时，首先将原有ma兴趣区域的红色标注更改为蓝色标注，再随机选取区域进行红色标注，如标红“b”、“u”字母。
35.s104：通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据。
36.此时再让用户观看显示屏幕上修改过兴趣区域的第二图像集，以得到另一组眼动轨迹数据。
37.s105：根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
38.得到两组眼动轨迹数据之后，即可根据两组数据进行对比，以分析用户是否存在阅读障碍可能。
39.具体地，生成所述用户存在阅读障碍的第一预测结果时，首先需要确定预设的支持向量机初始模型，并获取预存的第一训练数据。再通过第一训练数据，训练所述支持向量机初始模型，以得到第一判断模型。再将所述第一眼动轨迹数据以及所述第二眼动轨迹数据，输入所述第一判断模型，以判断所述第一眼动轨迹数据以及所述第二眼动轨迹数据是否存在相同关联关系，若不存在，则所述用户存在阅读障碍。
40.这里的第一训练数据为在采集用户的眼动轨迹数据之前，通过预设数量个被试用户进行采集得到的数据。例如，前期招募了200名已经具备初步拼音阅读能力的儿童进行数据采集以建立第一判断模型，要求样本群中的儿童完成上述视觉认知任务，并采用“出声思考法”说明观看到矩阵中的信息，例如：“我看到了ma，指的是
‘
妈’；或者，我没有看到任何有意义的拼音，或者我不知道拼音代表了什么”。每个儿童完成20次视觉观察任务，总共采集得到4000条原始数据，过滤并剔除其中的无效数据后，得到3678条有效数据。进一步建立注视任务中ngp、nfgp和标签的关系为，报告“看到有效信息/拼音”对应的ngp、nfgp的数据条
目，标记为“是”；报告“未看到有效信息或不知道代表什么”的数据条目，标记为“否”；总共得到标记为“是”的数据1822条，标记为“否”的数据1853条，形成第一训练数据集。
41.用户完成注视视觉任务后，第一判断模型自动分析数据，得到结果“是”的代表儿童在任务中注意到了图像矩阵中的特定拼音，表明用户在前字母阶段具备了对词语的敏感性，即推断出儿童在该阶段不存在功能靶点的损伤；得到结果“否”的代表儿童在任务中未能注意到图像矩阵中的特定拼音，表明儿童在前字母阶段不具备对词语的敏感性，即推断出儿童在该阶段具有功能靶点损伤的可能性，损伤靶点为：正字法视觉加工障碍。
42.在一个实施例中，由于在儿童语言认知功能发展的第二个阶段，即从局部字母阶段到完整字母阶段的过程中，会逐渐形成字形与字音之间的稳定特征捆绑，换言之，通过字形和字音可以共同达到语义的加工通路。在试验中，如果字形的特征与字音特征一致，则注意通道不会出现较大的认知负荷，如果字形与字音不一致，则注意通道会出现较大的认知负荷。使用注意转移范式来衡量儿童的认知负荷，当不一致的字音和字形占据较多认知负荷时，要求儿童将注意力转向另外一侧的注视点时，扫视时间长度相较于占据较少认知负荷的情形。因此，可以根据视觉字形特征与字音特征，生成第三图像集以及第四图像集；这里的第三图像集中字形特征与字音特征一致，第四图像集中字形特征与字音特征不一致。然后通过眼动仪获取用户对于第三图像集的第一扫视时间长度以及对于第四图像集的第二扫视时间长度，扫视时间长度为用户从图像一侧到另一侧的扫视时间。然后再根据第一扫视时间长度以及所述第二扫视时间长度，生成所述用户存在阅读障碍的第二预测结果。即使用眼动仪记录用户从左侧向右侧的扫视时间长度，并根据对扫视时间长度的自动统计分析中的t检验技术，判断扫视时间长度是否在字形与字音一致、不一致两种情境下存在差异，若存在差异，则推送判断结果“捆绑紧密度较高”，代表儿童能够将阅读过程中的视觉和语音信息整合起来，该功能不存在障碍；若不存在差异，则推送结果“捆绑紧密度较低”，代表儿童不能够将阅读过程中的视觉和语音信息整合起来，该功能可能存在障碍。然后可通过捆绑紧密度来预测用户是否存在阅读障碍。
43.在一个实施例中，由于在字母巩固阶段，儿童发展出了比较稳定的阅读能力，能够进行简单的短语阅读。在短语阅读中，在阅读短语的第一个文字的时候，眼球中央凹会对下一个文字进行预览，从而增加阅读速度。在阅读第一个文字的时候，如果使用计算机技术，快速替换掉第二个文字，则会使得儿童的阅读速度降低。因此，可根据对用户是否存在阅读障碍进行预测，预测时，首先需要随机生成第五图像集，第五图像包含预设数量短语；然后通过眼动仪获取用户对于第五图像集的第一阅读时间长度。获取了第一阅读时间长度之后，在进行测试时，需要通过眼动仪确定用户阅读第五图像时的注点坐标，当所述注点坐标与第一短语重合时，改变与所述第一短语相邻的第二短语，直至用户阅读完毕，以得到第二阅读时间长度；再根据第一阅读时间长度以及第二阅读时间长度，生成用户存在阅读障碍的第三预测结果。简单来讲，在显示屏幕上展示一组不超过五个字的短语，使用眼动仪采集儿童的注视点，当注视点与短语第一个文字对应的区域重合时，眼动仪开始计算时间，从第一个字到最后一个字的阅读时间长度定义为第一阅读时间长度。在第二个试次中，当注视点第一阅读时间长度与短语第一个文字对应的区域重合时，计算系统自动替换掉第二个文字，眼动仪开始计算时间，从第一个字到最后一个字的阅读时间长度定义为第二阅读时间长度。
44.在一个示例中，根据第一阅读时间长度以及第二阅读时间长度，生成用户存在阅读障碍的第三预测结果时，首先需要确定预设的支持向量机初始模型，并获取预存的训练数据；再通过预存的第二训练数据，训练支持向量机初始模型，以得到第二判断模型。将第一阅读时间长度以及第二阅读时间长度，输入第二判断模型，以判断第一阅读时间长度以及第二阅读时间长度是否存在相同关联关系，若不存在，则用户存在阅读障碍。
45.这里的第二训练数据为预先存储的多名被试用户，分别采集被试用户对于第五图像未发生改变以及发生改变后对应的两组阅读时间长度，作为第二训练数据。例如，前期招募的200名已经具备初步拼音阅读能力的儿童进行数据采集以建立预训练分类器模型，要求样本群中的儿童完成上述视觉认知任务，并采用“出声思考法”说明观看到矩阵中的信息，例如：“我感觉到文字发生变化；或者，我没有感觉到文字有什么不对劲”。每个儿童完成20次视觉观察任务，总共采集得到4000条原始数据，过滤并剔除其中的无效数据后，得到3602条有效数据。进一步建立注视任务中ngp、nfgp和标签的关系为，报告“看到文字有变化”对应的ngp、nfgp的数据条目，标记为“是”；报告“未看到文字有变化”的数据条目，标记为“否”；总共得到标记为“是”的数据1702条，标记为“否”的数据1900条，形成第二训练数据集，用于训练初始支持向量机模型。当儿童完成注视视觉任务后，第二判断模型会自动分析数据，得到结果“是”的代表儿童在任务中能够感知到文字被替换，表明视觉认知功能在逐行阅读任务中不存在功能靶点损伤；得到结果“否”的代表儿童在任务中不能感知到文字被替换，表明视觉认知功能在逐行阅读中可能存在靶点损伤。得到结果后，分别将上述信息展示在屏幕上。
46.在一个实施例中，若用户不知道当前流程的操作任务，将会导致预测过程在当前流程耗费过长时间，或是导致预测结果不准确，因此，可以统计用户在当前流程的占用时长，若占用时长超出当前流程的预设时间阈值，则显示当前用户对应的流程进度，并提示用户当前待执行的流程。
47.如图3所示，基于同样发明构思，本技术实施例还提供了一种面向低龄儿童的阅读障碍预测设备，包括：
48.至少一个处理器；以及，
49.与所述至少一个处理器通信连接的存储器；其中，
50.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
51.获取用户对于第一图像集的第一兴趣区域的第一眼动轨迹数据；所述第一图像集为包含第一兴趣区域的第一图像的集合；所述兴趣区域为预设视觉特征所在的区域；所述眼动轨迹数据至少包括注视点数量以及首次注视频数；根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集；在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征；通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据；根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
52.本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指
令，所述计算机可执行指令设置为：
53.获取用户对于第一图像集的第一兴趣区域的第一眼动轨迹数据；所述第一图像集为包含第一兴趣区域的第一图像的集合；所述兴趣区域为预设视觉特征所在的区域；所述眼动轨迹数据至少包括注视点数量以及首次注视频数；根据所述注视点数量以及所述首次注视频数，在所述第一图像集中确定第二图像集；在所述第二图像集中改变所述第一兴趣区域的颜色视觉特征，以将所述第一兴趣区域改变为第二兴趣区域；并在各个第二图像中生成第三兴趣区域，以使所述第三兴趣区域包含所述第一兴趣区域的颜色视觉特征；通过所述眼动仪获取用户对于第二图像集中关于所述第二兴趣区域的第二眼动轨迹数据；根据所述第一眼动轨迹数据以及所述第二眼动轨迹数据，生成所述用户存在阅读障碍的第一预测结果。
54.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
55.本技术实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
56.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
57.本技术是参照根据本技术实施例的方法、设备(系统)、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。
58.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。
59.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。
60.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
61.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或
非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
62.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
63.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过程、方法、商品或者设备不仅包括那些要素，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过程、方法、商品或者设备所固有的要素。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过程、方法、商品或者设备中还存在另外的相同要素。
64.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。