CN109846488A - 用于运行用于耳鸣表征的设备的方法以及相应的设备 - Google Patents

Abstract

本发明涉及一种用于运行用于耳鸣表征的设备的方法以及相应的设备。在用于运行用于耳鸣表征的设备(2)的方法中，在第一方法步骤(46)中产生具有多个信号频率的宽带测试信号(18)并且将其与耳鸣噪音(4)进行比较，其中，与相关联的比较结果(20b)一起存储相应的测试信号，并且其中，根据存储的测试信号和比较结果确定用于确定耳鸣噪音的概率相关性(44)，其中，在第二方法步骤(26)中改变测试信号的各个信号频率的幅值，其中，重复执行第一和第二方法步骤(46、26)，直到概率相关性达到或超过第一阈值(50)为止，并且其中，在第三方法步骤(62)中，根据概率相关性改变测试信号的各个信号频率的幅值。

Description

用于运行用于耳鸣表征的设备的方法以及相应的设备

技术领域

本发明涉及一种用于运行用于耳鸣表征的设备的方法和相应的设备。

背景技术

严重的听力损失作为听力障碍经常触发相关人员的大脑中的中枢听觉系统的神经可塑性重组，因此经常是出现的(慢性)耳鸣的起因和原因。

耳鸣或者耳啸一般理解为所有类型的不是由进入耳朵中的环境的声音信号引起的头部或耳部噪音。耳鸣虽然不危险，但却对许多相关人员产生了很重的负担。例如干扰注意力并且导致入睡问题。因此，尤其是慢性耳鸣经常导致严重的心理问题，因此有时对相关人员的职业和社交生活产生负面影响。

在耳鸣治疗过程中经常使用噪音设备(耳鸣降噪器、音频刺激器、耳鸣控制装置、耳鸣掩蔽器)。为此，借助类似于听力辅助设备的耳鸣治疗设备、即所谓的降噪器或掩蔽器作为声音信号向相关人员提供温和的、干扰性较小的噪音，来覆盖(“掩蔽”)耳鸣或者用于转移注意力。

例如，也可以使用所谓的切口疗法(Notch-Therapien)，其中，针对相关人员产生抑制感知到的耳鸣噪音的耳鸣频率中的一个或多个的环境的声音信号。由此能够实现相关人员的中枢听觉系统的神经可塑性重组，其又使相关人员的中枢听觉系统的引起耳鸣的适应不良的神经可塑性重组逆转。

然而，对于有效的治疗或处理，总是需要尽可能准确地识别和表征相关人员感知到的耳鸣噪音，即耳鸣频率或每个耳鸣频率以及其各自的幅值或强度。

为了表征耳鸣噪音，通常执行耳鸣分析(耳鸣匹配)。为此，例如可以想到用于耳鸣表征的设备，其具有用于产生音频信号或声音测试音的信号发生器，例如借助耳机向相关人员播放该音频信号或声音测试音调。

在耳鸣分析中或者在耳鸣匹配中，通常向相关人员呈现两个(测试)音调，其各自的音调或信号频率相对于彼此具有预先给定的频率间隔。相关人员比较(外部)音调与其感知到的(内部的)耳鸣噪音，其中，根据比较产生具有两个新的音调频率的两个新的音调。新的音调的频率步距在此随着每个比较连续降低，从而音调随着每个比较进一步逐渐接近所感知到的耳鸣噪音或者耳鸣频率或每个耳鸣频率。

然而，借助比较测量的这种耳鸣匹配具有一些缺点。因此，尤其是没有经验的听众经常难以将所呈现的测试音调可靠地与所感知到的耳鸣噪音进行比较。由此，可再现性和准确性变差，从而出现匹配结果的相对高的变化性。尤其是，在此经常出现所谓的八度混淆(Oktavenkonfusion)的问题。这意味着，由相关人员确定的耳鸣频率与正确的耳鸣频率相对于更高或更低的音调相差一个八度。这尤其是在不是仅由单个(纯)音调频率或耳鸣频率构成，而是具有多个不同的耳鸣频率的耳鸣噪音中出现。

根据所产生的测试音调与耳鸣噪音的比较的数量，频率步距、因此频率分辨率由于相关人员可靠地识别其耳鸣噪音并且正确地分配相应的音调而受到限制。例如，切口疗法需要耳鸣频率或每个耳鸣频率的相对高的频率分辨率，从而这种耳鸣匹配特别耗时。

除了确定耳鸣频率或每个耳鸣频率以外，一般还需要确定感知到的耳鸣噪音中的耳鸣频率或每个耳鸣频率的幅值。为此，经常在耳鸣匹配开始时调整所产生的(测试)音调的音强，直到其大约对应于所感知到的耳鸣噪音的音强为止。然而，因为这种音强调整通常在与耳鸣频率或每个耳鸣频率不同的(音调)频率处进行，所以不保证所确定的幅值对应于耳鸣频率或每个耳鸣频率的实际幅值。尤其是对于具有附加的听力损失的相关人员，在此经常在所确定的幅值与耳鸣噪音的实际幅值之间出现明显的偏差。

发明内容

本发明要解决的技术问题在于，给出一种特别合适的用于运行用于耳鸣表征的设备的方法。尤其是可靠地确定耳鸣噪音对于相关人员变得容易。本发明要解决的技术问题还在于，给出一种适用于这种方法的设备。

根据本发明，在方法方面，该技术问题利用本发明的方法的特征来解决，在设备方面利用本发明的设备的特征来解决。有利的设计方案和扩展方案是下面的描述的主题。

根据本发明的方法适合并且设计用于运行用于耳鸣表征的设备。

根据所述方法，在第一方法步骤中，作为声音信号或音频信号产生具有多个信号频率的宽带测试信号并且与耳鸣噪音进行比较。针对每个呈现的测试信号，执行与耳鸣噪音的比较，并且判断测试信号是否掩蔽感知到的耳鸣。将相应的测试信号与相关联的比较结果一起存储。在此，尤其是不仅评估耳鸣噪音被测试信号掩蔽的正面比较结果，而且评估测试信号没有或仅部分掩蔽耳鸣的负面比较结果。

根据所存储的比较结果和测试信号，确定用于确定耳鸣噪音的概率相关性(likelihood correlation)。这意味着，根据测试信号依据掩蔽作用确定概率相关性。换言之，在第一方法步骤中对耳鸣噪音执行掩盖测量，其中，根据测试信号的掩盖或掩蔽特性推导出概率相关性。

在第二方法步骤中，改变测试信号的各个信号频率的幅值。重复执行第一和第二方法步骤，直到概率相关性达到或超过第一阈值为止。换言之，改变测试信号，随后重新与耳鸣噪音进行比较。这连续重复，因此产生另外的比较结果，直到概率相关性达到或超过第一阈值为止。第一阈值在此基本上对应于尤其是正面比较结果或确定合适的概率相关性所需的存储的测试信号的最小数量。

如果达到或超过了第一阈值，则在第三方法步骤中，根据概率相关性改变测试信号的各个信号频率的幅值。换言之，根据比较结果或掩蔽作用估计可信地再现耳鸣噪音的测试信号，其中，随着比较结果的数量的增加，可信度越来越提高。确定尽可能可信的概率相关性因此基本上对应于表征耳鸣噪音。由此实现特别合适的用于运行用于耳鸣表征的设备的方法。

因此，相对困难的识别各个耳鸣频率的任务以如下方式得到简化：产生宽带测试信号，并且相关人员在掩蔽或者覆盖或掩盖其感知到的耳鸣噪音方面比较该测试信号。换言之，相关人员评估在播放或呈现测试信号期间其是否感知到其耳鸣噪音。

与现有技术不同，相关人员因此不相互比较各个(音调)频率，而是仅评估是否通过测试信号产生了掩蔽。这意味着，代替比较测量，执行掩盖测量，由此尤其是基本上完全避免了八度混淆的危险。由此，对于没有经验的听众，也实现特别合适的耳鸣表征。

通过连续产生新的(改变后的)测试信号，借助可由此确定的概率相关性可以可靠地确定耳鸣噪音，即耳鸣频率或每个耳鸣频率以及其各自的幅值。

宽带测试信号在此分别包括多个信号频率。这意味着，测试信号由多个(在频谱上)连续的窄带或音调噪音成分组成。

以合适的方式向相关人员足够长时间地播放或呈现测试信号，从而相关人员可以可靠地比较测试信号与耳鸣噪音。换言之，相关人员检查在存在测试信号时其是否可以感知到其耳鸣噪音。根据相关人员的回答，改变测试信号的各个信号频率或窄带噪音的幅值。根据比较结果确定概率相关性，其中，该概率相关性在第三方法步骤中用于针对性地设置或改变窄带噪音。由此保证耳鸣噪音的快速并且可靠的确定。

在一个有利的实施方案中，多次重复第一和第三方法步骤，直到概率相关性达到或超过第二阈值为止。第二阈值在此合适地是根据概率相关性推导出的测试信号对应于实际的耳鸣噪音的最小概率或概率程度。如果概率相关性达到或超过第二阈值，则所述方法结束，并且将可根据概率相关性确定的测试信号作为对应于耳鸣噪音的声音信号输出和/或存储在存储器中。由此实现特别有效的耳鸣表征。

在一个合适的扩展方案中，在第二方法步骤中随机设置测试信号的各个信号频率或窄带噪音的幅值。合适地，在所述方法开始时，即在第一比较中，使用各个信号频率具有随机的幅值的测试信号。由此考虑如下情况：耳鸣噪音在所述方法开始时基本上是未知的。通过信号频率的随机幅值分配，能够实现概率相关性、因此耳鸣噪音的特别有效的确定。

在所述方法的一个适宜的设计方案中，为了确定概率相关性，使用耳朵或耳朵的一个区段或一部分的生理模型。生理模型在此尤其是理解为用于描述或模拟耳朵的生理结构或这种结构的生理功能的数学和/或计算机或程序技术模型。换言之，生理模型使得能够确定耳朵的生理特性或反应。由此实现特别合适的方法。作为输入参量，在此尤其是使用具有正面比较结果的测试信号的信号频率和其幅值。

在一个优选的构造方案中，作为生理模型，使用基底膜(Lamina basilaris或者Membrana basilaris)的模型，其中，根据模型化的基底膜的激励模式确定概率相关性。

在施加一定频率的声音信号时相关人员感知到的音高与在该频率下存在最大激发值的基底膜上的部位紧密地相关联。通过特定的第一频率的声音信号产生的激发模式在此不是清晰地定位在基底膜的一个区域中，而是在基底膜的在空间上与其相邻的区域中也引起激励或激发。这种在空间上扩展的激励产生听觉掩蔽或频谱掩盖的效果，其中，当在基底膜上通过第二频率的音调引起的激励小于具有更高的强度的相邻的音调的激励时，不能感知到该第二频率的音调。

通过确定模型化的基底膜的激励或激发模式，因此可以确定特别合适并且可靠的概率相关性。尤其是，因此可以为了确定耳鸣噪音而考虑生理因素，尤其是听觉掩蔽，其中，第一音调的存在使得不再能够感知到更柔和的第二音调。

这意味着，针对每个比较结果计算激励模式，并且将其与之前的比较结果的激励模式相关。由此可确定的激励模式的共同性使得能够特别可靠地确定耳鸣频率或每个耳鸣频率以及其各自的(耳鸣)幅值。

在模型化基底膜时和/或在确定激励或激发模式时，可以考虑相关人员的可能存在的听力损失或听力障碍。换言之，可以在模型化基底膜时使用相关人员的听力阈值，由此进一步改善概率相关性的准确性，因此改善耳鸣噪音的确定。

在一个优选的应用中，使用前面描述的方法来运行用于耳鸣表征的设备。所述设备例如包括用于产生声音测试信号的信号发生器以及听筒、例如耳机，借助听筒可以向相关人员呈现或输出测试信号。所述设备在此优选具有控制器(即控制设备)。

控制器在此通常通过程序和/或电路技术配置为用于执行前面描述的根据本发明的方法。控制器因此尤其是为此配置为用于根据相关人员的回答，即根据比较结果，改变测试信号，并且尤其是通过根据基底膜的生理模型确定激励模式来确定概率相关性。

控制器至少在核心相应地通过具有处理器和数据存储器的微控制器形成，其中，以运行软件(固件)的形式通过程序技术实现用于执行根据本发明的方法的功能，从而通过在微控制器中执行运行软件自动执行所述方法(必要时通过与用户进行交互)。

但是，备选地，在本发明的范围内的一个可能的实施方式中，控制器还通过可编程的电子构件、例如专用集成电路(ASIC)形成，其中，利用电路技术部件实现用于执行根据本发明的方法的功能。

由此实现特别合适的设备。通过根据本发明的方法，对于没有经验的听众来说，在使用所述设备时更简单可靠并且以高的准确性确定所感知到的耳鸣噪音。此外，通过根据模型化的基底膜的生理激励模式评估概率，可以使用宽带测试信号，由此可靠地确定耳鸣噪音的各个耳鸣频率以及其幅值。

附图说明

下面，借助附图详细说明本发明的实施例。其中，

图1以示意性的简化图示示出了用于耳鸣表征的设备，

图2以流程图示出了用于运行所述设备的方法，

图3以频率-幅值图表示出了第一测试信号和耳鸣噪音以及第一激励模式；以及

图4以频率-幅值图表示出了第二测试信号和耳鸣噪音以及第二激励模式。

彼此相应的部分和参量在所有图中始终设有相同的附图标记。

具体实施方式

图1以简化的示意性图示示出了用于耳鸣表征、即用于确定相关人员6(图2)的耳鸣噪音4(图3、图4)的设备2。设备2主要包括作为控制设备的控制器8和显示单元10以及耳机12。

在耳鸣表征的过程中，尽可能准确地确定相关人员6的耳鸣噪音4(图3、图4)的一个或每个感知的耳鸣频率14和其分别相关联的(耳鸣)幅值16。为此，相关人员6戴上耳机12，使得其在表征期间尽可能不感知来自环境的声音信号。借助利用控制器8控制的信号发生器，产生宽带测试信号18，并且将其作为声音信号或音频信号借助耳机12向相关人员6播放。

相关人员6比较所呈现的测试信号18与其感知的耳鸣噪音4，其中，根据相应的比较结果20a、20b改变测试信号18。例如作为图像数据22向显示单元10传输并且向用户、尤其是HNO专科医生或听力设备声学专家显示测试信号18的频谱以及比较结果20a、20b。例如，同样可以想到相关人员6自己操作设备2并且执行所述方法。

在图2中借助流程图示出了用于运行设备2的方法，下面进行详细说明。

在所述方法开始24之后，在方法步骤26中产生宽带测试信号18。如尤其是在图3和4中所示出的，测试信号18具有多个在频率方面连续的信号频率或窄带信号28。在图3和4的实施例中，测试信号18例如具有七个窄带信号28。窄带信号28或测试信号18在此合适地在耳鸣噪音4的频率范围内产生。

每个窄带信号28在此具有各自的(信号)幅值30，其中，在方法步骤26中，随机设置窄带信号22的幅值30。换言之，控制器8例如具有随机数发生器，在方法步骤26中借助随机数发生器改变幅值30。

在随后的比较32中，借助耳机12向相关人员6呈现测试信号18。相关人员6比较测试信号12与耳鸣噪音4，尤其是相关人员6在此检查测试信号18是否掩蔽、即覆盖或掩盖了耳鸣噪音4。换言之，相关人员6评估在播放测试信号18时其是否仍然感知到耳鸣噪音4。在此向相关人员6足够长时间地播放或呈现测试信号18，从而其可以将测试信号18可靠地与耳鸣噪音4进行比较。这意味着，比较32基本上是利用测试信号18对耳鸣噪音4的掩盖测量。

在耳鸣噪音4不被测试信号18掩蔽的负面比较结果20a之后，或者在耳鸣噪音4被测试信号18掩蔽的正面比较结果20b之后，在方法步骤26中重新随机地或者基于迄今为止的结果改变测试信号18的窄带信号28的幅值30，并且开始方法步骤34。

在控制器8的存储器中存储有基底膜(Lamina basilaris或者Membranabasilaris)的生理模型36。在方法步骤34中，根据模型36，针对相应的测试信号18或其窄带信号28确定基底膜的相应的激发或激励模式38(图3、图4)。激励模式38的计算或确定在此考虑生理因素、尤其是听觉掩蔽以及例如相关人员6的听力损失或听力障碍。随后将激励模式38和相应的测试信号18存储在存储器40中。

在方法步骤42中，根据存储器40的存储的测试信号18和激励模式38确定用于确定耳鸣噪音4的概率相关性44。换言之，借助概率相关性44尤其是确定正面比较结果20b的测试信号18的共同性，因此确定针对最好地掩蔽耳鸣噪音4、因此最好地表示耳鸣噪音4的测试信号18的估计。

比较32及方法步骤34和42以及将测试信号18和激励模式38存储在存储器40中基本上形成共同的方法步骤46。在此重复执行方法步骤46和26，直到在阈值比较48中概率相关性44达到或超过存储的阈值50为止。换言之，在方法步骤26和46之后执行阈值比较48，将概率相关性44与存储的阈值50进行比较。

阈值50在此基本上对应于正面比较结果20b的最小数量或确定合适的概率相关性44所需的存储的测试信号18和/或激励模式38的最小数量。合适的概率相关性44在此尤其是理解为如下概率相关性44，其具有根据其推导出的测试信号18掩蔽耳鸣噪音4的一定的最小概率。这意味着，在所述方法开始时，在每一次比较32后随机设置测试信号18的窄带信号28的幅值30，其中，尤其是针对每个正面比较结果20b计算激励模式38，并且将其与之前的比较结果20a、20b的激励模式38相关。

在概率相关性44没有达到或超过阈值50的阈值比较48的负面比较结果52a的情况下，在方法步骤26中产生具有窄带信号28的随机的幅值30的新的测试信号18，并且在比较32中将其向相关人员6播放，因此重复方法步骤26和46。

在概率相关性44达到或超过阈值50的阈值比较48的正面比较结果52b的情况下，执行概率相关性44与存储的第二阈值56的第二阈值比较54。第二阈值56在此是如下概率值，该概率值给出从概率相关性44推导出的测试信号18再现实际的耳鸣噪音4的概率。换言之，第二阈值56是从概率相关性44推导出的测试信号18对应于耳鸣噪音4的程度的度量。例如将阈值56的大小确定为90％的概率。如果在正面比较结果58a中，概率相关性44达到或超过阈值56，则在结束步骤60中所述方法结束。

在概率相关性44低于阈值56的负面比较结果58b的情况下，开始方法步骤62。在方法步骤62中，根据概率相关性44设置窄带信号28的幅值30。随后在比较32中向相关人员6呈现由此产生的测试信号18。

所述方法因此基本上分为两个部分。在开始阶段，重复执行方法步骤26和46，其中，向相关人员6相应地呈现窄带信号28具有随机设置的幅值30的测试信号18。如果存在足够正面的比较结果20b，即在存储器40中存储了足够多的测试信号18和激励模式38，则由此确定的概率相关性44达到或超过阈值比较48中的阈值50。

在该开始阶段之后，以比较结果52b开始所述方法的结束阶段，在结束阶段，借助概率相关性44针对性地影响和设置测试信号18。在结束阶段，代替方法步骤26和46，重复执行方法步骤62和46，因此比较结果20b或测试信号18和激励模式38越来越多地输送给存储器40。由此，概率相关性40连续改善，直到达到或超过阈值比较54中的阈值56为止。在结束步骤60中，输出和/或存储从概率相关性40推导出的测试信号18，其窄带信号28和幅值30基本上对应于耳鸣噪音4的幅值16和耳鸣频率14。

图3和4分别示出了频率-幅值图表。沿着该图表的水平的x轴(横轴)绘制了频率f，并且沿着该图表的竖直的y轴(竖轴)绘制了幅值A。

图3和图4分别示出了具有7个窄带信号28的测试信号18以及耳鸣噪音4，下面对窄带信号28设置附加附图标记a至g，耳鸣噪音4在该实施例中仅由具有幅值16的耳鸣频率14形成。窄带信号28a至28g分别具有相关的幅值30a至30g。对于窄带信号28e和28f以及28g，附加地以点的形式绘制了相应的激励模式38e、38f、38g。

在图3和图4的实施例中，耳鸣噪音4布置在测试信号18的窄带信号28f的频率范围内。

图3的实施例的测试信号18在此掩蔽了耳鸣噪音4，因为窄带信号28f具有比耳鸣噪音4更大的幅值30f。因此，在比较32中产生正面比较结果20b，由此将测试信号18以及相应的激励模式38存储在存储器40中。

图4的实施例的测试信号18同样掩蔽了耳鸣噪音4。虽然窄带信号28f的幅值30f太小，而本身不掩蔽耳鸣噪音4，但是周围的窄带信号28e和28g产生听觉掩蔽，使得相关人员6不感知到耳鸣噪音4。这种听觉掩蔽在此通过重叠的激励模式38e、38f和38g来描述。在该实施例中，听觉掩蔽尤其是通过窄带信号28e或激励模式38e产生。因此，对于图4的测试信号18，在比较32中也产生正面比较结果20b，因此将测试信号18以及相应的激励模式38存储在存储器40中。

因此，通过在确定概率相关性44的过程中附加地确定并考虑激励模式38，可以使用宽带测试信号18，由此可以可靠地确定耳鸣噪音4的各个耳鸣频率14和其幅值16。

本发明不局限于前面描述的实施例。相反，本领域技术人员也可以从中推导出本发明的其它变形方案，而不脱离本发明的主题。此外，尤其是结合实施例描述的所有单个特征也可以以其它方式相互组合，而不脱离本发明的主题。

在一个备选的设计方案中，代替窄带信号28，例如使用复合音调(Tonkomplexe)或分量音调(Tonkomponente)。分量音调的数量在此主要与要识别的耳鸣的强度有关，以及可能与和听力损失有关的基底膜上的激励模式的宽度有关。如果例如耳鸣的强度相对小，并且基底膜的激励的宽度相对大，则可以以减小的数量的分量音调作为测试信号18执行所述方法。

感知到的音调耳鸣在此经常在1kHz和11kHz之间、尤其是在500Hz和11kHz之间的频率处出现。附加地或备选地，在一个有利的扩展方式中，可以根据这种出现概率减小测试信号18的带宽。

附图标记列表

2 设备

4 耳鸣噪音

6 相关人员

8 控制器

10 显示单元

12 耳机

14 耳鸣频率

16 耳鸣幅值/幅值

18 测试信号

20a、20b 比较结果

22 图像数据

24 开始

26 方法步骤

28、28a、28b、28c、28d、28e、28f、28g 信号频率/窄带信号

30、30a、30b、30c、30d、30e、30f、30g 信号幅值/幅值

32 比较

34 方法步骤

36 模型

38、38e、38f、38g 激励模式

40 存储器

42 方法步骤

44 概率相关性

46 方法步骤

48 阈值比较

50 阈值

52a、52b 比较结果

54 阈值比较

56 阈值

58a、58b 比较结果

60 结束步骤

62 方法步骤

f 频率

A 幅值

Claims (6)

1.一种用于运行用于耳鸣表征的设备(2)的方法，

-其中，在第一方法步骤(46)中产生具有多个信号频率(28、28a、28b、28c、28d、28e、28f、38g)的宽带测试信号(18)并且将其与耳鸣噪音(4)进行比较，其中，与相关联的比较结果(20b)一起存储相应的测试信号(18)，并且其中，根据所存储的测试信号(18)和比较结果(20b)确定用于确定耳鸣噪音(4)的概率相关性(44)，

-其中，在第二方法步骤(26)中改变测试信号(18)的各个信号频率(28、28a、28b、28c、28d、28e、28f、38g)的幅值(30、30a、30b、30c、30d、30e、30f、30g)，

-其中，重复执行第一和第二方法步骤(46、26)，直到概率相关性(44)达到或超过第一阈值(50)为止，并且

-其中，在第三方法步骤(62)中，根据概率相关性(44)改变测试信号(18)的各个信号频率(28、28a、28b、28c、28d、28e、28f、38g)的幅值(30、30a、30b、30c、30d、30e、30f、30g)。

2.根据权利要求1所述的方法，其特征在于，重复执行第一和第三方法步骤(46、62)，直到概率相关性(44)达到或超过第二阈值(56)为止。

3.根据权利要求1或2所述的方法，其特征在于，在第二方法步骤(26)中随机设置测试信号(18)的各个信号频率(28、28a、28b、28c、28d、28e、28f、38g)的幅值(30、30a、30b、30c、30d、30e、30f、30g)。

4.根据权利要求1至3中任一项所述的方法，其特征在于，为了确定概率相关性(44)，使用生理模型(36)。

5.根据权利要求4所述的方法，其特征在于，使用基底膜的模型作为生理模型(36)，其中，根据模型化的基底膜的激励模式(38、38e、38f、38g)确定概率相关性(44)。

6.一种用于耳鸣表征的设备(2)，用于执行根据权利要求1至5中任一项所述的方法。