一种基于血管中心线的黏连割除方法及装置
技术领域
本发明涉及医学成像领域,尤其涉及一种基于血管中心线的黏连割除方法及装置。
背景技术
血管中心线提取是头颈部动脉自动分析过程中重要的一个环节,对血管的命名和走势判断必须建立在正确的中心线提取结果上。血管中心线提取最常见的方式是先对血管做骨架化提取,将血管沿着血管中轴转换为单像素点集,然后再将骨架化像素点转为最小生成树,将树上从根部到叶子结点的路径作为中心线。但由于头颈部动脉拓扑结构比较复杂且血管间距离有时会非常接近,经常会有大量血管间黏连情况发生,通用的黏连割除方法效果并不好。
由此可见,如何更准确、更快捷地割除头颈部动脉中的黏连是亟需解决的一个技术问题。
发明内容
为解决上述问题,本发明实施例提供了一种基于血管中心线的黏连割除方法及装置。
根据本发明实施例的第一方面,提供一种基于血管中心线的黏连割除方法,包括:获取血管分割结果;对血管分割结果进行骨架化处理以得到骨架化结果;对骨架化结果进行图形转换以得到第一图形数据结构,其中,第一图形数据结构包括点和边,边包括两个端点,端点是点的子集;根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边,若存在,则割除黏连边。
根据本发明实施例一实施方式,根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边,包括:根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,若存在,则进一步确定疑似黏连边是否是黏连边。
根据本发明实施例一实施方式,根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,包括:检测第一图形数据结构中是否存在两条以上的边具有相同的端点,若是,则具有相同端点的边是疑似黏连边,第一图形数据结构中存在疑似黏连边。
根据本发明实施例一实施方式,在对血管分割结果进行骨架化处理以得到骨架化结果的同时,该方法还包括:对血管分割结果进行距离变换处理以得到距离变换结果,其中,距离变换结果包括点以及与点对应的距离变换值。
根据本发明实施例一实施方式,根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,包括:检测第一图形数据结构中是否存在第一边的两个端点分别与第二边和第三边相连,若是,则进一步检测第一边是否是疑似黏连边,若是,则第一图形数据结构中存在疑似黏连边。
根据本发明实施例一实施方式,进一步检测第一边是否是疑似黏连边,包括进一步检测第一边是否同时满足以下两个条件,若是,则同时满足以下两个条件的边是疑似黏连边:第一边不是第一图形数据结构中的关键边;第一边的长度小于第一边的两个端点对应的距离变换值之和乘以固定系数K的值。
根据本发明实施例一实施方式,进一步确定疑似黏连边是否是黏连边,包括:计算疑似黏连边的黏连值;根据黏连值判断疑似黏连边是否是黏连边。
根据本发明实施例一实施方式,黏连值取决于至少一个黏连判断因素,相应地,计算疑似黏连边的黏连值,包括:根据第一图形数据结构和/或距离变换结果计算疑似黏连边的每一黏连判断因素的值;获取每一黏连判断因素所对应的权重;根据每一黏连判断因素的值以及每一黏连判断因素所对应的权重计算疑似黏连边的黏连值。
根据本发明实施例一实施方式,黏连判断因素包括以下因素中的至少一个:与相邻边的角度、形态吻合程度和距离变换值的变化率。
根据本发明实施例的第二方面,本发明还提供一种基于血管中心线的黏连割除装置,包括:血管分割结果获取模块,用于获取血管分割结果;骨架化处理模块,用于对血管分割结果进行骨架化处理以得到骨架化结果;图形转换模块,用于对骨架化结果进行图形转换以得到第一图形数据结构,其中,第一图形数据结构包括点和边,边包括两个端点,端点是点的子集;黏连确定模块,用于根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边;黏连边割除模块,用于割除黏连边。
本发明实施例基于血管中心线的黏连割除方法及装置,该方法包括:首先,通过对血管分割结果进行骨架化处理得到骨架化结果;然后对骨架化结果进行图形转换得到图形数据结构;之后,基于拓扑结构检测该图形数据结构中是否存在疑似黏连边,若存在,则进一步根据局部特征并结合头颈部动脉本身形态特征确定疑似黏连边是否是黏连边,若是,则割除黏连边利用。
不难看出,发明人巧妙地将骨架化结果转换为图形数据结构,并基于拓扑结构进行分析和检测,使黏连边的判断建立在较为成熟的理论依据之上,并更易于根据图形数据的关联关系和某一规则筛选出疑似黏连。如此,不仅大大简化了处理过程,还缩小了黏连的排查范围。而进一步根据局部特征并结合头颈部动脉本身形态特征确定疑似黏连边是否是黏连边,则进一步提高了判断黏连的准确度。此外,该方法在实践过程中也被验证可以有效割除头颈部动脉的中心线黏连。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例基于血管中心线的黏连割除方法的流程图;
图2示出了本发明实施例一完整的血管分割结果及骨架化结果示意图;
图3示出了本发明实施例一应用深度优先遍历整个骨架化结果得到第一图形数据结构的具体流程图;
图4示出了本发明实施例一疑似黏连血管分割结果及骨架化结果示意图;
图5示出了本发明实施例另一疑似黏连血管分割结果及骨架化结果示意图;
图6示出了本发明实施例基于血管中心线的黏连割除装置的组成结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
根据本发明实施例的第一方面,提供一种基于血管中心线的黏连割除方法,如图1所示,该方法包括:操作110,获取血管分割结果;操作120,对血管分割结果进行骨架化处理以得到骨架化结果;操作130,对骨架化结果进行图形转换以得到第一图形数据结构,其中,第一图形数据结构包括点和边,边包括两个端点,端点是点的子集;操作140,根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边,若存在,则割除黏连边。
在操作110中,获取血管分割结果的方式,可以是使用工具手动分割出来的,也可以是采用自动化血管分割算法分割出来的。此处的血管分割结果是经过处理、假定正确且完整的血管分割结果,是本发明实施例进行黏连割除的数据基础。如图2所示,其中的(a)就示出了一完整的血管分割结果。血管分割结果的准确度越高,后续进行黏连割除的准确度也就越高。
在操作120中的骨架化处理包括:使用三维细化算法对血管分割结果的最大子连通区域进行骨架化处理得到的骨架化结果。该骨架化结果也可以称作血管中心线,是一系列三维坐标点的集合。图2就示出了一血管分割结果(a)及与之对应的骨架化结果(b)。骨架化处理能够有效地减少数据量,简化血管分割黏连的识别复杂度,还可以进一步提高黏连识别的精准度。
在操作130中,对骨架化结果进行图形转换以得到第一图形数据结构就是对骨架化结果进行进一步处理,将三维坐标点转换为表示图的数据结构并保存其拓扑关系。该图形数据结构通常是个无向图,包括如下关键元素:点(Point),即原始骨架化结果中所有三维坐标表示的点;端点(Vertex),是一种特殊的点,即如果一个点三维26邻域的度不等于2,则该点是一个端点;边(Edge),包括两个端点和一个连接点表,其中连接点表是连接两个端点之间所有点的顺序表。需要说明的是,连接点表中每个点的度必然等于2。
对骨架化结果进行图形转换可以采用如下所示的算法和具体流程:首先,先初始化一个边的并查集和一个端点集;之后,从骨架化边缘上任意一点开始深度优先遍历整个骨架化结果;然后,根据遍历结束后得到的边的并查集和端点集得到第一图形数据结构。
其中,从骨架化边缘上任意一点开始深度优先遍历整个骨架化的过程可以采用如图3所示的方法,该方法包括:
步骤3010,获取一个点;
该点可以是骨架化边缘上任意一点。
步骤3020,判断该点的度数是否等于2,若是,则该点是连接点,继续步骤3050,若否,则该点是端点,继续步骤3030;
步骤3030,加入到端点集;
步骤3040,判断并查集中的当前边是否为空,若是,则该端点是边的第一个端点,继续步骤3050,若否,则该端点是边的第二个端点,继续步骤3060;
步骤3050,将点加入到查集中的当前边;
步骤3060,将点加入到查集中的当前边;结束当前边;新创建一个边;将新建的边设为当前边;将点加入到当前边;
步骤3070,获取该点的所有邻点;
步骤3080,判断该点的所有邻点是否都已经在边的并查集中,若是,则继续步骤3100,若否,则继续步骤3090;
步骤3090,获取不在边的并查集中的一邻点,回到步骤3020进行遍历;
步骤3100,回溯到上一个端点;
步骤3110,判断该端点的邻点是否都已经在边的并查集中,若是,则结束这次执行,若否,则继续步骤3090。
需要说明的是,上述图3所示的仅是一实施方式的具体实现流程,仅用于示例性说明,并不作为本发明实施例实施方式的一种限定。
对骨架化结果进行图形转换以得到第一图形数据结构,就可以直接使用电子计算机或其他设备,根据图论和拓扑学进行图形运算,更快地自动识别出具有黏连特征的边。
在操作140中,此处的拓扑结构指图像形态学中的拓扑结构,而图像形态学主要是以几何学为基础的,这里的拓扑结构也主要以图像的几何结构为主,可以从中获取面积、周长、连通度、颗粒度、骨架和方向性等局部特征。
基于拓扑结构和局部特征进行分析和检测,可以使黏连边的判断建立在较为成熟的理论依据之上,并更易于从中获取图形数据的关联关系,确定是否存在黏连,大大提高了判断黏连的准确度。
在确定存在黏连边后,就可以割除黏连边了。在割除黏连边时,可以采用如下的方法:首先,将边移出图的边集合;然后,将边的两个端点的度减1;之后,如果端点的度等于2,则将该端点移出图的端点集合并将端点的两条邻边合并。
需要说明的是,在按照上述方法完成一次黏连边割除流程后,由于合并边导致拓扑结构发生了变化,可能会产生更多符合疑似黏连边判断规则的边,因此整个流程可能要多次重复,直到没有满足规则的黏连边为止。在实践中,重复执行整个流程的次数通常小于等于3。
根据本发明实施例一实施方式,根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边,包括:根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,若存在,则进一步确定疑似黏连边是否是黏连边。
在本实施方式中,所谓疑似黏连边是根据预先设定的疑似黏连边判断规则有可能是黏连边的边。上述判断规则通常是根据图论或拓扑学理论、结合实施人员对黏连数据的分析和人为经验所总结出的规则。通过疑似黏连边的初步筛选,可以简化处理过程,缩小黏连的排查范围,特别有利于快速找到黏连边。
在确定了疑似黏连边之后,可以进一步结合黏连边与邻边的角度和位置关系以及血管形态拟合等因素进行甄别以最终确定该边是否是黏连边。
根据本发明实施例一实施方式,根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,包括:检测第一图形数据结构中是否存在两条以上的边具有相同的端点,若是,则具有相同端点的边是疑似黏连边,第一图形数据结构中存在疑似黏连边。
在本实施例方式,本发明人经过深入研究和不断实践总结出如下的疑似黏连边判断规则:如果两条或多条边拥有相同的端点,则该边是疑似黏连边。因为,一般正常的血管都是树状的联通区域,不太可能不可能分叉后重新连接。如果出现这种情况,例如,图4所示的一疑似黏连分割结果(a)及骨架化结果(b),则要么是由于血管黏连造成的,要么是特殊变异情况。因此,可以将满足上述条件的边确定为疑似黏连边。
根据本发明实施例一实施方式,在对血管分割结果进行骨架化处理以得到骨架化结果的同时,该方法还包括:对血管分割结果进行距离变换处理以得到距离变换结果,其中,距离变换结果包括点以及与点对应的距离变换值。
在本实施方式中,对血管分割结果进行距离变换得到的是距离变换结果,该距离变换结果中每个点有与之对应的一个灰度值,该灰度值是血管分割结果中每一前景点像素与和它最近的背景像素之间的欧式距离。
对血管分割结果进行距离变换对于识别黏连来说,有很大的帮助:首先,经过距离变换过程得到的距离变换结果,是去除了背景点的结果,相当于一个去噪的过程,仅保留了前景图像,也就是需要分析的目标图像;其次,对于血管来说,血管中心点的距离变换值较大,而血管边缘点的距离变换值较小,如此,也可以通过点的距离变换值识别到血管在形态上的一些异常。
根据本发明实施例一实施方式,根据拓扑结构和局部特征检测第一图形数据结构中是否存在疑似黏连边,包括:检测第一图形数据结构中是否存在第一边的两个端点分别与第二边和第三边相连,若是,则进一步检测第一边是否是疑似黏连边,若是,则第一图形数据结构中存在疑似黏连边。
在本实施例方式,本发明人经过深入研究和不断实践总结出如下的疑似黏连边判断规则:如果第一边的两个端点分别与第二边和第三边相连,则第一边可能是疑似黏连边,如图5所示的另一疑似黏连血管分割结果(a)及骨架化结果(b)。这一疑似黏连边判断规则主要针对两个邻近的血管黏连在一起形成黏连边的情况,但满足这一规则的拓扑结构的边还是比较多见的,即使对于正常的血管来说,也很可能会满足这一规则。例如,如果某个从主干血管延伸出的分支血管,同时还具有下级分支血管,则该分支血管的一个端点就会与代表主干血管的第二边相连,而另一端点则会代表下级分支血管的第三边相连。因此,即使满足以上规则,也不能判断该边就是一个疑似黏连边,还需要进一步地检测和判断。
根据本发明实施例一实施方式,进一步检测第一边是否是疑似黏连边,包括进一步检测第一边是否同时满足以下两个条件,若是,则同时满足以下两个条件的边是疑似黏连边:第一边不是第一图形数据结构中的关键边;第一边的长度小于第一边的两个端点对应的距离变换值之和乘以固定系数K的值。
在本实施方式中,在判断第一边是否疑似黏连边时,主要依据上述两个条件。其中,关键边指连接两个区域的、唯一的一个边,如果去除该边,则原有连通区域变成两个以上不连通区域。显然,满足上述条件的血管不可能是黏连边。此外,如上文所述,在这种情况下出现的黏连边主要指邻近边的黏连产生的边,如果两个边之间的距离较远,也不太可能是黏连边。此时,可以通过边的长度小于边的两个端点对应的距离变换值之和乘以固定系数A的值来判断。通常,满足上述规则的边的长度越小,黏连边的可能性越大。经过本发明人的实践经验总结,A取1.5的效果较好。当第一边同时满足上述两个条件时,该边就是似黏连边。
根据本发明实施例一实施方式,进一步确定疑似黏连边是否是黏连边,包括:计算疑似黏连边的黏连值;根据黏连值判断疑似黏连边是否是黏连边。
黏连值是代表黏连可能性大小的一个预测值,黏连值越大,则该边是黏连边的可能性越大。黏连值的计算是通常基于黏连所具有的、区别于正常血管的一些特性,比如,形态、与邻边的角度、距离变换后的结果等等。
如何根据黏连值判断疑似黏连边是否是黏连边,还要根据不同问题采取不同的方法。例如,对于上文中提到的“如果两条或多条边拥有相同的端点,则该边是疑似黏连边”的情况,通常两个端点间只需保留一条边,此时可以保留黏连值最小的疑似黏连边,而将其他疑似黏连边都作为黏连边割除掉;对于上文中提到的“第一边的两个端点分别与第二边和第三边相连”的情况,只有作为疑似黏连边的第一边的黏连值大于预先指定的一个阈值时,才能确定该边是黏连边。
根据本发明实施例一实施方式,黏连值取决于至少一个黏连判断因素,相应地,计算疑似黏连边的黏连值,包括:根据第一图形数据结构和/或距离变换结果计算疑似黏连边的每一黏连判断因素的值;获取每一黏连判断因素所对应的权重;根据每一黏连判断因素的值以及每一黏连判断因素所对应的权重计算疑似黏连边的黏连值。
通常,由于血管结构本身的复杂性,仅依据某一方面的数据或某一个判断规则判断疑似黏连边是否是黏连边是非常困难的,所得到的结论也可能是片面的和不准确的。在本实施方式中,为了提高黏连边识别的准确度,采用综合多个黏连判断因素,并为每一黏连判断因素赋予相应的权重来计算疑似黏连边的黏连值的方法。例如,使用如下公式计算得到一个综合各黏连判断因素的黏连值:
ad_value=sum(ki*ad_i)
其中,ad_value是疑似黏连边的黏连值;ad_i是每一黏连判断因素;ki是每一黏连判断因素对应的权重值。通常ki是预设的一个值,该预设值可根据分割的方式进行设定,也可以根据实际经验确定,还可以通过机器学习通过大量数据训练获得。
根据本发明实施例一实施方式,黏连判断因素包括以下因素中的至少一个:与相邻边的角度、形态吻合程度和距离变换值的变化率。
在本发明实施方式中,本发明人经过深入研究和不断实践总结出以下黏连判断因素:
1)与相邻边的角度;
通常黏连边倾向于垂直或接近垂直于连接点附近的邻边。举例来说,可以通过下面的公式来计算疑似黏连边与邻边的角度:
ad_angel=abs(sin(ad_edge,left_edge))+abs(sin(ad_edge,right_edge))
其中,ad_angel是疑似黏连边与邻边的角度;abs(sin(ad_edge,left_edge))是疑似黏连边与左侧邻边的角度的绝对值;abs(sin(ad_edge,right_edge))是疑似黏连边与右侧邻边的角度的绝对值。
2)形态吻合程度;
人体特定部位的血管形态往往具有特定的形态,正常血管往往具备这一形态,而黏连边则不具备。利用这一点,可以从形态吻合程度上判断疑似黏连边是否是黏连边。
比如,头颈部的血管大都是上下贯通生长的,越接近水平方向的黏连边是黏连边的可能性就越大。举例来说,可以使用以下公式计算黏连边的形态吻合度:
ad_fix=abs(sin(ad_edge,z_axis))
其中,ad_fix是疑似黏连边的形态吻合程度;abs(sin(ad_edge,z_axis))是疑似黏连边与纵轴之间的角度得绝对值。
此外,如果血管分割图像是通过电子计算机断层扫描(ComputedTomography,CT)得到的,还可以通过CT值的变化率来判断血管形态的吻合程度。大多数CT数值发生剧烈下降的情况都是因为黏连引起,因此,如果疑似黏连边的CT数值发生剧烈下降,则该疑似黏连边很可能是黏连边。举例来说,在这种情况下,可以使用以下公式计算黏连边的形态吻合度:
ad_fix=min(ct(vertex_left),ct(vertex_right))-min([ct(point)inedge_points])/B
其中,ad_fix是疑似黏连边的形态吻合程度;min(ct(vertex_left),ct(vertex_right))为疑似黏连边两个端点中CT值较小的点的CT值;min([ct(point)in edge_points])为连接点中CT值较小的点的CT值;B时一个固定系统。经过本发明人的实践经验总结,B取200的效果较好。
3)距离变换值的变化率。
从形态上讲,黏连边通常会在连接处会突然收窄。因此,还可以通过一个点是否产生剧烈的距离变换值变化来判断疑似黏连边是否是黏连边。
举例来说,距离变换值的变化幅度可通过以下公式计算距离变换值的变化率来衡量:
ad_points=(edt(vertex_left)+edt(vertex_right))/min([edt(point)inedge_points])
其中,ad_points是疑似黏连边的距离变换值的变化率;edt(vertex_left)是疑似黏连边左侧端点的距离变换值;edt(vertex_right)是疑似黏连边右侧端点的距离变换值;min([edt(point)in edge_points])是疑似黏连边连接点的距离变换值最小的点的距离变换值。
实施者可根据实际实施条件选择上述黏连判断因素的至少一个来计算疑似黏连边的黏连值。
本发明人在本发明实施例的某一实施方式中使用了上述全部黏连判断因素,并使用如下公式计算疑似黏连边的黏连值,通过多次实践证实效果较好:
ad_value=k1*ad_points+k2*ad_angel+k3*ad_fix
其中,ad_value是疑似黏连边的黏连值;ad_points是疑似黏连边的距离变换值的变化率;ad_angel是疑似黏连边与邻边的角度;ad_fix是疑似黏连边的形态吻合程度;所使用的权重值为:k1=0.5,k2=0.5,k3=0.2。
当采用上述方法计算疑似黏连边的黏连值时并使用该黏连值判断“第一边的两个端点分别与第二边和第三边相连”的情况下第一边是否为黏连边时,推荐使用1.5作为黏连值的阈值。
根据本发明实施例的第二方面,本发明还提供一种基于血管中心线的黏连割除装置,如图6所示,该装置60包括:血管分割结果获取模块601,用于获取血管分割结果;骨架化处理模块602,用于对血管分割结果进行骨架化处理以得到骨架化结果;图形转换模块603,用于对骨架化结果进行图形转换以得到第一图形数据结构,其中,第一图形数据结构包括点和边,边包括两个端点,端点是点的子集;黏连确定模块604,用于根据拓扑结构和局部特征确定第一图形数据结构是否存在黏连边;黏连边割除模块605,用于割除黏连边。
根据本发明实施例一实施方式,黏连确定模块604包括:疑似黏连边检测子模块,用于检测第一图形数据结构中是否存在疑似黏连边;黏连边确定子模块,用于进一步确定疑似黏连边是否是黏连边。
根据本发明实施例一实施方式,疑似黏连边检测子模块具体用于检测第一图形数据结构中是否存在两条以上的边具有相同的端点,若是,则具有相同端点的边是疑似黏连边,第一图形数据结构中存在疑似黏连边。
根据本发明实施例一实施方式,该装置60还包括:距离变换处理模块,用于对血管分割结果进行距离变换处理以得到距离变换结果,其中,距离变换结果包括点以及与点对应的距离变换值。
根据本发明实施例一实施方式,疑似黏连边检测子模块具体用于检测第一图形数据结构中是否存在第一边的两个端点分别与第二边和第三边相连,若是,则进一步检测第一边是否是疑似黏连边,若是,则第一图形数据结构中存在疑似黏连边。
根据本发明实施例一实施方式,疑似黏连边检测子模块还具体用于进一步检测第一边是否是同时满足以下两个条件:第一边不是第一图形数据结构中的关键边;第一边的长度小于第一边的两个端点对应的距离变换值之和乘以固定系数K的值。
根据本发明实施例一实施方式,黏连边确定子模块包括:黏连值计算单元,用于计算疑似黏连边的黏连值;黏连边判断单元,用于根据黏连值判断疑似黏连边是否是黏连边。
根据本发明实施例一实施方式,黏连值计算单元包括:黏连判断因素值计算子单元,用于根据第一图形数据结构和/或距离变换结果计算疑似黏连边的每一黏连判断因素的值;权重获取子单元,用于获取每一黏连判断因素所对应的权重;黏连值计算子单元,用于根据每一黏连判断因素的值以及每一黏连判断因素所对应的权重计算疑似黏连边的黏连值。
这里需要指出的是:以上基于血管中心线的黏连割除方法实施例的描述,与前述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本发明实施例基于血管中心线的黏连割除装置未描述的实施例及其技术细节,请参照本发明方法实施例的描述,为节约篇幅,因此不再赘述。
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。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,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”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。