CN1550205A - 使用数学模型用于监视的方法和设备 - Google Patents

Abstract

公开一种用于监视的方法和设备。该方法和系统包括数学模型108的使用。当使用生理数学模型108时，该方法和设备在病人监视领域特别有用。数学模型108可被用作识别异常情况106、206。数学模型108还能被用作生成报警116。而且，如果异常情况出现，该数学模型能被用作纠正异常情况，特别用作纠正需要相对紧急关注的异常情况来产生建议治疗510。

Description

使用数学模型用于监视的方法和设备

技术领域

本发明涉及监视。更具体地涉及处理在监视对象过程中获得的数据的方法。

背景技术

监视器用作监视各种变量以寻找特定显著事件的发生。不幸的是，很多这些监视器表明当实际上没有重大事件发生时发生了一个事件(误肯定)。能够降低误肯定率而不增加误否定率的监视器是所希望的。

很多对象拥有独特的性质。一个值可能表明一个对象的异常事件，也可能是另一个对象的正常值。能使用基于对象性质的限制的监视器更优越。

有些时候，一个值的变化是一个重大事件。其它时候，值不变化要比值发生变化是更重大的事件。当无变化很重要时，能够辨别基于无变化事件的监视器更优越。能够识别基于当无变化很重要时的无变化事件，和在当存在变化很重要时的存在变化事件的监视器是所希望的。

另外，在很多紧急情况下，当异常情况出现时，医生需要做出快速的决定。经常的，医生需要浏览大量信息来做出恰当的决定。能够简化医生做决定能力的系统更优越。

并且，包括紧急情况的一些情况对于某个特定的医生是很稀少或难得的。能够在这些环境的某个环境中帮助医生的系统更优越。

并且，在很多现行监视情况下，病人潜在的生理反应是计划一个干预最重要的特征。用于帮助选择适当反应的数据模型可能会十分有益。此外，为了做决定，附加数据可能不是必须的，并可能会增加额外开销。此外，附加、临界的相关数据只可能减缓做决定的过程。对于监视应用程序来说可能不是很重要的这样的一个数据集，可能是病人特殊的解剖特征。因为很多病人监视器的决定要求快速决定，并且不能提供量大、昂贵的过程去获取和处理可能只是临界相关的数据，所以用于监视病人的数学模型倾向于能操作主要是基于生理的数学模型。特别地，用于帮助为被监视病人挑选可选治疗的数学模型倾向于不要求合并病人的解剖特征，以帮助做决定的过程(解剖特征是如某个器官的位置、肋骨的数量、伤口位置以及和物理特征包括年龄、体重、身高、种族、性别等等相反的类似信息的特征)。

下文的教学扩展了包括在附加的权利要求范围内的实施方案，而不管他们是否完成了上面提到的一个或多个需求。

发明内容

一个实施方案是关于产生报警的方法。该方法包括从对象获取数据，以及根据该数据和对象代表的数据模型产生比较。

另一个实施方案利用一个医学监视设备为产生报警提供了一个方法。该方法包括从病人获取数据，以及比较该数据和生理数学模型。然后，比较结果可用于识别异常情况并产生报警。和异常情况相关的信息也可被显示。

另一个实施方案提供治疗病人的一个方法。该方法包括输入和病人相关的生理数据，并且根据生理数据而不用解剖数据模型来确定适当的反应。

另一个实施方案涉及医学监视系统。该系统包括被配置为获取病人相关生理数据的数据获取设备。该系统还包括被配置为产生基于数据获取设备获取的生理数据和考虑对病人治疗效果的数据模型比较的处理器。该处理器也可被配置为根据该比较发送报警信号。

本发明的其它原理特征和优点在本行业技术人员回顾以下附图、详细描述和附加的权利要求后会变得十分明显。

附图说明

图1是根据本发明一个方面的监视系统的一个示例实施方案框图，这里对象被识别、监视器被连接到网络以及根据监视器的使用产生一个记帐记录；

图2是一个用于利用根据本发明一个方面的数学模型来监视对象的流程图的示例说明；

图3是一个用于根据本发明的另一个方面来监视对象的流程图的示例说明，这里会产生不同的报警，并且从多个监视器收集数据；

图4是另一个用于根据本发明的另一个方面来监视对象的系统的示例实施方案；

图5是另一个用于利用根据本发明另一个方面的数学模型来监视对象的流程图的示例说明；

图6是一个根据本发明另一个方面的所获取数据流和仿真数据流比较的示例说明。

具体实施方式

在下面的描述中，为了解释的目的，阐明许多具体的细节，以全面地理解本发明的示例实施方案。但是，业界技术人员显然不需要这可些具体细节就可以实行示例实施方案。在其它情况下，周知的结构和设备在框图表中显示，以方便示例实施方案的描述。

首先参考图1，监视系统8包括监视器14和网络18。监视器14也包括一个允许在网络18之间传输数据的网路接口30。网路接口30最好被配置为允许无线数据传输。更好地，网路接口30被配置为用某个电波频率传输数据。网路接口30可使监视器直接方便网络上的数据传输，或通过将监视器和其它直接方便传输的设备结合来方便数据传输。

从监视器14传输到网络18的数据可能是未加工数据和/或已处理数据。并且，数据能被传输到监视器14以帮助、配置或操作监视器14的功能、或能为其它和监视器14相关的用途服务。例如，和一个特殊对象相关的数学模型326(图4)能利用网络18被传输到监视器14。

数据获取设备13从对象10获取数据。由数据获取设备13获取的数据最好是来自病人的生理数据。处理器25能被配置为根据从获取设备所获取数据和数学模型326产生的比较，以及根据该比较发送报警信号。例如，处理器25可被配置为如果来自病人的生理数据值偏离一个阈值数量或偏离依据数据模型的正常希望的很大量，就发送报警信号。

处理器25可以是任何信号处理电路，比如一个或多个结合了存储在内存中的程序逻辑的微处理器。处理器25可由一系列子处理器组成，每个子处理器执行处理器25其中一个功能。另外，处理器26可执行处理器25的功能。此外，处理器26和处理器25可能是另一个负责不同功能处理器的子处理器。

生理数学模型326要考虑不同人体部位及其它们对治疗过程反应的仿真。考虑对象上事件效果的数学模型是数学地代表对象工作的模型，包括当给出了影响对象10的事件，要考虑从数据获取设备13期望什么样的数据。该模型可用有限元素分析技术创建。例如，生理数学模型326可通过将病人身体系统划分为各部位来操作，并试图数学地表示在各部位生理地发生了什么以及不同部位是如何与医学治疗相互作用和反应的。如果某个事件发生，比如躺在床上、饮食、呼吸、移动、注射麻醉剂、吃药、刺激反应、治疗反应等，这就可被用作计算生理数据的预测值。模型326最好能为许多事件产生预测值。

数学模型326可以是通用的，但最好为考虑对象性质而定制。对于病人，数学模型326可以考虑年龄、体重、和/或其它标准。另外，模型还可以结合与对象相关的经验数据来考虑对象的性质。一些可包含的经验数据可包括图象扫描结果、对象上进行的测试、生理输入以及其它各种病人数据。

有好几种为对象10定制数学模型326的方法。用户可以把对象的性质输入到数学模型326中。这样的信息可以直接从对象文件中接收。除了在对象文件10中找到的那些性质外，该文件可包含来至从对象10注册的预治疗数据流，以合并对象10的性质。

做为用作监视病人生理状况的病人监视系统的基本模型的数据模型的一个例子是麻醉的身体仿真(BODY Simulation)。身体仿真是一个已经在PC上实现的多媒体交互麻醉训练者。它仿真了一个病人、一个麻醉工作站、一个通风设备和气体释放电路、手术室的一部分以及甚至一些手术室的工作人员。麻醉身体仿真是基于生理学和药理学的数学模型。当被刺激物(药物、气体、疼痛等等)影响后，病人的反应被计算得尽可能接近平均人水平。这是利用一套复杂的数学公式完成的。

身体仿真能被用作产生实时数据图，让用户能看到图形显示的不同的临床和生理参数。可以观看在16不同身体部位中的药物浓度和药物质量图。也可以利用动态气体显示和呼吸X-Y图。这些工具让用户能看到压力、流量、抵抗力，以及心脏、血管、肺脏和其它器官的顺应性，及其各部位的药物浓度和药物质量。

数学模型326还可以是可调整的。数学模型326可被调整的一个方式是基于监视结果。例如，如果模型326不断产生假报警，该模型可被调整以适宜对象、更加容错，和/或一些其它降低假报警可能性的方法。

数学模型326还可以是可改变的。例如，模型可以改变，如果一个新的药物在模型看来十分合适，一个更新能被加入以考虑新药物的效果。而且，模型可以改变，因为模型的一部分可用于一种情况，但模型的其它部分可用于其它情况。这可以允许相关部分被应用，而不要求在每种情况运行模型每个部分的冗长步骤。

由处理器25产生的报警信号可基于容错因子，如果容错因子高就允许大的差别。容错因子能基于许多不同的标准。例如，容错因子可以被用户调整，可基于和对象10相关的信息调整，和/或基于向对象10输入的数据量调整(输入数据越多，数学模型就更能精确代表对象)。该容错因子可根据时间变化，并可根据对于对象10的模型的不同应用程序而不同。

另外，由处理器25发出的报警信号可以被发送给和处理器直接物理连接的报警信号设备62，或可位于处理器25远处的报警信号设备60。远程报警信号设备60可以是寻呼机或其它一些通讯设备的一部分。远程报警信号设备60还能够位于离散位置，比如在健康护理设施中的护士工作站。那么从处理器25来的信号就可引起报警信号设备60和62产生报警。

报警信号设备60和62产生的报警可以呈现任何的形式，包括但不仅限于听得见的声音、视觉指示器和/或振动警报。报警信号设备60和62产生的报警可包括指明报警原因的消息。报警信号设备60和62产生的报警可以依据许多标准而不同，这些标准包括引起报警的事件类型和严重程度。另外，如果系统有一个以上报警信号设备，信号通知警报的设备可以依据许多标准而不同，这些标准包括潜在事件类型和严重程度。

处理器25也可以被配置为如果异常情况(可能引起报警的情况)被识别，以产生用于公式化反应的信息。可以使用很多技术在很多方式中识别异常情况。

异常情况存在的可能原因可包括实际异常情况、设备故障、设备的不正确启动(初始的或由以后一些事件引起的不正确——比如病人移动)。

处理器25可处理从不同传感器输入的数据并当异常情况存在时根据输入的数据显示信息。显示的信息可以列出引起确定异常情况存在的数据，可以显示异常情况被指出的原因(比如数据和基于该数据的计算结果)，可以提出为什么异常情况存在的原因，可以建议对被指出异常情况的事实的正常反应，和/或可以是其它和异常情况相关的一些信息。

在健康护理装置中，数学模型最好被用于确定对应于由监视用户所识别的异常情况的适当响应。该异常情况可能立刻对用户产生相反作用。通过对异常情况的反应来确定执行不同治疗的可能效果，数学模型可以用于识别最能减缓异常情况的反应。该系统可包括平衡治疗的长期效果和立刻减轻异常情况的相反作用的短期需求。

当应用到病人，处理器25可以输入和病人相关的不同生理数据来寻找异常情况。输入的生理数据可以被应用到基于生理学和病理生理学的数学模型。该模型可用于正在运行的病人监视，比如发生在危急护理设施中。

存储器22可包括存储数学模型的数据库。被存储的数学模型可以是通用模型，或是前面已经为对象10用户定制的模型。来自存储器22的数据可被传输到监视器14，并且来自监视器14的数据可被传输到存储器22。

监视系统8还可包括事件监视器66。事件监视器66能够监视可能影响基于处理器25所使用的数学模型的预测值的事件发生。例如，病人可能接受静脉药物，那么事件监视器66能监视速率和使用的药物浓度，并监视使用的药物总量。并且，事件监视器66可以用来表明对象10是在移动或躺着，甚至对象10移动的速率或对象10躺了多久。还有很多其它能被事件监视器66监视的事件。于是，事件监视器66能根据对对象10的监视发送信号。然后事件监视器信号可被包括到基于数学模型的预测值的计算中。

参考图2，用数学模型来监视对象的过程包括在步骤140识别对象。在步骤140的识别可以被手工执行(操作者把用户ID输入到监视器14中，操作者插入用户ID卡等)，或自动执行(使用无线检测器无线识别病人)。基于被识别对象，被识别对象的性质在步骤110被导入。这些性质和被存储的基本数学模型一起在步骤108被用作形成调整模型。这可以通过改变反应对象性质的数学模型参数来完成。在步骤102存储的基本数学模型可以是通用模型或以前已经为对象定制的模型。对于病人，基本数学模型最好能包括生理数学模型。

并且，在步骤100从对象得到数据。对于病人，该数据最好能包括由监视器收集的生理数据。该数据可以来自一个源也可以来自多个源。在步骤106产生基于来自步骤108的调整模型和在步骤100获取的数据之间的比较。该比较最好包括所获得数据的至少一个值和用数学模型预测的值之间的比较，以及两个值之间是否不同的决定。

在块112，在块106上产生的比较用作确定是否需要产生一个报警。确定是否需要产生一个报警可基于任何数量的标准。另外，可基于不同标准来产生不同的报警种类/级别。如果报警没有产生，那么在步骤100获取数据。如果需要产生报警，那么在步骤116产生报警。

之后，在步骤118做出报警是否是有效报警的决定。如果本不应当产生该报警，该决定能由发送输入的用户做出，该决定能通过监视对象的其它源表明是否应当产生报警做出，该决定能使用这些标准的一些组合来做出，或使用一些其它标准来做出。如果报警不是有效的，在步骤108调整数学模型使该模型作为一个更好的适当报警预测者运行。如果报警有效，在步骤114生成报警记录，并且在步骤100获取数据。

参考图3，和对象相关的数据在块200从多个监视器获得。从多个监视器获得的数据在块204被相关以形成相关数据集。该相关数据集只参考对象的一个被监视性质，或参考对象的多个被监视性质。在块206，相关数据被用来产生相关数据集和对象数学模型之间的比较。该比较可包括对分别来自每个监视器的数据和基于数学模型的预测值所做的比较，或可包括对整个相关数据集和基于数学模型的预测值所做的比较。

在块208，在块206上的比较用作确定情况是否足够严重以在块210上产生严重报警。如果条件还不够严重，用在块206上的比较来在块212上确定情况是足够否严重以需要在块210上产生中等报警。如果这些情况不能保证中等报警，用在块206上的比较来在块216上确定足够否严重以需要在块218上产生轻微报警。产生的报警严重程度可能依赖于预测值和数据之间的差异量，也可基于数据值和预测值不相同数量等等。

如果没有产生报警，在块200上获得数据。如果一个报警被发送到210、214或218，该报警原因的标记在块202上产生。该标记可以是任何形式。另外，该标记可指出什么样的值不恰当，和/或哪些监视器正给出指明报警的指示数。另外，引起报警的值可组合在一起，以为用户给出更好的报警原因标记(而不需要察看大量不同的地点去寻找适当的值)。

现在参考图4，病人生理监视装置310包括为了接收实时生理数据流316与病人传感器314通信的控制器312。可预期病人传感器314和实时生理数据流316可包含许多种监视病人生理性质。这些性质包括但不局限于心率、血压、StO2、CO2、EtC2、呼吸率和各种其它病人生理反应。能够理解，许多种这些反应和为接收它们而设计的传感器314都可以被使用。类似地，本行业技术人员也可以理解放大器、过滤器和数字转换元件的主机可以和传感器314结合使用。本行业技术人员可以理解控制器312可以和许多种交互元件比如显示器318和控制特征320结合使用。

控制器312包括适于执行多种图5中所示功能的逻辑322。需要理解，术语控制器312和逻辑322被用作单数的本国语，但多个互不相同的控制器312和逻辑322也可以被使用，并且可预期会被合并到已选本国语中。用举例的方法，一个独立的生理效仿系统324可以用作执行不同的功能。逻辑322适于开发病人的生理数学模型410。

逻辑322注册治疗程序450的初始化。可以使用许多种治疗程序。用举例的方法，一个预期治疗程序在手术前预测麻醉剂对病人的施行。但是，其它治疗程序可包含很大范围的程序，包括但不局限于药物注射、气体治疗和甚至简单的观察护理。治疗程序450的初始化打算包括许多同时发生的单个治疗。治疗程序450的初始化和在生理数学模型460上的治疗程序仿真是一致的。如所陈述的，生理数学模型326是允许治疗和对该治疗预期反应仿真的人体解剖系统的仿真。

可以理解，逻辑322中用物理治疗程序470调整仿真治疗的单独一步也可被合并。调整逻辑470企图包括许多实施方案。

在一个实施方案中，可以预期一个临床医生在选择一个治疗和所述数学模型326中的参数后就会在物理过程开始的几乎同一时刻激活仿真过程。

在另一个实施方案中，可以预期仿真过程(数学模型326)能被置于和治疗设备、或一组这样的设备通信的位置，这样激活治疗设备328就能自动地实行仿真治疗的开始。仍在另一个预期实施方案中，治疗设备328和数学模型326间的通信考虑到为数学模型326提供精确实时治疗信息。例如，麻醉剂的类型、质量和流动率可自动地从治疗设备328传递到数学模型326，这样仿真治疗就精确地反应出物理治疗而不用要求和临床医生过多的交互。

数学模型326被用作产生响应仿真治疗460的仿真生理数据流480。需要理解，仿真生理数据流330不需要代表每时每刻病人生理数据的确切预测，但能代表一段时间预测响应的某个范围。逻辑322还适于从病人接收实时生理数据流490。如所述的，实时生理数据流316企图包含许多不同的病人生理性质。逻辑322适于比较实时生理数据流和仿真生理数据流495。这允许实时生理数据流316和仿真生理数据流330之间比较以证实病人响应数学模型326所预测的治疗。逻辑322接着检测实时生理数据流316和仿真生理数据流330之间的偏差500来确定病人对治疗的反应是否和数学模型326所预测的不同。如果偏差332被发现，逻辑322适于产生报警警告510。该报警警告企图包括可听见的报警和临床指导声明。

可以理解，可以利用许多种检测偏差500的途径。在一个预测实施方案中，偏差332可简单地代表一个相关于仿真生理数据流330的硬阈值，仿真生理数据流330一旦被实时生理数据流316超过就引发报警警告。在其它实施方案中，当实时生理数据流316开始向仿真生理数据流330预测的反方向移动时，偏差332可被注册。这样，如果仿真生理数据流330预测到心率下降而实时生理数据流316上升或保持不变，偏差332由逻辑322注册。作为一个实际例子，如果病人要动手术，一般会使用麻醉剂。响应麻醉剂，病人的血压通常会快速的下降。但是在手术的某个期间，手术很集中并且使血压上升。这样有效血压会保持不变。普通的监视系统没有办法确定这种血压的无变化而应当产生警告报警(因为由麻醉剂而使血压的下降是所期望的)。这里，当血压保持不变，偏差332被注册并且报警发声510。

企图减少不期望报警警告发生的许多特征也可被合并。其中一个特征预测基线平均数据的生理数据流520。基线数据平均值334是实时生理数据流316的平均速率。术语平均数据和平均速率企图包含数据平均和跟踪技术。通过举例的方式，一个这样的实施方案比较每个新的生理数据样本并将其和运行基线334以及和通过预先确定值在基线334中下一点的增量或减量做比较。这样，通过利用这一技术以及各种其它技术，基本数据平均值334能跟踪和时间一致的真实生理变化。

另外，基本数据平均值334的应用有利于忽略噪声和产生的其它人造物品。在实施方案中，通过利用基本数据平均值334，实时生理数据率和仿真生理数据率间的比较由比较仿真生理数据率330和基本数据平均值334来完成。虽然只公开了单个减少不必要报警的方法，但是许多的方法和途径可以利用。

可以增加许多特征来扩展监视系统8在医疗设施中的有效性。其中这样一个增加的特征是通过将逻辑322适于产生对提出的治疗530的仿真生理响应的预测来达到的。这允许临床医生检查病人对治疗的那些反应会发生在治疗450实际初始化之前。这个特征唯一一个优点是能允许临床医生在治疗比如手术期间在治疗室中直接从监视系统310访问该预测功能。这样，即时预测建议能够在手术和其它以前本不可用的治疗选项期间成为可用。

另一项特征包括和监视系统310通信的多个网络连接的监视器336。这些网络连接的监视器336允许病人被移动到任何网络中的监视器并仍然保留了比较实时的生理数据流316和仿真生理数据流330的功能。通过举例的方式，一个病人可能在手术过程中接受了麻醉剂。在手术结束之后，病人一般被移动到恢复室。通过使用和监视系统310通信的网络连接的监视器336的数学模型326，可继续生成能和实时生理数据流316比较的仿真生理数据流330。因此，因为模型预测到对麻醉剂效果逐渐出现的反应的生理数据的调整，所以它能和实时生理数据流316比较，以监视病人在康复过程中是否出现问题。这样，如果病人没有按所期望的对麻醉剂有适当的表现，警告报警响起，使得临床医生做进一步分析。虽然列出了单个的例子，但是应当理解许多种过程可以利用网络连接的监视器336做出。

再次参考图1，监视器14包括被配置为识别对象10的身份检测设备16。身份检测设备16能通过检测和对象10的利害有关的识别设备12来识别对象10。识别设备12是一块卡或其它和对象相关的物体。识别设备12可被配置为允许用身份检测设备16进行无线检测。

网络18可以是任何类型数据能在其上传输的网络。例如，网络18可以是一个局域网，一个广域网和因特网。网络18和报告产生器20、数据存储设备22、记录保管设备24、处理器以及显示器连接。报告产生器20可基于通过监视器14的数据获取设备13所获取的数据来产生报告，数据存储设备22可存储通过监视器14的数据获取设备13所获取的数据，记录保管设备24可用于通过监视器14的数据获取设备13所获取的数据来生成或增加记录，处理26能处理以及显示器28能显示通过监视器14的数据获取设备13所获取的数据。

另外，帐单生成器32能基于监视器14的使用生成帐单。帐单生成器32能为监视器14的使用生成帐单，或可将监视器14的使用合并到一个将被发送的更大帐单中。帐单生成器32还能监视监视器14的使用，并且根据监视器14的使用生成报告。帐单生成器32还能用作向网络18中的人发送通知，以表明监视器14已经被使用并且被记帐了。期望接收到该通知的人可能包括病人的主治医生、治疗医生和保险承担人以及病人。传递通知到保险承担人可允许更快地批准突然、意料外的监视器14的使用。这就使医院能更快积累资金并使病人更少地的担心在治疗之后得到保险总额。一旦帐单生成，就可以被物理地或电子地发送给接受者。该接受者可以是计算保险总额范围以及根据监视器14使用的支付总额的保险公司的一台计算机。

在不同详细的和示例的实施方案及技术的参考下描述了本发明。但是需要理解，在保持本发明思想和范围的同时可以做很多的变化和修改。例如，虽然本发明对病人监视特别有用，本发明的一些方面可以应用在其它监视活动中。

Claims (16)

1.一种产生报警的方法，包括：

从多个测量不同数据100、200类型的数据源获取来自对象的数据；并且

基于代表对象的数学模型和数据产生比较106，206。

2.权利要求1的方法，更进一步包括基于比较116、210、214、218产生报警。

3.权利要求1或2的方法，更进一步包括基于比较106、206识别异常情况。

4.权利要求3的方法，更进一步包括显示与已被识别的异常情况202相关的信息。

5.权利要求4的方法，其中被显示的信息包括被识别的异常情况202的原因。

6.权利要求3、4或5的方法，其中被显示的信息包括对异常情况510识别的建议反应。

7.权利要求1-6的方法，其中数据是和对象生理特性490相关的数据。

8.权利要求1-7的方法，其中数学模型包括一个生理数学模型410。

9.权利要求1-8的方法，其中所述数据和所述数学模型的比较包括确定基于所述模型预测的预测值和基于所述获取的数据106的数值之间的不同程度。

10.权利要求1-9的方法，更进一步包括修改所述数学模型的参数以反应对象108的性质。

11.权利要求1-10的方法，更进一步包括从数据库110获得对象的性质。

12.权利要求1-11的方法，其中所述对象的所述数学模型模拟治疗效果。

13.权利要求12的方法，其中用所述生理数学模型所模拟的一个治疗从由药物实施和治疗实施460组成的一个组中选择。

14.权利要求1-13的方法，其中从对象获取的数据包括从多个监视器200获取生理数据。

15.一种实现权利要求1-14的方法的医学监视系统，包括：

被配置为获取和病人相关的生理数据的数据获取设备13；和

被配置为基于由所述数据获取设备获取的生理数据和由生理数学模型106、206预测的值而产生的比较，并被配置为基于所述比较112来发送一个报警信号的处理器25、26。

16.权利要求1-14的方法，更进一步包括为基于所述数据模型326中使用的生理数据来确定一项适当的治疗510，其中所述数据模型326不向将被合并的解剖特征去要求将被生成的适当建议。

Images