基于时间序列漫射光相关谱的深层组织血流提取方法 |
|||||||
申请号 | CN202311666330.X | 申请日 | 2023-12-06 | 公开(公告)号 | CN117524494A | 公开(公告)日 | 2024-02-06 |
申请人 | 中北大学; | 发明人 | 尚禹; 桂志国; 王珺琪; 严俊娟; | ||||
摘要 | 本 发明 涉及组织血流测量技术领域,公开了一种基于时间序列漫射光相关谱的深层组织血流提取方法,包括以下步骤:S1:获取时间序列上的近距离与远距离归一化光强时间自相关曲线并归一化;S2:分别计算近距离和远距离曲线对应的斜率;S3:根据对应的斜率分别计算近距离和远距离一阶血流值;S4:构造目标函数,利用最小二乘法得到一阶残差;S5:根据一阶残差对远距离的单血流值进行归一化处理得到深层组织一阶血流值;S6:更新曲线重复S2~S5,得到深层组织二阶血流值;S7:重复S6直至得到N阶深层组织血流值。本发明可以实现在无形态信息的情况下进行深层组织血流的测量。 | ||||||
权利要求 | 1.一种基于时间序列漫射光相关谱信号的深层组织血流提取方法,其特征在于,包括以下步骤: |
||||||
说明书全文 | 基于时间序列漫射光相关谱的深层组织血流提取方法技术领域背景技术[0002] 深层组织血流的检测对于手术和诊断的重要性不言而喻。其中,头部的深层组织为脑皮层,乳腺的深层组织为腺体和小叶。近年来,脑血管疾病,如脑卒中、阿尔茨海默病和休克是主要的死亡原因之一,脑血管疾病通常会引起脑功能障碍,从而导致脑的一些生理指标(如脑皮层血流量‑CBF)发生变化。因此,可以用CBF作为指标进行脑血管疾病的诊断与治疗;类似地,乳腺深层组织的血流异常也是乳腺肿瘤的功能表现之一。但是,在静态信号下诊断指标不明显难以确诊,而动态连续的深层组织信号观测更为准确清晰,例如,可以通过一些动态方案(例如:认知任务、自主屏气,直立‑倾斜试验床等)来观察脑状况。 [0003] 目前医院里使用的脑血流设备主要是超声多普勒(又称为经颅多普勒)和灌注磁共振(ASL‑MRI)技术,但这两种技术都存在局限性。超声多普勒测量的是脑主干血管,但是很多脑疾病与局部微血管循环有关,对于深层组织血流的测量具有局限性;ASL‑MRI可以得到很高空间分辨率,但是测量成本昂贵,对硬件要求较高,而且也不容易实现动态和连续测量。 [0004] 近年来兴起了一种近漫射光相关谱技术(DCS)用于测量组织血流。DCS是利用时间自相关方法来快速估计红细胞的运动引起的光场扰动,从而无创监测深部组织微血管血流的技术,于1995年首次被用于量化深部组织的血流。由于其无创、低成本、便携等优点,DCS技术已被频繁地用于评估各种人类受试者的脑血流。过去普遍认为深层组织的血流信息可以通过较大源(S)‑探测器(D)间隔(不小于2.5cm)的光纤探测器收集的DCS信号提取,较大的S‑D间隔可以提供较大的穿透深度。但是,这样的信号深受来自表层组织(如头部的头皮和颅骨;乳腺部位的皮肤和脂肪)的光信号的影响,传统的从DCS数据提取血流值的方法(例如:相关扩散方程的解析解,文献Biomedical Optics Express,2(7)1969‑85,2011)无法去除表层组织的影响。或者需要具体的形态学信息(例如,组织几何形状、层厚度等),而这些信息在实际应用中通常是不易测得的。 发明内容[0005] 本发明克服表层组织(如头皮和颅骨)的光信号将显著影响深层组织(如大脑皮层)的血流动力学测量以及传统方法寻求相关扩散方程的解析解在数学上是复杂的、通常使用的半无限近似可能会在具有大曲率的小体积组织中导致血流估计误差、需要形态信息等不足,所要解决的技术问题为:在没有形态信息的情况下,从时间序列的DCS信号中提取深层组织血流信息。 [0006] 为了解决上述技术问题,本发明采用的技术方案为:一种基于时间序列漫射光相关谱信号的深层组织血流提取方法,包括以下步骤: [0008] S2:分别计算近距离和远距离归一化电场时间自相关曲线对应的斜率; [0009] S3:根据对应的斜率分别计算近距离一阶血流值αDB(1)(E,q)和远距离一阶血流值(1) (1) (1)αDB (F,q);其中,αDB (E,q)和αDB (F,q)分别表示第q条近距离和远距离归一化电场时间自相关曲线对应的近距离一阶血流值和远距离一阶血流值; [0010] S4:根据步骤S2得到的斜率值构造目标函数,利用最小二乘法计算目标函数最小时对应的参数K的值并计算对应的一阶残差; [0011] S5:根据一阶残差对步骤S3得到的远距离一阶血流值进行归一化处理得到深层组织一阶血流值; [0012] S6:根据近距离一阶血流值和深层组织一阶血流值,更新近距离和远距离归一化(2)电场时间自相关曲线,重复步骤S2~S3计算新的斜率值以及近距离二阶血流值αDB (E,q)(3) 和远距离二阶血流值αDB (F,q);重复步骤S4得到二阶残差,然后重复步骤S5根据二阶残差对步骤S3得到的远距离一阶血流值进行归一化处理得到深层组织二阶血流值; [0013] S7:多次重复S6,直到得到N阶残差,通过N阶残差对远距离一阶血流值进行归一化得到深层组织N阶血流值,作为深层组织血流值。 [0014] N的取值为大于5。 [0015] 所述步骤S1中,曲线转化的公式为: [0016] g2(τ)=1+β|g1(τ)|2 [0017] 其中,g1(τ)表示转化后的近距离或远距离归一化电场时间自相关曲线,τ是相关函数的延迟时间,g2(τ)表示原始的近距离或远距离归一化光强时间自相关曲线,β为常数。 [0018] 所述步骤S2中,斜率的计算公式为: [0019] Sl=(yxm‑ym·xm)/(xxm‑xm·xm); [0020] 其中,Sl表示斜率,yxm,ym,xm,xxm,xm表示中间参数,其计算公式为: [0021] [0022] [0023] [0024] [0025] 其中,i表示在归一化电场时间自相关曲线上取样的第i个点,1≤i≤n,n表示取样点数量,x(i)表示取样的第i个点对应的横坐标,y(i)表示取样的第i个点对应的纵坐标的值减1。 [0026] 所述步骤S3中,一阶血流值的计算公式为: [0027] αDB(1)=‑Sl/(2·μs'·ppath·k0·k0); [0028] 其中,αDB(1)表示一阶血流值,Sl表示对应的归一化电场时间自相关曲线的斜率,μs’是约化散射系数;ppath是光子在组织内传输的平均路径;k0=2π·nf/λ,nf是组织的折射系数,λ是光的波长。 [0029] 所述步骤S4中,构造的目标函数为: [0030] [0031] 其中,f(K)表示目标函数,K表示目标参数,SlF,q和SlE,q分别表示第q条远距离和近距离归一化电场时间自相关曲线对应的斜率。 [0032] 所述步骤S5中,归一化处理得到深层组织一阶血流值的计算公式为: [0033](1) [0034] 其中, 表示第q个深层组织一阶血流值;Rq 表示第q条远距离归一化自相关曲线对应的一阶残差, 表示第q条远距离归一化自相关曲线对应的远距离一阶血流值。 [0035] 所述步骤S6中,更新近距离归一化电场时间自相关曲线的具体方法为,将步骤S1得到的近距离归一化电场时间自相关曲线减去步骤S3得到的近距离一阶血流值,得到的曲线作为新的近距离归一化电场时间自相关曲线; [0036] 更新远距离归一化电场时间自相关曲线的具体方法为,将步骤S1得到的远距离归一化电场时间自相关曲线减去步骤S5得到的深层组织一阶血流值,得到的曲线作为新的远距离归一化电场时间自相关曲线。 [0037] 所述深层组织为脑皮层或乳腺。 [0038] 本发明与现有技术相比具有以下有益效果: [0039] 本发明提供了一种基于时间序列漫射光相关谱信号的深层组织血流提取方法,通过对原始的近距离与S‑D远距离相关曲线计算斜率得到近距离和远距离一阶血流值,然后基于泰勒分解利用单阶血流值对时域内的多条相关曲线分别进行更新后,计算归一化后的深层组织一阶血流值,并基于近距离一阶血流值和深层组织一阶血流值重新对各条相关曲线进行更新,进而得到远距离二阶血流值以及远距离多阶血流值,基于远距离多阶血流值实现了深层组织血流值的提取,因此本发明可以由时间序列的DCS信号实现在无形态信息的情况下进行深层组织血流的测量,计算机仿真标明,五阶以上的计算过程恢复得到的深层血流与原始血流高度一致,验证了所提算法的有效性,即该算法能够准确地重建深层组织血流信号。试验得到的三组的相关系数(即原始和恢复的深层血流值之间的相关系数)分别为0.9999、0.9955、0.9678,证明了本发明的血流提取算法的优良性能,其可以广泛应用于漫射光相关谱的测量技术领域。附图说明 [0040] 图1为本发明实施从时间序列DCS数据中提取血流的计算方法流程图; [0041] 图2为本发明实施过程中所需要的DCS漫射光设备的示意图; [0042] 图3为本发明实施过程中人体头部近距离S‑D和远距离S‑D示意图(即S‑D1为近距离,S‑D2为远距离),以及本发明算法处理DCS数据简要步骤图; [0043] 图4为本发明实施的过程中的计算机模拟方法的成人头部模型图; [0044] 图5为本发明通过计算机模拟设置的代表浅层组织的头皮和代表深层组织的脑皮层信号(即血流波)的三种组合示意图; [0045] 图6为本发明通过计算机模拟方法中得到的血流曲线变化图; [0046] 图7为本发明采用的体模实验装置图; [0047] 图8为本发明实施的过程中仿体实验测量数据中获得的血流变化曲线图。 具体实施方式[0048] 为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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。 [0049] 如图1所示,本发明实施例提供了一种基于时间序列漫射光相关谱信号的深层组织血流提取方法,包括以下步骤: [0050] S1:获取时间序列上的多条光源‑探测器近距离归一化光强时间自相关曲线与远距离归一化光强时间自相关曲线,将其转化为归一化电场时间自相关曲线并计算组织的系数矩阵。 [0051] 所述步骤S1中,曲线转化的公式为: [0052] g2(τ)=1+β|g1(τ)|2; (1) [0053] 其中,g1(τ)表示转化后的近距离或远距离归一化电场时间自相关曲线,τ是相关函数的延迟时间,g2(τ)表示原始的近距离或远距离归一化光强时间自相关曲线,β为常数,本实施例中取值0.5。后文将归一化电场时间自相关曲线简称为相关曲线。 [0054] 归一化电场时间自相关曲线g1(τ)可以表示为: [0055] [0056] 将g1(τ)与泰勒多项式相结合,可以得到如下形式的一阶近似(N=1)和N阶近似(N>1): [0057] [0058] [0059] 其中,A表示与组织相关的系数矩阵,其计算公式为: [0060] [0061] 其中,A(i,j)表示系数矩阵A的矩阵元。m为血流变量的个数,在本发明中m=2;τ是相关函数的延迟时间。G1是非归一化电场时间自相关函数,是位置变量,P(s)是被探测光*子路径长度s的归一化分布,k0是光在介质中的波矢量值,αDB是生物组织中的血流指数。l是光子随机游走的步长,等于1/μs'(μs'是折合的散射系数)。j(j=1,2,…,n)是第j个探测器,w(p,j)是第p个探测到的光子分组的权重因子。s(i,p,j)是其在第i个组织类型内的路(1) (N) 径长度;矩阵元A(i,j)可以由这些已知参数计算得到。Sl 和Sl 分别表示以τ为横坐标、公式(3)或者(4)的左端项为纵坐标的离散点构成的斜率。 [0062] S2:分别计算近距离和远距离归一化电场时间自相关曲线对应的斜率。 [0063] 所述步骤S2中,斜率的计算方法为:在两条对应的近距离和远距离归一化电场时间自相关曲线上各取n个点分别获得n对数据(τ(n),g1(n)‑1),并做下列变量替换:x(i)=τ(i),y(i)=g1(i)‑1,1≤i≤n; [0064] 则斜率的计算公式为: [0065] Sl=(yxm‑ym·xm)/(xxm‑xm·xm); (6) [0066] 其中,Sl表示斜率,yxm,ym,xm,xxm,xm表示中间参数,其计算公式为: [0067] [0068] [0069] [0070] [0071] 其中,i表示在归一化电场时间自相关曲线上取样的第i个点,1≤i≤n,n表示取样点数量,x(i)表示取样的第i个点对应的横坐标,y(i)表示取样的第i个点对应的纵坐标的值减1。通过公式(6)~(10),可以分别计算出一对近距离和远距离归一化电场时间自相关(1)曲线的斜率,即式(3)中的斜率Sl 。 [0072] 对于时间序列(设为W个)的每一对相关曲线(即近距离和远距离),利用此方式可以得到W个SlE和SlF;记为SlE,q和SlF,q(q=1,...,W)。 [0073] S3:根据对应的斜率分别计算近距离一阶血流值αDB(1)(E,q)和远距离一阶血流值(1) (1) (1)αDB (F,q);其中,αDB (E,q)和αDB (F,q)分别表示第q条近距离和远距离归一化电场时间自相关曲线对应的近距离一阶血流值和远距离一阶血流值; [0074] 所述步骤S3中,近距离一阶血流值和远距离一阶血流值的计算公式为: [0075] αDB(1)=‑Sl/(2·μs'·ppath·k0·k0); (11) [0076] 其中,αDB(1)表示一阶血流值,Sl表示归一化电场时间自相关曲线的斜率,μs’是约化散射系数;ppath是光子在组织内传输的平均路径;k0=2π·nf/λ,nf是组织的折射系数,λ是光的波长。通过对W个时间序列中的曲线对(即一对远距离和近距离的相关曲线)分别进(1) (1)行计算,可以得到W组αDB (E,q)和αDB (F,q)的值。其中,q=1,...W。 [0077] S4:根据步骤S2得到的斜率值构造目标函数,利用最小二乘法计算目标函数最小时对应的参数K的值和对应的一阶残差。 [0078] 令组织类型的数量m=2,则每个组织类型(例如头皮,脑皮层)有一个血流值,对应血流变量分别为aDB(1)和aDB(2),由公式(3)得: [0079] SlE=ATE1αDB(1)+ATE2αDB(2),SlF=ATF1αDB(1)+ATF2αDB(2) (12)[0080] 令: [0081] R=SlF‑K*SlE, (13)[0082] 得: [0083] R=(ATF1‑KATE1)αDB(1)+(ATF2‑KATE2)αDB(2) (14)[0084] 其中,两个组织类型分别为浅层组织(例如:头皮)和深层组织(例如:脑皮层)。R表示近距离和远距离斜率的加权残差。SlE和SlF分别表示近距离和远距离电场时间自相关曲线对应的斜率,αDB(1)和αDB(2)分别表示近距离和远距离电场时间自相关曲线对应的浅层T T组织和深层组织血流值。A E1、A E2分别表示近距离系数矩阵AE的第一列和第二列的转置,T T AF1、AF2分别表示远距离系数矩阵AF的第一列和第二列的转置。 [0085] 因此,所述步骤S4中,令K=ATF1/ATE1,构造的目标函数为: [0086] [0087] 其中,f(K)表示目标函数,K表示目标参数,SlF,q和SlE,q分别表示第q条远距离和近距离归一化电场时间自相关曲线对应的斜率;这里目标参数K为未知,可以利用最小二乘法,获得f(K)取最小值的对应的参数K的值,记为K0。通过最小二乘法,还可以得到对应的一阶残差 [0088] 根据公式(14),一阶残差可以表示为: [0089]T T [0090] 其中, 表示一阶残差,K0表示目标函数最小时对应的目标参数K的值,AF2和AE2(1)分别表示近距离和远距离信号对应的系数矩阵的转置矩阵,αDB (2,q)表示第q对自相关曲线对应的一阶深层组织血流值。 [0091] S5:根据一阶残差对步骤S3得到的远距离一阶单距离血流值进行归一化处理得到深层组织一阶血流值。 [0092] 所述步骤S5中,归一化处理得到深层组织一阶血流值的计算公式为: [0093] [0094] 其中, 表示第q对曲线对应的深层组织一阶血流值;Rq(1)表示第q对曲线对应的一阶残差, 表示第q条远距离曲线对应的远距离一阶血流值。 [0095] S6:根据近距离一阶血流值和深层组织一阶血流值,更新近距离和远距离对应的归一化电场时间自相关曲线,并重复步骤S2~S3计算新的斜率值以及近距离二阶单距离血(2) (2)流值αDB (E,q)和远距离二阶单距离血流值αDB (F,q);重复步骤S4得到二阶残差,然后根据二阶残差对步骤S3得到的远距离一阶血流值进行归一化处理得到深层组织二阶血流值α(2) DB (2,q)。 [0096] 所述步骤S6中,更新近距离归一化电场时间自相关曲线的具体方法为:将步骤S1得到的近距离归一化电场时间自相关曲线减去步骤S3得到的近距离一阶血流值,得到的曲线作为新的近距离归一化电场时间自相关曲线;更新远距离归一化电场时间自相关曲线的具体方法为:将步骤S1得到的远距离归一化电场时间自相关曲线减去步骤S5得到的深层组织一阶血流值,得到的曲线作为新的远距离归一化电场时间自相关曲线。 [0097] 本实施例中,根据公式(3)和(4),对于近距离曲线来说,步骤S3得到的单距离一阶血流值相对于公式(4)的左端第三项,因此,将原始的归一化电场时间自相关曲线减去步骤S3得到的单距离一阶血流值后,得到的曲线对应于公式(3)的形式。而对于远距离曲线来说,将原始的归一化电场时间自相关曲线减去归一化后的深层组织一阶血流值,可以得到更加准确的深层组织信息。 [0098] 本实施例中,近距离和远距离对应的归一化电场时间自相关曲线进行更新后,可以重新计算得到两组斜率值,根据公式(11),利用两组斜率值可以得到近距离二阶血流值α(2) (2)DB (E,q)和远距离二阶血流值αDB (F,q);其中近距离对应的二阶血流值用于后续循环中对近距离归一化电场时间自相关曲线进行更新,近距离和远距离的二阶血流值可以计算得到二阶残差,远距离对应的一阶血流值通过二阶残差归一化后,也用于后续对近距离归一化电场时间自相关曲线进行更新。 [0099] S7:多次重复S6,直到得到N阶残差,对远距离一阶血流值进行归一化得到深层组织N阶血流值,作为深层组织血流值。 [0100] 具体地,首先分别根据近距离的二阶血流值αDB(2)(E,q)和深层组织二阶血流值αDB(2)(2,q),再次更新对应的电场时间自相关曲线,并计算新的斜率值、近距离三阶血流值αDB(3) (3) (E,q)和远距离三阶血流值αDB (F,q);然后重复步骤S4构造目标函数,利用最小二乘法(1) 得到三阶残差,最后根据三阶残差对远距离一阶血流值αDB (F,q)进行归一化处理得到深(3) (3) 层组织三阶血流值αDB (2,q)。然后,根据近距离的三阶血流值αDB (E,q)和深层三阶血流(3) 值αDB (2,q),再次更新对应的电场时间自相关曲线后,依次重复步骤S2~S6,得到深层组(3) (N) 织三阶血流值αDB (2,q)直至深层组织N阶血流值αDB (2,q)。 [0101] 所述步骤S6和步骤S7中,得到的二阶至高阶残差可以表示为: [0102] [0103] 其中,Rq(N)表示第q条曲线对应的N阶残差,K0N表示第N次计算中目标函数最小时对T T应的目标参数K的值,AF2和AE2分别表示近距离和远距离信号对应的系数矩阵的转置矩阵,(N) αDB (2,q)表示第q对自相关曲线对应的N阶深层组织血流值。 [0104] 深层组织多阶血流值的计算公式为: [0105](N) [0106] 其中, 表示第q个深层组织N阶血流值;Rq 表示第q条远距离归一化自相关曲线对应的N阶残差, 表示第q条远距离归一化自相关曲线对应的远距离N阶血流值。 [0107] 具体地,本实施例中,所述N的取值为大于等于5。也就是说,可以将获得的深层组织五阶血流值、深层组织六阶血流值甚至是深层组织七阶血流值作为深层组织血流值。 [0108] 具体地,本实施例中,所述深层组织为脑皮层或乳腺。本发明的血流提取方法可以在生理和临床中广泛应用,包括用于手术监测、重症监测、麻醉监测、睡眠监测、乳腺肿瘤检测等。 [0110] 通过计算机模拟对本发明的血流提取方法做了定量验证。具体地,对如图4所述的由磁共振影像确定的成人头部模型进行了计算机仿真验证。其中仿真的DCS曲线由光子在头部模型的蒙特卡罗仿真和公式 确定。近S‑D距离和远S‑D距离分别设置为0.5厘米和3.0厘米。其中图5表示在计算机模拟中设置的头皮和脑皮层信号(即血流波)的三种组合。图5中,(a)所示的头皮信号具有正弦波的高振幅,而脑皮层信号具有三角波的低振幅信号;(b)所示的头皮信号具有三角波的低幅信号,而脑皮层信号具有正弦波的高幅信号;(c)所示的头皮血流和脑皮层血流都由相同振幅的矩形波表示,周期分别在短振幅周期和长振幅周期。对于所有组合,高振幅均被设置为低振幅的两倍。 [0111] 实验结果如图6所示。通过本发明的血流提取方法,在三组中都很好地恢复了脑皮层信号的时间进程,图6中a‑c表示从近距离曲线和远距离曲线计算的单距离血流值,通过本发明的血流提取方法,恢复的脑皮层(即深层组织)血流与原始血流高度一致(图6中d‑f所示)。这些计算机仿真验证了本发明对于精确重建脑皮层信号的有效性。此外,三组中的相关系数(即,原始脑皮层血流值和恢复的深层组织血流值之间的相关系数)分别为0.9999、0.9955、0.9678,证实了算法的优异性能。 [0112] 本发明的血流提取方法也在仿体实验中得到了验证,使用长方体水箱来容纳液态仿体,实验装置如图7所示。在水箱中加入适量的蒸馏水、1%的印度墨水和30%的脂肪乳溶液。将两个8.0cm×3.0cm×0.5cm的细矩形空心玻璃管嵌入水族箱中,用两个蠕动注射泵连接顶部和底部的玻璃管,分别模拟浅层(头皮)和深层(脑皮层)中的流动。通过控制单个注射泵产生矩形波,以不同的振幅和频率将液体流交替输送到顶层和底层。 [0113] 图8中,(a)示出了通过注射泵施加在液体体模上的实验信号,注射泵分别连接到两个细玻璃管。泵速的两个矩形波分别代表头皮信号和脑皮层信号。头皮信号的波动频率是脑皮层信号的2倍,但其幅度为脑皮层信号的1/4。使用实验室自建的流量测量仪器采集仿体的DCS信号;(b)显示了分别在短距离(1.5cm)和长距离(3.0cm)S‑D间隔下用DCS数据通过常规算法重建的单距离血流值。可以清楚地看到,在任一S‑D分离处的均匀血流值的时间过程并不表现出与泵速度密切相关,因为两种流动都包含头皮血流和脑皮层血流的混合信号;(c)示出了当采用本发明的血流提取方法处理DCS数据时,提取的深层组织血流表现出与相应的泵速高度一致;(d)进一步展示了泵速变化之前和之后本本发明血流提取方法获得的深层组织血流的差异(共有四个重复的泵速变化);证明了本发明的血流提取方法在仿体实验中的优异性能。 [0114] 综上所述,本发明提出了基于时间序列漫射光相关谱信号的深层组织血流提取方法,从时间序列DCS数据中重建深层组织血流值,本发明能够在没有组织形态先验信息的情况下提取深层组织血流。计算机仿真和体模实验均验证了本发明的高精度和兼容性,本发明在生理和临床研究中具有很大的应用潜力,其中脑皮层血流测量是必不可少的。 [0115] 最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。 |