一种智慧医疗平台的数据处理方法及系统

摘要

本发明公开了一种智慧医疗平台的数据处理方法及系统，涉及数据处理技术领域，所述处理方法包括以下步骤：数据传输过程中，处理端实时获取预警系数，将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号。本发明通过机器学习算法将医疗数据处理后传输数据库，数据传输过程中，处理端实时获取预警系数，并将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号，这样能在数据传输过程中，在设备出现异常前及时将数据缓存至设备的存储器中，从而有效避免数据丢失，保障数据链的完整性。

权利要求

1.一种智慧医疗平台的数据处理方法，其特征在于：所述处理方法包括以下步骤：S1：采集端基于云计算技术从多种数据源采集医疗数据，通过机器学习算法将医疗数据处理后传输数据库；

S2：数据传输过程中，处理端实时获取预警系数；

S3：将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号；

S4：维护人员收到预警信号后对设备进行维护，当设备恢复使用时，存储器中缓存的数据继续传输至数据库；

S5：智慧医疗平台基于互联网进行数据交互和数据共享；

步骤S2中，获取预警系数包括以下步骤：

S2.1：在数据传输过程中，采集网络参数以及设备参数，其中，网络参数包括网络抖动、网络丢包率以及网络流量增长率，设备参数包括设备散热率以及电流波动率；

S2.2：网络抖动、网络丢包率以及网络流量增长率分别标定为wx、wy、wz，设备散热率以及电流波动率分别标定为sbr、db；

S2.3：将网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率通过公式计算后建立预警系数，表达式为：式中，xsy为预警系数，g1、g2、g3、g4、g5分别为网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率的比例系数，且g3>g1>g2>g4>g5>0；

建立所述预警系数xsy后，设定预警阈值xsg，将预警系数xsy与预警阈值xsg进行对比，当预警系数xsy≥预警阈值xsg时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy<预警阈值xsg时，系统判断数据传输环境不稳定，做出调节。

2.根据权利要求1所述的一种智慧医疗平台的数据处理方法，其特征在于：获取医院的人流量和设备的运行数量，通过公式计算得到校正值，表达式为：jz＝a1·ri+a2·si

式中，jz为校正值，ri、si分别为人流量和设备的运行数量，a1、a2分别为人流量和设备的运行数量的比例系数，且0

3.根据权利要求2所述的一种智慧医疗平台的数据处理方法，其特征在于：计算得到所述校正值jz后，通过校正值jz修正预警阈值xsg，将预警阈值xsg减少后，使得系统趋于稳定，表达式为：式中，xsjz为修正阈值。

4.根据权利要求3所述的一种智慧医疗平台的数据处理方法，其特征在于：通过校正值jz修正预警阈值xsg得到修正阈值xsjz后，将预警系数xsy与修正阈值xsjz进行对比，当预警系数xsy≥修正阈值xsjz时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy<修正阈值xsjz时，系统判断数据传输环境不稳定，做出调节。

5.根据权利要求4所述的一种智慧医疗平台的数据处理方法，其特征在于：步骤S3还包括以下步骤：S3.1：将前一完整数据链传输至数据库后停止后续数据的传输，该步骤是为了保证在前传输数据链的完整性；

S3.2：断开设备的网络后，停止传输的数据缓存至设备本地的存储器中；

S3.3：通过管理员维护使预警系数xsy≥预警阈值xsg后，恢复设备网络，并将存储器中缓存的数据继续上传至数据库中。

6.一种智慧医疗平台的数据处理系统，用于实现权利要求1‑5任一项所述的处理方法，其特征在于：包括采集模块、数据传输模块、预警模块、缓存模块、管理模块、共享模块；

采集模块基于云计算技术从多种数据源采集医疗数据，数据传输模块通过机器学习算法将医疗数据处理后传输数据库，在数据传输过程中，实时获取预警系数，预警模块将预警系数与预警阈值进行对比，并根据对比结果判断是否发出预警信号，当预警系数小于预警阈值时缓存模块缓存数据，并在设备恢复使用时，存储器中缓存的数据继续传输至数据库，管理模块向维护人员发出预警信号，维护人员收到预警信号后对设备进行维护管，共享模块基于互联网进行数据交互和数据共享。

说明书

一种智慧医疗平台的数据处理方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种智慧医疗平台的数据处理方法及系统。

背景技术

[0002] 智慧医疗平台是近年来医疗领域中应用人工智能和大数据技术的一种新型解决方案，随着医疗数据量的不断增加，传统的医疗服务已经无法满足大数据时代对医疗服务的需求，因此，智慧医疗平台应运而生，平台通过整合和分析患者的病历、医疗数据、诊断和治疗方案等信息，为医生提供更准确、更快速地诊断和治疗决策；

[0003] 由于智慧医疗平台中的数据种类多，数据量大，因此，智慧医疗平台需要通过数据处理系统处理和分析平台中的医疗数据。

[0004] 现有技术存在以下不足：

[0005] 现有的数据处理系统先对采集的数据进行分析处理，再将数据传输至数据库中存储，由于医疗数据的来源广且数据量大，现有数据处理系统在数据传输至数据库的过程中，通常仅是设置有安全软件进行防护(避免数据泄露或网络终端被黑客占领)，然而，当数据传输过程中，网络被攻击成功(黑客攻击技术高于软件防护技术)或设备出现其他故障时，会使数据传输中止，导致恢复时部分数据丢失，不能形成一个完整的数据链，从而造成不必要的损失。

发明内容

[0006] 本发明的目的是提供一种智慧医疗平台的数据处理方法及系统，以解决背景技术中不足。

[0007] 为了实现上述目的，本发明提供如下技术方案：一种智慧医疗平台的数据处理方法，所述处理方法包括以下步骤：

[0008] S1：采集端基于云计算技术从多种数据源采集医疗数据，通过机器学习算法将医疗数据处理后传输数据库；

[0009] S2：数据传输过程中，处理端实时获取预警系数；

[0010] S3：将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号；

[0011] S4：维护人员收到预警信号后对设备进行维护，当设备恢复使用时，存储器中缓存的数据继续传输至数据库；

[0012] S5：智慧医疗平台基于互联网进行数据交互和数据共享。

[0013] 在一个优选的实施方式中，步骤S2中，获取预警系数包括以下步骤：

[0014] S2.1：在数据传输过程中，采集网络参数以及设备参数，其中，网络参数包括网络抖动、网络丢包率以及网络流量增长率，设备参数包括设备散热率以及电流波动率；

[0015] S2.2：网络抖动、网络丢包率以及网络流量增长率分别标定为wx、wy、wz，设备散热率以及电流波动率分别标定为sbr、db；

[0016] S2.3：将网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率通过公式计算后建立预警系数，表达式为：

[0017]

[0018] 式中，xsy为预警系数，g1、g2、g3、g4、g5分别为网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率的比例系数，且g3＞g1＞g2＞g4＞g5＞0。

[0019] 在一个优选的实施方式中，建立所述预警系数sxy后，设定预警阈值sxg，将预警系数sxy与预警阈值xsg进行对比，当预警系数xsy≥预警阈值xsg时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy＞预警阈值xsg时，系统判断数据传输环境不稳定，做出调节。

[0020] 在一个优选的实施方式中，获取医院的人流量和设备的运行数量，通过公式计算得到校正值，表达式为：

[0021] jz＝a1·ri+a2·si

[0022] 式中，jz为校正值，ri、si分别为人流量和设备的运行数量，a1、a2分别为人流量和设备的运行数量的比例系数，且0＜a1＜a2。

[0023] 在一个优选的实施方式中，计算得到所述校正值jz后，通过校正值jz修正预警阈值sxg，将预警阈值xsg减少后，使得系统趋于稳定，表达式为：

[0024]

[0025] 式中，xsjz为修正阈值。

[0026] 在一个优选的实施方式中，通过校正值jz修正预警阈值xsg得到修正阈值xsjz后，将预警系数sxy与修正阈值xsjz进行对比，当预警系数xsy≥修正阈值xsjz时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy＜修正阈值xsjz时，系统判断数据传输环境不稳定，做出调节。

[0027] 在一个优选的实施方式中，步骤S3还包括以下步骤：

[0028] S3.1：将前一完整数据链传输至数据库后停止后续数据的传输，该步骤是为了保证在前传输数据链的完整性；

[0029] S3.2：断开设备的网络后，停止传输的数据缓存至设备本地的存储器中；

[0030] S3.3：通过管理员维护使预警系数sxy≥预警阈值sxg后，恢复设备网络，并将存储器中缓存的数据继续上传至数据库中。

[0031] 本发明还提供一种智慧医疗平台的数据处理系统，包括采集模块、数据传输模块、预警模块、缓存模块、管理模块、共享模块；

[0032] 采集模块基于云计算技术从多种数据源采集医疗数据，数据传输模块通过机器学习算法将医疗数据处理后传输数据库，在数据传输过程中，实时获取预警系数，预警模块将预警系数与预警阈值进行对比，并根据对比结果判断是否发出预警信号，当预警系数小于预警阈值时缓存模块缓存数据，并在设备恢复使用时，存储器中缓存的数据继续传输至数据库，管理模块向维护人员发出预警信号，维护人员收到预警信号后对设备进行维护管，共享模块基于互联网进行数据交互和数据共享。

[0033] 在上述技术方案中，本发明提供的技术效果和优点：

[0034] 1、本发明通过机器学习算法将医疗数据处理后传输数据库，数据传输过程中，处理端实时获取预警系数，并将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号，这样能在数据传输过程中，在设备出现异常前及时将数据缓存至设备的存储器中，从而有效避免数据丢失，保障数据链的完整性；

[0035] 2、本发明通过将网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率通过公式计算后建立预警系数，多源数据综合处理，有效提高数据的处理效率，并且在预警系数xsy＜预警阈值xsg时，及时对数据传输方案进行调整，避免医疗数据泄露以及丢失，有效保证数据链的完整性；

[0036] 3、本发明通过校正值jz修正预警阈值xsg得到修正阈值sxjz，使得在特殊场景时，避免系统误预警，有效提高系统的预警精度，从而保证系统运行的稳定性。

附图说明

[0037] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

[0038] 图1为本发明的方法流程图。

具体实施方式

[0039] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，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作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。

[0040] 实施例1

[0041] 请参阅图1所示，本实施例所述一种智慧医疗平台的数据处理方法，所述处理方法包括以下步骤：

[0042] 采集端基于云计算技术从多种数据源采集医疗数据，通过机器学习算法将医疗数据处理后传输数据库，数据传输过程中，处理端实时获取预警系数，并将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号，维护人员收到预警信号后对设备进行维护，当设备恢复使用时，存储器中缓存的数据继续传输至数据库，智慧医疗平台基于互联网进行数据交互和数据共享，促进医疗数据的协同和优化，以提高医疗服务的效率和质量。

[0043] 本申请通过机器学习算法将医疗数据处理后传输数据库，数据传输过程中，处理端实时获取预警系数，并将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号，这样能在数据传输过程中，在设备出现异常前及时将数据缓存至设备的存储器中，从而有效避免数据丢失，保障数据链的完整性。

[0044] 本实施例中，采集端基于云计算技术从多种数据源采集医疗数据具体包括以下步骤：

[0045] (1)确定数据源：根据智慧医疗平台的需求，确定需要从哪些数据源采集医疗数据，如医院的电子病历系统、检验检查系统、药房、社区健康服务中心等；

[0046] (2)配置数据采集设备：根据需要采集的数据类型，选择合适的数据采集设备，如传感器、RFID标签、二维码扫描仪等；

[0047] (3)建立数据传输通道：通过网络建立数据传输通道，将采集到的数据传输到云端服务器，实现整个数据处理流程的高效和准确。

[0048] 具体的，通过机器学习算法将医疗数据处理后传输数据库，通过机器学习算法将医疗数据处理具体包括以下步骤：

[0049] (1)数据预处理：首先需要对医疗数据进行预处理，包括数据清洗、数据去噪、数据归一化等，以便后续的处理和分析；

[0050] (2)特征提取：针对不同的医疗数据，需要选择合适的特征提取算法，从中提取出最具代表性和区分性的特征，以便后续的分类和预测；

[0051] (3)模型训练：选择合适的机器学习算法，如决策树、支持向量机、神经网络等，进行模型训练；在训练过程中，需要将数据集划分为训练集和测试集，并进行交叉验证等方法，以避免过拟合和欠拟合等问题；

[0052] (4)模型评估：对训练好的模型进行评估，包括准确率、召回率、F1值等指标的计算，以判断模型的预测性能；

[0053] (5)模型应用：将训练好的模型应用到新的医疗数据中，进行分类和预测。

[0054] 通过机器学习算法将医疗数据处理后传输数据库包括以下步骤：

[0055] (1)数据预处理：对收集的医疗数据进行预处理，包括数据清洗、去噪、归一化、特征选择等操作，以提高数据质量和模型的准确性；

[0056] (2)数据建模：选择适当的机器学习算法，根据所处理的数据类型和应用场景，建立机器学习模型；

[0057] (3)模型训练：对所建立的机器学习模型进行训练，并对模型进行调优，以提高模型的精度和泛化能力；

[0058] (4)模型评估：对训练好的机器学习模型进行评估，根据评估结果确定模型是否可用；

[0059] (5)数据传输：将处理好的医疗数据传输到数据库中，以便后续的数据查询和应用；

[0060] (6)数据存储：将传输的医疗数据存储在数据库中，以便后续的数据查询和应用；

[0061] (7)模型更新：针对新的医疗数据和应用场景，对已建立的机器学习模型进行更新，以提高模型的准确性和可用性。

[0062] 步骤(4)具体逻辑为：数据集准备：选择合适的数据集，包括训练集、验证集和测试集，根据数据集的规模和特征选择适当的评估指标。

[0063] (4.1)模型预测：利用测试集对已训练好的模型进行预测，生成预测结果。

[0064] (4.2)模型评估：根据预测结果和测试集的真实标签，计算评估指标，如准确率、精确率、召回率、F1值等。

[0065] (4.3)结果分析：对评估结果进行分析，查看模型在不同类别下的表现和潜在的误判情况。

[0066] (4.4)模型调整：根据分析结果，对模型进行调整，如调整模型参数、选择新的特征等，以提高模型的性能和鲁棒性。

[0067] (4.5)重复步骤(4.1)～(4.4)：如需多次迭代调整，需要重复以上步骤，直到获得满意的结果。

[0068] (4.6)模型应用：最终根据评估结果，确定模型是否可用，并应用到实际场景中。

[0069] 实施例2

[0070] 上述实施例1中，数据传输过程中，处理端实时获取预警系数，并将预警系数与预警阈值进行对比，当预警系数小于预警阈值时，数据停止传输，且处理端将数据缓存在存储器中并发出预警信号。

[0071] 其中，处理端实时获取预警系数包括以下步骤：

[0072] 在数据传输过程中，采集网络参数以及设备参数，其中，网络参数包括网络抖动、网络丢包率以及网络流量增长率，设备参数包括设备散热率以及电流波动率；

[0073] 网络抖动、网络丢包率以及网络流量增长率分别标定为

[0074] wx、wy、wz，设备散热率以及电流波动率分别标定为sbr、db；

[0075] 将网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率通过公式计算后建立预警系数，表达式为：

[0076]

[0077] 式中，xsy为预警系数，g1、g2、g3、g4、g5分别为网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率的比例系数，且g3＞g1＞g2＞g4＞g5＞0，比例系数中，g1、g2、g3的具体值由本领域技术人员依据历史数据库获取，g4、g5的具体值由本领域技术人员依据设备型号设定，在此不做限定。

[0078] 建立预警系数sxy后，设定预警阈值sxg，将预警系数xsy与预警阈值xsg进行对比，当预警系数xsy≥预警阈值xsg时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy＜预警阈值xsg时，系统判断数据传输环境不稳定，做出调节。

[0079] 其中，系统判断数据传输环境不稳定，做出调节包括以下步骤：

[0080] (1)将前一完整数据链传输至数据库后停止后续数据的传输，该步骤是为了保证在前传输数据链的完整性；

[0081] (2)断开设备的网络后，停止传输的数据缓存至设备本地的存储器中；

[0082] (3)通过管理员维护使预警系数xsy≥预警阈值xsg后，恢复设备网络，并将存储器中缓存的数据继续上传至数据库中。

[0083] 本申请通过将网络抖动、网络丢包率、网络流量增长率、设备散热率以及电流波动率通过公式计算后建立预警系数，多源数据综合处理，有效提高数据的处理效率，并且在预警系数xsy＜预警阈值xsg时，及时对数据传输方案进行调整，避免医疗数据泄露以及丢失，有效保证数据链的完整性。

[0084] 实施例3

[0085] 上述实施例2中，系统主要是通过预警系数xsy与预警阈值

[0086] xsg的对比结果来判断是否需要调整数据传输方案，但在实际运用过程中，我们发现，实施例2中的管理方法在日常使用时，确实能起到良好的预警作用，并有效保障数据链的完整性。

[0087] 但是，当遇到特殊场景时，会使上述网络参数或设备参数中的部分数值快速增加，从而导致系统在特殊场景时，会不断地发出预警信号和停止传输数据至数据库，不仅对管理员带来困扰，增加工作负担，而且会降低数据的传输效率，因此，针对特殊场景我们提出以下方案进行改进：

[0088] 获取医院的人流量和设备的运行数量，通过公式计算得到校正值，表达式为：

[0089] jz＝a1·ri+a2·si

[0090] 式中，jz为校正值，ri、si分别为人流量和设备的运行数量，a1、a2分别为人流量和设备的运行数量的比例系数，且0＜a1＜a2。

[0091] 当医院的人流量和设备的运行数量增加时(如发生流感等)，会影响到医院网络以及电流，例如，人流量大表明看病人数增加，此时产生的医疗数据多，网络占用率增大，使得网络抖动、网络丢包率、网络流量增长率均会增长；设备的运行数量增加，会导致医院用电量增加，从而增大电流波动率。

[0092] 因此，计算得到校正值jz后，需要通过校正值jz修正预警阈值xsg，将预警阈值xsg减少后，使得系统趋于稳定，表达式为：

[0093]

[0094] 式中，xsjz为修正阈值，通过校正值jz修正预警阈值xsg得到修正阈值xsjz后，将预警系数xsy与修正阈值xsjz进行对比，当预警系数xsy≥修正阈值xsjz时，系统判断当前数据传输环境稳定，不做调节，当预警系数xsy＜修正阈值xsjz时，系统判断数据传输环境不稳定，做出调节。

[0095] 本实施例中，通过校正值jz修正预警阈值xsg得到修正阈值

[0096] xsjz，使得在特殊场景时，避免系统误预警，有效提高系统的预警精度，从而保证系统运行的稳定性。

[0097] 实施例4

[0098] 本实施例所述一种智慧医疗平台的数据处理系统，包括采集模块、数据传输模块、预警模块、缓存模块、管理模块、共享模块；

[0099] 其中：

[0100] 采集模块：基于云计算技术从多种数据源采集医疗数据；

[0101] 数据传输模块：通过机器学习算法将医疗数据处理后传输数据库；

[0102] 预警模块：在数据传输过程中，实时获取预警系数，并将预警系数与预警阈值进行对比，并根据对比结果判断是否发出预警信号；

[0103] 缓存模块：当预警系数小于预警阈值时缓存数据，并在设备恢复使用时，存储器中缓存的数据继续传输至数据库；

[0104] 管理模块：维护人员收到预警信号后对设备进行维护管；

[0105] 共享模块：基于互联网进行数据交互和数据共享，促进医疗数据的协同和优化，以提高医疗服务的效率和质量。

[0106] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

[0107] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

[0108] 应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

[0109] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0110] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0111] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

[0112] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

[0113] 以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。