本發(fā)明涉及一種用于向非對比計算機斷層掃描成像數(shù)據(jù)提供自動分段的系統(tǒng)。本發(fā)明還涉及一種對應的方法、計算機斷層掃描系統(tǒng)、計算機程序產(chǎn)品和非瞬態(tài)計算機可讀數(shù)據(jù)存儲介質。

背景技術：

1、本發(fā)明在醫(yī)學成像領域中，其被用于基于對物理信號的檢測和對所得圖像數(shù)據(jù)的分析來創(chuàng)建身體內部的視覺表示以支持臨床分析和醫(yī)學干預，以及創(chuàng)建器官或組織功能的視覺表示。

2、本發(fā)明主要相對于非對比計算機斷層掃描成像數(shù)據(jù)的血管分段進行描述，但本發(fā)明的原理具有更廣泛的范圍，并且同樣適于與非對比計算機斷層掃描成像數(shù)據(jù)相關的其他分段任務。

3、在本文和即將到來的文章中，與語法術語使用無關，具有男性、女性身份的個體被包括在術語內。

4、檢測血管管腔的變化是血管成像中的關鍵步驟。這種變化可能具有病理性質，諸如血管狹窄或鈣化，并且可能阻礙血流，并且使相應下游組織供應不足。一種常用的評估形式是計算機斷層掃描(ct)。

5、為了支持臨床診斷并且提供更好的患者特異性治療，用于血流評估和狹窄檢測的自動化算法被認為是一種有價值的工具。特別地，基于深度學習的從ct圖像對血管結構進行分段的方法是實現(xiàn)該目標的最有前景的途徑之一。

6、然而，實現(xiàn)這些方法通常需要存在和提供大量高質量的圖像數(shù)據(jù)，為了實現(xiàn)診斷性能，這些圖像數(shù)據(jù)必須包含高度準確的注釋。

7、獲取必要數(shù)量的數(shù)據(jù)構成了一個眾所周知的挑戰(zhàn)。首先，由于各種數(shù)據(jù)隱私和數(shù)據(jù)安全法規(guī)，獲取醫(yī)學圖像很困難。其次，必須以最高的準確性手動注釋數(shù)據(jù)，以便產(chǎn)生深度學習模型的訓練過程所需的一致且高質量的數(shù)據(jù)集。

8、ct成像數(shù)據(jù)的自動化分段的當前技術水平主要基于計算機斷層掃描血管造影(cta)，其中向患者施用靜脈注射對比劑，以增強血管的可見度和對比度，導致更好地區(qū)分血管與周圍組織以進行人體和算法評估。

9、對比ct或對比增強計算機斷層掃描(cect)是使用對比劑的x射線計算機斷層掃描(ct)。x射線ct的對比劑通常是碘基對比劑。這有助于突出顯示諸如血管等結構，否則這些結構將難以通過周圍環(huán)境勾畫出來。使用對比材料也可能有助于獲得關于組織的功能信息。通常，圖像是在具有和沒有放射性對比的情況下獲得的。

10、然而，在某些情況下和患者中，cta可能是禁忌的。當患者對使用的對比劑過敏或超敏時，或者當患者患有腎衰竭或接受腎移植時，可能會出現(xiàn)這種情況。對比劑也可能會引起副作用，諸如惡心、咳嗽、感覺異常、瘙癢、粘膜腫脹或呼吸急促。其他一些已被證明會在體內積聚，造成負面的長期影響，諸如對比劑誘導的腎病。在這些情況中的一些情況下，非對比計算機斷層掃描(ncct)是優(yōu)選的，并且在一些情況下甚至是必需的。

11、然而，ncct算法的實現(xiàn)極具挑戰(zhàn)性。與cta相比，ncct的自動分段算法實際上是不存在的，并且臨床醫(yī)生必須依靠繁瑣的手動注釋。這也因缺少對比增強而變得更加困難，這使得手動注釋更容易出現(xiàn)不準確。因此，用于訓練ncct定制算法的可用數(shù)據(jù)太低，無法達到臨床標準。特別是對于心血管疾病，這對臨床評估構成了重大障礙。

12、在該背景下，本發(fā)明解決的問題是向非對比計算機斷層掃描成像數(shù)據(jù)提供更好的自動分段。

13、根據(jù)本發(fā)明，該問題通過具有權利要求1的特征的系統(tǒng)和/或具有權利要求12的特征的計算機實現(xiàn)的方法和/或具有權利要求14的特征的計算機程序產(chǎn)品和/或具有權利要求15的特征的非瞬態(tài)計算機可讀數(shù)據(jù)存儲介質來解決。

技術實現(xiàn)思路

1、本發(fā)明的第一方面提供了一種用于向非對比計算機斷層掃描成像數(shù)據(jù)提供自動分段的系統(tǒng)，該系統(tǒng)包括：輸入數(shù)據(jù)接口，被配置為獲得至少包括非對比計算機斷層掃描成像數(shù)據(jù)的成像數(shù)據(jù)；分段模塊，被配置為實現(xiàn)分段人工智能模型，該分段人工智能模型適于針對所獲得的非對比計算機斷層掃描成像數(shù)據(jù)生成分段，其中分段人工智能模型基于分段對比計算機斷層掃描成像數(shù)據(jù)至少用成像數(shù)據(jù)進行訓練；以及輸出數(shù)據(jù)接口，被配置為輸出所生成的分段。

2、在本發(fā)明中，ct成像數(shù)據(jù)廣泛地描述了從ct設備生成的任何信息，并且可以被用于數(shù)字醫(yī)學的醫(yī)療應用中的進一步處理和分析。ct成像數(shù)據(jù)可以包括使用任何常規(guī)程序從ct設備記錄的ct掃描圖像產(chǎn)生的二維成像數(shù)據(jù)。ct成像數(shù)據(jù)可能由哺乳動物的器官的軟組織樣本的一個或多個掃描圖像組成，其中這些圖像中的一些圖像可以包括所選的子圖像部分或較大圖像的裁剪。

3、在對比ct成像數(shù)據(jù)下，要理解的是在向患者施用對比劑后記錄的ct成像數(shù)據(jù)。非對比ct成像數(shù)據(jù)對應于不涉及對比劑的那些ct技術。

4、分段(或注釋)ct成像數(shù)據(jù)對應于ct成像數(shù)據(jù)，其中引入了ct圖像的像素或部分的元數(shù)據(jù)，目的是標識或識別屬于某個類別的ct圖像部分，并且能夠將其與ct圖像的其他部分區(qū)分開來。分段ct成像數(shù)據(jù)可以例如包括用于將血管與患者的其他身體結構區(qū)分開的信息。分段ct成像數(shù)據(jù)尤其可以是語義分段的ct成像數(shù)據(jù)。

5、在本文和即將到來的文章中，人工智能模型將被理解為包括一個或多個人工神經(jīng)網(wǎng)絡(或編碼器)的模型。人工神經(jīng)網(wǎng)絡是基于連接單元或節(jié)點集合的每個計算系統(tǒng)，這些單元或節(jié)點被聚合為能夠彼此發(fā)送信號的層。本發(fā)明涉及的人工神經(jīng)網(wǎng)絡優(yōu)選地可以包括卷積神經(jīng)網(wǎng)絡和擴散模型，但也可以采用其他神經(jīng)網(wǎng)絡。

6、本技術中提及的不同模塊、單元和接口被廣泛理解為能夠通過用戶界面和/或編程代碼和/或可執(zhí)行程序或其任何組合獲取、獲得、接收或檢索通用數(shù)據(jù)和/或指令的實體。特別地，圖像域轉移模塊和分段模塊適于運行編程代碼和可執(zhí)行程序，并且遞送結果以供進一步處理。

7、因此，不同的模塊、單元和接口或其部分可以分別至少包含中央處理單元cpu和/或至少一個圖形處理單元gpu和/或至少一個現(xiàn)場可編程門陣列fpga和/或至少兩個專用集成電路asic和/或前述的任何組合。它們中的每一者還可以包括可操作地連接至至少一個cpu的工作存儲器和/或可操作地連接至至少一個cpu和/或工作存儲器的非瞬態(tài)存儲器。它們中的每一者可以包括應用編程接口(api)或由其組成。

8、本發(fā)明的系統(tǒng)的所有部分可以以硬件和/或軟件、有線和/或無線及其任何組合來實現(xiàn)。系統(tǒng)的任何部分可以包括到內聯(lián)網(wǎng)或互聯(lián)網(wǎng)、到云計算服務、到遠程服務器等的接口。

9、特別地，系統(tǒng)的每個模塊、單元和接口或者整個系統(tǒng)可以部分和/或完全在本地裝置(例如計算機)中、在計算機系統(tǒng)中和/或部分和/或完全在遠程系統(tǒng)中實現(xiàn)，特別是在邊緣或云計算平臺中實現(xiàn)。

10、在基于云計算技術的系統(tǒng)中，大量設備經(jīng)由互聯(lián)網(wǎng)連接至云計算系統(tǒng)。這些設備可以位于連接至云計算系統(tǒng)的遠程設施中。例如，這些設備可以包括(多個)工業(yè)設置中的裝備、傳感器、致動器、機器人和/或機械或者由其組成。這些設備可以是醫(yī)療設備和保健單位中的裝備。這些設備可以是住宅/商業(yè)機構中的家用電器或辦公電器。

11、云計算系統(tǒng)可以實現(xiàn)遠程配置、監(jiān)測、控制和維護連接的設備(一般也稱為‘資產(chǎn)’)。而且，云計算系統(tǒng)可以促進存儲從設備周期性地采集的大量數(shù)據(jù)，分析大量數(shù)據(jù)，并且經(jīng)由(例如web應用的)圖形用戶界面向操作員、現(xiàn)場工程師或設備所有者提供見解(例如關鍵性能指標、異常值)和警報。見解和警報可以實現(xiàn)控制和維護設備，從而實現(xiàn)設備的高效和故障安全操作。云計算系統(tǒng)還可以實現(xiàn)修改與設備相關聯(lián)的參數(shù)，并且基于見解和警報經(jīng)由圖形用戶界面發(fā)出控制命令。

12、云計算系統(tǒng)可以包括多個服務器或處理器(也稱為‘云基礎設施’)，它們在地理上分布并且經(jīng)由網(wǎng)絡彼此連接。專用平臺(在下文中稱為‘云計算平臺’)被安裝在服務器/處理器上，用于將以上功能性作為服務提供(在下文中稱為‘云服務’)。云計算平臺可以包括在云計算系統(tǒng)的一個或多個服務器或處理器上執(zhí)行的多個軟件程序，以實現(xiàn)向設備及其用戶遞送所請求的服務。

13、一個或多個應用編程接口(api)被部署在云計算系統(tǒng)中，以向用戶遞送各種云服務。

14、本發(fā)明的第二方面提供了一種用于向非對比ct成像數(shù)據(jù)提供自動分段的計算機實現(xiàn)的方法，包括以下步驟：獲得至少包括非對比計算機斷層掃描成像數(shù)據(jù)的成像數(shù)據(jù)；利用分段人工智能模型針對所獲得的非對比計算機斷層掃描成像數(shù)據(jù)生成分段，其中分段人工智能模型基于分段對比計算機斷層掃描成像數(shù)據(jù)至少用成像數(shù)據(jù)進行訓練；并且輸出所生成的分段。

15、特別地，根據(jù)本發(fā)明的第二方面的方法可以通過根據(jù)本發(fā)明的第一方面的系統(tǒng)來執(zhí)行。因此，本文結合計算設備公開的特征和優(yōu)點也針對該方法公開，反之亦然。換言之，根據(jù)本發(fā)明的系統(tǒng)的權利要求可以利用在方法的上下文中描述或要求保護的特征來改進，反之亦然。在這種情況下，該方法的功能特征通過系統(tǒng)的目標單元或模塊來實施。

16、根據(jù)第三方面，本發(fā)明提供了一種包括可執(zhí)行程序代碼的計算機程序產(chǎn)品，在被執(zhí)行時，該可執(zhí)行程序代碼被配置為執(zhí)行根據(jù)本發(fā)明的第二方面的方法。

17、根據(jù)第四方面，本發(fā)明提供了一種包括可執(zhí)行程序代碼的非瞬態(tài)計算機可讀數(shù)據(jù)存儲介質，在被執(zhí)行時，該可執(zhí)行程序代碼被配置為執(zhí)行根據(jù)本發(fā)明的第二方面的方法。

18、非瞬態(tài)計算機可讀數(shù)據(jù)存儲介質可以包括任何類型的計算機存儲器或由其組成，特別是半導體存儲器，諸如固態(tài)存儲器。數(shù)據(jù)存儲介質還可以包括硬盤驅動器、cd、dvd、藍光光盤、usb記憶棒等，或由其組成。

19、根據(jù)第五方面，本發(fā)明提供了一種數(shù)據(jù)流，包括或被配置為生成可執(zhí)行程序代碼，在被執(zhí)行時，該可執(zhí)行程序代碼被配置為執(zhí)行根據(jù)本發(fā)明的第二方面的方法。

20、根據(jù)第六方面，本發(fā)明提供了一種計算機斷層掃描系統(tǒng)，該計算機斷層掃描系統(tǒng)具有計算機斷層掃描設備和根據(jù)本發(fā)明的第一方面的系統(tǒng)。計算機斷層掃描設備被配置為執(zhí)行計算機斷層掃描并且獲取成像數(shù)據(jù)，優(yōu)選地利用光子計數(shù)技術，而根據(jù)本發(fā)明的第一方面的系統(tǒng)被配置為獲得由計算機斷層掃描設備獲取的成像數(shù)據(jù)并且提供其分段。

21、根據(jù)本發(fā)明的第三方面的計算機程序產(chǎn)品可以作為應用編程接口(api)提供給根據(jù)本發(fā)明的第六方面的計算機斷層掃描設備。

22、構成本發(fā)明基礎的主要思想之一是提供一種能夠向非對比ct成像數(shù)據(jù)提供自動分段的系統(tǒng)。這是通過訓練人工智能模型來實現(xiàn)的，該人工智能模型適于實現(xiàn)分段算法。人工智能模型用基于分段(或注釋)對比成像數(shù)據(jù)的數(shù)據(jù)集進行訓練。因此，人工智能模型被訓練為基于屬于對比成像數(shù)據(jù)的注釋向非對比成像數(shù)據(jù)提供注釋。由此，本發(fā)明的系統(tǒng)允許將用于對比ct成像數(shù)據(jù)的現(xiàn)有分段算法部署到非對比ct成像數(shù)據(jù)。

23、上述系統(tǒng)允許包括多個步驟的計算機實現(xiàn)的方法的簡單實現(xiàn)。最初，獲得至少包括非對比ct成像數(shù)據(jù)的成像數(shù)據(jù)。這種非對比成像數(shù)據(jù)的分段是通過人工智能模型的操作生成的，該人工智能模型是用基于分段對比ct成像數(shù)據(jù)的成像數(shù)據(jù)訓練的。通過這種學習，實現(xiàn)了注釋的圖像域轉換，并且可以對非對比成像數(shù)據(jù)進行自動分段。

24、本發(fā)明的一個優(yōu)點是，它提供了一種系統(tǒng)和方法，該系統(tǒng)和方法能夠使用常規(guī)上用于對比ct成像數(shù)據(jù)的分段的訓練算法來對非對比ct成像數(shù)據(jù)進行分段。因此，非對比ct成像數(shù)據(jù)的分段可以是自動化的，并且可以使用現(xiàn)有的算法。

25、本發(fā)明的另一優(yōu)點是，該系統(tǒng)和方法消除了對手動注釋的需要，從而提高了分段的準確性并且減少了注釋時間，特別是因為注釋已經(jīng)存在于對比ct成像數(shù)據(jù)的大數(shù)據(jù)集中。

26、有利的實施例和進一步的開發(fā)源自從屬權利要求以及附圖中圖示的不同優(yōu)選實施例的描述。

27、根據(jù)一些實施例、細化或實施例的變型，分段人工智能模型還用基于光子計數(shù)的虛擬非對比計算機斷層掃描成像數(shù)據(jù)進行訓練。

28、由于難以獲得注釋的非對比數(shù)據(jù)集，為分段人工智能模型生成訓練數(shù)據(jù)集具有挑戰(zhàn)性。被賦予光子計數(shù)技術的ct設備生成掃描，從中可以獲得不同能量閾值下的光譜信息。這種大量的信息以及現(xiàn)有算法的開發(fā)和改進可以被用于從對比成像數(shù)據(jù)中生成虛擬非對比(vnc)成像數(shù)據(jù)。利用來自至少兩個能量閾值的成像數(shù)據(jù)的組合，可以生成vnc成像數(shù)據(jù)，從而可以去除對比度。

29、vnc的優(yōu)點之一是，它涉及對在單個時間點獲得的對比成像數(shù)據(jù)的處理，因此，不需要對所得的虛擬圖像進行配準。

30、vnc圖像可以特別地從多能量(或光譜)計算機斷層掃描血管造影(cta)中產(chǎn)生。cta是對比計算機斷層掃描的金標準技術之一。它使用靜脈注射對比劑來增強血管與周圍組織的可見性和區(qū)分性。

31、根據(jù)一些實施例、細化或實施例的變型，分段人工智能模型適于實現(xiàn)分段算法，特別是能夠處理來自對比cta的成像數(shù)據(jù)的分段算法。根據(jù)本發(fā)明的原理，為對比ct成像數(shù)據(jù)的分段而設計的分段算法也可以被部署用于非對比ct成像數(shù)據(jù)的分段。因此，可以重復使用或重新適應為對比ct成像數(shù)據(jù)開發(fā)和測試的所有算法，具有在效率和節(jié)省時間方面帶來的所有益處。

32、根據(jù)一些實施例、細化或實施例的變型，該系統(tǒng)還包括圖像域轉移模塊，被配置為實現(xiàn)圖像域轉移人工智能模型，該圖像域轉移人工智能模型被訓練并且適于基于分段對比ct成像數(shù)據(jù)產(chǎn)生合成的分段非對比ct成像數(shù)據(jù)，其中產(chǎn)生的分段非對比ct成像數(shù)據(jù)被用作用于分段人工智能模型的訓練的訓練數(shù)據(jù)集。

33、圖像域轉移人工智能模型提供了一種機制，從注釋的對比成像數(shù)據(jù)為分段人工智能模型生成非對比訓練數(shù)據(jù)。這保證了足夠數(shù)量的訓練數(shù)據(jù)的存在，因為注釋的對比ct成像數(shù)據(jù)相當豐富。

34、因此，訓練后的圖像域轉移人工智能模型適于執(zhí)行從對比計算機斷層掃描(ct)成像數(shù)據(jù)到非對比ct成像數(shù)據(jù)的域轉移。由于域轉移保留了對比ct成像數(shù)據(jù)的注釋，因此訓練數(shù)據(jù)也被注釋。

35、通過利用圖像域轉移人工智能模型產(chǎn)生合成成像數(shù)據(jù)，為分段人工智能模型的分段算法提供了任意大的訓練數(shù)據(jù)集的生成，這意味著分段算法的質量對應提高。

36、根據(jù)一些實施例、細化或實施例的變型，圖像域轉移人工智能模型基于去噪擴散概率模型。去噪擴散概率模型(ddpm)是深度生成人工智能模型，其被訓練并且適于生成合成數(shù)據(jù)，特別適合在圖像域之間執(zhí)行轉變。ddpm是特別有利的，因為它們在訓練方面非常有效，即，只需相當少量的訓練數(shù)據(jù)即可獲得非常好的結果。在目前的情況下，這意味著即使只有少數(shù)配對的成像數(shù)據(jù)可用，它們也可以成功使用。

37、根據(jù)一些實施例、細化或實施例的變型，圖像域轉移人工智能模型利用與分段計算機斷層掃描血管造影和非對比計算機斷層掃描相對應的配對成像數(shù)據(jù)和/或利用基于光子計數(shù)的vnc成像數(shù)據(jù)進行訓練。

38、圖像域轉移人工智能模型可以用注釋的對比ct成像數(shù)據(jù)和對應的非對比ct(ncct)成像數(shù)據(jù)進行訓練，例如從ct設備獲得的ncct，其必須與注釋的對比ct成像數(shù)據(jù)配對。備選地或附加地，如果生成對比ct成像數(shù)據(jù)的ct設備被賦予光子計數(shù)技術，則可以產(chǎn)生vnc成像數(shù)據(jù)。在本發(fā)明的這些實施例中，圖像域轉移人工智能模型可以有利地用非對比ct成像數(shù)據(jù)進行訓練，由此減少用于預處理訓練成像數(shù)據(jù)的配對算法或vnc算法的潛在偏差的影響。

39、根據(jù)一些實施例、細化或實施例的變型，圖像域轉移模塊包括配準單元，它被配置為實現(xiàn)配準算法，適于將分段cta成像數(shù)據(jù)和ncct成像數(shù)據(jù)配對。對比和非對比成像數(shù)據(jù)的不同獲取時間要求兩個數(shù)據(jù)集在可以被用于訓練圖像域轉移人工智能模型之前進行配對。需要將例如對比成像數(shù)據(jù)集的圖像的像素與非對比成像數(shù)據(jù)集的對應圖像相關聯(lián)的轉變。這可以通過非剛性配準算法來實現(xiàn)。該配準算法可以在計算機、服務器或云平臺中實現(xiàn)。

40、根據(jù)一些實施例、細化或實施例的變型，圖像域轉移模塊包括vnc生成單元，該vnc生成單元被配置為基于對比多能量計算機斷層掃描血管造影來生成虛擬非對比計算機斷層掃描成像數(shù)據(jù)。

41、如上面提及的，vnc成像數(shù)據(jù)是一個后處理步驟，其可以被應用于利用光子計數(shù)技術從ct設備獲得的數(shù)據(jù)。利用光子計數(shù)技術，可以獲得不同能量閾值下的光譜信息。利用來自至少兩個能量閾值的數(shù)據(jù)的組合，可以生成vnc成像數(shù)據(jù)，從而可以去除原始cta成像數(shù)據(jù)的對比度。由于vnc成像數(shù)據(jù)作為cta成像數(shù)據(jù)的后處理的本質，vnc成像數(shù)據(jù)是配對的，并且不需要被配準。在一些情況下，由本發(fā)明的系統(tǒng)本身生成vnc成像數(shù)據(jù)而不是必須導入它可能是有利的，特別是因為光子計數(shù)技術目前并不普遍。

42、根據(jù)一些實施例、細化或實施例的變型，還包括數(shù)據(jù)庫模塊，該數(shù)據(jù)庫模塊被配置為存儲用圖像域轉移人工智能模型產(chǎn)生的合成的分段ncct成像數(shù)據(jù)。

43、產(chǎn)生合成的高質量非對比ct成像數(shù)據(jù)是用于訓練分段人工智能模型的主要機制之一。附加地，如果分段算法發(fā)生變化或升級，則分段人工智能模型可能需要重新訓練。存儲在數(shù)據(jù)庫模塊中的訓練數(shù)據(jù)集確保了這可以在任何時間完成。訓練數(shù)據(jù)集也可以被產(chǎn)生，用于訓練不一定屬于本發(fā)明的附加人工智能模型。因此，存儲在數(shù)據(jù)庫模塊中的成像數(shù)據(jù)也可以被導出用于訓練其他分段算法。

44、根據(jù)一些實施例、細化或實施例的變型，所獲得的ncct成像數(shù)據(jù)和分段對比ct成像數(shù)據(jù)是從患者血管的計算機斷層掃描中導出的。

45、本發(fā)明主要相對于血管成像進行描述，其中檢測血管管腔的變化是一個關鍵方面。特別地，血管的分段對于正確評估患者的血流、標識異常和預防疾病是必要的。

46、盡管在此處、在前述內容以及下文中，一些功能被描述為由模塊或單元執(zhí)行，但應該理解，這并不一定意味著這種模塊或單元是作為彼此分離的實體提供的。在一個或多個模塊或單元被提供為軟件提供的情況下，這些模塊或單元可以通過程序代碼區(qū)段或程序代碼片段來實現(xiàn)，它們可以彼此不同，但也可以彼此交織或集成。

47、類似地，在一個或多個模塊或單元作為硬件提供的情況下，一個或多個模塊或單元的功能可以由同一硬件組件提供，或者若干模塊或單元的功能可以被分布在若干硬件組件上，這些硬件組件不一定需要對應于模塊或單元。因此，表現(xiàn)出歸因于具體模塊或單元的所有特征和功能的任何裝置、系統(tǒng)、方法等應該被理解為包括或實現(xiàn)所述模塊或所述單元。特別地，所有模塊或單元都有可能由計算設備(例如服務器或云計算平臺)執(zhí)行的程序代碼來實現(xiàn)。

48、在適當?shù)那闆r下，上述配置和開發(fā)可以被組合在一起，只要合理，可以根據(jù)需要彼此組合實現(xiàn)方式。

49、本發(fā)明的其他可能的配置、開發(fā)和實現(xiàn)方式還包括先前已經(jīng)描述或下面參照實施例描述的本發(fā)明特征的組合，這些組合沒有明確提及。特別地，在這種情況下，本領域技術人員還將添加各個方面作為對本發(fā)明的基礎形式的改進或補充。