具体实施方式

在2015年，有620万人受到帕金森病的影响，这也导致全球117,400人死亡。帕金森病常见于60岁以上的人群，其中约有1％的人口受到影响。诊断后的平均预期寿命为7至14年。帕金森病给社会带来的成本很高，帕金森病降低了患者及其护理人员的生活质量。因此，本公开利用用户设备的运动传感器来监测与帕金森病相关的运动进展，从而以易于接触且易于使用的健康监测工具帮助患者及其护理人员。

使用深度神经网络(DNN)方法的序列数据分析的最新进展取得了重大进步。此外，强大的移动设备的普及已经达到了大多数公众可以访问基于人工智能(AI)的应用程序的地步。本公开通过允许将用户设备用作辅助医疗诊断工具，将尝试初步筛选与运动相关的帕金森病症状的迹象。本公开尤其具有以下益处：帕金森病运动相关症状的评估；提供多种类别的运动测试，例如按照统一帕金森病评分量表(UPDRS)临床测试中的0-4级；提供易于安装的移动应用程序，而对用户设备没有额外硬件要求。

本公开的医学诊断辅助应用，用于定期定量测量帕金森病患者的疾病状态。诸如加速度计、陀螺仪传感器等的运动传感器已经有效地嵌入到大多数现代用户设备中，例如移动电话、智能手表等。

多维运动数据能够以10至50Hz采样率测量紧贴用户设备的身体的运动，这足以定量测量帕金森病患者的运动功能。尤其是近年来，DNN和长短期记忆网络(LSTM)的进步在分析时间序列数据方面显示出可喜的成果，从而为进行更准确的基于AI的帕金森病运动分析提供了可能。

本公开解决了以下挑战：(1)误诊和误报之间的协调；(2)通过基于人工智能的数据分析处理管道进行通信的前端和后端的架构。

本公开解决了关于向现实提供先进的人工智能驱动技术的技术障碍，并提供了可访问且易于使用的实际应用。本公开将AI服务和客户端应用分离为它们各自的独立和松散耦合的组件。AI服务和客户端传感器收集模块的分离允许并行开发、测试和部署多个组件。此外，利用这种配置，用户设备可以通过免除执行大量的计算来节省处理和硬件资源，其中用户设备的计算能力和能力可能是限制因素。由于执行客户端应用程序的用户设备能够执行运动测试和数据收集，因此用户能够获得在方便的位置(例如家庭护理环境)执行测试的灵活性。

本公开针对允许通过用户设备进行准确和实时测试的实际应用。

所提出的公开提供了通过评估运动功能来早期检测帕金森病的初步筛选工具。此外，本公开允许定期监测帕金森病状态以更好地护理和管理患者。根据本公开的第一种场景，如果需要，医疗保健专业人员能够使用UPDRS评分系统定量地并且长期地评估帕金森氏病。根据本公开的另一场景，用户可以周期性地执行运动功能障碍的早期迹象的评估。

该模型是使用基于单向LSTM的DNN的端到端深度学习模型，该DNN按顺序利用运动传感器时间序列数据。

应用架构遵循模型-视图-视图模型(MVVM)，其中数据模型不同于上述DNN模型。DNN模型用于在应用程序生命周期中进行推理，并在数据模型和DNN模型之间提供通信，两者都将馈送到视图模型(viewer model)。视图模型配置为通过数据绑定为用户界面(UI)提供服务。DNN模型可以存储在云端和/或本地移动设备上。

运动传感器数据以可调速率实时记录，例如10hz-50hz，并且可以在用户设备上本地分析或者通过云服务远程分析。例如，在评估传感器数据后将提供0-4分的分数。该分数与MDS-UPDRS相关，MDS-UPDRS是用于帕金森病状态评估的帕金森运动评分量表。

根据实施例，系统收集传感器数据并分析传感器数据，以确定对应于UPDRS标准的震颤或颤抖的严重性。

根据一个实施例，系统在指令引导下从患者捕获某些手部运动的动作或其他身体部位运动的动作的视频数据，并分析运动的模式以确定与给定运动的UPDRS量表对应的个人运动的运动障碍的严重程度。

根据实施例，系统在指令引导下从患者捕获传感器数据并捕获某些手部运动的动作或其他身体部位运动的动作的视频数据。对捕获的传感器数据和/或视频数据进行分析，以确定与给定运动的UPDRS量表相对应的个人运动的运动障碍的严重程度。此外，系统可以使用所有或选择的运动来预测总体UPDRS评分，以确定患者的帕金森病阶段。

根据一个实施例，系统使用模型并使用来自视频或传感器数据分析的运动子集来预测总体UPDRS评分或帕金森病的阶段。

根据一个实施例，传感器数据是由用户设备的内置陀螺仪传感器和加速度计在预定义的手势和运动的指导下记录的。

帕金森病的定量和连续监测一直是帕金森病护理人员面临的挑战。本公开允许利用易于到达且易于使用的应用程序进行患者管理，这使得健康监测成为可能且变得方便。

本公开为改进的治疗计划提供了见解，并最终改进了帕金森病患者的生活质量。本公开提供了一种基于AI的移动应用程序，用户可以利用该应用程序来评估运动功能，以进行帕金森病的预筛查。DNN模型的成功可以进一步扩展应用程序以促进全面诊断。该应用程序的MVVM设计可用于提供更好的DNN模型，最终使移动设备成为可靠且易于使用的健康监测工具，能够填补新兴的在线诊断市场。

图1是本文描述的实施例的概览图。如图1所示，用户设备100(例如，移动电话)可以确定与用户设备100的用户相关联的统一帕金森病评分量表(UPDRS)值。例如，用户设备100可以执行应用程序，该应用程序允许用户设备100来确定与正在操作用户设备100的用户相关联的UPDRS值。

用户可以对应于正在接受帕金森氏症测试、正在监测或评估帕金森氏症等的人。在这种情况下，用户设备100可以执行应用程序，该应用程序允许通过确定用户的UPDRS值来对用户进行评估。

如图1所示，用户设备100(例如，用户设备100的处理器)可以获取与用户身体部位的运动相关联的视频数据100。如下文更详细描述的，视频数据可以允许用户设备确定UPDRS值。用户设备100可以使用用户设备100的摄像头来获取视频数据。

首先，在一些情况下，用户设备100可以经由输出组件(例如，显示器、扬声器等)提供指示用户使用身体部位执行预定手势的提示。例如，提示可以指示用户以预定义的方式移动用户的手。作为另一个例子，提示可以指示用户将手保持在静止位置。作为另一个例子，提示可以指示用户以特定动作移动用户的手臂。应当理解，用户的身体部位可以包括用户的任何身体部位和/或用户身体部位的任意组合。此外，应当理解，预定手势可以包括任何类型的手势。或者，提示可以指示用户执行任何特定的动作或姿势。即，用户可以以任何未预定义的方式移动身体部位(或保持静止位置)。

用户设备100还可以在用户执行身体部位的运动的同时提示用户使用用户设备100记录身体部位的视频数据。因此，用户可以在用户执行身体部位的运动的同时操作用户设备100以获取用户的身体部位的视频数据。

进一步如图1所示，用户设备100(例如，用户设备100的处理器)可以确定是否满足测量条件120。例如，测量条件可以对应于从开始获取视频数据起已经过去的阈值时间量、正在获取的视频数据的阈值量、已经完成身体部位的运动、已执行的预定运动或手势的数量、已完成的一组提示、已获得的用于准确确定UPDRS值所需的视频数据的阈值量等。

进一步如图1所示，用户设备100(例如，用户设备100的处理器)可以使用深度神经网络(DNN)模型来确定。例如，用户设备100可以将视频数据和/或处理后的视频数据输入到DNN模型中，并基于模型的输出确定UPDRS值130。UPDRS值130可以包括运动障碍协会(MDS)UPDRS值，并且可以包括1、2、3、4等其中的值。

在一些实现方式中，用户设备100可以将原始视频数据输入到模型中，并且基于模型的输出来确定UPDRS值130。或者，用户设备100可以执行一种或多种视频处理技术，可以将处理后的视频数据输入到模型中，并基于模型的输出确定UPDRS值130。

用户设备100可以从基于云的平台(例如，服务器)接收训练后的模型，并存储该模型。以此方式，用户设备100可以通过减少执行大量的计算的需要来节省处理器和/或存储器资源。基于云的平台可以利用机器学习技术来分析数据并生成模型。例如，基于云的平台可以分析数百万、数十亿、数万亿等数据点，并生成关联视频数据和UPDRS值的模型。以此方式，用户设备100可以接收模型，并且与允许确定UPDRS值130的应用相关联地利用模型。

进一步如图1所示，用户设备100的处理器可以提供UPDRS值130以允许基于UPDRS值130对用户进行评估。例如，用户设备100可以经由输出组件(例如，用户界面)提供标识UPDRS值130的信息以允许用户、医生、护理人员、医务人员等识别UPDRS值。

在其他情况下，用户设备100可以经由网络实时地向一组其他设备提供UPDRS值130。在一些实施方式中，用户设备100可以以标准化格式提供UPDRS值130以允许基于UPDRS值更新各种数据库和记录。

用户设备100可以使用标准化技术来标准化UPDRS值130，使得该组设备可以每个都使用UPDRS值130。

用户设备100可收集用户的医疗信息，并将医疗信息转换并合并为标准化格式。此外，用户设备100可以与标准化格式相关联地生成UPDRS值130。用户设备100可以将标准化的UPDRS值130存储在一组基于网络的存储设备(例如，基于云的平台)中，并且每当UPDRS生成、更新时，产生消息通知医疗保健提供者、医生、医务人员、患者。

此外，用户设备100可以实时地(例如，与UPDRS值130的生成基本同时)向该组设备提供UPDRS值130以允许该组设备实时更新和/或利用UPDRS值130。以此方式，该组设备的各个用户可以立即访问该用户的最新UPDRS值130。

以此方式，和与不同医疗提供者相关联的非标准化医疗信息相比，本文中的一些实现允许标准化医疗信息和/或UPDRS值130被生成并实时提供给多个不同的设备，从而允许不同的用户共享医疗信息和/或UPDRS值130。

此外，以这种方式，这里的一些实现允许实时提供完整和准确的医疗信息和/或UPDRS值130。与多个不同的医务人员具有不完整或不准确的医疗或诊断信息的情况相比，这里的一些实现允许完整和准确的医疗信息和UPDRS值130在医务人员之间传播和容易地共享。

图2是本申请实施例提供的示例环境200的示意图，其中可以实现本文所述的系统和/或方法。如图2所示，环境200可以包括用户设备210、平台220和网络230。环境200的设备可通过有线连接、无线连接或有线和无线连接的组合来互连。

用户设备210包括能够接收、生成、存储、处理和/或提供与平台220相关的信息的一个或多个设备。例如，用户设备210可包括计算设备(例如，台式计算机、笔记本电脑、平板计算机、手持计算机、智能音箱、服务器等)、移动电话(例如，智能电话、无线电话等)、可穿戴设备(例如，智能眼镜或智能手表)、或类似装置。在一些实现中，用户设备210可以从平台220接收信息和/或向平台220发送信息。

如本文别处所述，平台220包括一个或多个能够确定与用户设备的用户相关联的统一帕金森病评分量表(UPDRS)值的设备。在一些实现中，平台220可以包括云服务器或一组云服务器。在一些实现中，平台220可被设计成模块化的，使得某些软件组件可根据特定需要被换入或换出。因此，平台220可以容易地和/或快速地重新配置以用于不同的用途。

在一些实现中，如图所示，平台220可以设置在云计算环境222中。值得注意的是，尽管本文描述的实现将平台220描述为设置在云计算环境222中，但在一些实现中，平台220可以不是基于云的(即，可以在云计算环境之外实现)或者可以部分基于云。

云计算环境222包括承载平台220的环境。云计算环境222可以提供计算、软件、数据访问、存储等服务，这些服务不需要终端用户(例如，用户设备210)了解承载平台220的系统和/或设备的物理位置和配置。如图所示，云计算环境222可以包括一组计算资源224(统称为“多个计算资源224”，单独称为“计算资源224”)。

计算资源224包括一台或多台个人计算机、工作站计算机、服务器设备或其他类型的计算和/或通信设备。在一些实现中，计算资源224可以承载平台220。云资源可包括在计算资源224中执行的计算实例、在计算资源224中提供的存储设备、由计算资源224提供的数据传输设备等。在一些实现中，计算资源224可通过有线连接、无线连接、或者有线和无线连接的组合，与其他计算资源224通信。

如图2所示，计算资源224包括一组云资源，例如一个或多个应用(“APPs”)224-1、一个或多个虚拟机(“VMs”)224-2、虚拟化存储(“VSs”)224-3、一个或多个虚拟机监控程序(“HYPs”)224-4等。

应用224-1包括一个或多个软件应用，该软件应用可提供给用户设备210和/或传感器设备220或可由用户设备210和/或传感器设备220访问。应用224-1可以使得在用户设备210上不必安装和执行软件应用程序。例如，应用224-1可以包括与平台220相关联的软件和/或任何其他能够通过云计算环境222提供的软件。在一些实现中，一个应用224-1可以通过虚拟机224-2向一个或多个其他应用224-1发送/接收信息。

虚拟机224-2包括机器(例如计算机)的软件实现，其执行程序类似于物理机器。虚拟机224-2可以是系统虚拟机或进程虚拟机，这取决于虚拟机224-2与任何实际机器的使用和对应程度。系统虚拟机可以提供支持执行完整操作系统(“OS”)的完整系统平台。进程虚拟机可以执行单个程序，也可以支持单个进程。在一些实现中，虚拟机224-2可以代表用户(例如，用户设备210)执行，并且可以管理云计算环境222的基础设施，例如数据管理、同步或长时间数据传输。

虚拟化存储224-3包括在计算资源224的存储系统或设备内使用虚拟化技术的一个或多个存储系统和/或一个或多个设备。在某些实现中，在存储系统的上下文中，虚拟化的类型可能包括块虚拟化和文件虚拟化。块虚拟化可以指逻辑存储与物理存储的抽象(或分离)，以便可以访问存储系统而不考虑物理存储或异构结构。这种分离可以使存储系统的管理员能够灵活地为最终用户管理存储。文件虚拟化可以消除在文件级访问的数据和物理存储文件的位置之间的依赖性。这可以优化存储使用、服务器整合和/或无中断文件迁移的性能。

管理程序224-4可以提供硬件虚拟化技术，允许在主机上，如计算资源224，同时运行的多个操作系统(如“客户操作系统”)。管理程序224-4可以为客户操作系统提供虚拟操作系统平台，并可管理客户操作系统的执行。各种操作系统的多个实例可以共享虚拟化硬件资源。

网络230包括一个或多个有线和/或无线网络。例如，网络230可以包括蜂窝网络(例如，第五代(5G)网络、长期演进(LTE)网络、第三代(3G)网络、码分多址接入(CDMA)网络等)、公共陆地移动网(PLMN)、局域网(LAN)和广域网(WAN)、城域网(MAN)、电话网(例如公共交换电话网(PSTN))、专用网、自组网、内联网，因特网、基于光纤的网络等，和/或这些或其他类型的组合网络。

图2中所示的装置和网络的数量和设置仅为本申请的一些示例。在实际使用中，与图2中所示的装置和/或网络相比，可以存在其他装置和/或网络、或者更少的装置和/或网络、或者不同的装置和/或网络、或不同设置的装置和/或网络。此外，图2中所示的两个或多个设备可以在单个设备内实现，或者图2中所示的单个设备可以实现为多个分布式设备。另外，在一些实施例中，环境200的一组设备(例如，一个或多个设备)可以执行由环境200的另一组设备执行的一个或多个功能。

图3是本申请实施例中装置300的示例组件的示意图。装置300可对应于用户设备210和/或平台220。如图3所示，装置300可以包括总线310、处理器320、存储器330、存储组件340、输入组件350，输出组件360和通信接口370。

总线310包括一个组件，该组件允许设备300的组件之间的通信。处理器320以硬件、固件或硬件和软件的组合的方式来实现。处理器320可以是中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)、微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)，或其它类型的处理部件。在某些实现中，处理器320包括一个或多个能够被编程以执行某些功能的处理器。存储器330包括随机存取存储器(RAM)、只读存储器存储器(ROM)和/或其他类型的动态或静态存储设备(例如，闪存、磁存储器、和/或光学存储器)，其上存储有可由处理器320使用的信息和/或指令。

存储组件340存储与设备300的操作和使用有关的信息和/或软件。例如，存储组件340可以包括硬盘(例如，磁盘、光盘、磁光盘和/或固态磁盘)、光盘(CD)、数字多功能光盘(DVD)、软盘、盒带、磁带和/或其他非易失性计算机可读介质，以及相应的驱动器。

输入组件350包括允许设备300通过用户输入(例如触摸屏显示器、键盘、键盘、小键盘、鼠标、按钮、开关和/或麦克风)接收信息的组件。此外，在一些实施例中，输入部件350还可以包括用于感测信息的传感器(例如，全球定位系统(GPS)组件、加速计、陀螺仪和/或执行器)。输出组件360包括提供来自设备300的输出信息的组件(例如，显示器、扬声器和/或一个或多个发光二极管(LED))。

通信接口370包括类似于收发器的组件(例如，收发器和/或独立的接收器和发射器)，使设备300能够与其他设备通信，例如通过有线连接、无线连接或有线和无线连接的组合。通信接口370可允许设备300接收来自另一设备的信息和/或向另一设备提供信息。例如，通信接口370可包括以太网接口、光接口、同轴接口、红外接口、射频(RF)接口、通用串行总线(USB)接口、Wi-Fi接口、蜂窝网络接口等。

设备300可以执行本文描述的一个或多个过程。设备300可响应于处理器320执行非易失性计算机可读介质存储的软件指令来执行这些过程，所述存储介质例如存储器330和/或存储组件340。本文将计算机可读介质定义为非易失性存储器设备。存储器设备包括单个物理存储设备内的内存空间或分布在多个物理存储设备上的内存空间。

软件指令可从另一计算机可读介质或通过通信接口370从另一设备读取到存储器330和/或存储组件340。当被执行时，存储在存储器330和/或存储组件340中的软件指令可使处理器320执行本文描述的一个或多个方法。此外，在一些实施例中，硬件电路可用于替代本文描述的一个或多个过程的软件指令，或与之结合使用。因此，本文所述的实现方法不限于硬件电路和软件的任何特定组合。

图3所示组件的数量和设置仅作为示例提供。在实际应用中，设备300可以包括与图3所示的组件相比更多的组件、或更少的组件、或不同组件或不同设置的组件。此外，在一些实施例中，设备300的一组组件(例如，一个或多个组件)可以执行由设备300的另一组组件执行的一个或多个功能。

图4是用于确定与用户设备的用户相关联的统一帕金森病评分量表(UPDRS)值的示例过程400的流程图。在一些实施方式中，图4的一个或多个过程块可以由用户设备210执行。在一些实现方式中，图4的一个或多个过程块可以由与用户设备210分离或包括用户设备210的另一设备或一组设备(例如平台220)来执行。

如图4所示，过程400可以包括由用户设备的处理器获取与用户身体部位的运动相关联的视频数据(框410)。

例如，用户设备210可以获取与用户的身体部位的运动相关联的视频数据以便确定UPDRS分数。在一些实现方式中，用户设备210可以使用用户设备210的摄像头来获取视频数据。也就是说，单个用户设备210可以获取视频数据。附加地或替代地，用户设备210可以从另一个用户设备210获取视频数据。也就是说，可以使用多个用户设备210来获取视频数据。例如，一组固定的或可移动的用户设备210可以获取用户的视频数据。

在一些实现方式中，用户设备210可以获取具有特定角度的视频数据。例如，用户设备210可以在特定角度获取与用户的身体部位相关的视频数据。附加地或替代地，用户设备210可以获取相对于用户的身体部分具有多个角度的视频数据。例如，用户设备210可以被移动以获取用户身体部位的多个角度的视频数据。作为替代，相对于用户的身体部位以不同的拍摄角度布置的多个用户设备210可以获取相对于用户的身体部位布置在不同的角度的各自的视频数据。

在一些实现方式中，用户设备210可以获取用户感兴趣的身体部位的视频数据。例如，用户设备210可以获取用户的手、用户的手指、用户的手臂、用户的腿、用户的躯干、用户的头部、用户的腿、用户的脚、用户的整个身体等的视频数据。

在一些实现方式中，用户设备210可以经由输出组件提供指示用户执行预定动作的提示。例如，提示可以指示用户使用用户的手、执行预定义的动作。作为另一示例，提示可以指示用户以预定方式行走。作为另一示例，提示可以指示用户执行诸如轻敲手指之类的重复动作。

在一些实现方式中，用户设备210可以使用视频数据来执行图像处理技术。例如，参照图5，用户设备210可以获取与用户身体部位的运动相关联的视频数据(步骤510)。此外，用户设备210可以执行图像分割以将用户身体部位的视频数据分割成片段(步骤520)。用户设备210可以执行图像分割技术、边缘检测技术、计算机视觉技术等。

这样，当如本文别处描述的那样确定UPDRS分数时，用户设备210可以分析视频数据的子集，该子集具体对应于用户感兴趣的身体部位。因此，提高了UPDRS分数的准确性。

这样，用户设备210可以获取视频数据，并利用视频数据来确定UPDRS分数，如下所述。

如图4进一步所示，过程400可以包括由用户设备的处理器确定是否满足测量条件(框420)。

例如，用户设备210可以确定是否满足测量条件以获取足够的视频数据用于确定UPDRS分数。测量条件可以对应于阈值时间量，阈值视频数据量，正在执行的预定运动，具有阈值图像质量的视频数据，满足阈值的视频数据的波形，识别、分割、标识出的感兴趣的身体部位，和/或类似。

如图4进一步所示，如果不满足测量条件(框420-否)，则过程400可以包括获取附加视频数据(返回到框410)。

如图4进一步所示，如果满足测量条件(框420-是)，则过程400可以包括由用户设备的处理器使用模型基于与身体部位的运动相关联的视频数据来确定用户的UPDRS值(框430)。

在一些实现方式中，用户设备210可以基于视频数据和模型来确定UPDRS分数。例如，用户设备210可以向模型输入视频数据，并基于模型的输出获取UPDRS分数。

作为替代，用户设备210可以将视频转换为另一种格式的数据，并基于转换后的数据确定UPDRS分数。例如，用户设备210可以将视频数据转换为二维数据。作为示例，数据可以对应于用户身体部分的运动的频率数据(例如，频率对时间)。在一些实施方式中，用户设备210可以基于分析用户身体部位的运动频率、用户身体部位的运动幅度等来确定UPDRS分数。

作为另一替代，用户设备210可以基于执行图5的图像分割技术来识别对应于用户感兴趣的身体部位的视频子集。此外，用户设备210可以基于视频数据的子集来确定UPDRS分数。

在任何情况下，用户设备210可以基于视频数据确定UPDRS分数，并提供如下所述的分数。

如图4进一步所示，过程400可以包括由用户设备的处理器提供UPDRS值以允许基于UPDRS值对用户进行评估(框440)。

例如，用户设备210可以提供UPDRS分数以供输出以允许用户识别该分数。

在一些实现方式中，用户设备210可以提供UPDRS分数以供显示。

作为另一替代，用户设备210可以提供对应于视频数据的数据用于输出。例如，用户设备210可以提供用户身体部分的运动的波形。在这种情况下，用户设备210可以显示用户身体部位的运动幅度随时间变化、用户身体部位运动的频率随时间变化等。用户设备210可以提供任何前述数据连同UPDRS分数作为输出。或者，用户设备210可以提供任何前述数据作为输出而不输出UPDRS分数。因此，应当理解，用户设备210可以提供任何前述数据和/或其排列作为输出。

尽管图4示出了方法400的示例过程，但在一些实现中，方法400可以包括与图4中所示的过程相比的更多的操作、或更少的操作、或不同的操作或不同设置的操作。此外，或者，可以并行地执行方法400的两个或多个操作。

上述公开提供的示例和说明，并非旨在详尽无遗或将实现限制为所公开的精确形式。根据上述公开，可以进行修改和变更，也可以从实施的实践中获得。

如本文所用，术语组件被广泛地解释为硬件、固件或硬件和软件的组合。

显而易见，本文所述的系统和/或方法可以以不同形式的硬件、固件或硬件和软件的组合来实现。用于实现这些系统和/或方法的实际专用控制硬件或软件代码不限制实现。因此，在本文中描述了系统和/或方法的操作和行为，而不参考特定的软件代码。应当理解，软件和硬件可以设计成基于本文中的描述来实现系统和/或方法。

即使在权利要求书和/或说明书中叙述了特征的特定组合，这些组合并不是为了限制可能实现的公开。事实上，这些特征中的许多可以以权利要求书中未具体叙述和/或说明书中未公开的方式来组合。尽管下面列出的每个从属权利要求可能仅直接依赖于一个权利要求，但是可能实现的公开包括每个从属权利要求与权利要求中的每个其他权利要求的组合。

除非明确说明，否则此处使用的任何元素、行为或指令均不得解释为关键或必要。此外，如本文所用，“一个”旨在包括一个或多个项目，并且可与“一个或多个”互换使用。此外，如本文所用，术语“集合”旨在包括一个或多个项目(例如，相关项目、不相关项目、相关和不相关项目的组合等)，并且可以与“一个或多个”互换使用。如果只打算使用一个项目，则使用术语“一个”或类似的语言。此外，如本文所使用的，术语“包括”或类似的术语意在是开放式术语。此外，除非另有明确说明，否则短语“基于”意指“至少部分基于”。