СПОСОБ И УСТРОЙСТВО ДЛЯ ИЕРАРХИЧЕСКОГО АНАЛИЗА ДАННЫХ НА ОСНОВЕ ВЗАИМНОЙ КОРРЕЛЯЦИИ

ОБЛАСТЬ ТЕХНИКИ

[001] Настоящее изобретение в целом относится к организации доступа к интересующим данным на основе корреляционного анализа, в частности интересующим клиническим данным на основе корреляционного анализа данных большого объема.

УРОВЕНЬ ТЕХНИКИ

[002] В настоящее время преобладающие в больницах электронные информационные системы, позволяют собирать для анализа данные большого объема. Корреляция является ключевым методом анализа для исследования взаимного влияния собранных данных, для получения новых знаний, которые пригодны для наблюдения, прогнозирования, диагностики и других целей. Однако данные, извлеченные из базы данных для типов данных (например, численных, номинальных и пр.), должны быть обработаны при помощи различных корреляционных методов анализа, которые не подходят для сравнения. Кроме того, такое большое количество информации, как например система CVIS (англ - «Cardiovascular Information System», информационная система по сердечно-сосудистым заболеваниям) с более чем 200 атрибутами данных для одного пациента, требует хорошо разработанной структуры для представления этих данных и корреляций между ними пользователю, интересующемуся исследованием соответствующих характеристик и влияний.

[003] В US 2013/0138592 A1 раскрыт способ обработки данных большого объема для получения графа зависимости путем использования множества атрибутов и извлечения из графа зависимости подграфа для представления предположения, согласно которому корреляцию получают исходя из группировки атрибутов данных на основе их зависимостей. Кроме того, значение корреляции, выраженное как величина р, используют для единообразного представления корреляции, оцениваемой различными статистическими тестами, которую определяют в зависимости от конкретных типов данных связанных атрибутов. Однако несмотря на то, что значение корреляции, выраженное как величина р, может быть получено из различных статистических тестов, основанных на различных предположениях, так называемое единое значение корреляции не отражает согласованные количественные значения или предположения и, таким образом, не является надежным для проведения сравнений. Группировки на основе зависимостей снижают количество предоставляемых корреляций, тем самым повышая удобство для пользователя, но они также ограничивают исследования возможных зависимостей типов данных и упускают часть информации, содержащейся в данных. Кроме того, для обработки данных не проводят иерархический анализ, и вся обработка данных проводится на атрибутивном уровне, что делает анализ неэффективным и неполным.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

[004] Таким образом, было бы желательно обеспечить эффективный способ и устройство для облегчения проведения полных исследований данных и представления интересующей пользователя информации ясным и простым способом.

[005] Для лучшего решения одной или более из этих задач в соответствии с вариантом реализации одного аспекта настоящего изобретения обеспечены устройство и способ иерархического анализа данных на основе взаимных корреляций.

[006] Устройство для анализа данных, содержащих множество атрибутов, на основе взаимных корреляций, причем устройство содержит:

[007] нормализатор, выполненный с возможностью нормирования атрибутов каждых данных в наборе данных к номинальным значениям;

[008] вычислительное устройство, выполненное с возможностью расчета корреляций между атрибутами каждых данных в наборе данных на основе нормированных номинальных значений атрибутов;

[009] первый генератор, выполненный с возможностью генерирования первого графа категорий и корреляций между категориями, причем каждая категория содержит сгруппированные атрибуты на основе предварительно заданных правил, а каждая корреляция между категориями является средней корреляцией между атрибутами соответствующих категорий; или генерирования первого графа рекомендованных атрибутов;

[0010] второй генератор, выполненный с возможностью генерирования второго графа первого атрибута, выбранного пользователем из первого графа, связанных атрибутов и корреляций между первым атрибутом и связанными атрибутами, причем корреляция между первым атрибутом и каждым связанным атрибутом превышает предварительно заданное пороговое значение корреляции;

[0011] третий генератор, выполненный с возможностью генерирования третьего графа статистического распределения связанных данных на основе значений первого атрибута и по меньшей мере второго атрибута, выбранного пользователем из второго графа, причем связанные данные содержат первый атрибут и по меньшей мере второй атрибут.

[0012] Статистические распределения представлены в координатной плоскости, где каждая комбинация значений атрибутов для первого атрибута и по меньшей мере второго атрибута, а также соответствующая статистическая информация для каждой комбинации значений представлены значениями на осях и по меньшей мере различимым визуальным свойством статистического индикатора, который отображает комбинацию значений атрибутов для первого атрибута и по меньшей мере второго атрибута, а также статистическую информацию, соответствующую комбинации значений.

[0013] В настоящем изобретении предложено введение нормирования значений атрибутов и устройство для иерархического анализа для анализа данных на основе взаимных корреляций между атрибутами. Нормирование шкальных значений для атрибутов к номинальным значениям обеспечивает основу для предположения о корреляциях атрибутов, делая дальнейшее наблюдение и сравнение обоснованными с научной точки зрения. Многослойное иерархическое исследование позволяет проводить не только анализ на атрибутивном уровне, но и анализ связанных данных, что обеспечивает более полное наблюдение.

[0014] Это обеспечивает пользователю инструмент для эффективного и полного исследования корреляции между атрибутами медицинских данных, что проблематично ввиду массивного количества доступных медицинских данных. Это осуществляется путем представления атрибутов и их предварительно заданных корреляций в интерактивной и иерархической форме (множеством слоев) так, что пользователь может легко определить интересующий атрибут и соответствующие сильно коррелированные атрибуты вместо того, чтобы обращаться ко всем атрибутам и значениям взаимной корреляции, которых слишком много для начала.

[0015] В одном варианте реализации, номинальные значения определяют на основе предварительно определенных диагностических правил, причем предварительно определенное диагностическое правило определяет соответствие (mapping) между номинальными значениями и шкальными значениями для атрибута каждых данных.

[0016] Нормирование шкальных значений к номинальным значениям на основе знаний в предметной области делает анализ данных более значимым и эффективным с медицинской точки зрения. В отличие от шкальных значений, номинальные значения предоставляют прямое и простое определение статуса атрибута, такое как «Нормальное» или «Ненормальное», что делает анализ более воспринимаемым.

[0017] В одном варианте реализации, рекомендация основана на частоте выбора или на медицинских указаниях.

[0018] В одном варианте реализации, устройство дополнительно содержит четвертый генератор, выполненный с возможностью генерирования списка связанных данных на основе значений, выбранных пользователем из первого атрибута и по меньшей мере второго атрибута, причем связанные данные содержат первый атрибут и по меньшей мере второй атрибут.

[0019] Устройство обеспечивает один дополнительный слой, или уровень, для изучения содержимого связанных данных, что завершает полное исследование категорий атрибутов/главных атрибутов, атрибутов, связанных данных и содержимого данных. Это позволяет пользователю в полном объеме использовать информацию, содержащуюся в доступных данных.

[0020] B одном варианте реализации корреляция между двумя атрибутами представлена индикатором корреляции, соединяющим два атрибута, причем визуальное свойство индикатора корреляции основано на значении корреляции.

[0021] Моментальная визуализация значения корреляции между атрибутами посредством (?) визуального свойства каждого индикатора корреляции облегчает соответствующее понимание сложной взаимосвязи между атрибутами.

[0022] Настоящее изобретение включает способ анализа данных, содержащих множество атрибутов, на основе взаимных корреляций, (?), причем способ включает:

[0023] нормирование атрибутов каждых данных в наборе данных к номинальным значениям;

[0024] расчет корреляций между атрибутами каждых данных в наборе данных на основе нормированных номинальных значений атрибутов;

[0025] генерирование первого графа категорий и корреляций между категориями, причем каждая категория содержит сгруппированные атрибуты на основе предварительно заданных правил, а каждая корреляция между категориями является средней корреляцией между атрибутами соответствующих категорий; или генерирование первого графа рекомендованных атрибутов;

[0026] генерирование второго графа первого атрибута, выбранного пользователем из первого графа, связанных атрибутов и корреляций между первым атрибутом и связанными атрибутами, причем корреляция между первым атрибутом и каждым связанным атрибутом превышает предварительно заданное пороговое значение корреляции;

[0027] генерирование третьего графа статистического распределения связанных данных на основе значений первого атрибута и по меньшей мере второго атрибута, выбранного пользователем из второго графа, причем связанные данные содержат первый атрибут и по меньшей мере второй атрибут.

[0028] Различные аспекты и признаки настоящего изобретения описаны ниже более подробно. Другие цели и преимущества настоящего изобретения также станут более ясными и будут легко понятны из описания и со ссылкой на сопроводительные чертежи.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0029] Настоящее изобретение будет описано и пояснено далее более подробно совместно с вариантами реализации и со ссылкой на чертежи, на которых:

[0030] на Фиг. 1 показано схематическое изображение устройства для 3-слойного анализа данных на основе взаимных корреляций в соответствии с вариантом реализации настоящего изобретения;

[0031] на Фиг. 2 показано схематическое изображение третьего графа рекомендованных атрибутов;

[0032] на Фиг. 3(а) показано схематическое изображение третьего графа категорий атрибутов и корреляций между категориями;

[0033] на Фиг. 3(b) показано схематическое изображение третьего графа категорий атрибутов и корреляций между категориями, где дополнительно отображены атрибуты выбранных категорий;

[0034] на Фиг. 4(а) показано схематическое изображение первого графи первого атрибута, связанных атрибутов и корреляций между первым атрибутом и первыми связанными атрибутами;

[0035] на Фиг. 4(b) показано схематическое изображение второго графа статистической информации о связанных данных на основе значения второго атрибута с первого графа, причем связанные данные содержат первый атрибут и второй атрибут;

[0036] На Фиг. 5(а) показано схематическое изображение первого графа первого атрибута, связанных атрибутов и корреляций между первым атрибутом и первыми связанными атрибутами;

[0037] на Фиг. 5(b) показано схематическое изображение второго графа статистической информации о связанных данных на основе значений второго атрибута и третьего атрибута с первого графа, причем связанные данные содержат первый атрибут, второй атрибут и третий атрибут;

[0038] на Фиг. 6 показано схематическое изображение способа 3-слойного анализа данных на основе взаимных корреляций, в соответствии с вариантом реализации настоящего изобретения.

[0039] Одинаковыми ссылочными обозначениями на чертежах обозначены подобные или соответствующие признаки и/или функциональности.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

[0040] Настоящее изобретение будет описано относительно конкретных вариантов реализации и со ссылкой на некоторые чертежи, однако изобретение не ограничено ими, и ограничено лишь пунктами формулы изобретения. Описанные фигуры являются только схематическими и не несут ограничительного характера. На фигурах размер некоторых элементов может быть увеличен и не показан в масштабе в иллюстративных целях,

[0041] На Фиг. 1 показано схематическое изображение устройства для 3-слойного (категории/рекомендованные - атрибут - данные) анализа данных на основе взаимных корреляций, в соответствии с вариантом реализации настоящего изобретения, для исследования взаимных влияний. Клинические данные для анализа согласно настоящему изобретению содержат множество атрибутов, каждый из которых содержит один объект из демографических данных, информации об образе жизни, медицинской информации, информации о лечебном учреждении, информации об истории и факторах риска, информации о предыдущих визитах, информации о процедурах и т.д. по конкретному пациенту. Медицинская информация включает информацию об общем состоянии здоровья пациента, информацию о поражениях, информацию об устройствах и информацию о плановом контроле. Значение каждого атрибута может быть или номинального, или шкального вида. Номинальный вид является категорией значения, которое непоследовательно, неизмеримо и неразличимо по величине. Например, большинство демографической информации, такой как пол, город проживания, служебное положение и некоторая информация об истории болезни, такая как вид лекарственного препарата, тип нарушения, используемые устройства, является номинальной, которую нельзя измерить численно. Шкальный вид, напротив, является категорией значения, которое последовательно, измеримо и различимо по величине. Например, демографическая информация, такая как возраст, и информация об истории болезни, такая как доза лекарственного препарата, параметры описания нарушений, является информацией шкального вида, которую можно измерить численно. Множество данных, как описано выше, составляют набор данных в качестве объекта для анализа, согласно настоящему изобретению. Нормализатор 101 нормирует значения всех атрибутов к номинальным значениям по унифицированному стандарту для обеспечения универсально сравнимого основания для дальнейшего анализа. Унифицированный стандарт основан на знаниях в предметной области. Например, шкальные значения преобразуются в «нормальные» и «ненормальные» согласно клиническим указаниям, таким как указания Американского колледжа кардиологии (АСС), и/или вводятся кардиологами с учетом местных стандартов. Благодаря указаниям и/или экспертным данным, можно получать добавочные атрибуты путем объединения множества атрибутов, например, номинальный результат СТО (англ. «Chronic Total Occlusion» - хроническая тотальная окклюзия коронарных артерий) (успешный/неуспешный/нет СТО) можно получать, проводилась ли СТО (Да/Нет) и был ли послеоперационный биомаркер, по шкале TIMI равен 3. Благодаря единой стандартизации (шкальные значения, преобразованные в номинальные значения) значения атрибутов генерируют по одному предположению, связанному со всеми атрибутами, дающему обоснованное основание для корреляционного анализа атрибутов. На основе преобразованных значений атрибутов вычислительное устройство 102 рассчитывает корреляции между атрибутами. Статистические методы, подходящие для номинальных значений, можно приспособить для расчетов, например, способ расчета критерия хи-квадрат, способ расчета точного критерия Фишера, способ расчета биномиального критерия, способ расчета критерия Крускала-Уоллиса и пр. Корреляции, сгенерированные на основе универсального предположения для всех атрибутов, являются корректными и сравнимыми с научной точки зрения.

[0042] Первый генератор 103 генерирует первый граф категорий и корреляций между категориями. Атрибуты группируются по категориям на основе предварительно заданных правил или категоризации регистра данных, которые могут быть основаны на определении клинических действий, информации, связанной с экономическими факторами, классификации по образу жизни, информации о последующем контроле, истории и факторах риска, информации о строении тела, информации о повреждениях, информации, об устройствах, информации о происшествиях/осложнениях и пр. Затем категории и корреляции между ними представляют для получения обзора взаимосвязей для категорий. Корреляции между категориями основаны на значениях корреляций атрибутов, сгруппированных для каждой категории. Касательно одной реализации, среднее значение корреляции между атрибутами, сгруппированными по каждой категории, можно использовать для представления корреляции между категориями. После выбора одной категории отображаются атрибуты категории, выбранной пользователем. Категории атрибутов реализованы в качестве верхнего слоя, обрабатываемого для анализа данных, что уменьшает варианты для выбора и наблюдений. Вместе с дальнейшим указанием атрибутов интересующей категории процедура анализа становится более эффективной для пользователя в отношении нахождения интересующего атрибута. В качестве альтернативы, первый слой для анализа данных также может быть реализован в виде списка конечного количества рекомендованных атрибутов, например, из клинических рекомендаций, советов экспертов или автоматического выбора краткого списка, согласно корреляции или другим критериям. Дополнительно, для унификации структуры данных как необходимого условия для анализа данных может быть приспособлен предпроцессор данных. Для использования в больнице доступны различные электронные информационные системы, такие как CIS (англ. - «Clinical Information System», система клинических данных), LIS (англ. - «Laboratory Information System», система лабораторных данных), RIS (англ. - «Radiology Information System», система радиологических данных) и пр., что в результате дает различные форматы данных. Что касается анализа данных в разных информационных системах, для обеспечения общего основания, а следовательно и возможности проведения корреляционного анализа конкретного атрибута для всех данных, для всех данных желательна унифицированная структура. Унифицированная структура может быть разработана как интеграция всех атрибутов, возможных для доступных информационных систем, и заполнение значений будет проводиться для образования новых унифицированных данных для отсутствующих атрибутов, сравниваемых с исходными. Например, ноль можно ставить для атрибутов, отсутствующих для новых сгенерированных данных.

[0043] Второй генератор 104 генерирует второй граф первого атрибута, связанных атрибутов и корреляций между первым атрибутов и первыми связанными атрибутами. Первый атрибут является атрибутом, выбранным пользователем по собственному усмотрению. Связанные атрибуты являются атрибутами, корреляции которых с первым(?) атрибутом превышают предварительно заданное пороговое значение корреляции. Например, значение корреляции статистического метода, подходящего для номинальных значений, представлено статистической значимостью как значения р, а общее принятое пороговое значение устанавливают на 0,05. Корреляции между ними представлены для дальнейшего исследования. Таким образом, предложена визуализация атрибута, выбранного пользователем, и его связанных атрибутов ясным и простым способом.

[0044] Третий генератор 105 генерирует третий граф статистического распределения связанных данных на основе значений первого атрибута и по меньшей мере второго атрибута со второго графа, выбранного пользователем, где связанные данные содержат первый атрибут и по меньшей мере второй атрибут. Второй генератор 104 выполняет подробное исследование данных, связанных с атрибутами, выбранными пользователем, обеспечивая больше информации о связанных данных со статистической точки зрения. Четвертый генератор (не показан на Фиг. 1) может использоваться для представления списка данных на основе значения, выбранного пользователем для первого атрибута, второго атрибута и/или третьего атрибута.

[0045] На Фиг. 2, Фиг. 3(а) и Фиг. 3(b) показаны реализации интерфейса пользователя для трехслойного анализа данных. На Фиг. 2 показано схематическое изображение первого графа рекомендованных атрибутов. Окно 301 выбора предназначено для выбора трехслойного анализа, который может или представлять верхние 5 показателей результатов, или представлять распределение по категориям. Что касается верхних 5 показателей результатов, они рекомендованы на основе предварительно заданных правил, например, на основе частоты, с которой их выбирают, или на основе медицинских указаний. Затем рекомендуется область 302 просмотра, представленная согласно атрибутам (атрибут 01 ~ атрибут 05). На Фиг. 3(а) и Фиг. 3(b) показаны схематические изображения первого графа категорий атрибутов, корреляций между категориями, и они дополнительно показывают атрибуты категории, выбранной пользователем. Если категория выбрана с помощью окна 301 выбора, все атрибуты представляются сгруппированными категориями (категория 01 ~ категория 05) для выбора пользователем по его усмотрению. А корреляции между категориями представляются индикаторами корреляции, соединяющими обе категории. Индикаторы корреляции в варианте реализации представлены в виде линий. Толщина линий представляет значение корреляции между категориями. Категории со слишком слабой корреляцией, которая ниже некоторого порогового значения, не будут иметь соединительных линий. Например, линия между категорией 02 и категорией 05 тоньше, чем линия между категорией 02 и категорией 04, что показывает, что категория 02 имеет большую корреляцию с категорией 04, чем с категорией 05. Значение корреляции также можно представить другими визуальными объектами или другими формами индикаторов. Визуальные объекты могут быть цветом, яркостью, схемой заполнения или другими. Формы могут быть полосами, цепями или другими. После выбора одной категории, например, категории 03, список 3021 всех атрибутов (атрибут 03, атрибут 06, атрибут 07, атрибут 08, атрибут 09), сгруппированных по категории 03, отображается под категорией 03 для дальнейшего выбора пользователем, который в этом случае выбирает атрибут 07. На Фиг. 2, Фиг. 3(а) и Фиг. 3(b) показаны вариант реализации верхнего слоя иерархии анализа данных для увеличения эффективности.

[0046] На Фиг. 4(а) и Фиг. 4(b) показаны реализацию пользовательского интерфейса второго и третьего слоя анализа данных с выбранными пользователем первым атрибутом и вторым атрибутом. На Фиг. 4(а) показано схематическое изображение второго графа первого атрибута, связанных атрибутов и корреляций между первым атрибутом и связанными атрибутами. Интерфейс содержит область 401 отображения атрибутов, окно 402 отображения выбора атрибута и клавишу 403 вывода диаграммы. Область 401 отображения атрибута используется для отображения сгенерированного первого графа. Первым атрибутом, выбранным пользователем, является атрибут 07, который расположен в центре. Каждая область, сегментированная штриховыми линиями 4011~4015, закреплена за связанными атрибутами одной категории, отсортированными по некоторому критерию, например, по возрастанию статистической значимости в одном варианте реализации. Например, область, сегментированная штриховой линией 4012 и штриховой линией 4013, является областью, закрепленной за связанными атрибутами категории 03 (атрибут 03, атрибут 06, атрибут 07, атрибут 08, атрибут 09). Кроме того, сгруппированные связанные атрибуты разнесены на обе стороны. Связанные атрибуты, расположенные слева, являются атрибутами, коррелирующими только с атрибутом 07, выбранным пользователем. Связанные атрибуты, расположенные справа, это атрибуты, коррелирующие с множеством атрибутов, в том числе с атрибутом 07, выбранным пользователем. Затем атрибут 02 выбирают в качестве второго атрибута, выбранного пользователем из второго графа. Перед выбором любого атрибута на Фиг. 4(а), курсор над атрибутами будет вызывать появление подробной информации (например, статистической значимости, такой как значение р и величина корреляции), подлежащей отображению вдоль линий (не изображено на фигуре). В любом случае, когда атрибут выбран как атрибут, выбранный пользователем, он будет отображен в окне 402 отображения выбора атрибута. Клавиша 403 вывода диаграммы обеспечивает возможность изображения статистического распределения связанных атрибутов. На Фиг. 4(b) изображен третий граф статистики связанных данных на основе значения первого атрибута, выбранного с первого графа, второго атрибута, выбранного со второго графа, и связанных данных, содержащих первый атрибут, где связанные данные содержат первый атрибут и второй атрибут. Интерфейс содержит область 501 отображения статистического распределения и окно 502 отображения выбора атрибута. Диаграмма является гистограммой на основе различных значений атрибута 07 и атрибута 02. Значение атрибута 07 или «нормальное», или «ненормальное», а значение атрибута 02 или «да», или «нет», что в результате дает четыре комбинации. И соответствующие распределения связанных данных, представленных статистическими индикаторами в виде полос 5011~5014 для четырех комбинаций, соответственно, изображены в координатной плоскости, где ось у представляет число связанных данных для соответствующих комбинаций, ось х представляет значение первого атрибута 07, а цвет представляет значение второго атрибута 02. Дополнительное действие может быть осуществлено для того, чтобы отобразить список данных некоторой комбинации, выбранной пользователем (не изображено) для исследования. Действие может быть осуществлено путем нажатия на шкальные индикаторы, представляющие такую комбинацию или вводом пользователя.

[0047] На Фиг. 5(а) и Фиг. 5(b) показана реализация интерфейса пользователя первого и второго слоев анализа данных с первым атрибутом, вторым атрибутом и третьим атрибутом, выбранными пользователем. Для Фиг. 6(а) единственное отличие состоит в том, что выбирают третий атрибут, выбранный пользователем, причем третий атрибут, выбранный пользователем, является атрибутом 09, значение которого или «да», или «нет». Это в результате дает восемь комбинаций. Для Фиг. 5(b), соответственно, распределения связанных данных и 8 комбинаций изображены в координатной плоскости, где ось у представляет число связанных данных для соответствующих комбинаций, ось х представляет значение первого атрибута, а цвет представляет значение второго и третьего атрибута.

[0048] Больше атрибутов, связанных с первым атрибутом, могут быть вовлечены для анализа статистического распределения и больше визуальных объектов статистических свойств, таких как интенсивность и схема заполнения, могут быть использованы для представления большего числа комбинаций значений атрибутов.

[0049] На Фиг. 6 показано схематическое изображение способа 3-слойного анализа данных на основе взаимных корреляций в варианте реализации настоящего изобретения. Настоящее изобретение включает в себя способ анализа данных, содержащих множество атрибутов, на основе взаимных корреляций, указанный способ включает:

[0050] этап 101: нормирование атрибутов каждых данных в наборе данных к номинальным значениям;

[0051] этап 102: расчет корреляций между атрибутами каждых данных в наборе данных на основе нормированных номинальных значений атрибутов;

[0052] этап 103: генерирование первого графа категорий и корреляций между категориями, причем каждая категория содержит сгруппированные атрибуты на основе предварительно заданных правил, причем каждая корреляция между категориями является средней корреляцией между атрибутами соответствующих категорий; или генерирование первого графа рекомендованных атрибутов;

[0053] этап 104: генерирование второго графа первого атрибута, выбранного пользователем из первого графа, связанных атрибутов и корреляций между первым атрибутом и связанными атрибутами, причем корреляция между первым атрибутом и каждым связанным атрибутом превышает предварительно заданное пороговое значение корреляции;

[0054] этап 105: генерирование третьего графа статистического распределения связанных данных на основе значений первого атрибута и по меньшей мере второго атрибута, выбранного пользователем из второго графа, причем связанные данные содержат первый атрибут и по меньшей мере второй атрибут.

[0055] Другие вариации описанных вариантов реализации могут быть поняты и реализованы специалистом в данной области техники при осуществлении заявленного изобретения на практике после ознакомления с чертежами, описанием и приложенной формулой изобретения. В пунктах формулы изобретения слово «содержит» не исключает другие элементы или этапы, а грамматические показатели единственного числа не исключают множественное число. Отдельный процессор или другой блок может выполнять функции нескольких элементов, перечисленных в формуле изобретения. Сам по себе тот факт, что определенные меры перечислены во отдельных друг от друга зависимых пунктах формулы изобретения, не означает, что комбинация таких мер не может с успехом использоваться. Компьютерная программа может храниться и/или распространяться на соответствующем носителе информации, таком как оптическое или твердотельное запоминающее устройство, которые поставляются вместе или как часть других аппаратных средств, но может также распространяться другими способами, например, через сеть Интернет или с помощью других проводных или беспроводных телекоммуникационных систем. Все ссылочные обозначения в формуле изобретения не должны рассматриваться как ограничивающие ее объем.