本發明涉及信息檢索，尤其涉及一(yi)種醫院pacs系(xi)統的優化(hua)方法及系(xi)統。

背景技術：

1、信息檢索(suo)技術主要關(guan)(guan)注如何(he)從(cong)(cong)大量數據(ju)(ju)(ju)中快(kuai)速有效地(di)檢索(suo)出相關(guan)(guan)信息。這一技術領域覆蓋了(le)多(duo)種方法和策略，包括索(suo)引創建、搜索(suo)算法、數據(ju)(ju)(ju)挖(wa)掘、以及(ji)自然語言處(chu)理(li)等。在醫療領域，信息檢索(suo)尤(you)其關(guan)(guan)鍵，因為它能(neng)幫(bang)助醫療專業人員從(cong)(cong)龐大的數據(ju)(ju)(ju)集中找到必要的醫療記(ji)錄、病例研究、以及(ji)影像資(zi)料。這些技術不僅提升了(le)數據(ju)(ju)(ju)處(chu)理(li)的效率，也(ye)確保了(le)醫療決策的準確性和時(shi)效性。

2、其中，醫(yi)院pacs系(xi)(xi)統(tong)的(de)優化(hua)方法涉及(ji)到(dao)如何(he)改(gai)進醫(yi)院內部用于存儲、傳輸、檢(jian)索和展(zhan)示醫(yi)療(liao)影像(xiang)資料的(de)系(xi)(xi)統(tong)。pacs系(xi)(xi)統(tong)是醫(yi)療(liao)影像(xiang)信息技(ji)術的(de)重要(yao)組(zu)成部分，它允許醫(yi)生和醫(yi)療(liao)工作人員迅速訪問到(dao)x光片、mri以(yi)及(ji)其他類型(xing)的(de)醫(yi)療(liao)影像(xiang)，極大地提高了診斷的(de)效率和準確性。優化(hua)pacs系(xi)(xi)統(tong)可以(yi)減少數(shu)據加載時間，改(gai)進圖(tu)像(xiang)的(de)質量和訪問速度，從而在緊急(ji)醫(yi)療(liao)情況下(xia)提供更好的(de)支持，確保患者得到(dao)及(ji)時和有效的(de)治療(liao)。

3、現(xian)有技術(shu)在(zai)處(chu)理醫(yi)療(liao)(liao)(liao)(liao)影像(xiang)數(shu)(shu)(shu)據時通常(chang)存(cun)在(zai)檢索效(xiao)(xiao)率(lv)(lv)和(he)(he)(he)(he)更(geng)新靈活(huo)性(xing)不(bu)足的(de)(de)問題。盡管傳統(tong)系統(tong)能(neng)夠處(chu)理大量(liang)(liang)數(shu)(shu)(shu)據，但(dan)它們往(wang)往(wang)采用靜態(tai)索引，缺乏對數(shu)(shu)(shu)據變(bian)化(hua)的(de)(de)快速(su)響(xiang)(xiang)(xiang)應能(neng)力，難以支持實時的(de)(de)數(shu)(shu)(shu)據更(geng)新和(he)(he)(he)(he)查詢優化(hua)。缺乏趨(qu)勢分析和(he)(he)(he)(he)周期性(xing)變(bian)化(hua)考量(liang)(liang)的(de)(de)方法(fa)限制了(le)系統(tong)對病情發展(zhan)的(de)(de)洞察，這在(zai)需要快速(su)診斷和(he)(he)(he)(he)處(chu)理的(de)(de)醫(yi)療(liao)(liao)(liao)(liao)情況下尤為不(bu)利(li)。這些局限導致醫(yi)療(liao)(liao)(liao)(liao)決策(ce)可能(neng)基于不(bu)完整(zheng)或過時的(de)(de)數(shu)(shu)(shu)據，影響(xiang)(xiang)(xiang)治療(liao)(liao)(liao)(liao)效(xiao)(xiao)果和(he)(he)(he)(he)患者(zhe)安全。此外(wai)，靜態(tai)的(de)(de)數(shu)(shu)(shu)據處(chu)理方式在(zai)高(gao)需求和(he)(he)(he)(he)快節奏(zou)的(de)(de)醫(yi)療(liao)(liao)(liao)(liao)環(huan)境(jing)中(zhong)經常(chang)導致資源分配不(bu)當和(he)(he)(he)(he)診療(liao)(liao)(liao)(liao)響(xiang)(xiang)(xiang)應延遲，進而影響(xiang)(xiang)(xiang)整(zheng)體醫(yi)療(liao)(liao)(liao)(liao)服務的(de)(de)效(xiao)(xiao)率(lv)(lv)和(he)(he)(he)(he)質量(liang)(liang)。

技術實現思路

1、本發明的(de)目的(de)是解決現(xian)有技術中存在的(de)缺點(dian)，而提出的(de)一(yi)種(zhong)醫院pacs系統的(de)優化方法及系統。

2、為了(le)(le)實現(xian)上述目(mu)的，本發明采用(yong)了(le)(le)如(ru)下技(ji)術方案：一種(zhong)醫院pacs系統的優化方法，包括以下步驟：

3、s1：基于患者(zhe)歷(li)史影像數(shu)(shu)據(ju)(ju)和臨(lin)床參數(shu)(shu)，按時間順序對數(shu)(shu)據(ju)(ju)進(jin)行排(pai)序，識別(bie)每個影像數(shu)(shu)據(ju)(ju)的時間標簽(qian)和關鍵影像特征，建(jian)立歷(li)史影像時間序列，應(ying)用時間序列分(fen)析(xi)方法(fa)，識別(bie)數(shu)(shu)據(ju)(ju)中的趨勢(shi)和周期性(xing)變(bian)化(hua)，得(de)到(dao)趨勢(shi)和周期性(xing)變(bian)化(hua)分(fen)析(xi)結果；

4、s2：基(ji)于所述趨(qu)勢和周期性(xing)變化分(fen)析結(jie)(jie)果，匹配(pei)時(shi)間窗口和聚(ju)類(lei)(lei)(lei)參數(shu)(shu)，執(zhi)行時(shi)間序列聚(ju)類(lei)(lei)(lei)，對影像數(shu)(shu)據進行聚(ju)類(lei)(lei)(lei)處理，獲取初步聚(ju)類(lei)(lei)(lei)結(jie)(jie)果，根據所述初步聚(ju)類(lei)(lei)(lei)結(jie)(jie)果的聚(ju)類(lei)(lei)(lei)質量和聚(ju)類(lei)(lei)(lei)中心(xin)(xin)穩定性(xing)，調整聚(ju)類(lei)(lei)(lei)參數(shu)(shu)，重新執(zhi)行聚(ju)類(lei)(lei)(lei)操(cao)作，建(jian)立優(you)化后的聚(ju)類(lei)(lei)(lei)中心(xin)(xin)；

5、s3：基于所述(shu)優(you)化(hua)后的(de)(de)(de)聚(ju)(ju)(ju)類中(zhong)心，對未聚(ju)(ju)(ju)類的(de)(de)(de)新影像數據執行(xing)動態聚(ju)(ju)(ju)類操(cao)作，實時(shi)更新聚(ju)(ju)(ju)類結(jie)果，保持數據聚(ju)(ju)(ju)類的(de)(de)(de)時(shi)效性，建(jian)(jian)立動態聚(ju)(ju)(ju)類更新結(jie)果，利用(yong)動態聚(ju)(ju)(ju)類更新結(jie)果中(zhong)的(de)(de)(de)聚(ju)(ju)(ju)類信息，創建(jian)(jian)優(you)化(hua)后的(de)(de)(de)檢(jian)索索引(yin)；

6、s4：基于所(suo)述優化后的檢索(suo)索(suo)引(yin)(yin)，執(zhi)行(xing)影(ying)像查(cha)詢(xun)，根(gen)據目標病(bing)情(qing)階(jie)段、影(ying)像特(te)征進行(xing)搜索(suo)，實(shi)施索(suo)引(yin)(yin)支持的查(cha)詢(xun)優化，得到(dao)實(shi)時查(cha)詢(xun)結(jie)(jie)果(guo)，根(gen)據所(suo)述實(shi)時查(cha)詢(xun)結(jie)(jie)果(guo)，評估查(cha)詢(xun)性能和(he)數(shu)據覆蓋率，調整(zheng)索(suo)引(yin)(yin)結(jie)(jie)構和(he)參數(shu)，建立索(suo)引(yin)(yin)優化結(jie)(jie)果(guo)。

7、作為本發明的進一步(bu)(bu)方案，所述歷史影像(xiang)時間序列的獲取步(bu)(bu)驟具體為：

8、s111：從患者數(shu)(shu)據庫中(zhong)提取(qu)歷史(shi)影(ying)像數(shu)(shu)據和臨床參數(shu)(shu)，并按照(zhao)時間順序進(jin)行(xing)排(pai)序，得到排(pai)序后(hou)的數(shu)(shu)據集，采用公式：

9、

10、對每個(ge)數(shu)據點的多(duo)維特征(zheng)進行加權并(bing)加冪，得到(dao)線性加權數(shu)據；

11、其中，li代(dai)(dai)表第i個(ge)數(shu)據點的(de)線性(xing)加權值，ak代(dai)(dai)表第k個(ge)特征(zheng)的(de)權重(zhong)，xik代(dai)(dai)表第i個(ge)數(shu)據點的(de)第k個(ge)特征(zheng)，bk代(dai)(dai)表第k個(ge)特征(zheng)的(de)非線性(xing)調(diao)整(zheng)系數(shu)；

12、s112：將所述線(xian)性加權數據轉換(huan)為介于0和1之間的標準化形式，應(ying)用邏輯(ji)轉換(huan)公式：

13、

14、得到標準化數(shu)據集；

15、其(qi)中(zhong)，fi代(dai)表第i個數據點(dian)在邏輯轉換后(hou)的標準化(hua)值，σ代(dai)表標準化(hua)過(guo)程中(zhong)的縮放參數；

16、s113：根據(ju)所述標準化數(shu)據(ju)集，采用公式：

17、

18、進(jin)行加權求(qiu)和的同時(shi)引(yin)入非線性縮放，得(de)到(dao)歷史(shi)影像時(shi)間(jian)序列；

19、其中，t代表(biao)歷史影像時間序列，wi代表(biao)第i個數據點的權重，γi代表(biao)每個數據點的非線(xian)性調整因子，γ代表(biao)整體非線(xian)性調整指數。

20、作為本發明的(de)進一步方(fang)案，所(suo)述(shu)趨勢(shi)和周期(qi)性變化分析(xi)結(jie)果(guo)的(de)獲取步驟具(ju)體為：

21、s121：使用(yong)時間(jian)序(xu)(xu)列(lie)分析方法對所(suo)述歷史影像(xiang)時間(jian)序(xu)(xu)列(lie)進行分析，采用(yong)公式：

22、

23、對數據進(jin)行平滑處理，并引入周期(qi)性項的平方根(gen)捕捉周期(qi)性變化，得到平滑和(he)周期(qi)調整(zheng)的結果(guo)；

24、其中，rt代表平滑和周期(qi)調整(zheng)的(de)結果(guo)，α代表平滑系數，rt-1是時間(jian)t-1的(de)平滑結果(guo)，δ代表周期(qi)調整(zheng)的(de)幅度；

25、s122：分析所述平(ping)滑和周期調整的結果，使用周期分析公式：

26、

27、識別和描述周期性(xing)波動(dong)，得(de)到周期性(xing)變化的分(fen)析結果；

28、其中(zhong)，pt代表(biao)周期性變(bian)化(hua)的分析結果，β代表(biao)周期變(bian)化(hua)的影響系(xi)數，rt-1為前一時間點的平滑(hua)結果，∈代表(biao)防零調整量；

29、s123：將所述周期(qi)性變化的分(fen)析(xi)結果與(yu)趨勢分(fen)析(xi)結合(he)，采(cai)用公(gong)式：

30、

31、得到趨勢和周期(qi)性變(bian)化分(fen)析結果；

32、其中，ct代(dai)(dai)表趨勢(shi)(shi)和周期性(xing)變化分析結果，θ、φ分別代(dai)(dai)表趨勢(shi)(shi)和周期性(xing)分析結果的權重，λ代(dai)(dai)表趨勢(shi)(shi)與周期差異的強調系(xi)數。

33、作為本發明的(de)進(jin)一(yi)步方(fang)案，所述優化后(hou)的(de)聚類(lei)中心的(de)獲取步驟(zou)具體(ti)為：

34、s211：從所述趨(qu)勢和周期性變化分析結果(guo)中提取(qu)特征(zheng)，選擇匹配的時間窗口和聚類參數，采(cai)用公式：

35、

36、計算多時間(jian)窗口(kou)的聚集度，得到時間(jian)窗口(kou)聚集數據；

37、其(qi)中，ti代(dai)表第(di)i個(ge)時(shi)(shi)間窗口的(de)(de)聚集度，aj代(dai)表第(di)j個(ge)時(shi)(shi)間點的(de)(de)權重系數，xj代(dai)表時(shi)(shi)間序(xu)列中第(di)j個(ge)點的(de)(de)數據，bj是第(di)j個(ge)數據點的(de)(de)非線性調整系數，w代(dai)表時(shi)(shi)間窗口的(de)(de)半徑；

38、s212：應用聚(ju)類算法對所述(shu)時間窗口(kou)聚(ju)集數據進行(xing)聚(ju)類處理，采用公式：

39、

40、計算每(mei)個聚(ju)類的內聚(ju)力，得到初步聚(ju)類結果；

41、其中(zhong)，ck代(dai)表(biao)第(di)k個聚類(lei)的(de)(de)內聚力(li)，n代(dai)表(biao)在聚類(lei)中(zhong)的(de)(de)時間窗口數量，μk是(shi)第(di)k個聚類(lei)的(de)(de)中(zhong)心，σk是(shi)聚類(lei)寬度(du)的(de)(de)調整參數；

42、s213：根(gen)據所述初步聚(ju)(ju)類(lei)結果(guo)評估聚(ju)(ju)類(lei)質量和聚(ju)(ju)類(lei)中心的穩定性(xing)，調整聚(ju)(ju)類(lei)參數并重新執行(xing)聚(ju)(ju)類(lei)操(cao)作，采用公式：

43、

44、優(you)化(hua)聚(ju)類中(zhong)心(xin)的定位，得(de)到優(you)化(hua)后(hou)的聚(ju)類中(zhong)心(xin)；

45、其(qi)中(zhong)，sk代表第k個(ge)聚(ju)(ju)類的(de)穩定性評(ping)分，ti是(shi)聚(ju)(ju)類中(zhong)第i個(ge)時間(jian)窗口的(de)聚(ju)(ju)集度，μk是(shi)聚(ju)(ju)類中(zhong)心，|x-y|代表x和(he)y之間(jian)的(de)距(ju)離。

46、作為(wei)本(ben)發(fa)明的進一步方案，所述動態聚類(lei)更新結(jie)果的獲(huo)取(qu)步驟具體為(wei)：

47、s311：從所述優化(hua)后的(de)聚類中心開始，對未聚類的(de)新影像數據(ju)執(zhi)行動(dong)態聚類操作，采用公式：

48、

49、計算新(xin)數據點與(yu)多聚類中心的擬合度，生成(cheng)動態聚類的中間結果(guo)；

50、其(qi)中，dt代表新數(shu)據點在時間t的(de)(de)聚(ju)(ju)類擬合度分(fen)數(shu)，ωk代表聚(ju)(ju)類中心k的(de)(de)權(quan)重，xt是(shi)新影像(xiang)數(shu)據點，μk是(shi)聚(ju)(ju)類中心k，σk是(shi)聚(ju)(ju)類k的(de)(de)標準偏差，∈是(shi)規(gui)避分(fen)母為零的(de)(de)小量，ρk是(shi)距離(li)衰(shuai)減(jian)系數(shu)；

51、s312：基于所述(shu)動態聚類的中間結(jie)果，實時(shi)更新聚類結(jie)果，采(cai)用公式：

52、rt＝argmaxk(dt,k-λk·δk)

53、根(gen)據最高擬合度分數(shu)和調整因子重新分配聚類(lei)標簽，得(de)到(dao)動態聚類(lei)更新結果(guo)；

54、其中(zhong)，rt代表時間(jian)t的(de)聚類更新結(jie)果(guo)，dt,k代表時間(jian)t下，聚類k與(yu)新數據點(dian)的(de)擬合度分數，λk代表調整因子，δk代表前一聚類結(jie)果(guo)與(yu)當前聚類標(biao)簽(qian)的(de)偏(pian)差(cha)。

55、作為本發明的進一步方案(an)，所述優化(hua)后的檢(jian)索索引的獲取步驟具體為：

56、s321：利用所述動(dong)態聚(ju)類更新結果中的聚(ju)類信(xin)息，創(chuang)建檢索索引，采用公式：

57、

58、計算檢索(suo)索(suo)引的基礎結構，得(de)到初步(bu)檢索(suo)索(suo)引；

59、其中，it代表時間t的檢(jian)索索引，αj代表第j個(ge)數(shu)據點的索引權重，rt,j是(shi)第j個(ge)數(shu)據點在時間t的聚類標(biao)簽，θj是(shi)調整(zheng)系數(shu)；

60、s322：對所述初步(bu)檢索(suo)索(suo)引進(jin)行優化，采用(yong)公式：

61、

62、生成優化后的(de)檢(jian)索索引；

63、其中(zhong)，代表優化后的檢(jian)索索引(yin)，βj代表優化權重，it,j是(shi)初步檢(jian)索索引(yin)的第j部分，p是(shi)冪次參數，γj是(shi)用于保證運算穩定性的偏(pian)移量。

64、作為(wei)本發明的(de)進一步(bu)方案，所述索引優(you)化(hua)結果的(de)獲取步(bu)驟具體為(wei)：

65、s411：基(ji)于所述(shu)優化(hua)后的檢索索引，執行影(ying)像查詢，參照目標病情階段和影(ying)像特征，采(cai)用公式(shi)：

66、

67、實(shi)(shi)施索(suo)引支(zhi)持的查詢優化，得到實(shi)(shi)時查詢結(jie)果；

68、其中，qt代(dai)表(biao)時間(jian)的(de)查詢結(jie)果，ξi代(dai)表(biao)特(te)(te)(te)征(zheng)權重，ft是(shi)當前查詢的(de)特(te)(te)(te)征(zheng)集，gi是(shi)索引(yin)中對(dui)應的(de)特(te)(te)(te)征(zheng)集，τi是(shi)特(te)(te)(te)征(zheng)的(de)衰減參數，ηi是(shi)非(fei)線(xian)性(xing)調(diao)整因(yin)子；

69、s412：根(gen)據(ju)所述實(shi)時查(cha)詢(xun)(xun)結果評估查(cha)詢(xun)(xun)性能和數據(ju)覆蓋率，采用(yong)公(gong)式：

70、

71、評估(gu)得(de)出性能指標(biao)；

72、其中，pt代(dai)表查詢(xun)性能(neng)指標，ωk代(dai)表多(duo)查詢(xun)結(jie)果的重要(yao)性權重，qt,k是查詢(xun)結(jie)果集(ji)中的第k個(ge)結(jie)果，ω是總查詢(xun)集(ji)合的規模；

73、s413：根據(ju)所述性能指標，調整索引結構和參數，采用公式：

74、

75、建立索(suo)引優化結果；

76、其中，eopt代表索引優化結果，γj代表調(diao)整(zheng)權重，h是(shi)調(diao)整(zheng)函數(shu)，δj是(shi)調(diao)整(zheng)因子。

77、一種醫院(yuan)pacs系統(tong)的優(you)化(hua)系統(tong)，所述醫院(yuan)pacs系統(tong)的優(you)化(hua)系統(tong)用于(yu)執行(xing)上述醫院(yuan)pacs系統(tong)的優(you)化(hua)方法(fa)，所述系統(tong)包括：

78、數(shu)據(ju)(ju)(ju)整(zheng)理模(mo)塊基于患者歷(li)史(shi)(shi)影(ying)像數(shu)據(ju)(ju)(ju)和臨(lin)床參數(shu)，按時間(jian)(jian)順序(xu)排序(xu)數(shu)據(ju)(ju)(ju)，標識每個數(shu)據(ju)(ju)(ju)的時間(jian)(jian)和關(guan)鍵(jian)特(te)征，建立歷(li)史(shi)(shi)影(ying)像序(xu)列，使用時間(jian)(jian)序(xu)列分(fen)析方法，提取數(shu)據(ju)(ju)(ju)趨勢和周(zhou)期性變化，得到趨勢分(fen)析結(jie)果(guo)；

79、趨勢分析(xi)模塊基于所述趨勢分析(xi)結果，選擇匹配的時(shi)間窗口和(he)聚(ju)(ju)(ju)類(lei)(lei)(lei)參(can)數(shu)，執行時(shi)間序列聚(ju)(ju)(ju)類(lei)(lei)(lei)，聚(ju)(ju)(ju)集(ji)(ji)影像數(shu)據(ju)，獲取初步聚(ju)(ju)(ju)類(lei)(lei)(lei)數(shu)據(ju)集(ji)(ji)，評估聚(ju)(ju)(ju)類(lei)(lei)(lei)質(zhi)量和(he)穩定性，優化(hua)聚(ju)(ju)(ju)類(lei)(lei)(lei)參(can)數(shu)，建立優化(hua)聚(ju)(ju)(ju)類(lei)(lei)(lei)模型；

80、聚(ju)(ju)類(lei)(lei)(lei)優化(hua)模(mo)(mo)塊基(ji)于所述優化(hua)聚(ju)(ju)類(lei)(lei)(lei)模(mo)(mo)型(xing)，對(dui)新(xin)收集的未聚(ju)(ju)類(lei)(lei)(lei)影像數據執行動態(tai)聚(ju)(ju)類(lei)(lei)(lei)，建立動態(tai)聚(ju)(ju)類(lei)(lei)(lei)結(jie)(jie)果，驗證聚(ju)(ju)類(lei)(lei)(lei)數據時效性(xing)，并利用所述動態(tai)聚(ju)(ju)類(lei)(lei)(lei)結(jie)(jie)果，創建初步檢(jian)索索引(yin)；

81、動(dong)態更(geng)新模塊基于所述初(chu)步(bu)檢索索引，對未分類(lei)的新影像數據執行動(dong)態聚類(lei)，實時(shi)更(geng)新聚類(lei)信息(xi)，優化檢索索引，建立優化檢索索引；

82、查(cha)(cha)詢(xun)(xun)優化(hua)(hua)模塊基(ji)于所述優化(hua)(hua)檢索(suo)(suo)索(suo)(suo)引，執行影像(xiang)查(cha)(cha)詢(xun)(xun)，針對目標病情階(jie)段(duan)和(he)影像(xiang)特(te)征，實(shi)(shi)施查(cha)(cha)詢(xun)(xun)優化(hua)(hua)，獲取實(shi)(shi)時查(cha)(cha)詢(xun)(xun)反饋，評估查(cha)(cha)詢(xun)(xun)性能(neng)和(he)數據(ju)覆蓋(gai)率，調整索(suo)(suo)引結構和(he)參(can)數，得(de)到(dao)優化(hua)(hua)查(cha)(cha)詢(xun)(xun)結果(guo)。

83、與現有技術相比，本發(fa)明(ming)的優點和積極效果在于：

84、本(ben)發明中，通過整(zheng)(zheng)合(he)時(shi)間序列分析和動(dong)(dong)態聚類(lei)(lei)技術，實現了(le)(le)對(dui)(dui)pacs系統中醫療(liao)(liao)影像數(shu)(shu)據處理的(de)(de)(de)顯著優(you)化。利用(yong)歷史影像時(shi)間序列分析，系統能夠(gou)有效(xiao)捕(bu)捉和分析患者病情(qing)的(de)(de)(de)時(shi)間依賴特征，為聚類(lei)(lei)和索引創建提供(gong)了(le)(le)基于數(shu)(shu)據趨勢的(de)(de)(de)深入見解。通過對(dui)(dui)聚類(lei)(lei)參數(shu)(shu)的(de)(de)(de)動(dong)(dong)態調整(zheng)(zheng)，不僅提高了(le)(le)數(shu)(shu)據組(zu)織(zhi)的(de)(de)(de)精確性(xing)，還通過持續更新(xin)的(de)(de)(de)動(dong)(dong)態聚類(lei)(lei)機制(zhi)加強(qiang)了(le)(le)對(dui)(dui)新(xin)增(zeng)影像數(shu)(shu)據的(de)(de)(de)快速適應，確保了(le)(le)檢索的(de)(de)(de)高效(xiao)性(xing)和時(shi)效(xiao)性(xing)。索引支持的(de)(de)(de)查詢(xun)優(you)化減少了(le)(le)數(shu)(shu)據訪問時(shi)間，使醫療(liao)(liao)決策(ce)更迅速，增(zeng)強(qiang)了(le)(le)緊急情(qing)況下的(de)(de)(de)醫療(liao)(liao)響應能力。