CN105807244B - 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法 - Google Patents

磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法 Download PDF

Info

Publication number
CN105807244B
CN105807244B CN201410843666.3A CN201410843666A CN105807244B CN 105807244 B CN105807244 B CN 105807244B CN 201410843666 A CN201410843666 A CN 201410843666A CN 105807244 B CN105807244 B CN 105807244B
Authority
CN
China
Prior art keywords
shell
merging
data items
individual data
disperse
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410843666.3A
Other languages
English (en)
Other versions
CN105807244A (zh
Inventor
严序
刘慧�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers Ltd
Original Assignee
Siemens Ltd China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Ltd China filed Critical Siemens Ltd China
Priority to CN201410843666.3A priority Critical patent/CN105807244B/zh
Priority to US14/983,681 priority patent/US10132901B2/en
Publication of CN105807244A publication Critical patent/CN105807244A/zh
Application granted granted Critical
Publication of CN105807244B publication Critical patent/CN105807244B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56341—Diffusion imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Vascular Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法。磁共振成像系统的弥散模型的数据采集方法包括：合并步骤，将分别对应于多种弥散模型的多个个体数据集合并为一个合并数据集，各个所述个体数据集包括分别在一个或多个特定壳层上且分别在一个或多个梯度方向上的多个弥散图像个体数据，不同的所述特定壳层具有不同的弥散因子；获取步骤，利用所述磁共振成像系统获取所述合并数据集。根据本发明的具体实施例的磁共振成像系统的弥散模型的数据采集方法中，多个弥散模型可以有效地共享合并数据，并且采集时间可以明显缩短以便于临床应用。

Description

磁共振成像系统的弥散模型的数据采集方法和磁共振成像 方法
技术领域
本发明涉及磁共振成像技术领域，磁共振成像系统的弥散模型的数据采集方法。
背景技术
磁共振成像(Magnetic Resonance Imaging，MRI)是利用磁共振现象进行成像的一种技术。磁共振现象的原理主要包括：包含单数质子的原子核，例如人体内广泛存在的氢原子核，其质子具有自旋运动，犹如一个小磁体，并且这些小磁体的自旋轴没有一定的规律，如果施加外在磁场，这些小磁体将按外在磁场的磁力线重新排列，具体为在平行于或反平行于外在磁场磁力线的两个方向排列，将上述平行于外在磁场磁力线的方向称为正纵向轴，将上述反平行于外在磁场磁力线的方向称为负纵向轴；原子核只具有纵向磁化分量，该纵向磁化分量既具有方向又具有幅度。用特定频率的射频(Radio Frequency，RF)脉冲激发处于外在磁场中的原子核，使这些原子核的自旋轴偏离正纵向轴或负纵向轴，产生共振，这就是磁共振现象。上述被激发的原子核的自旋轴偏离正纵向轴或负纵向轴之后，该原子核就具有了横向磁化分量。
停止发射射频脉冲后，被激发的原子核发射回波信号，将吸收的能量逐步以电磁波的形式释放出来，其相位和能级都恢复到激发前的状态，将原子核发射的回波信号经过空间编码等进一步处理即可重建图像。
弥散成像是一种常用磁共振成像方法，其中包括多种弥散模型来获得弥散信号中包含的不同微观结构信息。而各种弥散模型需要的数据采集方式有所不同，因此分别采集各种模型的数据需要较长的采集时间。
发明内容
有鉴于此，本发明的具体实施方式提供一种磁共振成像系统的弥散模型的数据采集方法，其中，包括：合并步骤，将分别对应于多种弥散模型的多个个体数据集合并为一个合并数据集，各个所述个体数据集包括分别在一个或多个特定壳层上且分别在一个或多个梯度方向上的多个弥散图像个体数据，不同的所述特定壳层具有不同的弥散因子；获取步骤，利用所述磁共振成像系统获取所述合并数据集。
优选地，所述合并步骤包括：将各个所述个体数据集中在一相同壳层上采集的多个所述弥散图像个体数据合并为所述合并数据集中在所述相同壳层上采集的多个第一弥散图像合并数据，多个所述第一弥散图像合并数据的数目大于等于各个所述个体数据集中在所述相同壳层上采集的所述弥散图像个体数据的数目中的最大值，所述特定壳层包括所述相同壳层。
优选地，所述合并步骤包括：将多个所述个体数据集中在多个临近壳层上采集的多个所述弥散图像个体数据合并为所述合并数据集中在一归一壳层上采集的多个第二弥散图像合并数据，多个所述第二弥散图像合并数据的数目大于等于各个所述个体数据集中在所述临近壳层上采集的所述弥散图像数据的数目中的最大值，所述特定壳层包括所述临近壳层。
优选地，多个所述临近壳层中任意两个的所述弥散因子之差小于等于一第一阈值，或多个所述临近壳层中所述弥散因子的最大值和最小值之差小于等于一第二阈值。
优选地，所述归一壳层的所述弥散因子是多个所述临近壳层的所述弥散因子之一或均值或中值。
优选地，所述采集步骤包括：利用均匀分布的多个所述梯度方向采集所述合并数据集中一特定壳层上的多个弥散图像个体数据。
本发明的具体实施方式还提供一种磁共振成像方法，其中，包括：如上所述的数据采集方法；重建步骤，根据多种所述弥散模型之一利用所述合并数据集重建一弥散图像。
从上述方案中可以看出，根据本发明的具体实施例的磁共振成像系统的弥散模型的数据采集方法中，多个弥散模型可以有效地共享合并数据，并且采集时间可以明显缩短以便于临床应用。
附图说明
下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1是根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法的步骤图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下举具体实施例对本发明进一步详细说明。
神经系统中弥散信号可能通过多种方法进行建模。各种弥散模型提供特定信息，但是需要不同的数据采集方式。弥散效应涉及到水分子的布朗运动，即水分子的随机运动，水分子弥散程度的大小通过弥散因子来表示，不同壳层具有不同弥散因子。通常使用b值来表示弥散因子，b值的大小取决于弥散梯度的施加波形。b值向量的越大，由于水分子弥散效应导致的信号衰减将越大。同时，b值也具有方向性，取决于弥散梯度施加的方向，可以反映b值对应方向的水分子弥散效应。以下介绍一些较为著名的弥散模型：
弥散张量成像(DTI)：传统且最广泛使用的神经系统的弥散模型，它通常需要采集多个弥散梯度方向(＞6)，具有非零b值(通常1000s/mm2)的弥散加权数据，然后通过计算可以得到一系列参数图像，如部分各向异性性系数(FA)、平均弥散系数(MD)。该模型还可以用于显示神经纤维束的几何结构，被称为纤维束追踪技术。
弥散峰度成像(DKI)：用于描述非高斯(non-gaussian)弥散现象的弥散模型。该模型需要采集多个壳层的弥散数据(至少两个壳层)，最大b值在2000～3000s/mm2之间，同时每个壳层至少施加15个弥散梯度方向，在各壳层的梯度方向通常具有相同的均匀分布。
神经轴突取向分散指数和密度成像(NODDI)：用于提供大脑微观结构信息的弥散模型，包括神经轴突密度、神经轴突取向分散指数。它的最佳采集方案包含两个壳层，弥散并且在各壳层间的弥散梯度的数目和方向设置不同。使用不同梯度方向可以提高角鉴别力；在较高b值壳层处的使用较高的梯度方向密度可以更准确地检测复杂的神经结构。
体素不相干运动(IVIM)：用于定量评估水的分子弥散和毛细管网络中的血液微循环。该模型采集多个b值的弥散数据，特别是超低b值(b＜200s/mm2)，但它通常对梯度方向数目的没有很高的要求。
高角分辨率弥散成像(HARDI)：用于神经纤维束成像，可以解决神经纤维束交叉的问题。该模型通常需要超过40个梯度方向的单壳层弥散数据。
上述方法从不同方面反映了神经系统的微观结构信息，因此在临床研究中，需要不同弥散模型的组合以便于综合分析。然而这些方法具有不同的采集方式(参见表1)，分别采集各模型的数据需要较长的采集时间，不能满足临床研究。由于各模型之间的数据可以部分或完全共享，所以为这些模型设计一个综合的采集方案将明显缩短总采集时间。
表1
为了有效地采集多个弥散模型的数据，本发明提出了磁共振成像系统的弥散模型的数据采集方法，其中，包括：合并步骤，利用所述磁共振成像系统将分别对应于多种弥散模型的多个个体数据集合并为一个合并数据集，各个所述个体数据集包括分别在一个或多个特定壳层上且分别在一个或多个梯度方向上的多个弥散图像个体数据，不同的所述特定壳层具有不同的弥散因子；采集步骤，利用所述磁共振成像系统采集所述合并数据集。
由此，不同弥散模型共享合并数据集，即使在相同数据分别采集多次的情况下，由于节省了序列扫描时间，总体采集时间明显缩短。同时，重建准确性也将有所提高或至少等同于个体数据集的情况，这是因为本发明通过合并数据为各个弥散模型提供了较高的数据冗余量。
根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法在所述合并步骤中包括：将各个所述个体数据集中在一相同壳层上采集的多个所述弥散图像个体数据合并为所述合并数据中在所述相同壳层上采集的多个第一弥散图像合并数据，多个所述第一弥散图像合并数据的数目是各个所述个体数据集中在所述相同壳层上采集的所述弥散图像个体数据的数目中的最大值，所述特定壳层包括所述相同壳层。
例如，DTI、DKI和IVIM都需要在b值为1000s/mm2的壳层的磁共振弥散图像个体数据，DTI和DKI分别需要30个，IVIM需要3个，因此可以在b值为1000s/mm2的壳层采集30个弥散图像个体数据供DTI、DKI和IVIM三种模型共享。
在所述合并步骤包括：将多个所述个体数据集中在多个临近壳层上采集的多个所述磁共振弥散图像个体数据合并为所述合并数据中在一归一壳层上采集的多个第二弥散图像合并数据，多个所述第二弥散图像合并数据的数目大于等于各个所述个体数据集中在所述临近壳层上采集的所述弥散图像数据的数目中的最大值，所述特定壳层包括所述临近壳层。
例如：请举例说明。例如，NODDI需要在b值为700s/mm2的壳层的21个磁共振弥散图像个体数据，DTI，DKI和IVIM都需要在b值为1000s/mm2的壳层的磁共振弥散图像个体数据，DTI和DKI分别需要30个，IVIM需要3个，因此可以在b值为1000s/mm2的壳层采集30个磁共振弥散图像个体数据提供NODDI、DTI、DKI和IVIM四种模型共享，四个弥散模型的弥散因子的中值为1000s/mm2，弥散因子之差为300s/mm2。其中，多个所述临近壳层中任意两个的所述弥散因子之差小于等于一第一阈值，或多个所述临近壳层中所述弥散因子的最大值和最小值之差小于等于一第二阈值。由此，根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法将可归一的多个临近壳层设置在一个合理范围之内，而用户可以根据需求设置该合理范围使根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法更加灵活有效。
其中，所述归一壳层的所述弥散因子是多个所述临近壳层的所述弥散因子均值或中值或之一。由此，根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法将归一壳层的弥散因子设置得更加合理，而用户可以根据需求设置该弥散因子(例如，多个临近壳层的弥散因子若相对集中则使用均值，若相对分散则使用中值，若某个临近壳层较为关键则使用其中之一)，使根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法更加灵活有效。
所述采集步骤包括：利用均匀分布的多个所述梯度方向采集所述合并数据集中一特定壳层上的多个磁共振弥散图像个体数据。具体而言，针对各个特定壳层，将多个梯度方向设置为均匀分布，即使一个弥散模型仅使用其中的部分梯度方向的磁共振弥散图像数据也可以达到最大化角鉴别度的有益效果。
根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法可以将数据采集限制在数量有限的壳层中，并且各壳层可以包含大量的梯度方向，因此为微观生物结构提供了高角度分辨率的结构信息，同时这些数据很容易满足要求高角分辨率的模型的需要。同时，各弥散模型对梯度设置的特定要求可以更有效地合并起来，并最大化弥散方向的角鉴别度。综上，利用根据本发明具体实施方式的磁共振成像系统的弥散模型的数据采集方法，多个弥散模型可以有效地共享合并数据，并且采集时间可以明显缩短以便于临床应用。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种磁共振成像系统的弥散模型的数据采集方法，其中，包括：
合并步骤，将分别对应于多种弥散模型的多个个体数据集合并为一个合并数据集，各个所述个体数据集包括分别在一个或多个特定壳层上且分别在一个或多个梯度方向上的多个弥散图像个体数据，不同的所述特定壳层具有不同的弥散因子；
获取步骤，利用所述磁共振成像系统获取所述合并数据集。
2.如权利要求1所述的弥散模型的数据采集方法，其中，所述合并步骤包括：将各个所述个体数据集中在一相同壳层上采集的多个所述弥散图像个体数据合并为所述合并数据集中在所述相同壳层上采集的多个第一弥散图像合并数据，多个所述第一弥散图像合并数据的数目大于等于各个所述个体数据集中在所述相同壳层上采集的所述弥散图像个体数据的数目中的最大值，所述特定壳层包括所述相同壳层。
3.如权利要求1所述的弥散模型的数据采集方法，其中，所述合并步骤包括：将多个所述个体数据集中在多个临近壳层上采集的多个所述弥散图像个体数据合并为所述合并数据集中在一归一壳层上采集的多个第二弥散图像合并数据，多个所述第二弥散图像合并数据的数目大于等于各个所述个体数据集中在所述临近壳层上采集的所述弥散图像个体数据的数目中的最大值，所述特定壳层包括所述临近壳层。
4.如权利要求3所述的弥散模型的数据采集方法，其中，多个所述临近壳层中任意两个的所述弥散因子之差小于等于一第一阈值，或多个所述临近壳层中所述弥散因子的最大值和最小值之差小于等于一第二阈值。
5.如权利要求3所述的弥散模型的数据采集方法，其中，所述归一壳层的所述弥散因子是多个所述临近壳层的所述弥散因子之一或均值或中值。
6.如权利要求1所述的弥散模型的数据采集方法，其中，所述获取步骤包括：利用均匀分布的多个所述梯度方向采集所述合并数据集中一特定壳层上的多个弥散图像个体数据。
7.一种磁共振成像方法，其中，包括：
如权利要求1所述的数据采集方法；
重建步骤，根据多种所述弥散模型之一利用所述合并数据集重建一弥散图像。
CN201410843666.3A 2014-12-30 2014-12-30 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法 Active CN105807244B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201410843666.3A CN105807244B (zh) 2014-12-30 2014-12-30 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法
US14/983,681 US10132901B2 (en) 2014-12-30 2015-12-30 Diffusion model data acquisition method for magnetic resonance imaging system, and magnetic resonance imaging method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410843666.3A CN105807244B (zh) 2014-12-30 2014-12-30 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法

Publications (2)

Publication Number Publication Date
CN105807244A CN105807244A (zh) 2016-07-27
CN105807244B true CN105807244B (zh) 2019-03-22

Family

ID=56163871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410843666.3A Active CN105807244B (zh) 2014-12-30 2014-12-30 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法

Country Status (2)

Country Link
US (1) US10132901B2 (zh)
CN (1) CN105807244B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3477650B1 (de) * 2017-10-25 2022-11-23 Siemens Healthcare GmbH Verfahren und einrichtung zur kommunikation in einer medizinischen bildgebungseinrichtung und medizinische bildgebungseinrichtung
CN109730677B (zh) * 2019-01-09 2023-03-21 王毅翔 体素内不相干运动成像的信号处理方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1711481A (zh) * 2002-11-18 2005-12-21 皇家飞利浦电子股份有限公司 磁共振方法和设备
CN102008308A (zh) * 2010-12-29 2011-04-13 中国科学院深圳先进技术研究院 多b值弥散张量成像采样方法
CN102028465A (zh) * 2009-09-30 2011-04-27 株式会社东芝 磁共振成像装置及磁共振成像方法
CN102590773A (zh) * 2011-12-08 2012-07-18 中国科学院深圳先进技术研究院 磁共振成像的方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4961566B2 (ja) * 2005-10-20 2012-06-27 国立大学法人 新潟大学 磁気共鳴画像処理方法および磁気共鳴画像処理装置
WO2014052782A1 (en) * 2012-09-28 2014-04-03 Children's Medical Center Corporation Diffusion-weighted mri using multiple b-values and constant echo time

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1711481A (zh) * 2002-11-18 2005-12-21 皇家飞利浦电子股份有限公司 磁共振方法和设备
CN102028465A (zh) * 2009-09-30 2011-04-27 株式会社东芝 磁共振成像装置及磁共振成像方法
CN102008308A (zh) * 2010-12-29 2011-04-13 中国科学院深圳先进技术研究院 多b值弥散张量成像采样方法
CN102590773A (zh) * 2011-12-08 2012-07-18 中国科学院深圳先进技术研究院 磁共振成像的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于压缩感知的快速弥散张量成像算法的研究;唐秋阳;《中国优秀硕士学位论文全文数据库信息科技辑》;20131215(第12期);全文

Also Published As

Publication number Publication date
CN105807244A (zh) 2016-07-27
US20160187443A1 (en) 2016-06-30
US10132901B2 (en) 2018-11-20

Similar Documents

Publication Publication Date Title
Tuch et al. Diffusion MRI of complex neural architecture
Wedeen et al. Mapping complex tissue architecture with diffusion spectrum magnetic resonance imaging
Descoteaux et al. Deterministic and probabilistic tractography based on complex fibre orientation distributions
Alexander An introduction to computational diffusion MRI: the diffusion tensor and beyond
Seo et al. Electro-magnetic tissue properties MRI
Gao et al. PCLR: phase‐constrained low‐rank model for compressive diffusion‐weighted MRI
CN104323777A (zh) 一种扩散磁共振成像运动伪影的消除方法
CN106796273A (zh) 具有增强的骨可视化的磁共振成像
Zhan et al. Differential information content in staggered multiple shell HARDI measured by the tensor distribution function
CN105807244B (zh) 磁共振成像系统的弥散模型的数据采集方法和磁共振成像方法
Wang et al. A new method to derive white matter conductivity from diffusion tensor MRI
Kim et al. Enhanced delineation of white matter structures of the fixed mouse brain using Gd‐DTPA in microscopic MRI
Mukherjee et al. Development and initial evaluation of 7-T q-ball imaging of the human brain
Song et al. Measurement of full diffusion tensor distribution using high-gradient diffusion MRI and applications in diffuse gliomas
Afzali et al. Comparison of voxel-based morphometry (VBM) and tractography of diffusion tensor MRI (DT-MRI) in temporal lobe epilepsy
CN105816173A (zh) 大脑功能网络的皮层内工作状态和皮层间工作状态的确定方法
Dhollander et al. Trackdensity imaging & noise: when super-resolution quality does not yield accuracy
Tournier et al. Improved characterisation of crossing fibres: optimisation of spherical deconvolution parameters using a minimum entropy principle
Liu et al. A localized Richardson–Lucy algorithm for fiber orientation estimation in high angular resolution diffusion imaging
Kasa Diffusion Kurtosis Imaging in Temporal Lobe Epilepsy
Adlung Efficient Quantification of In-Vivo 23Na Magnetic Resonance Imaging
Dinse A model-based cortical parcellation scheme for high-resolution 7 Tesla MRI data
Jones T2 decay curve acquisition and analysis in MRI noise considerations, short T2, and B1 field encoding
FERNANDES MULTICHANNEL DENOISING STRATEGIES FOR ULTRAFAST MAGNETIC RESONANCE IMAGING
Ferizi Compartment models and model selection for in-vivo diffusion-MRI of human brain white matter

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210111

Address after: Room 516, 5th floor, 38 Yinglun Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 200031

Patentee after: SIEMENS HEALTINEERS Ltd.

Address before: 100102 No. 7 South Central Road, Chaoyang District, Beijing, China

Patentee before: Siemens (China) Co.,Ltd.