CN102284138B - 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器 - Google Patents

基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器 Download PDF

Info

Publication number
CN102284138B
CN102284138B CN201110220943.1A CN201110220943A CN102284138B CN 102284138 B CN102284138 B CN 102284138B CN 201110220943 A CN201110220943 A CN 201110220943A CN 102284138 B CN102284138 B CN 102284138B
Authority
CN
China
Prior art keywords
heart
submodule
chamber
entropy
defibrillation
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.)
Expired - Fee Related
Application number
CN201110220943.1A
Other languages
English (en)
Other versions
CN102284138A (zh
Inventor
邬小玫
杨圣均
刘聪
方祖祥
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.)
Fudan University
Original Assignee
Fudan University
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 Fudan University filed Critical Fudan University
Priority to CN201110220943.1A priority Critical patent/CN102284138B/zh
Publication of CN102284138A publication Critical patent/CN102284138A/zh
Application granted granted Critical
Publication of CN102284138B publication Critical patent/CN102284138B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Electrotherapy Devices (AREA)

Abstract

本发明属于医用设备技术领域,具体为基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器。本发明通过计算信号的二阶导数编码的符号序列熵,自动判别可电击复律心律是室速或室颤,在此基础上决策合适的除颤方案,具体包括:预处理:对采集到的心电信号进行滤波;识别心电信号是否为可电击复律心律;计算可电击复律心律的二阶导数编码的符号序列熵;根据符号序列熵判别室速/室颤;根据室速/室颤决策除颤方案。本发明可降低对患者的身心损伤,提高除颤的针对性和成功率。

Description

基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器
技术领域
本发明属于医用设备技术领域,具体涉及一种自动体外除颤器。
背景技术
心脏性猝死(SCD)是指由于心脏原因引起的突然发生的自然死亡。造成心脏性猝死的原因大部分是在各类心血管病变基础上发生的一时性功能障碍和电生理改变,并引起恶性室性心律失常如室性心动过速(室速,VT)、心室纤颤(室颤,VF)等。恶性室性心律失常发作后,抢救成功率会随时间的流逝不断降低,在7-10分钟后,抢救成功率一般会低至10%,因此迅速地电击除颤是终止多数快速性恶性室性心律失常、挽救患者生命的首选有效方法。
自动体外除颤器(AED)是实现早期除颤的主要工具。由于恶性室性心律失常的突发性,医院外的患者存活率很可能依赖于对公众培训的肺复苏抢救(cardiopulmonary resuscitation, CPR)和组织完备的公众除颤(public access defibrillation, PAD)工程。为了推广公众除颤,1997年美国心脏病协会(AHA)推出了公众场所用AED(AED for Public Access Defibrillation)指南。根据除颤的风险和可能的收益,该指南将心律分为以下三大类:可电击复律心律(shockable rhythms, ShR),不可电击复律心律(nonshockable rhythms, NShR)和中间心律(Intermediate rhythms)。为协助非专业人士正确使用AED,快速准确地自动检测出可电击复律心律(ShR)是AED实现其功能的关键环节。
AHA建议对患有心室纤颤的成人进行初次能量为120J-200J双相波除颤或360J的单相波除颤,对稳定型单型性室性心动过速进行首剂量100J的单相波或双相波电复律,对复杂的多型性心动过速或无脉搏室性心动过速需类同心室纤颤处理。另一方面,植入式自动复律除颤器(ICD)在临床上已取得广泛应用。已有研究表明80%的除颤电击实际上是由室速误触发,这些误电击不仅对患者的心脏造成一定的损伤,给意识尚清楚的患者带来强烈的疼痛感,而且会影响ICD的使用寿命。因此,有必要研究出可靠的室速室颤判别算法。
除颤能量过小很可能导致除颤失败;除颤能量过大则会大大增加对患者机体的热损伤,同时增加患者的疼痛感。除颤极板间的经胸阻抗决定了相同大小的电压下施加在患者上的能量。
本发明即是在根据二阶导数编码的符号序列熵判别出室速/室颤的基础上,决策合适的除颤方案,并由经胸阻抗调整合适的除颤电压。本发明不仅可提高除颤的针对性和成功率,还可降低对患者心肌的损伤率和疼痛感。
发明内容
Figure DEST_PATH_IMAGE001
本发明的目的在于提供一种不仅可提高除颤的针对性和成功率,还可降低对患者心肌的损伤率和疼痛感的自动体外除颤器。
本发明提供的自动体外除颤器,是基于一种本发明提出的自动判别可电击复律心律为室速和室颤的方法的。
本发明提出的自动判别可电击复律心律是否为室速或室颤的方法,具体步骤如下:
1.对采到的心电信号进行滤波预处理;具体步骤包括:
Figure 577208DEST_PATH_IMAGE002
通过一个5阶的滑动平均滤波器滤除高频噪声;
通过一个截止频率为1Hz的高通滤波器抑制基线漂移;
Figure DEST_PATH_IMAGE004
通过一个截止频率为30Hz的低通滤波器进一步滤除无关的高频成分;
2.识别预处理后的心电信号是否为可电击复律心律,根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律。(此步可根据专利《一种改进的可电击复律识别仪器》(专利号 ZL 2009 1 0045152.2、ZL 2009 1 0045153.7、ZL 2009 1 0045151.8)进行)。
3.对可电击复律心律,计算可电击复律心律的二阶导数编码的符号序列熵;具体步骤包括:
对可电击复律心律进行降采样处理,以降低计算量; 
对长度为N的时间序列{u(i),i=1,2,…,N},求其(即可电击复律心律信号)二阶导数绝对值s(i)和均值Ms;这里N 一般取600--1000为宜,具体可根据实际情况确定。在一个实施例中,取N=800;
Figure 862062DEST_PATH_IMAGE004
构建m维二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1,数值 m 由实验验证确定。一般 m为15—30,在一个实施例中,m=20;
Figure 134911DEST_PATH_IMAGE005
将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
Figure DEST_PATH_IMAGE006
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素, a是调整系数,a值由实验测得;一般a为0.8—2.5,在一个实施例中a=1.1;
计算符号序列各组合方式的概率P(i)(这些m-2维的符号序列,共有
Figure DEST_PATH_IMAGE008
种不同的组合方式,即0、1排列的方式,每种方式都代表矢量X(i)的波动模式,这里是统计每一种方式在所有的中所占的比例):
     
Figure DEST_PATH_IMAGE010
Figure 752209DEST_PATH_IMAGE011
计算符号序列熵SSEn :
        
Figure DEST_PATH_IMAGE012
4.将由上述步骤计算得到的符号序列熵SSEn与阈值进行比较,如果符号序列熵小于阈值则为室速,如果大于阈值则为室颤;该阈值根据经验与试验确定,一般为4—6,在一个实施例中给出具体数值为5.2;
最后根据判别出的室速或室颤,决策除颤方案:对于室速患者,施行低能级同步电复律;对于室颤患者,施行高能级非同步电除颤。
基于上述判别方法,本发明提出了相应的判别系统。该系统包括如下计算模块:
S1预处理模块:对采集到的心电信号进行滤波; 
S2识别模块:用于识别心电信号是否为可电击复律心律;
S3熵计算模块,用于计算可电击复律心律的二阶导数编码的符号序列熵;
S4判别模块,通过符号序列熵SSEn与阈值进行比较,判别可电击复律心律是室速还是室颤。
上述4个模块分别对应于自动判别可电击复律心律是否为室速或室颤的方法的4个步骤的计算。
本发明中,所述的预处理模块,包括如下子模块:
S11子模块,一个5阶的滑动平均滤波器,用于滤除高频噪声;
S12子模块,一个截止频率为1Hz的高通滤波器,用于抑制基线漂移;
S13子模块,一个截止频率为30Hz的低通滤波器,用于进一步滤除无关的高频成分。
本发明中,所述的可电击复律心律的识别模块,根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律。
本发明中,所述的二阶导数编码的符号序列熵的计算模块,包括如下子模块:
S31子模块,用于将心电信号降采样至100Hz;
S32子模块,用于求心电信号序列的二阶导数绝对值和均值;
S33子模块,用于构建二阶导数绝对值矢量;
S34子模块,用于将绝对值矢量转化为符号序列;
S35子模块,用于计算符号序列各组合方式的概率;
S36子模块,用于计算符号序列熵。
这里的6个子模块对应于前述可电击复律心律的二阶导数编码的符号序列熵计算的6个步骤。 
本发明还提出一种自动判别可电击复律心律是否为室速或室颤的自动体外除颤器,其系统框图如图1所示,包括:心电采集及分析单元20、经胸阻抗测量单元30、充电/放电电路单元40、人机交互界面单元50、总控单元60和存储打印功能单元70。其中,心电采集及分析单元20和经胸阻抗测量单元30分别将采集到的心电信号和经胸阻抗值发送给总控单元60;总控单元60主要用于自动判别可电击复律心律为室速或室颤,决策合适的除颤方案,并向充电/放电电路单元40发送除颤指令;充电/放电电路单元40接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元60。在这种全自动工作模式之外,通过可视化的人机交互界面50,操作者还可对体外除颤器的各项参数进行设置或直接手动操作体外除颤器进行除颤。存储打印功能单元70用于存储和打印现场的有关数据。
上述自动体外除颤器中的总控单元60 包括本发明所述的上述判别系统。
本发明提供了一种识别准确、计算简单、能满足应用要求的基于二阶导数编码的符号序列熵的心律识别方法,可提高判别可电击复律心律中室速和室颤的敏感性和特异性,简化算法的计算复杂度,缩短AED的判决时间。本发明还提供了基于该方法的判别系统和自动体外除颤器。 
附图说明
图1是本发明的系统框图。
图2是本发明的工作流程。
图3是本发明的预处理S1步骤。
图4是本发明的计算二阶导数编码的符号序列熵S3的步骤。
图5是本发明的判别室速室颤S4和决策除颤方案S5的步骤。
具体实施方式
下面结合附图对本发明作进一步的描述。
图1是本发明的系统框图。本发明的主体为AED10,其硬件系统构成为:心电采集及分析单元20、经胸阻抗测量单元30、充电/放电电路单元40、人机交互界面单元50、总控单元60和存储打印功能单元70。心电采集及分析单元20和经胸阻抗测量单元30将采集到的心电信号和经胸阻抗值发送给总控单元60;总控单元60自动判别可电击复律心律为室速或室颤后,决策合适的除颤方案,向充电/放电电路单元40发送除颤指令;充电/放电电路单元40接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元60。在这种全自动工作模式之外,通过可视化的人机交互界面50,操作者还可对AED10的各项参数进行设置或直接手动操作AED10进行除颤。现场的有关数据存储和打印功能则通过存储打印功能单元70完成。
图2为本发明的工作流程。首先进行预处理(模块S1),对采集到的心电进行滤波;然后根据电击复律心律识别方法识别预处理后的心电信号是否为可电击复律心律(模块S2),如果是可电击复律心律则继续下面步骤(模块S3),如果不是可电击复律心律则返回继续采集心电,此步引用专利《一种改进的可电击复律识别仪器》(专利号 ZL 2009 1 0045152.2、ZL 2009 1 0045153.7、ZL 2009 1 0045151.8);计算可电击复律心律的二阶导数编码的符号序列熵S3;判别室速/室颤(模块S4):将由上述步骤计算得到的符号序列熵与阈值进行比较,如果序列熵小于阈值则为室速,如果大于阈值则为室颤;最后根据判别出的室速或室颤,决策除颤方案(模块S5):对于室速患者,施行低能级同步电复律;对于室颤患者,施行高能级非同步电除颤。
图3是本发明的预处理(模块S1)的步骤。依次通过一个5阶的滑动平均滤波器用于滤除高频噪声(子模块S11),一个截止频率为1Hz的高通滤波器用于抑制基线漂移(子模块S12),一个截止频率为30Hz的低通滤波器进一步滤除无关的高频成分(子模块S13)。 
图4是本发明的计算二阶导数编码的符号序列熵(模块S3)的步骤。先进行降采样处理(子模块S31),以降低计算量;然后由子模块S32对长度为N(本实施例中N取800)的时间序列{u(i), i=1,2,…,N},求其二阶导数绝对值s(i)及其均值Ms;再由子模块S33构建m维(本实施例中m取20)二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1;由子模块S34将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
Figure 461539DEST_PATH_IMAGE013
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素, a是调整系数(本实施例中a取1.1);由子模块S35计算符号序列各组合方式的概率P(i);S36计算符号序列熵SSEn:
           
Figure DEST_PATH_IMAGE014
; 
图5是本发明的判别室速室颤(模块S4)和决策除颤方案(模块S5)的步骤。将由上述步骤计算得到的符号序列熵与阈值(本实施例中阈值取5.2)进行比较(子模块S41),如果序列熵小于阈值则为室速(子模块S42),施行低能级同步电复律(子模块S51);如果大于阈值则为室颤(子模块S43);施行高能级非同步电除颤(子模块S52)。
以上是结合具体的实施例对本发明所作的进一步说明,但本领域的研究人员在不脱离本发明所提供的构思前提下亦可做出简单的添加、修改或替换。由本发明的原理而应用的不同实施例同样应包括于本发明的保护范围内。

Claims (3)

1.一种用于自动体外除颤器的自动判别可电击复律心律是室速还是室颤的系统,其特征在于,包括:
S1预处理模块,对采集到的心电信号进行滤波预处理; 
S2识别模块,用于识别心电信号是否为可电击复律心律;根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律;
S3熵计算模块,用于计算可电击复律心律的二阶导数编码的符号序列熵;具体步骤包括:
Figure 241818DEST_PATH_IMAGE001
对可电击复律心律进行降采样处理,以降低计算量; 
Figure 158958DEST_PATH_IMAGE002
对长度为N的时间序列{u(i),i=1,2,…,N},求可电击复律心律信号二阶导数绝对值s(i)和均值Ms; 
Figure 938695DEST_PATH_IMAGE003
构建m维二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1,数值 m 由实验验证确定;
Figure 967526DEST_PATH_IMAGE004
将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素,a是调整系数,a值由实验测得; 
   
Figure 604360DEST_PATH_IMAGE006
这些m-2维的符号序列,共有种不同的组合方式即0、1排列的方式,每种方式都代表矢量X(i)的波动模式,统计每一种方式在所有的
Figure 742398DEST_PATH_IMAGE008
中所占的比例:
Figure 411277DEST_PATH_IMAGE009
即得到符号序列各组合方式的概率P(i)
Figure 326012DEST_PATH_IMAGE010
计算符号序列熵SSEn :
Figure 80341DEST_PATH_IMAGE011
S4判别模块,通过符号序列熵SSEn与阈值进行比较,判别可电击复律心律是室速还是室颤;如果符号序列熵小于阈值则为室速,如果大于阈值则为室颤;
其中,所述的二阶导数编码的符号序列的熵计算模块,包括如下子模块:
S31子模块,用于将心电信号降采样至100Hz;
S32子模块,用于求心电信号序列的二阶导数绝对值和均值;
S33子模块,用于构建二阶导数绝对值矢量;
S34子模块,用于将绝对值矢量转化为符号序列;
S36子模块,用于计算符号序列熵;
这里的6个子模块对应于权利要求1中可电击复律心律的二阶导数编码的符号序列熵计算的6个步骤。
2.根据权利要求1所述的系统,其特征在于所述的预处理模块,包括如下子模块:
S11子模块,一个5阶的滑动平均滤波器,用于滤除高频噪声;
S12子模块,一个截止频率为1Hz的高通滤波器,用于抑制基线漂移;
S13子模块,一个截止频率为30Hz的低通滤波器,用于进一步滤除无关的高频成分。
3.一种自动体外除颤器,其特征在于包括:心电采集及分析单元(20)、经胸阻抗测量单元(30)、充电/放电电路单元(40)、人机交互界面单元(50)、总控单元(60)和存储打印功能单元(70);其中,所述心电采集及分析单元(20)和经胸阻抗测量单元(30)分别将采集到的心电信号和经胸阻抗值发送给总控单元(60);总控单元(60)主要用于自动判别可电击复律心律为室速或室颤,决策合适的除颤方案,并向充电/放电电路单元(40)发送除颤指令;充电/放电电路单元(40)接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元(60);此外,还设有可视化的人机交互界面(50),操作者可对体外除颤器的各项参数进行设置或直接手动操作体外除颤器进行除颤;存储打印功能单元(70)用于存储和打印现场的有关数据;
所述总控单元(60) 包括权利要求1所述的系统。
CN201110220943.1A 2011-08-03 2011-08-03 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器 Expired - Fee Related CN102284138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110220943.1A CN102284138B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110220943.1A CN102284138B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器

Publications (2)

Publication Number Publication Date
CN102284138A CN102284138A (zh) 2011-12-21
CN102284138B true CN102284138B (zh) 2014-03-05

Family

ID=45331070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110220943.1A Expired - Fee Related CN102284138B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器

Country Status (1)

Country Link
CN (1) CN102284138B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3219356A1 (en) * 2016-03-14 2017-09-20 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Apparatus for applying electric pulses to living myocardial tissue

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249684B (zh) * 2014-12-18 2021-08-17 皇家飞利浦有限公司 用于在cpr期间监测心脏节律的装置
CN110840443B (zh) * 2019-11-29 2022-06-10 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备
CN111714775A (zh) * 2019-12-31 2020-09-29 苏州无双医疗设备有限公司 用于刺激治疗心脏的植入式医疗设备
CN111450418A (zh) * 2020-03-31 2020-07-28 韩雪峰 一种用于体外除颤器的样本熵算法
CN111657878B (zh) * 2020-07-20 2022-09-09 苏州无双医疗设备有限公司 综合识别心脏事件的植入医疗设备
CN111657877B (zh) * 2020-07-20 2022-10-28 苏州无双医疗设备有限公司 识别室颤的植入医疗设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1035613A (zh) * 1988-03-12 1989-09-20 中国人民解放军总医院 通过电刺激检测心功能的装置和方法
US6490478B1 (en) * 2000-09-25 2002-12-03 Cardiac Science Inc. System and method for complexity analysis-based cardiac tachyarrhythmia detection
CN101461760A (zh) * 2008-12-30 2009-06-24 杨松 振动式胶囊自动调头加料机构

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1035613A (zh) * 1988-03-12 1989-09-20 中国人民解放军总医院 通过电刺激检测心功能的装置和方法
US6490478B1 (en) * 2000-09-25 2002-12-03 Cardiac Science Inc. System and method for complexity analysis-based cardiac tachyarrhythmia detection
CN101461760A (zh) * 2008-12-30 2009-06-24 杨松 振动式胶囊自动调头加料机构

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3219356A1 (en) * 2016-03-14 2017-09-20 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Apparatus for applying electric pulses to living myocardial tissue
WO2017157954A1 (en) * 2016-03-14 2017-09-21 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Apparatus for applying electric pulses to living myocardial tissue

Also Published As

Publication number Publication date
CN102284138A (zh) 2011-12-21

Similar Documents

Publication Publication Date Title
CN102284138B (zh) 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器
US11089989B2 (en) Shockable heart rhythm classifier for defibrillators
CN103547313B (zh) 具有选择性中断cpr的方案的除颤器
CN103189103B (zh) 利用动态进行中cpr规程的除颤器
JP4615518B2 (ja) 心室性と上室性の不整脈を識別する植込み型心臓除細動器
EP3089786B1 (en) Consistency monitoring for ecg shock advisory decisions
CN1723057A (zh) 通过心前收缩的停止启动的冲击的外除颤器
Howe et al. A support vector machine for predicting defibrillation outcomes from waveform metrics
JP2003508142A (ja) 仮想除細動ショックの成果を計算するためのシステム
Dunn et al. Deep learning methods for screening patients' S-ICD implantation eligibility
CN101912667A (zh) 用于区别室性和室上性心律失常的方法
CN106255530A (zh) 用于心肺复苏的心搏停止检测
Gong et al. Transfer learning based deep network for signal restoration and rhythm analysis during cardiopulmonary resuscitation using only the ECG waveform
KR101251081B1 (ko) 가중 퍼지 소속 함수 기반 신경망을 이용한 제세동기의 쇼크 신호 검출 방법
CN110974213A (zh) 基于深度堆栈网络的心电信号识别方法
CN102380164B (zh) 基于二阶导数编码的自动判别室速室颤的体外除颤器
Jiang et al. Heartbeat classification system based on modified stacked denoising autoencoders and neural networks
Bashir et al. Highlighting the current issues with pride suggestions for improving the performance of real time cardiac health monitoring
EP3888741A1 (en) Defibrillator assessing chest recoil in cardio pulmonary resuscitation
Zhang et al. A shockable rhythm detection algorithm for automatic external defibrillators by combining a slope variability analyzer with a band-pass digital filter
Ortigosa et al. Classification of atrial fibrillation episodes using short ECG segments
Shakibfar et al. Predicting Electrical Storm Using Episodes’ Parameters from ICD Recorded Data
CN116492598B (zh) 低误报警率的心律转复除颤方法、装置、系统及存储介质
Hou et al. Ventricular fibrillation detection by an improved time domain algorithm combined with svm
Kinoshita et al. Development of an algorithm for detection of fatal cardiac arrhythmia for implantable cardioverter-defibrillator using a self-organizing map

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140305

Termination date: 20190803