CN103006212B - 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 - Google Patents
近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 Download PDFInfo
- Publication number
- CN103006212B CN103006212B CN201310014242.1A CN201310014242A CN103006212B CN 103006212 B CN103006212 B CN 103006212B CN 201310014242 A CN201310014242 A CN 201310014242A CN 103006212 B CN103006212 B CN 103006212B
- Authority
- CN
- China
- Prior art keywords
- electricity irritation
- signal
- inducing
- approximate entropy
- ripple
- 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
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法:分别采集每一个受试者的电刺激诱发的表面肌电信号,选择受试者并安排实验的时间,对受试者安置表面肌电电极和刺激电极,采集电刺激诱发的表面肌电信号;分别对采集到的表面肌电信号进行预处理得到M波信号;对所有受试者的近似熵结果分别进行归一化处理;将所有受试者归一化处理后的近似熵进行统计分析。本发明不仅弥补了静态表面肌电信号干扰大,信噪比低的缺点,还突破了时频领域对具有混沌特性的肌电信号分析时的限制,更有效的表征了电刺激导致肌疲劳的动态过程。可以全面准确的表征出电刺激导致肌疲劳过程的动态变化,为评价电刺激导致疲劳的技术标准提供思路,促进电刺激的发展。
Description
技术领域
本发明涉及一种肌疲劳近似熵的评价方法。特别是涉及一种近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法。
背景技术
电刺激作为一种安全有效的康复治疗方式,逐渐应用于临床治疗多种神经肌肉疾病,它的研究发展受到了各国的重视。然而,电刺激的广泛应用同时还受到一个因素的限制,就是由其导致的肌疲劳。肌疲劳通常是指该系统最大作功能力或者最大收缩能力的暂时下降,它的产生直接影响刺激的效果,降低了肌肉的收缩反应。在电刺激的临床治疗和神经机理研究中,肌疲劳的测量和实时监控都是一个重要问题。
肌疲劳的测量方法有时域法,频域法和非线性法,其中可用于实时测量的方法多为频域法,传统上刺激结束后静态表面肌电信号的平均频率和中值频率等参数可以用来实时测量肌疲劳程度与动态变化。然而由于表面肌电信号的干扰较大、信噪比较低,基于静态表面肌电信号的功率谱参数对于肌疲劳的测量效果不理想。近年来已有研究开始尝试采用电刺激诱发表面肌电M波信号来测量肌疲劳的变化,相对于静态肌电信号而言,肌电M波具有信噪比更高、时间过程易于掌握的优点,但目前基于电刺激诱发肌电M波的肌疲劳研究仅采用时域方法,由于肌肉收缩力和肌肉疲劳的发展而呈现非稳定信号的变化特征,从而使传统的肌电信号时频分析受到一定的限制。因此在肌疲劳的评价方面缺乏准确性。
发明内容
本发明所要解决的技术问题是,提供一种能够更准确全面的表征电刺激导致肌疲劳的动态过程的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法。
本发明所采用的技术方案是:一种近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,包括如下步骤:
1)分别采集每一个受试者的电刺激诱发的表面肌电信号,包括:
(1)选择受试者,安排每一个受试者接受实验的时间;
(2)对受试者安置表面肌电电极和刺激电极;
(3)采集电刺激诱发的表面肌电信号;
2)分别对采集到的表面肌电信号进行预处理得到M波信号,
对采集到的表面肌电信号在MATLAB2011a平台上进行处理,从能量的角度出发,设定阈值s并根据信号在固定时间窗内的肌电信号能量值Q的大小来判断信号是否处于诱发M波信号段,从而对信号进行自动实时分割,去除刺激波形以及非动作信号段,提取出M波信号;
3)分别对预处理提取出的M波信号求取近似熵;
4)对所有受试者的近似熵结果进行统计学t-检验,包括:
对所有受试者的近似熵结果分别进行归一化处理;将所有受试者归一化处理后的近似熵进行统计分析。
步骤1)中选择受试者人数为5个以上,年龄差小于3岁。
步骤1)中表面肌电电极的安置是,将记录电极的作用电极置于所测肌肉肌腹处,参考电极置于肌腱,接地电极则放置于记录电极附近无肌肉处,刺激电极的安置是,放置于运动神经处,与记录电极的距离小于等于10cm。
步骤1)中采集电刺激诱发的表面肌电信号包括:在施加致疲劳的电刺激之前采集一组电刺激诱发的肌电信号作为初始值,同时为避免对疲劳产生影响,诱发肌电的电刺激施加时间少于20秒;
步骤2)中所述的肌电信号能量值Q是采用如下公式得到:
上式中Q(x)代表在x处的肌电信号能量值,S(x)为x点的原始肌电信号值,短时间窗n取经验值16,阈值s一般为Q(x)的均值,但与个体有很大关系,应根据实际情况而定。
步骤3)中所述对预处理提取出的M波信号求取近似熵包括如下过程:
(1)设给定长度为N的一维时间序列{u(i),i=1…N},
按式Xi={u(i),u(i+1),…u(i+m-1)}重构m维向量Xi,i=1,2…n,n=N-m+1;
(2)计算任意向量Xi与向量Xj(j=1,2…N-m+1,j≠i)之间的距离:dij=max|u(i+j)-u(j+k)|,k=0,1,…m-1即两向量之间的距离;
(3)给定阈值r,通常r=0.2~0.3之间,对每个向量Xi统计dij≤r*SD的数目并求出该数目与距离总数(N-m)的比值,记为,其中SD为序列的标准值;
(4)将取对数,再对所有的i求平均值记为φm(r):
(5)m增加1,重复(1)~(4)步骤,求得和φm+1(r);
(6)由φm+1,φm求得近似熵,
(7)对于有限长时间序列,ApEn通过统计值估计得到ApEn=φm-φm+1;
上述步骤中的参数N、m、r分别为时间序列长度,比较窗口的长度,相似容限边界,m值越大越能重构出系统的动态发展过程。
步骤4)中所述的对所有受试者归一化处理后的近似熵进行统计分析是将致疲劳电刺激作用后采集的信号的近似熵值与初始值进行统计分析。
本发明的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,不仅弥补了静态表面肌电信号干扰大,信噪比低的缺点,还突破了时频领域对具有混沌特性的肌电信号分析时的限制,更有效的表征了电刺激导致肌疲劳的动态过程。可以全面准确的表征出电刺激导致肌疲劳过程的动态变化,为后续的研究提供实验基础,从而为评价电刺激导致疲劳的技术标准提供思路,促进电刺激的发展。
附图说明
图1是本发明方法的流程图;
图2是本发明电刺激的流程图;
图3是本发明求取近似熵的流程图;
图4是本发明对近似熵归一化平均后结果的条形图。
具体实施方式
下面结合实施例和附图对本发明的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法做出详细说明。
本发明的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,包括如下步骤:
1)分别采集每一个受试者的电刺激诱发的表面肌电信号,包括:
(1)选择受试者,选择受试者人数为5个以上,年龄差小于3岁。安排每一个受试者接受实验的时间;本实施例中,选择实验中受试者为7名,年龄在23~25岁之间,身体健康状况良好,实验前24h未从事剧烈运动,主观上无手臂肌肉疲劳症状。
(2)对受试者安置表面肌电电极和刺激电极,
本实施例的实验中,肌电信号的放大滤波和数据采集系统采用的是意大利电医疗设备公司生产的用于神经诊断的Micromed多导生理信号采集系统。
其中,记录电极采用双电极法,表面肌电电极的安置是,将记录电极的作用电极置于受试者所测肌肉肌腹处,如右上肢前臂的尺侧腕屈肌腹处,参考电极置于肌腱,如尺侧腕屈肌腱处,电极直径为5mm,接地电极则放置在记录电极附近无肌肉处,如放置在右手腕豌豆骨处,电极安置前用磨砂膏对皮肤进行摩擦清理,以减少皮肤电阻。系统自带电刺激器选用恒流刺激方式,该方式能保证电刺激程度不因受试者与刺激电极间的阻抗不同而发生较大变化。刺激电极采用铜制鞍状电极,刺激电极的安置是,放置于运动神经处,与记录电极的距离小于等于10cm,如放置于右手肘部上方尺神经处,所述刺激参数是刺激波形为单脉冲波,电流为6mA,脉宽为75us。
(3)采集电刺激诱发的表面肌电信号,如图2所示,本实施例的实验中包括如下过程:
(ⅰ)记录一组电刺激诱发的表面肌电信号作为静息态初始信号;为尽量减少诱发肌电的电刺激对肌肉疲劳的影响,因此诱发肌电的电刺激施加时间应少于20秒,本实施例中诱发肌电的电刺激频率选择1Hz,且记录时施加的电刺激持续时间为5秒。
(ⅱ)对受试者施加致疲劳的电刺激,即刺激频率为5Hz的电刺激,持续时间为5min后停止,马上再对受试者施加刺激频率为1Hz、持续时间为5秒的电刺激,并记录该时间段内电刺激诱发的表面肌电信号,诱发肌电的电刺激和致疲劳的电刺激频率不同但电流和脉宽相同。
(ⅲ)休息1min;
(ⅳ)再依次进行第(ⅱ)、第(ⅲ)过程,如此循环共15次后结束。
2)分别对采集到的表面肌电信号进行预处理得到M波信号,具体是:
对采集到的表面肌电信号在MATLAB2011a平台上进行处理,从能量的角度出发,设定阈值s,并根据信号在固定时间窗内的肌电信号能量值Q的大小来判断信号是否处于诱发M波信号段,从而对信号进行自动实时分割,去除刺激波形以及非动作信号段,提取出M波信号;
所述的肌电信号能量值Q是采用如下公式得到:
上式中Q(x)代表在x处的肌电信号能量值,S(x)为x点的原始肌电信号值,短时间窗n不宜太大,否则动作信号的提取会很不准确,影响动作的识别;但也不可太小,否则很难辨别噪声与弱动作信号,于是n取经验值16;阈值s一般为Q(x)的均值,但其与个体有很大关系,应根据实际情况而定。
3)分别对预处理提取出的M波信号求取近似熵;
如图3所示,对预处理提取出的M波信号求取近似熵包括如下过程:
(1)设给定长度为N的一维时间序列{u(i),i=1…N},
按式Xi={u(i),u(i+1),…u(i+m-1)}重构m维向量Xi,i=1,2…n,n=N-m+1;
(2)计算任意向量Xi与向量Xj(j=1,2…N-m+1,j≠i)之间的距离:dij=max|u(i+j)-u(j+k)|,k=0,1,…m-1即两向量之间的距离;
(3)给定阈值r,通常r=0.2~0.3之间,对每个向量Xi统计dij≤r*SD,(SD为序列的标准值)的数目并求出该数目与距离总数(N-m)的比值,记为
(4)将取对数,再对所有的i求平均值记为φm(r):
(5)m增加1,重复(1)~(4)步骤,求得和φm+1(r);
(6)由φm+1,φm求得近似熵。
(7)对于有限长时间序列,ApEn可以通过统计值估计得到ApEn=φm-φm+1
上述步骤中的参数N、m、r分别为时间序列长度,比较窗口的长度,相似容限边界,m值越大越能重构出系统的动态发展过程。
4)对所有受试者的近似熵结果进行统计学t检验,包括:
对所有受试者的近似熵结果分别归一化;将平均后的实验中的15组信号近似熵结果分别与初始值进行统计学t-检验。
为了消除受试者的个体差异,对所得结果进行归一化处理,再对实验中结果与初始值进行统计学t-检验方法分析。出现了随着疲劳的产生,诱发肌电M波信号近似熵结果出现先上升后下降的变化趋势,并与初始值产生显著差异,也证实了电刺激有增强肌肉功能的作用。如图4所示,纵坐标表示近似熵,横坐标中0表示所有受试者初始信号的平均近似熵值,1-15表示对采集所有受试者的15组肌电信号中相对应组的近似熵的平均值。图3中明显看出,在电刺激组实验中,结果在起始阶段逐渐增加,且在第3次和第4次记录的信号近似熵的平均值结果与初始值(横坐标中的0所对应的)的结果产生显著性的差异(P<0.05);随后结果值逐渐减小,并在第7次记录时,近似熵结果值已低于初始值,但不具有显著性意义(P>005);然而当实验进行到第9次记录以后,减少的近似熵结果与初始值之间的差异具有了显著性意义(P<0.05),且熵值下降速度减缓,此时肌肉已处于深度疲劳。
因此,确定出电刺激作用效果何时为最佳状态以及肌肉何时开始疲劳是保证电刺激进一步发展过程中不可缺少的因素。实验中,在电刺激组肌电近似熵值曲线下降阶段,肌肉就已经开始出现疲劳,于是电刺激的作用效果开始被削弱,所以第5组(大约20min)电刺激之前为电刺激作用于人体效果最为显著的阶段。
Claims (7)
1.一种近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,包括如下步骤:
1)分别采集每一个受试者的电刺激诱发的表面肌电信号,包括:
(1)选择受试者,安排每一个受试者接受实验的时间;
(2)对受试者安置表面肌电电极和刺激电极;
(3)采集电刺激诱发的表面肌电信号;
2)分别对采集到的表面肌电信号进行预处理得到M波信号,
对采集到的表面肌电信号在MATLAB2011a平台上进行处理,从能量的角度出发,设定阈值s并根据信号在固定时间窗内的肌电信号能量值Q的大小来判断信号是否处于诱发M波信号段,从而对信号进行自动实时分割,去除刺激波形以及非动作信号段,提取出M波信号;
其特征在于,还包括有后续步骤:
3)分别对预处理提取出的M波信号求取近似熵;
4)对所有受试者的近似熵结果进行统计学t-检验,包括:
对所有受试者的近似熵结果分别进行归一化处理;将所有受试者归一化处理后的近似熵进行统计分析;
并且,步骤1)中第(3)步所述的采集电刺激诱发的表面肌电信号,包括:
(ⅰ)记录一组电刺激诱发的表面肌电信号作为静息态初始信号;为尽量减少诱发肌电的电刺激对肌肉疲劳的影响,因此诱发肌电的电刺激施加时间应少于20秒,本实施例中诱发肌电的电刺激频率选择1Hz,且记录时施加的电刺激持续时间为5秒;
(ⅱ)对受试者施加致疲劳的电刺激,即刺激频率为5Hz的电刺激,持续时间为5min后停止,马上再对受试者施加刺激频率为1Hz、持续时间为5秒的电刺激,并记录该时间段内电刺激诱发的表面肌电信号,诱发肌电的电刺激和致疲劳的电刺激频率不同但电流和脉宽相同;
(ⅲ)休息1min;
(ⅳ)再依次进行第(ⅱ)、第(ⅲ)过程,如此循环共15次后结束。
2.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤1)中选择受试者人数为5个以上,年龄差小于3岁。
3.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤1)中表面肌电电极的安置是,将记录电极的作用电极置于所测肌肉肌腹处,参考电极置于肌腱,接地电极则放置于记录电极附近无肌肉处,刺激电极的安置是,放置于运动神经处,与记录电极的距离小于等于10cm。
4.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤1)中采集电刺激诱发的表面肌电信号包括:在施加致疲劳的电刺激之前采集一组电刺激诱发的肌电信号作为初始值,同时为避免对疲劳产生影响,诱发肌电的电刺激施加时间少于20秒。
5.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤2)中所述的肌电信号能量值Q是采用如下公式得到:
上式中Q(x)代表在x处的肌电信号能量值,S(x)为x点的原始肌电信号值,短时间窗n取经验值16,阈值s为Q(x)的均值。
6.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤3)中所述对预处理提取出的M波信号求取近似熵包括如下过程:
(1)设给定长度为N的一维时间序列{u(i),i=1…N},
按式Xi={u(i),u(i+1),…u(i+m-1)}重构m维向量Xi,i=1,2…n,n=N-m+1;
(2)计算任意向量Xi与向量Xj(j=1,2…N-m+1,j≠i)之间的距离:dij=max|u(i+j)-u(j+k)|,k=0,1,…m-1即两向量之间的距离;
(3)给定阈值r,通常r=0.2~0.3之间,对每个向量Xi统计dij≤r*SD的数目并求出该数目与距离总数(N-m)的比值,记为其中SD为序列的标准值;
(4)将取对数,再对所有的i求平均值记为
(5)m增加1,重复1~4步骤,求得和φm+1(r);
(6)由φm+1,φm求得近似熵,
(7)对于有限长时间序列,ApEn通过统计值估计得到ApEn=φm-φm+1;
上述步骤中的参数N、m、r分别为时间序列长度,比较窗口的长度,相似容限边界,m值越大越能重构出系统的动态发展过程。
7.根据权利要求1所述的近似熵分析诱发肌电M波评价电刺激致肌疲劳的方法,其特征在于,步骤4)中所述的对所有受试者归一化处理后的近似熵进行统计分析是将致疲劳电刺激作用后采集的信号的近似熵值与初始值进行统计分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310014242.1A CN103006212B (zh) | 2013-01-15 | 2013-01-15 | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310014242.1A CN103006212B (zh) | 2013-01-15 | 2013-01-15 | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103006212A CN103006212A (zh) | 2013-04-03 |
CN103006212B true CN103006212B (zh) | 2016-04-20 |
Family
ID=47955709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310014242.1A Active CN103006212B (zh) | 2013-01-15 | 2013-01-15 | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103006212B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104523295B (zh) * | 2014-07-22 | 2016-10-26 | 陕西师范大学 | 一种利用超声图像熵特性检测肌肉疲劳进程的系统及方法 |
CN106725537A (zh) * | 2016-12-06 | 2017-05-31 | 北京欧德蒙科技有限公司 | 基于人体皮肤电的疲劳分析方法及系统 |
CN107320097B (zh) * | 2017-06-29 | 2020-05-01 | 合肥工业大学 | 利用肌电信号边际谱熵提取肌肉疲劳特征的方法和装置 |
CN109833041A (zh) * | 2017-11-24 | 2019-06-04 | 北京航空航天大学 | 运动性疲劳智能检测与分析系统 |
CN110432901B (zh) * | 2019-08-13 | 2021-12-14 | 宿州学院 | 一种多通道无线表面肌电信号发射装置 |
CN113952633B (zh) * | 2021-10-08 | 2023-11-03 | 天津大学 | 一种无创的运动疲劳的干预和评估方法 |
CN114931390B (zh) * | 2022-05-06 | 2023-06-13 | 电子科技大学 | 基于疲劳分析的肌力估计方法 |
CN115965127B (zh) * | 2022-12-12 | 2023-11-17 | 天津大学 | 基于多元信号融合的肌疲劳预测方法、系统及电刺激器 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5711307A (en) * | 1995-04-13 | 1998-01-27 | Liberty Mutual Insurance Company | Method and apparatus for detecting myoelectric activity from the surface of the skin |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001276005A (ja) * | 2000-04-04 | 2001-10-09 | Tohoku Techno Arch Co Ltd | 筋の活動度又は疲労度の評価装置 |
KR20060005096A (ko) * | 2004-07-12 | 2006-01-17 | 주식회사 씨아이디 | 근육 피로 측정 방법 및 장치 |
-
2013
- 2013-01-15 CN CN201310014242.1A patent/CN103006212B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5711307A (en) * | 1995-04-13 | 1998-01-27 | Liberty Mutual Insurance Company | Method and apparatus for detecting myoelectric activity from the surface of the skin |
Non-Patent Citations (1)
Title |
---|
Surface EMG based muscle fatigue evaluation in biomechanics;Mario Cifrek etc.;《Clinical Biomechanics》;20090531;第24卷(第4期);第327-340页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103006212A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
CN103054575B (zh) | 基于电刺激作用后静态肌电研究肌疲劳的方法 | |
Galea et al. | The numbers and relative sizes of motor units estimated by computer | |
CN105147248A (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
Peng et al. | Motor unit number estimation based on high-density surface electromyography decomposition | |
CN103258120A (zh) | 一种基于脑电信号的中风康复程度指标计算方法 | |
Li et al. | Quantitative and sensitive assessment of neurophysiological status after human spinal cord injury | |
Zhou et al. | A data-driven volitional EMG extraction algorithm during functional electrical stimulation with time variant parameters | |
CN104353184A (zh) | 肌电反馈式刺激仪 | |
Major et al. | Simulations of motor unit number estimation techniques | |
Merletti et al. | Techniques for Information Extraction from the Surface EMG Signalhigh‐Density Surface EMG | |
Faller et al. | Muscle fatigue assessment by mechanomyography during application of NMES protocol | |
CN117281479A (zh) | 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置 | |
CN114052750B (zh) | 基于标准模板肌电分解的脑肌信息传递规律提取方法 | |
EP4076194B1 (en) | A process and a device for decomposition of compound muscle action potentials | |
CN206565944U (zh) | 一种基于sEMG深层肌肉电信号的测量系统 | |
CN101856221A (zh) | 确定脊髓损伤程度及损伤部位的检测系统 | |
CN104523271A (zh) | 一种临床用肌电测痛方法及装置 | |
CN111973185B (zh) | 一种双丝电极下实时反馈肌肉功能活动的管理系统 | |
Manresa et al. | Teager-kaiser energy operator improves the detection and quantification of nociceptive withdrawal reflexes from surface electromyography | |
Andrews et al. | Artifact Adaptive Ideal Filtering of EMG Signals Contaminated by Spinal Cord Transcutaneous Stimulation | |
van Dijk | On the number of motor units. | |
CN204428031U (zh) | 一种临床用肌电测痛装置 | |
Zhao et al. | Evaluation of lower-limb rehabilitation based on muscle fatigue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |