CN103845038B - 一种体征信号采集方法和设备 - Google Patents
一种体征信号采集方法和设备 Download PDFInfo
- Publication number
- CN103845038B CN103845038B CN201210512944.8A CN201210512944A CN103845038B CN 103845038 B CN103845038 B CN 103845038B CN 201210512944 A CN201210512944 A CN 201210512944A CN 103845038 B CN103845038 B CN 103845038B
- Authority
- CN
- China
- Prior art keywords
- sign
- gathered
- signal quality
- scene
- signal
- 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
Abstract
本申请公开一种体征信号采集方法和采集设备。采集方法包括:采集设备获取人体的体征信号;利用所采集的体征信号进行场景识别;根据所识别的场景对所采集的体征信号进行信号质量评估;将信号质量合格的体征信号上传至服务器。通过上述的实施方式,在采集设备处实现信号质量评估,对于质量差的信号不进行传输和存储,从而降低传输压力和存储压力,而且还能自动分析设备的使用阶段、应用场景和当前人体状态。
Description
技术领域
本申请涉及移动健康领域,尤其涉及一种体征信号采集方法和设备。
背景技术
人体具有多种体征信号,如心电信号、脑电信号、脉搏波信号、呼吸信号等。在移动健康领域,常用的体征信号包括心电信号、脉搏波信号、血氧信号、呼吸气流信号等。连续体征信号携带有大量的人体信息,可用于分析人体的状况,进行疾病的风险预测、术后的身体监测等。因此,体征信号的连续采集和监测具有广泛的应用前景。连续采集的体征信号经过一定频率的采样和量化转化为数字信号进行传输和存储,用于后续的处理和分析。
在进行体征信号的处理和分析时,质量不满足要求的信号很难提取到有用的特征,甚至可能产生错误的处理和分析结果,造成无效的体征信号监测或者错误的疾病分析结果及风险预测结果。因此,信号的处理和分析应该只针对质量良好的信号进行。由此可以看出,在处理和分析之前需要作体征信号质量评估,即根据信号质量选择适合进行处理和分析的体征信号。体征信号质量评估对于后续的体征信号处理、信息提取、风险预测、疾病筛查等具有重要的意义。
现有技术方案中,信号质量评估是在手机端或者服务器端完成的,由于连续体征信号的数据量非常大,现有技术方案至少存在以下缺陷:
1。对于实时传输的实现方式,无论信号的质量如何都需要被传输到手机端,因此信号从采集设备到手机端的传输量很大;如果此时信号质量评估在服务器端实现,那么体征信号还需要全部从手机端传输到服务器端,网络传输的压力也很大。以1导联的心电信号为例,如果采样率为500,每个数据用2byte表示,那么1分钟的心电信号就有500×60×2=60K,一天24小时的心电数据有86.4M之多。而且,在现有方案中信号质量差的信号在经过蓝牙传输或网络传输后在手机端或者服务器端经过质量评估后只能被丢弃,而这些信号在手机端及服务器端曾带来了大的存储压力和传输压力。
2.对于信号先存储到存储卡的方式,信号质量评估在服务器端进行的主要问题是存储的压力大,质量差的信号占用了存储卡的空间,造成体征信号连续采集的时间长度受到影响。
3.现有的技术信号质量评估在手机端或服务器端进行,通常处理的信号不是实时的体征信号,而是采集的历史数据,因此无法实时地根据信号质量给用户提示。这就使得信号质量差的情况会一直持续,直到用户主动想起查看信号的输出并调整设备的状况。
发明内容
本申请旨在提供一种降低传输压力和存储压力的体征信号采集方式。
本申请的一个实施方式提供了一种体征信号采集方法,包括:采集设备采集人体的体征信号;对所采集的体征信号进行场景识别;根据所识别的场景对所采集的体征信号进行信号质量评估;将信号质量合格的体征信号上传至服务器。
本申请的另一个实施方式提供了一种体征信号采集设备,包括:采集模块,采集人体的体征信号;场景识别模块,对所采集的体征信号进行场景识别;信号质量评估模块,根据所识别的场景对所采集的体征信号进行信号质量评估,并将信号质量合格的体征信号上传至服务器。
通过上述的实施方式,在采集设备端实现信号质量评估,对于质量差的信号不进行传输和存储,从而降低传输压力和存储压力,而且还能自动分析设备的使用阶段、应用场景和当前人体状态。
附图说明
图1是根据本申请的一个实施方式的一种体征信号采集方法1000;
图2是根据本申请的一个实施方式的一种体征信号采集设备的示意图。
具体实施方式
下面结合附图详细描述本申请的实施方式。
图1是根据本申请的一个实施方式的一种体征信号采集方法1000。如图所示,步骤S110中,采集设备采集人体的体征信号。例如通过电极采集用户的心电信号。
步骤S120中,采集设备对所采集的体征信号进行场景识别。
作为一种选择,采集设备对所采集的体征信号识别对应的采集阶段。具体地,采集设备将设备运行时间与预设的时间信息进行比对来识别所述采集阶段。例如,采集设备启动后的预设时间内(如几分钟)为采集设备调整期,预设时间之后为正常采集信号期。
作为一种选择,采集设备识别所采集的体征信号对应的采集场景。具体地,采集设备可以通过加速度传感器来采集自身的加速度信息,对所采集的加速度信息进行处理和分析来识别所述采集场景。例如,采集设备可以利用设置在采集设备上的三轴加速度传感器采集三轴加速度值,然后对加速度值进行频谱分析,根据所采集的三轴加速度值的低频分量在三个坐标轴上的分布,可以判断人体的姿态(站立、平躺、侧卧、俯卧等);根据所采集的三轴加速度值的高频分量的值可以得到人体的活动状态(静止、走、跑)等。也就是说,采集设备可以通过统计单位时间内加速度信息中的特征和变化来评估人体的姿态和活动状态,从而区分出人体剧烈运动期、人体舒缓运动期、人体静止期、平躺期、侧躺期和/或翻身期等。
步骤S130中,采集设备根据所识别的场景对所采集的体征信号进行信号质量评估。步骤S140中,采集设备将信号质量合格的体征信号上传至服务器。
不同的使用场景和使用阶段期间,设备与身体的接触情况不同,设备本身的状况也不同。不同的使用场景和阶段中造成信号质量变差的原因不同。因此,作为一种选择,通过分析大量使用场景和使用阶段的信号,可以建立使用场景和质量评估方法的对照表。采集设备可以根据预设的对照表,根据不同的场景而选择不同的信号质量评估方法。例如,对于心电信号质量评估,开始佩戴时主要是佩戴不当设备接触不好造成信号质量差,可采用flatline为评价指标的质量评估方法;睡眠过程中主要是翻身等人体活动造成信号质量差,可采用区间内的最大最小幅度差为指标的质量评估方法;白天剧烈运动时可能是肌电干扰、电极活动等造成信号质量变差,可采用峰度特征为指标的质量评估方法。针对人体24小时可能存在的复杂情况,引起信号质量变差的原因也是复杂多样的,为此可能某些时候还需要采用更复杂的质量评估方法,如基于小波变换系数的质量评估方法,基于谱分析的质量评估方法等。
作为一种选择,采集设备可根据所识别的场景对所采集的体征信号采用多种评估方法级联的方法进行信号质量评估。例如,对于对照表中每个场景所对应的信号质量评估方法,采集设备可按照预设的顺序采用多方法级联的方式进行信号质量评估。例如,将对质量要求严格和运算量小的评估方法放在前几级,比如动态模板匹配的方法放在第一级。这样一旦信号被评估为质量好则停止后续的评估,可以保证信号的质量,同时可以降低运算量。如果所采集的体征信号被第一级方法评估为信号质量为差或者不确定,那么还可以用后续的第二级、第三级等方法对被第一级方法筛掉的体征信号继续进行信号质量评估,从而保证不会漏掉质量好的体征信号。而且,在信号中由于人体疾病等原因造成的信号差异不会被当作信号质量不好的信号而丢弃。采用分级的方法,由简单到复杂,以最大限度的保留有用信号同时适应节点的处理能力。
作为一种选择,在进行信号质量评估的时候,可以统计级联的各方法在应用中的功效,即统计级联的各方法在确定信号统计时起关键作用的次数,并利用该次数来调整信号质量评估方法的级联方式,使级联方法具有在线学习的能力。
作为一种选择,如果信号质量评估不合格,采集设备则根据应用场景和阶段向用户发出告警。例如,由于剧烈运动造成信号质量差,提醒用户减小运动程度;由于接触不良造成信号质量差,则提醒用户调整佩戴位置。可通过不同的LED灯闪烁或者声音等实现报警。
作为一种选择,当采集设备识别出采集场景为用户平躺期、侧躺期和翻身期,还可利用心电信号判断当前用户是否是在睡眠中。如果判断出用户在睡眠中,则可以不向用户发出调整设备的告警信息。
作为一种选择,采集设备将识别的场景上传至服务器,作为连续体征信号监测的补充。
作为一种选择,将造成信号质量变差的原因可上传至服务器。因为这段信号由于质量差而被丢弃,会使连续采集的信号中有缺少,因此也可将造成信号质量变差的原因上传至服务器,作为连续体征信号监测的一个参数,是连续体征信号监测的重要补充。
作为一种选择,采集设备根据预设的条件将信息(例如信号质量合格的体征信号和/或识别出的场景信息、造成信号质量变差的原因)上传至服务器。例如,可以根据预设将上述信息实施上传至服务器;或者,可以根据预设存储上述信息,然后满足触发条件时(例如存储时间或空间)将存储的上述信息上传至服务器。
通过上述的实施方式,在采集设备处实现信号质量评估,对于质量差的信号不进行传输和存储,从而降低传输压力和存储压力;通过多模态融合的方法自动分析设备的使用阶段、应用场景和当前人体状态;采用多种方法级联的方法分析信号质量,提高信号质量判断的准确度,降低计算量,保证有效信号被保留;在采集设备处实现信号质量评估,对信号进行基本实时的判断,并根据信号质量及时给用户反馈,提醒用户调整身体状态或设备佩戴状态,避免长时间采集信号质量差的信号而监测不到真实的体征信号;将造成信号质量变差的原因或当前人体状态输出,并作为连续体征信号监测的一个参数输出,作为连续体征信号监测的重要补充。
图2是根据本申请的一个实施方式的一种体征信号采集设备的示意图。如图所示,采集设备包括采集模块11、场景识别模块12和信号质量评估模块13。采集模块11采集人体的体征信号。场景识别模块12对所采集的体征信号进行场景识别。信号质量评估模块13根据所识别的场景对所采集的体征信号进行信号质量评估,并将信号质量合格的体征信号上传至服务器。
例如,采集模块11通过电极采集用户的心电信号。作为一种选择,采集模块11还采集加速度信息。
作为一种选择,场景识别模块12对所采集的体征信号识别对应的采集阶段。具体地,场景识别模块12将设备运行时间与预设的时间信息进行比对来识别所述采集阶段。例如,采集设备启动后的预设时间内(如几分钟)为采集设备调整期,预设时间之后为正常采集信号期。
作为一种选择,场景识别模块12识别所采集的体征信号对应的采集场景。场景识别模块12处理和分析采集模块11所采集的加速度信息来识别所述采集场景。例如,采集模块11可以是设置在采集设备上的三轴加速度传感器,可以采集三轴加速度值。场景识别模块12可以采集模块11所采集的加速度值进行频谱分析,根据所采集的三轴加速度值的低频分量在三个坐标轴上的分布,可以判断人体的姿态(站立、平躺、侧卧、俯卧等);根据所采集的三轴加速度值的高频分量的值可以得到人体的活动状态(静止、走、跑)等。也就是说,场景识别模块12可利用加速度信息来分析人体的姿态和活动状态,从而区分出人体剧烈运动期、人体舒缓运动期、人体静止期、平躺期、侧躺期和/或翻身期等。
作为一种选择,通过分析大量使用场景和使用阶段的信号,可以建立使用场景和质量评估方法的对照表。信号质量评估模块13可以根据预设的对照表,根据不同的场景而选择不同的信号质量评估方法。例如,对于心电信号质量评估,场景识别模块12识别出目前处于开始佩戴期间,信号质量评估模块13可根据对照表而采用flatline为评价指标的质量评估方法;场景识别模块12识别出目前用户处于睡眠过程中,信号质量评估模块13可根据对照表采用区间内的最大最小幅度差为指标的质量评估方法;场景识别模块12识别出目前用户处于剧烈运动中,信号质量评估模块13可根据对照表采用峰度特征为指标的质量评估方法。
作为一种选择,信号质量评估模块13可根据所识别的场景对所采集的体征信号采用多中评估方法级联的方法进行信号质量评估。例如,对于对照表中每个场景所对应的信号质量评估方法,信号质量评估模块13可按照预设的顺序采用多方法级联的方式进行信号质量评估。例如,将对质量要求严格和运算量小的评估方法放在前几级,比如动态模板匹配的方法放在第一级。这样一旦信号被评估为质量好则停止后续的评估,可以保证信号的质量,同时可以降低运算量。如果所采集的体征信号被第一级方法评估为信号质量为差或者不确定,那么还可以用后续的第二级、第三级等方法对被第一级方法筛掉的体征信号继续进行信号质量评估,从而保证不会漏掉质量好的体征信号。而且,在信号中由于人体疾病等原因造成的信号差异不会被当作信号质量不好的信号而丢弃。采用分级的方法,由简单到复杂,以最大限度的保留有用信号同时适应节点的处理能力。
作为一种选择,信号质量评估模块13在进行信号质量评估的时候,可以统计级联的各方法在应用中的功效,即统计级联的各方法在确定信号统计时起关键作用的次数,并利用该次数来调整信号质量评估方法的级联方式,使级联方法具有在线学习的能力。
作为一种选择,如果信号质量评估模块13评估出采集模块11采集的体征信号的质量不合格,则根据应用场景和阶段向用户发出告警,以提醒用户调整采集设备。
作为一种选择,当场景识别模块12识别出用户处于平躺期、侧躺期和翻身期,还可利用心电信号判断当前用户是否是在睡眠中。如果判断出用户在睡眠中,则信号质量评估模块13可以不向用户发出调整设备的告警信息。
作为一种选择,场景识别模块12还将识别的场景上传至服务器,作为连续体征信号监测的补充。
作为一种选择,场景识别模块12将造成信号质量变差的原因可上传至服务器。因为这段信号由于质量差而被丢弃,会使连续采集的信号中有缺少,因此也可将造成信号质量变差的原因上传至服务器,作为连续体征信号监测的一个参数,是连续体征信号监测的重要补充。
作为一种选择,场景识别模块12根据预设的条件将信息(例如信号质量合格的体征信号和/或识别出的场景信息、造成信号质量变差的原因)上传至服务器。例如,场景识别模块12可以根据预设将上述信息实施上传至服务器;或者,可以根据预设存储上述信息,然后满足触发条件时(例如存储时间或空间)将存储的上述信息上传至服务器。
以上仅为本申请的优选实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种体征信号采集方法,包括:
采集设备采集人体的体征信号;
对所采集的体征信号进行场景识别;
根据所识别的场景对所采集的体征信号进行信号质量评估;
将信号质量合格的体征信号上传至服务器;
其中,所述对所采集的体征信号进行场景识别,包括:
识别所采集的体征信号对应的采集阶段,以及识别所采集的体征信号对应的采集场景。
2.如权利要求1所述的方法,还包括:
当信号质量评估的结果表示体征信号的信号质量不合格时,发出告警。
3.如权利要求1所述的方法,其中,所述采集设备还采集加速度信息;
所述识别所采集的体征信号对应的采集阶段,包括:
将所述采集设备的运行时间与预设的时间信息进行比较来识别所采集的体征信号对应的采集阶段;
所述识别所采集的体征信号对应的采集场景,包括:
通过所采集到的加速度信息来识别所采集的体征信号对应的采集场景。
4.如权利要求1所述的方法,其中,所述根据所识别的场景对所采集的体征信号进行信号质量评估的步骤包括:
根据所识别的场景对所采集的体征信号采用多种评估方法级联的方法进行信号质量评估。
5.一种体征信号采集设备,包括:
采集模块,采集人体的体征信号和加速度信息;
场景识别模块,对所采集的体征信号进行场景识别,包括对所采集的体征信号识别对应的采集阶段和识别所采集的体征信号对应的采集场景;
信号质量评估模块,根据所识别的场景对所采集的体征信号进行信号质量评估,并将信号质量合格的体征信号上传至服务器。
6.如权利要求5所述的设备,还包括:
当信号质量评估模块评估出体征信号的信号质量不合格时,发出告警。
7.如权利要求5所述的设备,其中,所述采集模块还采集加速度信息;
所述场景识别模块将所述采集设备的运行时间与预设的时间信息进行比对来识别所采集的体征信号对应的采集阶段,以及通过所采集到的加速度信息来识别所采集的体征信号对应的采集场景。
8.如权利要求5所述的设备,其中,所述信号质量评估模块根据所识别的场景对所采集的体征信号采用多种评估方法级联的方法进行信号质量评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210512944.8A CN103845038B (zh) | 2012-12-04 | 2012-12-04 | 一种体征信号采集方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210512944.8A CN103845038B (zh) | 2012-12-04 | 2012-12-04 | 一种体征信号采集方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103845038A CN103845038A (zh) | 2014-06-11 |
CN103845038B true CN103845038B (zh) | 2016-09-07 |
Family
ID=50853479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210512944.8A Active CN103845038B (zh) | 2012-12-04 | 2012-12-04 | 一种体征信号采集方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103845038B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10765331B2 (en) * | 2015-04-02 | 2020-09-08 | Microsoft Technology Licensing, Llc | Wearable pulse sensing device signal quality estimation |
CN105361867A (zh) * | 2015-10-30 | 2016-03-02 | 中国科学技术大学 | 一种康复数据处理系统 |
CN105796111B (zh) * | 2016-03-09 | 2018-12-25 | 安徽华米信息科技有限公司 | 睡眠翻身动作的监测方法、装置及可穿戴设备 |
CN107361760B (zh) * | 2017-07-12 | 2020-06-12 | 中国科学院上海微系统与信息技术研究所 | 心磁图仪诊断系统及应用该系统的心磁图仪 |
CN107582045A (zh) * | 2017-09-06 | 2018-01-16 | 成都心吉康科技有限公司 | 心电采集方法、可穿戴设备及其控制方法 |
CN109480782B (zh) * | 2018-11-16 | 2023-10-20 | 深圳和而泰智能家电控制器有限公司 | 一种睡眠状态检测方法、装置及设备 |
CN109497998B (zh) * | 2018-12-14 | 2021-08-10 | 深圳和而泰数据资源与云技术有限公司 | 脑电信号质量评估方法、脑电信号采集器和头戴设备 |
CN110830862A (zh) * | 2019-10-10 | 2020-02-21 | 广东思派康电子科技有限公司 | 一种自适应降噪的降噪耳机 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101363743A (zh) * | 2007-08-06 | 2009-02-11 | 索尼株式会社 | 信息处理设备、系统及其方法 |
CN101721206A (zh) * | 2009-12-11 | 2010-06-09 | 无锡市吉天通信科技有限公司 | 具有人体运动状态及姿态检测功能的动态心电图仪 |
CN102068260A (zh) * | 2009-11-25 | 2011-05-25 | 深圳市健康鼠科技有限公司 | 睡眠质量监测方法以及生活方式管理建议系统 |
CN102270264A (zh) * | 2010-06-04 | 2011-12-07 | 中国科学院深圳先进技术研究院 | 生理信号质量评估系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02203842A (ja) * | 1989-02-02 | 1990-08-13 | Sanyo Electric Co Ltd | ランニングフォーム判定装置 |
DE69634242T2 (de) * | 1995-12-18 | 2005-06-30 | Seiko Epson Corp. | Vorrichtung zum feststellen des gesundheitszustandes und zum unterstützen von übungen |
DE10143712A1 (de) * | 2001-08-30 | 2003-04-10 | Europroteome Ag | Verfahren, Computersystem und Computerprogrammprodukt zur Datenauswertung |
CN101999936B (zh) * | 2009-09-03 | 2012-09-05 | 财团法人工业技术研究院 | 具噪声消除功能的信号感测装置及信号感测方法 |
-
2012
- 2012-12-04 CN CN201210512944.8A patent/CN103845038B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101363743A (zh) * | 2007-08-06 | 2009-02-11 | 索尼株式会社 | 信息处理设备、系统及其方法 |
CN102068260A (zh) * | 2009-11-25 | 2011-05-25 | 深圳市健康鼠科技有限公司 | 睡眠质量监测方法以及生活方式管理建议系统 |
CN101721206A (zh) * | 2009-12-11 | 2010-06-09 | 无锡市吉天通信科技有限公司 | 具有人体运动状态及姿态检测功能的动态心电图仪 |
CN102270264A (zh) * | 2010-06-04 | 2011-12-07 | 中国科学院深圳先进技术研究院 | 生理信号质量评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103845038A (zh) | 2014-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103845038B (zh) | 一种体征信号采集方法和设备 | |
CN101732041B (zh) | 一种医疗监护系统 | |
CN109247936B (zh) | 一种全夜睡眠监测的异常脑电行为监测系统及方法 | |
EP2330554A1 (en) | Method and system for generating history of behavior | |
CN104224147A (zh) | 无线便携式人体健康与睡眠质量监护仪 | |
KR101851690B1 (ko) | 착용형 센서를 이용한 일주기 생체리듬의 비정상성 탐지 장치 및 방법 | |
CN110013261B (zh) | 情绪监测的方法、装置、电子设备及存储介质 | |
CN106137130B (zh) | 一种基于音频处理的睡眠期识别方法 | |
CN105261152B (zh) | 基于聚类分析的空中交通管制员疲劳检测方法、装置和系统 | |
CN105394813A (zh) | 智能戒烟监控系统及方法 | |
CN112716474A (zh) | 基于生物微波雷达的非接触式睡眠状态监测方法和系统 | |
CN107049308B (zh) | 一种基于深度神经网络的意念控制系统 | |
CN107909771A (zh) | 一种基于无线传感网络的人员跌倒报警系统及其实现方法 | |
CN114343574A (zh) | 一种睡眠质量评估方法及客户端、服务器、存储介质 | |
CN109528163B (zh) | 一种睡眠监测的方法和设备 | |
CN110897425A (zh) | 儿童坐姿检测坐垫、与坐垫交互的装置以及坐姿监测方法 | |
CN106333643B (zh) | 用户健康的监测方法、监测装置以及监测终端 | |
CN107766898A (zh) | 基于svm的三分类情绪概率判断方法 | |
CN104473648A (zh) | 一种结合生理参数监测的人体摔倒预警和检测方法 | |
CN111317469B (zh) | 一种脑电波监测设备、系统及监测方法 | |
CN107961006B (zh) | 腕式智能穿戴设备和信息提示方法 | |
CN110737201A (zh) | 一种监护方法、装置、存储介质及空调 | |
CN111397743A (zh) | 一种群体式体温监测系统及方法 | |
CN107019501B (zh) | 基于遗传算法和概率神经网络的远程摔倒检测方法及系统 | |
CN106941523B (zh) | 基于物联网的健康监测信息采集方法和系统 |
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 |