CN104398234B - 一种基于专家系统的眼表综合分析仪 - Google Patents
一种基于专家系统的眼表综合分析仪 Download PDFInfo
- Publication number
- CN104398234B CN104398234B CN201410800274.9A CN201410800274A CN104398234B CN 104398234 B CN104398234 B CN 104398234B CN 201410800274 A CN201410800274 A CN 201410800274A CN 104398234 B CN104398234 B CN 104398234B
- Authority
- CN
- China
- Prior art keywords
- module
- ocular
- specialist system
- synthesis analyzer
- analyzer based
- 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
Links
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及一种基于专家系统的眼表综合分析仪,包括眼表综合分析仪的硬件模块、图像处理模块及专家系统模块。眼表综合分析仪硬件模块由控制器、结构光照明模块及成像模块组成。图像处理模块包括泪河高度测量模块、眼红检测模块、泪膜稳定性检测模块、睑板腺形态检测模块及角膜地形图分析模块。专家系统将图像处理获取的信息作为输入,对人体眼表常见疾病做出客观、准确的判断,并提供治疗措施。
Description
技术领域
本发明涉及人体眼表疾病的诊断,尤其涉及一种人体眼表疾病的分析诊断仪器。
背景技术
人体眼表疾病指损害角结膜眼表正常结构与功能的疾病。常见的眼表疾病包括圆锥角膜、干眼症、睑板腺功能障碍等。圆锥角膜是以角膜扩张、中央变薄向前突出,呈圆锥形为特征的一种眼病。它常造成高度不规则近视散光,晚期会出现急性角膜水肿,形成瘢痕,视力显著下降。检查方法包括角膜地形图检查、Placido盘、角膜曲率计等。干眼症是指任何原因造成的泪液质或量异常或动力学异常,导致泪膜稳定性下降,并伴有眼部不适和(或)眼表组织病变特征的多种疾病的总称,又称角结膜干燥症。检查方法包括裂隙灯检查、泪液分泌试验、泪膜破裂时间试验、眼表活体染色试验、泪液渗透压测定试验、乳铁蛋白含量测定试验、结膜印迹细胞学检查、角膜地形图检查及血清学检查等。睑板腺功能障碍是一种慢性、弥漫性的睑板腺异常,通常以终末导管的堵塞、睑板腺分泌物质或量的改变为特征,主要诊断标准是症状、睑缘部形态的变化、睑板腺脂质性状及排出难易度的改变、睑板腺缺失等变化。
目前,对人体眼表常见疾病的诊断,大多数情况下都是通过一系列分立的诊断试验得到与眼表疾病相关的多个参数,然后进行综合分析后实现诊断,如角膜地形图仪、裂隙灯显微镜、泪膜破裂时间检测等。其中,美国眼科设备制造商TearScience生产的LipiView眼表非接触干涉仪可定量分析泪膜中脂质层形态,Meibomian Gland Evaluator用来在裂隙灯下检查睑板腺的阻塞情况。针对人体眼表常见疾病进行综合诊断的仪器较少,而且检测结果也需要专家医师进行主观的综合评价诊断,不同医师的诊断结果可能不同,同时会消耗大量时间和人力。德国OCULUS制造的眼表综合分析仪,可实现角膜地形图、眼红、泪河高度、睑板腺、泪膜破裂时间等项目的检测,但还难以满足临床诊断的需要,如睑板腺腺体提取及缺失率的计算,泪膜厚度的检测,以及泪河高度的自动提取等。同时,该系统没有针对各个项目的检测结果进行数据的综合分析及评价,给出眼表疾病诊断及防治措施。
发明内容
本发明的主要目的在于克服现有各种眼表诊断仪器及技术的不足,提出基于专家系统的眼表综合分析仪。
为了解决上述的技术问题,本发明提供了一种基于专家系统的眼表综合分析仪,包括硬件模块、图像处理模块及专家系统模块;所述硬件模块由控制器、结构光照明模块及成像模块组成;所述图像处理模块获取所述成像模块的成像数据,并进行数据分析及处理;
专家系统包括知识库和推理机;所述推理机根据知识库中的知识和图像处理模块所提供的数据进行比对推理,输出眼表疾病的诊断结果和治疗方案。
在一较佳实施例中:所述结构光照明模块的结构光可采用锥形Placido盘或球面Placido盘;Placido盘面型可采用环形、点式径向环形、蛛网图样或圆靶图样。
在一较佳实施例中:所述图像处理模块包括泪河高度测量模块、眼红检测模块、泪膜稳定性检测模块、睑板腺形态检测模块。
在一较佳实施例中:知识库分为圆锥角膜诊断模块、干眼症诊断模块、睑板腺功能障碍诊断模块、角膜接触镜适配模块及屈光手术模块。
在一较佳实施例中:所述专家系统采用具有5个子网的BP神经网络;分为圆锥角膜子网、干眼症子网、睑板腺功能障碍子网、角膜接触镜适配子网及屈光手术子网。
在一较佳实施例中:所述专家系统还包括人机交互模块、知识获取模块、解释器和综合数据库。
在一较佳实施例中:所述知识获取模块将眼表疾病诊断专家经过大量实践和科学分析论证的结果进行规则化,形成知识规则存入知识库中。
在一较佳实施例中:所述泪河高度测量模块可根据采集的图像,自动识别并测量泪河高度。
在一较佳实施例中:眼红检测模块可计算结膜充血及睫状充血的面积及比例,并根据分析结果进行分级。
在一较佳实施例中:所述泪膜稳定性检测模块可检测泪膜厚度、首次泪膜破裂时间及位置、追踪泪膜破裂的变化趋势,获得泪膜平均破裂时间,并根据结果进行分级。
在一较佳实施例中:所述睑板腺结构形态检测模块用来计算腺体数量、腺体缺失率,观察睑缘的形态特征,睑板腺的分泌物性质和分泌能力。
在一较佳实施例中:所述图像处理模块还包括角膜地形图分析模块,提供角膜数据和状态,评估圆锥角膜,并提供国际通用的分级标准。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
本发明通过检测泪河高度、眼红、泪膜厚度及破裂时间、睑板腺结构形态参数及角膜地形图,获取与常见眼表疾病密切相关的参数,再通过专家系统进行分析处理,为常见眼表疾病的诊断提供客观的诊断依据与治疗措施。基于专家系统的眼表综合分析仪能实现全面、非侵入式的眼表诊断,诊断速度快、诊断结果客观性与重复性好,能实现高效、准确、低成本检测,可广泛应用于眼表干眼症、睑板腺功能障碍诊断、角膜接触镜适配以及准分子屈光手术等领域。
附图说明
图1为本发明优选实施例中基于专家系统的眼表综合分析仪的原理示意图;
图2为本发明优选实施例中的BP神经网络专家系统工作流程示意图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
如图1所示,本发明涉及一种基于专家系统的眼表综合分析仪,包括眼表综合分析仪的硬件模块、图像处理模块及专家系统模块。眼表综合分析仪硬件模块由控制器、结构光照明模块及成像模块组成。图像处理模块包括泪河高度测量模块、眼红检测模块、泪膜稳定性检测模块、睑板腺形态检测模块及角膜地形图分析模块。专家系统将图像处理获取的信息作为输入,对人体眼表常见疾病做出客观、准确的判断,并提供治疗措施。
以专家系统采用BP人工神经网络为例,如图2所示,专家系统可分为人机交互界面、知识获取模块、解释器、综合数据库、知识库、推理机等几大模块。各模块之间既相互独立,可以单独编程,又能相互调用,协调工作。知识库、综合数据库及推理机是专家系统的核心。知识库采用模块化思想,是推理机完成推理和问题求解的基础。知识库分为圆锥角膜诊断模块、干眼症诊断模块、睑板腺功能障碍诊断模块、角膜接触镜适配模块及屈光手术模块。综合数据库存储用户提供的初始事实、推理时的中间结论及最终诊断结果及治疗方案等数据。推理机根据知识库中的知识和用户提供的事实进行推理,通过神经网络的前向计算,在输出端获得输出矢量,输出眼表疾病的诊断结果和治疗方案,最后经专家系统的解释器提供给用户。
专家系统运行过程如下:首先,专家系统进行知识库规则的初始化。知识获取模块将眼表疾病诊断专家经过大量实践和科学分析论证的结果进行规则化,形成知识规则存入知识库中,同时对所输入的知识规则进行样本化处理,形成BP人工神经网络所需的学习样本。BP人工网络设计成一个5个子网的系统,分别与知识库分类模块相对应,分为圆锥角膜子网、干眼症子网、睑板腺功能障碍子网、角膜接触镜(亦称为隐形眼镜)适配子网及屈光手术子网。根据每个子网的输入输出不同,就会有不同的网络模型,多个子网可以并行工作。每个子网采取三层BP神经网络结构,由输入层、隐含层、输出层组成,输入层矢量X={X1,X2,…Xn}反映某一眼表疾病的临床表现及其可靠性,输出层矢量Y={O1,O2,…Om}反映该疾病的类型、分级、程度及其可靠性。学习过程采用了基于数值优化的算法,将样本输入BP人工神经对网络进行训练,继而完成神经系统知识库的组建。至此专家系统初始化完毕。其次,眼表综合分析仪获取用户眼部的图像,继而获取图像处理的各个模块的信息,经过数据转换,变成推理机可以快速处理的数据。专家系统采用正向推理,推理机能够根据获得的数据信息自动判断选择出适当的子网络,进而得到相应的诊断结果及给出治疗方案,经解释器提供给用户。
以睑板腺功能障碍诊断模块为例,将睑板腺功能障碍诊断的原始数据进行归纳,共得出4种分级和18种临床表现症状。通过知识获取模块,得到专家知识规则化表,作为知识库的知识规则和神经网络学习样本,形成整个专家系统的基础,进行学习训练,训练好的网络即组成为系统的知识库。
推理单元,采用正向推理策略,从己知的事实出发向结论方向进行推导,直到推出正确的结论。这种事实驱动方式的过程是:系统根据用户提供的信息,如疾病的临床表现,图像处理模块获取的数据等与规则库中的前提条件进行匹配,若匹配成功,则将该知识部分的结论作为中间结果,利用这个中间结果继续与知识库中的规则进行匹配,直至得出最后结论。若知识库中没有相匹配的专家知识规则,则启动BP人工神经网络对输入用户数据进行分析,经过人工神经网络对输入进行分析和推理后得出的结果返回给推理机,推理机将诊断结果返回给用户同时将防治措施也一并给出。另外,推理机也会将推理结果和输入组成的新知识规则输入到知识库中,丰富知识库里的知识规则。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种基于专家系统的眼表综合分析仪,其特征在于:包括硬件模块、图像处理模块及专家系统;所述硬件模块由控制器、结构光照明模块及成像模块组成;所述图像处理模块获取所述成像模块的成像数据,并进行数据分析及处理;
专家系统包括知识库和推理机;所述推理机根据知识库中的知识和图像处理模块所提供的数据进行比对推理,输出眼表疾病的诊断结果和治疗方案;
所述结构光照明模块采用锥形Placido盘或球面Placido盘;Placido盘面形状可采用点式径向环形、蛛网图样或圆靶图样;
所述图像处理模块包括泪河高度测量模块、眼红检测模块、泪膜稳定性检测模块、睑板腺形态检测模块;
所述知识库分为圆锥角膜诊断模块、干眼症诊断模块、睑板腺功能障碍诊断模块、角膜接触镜适配模块及屈光手术模块。
2.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述专家系统采用具有5个子网的BP神经网络;分为圆锥角膜子网、干眼症子网、睑板腺功能障碍子网、角膜接触镜适配子网及屈光手术子网。
3.根据权利要求2所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述专家系统还包括人机交互模块、知识获取模块、解释器和综合数据库。
4.根据权利要求3所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述知识获取模块将眼表疾病诊断专家经过大量实践和科学分析论证的结果进行规则化,形成知识规则存入知识库中。
5.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述泪河高度测量模块可根据采集的图像自动识别并测量泪河高度。
6.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:眼红检测模块可计算结膜充血及睫状充血的面积及比例,并根据分析结果进行分级。
7.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述泪膜稳定性检测模块可检测泪膜厚度、首次泪膜破裂时间及位置、追踪泪膜破裂的变化趋势,获得泪膜平均破裂时间,并根据结果进行分级。
8.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述睑板腺形态检测模块用来计算腺体数量、腺体缺失率,观察睑缘的形态特征、睑板腺的分泌物性质和分泌能力。
9.根据权利要求1所述的一种基于专家系统的眼表综合分析仪,其特征在于:所述图像处理模块还包括角膜地形图分析模块,提供角膜数据和状态,评估圆锥角膜,并提供国际通用的分级标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410800274.9A CN104398234B (zh) | 2014-12-19 | 2014-12-19 | 一种基于专家系统的眼表综合分析仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410800274.9A CN104398234B (zh) | 2014-12-19 | 2014-12-19 | 一种基于专家系统的眼表综合分析仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104398234A CN104398234A (zh) | 2015-03-11 |
CN104398234B true CN104398234B (zh) | 2016-08-17 |
Family
ID=52635951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410800274.9A Expired - Fee Related CN104398234B (zh) | 2014-12-19 | 2014-12-19 | 一种基于专家系统的眼表综合分析仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104398234B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8083787B2 (en) | 2005-07-18 | 2011-12-27 | Tearscience, Inc. | Method and apparatus for treating meibomian gland dysfunction |
US20080114423A1 (en) | 2006-05-15 | 2008-05-15 | Grenon Stephen M | Apparatus for inner eyelid treatment of meibomian gland dysfunction |
WO2013003594A2 (en) | 2011-06-28 | 2013-01-03 | Tearscience, Inc. | Methods and systems for treating meibomian gland dysfunction using radio-frequency energy |
US7981145B2 (en) | 2005-07-18 | 2011-07-19 | Tearscience Inc. | Treatment of meibomian glands |
US20090043365A1 (en) | 2005-07-18 | 2009-02-12 | Kolis Scientific, Inc. | Methods, apparatuses, and systems for reducing intraocular pressure as a means of preventing or treating open-angle glaucoma |
US20070060988A1 (en) | 2005-07-18 | 2007-03-15 | Grenon Stephen M | Melting meibomian gland obstructions |
CN106291339A (zh) * | 2015-05-20 | 2017-01-04 | 国网上海市电力公司 | 一种基于人工神经网络的断路器故障诊断专家系统 |
CN105662343B (zh) * | 2016-01-05 | 2021-01-15 | 中国科学院苏州生物医学工程技术研究所 | 一种干眼检测手持成像装置及干眼检测设备 |
CN106725282A (zh) * | 2016-12-12 | 2017-05-31 | 南京理工大学 | 一种小型的干眼检测设备 |
CN106510615B (zh) * | 2016-12-14 | 2019-05-28 | 中国科学院苏州生物医学工程技术研究所 | 干眼症综合分析系统 |
CN106510616B (zh) * | 2016-12-14 | 2019-05-28 | 中国科学院苏州生物医学工程技术研究所 | 干眼症全自动检测仪 |
CN106725283B (zh) * | 2016-12-14 | 2019-10-08 | 中国科学院苏州生物医学工程技术研究所 | 便携式干眼症检测仪 |
JP6557707B2 (ja) * | 2017-08-04 | 2019-08-07 | エルライズ株式会社 | 眼科測定装置、及び眼科測定システム |
CN109171640B (zh) * | 2018-07-30 | 2021-06-18 | 温州医科大学 | 角膜的状态评估装置及角膜的状态评估方法和应用 |
CN109833025A (zh) * | 2019-03-29 | 2019-06-04 | 广州视源电子科技股份有限公司 | 一种视网膜的异常检测方法、装置、设备和存储介质 |
US10832393B2 (en) | 2019-04-01 | 2020-11-10 | International Business Machines Corporation | Automated trend detection by self-learning models through image generation and recognition |
CN110188767B (zh) * | 2019-05-08 | 2021-04-27 | 浙江大学 | 基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置 |
CN110246158B (zh) * | 2019-07-19 | 2021-10-22 | 上海交通大学医学院附属第九人民医院 | 眼疾检测装置、方法、电子终端、及存储介质 |
CN110367926A (zh) * | 2019-07-22 | 2019-10-25 | 天津市索维电子技术有限公司 | 一种应用于自助医疗的干眼症检查装置及方法 |
CN111259986B (zh) * | 2020-02-20 | 2023-10-31 | 中南大学 | 自由瞬目条件下的眼表指标数据分类方法 |
CN111700582A (zh) * | 2020-06-23 | 2020-09-25 | 温州医科大学附属眼视光医院 | 一种基于智能终端的常见眼表疾病诊断系统 |
CN112914497B (zh) * | 2021-01-19 | 2022-12-09 | 北京大学第三医院(北京大学第三临床医学院) | 一种干眼症机检装置及使用方法 |
CN112863615A (zh) * | 2021-02-25 | 2021-05-28 | 华谱科仪(大连)科技有限公司 | 基于双数据库架构的色谱分析系统 |
CN113299396B (zh) * | 2021-07-15 | 2022-04-29 | 中山大学中山眼科中心 | 一种便携式青光眼睫状体综合征诊疗仪 |
CN114343563B (zh) * | 2021-12-31 | 2024-10-01 | 温州医科大学附属眼视光医院 | 一种多模态融合辅助干眼诊断和分型的方法、装置及系统 |
CN115153425A (zh) * | 2022-07-11 | 2022-10-11 | 温州医科大学附属眼视光医院 | 一种便携式眼表疾病分析诊断系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1069873A (zh) * | 1991-08-31 | 1993-03-17 | 凤凰激光系统有限公司 | 眼科诊断仪器和方法 |
CN101199411A (zh) * | 2006-12-13 | 2008-06-18 | 吴海林 | 一种视觉检测仪 |
CN101530317A (zh) * | 2009-04-14 | 2009-09-16 | 翁景宁 | 泪河检测方法及其设备、数据处理装置 |
EP2529661A1 (en) * | 2010-01-29 | 2012-12-05 | Kowa Company, Ltd. | Ophthalmology device and image categorizing method |
CN102961121A (zh) * | 2011-08-30 | 2013-03-13 | 欧科路光学器械有限公司 | 眼科分析仪器和方法 |
CN102961120A (zh) * | 2011-08-30 | 2013-03-13 | 欧科路光学器械有限公司 | 眼科分析仪器和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7520609B2 (en) * | 2006-01-18 | 2009-04-21 | Amo Manufacturing Llc | Non-invasive measurement of tear volume systems and methods |
EP2413699B1 (en) * | 2009-04-01 | 2019-11-20 | Tearscience, Inc. | Ocular surface interferometry (osi) apparatus for imaging an ocular tear film |
-
2014
- 2014-12-19 CN CN201410800274.9A patent/CN104398234B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1069873A (zh) * | 1991-08-31 | 1993-03-17 | 凤凰激光系统有限公司 | 眼科诊断仪器和方法 |
CN101199411A (zh) * | 2006-12-13 | 2008-06-18 | 吴海林 | 一种视觉检测仪 |
CN101530317A (zh) * | 2009-04-14 | 2009-09-16 | 翁景宁 | 泪河检测方法及其设备、数据处理装置 |
EP2529661A1 (en) * | 2010-01-29 | 2012-12-05 | Kowa Company, Ltd. | Ophthalmology device and image categorizing method |
CN102961121A (zh) * | 2011-08-30 | 2013-03-13 | 欧科路光学器械有限公司 | 眼科分析仪器和方法 |
CN102961120A (zh) * | 2011-08-30 | 2013-03-13 | 欧科路光学器械有限公司 | 眼科分析仪器和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104398234A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104398234B (zh) | 一种基于专家系统的眼表综合分析仪 | |
Hogarty et al. | Current state and future prospects of artificial intelligence in ophthalmology: a review | |
Kataria et al. | Accuracy of Scheimpflug-derived corneal biomechanical and tomographic indices for detecting subclinical and mild keratectasia in a South Asian population | |
Masiwa et al. | A review of corneal imaging methods for the early diagnosis of pre-clinical Keratoconus | |
Silverman et al. | Epithelial remodeling as basis for machine-based identification of keratoconus | |
Cao et al. | Evaluating the performance of various machine learning algorithms to detect subclinical keratoconus | |
Maeda et al. | Wavefront aberrations measured with Hartmann-Shack sensor in patients with keratoconus | |
US10052016B2 (en) | Automated clinical evaluation of the eye | |
Salomão et al. | Recent developments in keratoconus diagnosis | |
JP2023145613A (ja) | 視力を予測するための眼の画像を処理するための深層学習の使用 | |
Zéboulon et al. | Corneal topography raw data classification using a convolutional neural network | |
Bowd et al. | Gradient-boosting classifiers combining vessel density and tissue thickness measurements for classifying early to moderate glaucoma | |
Ramos et al. | Variability of subjective classifications of corneal topography maps from LASIK candidates | |
DK2482711T3 (en) | DIAGNOSIS PROCEDURE AND APPARATUS FOR PREDICTING POSSIBLY CONSERVED VISIBILITY | |
Klyce et al. | Screening patients with the corneal navigator | |
Shanthi et al. | Artificial intelligence applications in different imaging modalities for corneal topography | |
Saad et al. | Corneal enantiomorphism in normal and keratoconic eyes | |
Hermann et al. | Optic nerve head morphometry in healthy adults using confocal laser scanning tomography | |
Read et al. | Influence of accommodation on the anterior and posterior cornea | |
Tan et al. | Artificial intelligence–based diagnostic model for detecting keratoconus using videos of corneal force deformation | |
Masumoto et al. | Severity classification of conjunctival hyperaemia by deep neural network ensembles | |
Huerva et al. | Comparison of anterior segment measurements with optical low-coherence reflectometry and rotating dual Scheimpflug analysis | |
Maetschke et al. | Inference of visual field test performance from OCT volumes using deep learning | |
Hashemi et al. | Comparison of different corneal imaging modalities using artificial intelligence for diagnosis of keratoconus: a systematic review and meta-analysis | |
Bevara et al. | The evolution of diagnostics for keratoconus: from ophthalmometry to biomechanics |
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 | ||
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: 20160817 Termination date: 20211219 |