CN105426698A - 一种健康预警指标管理方法 - Google Patents
一种健康预警指标管理方法 Download PDFInfo
- Publication number
- CN105426698A CN105426698A CN201610020385.7A CN201610020385A CN105426698A CN 105426698 A CN105426698 A CN 105426698A CN 201610020385 A CN201610020385 A CN 201610020385A CN 105426698 A CN105426698 A CN 105426698A
- Authority
- CN
- China
- Prior art keywords
- early warning
- cell
- frequency
- management method
- similarity
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种健康预警指标管理方法,属于健康管理数据处理技术领域。它解决了实现提前发现疾病来临且根据发展趋势进行预警的问题。本方法包括如下步骤:A、采集当前细胞共振频率:发射与需检测部位细胞固定振动频率相同的电波,该电波与对应部位细胞生物电场发出的微频波形成共振,通过反馈的共振波采集当前细胞共振频率;B、建立细胞预警指示模型:建立不同部位细胞从健康到病变过程生物电场发出微波频率变化与固有振动频率共振的数据模型;C、进行预警提示:比较计算当前细胞共振频率与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指示。该方法提前发现疾病问题的来临和发展趋势实现提前预警。
Description
技术领域
本发明属于健康管理数据处理技术领域,涉及一种健康预警指标管理方法。
背景技术
生命体的活动,其实就是一面消耗能量,一面运用这些能量来让体内的生理活动趋于平衡。健康的生命体其生理活动都会处于平衡的状态。科学家发现人体各器官的细胞都有各自固定的振动频率,介于1.8-8.2Hz之间;例如骨膜细胞的振动频率大约为1.8Hz左右,心肌细胞及肌肉细胞的振动频率在2.6-3.4Hz之间,肠道细胞的振动频率大约为4.2Hz,脑细胞的振动频率大约为7.4Hz,眼球细胞的振动频率大约为8.2Hz。生命体的每个细胞都以特定的频率进行振动,当细胞受损时,其对应得振动频率会发生改变,导致生理活动偏向不平衡状态。继续发展下去该细胞及所属的器官就可能发生病变。
中国专利文献公开了申请号为200910235385.9的一种疾病预警方法和系统,其中方法包括:通过佩戴在用户身上的用户端装置采集用户的生理数据;比较当前生理数据与正常生理数据指标或比较当前生理数据与相邻时间段的生理数据,将满足预置条件的生理数据发送至远程预警服务器;通过远程预警服务器对生理数据进行分析处理。该方法能够采集准确的疾病相关信息,提前针对特定人群进行疾病预警。该预警是根据临床医学的疾病数据进行比较,当疾病进行预警时,往往是已经出现了疾病。因此提出一种做到早发现、早知道、早评估、早预防的健康预警将是重要的研究方向。
发明内容
本发明针对现有技术存在的上述问题,提出了一种健康预警指标管理方法。该方法解决了如何实现提前发现疾病来临且根据发展趋势进行预警的问题。
本发明通过下列技术方案来实现:
一种健康预警指标管理方法,其特征在于,本方法包括如下步骤:
A、采集当前细胞共振频率:确定需要检测部位细胞固定振动频率,发射与该固定振动频率相同的电波,该电波与对应部位细胞生物电场发出的微频波形成共振,通过反馈的共振波采集当前细胞共振频率;
B、建立细胞预警指示模型:建立不同部位细胞从健康到病变过程生物电场发出微波频率变化与固有振动频率共振的数据模型;
C、进行预警提示:比较计算当前细胞共振频率与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指标。
上述方法在计算机控制器内实现,计算机系统内设有数据库。建立细胞预警指示模型形成不同器官疾病关于细胞振动频率与发射电波形成共振建立有关熵的数据库。确定需要检测的器官及对应器官的细胞固有的振动频率,控制发射与该细胞固有振动频率相同频率的微频电波,该微频电波与需要检测的人体器官组织对应细胞的生物电场发出的微频波产生共振,该共振波经过人的神经元传至大脑,大脑神经元的电子活动状态被改变,共振得到的微频波被反馈接收从而实现采集共振波的频率信息,比较计算当前细胞共振频率信息与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指示病变程度,并进行预警。该方法包含了细胞从健康到病变过程数据采集建立的预警指示模型,当前细胞共振频率信息与细胞预警指示模型的相似度进行预警促使预警指示关口前移,即能提前发现疾病问题的来临和发展趋势。
在上述的健康预警指标管理方法中,所述步骤A中,根据输入需检测的器官指令,系统自动检索对应部位的细胞固定频率,并调整发射与该固定频率相同的电波。这里根据输入指令实现自动配对确定细胞固定频率,实现稳定、高效发射对应频率的电波的功能,同时根据输入指令进行增加可操作性和选择性。
在上述的健康预警指标管理方法中,所述步骤B中,所述预警指示模型根据不同器官对应的细胞固定频率分别建立预警指标,即一个固定频率对应一个独立预警指标。方便在输入检测指令时能够及时、有效的调出对应器官的预警指示模型,方便加快进一步的比较计算过程。
在上述的健康预警指标管理方法中,所述预警指标以1为基点,根据相似度偏离基点的大小确定疾病的发展趋势,相似度越小指示对应疾病的发展趋势越紧迫。针对疾病发展趋势的紧迫程度进行预警提示使得预警具有针对性和重点预警,从而提高预警效果。
在上述的健康预警指标管理方法中,所述步骤B中,所述预警指示模型包括四个阶段:健康阶段、亚健康阶段、亚疾病阶段、疾病阶段。这里使得预警更加明确,保证提前预警,且明确预警疾病的发展趋势。
在上述的健康预警指标管理方法中,所述步骤B中,所述预警指示模型根据年龄、性别、环境变量进行自我学习。这里通过自我学习的过程起到完善预警指示模型更加准确的作用。
在上述的健康预警指标管理方法中,所述步骤B中,通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的预警指示模型。NLS非线性分析系统应用高能量子物理常讨论到一个数值:熵,熵做为分析的指标。熵通常用于描述一个系统当中的混乱程度。自然界中的事物,大多会往趋向于最大乱度即最大的熵值的方向发展,生物体为了维持生命现象正常有序,所以会尽量降低它的熵值。所以,一个健康的个体或细胞,熵值是比较低的,若是细胞的功能不正常,无力维持有序且平衡的生理活动,熵值就会上升。因此通过NLS非线性计算分析建立的预警指示模型确定共振形态,便于步骤C的比较分析。
在上述的健康预警指标管理方法中,所述步骤C中,通过NLS非线性计算分析当前检测的细胞共振频率信息,比较细胞预警指示模型,确定相似度,根据相似度排列疾病发展趋势进行预警。这里提高预警准确度。
与现有技术相比,本健康预警指标管理方法中,具有以下优点:
1、本发明通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立从健康到疾病过程细胞共振形态的预警指示模型来使得预警关口前移,促进提早发现疾病问题和发展趋势,从而实现早预警的健康管理模式。
2、本发明通过对性别、年龄、生活习惯等不定因素的自我学习使得预警指示模型具有个性化,能根据不同的个体进行调整,使得预警更加的准确。
附图说明
图1是本发明流程图。
具体实施方式
以下是本发明的具体实施例,并结合附图对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
如图1所示,一种健康预警指标管理方法,其特征在于,本方法包括如下步骤:
A、采集当前细胞共振频率:确定需要检测部位细胞固定振动频率,发射与该固定振动频率相同的电波,该电波与对应部位细胞生物电场发出的微频波形成共振,通过反馈的共振波采集当前细胞共振频率;根据输入需检测的器官指令,系统自动检索对应部位的细胞固定频率,并调整发射与该固定频率相同的电波。这里根据输入指令实现自动配对确定细胞固定频率,实现稳定、高效发射对应频率的电波的功能,同时根据输入指令进行增加可操作性和选择性强。
B、建立细胞预警指示模型:建立不同部位细胞从健康到病变过程生物电场发出微波频率变化与固有振动频率共振的数据模型;
预警指示模型根据不同器官对应的细胞固定频率分别建立预警指标,即一个固定频率也可以是一个器官对应建立一个独立的预警指标。预警指标以1为基点,根据相似度偏离基点的大小确定疾病的发展趋势,相似度越小指示对应疾病的发展趋势越紧迫。
同时预警指示模型包括四个阶段:健康阶段、亚健康阶段、亚疾病阶段、疾病阶段。这里使得预警更加明确,保证提前预警,且明确预警疾病的发展趋势。预警指标提前移到亚疾病状态即进行预警。而疾病阶段即医院的临床指标,比较落后,使得预警不够及时。在亚疾病阶段即进行有效的预警提示能够更快的康复。而亚健康状态能够更好的发现疾病并提早预防。
预警指示模型根据年龄、性别、环境、用药情况等变量进行自我学习。这里通过自我学习的过程起到完善预警指示模型更加准确的作用。
且通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的预警指示模型。
C、进行预警提示:比较计算当前细胞共振频率与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指示。
通过NLS非线性计算分析当前检测的细胞共振频率信息,比较细胞预警指示模型,确定相似度,根据相似度排列疾病发展趋势进行预警。这里提高预警准确度。
以下是本发明的工作原理:
NLS非线性分析系统应用高能量子物理常讨论到一个数值:熵,熵做为分析的指标。熵通常用于描述一个系统当中的混乱程度。自然界中的事物,大多会往趋向于最大乱度即最大的熵值的方向发展,生物体为了维持生命现象正常有序,所以会尽量降低它的熵值。所以,一个健康的个体或细胞,熵值是比较低的,若是细胞的功能不正常,无力维持有序且平衡的生理活动,熵值就会上升。因此通过NLS非线性计算分析建立的预警指示模型确定共振形态,便于步骤C的比较分析。
上述方法在计算机控制器内实现,计算机系统内设有数据库。建立细胞预警指示模型形成不同器官疾病关于细胞振动频率与发射电波形成共振建立有关熵的数据库。计算机系统内储存着各个器官和细胞独特的振荡频谱形成的预警指示模型,预警指示模型可在计算机屏幕上以曲线图展呈现,以代表器官和环境间交换信息的情形。同时储存有各种病变过程的特有频率特征,其中涵盖年龄、性别及其它变量的所有变化阶段。预警指示模型包含预警指标,预警指标为不同器官相似度数据对应的预警指标提示信息。一个器官即一个细胞固定频率建立一个预警指标。
确定需要检测的器官及对应器官的细胞固有的振动频率,控制发射与该固有振动频率相同频率的微频电波,该微频电波与需要检测的人体器官组织对应细胞的生物电场发出的微频波产生共振,该共振波经过人的神经元传至大脑,大脑神经元的电子活动状态被改变,共振得到的微频波被反馈接收从而实现采集共振波的频率信息。在获得共振波响应的结果之后,会用以与健康组织、病变组织的光谱比对出最接近的病变原因或走向并计算相似度。比较计算当前细胞共振频率信息与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指示病变程度,并进行预警。该方法包含了细胞从健康到病变过程数据采集建立的预警指示模型,当前细胞共振频率信息与细胞预警指示模型的相似度进行预警促使预警指示关口前移,即能提前发现疾病问题的来临和发展趋势。结合了这些程序即可做出虚拟诊断,对疾病进行提前评估和提前预警,并为医师提供各个阶段不同的判读参考数据。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种健康预警指标管理方法,其特征在于,本方法包括如下步骤:
A、采集当前细胞共振频率:确定需要检测部位细胞固定振动频率,发射与该固定振动频率相同的电波,该电波与对应部位细胞生物电场发出的微频波形成共振,通过反馈的共振波采集当前细胞共振频率;
B、建立细胞预警指示模型:建立不同部位细胞从健康到病变过程生物电场发出微波频率变化与固有振动频率共振的数据模型;
C、进行预警提示:比较计算当前细胞共振频率与细胞预警指示模型的相似度,根据相似度从数据模型中读取对应的预警指标。
2.根据权利要求1所述的健康预警指标管理方法,其特征在于,所述步骤A中,根据输入需检测的器官指令,系统自动检索对应部位的细胞固定频率,并调整发射与该固定频率相同的电波。
3.根据权利要求1或2所述的健康预警指标管理方法,其特征在于,所述步骤B中,所述预警指示模型根据不同器官对应的细胞固定频率分别建立预警指标,即一个固定频率对应一个独立的预警指标。
4.根据权利要求3所述的健康预警指标管理方法,其特征在于,所述预警指标以1为基点,根据相似度偏离基点的大小确定疾病的发展趋势,相似度越小指示对应疾病的发展趋势越紧迫。
5.根据权利要求4所述的健康预警指标管理方法,其特征在于,所述步骤B中,所述预警指示模型包括四个阶段:健康阶段、亚健康阶段、亚疾病阶段、疾病阶段。
6.根据权利要求5所述的健康预警指标管理方法,其特征在于,所述步骤B中,所述预警指示模型根据年龄、性别、环境变量进行自我学习。
7.根据权利要求6所述的健康预警指标管理方法,其特征在于,所述步骤B中,通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的预警指示模型。
8.根据权利要求7所述的健康预警指标管理方法,其特征在于,所述步骤C中,通过NLS非线性计算分析当前检测的细胞共振频率信息,比较细胞预警指示模型,确定相似度,根据相似度排列疾病发展趋势进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610020385.7A CN105426698A (zh) | 2016-01-13 | 2016-01-13 | 一种健康预警指标管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610020385.7A CN105426698A (zh) | 2016-01-13 | 2016-01-13 | 一种健康预警指标管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105426698A true CN105426698A (zh) | 2016-03-23 |
Family
ID=55504906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610020385.7A Pending CN105426698A (zh) | 2016-01-13 | 2016-01-13 | 一种健康预警指标管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105426698A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194197A (zh) * | 2017-06-30 | 2017-09-22 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
CN108634952A (zh) * | 2018-05-15 | 2018-10-12 | 神州康波健康信息科技有限公司 | 电磁波诊疗系统 |
CN109984744A (zh) * | 2019-04-18 | 2019-07-09 | 河南爱怡家科技有限公司 | 一种基于量子共振的人体数据采集和分析方法 |
CN110060743A (zh) * | 2019-04-18 | 2019-07-26 | 河南爱怡家科技有限公司 | 一种基于细胞共振的数据库建立的方法 |
CN111798950A (zh) * | 2020-07-03 | 2020-10-20 | 上海知己信息科技有限公司 | 互联网健康检测修复系统 |
CN113499244A (zh) * | 2020-12-02 | 2021-10-15 | 天狼联盟材料科技研究(广东)有限公司 | 一种糖尿病代谢衣 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1060413A (zh) * | 1990-10-10 | 1992-04-22 | 北京大学 | 半导体红外光医疗仪 |
CN102043893A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种疾病预警方法和系统 |
CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
CN202537485U (zh) * | 2012-03-27 | 2012-11-21 | 冯燕肃 | 一种nls非线性分析检测仪 |
CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
CN204302976U (zh) * | 2014-03-21 | 2015-04-29 | 徐飞龙 | 人体疾病风险预警系统 |
-
2016
- 2016-01-13 CN CN201610020385.7A patent/CN105426698A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1060413A (zh) * | 1990-10-10 | 1992-04-22 | 北京大学 | 半导体红外光医疗仪 |
CN102043893A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种疾病预警方法和系统 |
CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
CN202537485U (zh) * | 2012-03-27 | 2012-11-21 | 冯燕肃 | 一种nls非线性分析检测仪 |
CN204302976U (zh) * | 2014-03-21 | 2015-04-29 | 徐飞龙 | 人体疾病风险预警系统 |
CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
Non-Patent Citations (2)
Title |
---|
李中平等: "相似度分析方法在亚健康状态症状指标分析中的应用", 《中国卫生统计》 * |
高也陶等: "试论纳米技术进入中医基础理论研究的可能性", 《中西医结合学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194197A (zh) * | 2017-06-30 | 2017-09-22 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
CN107194197B (zh) * | 2017-06-30 | 2020-07-14 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
CN108634952A (zh) * | 2018-05-15 | 2018-10-12 | 神州康波健康信息科技有限公司 | 电磁波诊疗系统 |
CN109984744A (zh) * | 2019-04-18 | 2019-07-09 | 河南爱怡家科技有限公司 | 一种基于量子共振的人体数据采集和分析方法 |
CN110060743A (zh) * | 2019-04-18 | 2019-07-26 | 河南爱怡家科技有限公司 | 一种基于细胞共振的数据库建立的方法 |
CN111798950A (zh) * | 2020-07-03 | 2020-10-20 | 上海知己信息科技有限公司 | 互联网健康检测修复系统 |
CN113499244A (zh) * | 2020-12-02 | 2021-10-15 | 天狼联盟材料科技研究(广东)有限公司 | 一种糖尿病代谢衣 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426698A (zh) | 一种健康预警指标管理方法 | |
Paul | Various epileptic seizure detection techniques using biomedical signals: a review | |
Kabir et al. | Epileptic seizure detection from EEG signals using logistic model trees | |
Liu et al. | A novel electrocardiogram parameterization algorithm and its application in myocardial infarction detection | |
CN109805898B (zh) | 基于注意力机制时序卷积网络算法的危重症死亡预测方法 | |
Cui et al. | Learning EEG synchronization patterns for epileptic seizure prediction using bag-of-wave features | |
Chandel et al. | Smart watches: A review of evolution in bio-medical sector | |
Shashikumar et al. | Multiscale network representation of physiological time series for early prediction of sepsis | |
Abdalla et al. | Deep convolutional neural network application to classify the ECG arrhythmia | |
Leite et al. | Heartbeat classification with low computational cost using Hjorth parameters | |
Isaksen et al. | Artificial intelligence for the detection, prediction, and management of atrial fibrillation | |
Rajawat et al. | Risk detection in wireless body sensor networks for health monitoring using hybrid deep learning | |
Joloudari et al. | Application of artificial intelligence techniques for automated detection of myocardial infarction: a review | |
CN110772252A (zh) | 测量生物信号的装置和方法 | |
Jansi Rani et al. | Smart wearable model for predicting heart disease using machine learning: Wearable to predict heart risk | |
Buś et al. | Using minimum redundancy maximum relevance algorithm to select minimal sets of heart rate variability parameters for atrial fibrillation detection | |
JP6193225B2 (ja) | 肝線維症検出装置および検出システム | |
Mahadi et al. | Machine learning assisted decision support system for prediction of prostrate cancer | |
CN112911988A (zh) | 用于根据配戴者的视觉探索策略适配眼科设备的方法 | |
Khajehali et al. | The prediction of mortality influential variables in an intensive care unit: a case study | |
Fuada et al. | Analyzing emerging trends in wireless implantable medical devices (IMDs): a bibliometric study | |
US20230172559A1 (en) | Apparatus, methods and computer programs for identifying characteristics of biological samples | |
Mohan et al. | Optimal hybrid feature selection technique for diabetic retinopathy grading using fundus images | |
Zafar et al. | Deep Learning Based Feature Engineering to Detect Anterior and Inferior Myocardial Infarction using UWB Radar Data | |
Zafar et al. | Enhancing Diagnosis of Anterior and Inferior Myocardial Infarctions Using UWB Radar and AI-Driven Feature Fusion Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |