CN108510506A - 一种管状结构图像分割方法 - Google Patents
一种管状结构图像分割方法 Download PDFInfo
- Publication number
- CN108510506A CN108510506A CN201810334626.4A CN201810334626A CN108510506A CN 108510506 A CN108510506 A CN 108510506A CN 201810334626 A CN201810334626 A CN 201810334626A CN 108510506 A CN108510506 A CN 108510506A
- Authority
- CN
- China
- Prior art keywords
- tubular structure
- key point
- segmentation
- region
- dimensional
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明公开了一种管状结构图像分割方法,包括:以横断面、冠状面和矢状面的三个正交的二维视图对医学图像进行显示;在二维视图上的待分割区域的中心位置放置关键点,间隔4至5层的二维切面放置一个关键点,根据管状结构的走向按顺序重复该步骤放置多个关键点;测量出管状结构图像的直径并作为基本参数,系统根据所设置的顺序关键点组成关键点序列,采用B样条插值方法拟合生成一条空间曲线,然后沿着这条空间曲线,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,分割生成相应的三维空间立体管状的分割区域,并投影至二维图像层面实时叠加显示。本发明可实现管状结构区域的交互式分割,并快速地获得所需的分割结果。
Description
技术领域
本发明涉及计算机医学辅助诊疗系统中的医学图像处理方法,尤其涉及一种管状结构图像分割方法。
背景技术
现有技术中,针对医学图像的分割方法,包括自动和半自动等,已经广泛应用于学术、医学临床领域。但是医学图像分割方法具有面向数据类型、特定器官/组织结构等特点,此外,由于医学图像数据来源的差异性,同一个脏器的不同成像方式,如计算机断层成像CT、核磁共振成像MRI等,设备的扫描参数设置的差异性、是否使用增强造影、扫描周期等因素的不同,所成医学图像的特征(灰度值)差异较大,因此所采用的分割方法也不完全一样。特别是对于灰度值相近的组织器官,所成图像黏连的区域使用已有的分割方法,往往结果不尽人意,需要交互式的辅助分割方法才能满足临床需求。
对于血管等管状结构,扫描时是否使用造影剂会导致所成医学图像的灰度值差异较大。较粗的血管在使用造影剂扫描后,采用简单的阈值法即可完成分割。但是对于较细的狭窄血管,或者没有使用造影剂扫描的情况下,要精确分割出相应的血管结构,采用现有的分割技术容易造成欠分割或难分割。针对这种情况,已有的交互式辅助分割方法是采用逐层勾画的方式,分别对每一层的医学图像手动勾画出相应的区域,再堆叠成三维结构,这种交互式分割方法显然效率低、耗时长,而且分割结果容易产生锯齿现象。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种管状结构图像分割方法,该方法利用简单的交互方式及参数设置,对个体化和差异化的医学图像数据集进行快速的管状结构区域的交互式分割,从而快速地获得所需的分割结果。
为解决上述技术问题,本发明采用如下技术方案。
一种管状结构图像分割方法,其特征在于,该方法基于一系统实现,包括有如下步骤:步骤S1,获取医学图像,并将医学图像导入系统,并以横断面、冠状面和矢状面的三个正交的二维视图对医学图像进行显示;步骤S2,调节医学图像至系统预设的待分割区域,并保证待分割区域可见于横断面、冠状面和矢状面这三个二维视图中的一个;步骤S3,在二维视图上的待分割区域的中心位置放置关键点,间隔4至5层的二维切面放置一个关键点,根据管状结构的走向按顺序重复该步骤放置多个关键点;步骤S4,利用系统预设的长度测量工具,测量出管状结构图像的直径并作为基本参数,系统根据所设置的顺序关键点组成关键点序列,再根据这些序列点,采用B样条插值方法拟合生成一条空间曲线,然后沿着这条空间曲线,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,分割生成相应的三维空间立体管状的分割区域,并将该三维分割区域投影至二维图像层面实时叠加显示;步骤S5,如果分割结果不合格,通过鼠标调整关键点的位置,分割结果实时生成并投影至二维图像层面叠加显示,直到获得合格的三维管状分割图像。
优选地,在多平面视图上在待分割区域的中心位置,根据管状结构的走向,按顺序间隔4至5层二维切面放置关键点,形成关键点序列。
优选地,所述步骤S5中,根据所设置的关键点序列,采用B样条插值方法拟合生成一条空间曲线。
优选地,沿着生成的空间曲线,融合所设置关键点半径邻域内的局部阈值和梯度信息,分割生成三维空间立体管状分割区域,并将所分割三维结果投影至二维图像层面实时叠加显示。
本发明公开的管状结构图像分割方法中,在医学图像三个正交平面(横断面、冠状面、矢状面)上,通过简单的交互工具,主要包括在二维图像平面上放置若干个关键点,标识出需要进行分割的管状区域,再设置对应的参数,即可完成分割管状结构,从而解决需要逐层手动勾画的问题,达到快速、准确的分割管状区域的目的。该方法适用于较细的血管、器官黏连区域等辅助分割。相比现有技术而言,本发明基于专业医学影像科医生的先验知识,由影像科医生肉眼辨识出需要分割的区域,利用简单的交互方式及参数设置,对个体化和差异化的医学图像数据集进行快速的管状结构区域的交互式分割,快速获得所需的分割结果。
附图说明
图1为本发明管状结构图像分割方法的流程图。
图2为优选实施例中管状结构区域自动增长示意图。
图3为使用距离测量工具对待分割的管状结构进行测量时的截图。
图4是在待分割的管状结构的某个二维切面放置种子点时的截图。
图5为根据关键点和直径生成的分割结果在某个层面上实时显示的截图。
图6为利用本发明方法分割后重建的一段血管的模型。
图7是利用本发明方法分割的三维管状结果与医学图像正交面叠加显示的结果截图。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种管状结构图像分割方法,请参照图1,该方法基于一系统实现,包括有如下步骤:
步骤S1,获取医学图像,并将医学图像导入系统,并以横断面、冠状面和矢状面的三个正交的二维视图对医学图像进行显示;
步骤S2,调节医学图像至系统预设的待分割区域,并保证待分割区域可见于横断面、冠状面和矢状面这三个二维视图中的一个;
步骤S3,在二维视图上的待分割区域的中心位置放置关键点,间隔4至5层的二维切面放置一个关键点,根据管状结构的走向按顺序重复该步骤放置多个关键点;
步骤S4,利用系统预设的长度测量工具,测量出管状结构图像的直径并作为基本参数,系统根据所设置的顺序关键点组成关键点序列,再根据这些序列点,采用B样条插值方法拟合生成一条空间曲线,然后沿着这条空间曲线,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,分割生成相应的三维空间立体管状的分割区域,并将该三维分割区域投影至二维图像层面实时叠加显示;
步骤S5,如果分割结果不合格,通过鼠标调整关键点的位置,分割结果实时生成并投影至二维图像层面叠加显示,直到获得合格的三维管状分割图像。
上述方法中,在医学图像三个正交平面(横断面、冠状面、矢状面)上,通过简单的交互工具,主要包括在二维图像平面上放置若干个关键点,标识出需要进行分割的管状区域,再设置对应的参数,即可完成分割管状结构,从而解决需要逐层手动勾画的问题,达到快速、准确的分割管状区域的目的。该方法适用于较细的血管、器官黏连区域等辅助分割。相比现有技术而言,本发明基于专业医学影像科医生的先验知识,由影像科医生肉眼辨识出需要分割的区域,利用简单的交互方式及参数设置,对个体化和差异化的医学图像数据集进行快速的管状结构区域的交互式分割,快速获得所需的分割结果。
作为一种优选方式,所述步骤S1中,利用医学影像检测设备获取个体化序列的医学图像。进一步地,所述医学影像检测设备为CT、MRI或PET设备。
本实施例的所述步骤S3中,在多平面视图上在待分割区域的中心位置,根据管状结构的走向,按顺序间隔4至5层二维切面放置关键点,形成关键点序列。
作为一种优选方式,所述步骤S5中,根据所设置的关键点序列,采用B样条插值方法拟合生成一条空间曲线。
进一步地,所述步骤S5中,沿着生成的空间曲线,融合所设置关键点半径邻域内的局部阈值和梯度信息,分割生成三维空间立体管状分割区域,并将所分割三维结果投影至二维图像层面实时叠加显示。
本发明公开的管状结构图像分割方法,其实际应用过程中,可参考如下实施例:
首先,数据准备过程的主要工作是获取CT/MRI/PET等医学影像检测设备上产生的个体化序列的医学图像,对医学图像数据进行分期,然后选择合适的类型和分期的数据;
其次,把选择好的数据导入到系统中,并在视窗中以横断面、冠状面、矢状面等三个正交的二维视图对医学图像数据进行显示;
再次,调节图像到待分割的区域,并保证需要分割的区域可以在横断面、冠状面或者矢状面三个二维视图中的某一个可见,影像科医生根据专业的先验知识,在待分割区域中设置若干个关键点。关键点的放置要求是尽量保证所设置的关键点位于需要分割的管状结构的中心线位置,并且间隔4至5层的二维图像切面放置一个关键点,根据管状结构的走向按顺序重复该步骤放置多个关键点;
此外,根据程序提供的长度测量工具,测量出管状结构的直径(或半径)作为基本参数,程序根据该参数以及所设置的关键点,生成关键点序列,采用B样条插值方法拟合生成一条空间曲线,然后沿着这条空间曲线,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,分割生成相应的三维空间立体管状的分割区域,并将该三维分割区域投影至二维图像层面实时叠加显示,提供直观的判断依据,如果分割结果不合适,影像科医生可根据自身的专业知识,通过鼠标在二维视图上调整关键点的位置,分割结果实时动态显示,直到获得满意的结果;
至此,一种通过简单的参数设置以及选取若干个关键点的管线结构的分割方法,完成对个体化和差异化的医学图像管状结构区域的分割。
相比现有技术而言,本发明通过在目标分割区域内简单的设置关键点和测量管状结构的直径(或半径),以这些参数作为后续处理的输入;同时,采用B样条插值方法确定出管状结构的连接曲线,再以连接曲线上的点为圆心绘制圆圈;再根据图像的每个层面上绘制的圆圈区域,融合区域内的局部阈值和梯度信息,利用图形学方法组合并优化得到该管状结构的分割结果;此外,通过实时计算分割结果并叠加显示在医学图像上,指导用户实时查看分割结果的准确性,在分割结果不满意的情况下,通过调整关键点的位置,实时更新分割的结果。
实际应用中,请参照图2,图2展示的是管状区域增长的示意图,在设置了关键点和调节相应的参数后(即以上技术方案中的“设置关键点”和“调节参数”),根据这些输入条件,采用B样条插值方法确定出所设置的关键点之间的连接曲线(即虚线部分),然后再以连接曲线上的点为圆心,以所设置的参数为半径,在每一层医学图像上画圆,最后把所有的圆圈组合成完整的曲圆柱体,完成管状结构的自动增长,从而得到最终的分割结果。
在本发明的优选实施例中,对于CT图像的小血管的分割,首先,在准备好的医学图像数据集上新建一个空白分割,调节图像到目标分割区域中,保证目标分割区域在横断面、冠状面或矢状面其中一个二维视图上可见;其次,使用距离测量工具对目标分割区域中的某个位置进行测量,得到需要分割的管状结构的直径,并记录该值;之后,在待分割的管状结构的某个二维切面的中心位置上放置一个种子点,作为该发明方法输入的关键点,然后切换到其他的图像切面上,重复以上步骤根据管状结构的走向按顺序放置若干个关键点;然后,触发程序分割的计算过程,分割结果将以某一种颜色叠加显示在图像上,通过观察分割结果,确认分割结果的准确性。对于结果不满意的图像切面,可通过调整关键点放置的位置,来实时调整分割的结果;对于分割结果确认没有问题的,程序会根据图形学的方法,对结果进行优化,得到更加光滑的分割结果。至此,即可完成管状结构区域的分割过程。执行过程的图示如下:
请参照图3,使用距离测量工具对待分割的管状结构进行测量,得到需要分割的管状结构的直径,并记录该值;
请参照图4,在待分割的管状结构的某个二维切面的中心位置上放置一个种子点,作为该发明方法输入的关键点,重复该步骤在其他位置也放置若干个种子点;
请参照图5,根据关键点和直径(或半径)参数,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,生成的分割结果在某个层面上实时显示的结果截图;
请参照图6,根据本发明方法分割后重建得到一段管状结构(血管)的模型。
请参照图7,根据本发明方法分割的三维管状结果与医学图像正交面叠加显示的结果截图。
本发明相比现有技术而言的有益效果在于,本发明通过设置若干个关键点和相应的直径(或半径),即可自动生成分割结果,而不是逐层勾画分割的区域,这样大大提高了分割的效率;而且本发明通过B样条生成光滑的连接曲线,然后以曲线上的点融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,得到管状结构的分割结果,与手动勾画的分割结果相比,本发明方法的分割结果要更光滑;此外,本发明充分利用了操作者的专业医学图像的知识,只要肉眼上能分辨出的管状区域,包括但不限于血管、组织器官相近灰度的连接区域,都可以使用本发明方法进行分割,这样也大大增加了本发明方法所述的医学图像分割方法的使用范围。
以上所述只是本发明较佳的实施例,并不用于限制本发明,凡在本发明的技术范围内所做的修改、等同替换或者改进等,均应包含在本发明所保护的范围内。
Claims (4)
1.一种管状结构图像分割方法,其特征在于,该方法基于一系统实现,包括有如下步骤:
步骤S1,获取医学图像,并将医学图像导入系统,并以横断面、冠状面和矢状面的三个正交的二维视图对医学图像进行显示;
步骤S2,调节医学图像至系统预设的待分割区域,并保证待分割区域可见于横断面、冠状面和矢状面这三个二维视图中的一个;
步骤S3,在二维视图上的待分割区域的中心位置放置关键点,间隔4至5层的二维切面放置一个关键点,根据管状结构的走向按顺序重复该步骤放置多个关键点;
步骤S4,利用系统预设的长度测量工具,测量出管状结构图像的直径并作为基本参数,系统根据所设置的顺序关键点组成关键点序列,再根据这些序列点,采用B样条插值方法拟合生成一条空间曲线,然后沿着这条空间曲线,融合所设置的关键点半径邻域区域内的局部阈值和梯度信息,分割生成相应的三维空间立体管状的分割区域,并将该三维分割区域投影至二维图像层面实时叠加显示;
步骤S5,如果分割结果不合格,通过鼠标调整关键点的位置,分割结果实时生成并投影至二维图像层面叠加显示,直到获得合格的三维管状分割图像。
2.如权利要求1所述的管状结构图像分割方法,其特征在于,所述步骤S3中,在多平面视图上在待分割区域的中心位置,根据管状结构的走向,按顺序间隔4至5层二维切面放置关键点,形成关键点序列。
3.如权利要求1所述的管状结构图像分割方法,其特征在于,所述步骤S5中,根据所设置的关键点序列,采用B样条插值方法拟合生成一条空间曲线。
4.如权利要求1所述的管状结构图像分割方法,其特征在于,所述步骤S5中,沿着生成的空间曲线,融合所设置关键点半径邻域内的局部阈值和梯度信息,分割生成三维空间立体管状分割区域,并将所分割三维结果投影至二维图像层面实时叠加显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810334626.4A CN108510506A (zh) | 2018-04-14 | 2018-04-14 | 一种管状结构图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810334626.4A CN108510506A (zh) | 2018-04-14 | 2018-04-14 | 一种管状结构图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510506A true CN108510506A (zh) | 2018-09-07 |
Family
ID=63382228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810334626.4A Pending CN108510506A (zh) | 2018-04-14 | 2018-04-14 | 一种管状结构图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510506A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949408A (zh) * | 2019-03-13 | 2019-06-28 | 安徽紫薇帝星数字科技有限公司 | 一种基于图割算法的医学图像重建方法及其系统 |
CN112185519A (zh) * | 2020-09-01 | 2021-01-05 | 杭州依图医疗技术有限公司 | 一种医学图像处理方法、处理装置和医学图像的显示方法 |
CN113409382A (zh) * | 2018-10-11 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427277A (zh) * | 2015-10-30 | 2016-03-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106340021A (zh) * | 2016-08-18 | 2017-01-18 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106485704A (zh) * | 2016-09-30 | 2017-03-08 | 上海联影医疗科技有限公司 | 血管中心线的提取方法 |
US20170154435A1 (en) * | 2015-11-30 | 2017-06-01 | Lexmark International Technology Sa | System and Methods of Segmenting Vessels from Medical Imaging Data |
US20170372475A1 (en) * | 2016-06-23 | 2017-12-28 | Siemens Healthcare Gmbh | Method and System for Vascular Disease Detection Using Recurrent Neural Networks |
-
2018
- 2018-04-14 CN CN201810334626.4A patent/CN108510506A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427277A (zh) * | 2015-10-30 | 2016-03-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
US20170154435A1 (en) * | 2015-11-30 | 2017-06-01 | Lexmark International Technology Sa | System and Methods of Segmenting Vessels from Medical Imaging Data |
US20170372475A1 (en) * | 2016-06-23 | 2017-12-28 | Siemens Healthcare Gmbh | Method and System for Vascular Disease Detection Using Recurrent Neural Networks |
CN106340021A (zh) * | 2016-08-18 | 2017-01-18 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106485704A (zh) * | 2016-09-30 | 2017-03-08 | 上海联影医疗科技有限公司 | 血管中心线的提取方法 |
Non-Patent Citations (2)
Title |
---|
付玲: "基于CT影像的管状组织分割与中心线提取研究", 《中国博士学位论文全文数据库信息科技辑》 * |
杨鑫等: "基于三维超声图像的主颈动脉血管分割方法", 《中国医疗器械杂志》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409382A (zh) * | 2018-10-11 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
CN113409382B (zh) * | 2018-10-11 | 2023-06-20 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
CN109949408A (zh) * | 2019-03-13 | 2019-06-28 | 安徽紫薇帝星数字科技有限公司 | 一种基于图割算法的医学图像重建方法及其系统 |
CN112185519A (zh) * | 2020-09-01 | 2021-01-05 | 杭州依图医疗技术有限公司 | 一种医学图像处理方法、处理装置和医学图像的显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Automatic re-contouring in 4D radiotherapy | |
US20180122089A1 (en) | Method, apparatus and program for selective registration three-dimensional tooth image data to optical scanning tooth model | |
US8698795B2 (en) | Interactive image segmentation | |
EP3164075B1 (en) | Unified coordinate system for multiple ct scans of patient lungs | |
EP2157905B1 (en) | A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures | |
US20070109299A1 (en) | Surface-based characteristic path generation | |
US11961238B2 (en) | Tooth segmentation using tooth registration | |
CN107945169B (zh) | 一种冠状动脉影像分析方法 | |
CN107067398A (zh) | 用于三维医学模型中缺失血管的补全方法及装置 | |
US10796481B2 (en) | Visualization of lung fissures in medical imaging | |
CN103229210A (zh) | 图像配准装置 | |
JP2005198708A (ja) | 血管狭窄率解析装置及び血管狭窄率解析方法 | |
CN107680110B (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
CN107106128B (zh) | 用于分割解剖目标的超声成像装置和方法 | |
US9129392B2 (en) | Automatic quantification of mitral valve dynamics with real-time 3D ultrasound | |
CN110335235A (zh) | 心脏医学图像的处理装置、处理系统和介质 | |
CN108510506A (zh) | 一种管状结构图像分割方法 | |
CN110993067A (zh) | 医学影像标注系统 | |
Udupa | 3D imaging: principles and approaches | |
CN108694007B (zh) | 从磁共振图像展开肋骨 | |
Juszczyk et al. | Wound 3D geometrical feature estimation using Poisson reconstruction | |
CN107204045A (zh) | 基于ct图像的虚拟内窥镜系统 | |
Yoshida et al. | Clinical planning support system-CliPSS | |
KR101479577B1 (ko) | 심근 및 심혈관 정보의 통합 분석 방법 | |
CN116883322A (zh) | 一种三维超声模型应用于心脏参数测量与管理方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |