CN108665957B - 一种人体体成分预测及营养运动方案推荐方法 - Google Patents

一种人体体成分预测及营养运动方案推荐方法 Download PDF

Info

Publication number
CN108665957B
CN108665957B CN201810305684.4A CN201810305684A CN108665957B CN 108665957 B CN108665957 B CN 108665957B CN 201810305684 A CN201810305684 A CN 201810305684A CN 108665957 B CN108665957 B CN 108665957B
Authority
CN
China
Prior art keywords
body composition
data
nutrition
person
database
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
Application number
CN201810305684.4A
Other languages
English (en)
Other versions
CN108665957A (zh
Inventor
赵小敏
杨佳彬
杨威斌
毛科技
施伟元
周贤年
杨志凯
郭航聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Kangtihui Technology Co ltd
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang Kangtihui Technology Co ltd
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Kangtihui Technology Co ltd, Zhejiang University of Technology ZJUT filed Critical Zhejiang Kangtihui Technology Co ltd
Priority to CN201810305684.4A priority Critical patent/CN108665957B/zh
Publication of CN108665957A publication Critical patent/CN108665957A/zh
Application granted granted Critical
Publication of CN108665957B publication Critical patent/CN108665957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Nutrition Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种人体体成分预测及营养运动方案推荐方法，包括建立体成分数据库、输入测试人基本信息和所测得的体成分数据、体成分预测、运动处方和营养处方推荐的步骤。本发明采用类比法对青少年个体未来几年的体成分进行预测，并实现营养和运动方案的推荐，为人体体成分研究领域提供更为有效的分析手段，为指导青少年体质健康生长具有重要的指导作用和理论研究意义。

Description

一种人体体成分预测及营养运动方案推荐方法
技术领域
本发明涉及体成分预测领域，特别涉及一种人体体成分预测及营养运动方案推荐方法。
背景技术
目前，快节奏的生活、超负荷的工作压力导致人们体质逐渐变差且长期处于亚健康状态，从而引发各种代谢类疾病。例如：肥胖症、高血压、糖尿病等。统计结果表明，人们的代谢类疾病的发生率与日俱增且趋于年轻化。
大量医学研究表明，人类的健康问题与人体体成分的变化有着密切的关系。当疾病发生时，人体内相关体成分含量的变化往往会早于临床症状，通过对体成分进行量化检测可以判断人体的健康状况，指导人们的饮食运动习惯。因此，如何对人体体成分进行检测分析，并提供营养和运动建议颇为必要。
人体内身体水分、蛋白质、无机盐、体脂肪、肌肉及骨骼等各组成成分之间的数量规律并不是固定不变的，它随人体体内生理或病理状况的变化而发生改变。在人体受到内部或外部种种因素作用时，不同的组分之间的数量关系会在一定范围内波动。目前的研究已经发现至少有三十种因素可能对人体组分的构成产生影响作用，如年龄、性别、种族、营养、运动、疾病、环境温度、辐射、重力变化、文化甚至昼夜节律及季节交替等天体因素等等。其中研究最多的是年龄、营养、运动和疾病等因素，这也是人体体成分学的一个重要研究领域。
人体体成分对于评价人的营养状况、体质研究、临床疾病治疗以及减肥、运动员体重控制等都具有十分重要的意义。可以测定人体体脂比、蛋白质、肌肉等，有助于客观地评价机体的营养状况。区分体内脂肪量和水分、骨骼及肌肉等非脂肪量，用此方法对青少年的体成分进行分析与预测，指导青少年控制体重尤为必要。青少年人体体成分对于评价青少年生长发育和体质健康的营养状况、体质研究、临床疾病治疗以及减肥、体重控制等都具有十分重要的意义，而目前市场上还没有青少年群体的体成分测试相关的方法和产品。
发明内容
本发明目的是提供一种人体体成分预测及营养运动方案推荐方法。
本发明解决技术问题采用如下技术方案：
一种人体体成分预测及营养运动方案推荐方法，包括以下步骤：
步骤1：建立体成分数据库，所述的体成分数据库中包括每个人的基本信息和体成分数据，针对不同的体成分，数据库中有相应的经医师处理的运动方案和营养方案，并且数据库根据每个人的跟踪测量进行实时数据补充；所述的基本信息包括年龄、性别、种族、地区；所述的体成分数据包括身体的水分、蛋白质、无机盐、体脂肪、肌肉；
步骤2：输入测试人基本信息和所测得的体成分数据；
步骤3：根据测试人的数据，采用基于类比法在体成分数据库中进行相似度匹配，将匹配的数据筛选出来，将各数据对应人的后续跟踪测试体成分结果以及相应的运动方案和营养方案也一并提取出来，组成匹配数据集，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的后续跟踪测试结果作为目前的测试人的体成分预测结果；
步骤4：查看测试人的体测数据是否为单一的指标异常，如果为单一指标异常就直接调用已经存在的运动处方营养处方，否则调用匹配数据集中的存在的案例，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的的运动营养处方作为新测试人的运动处方和营养处方进行推荐。
作为本发明的一种优选，所述的相似度匹配采用加权的欧式距离来体现，公式为：
Figure BDA0001620903150000021
Figure BDA0001620903150000022
所述的u1表示测试人；所述的u2表示数据库中已经存在的任一体成分数据的对应人；
Figure BDA0001620903150000023
表示测试人的各项体成分数据；
Figure BDA0001620903150000024
数据库中的已经存在的任一体成分数据；
Figure BDA0001620903150000025
和
Figure BDA0001620903150000026
表示与u1、u2同年龄的体成分的国家标准值；i表示体成分的第i个指标属性,所述的Wi表示特征属性权重值。
作为本发明的进一步优选，所述的权重通过专家确定和启发式算法计算出最优估算结果。
作为本发明的另一种优选，所述的权重值通过优化的粒子群算法进行优化，采用粒子群算法对带测试人员的各特征属性进行权重拟合，以MRE为评价标准，确定最佳的权重值；所述的MRE为相对误差值，即估算值与实际值的误差；
本发明具有如下有益效果：本发明采用类比法对青少年个体未来几年的体成分进行预测，并实现营养和运动方案的推荐，为人体体成分研究领域提供更为有效的分析手段，为指导青少年体质健康生长具有重要的指导作用和理论研究意义。
附图说明
图1为本发明一种人体体成分预测及营养运动方案推荐方法的流程图。
具体实施方式
下面结合附图及实施方式对本发明的技术方案作进一步阐述。
具体实施方式一：本实施方式是一种人体体成分预测及营养运动方案推荐方法，如图1所示，包括如下步骤：
步骤1：建立体成分数据库，所述的体成分数据库中包括每个人的基本信息和体成分数据，针对不同的体成分，数据库中有相应的经医师处理的运动方案和营养方案，并且数据库根据每个人的跟踪测量进行实时数据补充；所述的基本信息包括年龄、性别、种族、地区；所述的体成分数据包括身体的水分、蛋白质、无机盐、体脂肪、肌肉；
步骤2：输入测试人基本信息和所测得的体成分数据；
步骤3：根据测试人的数据，采用基于类比法在体成分数据库中进行相似度匹配，将匹配的数据筛选出来，将各数据对应人的后续跟踪测试体成分结果以及相应的运动方案和营养方案也一并提取出来，组成匹配数据集，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的后续跟踪测试结果作为目前的测试人的体成分预测结果；
步骤4：查看测试人的体测数据是否为单一的指标异常，如果为单一指标异常就直接调用已经存在的运动处方营养处方，否则调用匹配数据集中的存在的案例，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的的运动营养处方作为新测试人的运动处方和营养处方进行推荐。
具体实施方式二：本实施方式是对实施方式一的一种限定，其中所述的相似度匹配采用加权的欧式距离来体现，公式为：
Figure BDA0001620903150000031
Figure BDA0001620903150000032
所述的u1表示测试人；所述的u2表示数据库中已经存在的任一体成分数据的对应人；
Figure BDA0001620903150000033
表示测试人的各项体成分数据；
Figure BDA0001620903150000034
数据库中的已经存在的任一体成分数据；
Figure BDA0001620903150000035
和
Figure BDA0001620903150000036
表示与u1、u2同年龄的体成分的国家标准值；i表示体成分的第i个指标属性,所述的Wi表示特征属性权重值。
具体实施方式三：本实施方式是对实施方式二的一种限定，所述的权重值通过专家确定和启发式算法计算出最优估算结果。
具体实施方式四：本实施方式是对实施方式二的另一种限定，所述的权重值通过优化的粒子群算法进行优化，采用粒子群算法对带测试人员的各特征属性进行权重拟合，以MRE为评价标准，确定最佳的权重值；所述的MRE为相对误差值，即估算值与实际值的误差。
下面通过具体实施例，对本发明做进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经跟踪多年的体成分测量数据的学生，同学a为10岁，同学b为13岁，根据数据库中有同学b跟踪多年的体成分测量数据，同学b10岁时候的体成分与同学a数据相似，此时我们可以用同学b的10岁3个月的数据作为同学a在3个月以后的体成分数据。
新测试的同学a的数据，我们可以预测其3个月以后的数据，当其使用我们推荐的运动处方和营养处方，我们可以使他接近国家标准的数据。如果没有使用我们的营养处方，那么他就会偏胖或者偏瘦。
实施例二：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经提供运动处方的学生，同学a为10岁，同学b为10岁，依据数据库中有同学b运动处方，同学b10岁时候的体成分与同学a数据相似此时我们可以用同学b的运动处方的数据作为同学a的运动处方。
实施例三：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经提供营养处方的学生，同学a为10岁，同学b为10岁，我们有同学b营养处方，同学b10岁时候的体成分与同学a数据相似此时我们可以用同学b的营养处方的数据作为同学a的营养处方。
最后应说明的是：以上实施方式和实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式和实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式和实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式和实施例技术方案的精神和范围。

Claims (4)

1.一种人体体成分预测及营养运动方案推荐方法，其特征在于，包括以下步骤：
步骤1：建立体成分数据库，所述的体成分数据库中包括每个人的基本信息和体成分数据，针对不同的体成分，数据库中有相应的经医师处理的运动方案和营养方案，并且数据库根据每个人的跟踪测量进行实时数据补充；所述的基本信息包括年龄、性别、种族、地区；所述的体成分数据包括身体的水分、蛋白质、无机盐、体脂肪、肌肉；
步骤2：输入测试人基本信息和所测得的体成分数据；
步骤3：根据测试人的数据，采用类比法在体成分数据库中进行相似度匹配，将匹配的数据筛选出来，将各数据对应人的后续跟踪测试体成分结果以及相应的运动方案和营养方案也一并提取出来，组成匹配数据集，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的后续跟踪测试结果作为目前的测试人的体成分预测结果；
步骤4：查看测试人的体测数据是否为单一的指标异常，如果为单一指标异常就直接调用已经存在的运动处方营养处方，否则调用匹配数据集中的存在的案例，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的的运动营养处方作为新测试人的运动处方和营养处方进行推荐。
2.根据权利要求1所述的一种人体体成分预测及营养运动方案推荐方法，其特征在于，所述的相似度匹配采用加权的欧式距离来体现，公式为：
Figure FDA0001620903140000011
所述的u1表示测试人；所述的u2表示数据库中已经存在的任一体成分数据的对应人；
Figure FDA0001620903140000012
表示测试人的各项体成分数据；
Figure FDA0001620903140000013
数据库中的已经存在的任一体成分数据；
Figure FDA0001620903140000014
和
Figure FDA0001620903140000015
表示与u1、u2同年龄的体成分的国家标准值；i表示体成分的第i个指标属性,所述的Wi表示特征属性权重值。
3.根据权利要求2所述的一种人体体成分预测及营养运动方案推荐方法，其特征在于，所述的权重值通过专家确定和启发式算法计算出最优估算结果。
4.根据权利要求2所述的一种人体体成分预测及营养运动方案推荐方法，其特征在于，所述的权重值通过优化的粒子群算法进行优化，采用粒子群算法对带测试人员的各特征属性进行权重拟合，以MRE为评价标准，确定最佳的权重值；所述的MRE为相对误差值，即估算值与实际值的误差。
CN201810305684.4A 2018-04-08 2018-04-08 一种人体体成分预测及营养运动方案推荐方法 Active CN108665957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810305684.4A CN108665957B (zh) 2018-04-08 2018-04-08 一种人体体成分预测及营养运动方案推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810305684.4A CN108665957B (zh) 2018-04-08 2018-04-08 一种人体体成分预测及营养运动方案推荐方法

Publications (2)

Publication Number Publication Date
CN108665957A CN108665957A (zh) 2018-10-16
CN108665957B true CN108665957B (zh) 2021-09-03

Family

ID=63783192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810305684.4A Active CN108665957B (zh) 2018-04-08 2018-04-08 一种人体体成分预测及营养运动方案推荐方法

Country Status (1)

Country Link
CN (1) CN108665957B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801711B (zh) * 2018-12-25 2021-04-30 浙江工业大学 一种基于pso算法的青少年体成分预测方法
CN109727676A (zh) * 2018-12-29 2019-05-07 中国科学院合肥物质科学研究院 一种青少年骨量峰值促进系统及方法
CN112489761A (zh) * 2020-11-19 2021-03-12 华中科技大学同济医学院附属协和医院 一种液体及能量管理系统
CN114038528A (zh) * 2021-11-20 2022-02-11 深圳市伊登软件有限公司 基于ai的健康数据处理方法及相关产品
CN117373618A (zh) * 2023-10-23 2024-01-09 广州景腾医疗科技股份有限公司 一种用于分析仪的局部人体成分数据处理方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130065755A (ko) * 2011-11-28 2013-06-20 주식회사 헬스맥스 건강관리 정보 제공 방법
CN104036445A (zh) * 2014-06-17 2014-09-10 南京邮电大学 一种智慧医疗个性化推荐系统及其实现方法
CN104699928A (zh) * 2013-12-09 2015-06-10 奥美之路(北京)技术顾问有限公司 3-15岁体质发育评估模型
US9591987B1 (en) * 2013-08-23 2017-03-14 Rjl Systems, Inc. Determining body composition through segmental bioelectrical impedance analysis (BIA)
CN106778031A (zh) * 2017-01-10 2017-05-31 北京克莱思沃科技有限公司 一种基于体质健康检测设备改善亚健康的系统和方法
CN106994015A (zh) * 2017-03-20 2017-08-01 上海斐讯数据通信技术有限公司 身高检测方法和装置及根据身高检测体脂率的方法和系统
CN107803013A (zh) * 2017-11-09 2018-03-16 重庆勤鸟圈科技有限公司 智能运动健康数据采集系统
CN107822129A (zh) * 2017-11-09 2018-03-23 张玎 一种高效减肥组合物及其在减肥方面的应用

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130065755A (ko) * 2011-11-28 2013-06-20 주식회사 헬스맥스 건강관리 정보 제공 방법
US9591987B1 (en) * 2013-08-23 2017-03-14 Rjl Systems, Inc. Determining body composition through segmental bioelectrical impedance analysis (BIA)
CN104699928A (zh) * 2013-12-09 2015-06-10 奥美之路(北京)技术顾问有限公司 3-15岁体质发育评估模型
CN104036445A (zh) * 2014-06-17 2014-09-10 南京邮电大学 一种智慧医疗个性化推荐系统及其实现方法
CN106778031A (zh) * 2017-01-10 2017-05-31 北京克莱思沃科技有限公司 一种基于体质健康检测设备改善亚健康的系统和方法
CN106994015A (zh) * 2017-03-20 2017-08-01 上海斐讯数据通信技术有限公司 身高检测方法和装置及根据身高检测体脂率的方法和系统
CN107803013A (zh) * 2017-11-09 2018-03-16 重庆勤鸟圈科技有限公司 智能运动健康数据采集系统
CN107822129A (zh) * 2017-11-09 2018-03-23 张玎 一种高效减肥组合物及其在减肥方面的应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于BIA的人体健康监测与智能评价系统研究;刘伟;《中国博士学位论文全文数据库 医药卫生科技辑》;20140515;第2-5章 *

Also Published As

Publication number Publication date
CN108665957A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
CN108665957B (zh) 一种人体体成分预测及营养运动方案推荐方法
Wolff-Hughes et al. Total activity counts and bouted minutes of moderate-to-vigorous physical activity: relationships with cardiometabolic biomarkers using 2003–2006 NHANES
Batsis et al. Diagnostic accuracy of body mass index to identify obesity in older adults: NHANES 1999–2004
Borresen et al. The quantification of training load, the training response and the effect on performance
Hernandez-Sanchez et al. Responsiveness of the VISA-P scale for patellar tendinopathy in athletes
Frankenfield et al. Comparison of predictive equations for resting metabolic rate in healthy nonobese and obese adults: a systematic review
Sartor et al. A 45-second self-test for cardiorespiratory fitness: Heart rate-based estimation in healthy individuals
Pyne Interpreting the results of fitness testing
Alsubheen et al. Accuracy of the vivofit activity tracker
Bouvier et al. Utility of S100B serum level for the determination of concussion in male rugby players
Peterman et al. Accuracy of exercise-based equations for estimating cardiorespiratory fitness
Hargens et al. Comparison of wrist-worn and hip-worn activity monitors under free living conditions
Kim et al. Accuracy of predictive equations for resting metabolic rate in Korean athletic and non-athletic adolescents
Blagrove et al. Test–retest reliability of physiological parameters in elite junior distance runners following allometric scaling
Gil-Rey et al. Individualized accelerometer activity cut-points for the measurement of relative physical activity intensity levels
Gonzalez et al. Impact of exercise training on the sarcopenia criteria in non-alcoholic fatty liver disease: a systematic review and meta-analysis
KR20210101299A (ko) 근육 관련 상태를 평가하는 방법
Welk et al. Calibration of self-report measures of physical activity and sedentary behavior
Otter et al. A new submaximal rowing test to predict 2,000-m rowing ergometer performance
Kang et al. Use of heart rate index to predict oxygen uptake–a validation study
Sangan et al. The self-paced submaximal run test: associations with the graded exercise test and reliability
Campa et al. Comparison of generalized and athletic bioimpedance-based predictive equations for estimating fat-free mass in resistance-trained exercisers
Dunne et al. Body composition and bone health status of jockeys: Current findings, assessment methods and classification criteria
Kramer et al. Critical speed and finite distance capacity: norms for athletic and non-athletic groups
Myers et al. Implementing cardiorespiratory fitness as a routine measure in health care settings

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
GR01 Patent grant
GR01 Patent grant