CN108986913A - 一种优化人工智能心电诊断方法及系统 - Google Patents
一种优化人工智能心电诊断方法及系统 Download PDFInfo
- Publication number
- CN108986913A CN108986913A CN201810772356.5A CN201810772356A CN108986913A CN 108986913 A CN108986913 A CN 108986913A CN 201810772356 A CN201810772356 A CN 201810772356A CN 108986913 A CN108986913 A CN 108986913A
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- diagnosis
- doctor
- result
- cardiac
- 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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种优化人工智能心电诊断的方法及系统,该方法包括:接收医生输入的对预先获取的至少一个AI辅助诊断结果进行修正后的修正结果;根据至少一个修正结果以及与至少一个修正结果分别对应的心电图,对人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;利用优化后的人工智能心电诊断方法,根据待诊断的心电图对与待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。通过上述方式,不断循环,直至最终获取的诊断模型是最优的,也即是人工智能心电诊断方法达到最优,提高诊断效率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种优化人工智能心电诊断方法及系统。
背景技术
目前市场上的心电诊断方法都是唯一的模板或者模型,因此在某种诊断系统输入心电图后,利用某种算法所得到的人工智能(ArtificialIntelligence,简称AI)辅助诊断结果都是一成不变的。一旦算法针对某类心电图的诊断与医师产生分歧,那么,针对该类案例输出的辅助的诊断结果也必然是从始至终都会需要该医师手动修订。如果采用上述心电诊断方法对应的模型根据病人的心电图进行诊断,输出结果必然会对医生的诊断效率造成干扰。而现有技术中的诊断系统不能够进行有效的解决。
发明内容
本发明的目的在于提供一种优化人工智能心电诊断方法及系统,用以解决现有诊断系统AI辅助诊断结果输出的AI辅助诊断结果和医师产生的结果有分歧问题。
为实现上述目的,本发明的技术方案提供了一种优化人工智能心电诊断方法,该优化人工智能心电诊断方法包括:
接收医生输入的对预先获取的至少一个AI辅助诊断结果进行修正后的修正结果,其中,预先获取的AI辅助诊断结果为利用优化人工智能心电诊断方法对病人的心电图进行运算后输出的AI辅助诊断结果;
根据至少一个修正结果以及与至少一个修正结果分别对应的心电图,对人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;
利用优化后的人工智能心电诊断方法,根据待诊断的心电图对于待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。
本发明具有如下优点:人工智能心电诊断系统每次根据病人的心电图输出相应的AI辅助诊断结果后,医生都会按照自己的主观意愿判断AI辅助诊断结果是否准确,如果不准确,则会进行修正。并且将修正后的AI辅助诊断结果传输到人工智能诊断系统中。人工智能诊断系统根据修正结果,优化人工智能诊断方法。实际主要是通过不断的机器学习,让人工智能诊断系统不断的对样本数据进行分组,得到优化的诊断模型。然后利用优化的诊断模型根据下一个病人的心电图输出AI辅助诊断结果。医生可以继续对该AI辅助诊断结果进行修正,并输入到人工智能心电诊断系统。不断循环,直至最终获取的诊断模型是最优的,也即是人工智能心电诊断方法达到最优。
为实现上述目的,本发明的技术方案提供了一种优化人工智能心电诊断的系统,该优化人工智能心电诊断的系统包括:
接收单元,用于接收医生输入的对预先获取的至少一个AI辅助诊断结果进行修正后的修正结果,其中,预先获取的AI辅助诊断结果为利用优化人工智能心电诊断方法对病人的心电图进行运算后输出的AI辅助诊断结果;
处理单元,根据至少一个修正结果以及与至少一个修正结果分别对应的心电图,对人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;
诊断单元,用于利用优化后的人工智能心电诊断方法,根据待诊断的心电图对于待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。
本发明具有如下优点:人工智能心电诊断系统每次根据病人的心电图输出相应的AI辅助诊断结果后,医生都会按照自己的主观意愿判断AI辅助诊断结果是否准确,如果不准确,则会进行修正。并且将修正后的AI辅助诊断结果传输到人工智能诊断系统中。人工智能诊断系统根据修正结果,优化人工智能诊断方法。实际主要是通过不断的机器学习,让人工智能诊断系统不断的对样本数据进行分组,得到优化的诊断模型。然后利用优化的诊断模型根据下一个病人的心电图输出AI辅助诊断结果。医生可以继续对该AI辅助诊断结果进行修正,并输入到人工智能心电诊断系统。不断循环,直至最终获取的诊断模型是最优的,也即是人工智能心电诊断方法达到最优。
附图说明
图1为本发明实施例提供的一种优化人工智能心电诊断方法流程示意图;
图2为本发明实施例提供的一种优化人工智能心电诊断的系统结构示意图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
本发明实施例1提供了一种优化人工智能心电诊断方法流程示意图。具体如图1所示。智能心电诊断方法可以理解为承载在一种人工智能心电诊断系统中,用于根据病人的心电图,输出相应的AI辅助诊断结果。而该方法则是对智能心电诊断方法进行优化。可以包括:
步骤110,接收医生输入的对预先获取的至少一个AI辅助诊断结果进行修正后的修正结果。
具体的,预先获取的AI辅助诊断结果就是通过智能心电诊断系统事先输出的。预先获取的至少一个AI辅助诊断结果为利用优化人工智能心电诊断方法对病人的心电图进行运算后输出的辅助诊断结果。
人工智能诊断系统根据病人的心电图输出AI辅助诊断结果。如果医生觉得输出的AI辅助诊断结果与自己的诊断产生分歧时,则可以对AI辅助诊断结果进行修正。然后,将修正后的AI辅助诊断结果传输到人工智能心电诊断系统中。不断对人工智能心电诊断方法进行修正,即,步骤120。
步骤120,根据至少一个修正结果以及与至少一个修正结果分别对应的心电图,对人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法。
具体的,根据修正结果,对人工智能心电诊断方法进行优化,实际就是利用深度神经网络学习法对人工智能心电诊断方法进行优化。将修正结果以及与修正结果对应的心电图共同作为样本数据,利用深度神经网络学习方法不断的进行训练,获取最优的诊断模型。当后续需要出入新的心电图时,则可以利用该最优的诊断模型输出相应的AI辅助诊断结果。而这个结果则是医生认为最接近的AI辅助诊断结果,也即是步骤130。
步骤130,利用优化后的人工智能心电诊断方法,根据待诊断的心电图对与待诊断的心电图对应的待诊断的病人进行诊断,获取AI辅助诊断结果。
需要说明的是,本申请的上述方案,实际是一个不断循环的过程。人工智能心电诊断系统不断的获取病人的心电图,然后根据心电图产生一个AI辅助诊断结果。AI辅助诊断结果输出后被医生进行查看。医生查看后,如果觉得AI辅助诊断结果需要进行修正,则对其进行修正,然后再将修正后的修正结果输入到系统中。系统对人工智能诊断方法进行优化。而这里的优化,实际就是上文的利用深度神经网络学习算法不断对诊断模型进行优化。便于后续输出的结果能够更加贴近医生的诊断。从而实现智能的个性化的诊断服务。
可选的,步骤120之后,该方法还可以包括:
步骤140,采集并保存医生的诊断行为数据和操作行为数据。
步骤150,根据医生的诊断行为数据和操作行为数据,控制人工智能心电诊断方法输出AI辅助诊断结果的方式。
系统不仅要实现个性化的诊断服务,还可以实现不同使用者的“个性化定制”。而这个个性化定制的前提就是,首先获取医生的诊断行为数据和操作行为数据。实际就是实现获取不同医生的诊断习惯和操作习惯,然后将医生的诊断习惯和操作习惯同样作为两个样本数据,作为基于深度神经网络学习算法中的输入参数。然后利用这些参数和修正结果以及心电图等共同作为输入参数对诊断模型进行优化训练,使得最终的输出AI辅助诊断结果的方式更加贴近医生的习惯。而医生诊断行为数据和操作行为数据的获取方式,则是通过PC机记录后上传至系统的。医生的所有操作行为都将通过PC机执行,所以PC机可以记录医生的所有操作行为,以及通过操作行为分析出医生的操作习惯。
可选的,还可以将同一属性的医生归为一类。具体的,包括:在执行步骤130之前,
步骤160,获取医生的登录信息;
步骤170,根据医生的登录信息以及医生的操作行为数据对医生进行分组。
其中步骤160在步骤110之前就可以执行。即一旦医生登录该系统,则就记录医生的登录信息。该登录信息可以包括:IP、MAC地址以及登陆账号等。
而步骤170可以在步骤130之前执行。实际上,也可以在步骤130之后执行。
分组的目的实际是为了更加智能化。也就是说每一组的医生可能有着相同的诊断习惯或者诊断方式,那么优化的方法基本也是一样的。所以,当获取医生的登录信息后,根据医生的登录信息以及医生的操作行为习惯,确定医生为某一组时,直接采用该组对应的已经优化后的人工智能心电诊断方法对心电图进行运算,获取输出结果可能更加贴近医生所想要的结果。如此一来,更加能够提升工作效率。
另外,例如,同一医院的医生的操作习惯和诊断习惯可能比较类似,或者相同。因此,可以归为一类。而不同医院的医生,一般诊断习惯和操作习惯基本不同。所以要分为多类。在输出AI辅助诊断结果或者输出方式时,同一医院的输出方式可能是相同的。也是从侧面体现提供智能的个性化诊断服务的目的。
需要说明的是,分组的过程只执行一次即可,即步骤170只执行一次就好。而后续仅仅是根据步骤160以及步骤140-150直接匹配当前的医生所在的分组,然后根据对应的分组,按照对应分组的优化后的人工智能心电诊断方法对后续输入的心电图进行诊断,得到医生希望得到的输出结果,并按照医生的习惯输出结果。
本发明实施例提供的一种优化人工智能心电诊断方法,人工智能心电诊断系统每次根据病人的心电图输出相应的AI辅助诊断结果后,医生都会按照自己的主观意愿判断AI辅助诊断结果是否准确,如果不准确,则会进行修正。并且将修正后的AI辅助诊断结果传输到人工智能诊断系统中。人工智能诊断系统根据修正结果,优化人工智能诊断方法。实际主要是通过不断的机器学习,让人工智能诊断系统不断的对样本数据进行分组,得到优化的诊断模型。然后利用优化的诊断模型根据下一个病人的心电图输出AI辅助诊断结果。医生可以继续对该AI辅助诊断结果进行修正,并输入到人工智能心电诊断系统。不断循环,直至最终获取的诊断模型是最优的,也即是人工智能心电诊断方法达到最优。而且,还能结合医生的操作习惯和诊断习惯,实现针对医生的个性化定制,提高诊断效率。
实施例2
与实施例1相对应的,本发明实施例还提供了一种优化人工智能心电诊断的系统,具体如图2所示,该系统包括:接收单元201、处理单元202和诊断单元203。
其中,接收单元201,用于接收医生输入的对预先获取的至少一个AI辅助诊断结果进行修正后的修正结果,其中,预先获取的AI辅助诊断结果为利用优化人工智能心电诊断方法对病人的心电图进行运算后输出的AI辅助诊断结果;
处理单元202,根据至少一个修正结果以及与至少一个修正结果分别对应的心电图,对人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;
诊断单元203,用于利用优化后的人工智能心电诊断方法,根据待诊断的心电图对于待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。
可选的,该系统还可以包括:采集单元204,用于采集并保存医生的诊断行为数据和操作行为数据;处理单元202,还用于根据医生的诊断行为数据和操作行为数据,控制人工智能心电诊断方法输出AI辅助诊断结果的方式。
可选的,该系统还可以包括:获取单元205,用于获取医生的登录信息;
分组单元,用于根据医生的登录信息以及医生的操作行为数据对医生进行分组。
可选的,处理单元202具体用于:将至少一个修正结果和与至少一个修正结果分别对应的心电图作为输入的样本数据,利用深度神经网络学习法对人工智能心电诊断方法进行训练,获取优化后的人工智能心电诊断方法。
本发明实施例提供的优化人工智能心电诊断的系统中各部件所执行的功能均已在上述实施例1中做了详细的介绍,因此这里不做详细介绍。
本发明实施例提供的一种优化人工智能心电诊断的系统,人工智能心电诊断系统每次根据病人的心电图输出相应的AI辅助诊断结果后,医生都会按照自己的主观意愿判断AI辅助诊断结果是否准确,如果不准确,则会进行修正。并且将修正后的AI辅助诊断结果传输到人工智能诊断系统中。人工智能诊断系统根据修正结果,优化人工智能诊断方法。实际主要是通过不断的机器学习,让人工智能诊断系统不断的对样本数据进行分组,得到优化的诊断模型。然后利用优化的诊断模型根据下一个病人的心电图输出AI辅助诊断结果。医生可以继续对该AI辅助诊断结果进行修正,并输入到人工智能心电诊断系统。不断循环,直至最终获取的诊断模型是最优的,也即是人工智能心电诊断方法达到最优。而且,还能结合医生的操作习惯和诊断习惯,实现针对医生的个性化定制,提高诊断效率。
实施例3
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现上述实施例1的方法步骤。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.一种优化人工智能心电诊断方法,其特征在于,所述方法包括:
接收医生输入的对预先获取的至少一个人工智能AI辅助诊断结果进行修正后的修正结果,其中,所述预先获取的AI辅助诊断结果为利用人工智能心电诊断方法对病人的心电图进行运算后输出的辅助诊断结果;
根据所述至少一个修正结果以及与所述至少一个修正结果分别对应的心电图,对所述人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;
利用优化后的人工智能心电诊断方法,根据待诊断的心电图对与所待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个修正结果以及与所述至少一个修正结果分别对应的心电图,对所述人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法之后,所述方法还包括:
采集并保存所述医生的诊断行为数据和操作行为数据;
根据所述医生的诊断行为数据和所述操作行为数据,控制所述人工智能心电诊断方法输出AI辅助诊断结果的方式。
3.根据权利要求2所述的方法,其特征在于,根据所述医生的诊断行为数据和所述操作行为数据,控制所述人工智能心电诊断方法输出AI辅助诊断结果的方式之前,所述方法还包括:
获取医生的登录信息;
根据所述医生的登录信息以及所述医生的操作行为数据对所述医生进行分组。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述至少一个修正结果以及与所述至少一个修正结果分别对应的心电图,对所述人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法,具体包括:
将所述至少一个修正结果和与所述至少一个修正结果分别对应的心电图作为输入的样本数据,利用深度神经网络学习法对所述人工智能心电诊断方法进行训练,获取优化后的人工智能心电诊断方法。
5.一种优化人工智能心电诊断的系统,其特征在于,所述系统包括:
接收单元,用于接收医生输入的对预先获取的至少一个人工智能AI辅助诊断结果进行修正后的修正结果,其中,所述预先获取的AI辅助诊断结果为利用优化人工智能心电诊断方法对第i病人的第i心电图进行运算后输出的AI辅助诊断结果;
处理单元,根据所述至少一个修正结果以及与所述至少一个修正结果分别对应的心电图,对所述人工智能心电诊断方法进行优化,获取优化后的人工智能心电诊断方法;
诊断单元,用于利用优化后的人工智能心电诊断方法,根据待诊断的心电图对与所述待诊断的心电图对应的病人进行诊断,获取待诊断的AI辅助诊断结果。
6.根据权利要求5所述的系统,其特征在于,所述系统还包括:
采集单元,用于采集并保存所述医生的诊断行为数据和操作行为数据;
所述处理单元,还用于根据所述医生的诊断行为数据和所述操作行为数据,控制所述人工智能心电诊断方法输出AI辅助诊断结果的方式。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
获取单元,用于获取医生的登录信息;
分组单元,用于根据所述医生的登录信息以及所述医生的操作行为数据对所述医生进行分组。
8.根据权利要求5-7任一项所述的系统,其特征在于,所述处理单元具体用于:将所述至少一个修正结果和与所述至少一个修正结果分别对应的心电图作为输入的样本数据,利用深度神经网络学习法对所述人工智能心电诊断方法进行训练,获取优化后的人工智能心电诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810772356.5A CN108986913A (zh) | 2018-07-13 | 2018-07-13 | 一种优化人工智能心电诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810772356.5A CN108986913A (zh) | 2018-07-13 | 2018-07-13 | 一种优化人工智能心电诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108986913A true CN108986913A (zh) | 2018-12-11 |
Family
ID=64548499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810772356.5A Pending CN108986913A (zh) | 2018-07-13 | 2018-07-13 | 一种优化人工智能心电诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986913A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090083075A1 (en) * | 2004-09-02 | 2009-03-26 | Cornell University | System and method for analyzing medical data to determine diagnosis and treatment |
CN104866727A (zh) * | 2015-06-02 | 2015-08-26 | 陈宽 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
CN107657318A (zh) * | 2017-11-13 | 2018-02-02 | 成都蓝景信息技术有限公司 | 一种基于深度学习模型的心电图分类方法 |
CN107862694A (zh) * | 2017-12-19 | 2018-03-30 | 济南大象信息技术有限公司 | 一种基于深度学习的手足口病检测系统 |
CN107944716A (zh) * | 2017-11-29 | 2018-04-20 | 国网江苏省电力有限公司 | 基于学习结果修正的变电站电能计量周期平衡异常诊断方法 |
-
2018
- 2018-07-13 CN CN201810772356.5A patent/CN108986913A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090083075A1 (en) * | 2004-09-02 | 2009-03-26 | Cornell University | System and method for analyzing medical data to determine diagnosis and treatment |
CN104866727A (zh) * | 2015-06-02 | 2015-08-26 | 陈宽 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
CN107657318A (zh) * | 2017-11-13 | 2018-02-02 | 成都蓝景信息技术有限公司 | 一种基于深度学习模型的心电图分类方法 |
CN107944716A (zh) * | 2017-11-29 | 2018-04-20 | 国网江苏省电力有限公司 | 基于学习结果修正的变电站电能计量周期平衡异常诊断方法 |
CN107862694A (zh) * | 2017-12-19 | 2018-03-30 | 济南大象信息技术有限公司 | 一种基于深度学习的手足口病检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chamoso et al. | Classification of retinal vessels using a collaborative agent-based architecture | |
KR102266310B1 (ko) | 인지능력 향상을 위한 치매 케어용 ai기반의 교육 콘텐츠 추천 방법, 장치 및 컴퓨터-판독가능 기록 매체 | |
CN105105743B (zh) | 基于深度神经网络的心电图智能处理方法 | |
WO2018024031A1 (zh) | 一种对医疗图像进行转换学习的方法和装置 | |
JP6466442B2 (ja) | コンピュータ化された臨床診断支援のための階層的自己学習システム | |
CN109598294B (zh) | 基于软硬件平台的云端视网膜oct识别智能诊断系统及其使用方法 | |
CN107967601A (zh) | 一种基于配置和自我决策的自动化审批流程系统 | |
CN111081353A (zh) | 一种自动化在线学习智能辅助标注医学影像的方法和系统 | |
CN111221947B (zh) | 眼科预问诊装置的多轮对话实现方法及装置 | |
CN102999878A (zh) | 一种医疗智能系统 | |
CN110491525A (zh) | 一种远程医疗会诊方法和系统 | |
CA3118189C (en) | Patient treatment resource utilization predictor | |
Gascuena et al. | IDK and ICARO to develop multi-agent systems in support of Ambient Intelligence | |
CN108734127A (zh) | 年龄识别值调整方法、装置、设备及存储介质 | |
US20200349396A1 (en) | Electronic device and model updating method | |
CN105117980B (zh) | 一种电网设备状态的自动评价方法 | |
CN113989217A (zh) | 一种基于深度学习的人眼屈光度检测方法 | |
CN108986913A (zh) | 一种优化人工智能心电诊断方法及系统 | |
CN106725514A (zh) | 一种数据处理方法及其装置 | |
CN103617474A (zh) | 一种基于动态选路算法的临床路径变异管理的系统和方法 | |
CN111477336A (zh) | 传染病诊断数据的融合方法、系统及存储介质 | |
CN115865617B (zh) | 一种vpn远程诊断及维护系统 | |
CN115407750B (zh) | 人机协同智能系统决策能力的测评方法及系统 | |
CN112837283B (zh) | 一种肺栓塞检测系统、介质及电子设备 | |
CN109063652A (zh) | 一种信号处理方法、系统及计算机存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |