CN109146897B - 口腔放射图像质量控制方法及装置 - Google Patents

口腔放射图像质量控制方法及装置 Download PDF

Info

Publication number
CN109146897B
CN109146897B CN201810958999.9A CN201810958999A CN109146897B CN 109146897 B CN109146897 B CN 109146897B CN 201810958999 A CN201810958999 A CN 201810958999A CN 109146897 B CN109146897 B CN 109146897B
Authority
CN
China
Prior art keywords
tooth
oral cavity
image
radiation image
target
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
CN201810958999.9A
Other languages
English (en)
Other versions
CN109146897A (zh
Inventor
汪子晨
丁鹏
白海龙
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.)
Beijing Deepcare Information Technology Co ltd
Original Assignee
Beijing Deepcare Information Technology Co ltd
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 Beijing Deepcare Information Technology Co ltd filed Critical Beijing Deepcare Information Technology Co ltd
Priority to CN201810958999.9A priority Critical patent/CN109146897B/zh
Publication of CN109146897A publication Critical patent/CN109146897A/zh
Application granted granted Critical
Publication of CN109146897B publication Critical patent/CN109146897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/30036—Dental; Teeth
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种口腔放射图像质量控制方法及装置，以解决现有技术中的问题，具有自动化、准确可靠的优点。本发明的口腔放射图像质量控制方法，包括：步骤A：提供口腔放射图像，基于卷积神经网络对口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；步骤B：在分割结果中确定目标牙，然后对目标牙进行形态学分析以得到目标牙形态学特征；步骤C：从口腔放射图像中获取图像整体特征；步骤D：根据目标牙形态学特征和图像整体特征，输出口腔放射图像对应的质控评价结果。

Description

口腔放射图像质量控制方法及装置
技术领域
本发明涉及计算机视觉技术领域，特别地涉及一种基于深度学习的口腔放射图像质量控制方法和装置。
背景技术
口腔放射影像诊断是口腔医学治疗中不可缺少的技术手段。口腔放射图像是指口腔颌面专用X光线机在病人口腔中进行“拍照”所得到的图像。
目前口腔放射图像的质量好坏将极大地影响诊断结果。如图1a、图1b和图1c所示，这三张牙根尖口腔放射图像所拍摄的目标牙均为同一颗实物牙。但由于拍摄质量的问题，三张图会对于医师的诊断产生不同的影响。其中中间图由于拍摄角度出现问题，容易诱导医生给出目标牙存在邻面龋的误诊结果，而其他两张图由于拍摄质量更优，则不会引起误诊。
现有技术中，通常依靠经验丰富的医务工作人员来判断口腔放射图像质量是否合格。但是由于不同人的肉眼敏感度不一样，判断结果缺乏客观性，更何况我国医疗资源较稀缺，资深医学专家数量不足，倘若完全依靠人工作业会让作业人用眼疲劳，进一步降低判断结果的准确可信程度。
在这种形势下，研发自动化口腔放射图像质量控制方法及装置的需求变得迫切。
发明内容
有鉴于此，本发明提供一种自动化的准确可靠的基于深度学习的口腔放射图像质量控制方法和装置，以解决现有技术中的问题。
本发明第一方面提出一种口腔放射图像质量控制方法，包括：步骤A：提供口腔放射图像，基于卷积神经网络对所述口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；步骤B：在所述分割结果中确定目标牙，然后对所述目标牙进行形态学分析以得到目标牙形态学特征；步骤C：从所述口腔放射图像中获取图像整体特征；步骤D：根据所述目标牙形态学特征和图像整体特征，输出所述口腔放射图像对应的质控评价结果。
可选地，所述步骤A包括：步骤A1：利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；步骤A2：将所述口腔放射图像输入所述牙齿分割模型，得到分割结果。
可选地，所述目标牙形态学特征包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度、目标牙与邻牙的交并比。
可选地，所述图像整体特征包括如下选项中的一种或多种的组合：图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
可选地，所述步骤D包括：当所述目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示所述口腔放射图像合格的第一信息；否则，输出表示所述口腔放射图像不合格的第二信息。
本发明第二方面提出一种口腔放射图像质量控制装置，包括：牙齿分割模块，用于提供口腔放射图像，基于卷积神经网络对所述口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；第一获取模块，用于在所述分割结果中确定目标牙，然后对所述目标牙进行形态学分析以得到目标牙形态学特征；第二获取模块，用于从所述口腔放射图像中获取图像整体特征；质控输出模块，用于根据所述目标牙形态学特征和图像整体特征，输出所述口腔放射图像对应的质控评价结果。
可选地，所述牙齿分割模块还用于：利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；将所述口腔放射图像输入所述牙齿分割模型，得到分割结果。
可选地，所述目标牙形态学特征包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度、目标牙与邻牙的交并比。
可选地，所述图像整体特征包括如下选项中的一种或多种的组合：图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
可选地，所述质控输出模块还用于：当所述目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示所述口腔放射图像合格的第一信息；否则，输出表示所述口腔放射图像不合格的第二信息。
本发明的技术方案基于神经网络和深度学习技术来处理口腔放射图像以识别出质控分类，至少具有如下有益效果：(1)机器处理相较人工处理提升了工作效率；(2)提高了准确性和结果重现性；(3)算法简便明晰，模型训练完成后在测试应用阶段对硬件要求低。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1a、图1b和图1c是同一实物牙齿对应的三张口腔放射图像；
图2是根据本发明实施方式的口腔放射图像质量控制方法的主要步骤的示意图；
图3是根据本发明实施方式的口腔放射图像质量控制装置的主要模块的示意图；
图4是根据本发明具体实施例的口腔放射图像质量控制方法的处理结果示意图之一；
图5是根据本发明具体实施例的口腔放射图像质量控制方法的处理结果示意图之二。
具体实施方式
以下结合附图对本发明的示范性实施方式做出说明，其中包括本发明实施方式的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施方式做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图2是根据本发明实施方式的口腔放射图像质量控制方法的主要步骤的示意图。如图2所示，该实施方式的口腔放射图像质量控制方法主要包括如下的步骤A至步骤D。
步骤A：提供口腔放射图像，基于卷积神经网络对口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果。
其中步骤A可以具体包括步骤A1和步骤A2。步骤A1：利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；步骤A2：将口腔放射图像输入牙齿分割模型，得到分割结果。
步骤B：在分割结果中确定目标牙，然后对目标牙进行形态学分析以得到目标牙形态学特征。其中，目标牙形态学特征可以包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度、目标牙与邻牙的交并比。
步骤C：从口腔放射图像中获取图像整体特征。其中，图像整体特征可以包括如下选项中的一种或多种的组合：图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
步骤D：根据目标牙形态学特征和图像整体特征，输出口腔放射图像对应的质控评价结果。
其中，步骤D可以具体包括：当目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示口腔放射图像合格的第一信息；否则，输出表示口腔放射图像不合格的第二信息。优选地，第二信息还包括“口腔放射图像不合格的具体原因”，这样可以指导医务人员调整拍摄技术，重新获取更好的口腔放射图像。
本发明实施例的口腔放射图像质量控制方法基于神经网络和深度学习技术来处理口腔放射图像以识别出质控分类，至少具有如下有益效果：(1)机器处理相较人工处理提升了工作效率；(2)提高了准确性和结果重现性；(3)算法简便明晰，模型训练完成后在测试应用阶段对硬件要求低。
图3是根据本发明实施方式的口腔放射图像质量控制装置的主要模块的示意图。如图3所示，该实施方式的口腔放射图像质量控制装置可以主要包括：牙齿分割模块100、第一获取模块200、第二获取模块300和质控输出模块400。
牙齿分割模块100用于提供口腔放射图像，基于卷积神经网络对口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；第一获取模块200用于在分割结果中确定目标牙，然后对目标牙进行形态学分析以得到目标牙形态学特征；第二获取模块300用于从口腔放射图像中获取图像整体特征；质控输出模块400用于根据目标牙形态学特征和图像整体特征，输出口腔放射图像对应的质控评价结果。
其中，牙齿分割模块100具体可以用于：利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；将口腔放射图像输入牙齿分割模型，得到分割结果。
其中，目标牙形态学特征可以包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度、目标牙与邻牙的交并比。
其中，图像整体特征可以包括如下选项中的一种或多种的组合：图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
其中，质控输出模块400具体可以用于：当目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示口腔放射图像合格的第一信息；否则，输出表示口腔放射图像不合格的第二信息。优选地，第二信息还包括“口腔放射图像不合格的具体原因”，这样可以指导医务人员调整拍摄技术，重新获取更好的口腔放射图像。
本发明实施例的口腔放射图像质量控制装置基于神经网络和深度学习技术来处理口腔放射图像以识别出质控分类，至少具有如下有益效果：(1)机器处理相较人工处理提升了工作效率；(2)提高了准确性和结果重现性；(3)算法简便明晰，模型训练完成后在测试应用阶段对硬件要求低。
为使本领域技术人员更好地理解本发明的技术方案，下面介绍一个详细实施例来进一步说明。
图4和图5分别是质控系统对于合格图像以及不合格图像的处理示意图。由左往右第一列为输入系统的口腔放射图像，第二列与第三列分别为系统对于输入图像中牙齿区域以及牙齿边缘的语义级分割结果，第四列为不同牙齿间重叠部分的牙齿边缘分割结果，第五列为系统基于第二与第三列分割结果的牙齿实例级分割结果，第六列为系统对于单个牙齿进行定位以及形态学分析的示意图。系统综合目标牙形态学特征以及图像整体特征，对输入图像的质量完成二分类评价，同时对于不合格图像会给出对应的不合格原因。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (6)

1.一种口腔放射图像质量控制方法，其特征在于，包括：
步骤A：提供口腔放射图像，基于卷积神经网络对所述口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；
步骤B：在所述分割结果中确定目标牙，然后对所述目标牙进行形态学分析以得到目标牙形态学特征；
步骤C:从所述口腔放射图像中获取图像整体特征；
步骤D:根据所述目标牙形态学特征和图像整体特征，输出所述口腔放射图像对应的质控评价结果；
所述目标牙形态学特征包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度，目标牙与邻牙的交并比；
所述图像整体特征包括如下选项中的一种或多种的组合：图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：
步骤A1：利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；
步骤A2：将所述口腔放射图像输入所述牙齿分割模型，得到分割结果。
3.根据权利要求1所述的方法，其特征在于，所述步骤D包括：当所述目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示所述口腔放射图像合格的第一信息；否则，输出表示所述口腔放射图像不合格的第二信息。
4.一种口腔放射图像质量控制装置，其特征在于，包括：
牙齿分割模块，用于提供口腔放射图像，基于卷积神经网络对所述口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；
第一获取模块，用于在所述分割结果中确定目标牙，然后对所述目标牙进行形态学分析以得到目标牙形态学特征；
第二获取模块，用于从所述口腔放射图像中获取图像整体特征；
质控输出模块，用于根据所述目标牙形态学特征和图像整体特征，输出所述口腔放射图像对应的质控评价结果；
所述目标牙形态学特征包括如下选项中的一种或多种的组合：目标牙水平位置，目标牙垂直位置，目标牙倾斜角度，目标牙与邻牙的交并比；
所述图像整体特征包括如下选项中的一种或多种的组合:图像平均亮度，图像牙齿区域像素平均值，图像牙齿区域像素标准差。
5.根据权利要求4所述的装置，其特征在于，所述牙齿分割模块还用于：
利用包含牙齿区域以及牙齿边缘标注信息的口腔放射图像训练集训练卷积神经网络模型，得到牙齿分割模型；
将所述口腔放射图像输入所述牙齿分割模型，得到分割结果。
6.根据权利要求4所述的装置,其特征在于,所述质控输出模块还用于：当所述目标牙形态学特征和图像整体特征中所有特征参数均满足该特征参数对应的预设合格条件时，输出表示所述口腔放射图像合格的第一信息；否则，输出表示所述口腔放射图像不合格的第二信息。
CN201810958999.9A 2018-08-22 2018-08-22 口腔放射图像质量控制方法及装置 Active CN109146897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810958999.9A CN109146897B (zh) 2018-08-22 2018-08-22 口腔放射图像质量控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810958999.9A CN109146897B (zh) 2018-08-22 2018-08-22 口腔放射图像质量控制方法及装置

Publications (2)

Publication Number Publication Date
CN109146897A CN109146897A (zh) 2019-01-04
CN109146897B true CN109146897B (zh) 2021-08-03

Family

ID=64790688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810958999.9A Active CN109146897B (zh) 2018-08-22 2018-08-22 口腔放射图像质量控制方法及装置

Country Status (1)

Country Link
CN (1) CN109146897B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934223B (zh) * 2019-03-01 2022-04-26 北京地平线机器人技术研发有限公司 实例分割结果评价参数确定方法及装置
CN109978841B (zh) * 2019-03-12 2021-08-03 北京羽医甘蓝信息技术有限公司 基于深度学习的全景片阻生牙识别的方法和装置
CN109949319B (zh) * 2019-03-12 2022-05-20 北京羽医甘蓝信息技术有限公司 基于深度学习的全景片恒牙识别的方法和装置
CN109961427A (zh) * 2019-03-12 2019-07-02 北京羽医甘蓝信息技术有限公司 基于深度学习的全景片根尖周炎识别的方法和装置
CN109948619A (zh) * 2019-03-12 2019-06-28 北京羽医甘蓝信息技术有限公司 基于深度学习的全景片龋病识别的方法和装置
CN109766877B (zh) * 2019-03-12 2022-05-27 北京羽医甘蓝信息技术有限公司 基于深度学习的全景片人工牙体识别的方法和装置
CN111696192A (zh) * 2019-03-14 2020-09-22 杭州朝厚信息科技有限公司 基于人工神经网络的去除牙齿三维数字模型的表面气泡的方法
CN111325740B (zh) * 2020-02-28 2023-07-07 恩施京植咿呀雅口腔医院有限公司 补牙质量评价模型构建方法及装置
CN111968120B (zh) * 2020-07-15 2022-03-15 电子科技大学 一种3d多特征融合的牙齿ct图像分割方法
CN112288735A (zh) * 2020-11-06 2021-01-29 南京大学 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745470A (zh) * 2014-01-08 2014-04-23 兰州交通大学 基于小波的多边形轮廓演化医学ct图像交互式分割方法
CN106875386A (zh) * 2017-02-13 2017-06-20 苏州江奥光电科技有限公司 一种利用深度学习自动进行牙齿健康状况检测的方法
CN107909630A (zh) * 2017-11-06 2018-04-13 南京齿贝犀科技有限公司 一种牙位图生成方法
CN108389207A (zh) * 2018-04-28 2018-08-10 上海视可电子科技有限公司 一种牙病诊断方法、诊断设备及智能图像采集装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794254A (zh) * 2014-01-22 2015-07-22 杨刚 牙龈模拟种植体及其模拟种植牙龈方法
US10049457B2 (en) * 2016-08-29 2018-08-14 CephX Technologies Ltd. Automated cephalometric analysis using machine learning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745470A (zh) * 2014-01-08 2014-04-23 兰州交通大学 基于小波的多边形轮廓演化医学ct图像交互式分割方法
CN106875386A (zh) * 2017-02-13 2017-06-20 苏州江奥光电科技有限公司 一种利用深度学习自动进行牙齿健康状况检测的方法
CN107909630A (zh) * 2017-11-06 2018-04-13 南京齿贝犀科技有限公司 一种牙位图生成方法
CN108389207A (zh) * 2018-04-28 2018-08-10 上海视可电子科技有限公司 一种牙病诊断方法、诊断设备及智能图像采集装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Oriented tooth localization for periapical dental X-ray images via convolutional neural network;Hyunjun Eun;《IEEE》;20170119;第1-7页 *
口腔直接数字成像图像质量的评价;王凤琼;《上海口腔医学》;20081031;第552-554页 *

Also Published As

Publication number Publication date
CN109146897A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109146897B (zh) 口腔放射图像质量控制方法及装置
US10984529B2 (en) Systems and methods for automated medical image annotation
US11389131B2 (en) Systems and methods for processing of dental images
US20210074425A1 (en) Systems and methods for automated medical image analysis
CN106709917B (zh) 神经网络模型训练方法、装置及系统
CN109360196B (zh) 基于深度学习处理口腔放射图像的方法及装置
US11464467B2 (en) Automated tooth localization, enumeration, and diagnostic system and method
CN110428410B (zh) 眼底医学图像处理方法、装置、设备及存储介质
CA3149760A1 (en) Automated medical image annotation and analysis
WO2020182036A1 (zh) 图像处理方法、装置、服务器及存储介质
US11250580B2 (en) Method, system and computer readable storage media for registering intraoral measurements
CN111415419A (zh) 基于多源图像的牙体修复模型制作方法和系统
CN111476776B (zh) 胸部病灶位置确定方法、系统、可读存储介质和设备
CN113379697B (zh) 基于深度学习的彩色图像龋病识别方法
Chen et al. Automated Detection System Based on Convolution Neural Networks for Retained Root, Endodontic Treated Teeth, and Implant Recognition on Dental Panoramic Images
George et al. Dental radiography analysis and diagnosis using YOLOv8
US20210338379A1 (en) Method for analyzing an image of a dental arch
KR20220045589A (ko) 인공지능 기반의 임플란트 인식 시스템 및 그 방법
US20220122261A1 (en) Probabilistic Segmentation of Volumetric Images
CN115731169A (zh) 一种基于深度学习的自动确定基牙方法、系统和电子设备
CN116152271A (zh) 基于边界监督和多种注意力的cbct牙齿实例分割方法
Carneiro Enhanced tooth segmentation algorithm for panoramic radiographs
US20220351813A1 (en) Method and apparatus for training automatic tooth charting systems
CN106846302A (zh) 一种工具正确取件的检测方法及基于此方法的考核台
CN115082461B (zh) 一种基于边缘计算的预判过滤方法及装置

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
CB02 Change of applicant information

Address after: 100102 d-1607, 16th floor, building 222, Wangjing Xiyuan, Chaoyang District, Beijing

Applicant after: BEIJING DEEPCARE INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 100190 24th floor, Liaoning building, No.2, North 4th Ring Road West, Haidian District, Beijing

Applicant before: BEIJING DEEPCARE INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant