CN109509558A - 基于b/s架构的发热疫情快速反应智能公卫服务系统 - Google Patents
基于b/s架构的发热疫情快速反应智能公卫服务系统 Download PDFInfo
- Publication number
- CN109509558A CN109509558A CN201811384228.XA CN201811384228A CN109509558A CN 109509558 A CN109509558 A CN 109509558A CN 201811384228 A CN201811384228 A CN 201811384228A CN 109509558 A CN109509558 A CN 109509558A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- model
- information
- epidemic situation
- weather
- 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
- 206010037660 Pyrexia Diseases 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000027455 binding Effects 0.000 claims description 6
- 238000009739 binding Methods 0.000 claims description 6
- 239000008187 granular material Substances 0.000 claims description 6
- 230000036760 body temperature Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明为一种基于B/S架构的发热疫情快速反应智能公卫服务系统,包括服务器中心、多个客户端、多个信息采集器;多个客户端和多个信息采集器分别通过网络与服务中心进行通讯连接;通过使用B/s架构,对天气参数、网络信息、实时行人图像信息的综合考虑,以求满足人们对于发热等疫情共卫系统的智能化、个性化、时效性的需求,可以使得民众快速而准确的应对发热等疫情。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于B/S架构的发热疫情快速反应智能公卫服务领域。
背景技术
随着互联网技术发展,越来越多的网络技术被应用到监控管理中去。而对于发热、流感等疫情的快速反应,关系到每个人的健康和社会的稳定,目前,对于疫情的快速反应机制主要是在发现疫情后,通过电话、电视、广播等手段通知民众进行快速反应,以应对疫情,但是这种方式虽然民众接受程度较高,但是智能化、个性化程度相对较低,从信息搜集的广度和深度来说均不够,不但可能错过疫情快速反应的时效期,由于针对性不强,不容易引起群众的重视。本发明的目的是提供一种基于B/S架构的发热疫情快速反应智能公卫服务系统,通过使用B/s架构,对天气参数、网络信息、实时行人图像信息的综合考虑,以求满足人们对于发热等疫情共卫系统的智能化、个性化、时效性的需求。
发明内容
本发明提供了一种基于B/S架构的发热疫情快速反应智能公卫服务系统,具体技术方案如下:
一种基于B/S架构的发热疫情快速反应智能公卫服务系统,包括服务器中心、多个客户端、多个信息采集器;
所述多个客户端和多个信息采集器分别通过网络与服务中心进行通讯连接;
所述服务器中心通过对信息采集器采集的信息的处理,形成对于发热等疫情的分析结果,将其发布到多个客户端,以使得民众对于疫情进行快速发应。
所述多个信息采集器包括天气参数信息采集器、网络信息采集器、行人图像采集器及行人温度采集器。
所述客户端可以为电脑、手机等智能终端上的APP或者IE浏览器等软件,可以接收服务器中心发布的发热等疫情的分析结果。
优选的,所述天气参数信息采集器设置在各个监测点,可以采集监测点的实时天气情况,包括实时的温度、湿度、风级、空气中的颗粒浓度等参数;所述网络信息采集器通过网络爬虫对微博、博客、新闻客户端、门户网站等发布的最新疫情信息进行搜集;所述行人图像采集器设置于商场、公园、游乐场、交通信号路口、步行街、港口、学校、交通工具内等人多或繁华区域,通过摄像设备采集的行人活动图像;所述行人温度采集器与所述行人图像采集器进行绑定操作,对图像采集器中采集目标的行人的温度进行采集。
所述服务器中心对采集器采集的数据进行分析处理,包括数据存储模块、模型训练模块,预测模块和信息发布模块。
所述数据存储模块存储有各个信息采集器所处目标区域的历史样本数据;所述模型训练模块使用历史数据进行疫情的建模。
使用历史天气数据,建立x1个等级的天气状况模型,x1越小,表示天气条件越好,越不适于疾病的传播。使用该模型时将天气参数信息采集器采集的实时的温度、湿度、风级、空气中的颗粒浓度等参数与输入天气状况模型进行相似度距离计算,将相应天气状况模型的等级x1作为天气条件所对应的分值。
使用网络信息历史样本数据,建立x2个等级的网络状况模型,x2越小,表明针对于疫情的舆论信息越少,使用该模型时将网络信息采集器采集的网络信息数据输入网络状况模型进行相似度距离计算,将相应网络状况模型的等级x2作为网络信息条件所对应的分值。
使用图像信息的历史数据行人表情和动作数据建立M个等级的身体状况模型,M越小,表示人体越健康,使用该模型时将行人图像采集器采集的行人的表情和动作数据输入身体状况模型进行相似度距离计算,将相应身体状况模型的等级M作为图像信息条件所对应的分值,同时,由于本发明中行人温度采集器与所述行人图像采集器进行了绑定操作,对图像采集器中采集目标的行人的温度进行了同步采集,因此,在此处,可以通过行人温度对身体状况模型进一步优化,即当针对某个地区进行身体状况模型识别后,依据该地区中行人温度超过预设阈值的人数,对识别出的结果进行进一步的加权,具体为将身体状况模型当识别出某个区域的身体状况模型等级为M时,同时该地区对应的一共有N个行人,而体温超过预设阈值(例如38摄氏度)的行人为n个,则所得的基于图像和温度采集器对应的模型结果分值为x3=n/M*N)。
所述预测模块通过将最新采集的目标区域数据分别输入发热疫情模型,进行发热疫情的预测,对不同采集器的分析结果设置不同的权重,从而预测疫情发生的可能性分值,使用公式如下:P=ax1+bx2+cx3,其中,P为服务中心所处理得到的特定区域疫情发生的可能性分值,x1-x3分别为服务中心对天气参数信息采集器、网络信息采集器、行人图像采集器及行人温度采集器所采集的信息可能发生发热等疫情的分值,a-c为各类信息采集器的权重,其中, 0≤a≤1,0≤b≤1,0≤c≤1,并且a+b+c =1;最后,将得到的可能性分值P与预设的阈值T进行比较,当P>T时,所述服务器中心通过信息发布模块发出疫情预警至多个客户端,以使得民众对于疫情进行快速发应。
通过采用上述技术方案,可以针对使得发热等疫情的监控和预测更加智能化、个性化、深入化,使得人们更加快速而准确的应对疫情。
附图说明
图1是本发明的系统结构图。
具体实施方式
图1是本发明提供的一种基于B/S架构的发热疫情快速反应智能公卫服务系统的结构图。该系统由服务器中心、m个客户端、n个信息采集器构成。
一种基于B/S架构的发热疫情快速反应智能公卫服务系统,包括服务器中心、多个客户端、多个信息采集器;
所述多个客户端和多个信息采集器分别通过网络与服务中心进行通讯连接;
所述服务器中心通过对信息采集器采集的信息的处理,形成对于发热等疫情的分析结果,将其发布到多个客户端,以使得民众对于疫情进行快速发应。
所述多个信息采集器包括天气参数信息采集器、网络信息采集器、行人图像采集器及行人温度采集器。
所述客户端可以为电脑、手机等智能终端上的APP或者IE浏览器等软件,可以接收服务器中心发布的发热等疫情的分析结果。
优选的,所述天气参数信息采集器设置在各个监测点,可以采集监测点的实时天气情况,包括实时的温度、湿度、风级、空气中的颗粒浓度等参数;所述网络信息采集器通过网络爬虫对微博、博客、新闻客户端、门户网站等发布的最新疫情信息进行搜集;所述行人图像采集器设置于商场、公园、游乐场、交通信号路口、步行街、港口、学校、交通工具内等人多或繁华区域,通过摄像设备采集的行人活动图像;所述行人温度采集器与所述行人图像采集器进行绑定操作,对图像采集器中采集目标的行人的温度进行采集。
所述服务器中心对采集器采集的数据进行分析处理,包括数据存储模块、模型训练模块,预测模块和信息发布模块。
所述数据存储模块存储有各个信息采集器所处目标区域的历史样本数据;所述模型训练模块使用历史数据进行疫情的建模。
使用历史天气数据,建立x1个等级的天气状况模型,x1越小,表示天气条件越好,越不适于疾病的传播。使用该模型时将天气参数信息采集器采集的实时的温度、湿度、风级、空气中的颗粒浓度等参数,如温度37摄氏度、湿度40%RH,风力3级,PM2.5为100,将其输入天气状况模型进行相似度距离计算,将相应天气状况模型的等级x1=6作为天气条件所对应的分值。
使用网络信息历史样本数据,建立x2个等级的网络状况模型,x2越小,表明针对于疫情的舆论信息越少,使用该模型时将网络信息采集器采集的网络信息数据,如腾讯等各大个门户网站中对于疫情报道的关键词或者主题词以及其所占的文章的比重等作为参数输入网络状况模型进行相似度距离计算,将相应网络状况模型的等级x2=7作为网络信息条件所对应的分值。
使用图像信息的历史数据行人表情和动作数据建立M个等级的身体状况模型,M越小,表示人体越健康,使用该模型时将行人图像采集器采集的行人的表情和动作数据输入身体状况模型进行相似度距离计算,将相应身体状况模型的等级M作为图像信息条件所对应的分值,同时,由于本发明中行人温度采集器与所述行人图像采集器进行了绑定操作,对图像采集器中采集目标的行人的温度进行了同步采集,因此,在此处,可以通过行人温度对身体状况模型进一步优化,即当针对某个地区进行身体状况模型识别后,依据该地区中行人温度超过预设阈值的人数,对识别出的结果进行进一步的加权,具体为将身体状况模型当识别出某个区域的身体状况模型等级为M=4时,同时该地区对应的一共有100个行人,而体温超过预设阈值(例如38摄氏度)的行人为10个,则所得的基于图像和温度采集器对应的模型结果分值为x3=10/4*100=0.025)。
所述预测模块通过将最新采集的目标区域数据分别输入发热疫情模型,进行发热疫情的预测,对不同采集器的分析结果设置不同的权重,从而预测疫情发生的可能性分值,使用公式如下:P=ax1+bx2+cx3,例如a=0.2,b=0.3,c=0.5,则P=0.2*6+0.3*7+0.5*0.025=3.3125,假设阈值T为3,则由于P>T,所述服务器中心通过信息发布模块发出疫情预警至多个客户端,以使得民众对于疫情进行快速发应。
本领域技术人员应该知道,所举数据不应构成对于方案的限定,本发明还可以有多种其他的实施方式,对于本发明的技术方案进行的修改、变形或者等同变换,不应脱离本发明技术方案的本质和范围。
Claims (3)
1.一种基于B/S架构的发热疫情快速反应智能公卫服务系统,其特征在于,包括服务器中心、多个客户端、多个信息采集器;
所述多个客户端和多个信息采集器分别通过网络与服务中心进行通讯连接;
所述服务器中心处理信息采集器采集的数据,形成对于发热等疫情的分析结果,将所述结果发布到多个客户端,以使得民众对于疫情进行快速发应。
2.如权利要求1所述系统,其特征在于,所述多个信息采集器包括天气参数信息采集器、网络信息采集器、行人图像采集器及行人温度采集器;
所述客户端为电脑、手机等智能终端,可以接收服务器中心发布的发热等疫情的分析结果。
3.如权利要求2所述的系统,其特征在于,所述天气参数信息采集器设置在各个监测点,采集监测点的实时天气情况,包括实时的温度、湿度、风级、空气中的颗粒浓度等参数;所述网络信息采集器通过网络爬虫对微博、博客、新闻客户端、门户网站等发布的最新疫情信息进行搜集;所述行人图像采集器设置于商场、公园、游乐场、交通信号路口、步行街、港口、学校、交通工具内等人多或繁华区域,通过摄像设备采集的行人活动图像;所述行人温度采集器与所述行人图像采集器进行绑定操作,对图像采集器中采集目标的行人的温度进行采集;
所述服务器中心还包括数据存储模块、模型训练模块,预测模块和信息发布模块;
所述数据存储模块存储有各个信息采集器所处目标区域的历史样本数据;所述模型训练模块使用历史数据进行疫情的建模;
使用历史天气样本数据,建立x1个等级的天气状况模型,x1越小,表示天气条件越好,越不适于疾病的传播;使用天气状况模型时将天气参数信息采集器采集的实时的温度、湿度、风级、空气中的颗粒浓度等参数与输入模型,进行相似度距离计算,将模型输出的天气状况模型的等级x1作为天气条件所对应的分值;
使用网络信息历史样本数据,建立x2个等级的网络状况模型,x2越小,表明针对于疫情的舆论信息越少,使用网络状况模型时将网络信息采集器采集的网络信息数据输入模型进行相似度距离计算,将相应网络状况模型的等级x2作为网络信息条件所对应的分值;
使用图像信息的历史样本数据中的行人表情和动作数据建立M个等级的身体状况模型,M越小,表示人体越健康,使用该模型时将行人图像采集器采集的行人的表情和动作数据输入身体状况模型进行相似度距离计算,将模型输出的等级M作为图像信息条件所对应的分值,同时,由于行人温度采集器与所述行人图像采集器进行了绑定操作,对图像采集器中采集目标的行人的温度进行了同步采集,因此,在此处,通过行人温度对身体状况模型进一步优化,即当针对某个地区进行身体状况模型识别后,依据该地区中行人温度超过预设阈值的人数,对识别出的结果进行进一步的加权,具体为当身体状况模型识别出某个区域的身体状况模型等级为M时,同时该地区对应的一共有N个行人,而体温超过预设阈值的行人为n个,则所得的基于图像和温度采集器对应的模型结果分值为x3=n/M*N);
所述预测模块通过将最新采集的目标区域数据分别输入发热疫情模型,进行发热疫情的预测,对不同采集器的分析结果设置不同的权重,从而预测疫情发生的可能性分值,使用公式如下:P=ax1+bx2+cx3,其中,P为服务中心所处理得到的特定区域疫情发生的可能性分值,x1-x3分别为服务中心对天气参数信息采集器、网络信息采集器、行人图像采集器及行人温度采集器所采集的信息可能发生发热等疫情的分值,a-c为各类信息采集器的权重, 0≤a≤1,0≤b≤1,0≤c≤1,并且a+b+c =1;最后,将得到的可能性分值P与预设的阈值T进行比较,当P>T时,所述服务器中心通过信息发布模块发出疫情预警至多个客户端,以使得民众对于疫情进行快速发应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811384228.XA CN109509558A (zh) | 2018-11-20 | 2018-11-20 | 基于b/s架构的发热疫情快速反应智能公卫服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811384228.XA CN109509558A (zh) | 2018-11-20 | 2018-11-20 | 基于b/s架构的发热疫情快速反应智能公卫服务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109509558A true CN109509558A (zh) | 2019-03-22 |
Family
ID=65749275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811384228.XA Pending CN109509558A (zh) | 2018-11-20 | 2018-11-20 | 基于b/s架构的发热疫情快速反应智能公卫服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509558A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990450A (zh) * | 2019-11-08 | 2020-04-10 | 中国检验检疫科学研究院 | 潜在入侵畜禽疫病疫情数据处理方法及装置 |
CN111241117A (zh) * | 2020-03-15 | 2020-06-05 | 智博云信息科技(广州)有限公司 | 一种疫情数据库更新方法及装置 |
CN111916218A (zh) * | 2020-08-10 | 2020-11-10 | 重庆邮电大学 | 一种新型冠状病毒肺炎疫情多级预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN102871653A (zh) * | 2012-10-15 | 2013-01-16 | 南京邮电大学 | 一种适应多地域环境下的公众健康防控装置及方法 |
CN104035960A (zh) * | 2014-05-08 | 2014-09-10 | 东莞市巨细信息科技有限公司 | 互联网资讯信息热点预测方法 |
CN106960124A (zh) * | 2017-03-17 | 2017-07-18 | 北京农信互联科技有限公司 | 牲畜疫情警报方法及装置 |
CN107727242A (zh) * | 2017-11-29 | 2018-02-23 | 佛山市因诺威特科技有限公司 | 一种温度异常监测系统及方法 |
-
2018
- 2018-11-20 CN CN201811384228.XA patent/CN109509558A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999888A (zh) * | 2010-12-01 | 2011-04-06 | 北京航空航天大学 | 一种对体温异常者进行检测与搜寻的疫情防控系统 |
CN102871653A (zh) * | 2012-10-15 | 2013-01-16 | 南京邮电大学 | 一种适应多地域环境下的公众健康防控装置及方法 |
CN104035960A (zh) * | 2014-05-08 | 2014-09-10 | 东莞市巨细信息科技有限公司 | 互联网资讯信息热点预测方法 |
CN106960124A (zh) * | 2017-03-17 | 2017-07-18 | 北京农信互联科技有限公司 | 牲畜疫情警报方法及装置 |
CN107727242A (zh) * | 2017-11-29 | 2018-02-23 | 佛山市因诺威特科技有限公司 | 一种温度异常监测系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990450A (zh) * | 2019-11-08 | 2020-04-10 | 中国检验检疫科学研究院 | 潜在入侵畜禽疫病疫情数据处理方法及装置 |
CN111241117A (zh) * | 2020-03-15 | 2020-06-05 | 智博云信息科技(广州)有限公司 | 一种疫情数据库更新方法及装置 |
CN111916218A (zh) * | 2020-08-10 | 2020-11-10 | 重庆邮电大学 | 一种新型冠状病毒肺炎疫情多级预警方法及系统 |
CN111916218B (zh) * | 2020-08-10 | 2022-07-22 | 重庆邮电大学 | 一种新型冠状病毒肺炎疫情多级预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rathore et al. | Exploiting IoT and big data analytics: Defining smart digital city using real-time urban data | |
Ahmed et al. | Fog computing applications: Taxonomy and requirements | |
Yu et al. | Geo-friends recommendation in gps-based cyber-physical social network | |
Nirjon et al. | Auditeur: A mobile-cloud service platform for acoustic event detection on smartphones | |
Hancke et al. | The role of advanced sensing in smart cities | |
CN109509558A (zh) | 基于b/s架构的发热疫情快速反应智能公卫服务系统 | |
Nagaraj | Introduction to sensors in IoT and cloud computing applications | |
CN103365936A (zh) | 视频推荐系统及其方法 | |
CN109784177A (zh) | 基于图像匹配的失踪人员快速定位方法、装置及介质 | |
WO2014048105A1 (zh) | 人机交互数据处理方法和装置 | |
CN109473180A (zh) | 一种基于b/s架构的疾控机构信息系统 | |
Zinonos et al. | Grape leaf diseases identification system using convolutional neural networks and Lora technology | |
CN109313587A (zh) | 用于在服务层处使能数据分析服务的方法 | |
CN114423034B (zh) | 一种室内人员动作识别方法、系统、介质、设备及终端 | |
CN112668375B (zh) | 景区内游客分布分析系统及方法 | |
Andreadis et al. | Monitoring illegal tree cutting through ultra-low-power smart iot devices | |
CN109359686A (zh) | 一种基于校园网流量的用户画像方法及系统 | |
Portelli et al. | Leveraging edge computing through collaborative machine learning | |
Xu et al. | Intelligent aggregation based on content routing scheme for cloud computing | |
Kurasawa et al. | Missing sensor value estimation method for participatory sensing environment | |
Ooko et al. | TinyML in Africa: Opportunities and challenges | |
CN106341258B (zh) | 一种基于二阶局部社团和种子节点结构信息的预测网络未知连边的方法 | |
CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
Sabo et al. | An event driven wireless sensors network for monitoring of plants health and larva activities | |
Konstantinidis et al. | Multi-objective query optimization in smartphone social networks |
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: 20190322 |