CN109528195A - 一种mri/ct影像中骨边界和参考骨性标志物识别的方法 - Google Patents

一种mri/ct影像中骨边界和参考骨性标志物识别的方法 Download PDF

Info

Publication number
CN109528195A
CN109528195A CN201811323436.9A CN201811323436A CN109528195A CN 109528195 A CN109528195 A CN 109528195A CN 201811323436 A CN201811323436 A CN 201811323436A CN 109528195 A CN109528195 A CN 109528195A
Authority
CN
China
Prior art keywords
femur
pixel
bone
knee joint
gray value
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
Application number
CN201811323436.9A
Other languages
English (en)
Inventor
殷晓亮
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201811323436.9A priority Critical patent/CN109528195A/zh
Publication of CN109528195A publication Critical patent/CN109528195A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本专利公开了一种根据膝关节扫描的影像确定股骨特征的方法,包括：步骤一、输入膝关节扫描的影像文件，预标记一个或多个骨性标志；步骤二、选取与标记的骨性标记上的像素点，并扩展选取与骨性标记在选取的像素点上相交的行中的多个像素值，并取得每个像素值的灰度数值；步骤三、对像素点灰度值曲线进行拟合，得到灰度值随着像素点变化的关系曲线，将曲线中灰度值最低的点确定为股骨边缘的位置点；步骤四、根据步骤三确定的股骨边缘的位置点拟合出股骨边缘轮廓曲线；通过人工智能筛选加上精准识别提取的组合之后能够快速精确地分析股骨的一系列精确的骨性标记，对于临床手术方案的设计有极大的指导意义。

Description

一种MRI/CT影像中骨边界和参考骨性标志物识别的方法
技术领域
本专利属于成像技术领域，具体而言涉及一种初次膝关节置换术前计划MRI/CT扫描及计算机影像处理方法。
背景技术
全膝关节置换术(total knee arthroplasty，TKA)是在近代人工髋关节成功应用于病人后逐渐发展起来的一种治疗膝关节疾病的新技术，它能非常有效地根除晚期膝关节病痛，极大地提高病人的生活质量。
初次全膝关节置换术后疗效取决于多种因素，在建立正确的下肢力线后，需要对股骨远端进行截骨以找到合适的膝关节股骨假体安装平面，这个平面在截骨深度和角度上都有比较严格的要求。股骨远端截骨直接决定了假体的安装平面，临床上远端截骨面的确定，往往是利用一些骨性标志物，例如上髁轴，Whiteside线和后髁线等。这些骨性标记的设置，往往是在术中进行，准确度很大程度上依赖术者的经验和技巧。计算机影像处理技术可以极大的提高股骨远端截骨面的精度。
发明内容
本专利正是基于现有技术的上述需求而提出的，本专利要解决的技术问题是提供一种初次膝关节置换术前计划MRI/CT扫描及计算机影像处理方法，用于精确定位股骨远端截骨面。
为了解决上述问题，本专利提供的技术方案包括：
1.一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，所述方法包括如下步骤：
步骤一、输入膝关节扫描的影像文件，预标记一个或多个骨性标志；
步骤二、选取与标记的骨性标记上的像素点，并扩展选取与骨性标记在选取的像素点上相交的行中的多个像素值，并取得每个像素值的灰度数值；
步骤三、对像素点灰度值曲线进行拟合，得到灰度值随着像素点变化的关系曲线，将曲线中灰度值最低的点确定为股骨边缘的位置点；
步骤四、根据步骤三确定的股骨边缘的位置点拟合出股骨边缘轮廓曲线；
步骤五、对该股骨边缘轮廓曲线进行求导，得到骨性标志线。
优选地，在步骤一中，将膝关节MRI扫描的DICOM格式的影像文件作为输入，将人工预标记一个或多个骨性标志的图片作为输出，来训练神经网络模型，通过神经网络模型来输出预标记一个或多个骨性标志的图片。
优选地，所述影像文件为股骨冠状面影像，对应的预标记的骨性标志为股骨远端线；在步骤二中，在股骨远端线上选取多个像素，在该像素上与远端线垂直的行中在两个方向各自选取多个像素，并取到每个像素的灰度值。
优选地，所述影像文件为股骨矢状面影像，对应的预标记的骨性标志为预标记的股骨后髁参考线；在所述参考线上标定多个等距点，在每个点上与该参考线垂直的行中在两个方向各自选取多个像素，取到每个像素的灰度值。
优选地，所述拟合为多项式拟合。
本专利采用人工智能的方式来预标定的骨性标记，然后基于预标定的骨性标记，提出了在术前膝关节影像中识别骨性组织和非骨性组织边界的算法。这样既能够完全替代人力的复杂工作，而且由于人工智能筛选加上精准识别提取的组合之后能够快速精确地分析股骨的一系列精确的骨性标记，对于临床手术方案的设计有极大的指导意义。
附图说明
图1是本专利方法流程图；
图2是膝关节影像及股骨远端线标记示意图；
图3是像素灰度值分析示意图；
图4是取骨性标记上的像素并进行垂直扩展示意图；
图5是冠状面股骨远端线上的像素选取示意图；
图6是矢状面参考线上的像素选取示意图。
具体实施方式
下面结合附图对本专利的具体实施方式进行详细说明。
如图1所示本专利具体实施方式提供了一种初次膝关节置换术前计划MRI/CT扫描及计算机影像处理方法，所述方法包括如下步骤：
步骤一、膝关节MRI扫描的DICOM格式的影像文件，预标记一个或多个骨性标志，参见图2。
所述影像文件可以在扫描后直接获取到，而标记一个或多个骨性标志可以包括股骨远端线、股骨参考线等。在本具体实施方式中所述与标记一个或多个骨性标志首先可以采用手动来完成，这个过程中首先需要判断膝关节MRI扫描的DICOM格式的影像文件中哪些图片适于进行骨性标志的标记，然后由经验丰富的人员进行标注一个预先的骨性标志。
进一步地，在本具体实施方式中，可以将膝关节MRI扫描的DICOM格式的影像文件作为输入，将预标记一个或多个骨性标志的图片作为输出，来训练神经网络模型，通过神经网络模型来输出预标记一个或多个骨性标志的图片。通过这种方式排除了人工查看检阅大量图片，并依赖经验丰富的人员来判骨性标志的方式，通过计算机人工智能即可以实现骨性标志的预标定，因此为整个流程采用计算机自动化完成打下了基础。
步骤二、选取与标记的骨性标记上的像素点，并扩展选取与骨性标记在选取的像素点上相交的行中的多个像素值，并取得每个像素值的灰度数值。
在本步骤中，选取骨性标记上的像素点的数量包括多个，多个像素点分别与多个相应的行相对应。
例如，如图4所示，当应用实例为股骨冠状面时，对应的预标记的骨性标志为股骨远端线。首先在股骨远端线上选取多个像素(图4中只示出了其中一个实例)，在该像素上与远端线垂直的行中在两个方向各自选取多个像素，并取到每个像素的灰度值。
如图6所示，在当应用实例为股骨矢状面时，对应的预标记的骨性标志为预标记的股骨后髁参考线。在所述参考线上标定7个等距点，一个点就是一个像素，在每个点上与该参考线垂直的行中在两个方向各自选取多个像素每行10个像素，共计7行，取到每个像素的灰度值。
预先标定的参考标记只是根据经验得出的，其并不是真正精确的股骨表面轮廓，因此为了得到用于精确定位股骨远端截骨面，还需要进一步地给出更加精确的股骨表面轮廓线，并由此确定精确的股骨表面的精确的骨性标志。预先标定的骨性标志虽然不是完全精确当时其通常在精确的骨性标志附近，采用像素扩展的方式能够有效地在预先标定的骨性标志周围寻找精确的股骨轮廓的区域，因此通过扩展像素的方法既能够提高搜寻的效率又能够满足足够的精确程度。
步骤三、对像素点灰度值曲线进行拟合，得到灰度值随着像素点变化的关系曲线，将曲线中灰度值最低的点确定为股骨边缘的位置点。
如图3所示，影像文件中的图形是由256*160个像素组成。每个像素右一个灰度值，灰度值的大小决定了每个像素的亮度，数值越高，像素越亮(越白)。一般骨性组织的灰度值都在400以上。在骨性组织边缘为皮质骨，皮质骨的像素的灰度值在200～250之间，在灰度值表上，呈现一个急剧下降的低谷。基于此原理，灰度最低值附近的像素可以判定为皮质骨，即股骨边缘。
在本具体实施方式中，通过曲线拟合多个像素点的方式来判断股骨边缘可以将多个离散的点拟合成连续变化的曲线，对于该曲线寻找像素值最低的位置，这样可以更加精确的定位股骨边缘而突破了影响文件分辨率的限制。
步骤四、根据步骤三确定的股骨边缘的位置点拟合出股骨边缘轮廓曲线。
当得到了多个股骨边缘的精确位置点之后，对多个位置点进行曲线拟合，拟合后的曲线即为股骨边缘在该切面上的轮廓线。
例如，以冠状面为例，多个股骨边缘的精确位置点示例性的为n0,n1,n2,n3,n4其坐标值分别为(x0,y0)，(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)，建立多项式拟合函数：y＝p0+p1x+p2x2+p3x3+p4x4，其中p0,p1,p2,p3,p4为待定的系数，通过已有的坐标值使用多项式拟合的方式拟合得到的曲线即为股骨边缘轮廓曲线。通过对该曲线求导，即可得到精确的相应的股骨骨性标志。
以矢状面为例，多个股骨边缘的精确位置点为r0,r1,r2,r3,r4,r5,r6。对r0～r6逐行选取拟合点像素。最后得到拟合曲线：y＝p0+p1z+p2z2+p3z3+p4z4拟合后的曲线即为股骨边缘在该切面上的轮廓线。通过对该曲线求导，即可得到精确的相应的股骨骨性标志。

Claims (5)

1.一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，所述方法包括如下步骤：
步骤一、输入膝关节扫描的影像文件，预标记一个或多个骨性标志；
步骤二、选取与标记的骨性标记上的像素点，并扩展选取与骨性标记在选取的像素点上相交的行中的多个像素值，并取得每个像素值的灰度数值；
步骤三、对像素点灰度值曲线进行拟合，得到灰度值随着像素点变化的关系曲线，将曲线中灰度值最低的点确定为股骨边缘的位置点；
步骤四、根据步骤三确定的股骨边缘的位置点拟合出股骨边缘轮廓曲线；
步骤五、对该股骨边缘轮廓曲线进行求导，得到骨性标志线。
2.根据权利要求1所述的一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，在步骤一中，将膝关节MRI扫描的DICOM格式的影像文件作为输入，将人工预标记一个或多个骨性标志的图片作为输出，来训练神经网络模型，通过神经网络模型来输出预标记一个或多个骨性标志的图片。
3.根据权利要求1-2所述的一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，所述影像文件为股骨冠状面影像，对应的预标记的骨性标志为股骨远端线；在步骤二中，在股骨远端线上选取多个像素，在该像素上与远端线垂直的行中在两个方向各自选取多个像素，并取到每个像素的灰度值。
4.根据权利要求1-3所述的一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，所述影像文件为股骨矢状面影像，对应的预标记的骨性标志为预标记的股骨后髁参考线；在所述参考线上标定多个等距点，在每个点上与该参考线垂直的行中在两个方向各自选取多个像素，取到每个像素的灰度值。
5.根据权利要求1所述的一种根据膝关节扫描的影像确定股骨特征的方法,其特征在于，所述拟合为多项式拟合。
CN201811323436.9A 2018-11-08 2018-11-08 一种mri/ct影像中骨边界和参考骨性标志物识别的方法 Pending CN109528195A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811323436.9A CN109528195A (zh) 2018-11-08 2018-11-08 一种mri/ct影像中骨边界和参考骨性标志物识别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811323436.9A CN109528195A (zh) 2018-11-08 2018-11-08 一种mri/ct影像中骨边界和参考骨性标志物识别的方法

Publications (1)

Publication Number Publication Date
CN109528195A true CN109528195A (zh) 2019-03-29

Family

ID=65844821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811323436.9A Pending CN109528195A (zh) 2018-11-08 2018-11-08 一种mri/ct影像中骨边界和参考骨性标志物识别的方法

Country Status (1)

Country Link
CN (1) CN109528195A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961436A (zh) * 2019-04-04 2019-07-02 北京大学口腔医学院 一种基于人工神经网络模型的正中矢状平面构建方法
CN111583240A (zh) * 2020-05-09 2020-08-25 北京天智航医疗科技股份有限公司 一种股骨端前后轴线的确定方法、装置和计算机设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103186901A (zh) * 2013-03-29 2013-07-03 中国人民解放军第三军医大学 全自动图像分割方法
CN103440665A (zh) * 2013-09-13 2013-12-11 重庆大学 膝关节软骨图像自动分割方法
US20130336553A1 (en) * 2010-08-13 2013-12-19 Smith & Nephew, Inc. Detection of anatomical landmarks
US20150105698A1 (en) * 2013-10-16 2015-04-16 Somersault Orthopedics Inc. Method for knee resection alignment approximation in knee replacement procedures
US20150125060A1 (en) * 2013-11-01 2015-05-07 Somersault Orthopedics Inc. Method for tibia resection alignment approximation in knee replacement procedures
CN105139442A (zh) * 2015-07-23 2015-12-09 昆明医科大学第一附属医院 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法
US20180177554A1 (en) * 2011-12-21 2018-06-28 Zimmer, Inc. System and method for pre-operatively determining desired alignment of a knee joint
CN108765417A (zh) * 2018-06-15 2018-11-06 西安邮电大学 一种基于深度学习和数字重建放射影像的股骨x线片生成系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130336553A1 (en) * 2010-08-13 2013-12-19 Smith & Nephew, Inc. Detection of anatomical landmarks
US20180177554A1 (en) * 2011-12-21 2018-06-28 Zimmer, Inc. System and method for pre-operatively determining desired alignment of a knee joint
CN103186901A (zh) * 2013-03-29 2013-07-03 中国人民解放军第三军医大学 全自动图像分割方法
CN103440665A (zh) * 2013-09-13 2013-12-11 重庆大学 膝关节软骨图像自动分割方法
US20150105698A1 (en) * 2013-10-16 2015-04-16 Somersault Orthopedics Inc. Method for knee resection alignment approximation in knee replacement procedures
US20150125060A1 (en) * 2013-11-01 2015-05-07 Somersault Orthopedics Inc. Method for tibia resection alignment approximation in knee replacement procedures
CN105139442A (zh) * 2015-07-23 2015-12-09 昆明医科大学第一附属医院 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法
CN108765417A (zh) * 2018-06-15 2018-11-06 西安邮电大学 一种基于深度学习和数字重建放射影像的股骨x线片生成系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961436A (zh) * 2019-04-04 2019-07-02 北京大学口腔医学院 一种基于人工神经网络模型的正中矢状平面构建方法
CN109961436B (zh) * 2019-04-04 2021-05-18 北京大学口腔医学院 一种基于人工神经网络模型的正中矢状平面构建方法
CN111583240A (zh) * 2020-05-09 2020-08-25 北京天智航医疗科技股份有限公司 一种股骨端前后轴线的确定方法、装置和计算机设备
CN111583240B (zh) * 2020-05-09 2023-05-26 北京天智航医疗科技股份有限公司 一种股骨端前后轴线的确定方法、装置和计算机设备

Similar Documents

Publication Publication Date Title
CN113017829B (zh) 一种基于深度学习的全膝关节置换术的术前规划方法、系统、介质和设备
WO2022142741A1 (zh) 全膝关节置换术前规划方法和装置
WO2022170768A1 (zh) 单髁关节图像的处理方法、装置、设备和存储介质
WO2022161161A1 (zh) 用于全膝关节置换手术的智能导板设计方法及装置
US11354802B2 (en) Systems and methods for evaluating accuracy in a patient model
WO2022007972A1 (zh) 一种全髋关节图像的处理方法及装置
JP5684702B2 (ja) 関節形成術を受ける関節のコンピュータモデルを生成する際の画像セグメント化のための方法
EP2996599B1 (en) Planning methods for surgical correction of abnormal bones
CN111652888B (zh) 基于深度学习的确定髓腔解剖轴线的方法及装置
AU2019257418A1 (en) Bone reconstruction and orthopedic implants
US11337760B2 (en) Automated hip analysis methods and devices
US20200163703A1 (en) Method for Optimization of Orthopedic Component Design
CN111134840B (zh) 膝关节置换手术方案的生成装置和终端
JP2015531253A (ja) 個別患者向けインプラント技術
CN105434009A (zh) 用于股骨截骨术的导航模板、使用方法及制作方法
CN109528195A (zh) 一种mri/ct影像中骨边界和参考骨性标志物识别的方法
CN114419618A (zh) 基于深度学习的全髋关节置换术前规划系统
CN108938042A (zh) 个性化膝关节截骨导板组件及其设计方法
CN105380707B (zh) 一种个体化定制截骨矫形导板及其制作方法
CN113077499B (zh) 骨盆配准方法、骨盆配准装置和骨盆配准系统
Rashid et al. Geometrical model creation methods for human humerus bone and modified cloverleaf plate
CN117274334A (zh) 一种基于点云的实时骨骼模型重建方法及系统
CN116172763A (zh) 一种端到端的髋关节置换手术规划方案智能化生成装置和方法
Baad-Hansen et al. High-precision measurements of cementless acetabular components using model-based RSA: an experimental study
CN113724319A (zh) 一种人工髋关节假体型号匹配方法和系统

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190329