CN109872395A - 一种基于面片模型的x射线图像模拟方法 - Google Patents
一种基于面片模型的x射线图像模拟方法 Download PDFInfo
- Publication number
- CN109872395A CN109872395A CN201910068600.4A CN201910068600A CN109872395A CN 109872395 A CN109872395 A CN 109872395A CN 201910068600 A CN201910068600 A CN 201910068600A CN 109872395 A CN109872395 A CN 109872395A
- Authority
- CN
- China
- Prior art keywords
- model
- organ
- radioscopic image
- value
- depth
- 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.)
- Granted
Links
Landscapes
- Image Generation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于面片模型的X射线图像模拟方法,涉及医学虚拟现实技术领域,包含以下步骤:从CT图像中分割获得各器官的三角面片模型;对各器官的模型的正向面深度图和背向面深度图进行顺序无关的融混操作,获得器官模型各投影位置处的厚度值;对每一器官模型使用朗伯‑比尔定律模拟X射线的能量衰减;对多个器官的X射线图像进行深度融合;对融合后的X射线图像加入噪声。本技术方案更加准确的进行介入手术的模拟,提高虚拟训练和预演的真实性;使用顺序无关的透明技术完成融混操作,解决了几何体可能存在自交叉导致无法完成排序的问题;有效地还原X射线透过人体时发生的衰减;使用光线投射算法,解决了多个器官模型进行深度排序的问题。
Description
技术领域
本发明涉及医学虚拟现实技术领域,具体涉及一种基于面片模型的X射线图像模拟方法。
背景技术
心血管疾病是全球死亡的主要原因之一。其中,心脏冠状动脉疾病在冠状动脉中形成斑块,严重威胁人类的生命健康。经皮冠状动脉介入手术是治疗心血管疾病有效技术,其主要过程是:在X光的引导下,医生经过穿刺体表血管将导丝送入人股动脉,导丝经由股动脉,沿动脉逆行进入主动脉,进入到冠状动脉血管网中,医生接着通过特定的心脏导管操作技术对冠状动脉柱塞等进行确诊和治疗。
经皮冠状动脉介入手术是一个微创手术,手术操作过程精细和复杂,因此需要手术操作者具有高超的技巧和丰富的经验。为了培训医生和/或医学生的手术操作技巧并对该手术过程进行预演和规划,出现了针对经皮冠状动脉介入手术练习的血管介入模拟器。
现有技术中的血管介入模拟器,模拟影像中的几何体可能存在自交叉导致无法完成排序的问题,也未能实现影像设备透过人体时发生的衰减,此外,现有的血管介入模拟器无法解决多个器官模型进行深度排序的问题。
综上所述,现有技术中的血管介入模拟器虽然能够为培训医生和/或医学生的手术操作技巧并对该手术过程进行预演和规划,但随着医学快速发展,如何有效地解决上述现有技术中的问题,并提升进行皮冠状动脉介入手术的模拟过程的准确性,及虚拟训练和预演的真实性等技术问题,是目前本领域技术人员需解决的问题。
发明内容
为实现上述目的,本发明首先提供一种基于面片模型的X射线图像模拟方法。
一种基于面片模型的X射线图像模拟方法,包含以下步骤:
从CT图像中分割获取各器官的三角面片模型;
对各器官的模型的正向面深度图和背向面深度图进行顺序无关的融混操作,获得器官模型各投影位置处的厚度值;
对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减;
对多个器官的X射线图像进行深度融合;
对融合后的X射线图像加入噪声。
所述从CT图像中分割获取各器官的三角面片模型包含以下步骤:
针对不同器官的特点,使用不同的图像分割算法进行器官模型的三维重建;
器官模型使用三角网格进行存储。
所述对器官模型的正向面深度图和背向面深度图进行顺序无关的融混操作包含以下步骤:
以射线源所在位置为相机位置,光线发射方向为观察方向进行相机参数设置;
将世界视点投影矩阵传入顶点着色程序中,并在其中计算每个点的投影坐标,投影坐标的Z值即为深度值;
在片段着色程序中将深度值进行归一化,再将深度值赋给颜色值,剔除深度值较大的片段,获得场景的正向面深度图;
剔除深度值较小的片段,获得场景的背向面深度图;
将两张深度图上的数据进行顺序无关的融混操作,得到的值就是器官模型对应投影位置处的厚度值。
所述对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减包含以下步骤:
针对每一器官模型的每一投影位置计算对应的厚度值;
设置每一器官对X射线的吸收系数;
使用朗伯-比尔定律模拟X射线的能量衰减。
所述对多个器官的X射线图像进行深度融合的过程为使用光线投射算法,包含以下步骤:
根据视点和器官模型表面点确定一条投射光线;
在射线穿越过程中对各器官模型进行等距采样;
对每次得到的采样数据按照光透公式进行反复累加。
所述对融合后的X射线图像加入噪声包含以下步骤:
使用纹理贴图来存储计算完成的噪声模型数据;
在绘制X射线图像过程中,通过纹理采样,对每一片元像素叠加随机噪声。
所述各器官包括肺脏、心脏、肝脏、肾脏、横膈膜、骨骼、皮肤。
不同的图像分割算法包括:
肺脏:水平集;
肝脏、肾脏:图割;
皮肤、骨骼、横膈膜:阈值;
血管:水平集算法对CTA数据进行血管的粗分割,提取血管的中心线,获取中心线在每间隔预设距离的位置处的横截面的半径信息,根据横截面的半径信息对中心线进行放样处理,获得细化后的精细的血管;
心脏:随机游走。
所述将两张深度图上的数据进行顺序无关的融混操作,包括所述正向面深度减去所述背向面深度,得到的值就是器官模型对应投影位置处的厚度值。
所述正向面深度图上的每个像素的颜色值为任一方向上离视点最近的点的距离;
所述背向面深度图上的每个像素的颜色值为任一方向上离视点最远的点的距离。
有益效果
1、从临床CT扫描数据中提取出个性化的器官模型,实现了基于面片模型的X射线图像模拟,构造的X射线图像应用于经皮冠状动脉介入模拟器中,更加准确的进行介入手术的模拟,提高虚拟训练和预演的真实性;
2、使用顺序无关的透明技术完成融混操作,解决了几何体可能存在自交叉导致无法完成排序的问题。
3、模拟X射线透过均匀介质时的能量衰减,有效地还原了X射线透过人体时发生的衰减。
4、使用光线投射算法,解决了多个器官模型进行深度排序的问题。
附图说明
图1为本实施例中的一种基于面片模型的X射线图像模拟方法的流程图;
图2为本实施例中的正向面深度图的示意图;
图3为本实施例中的背向面深度图的示意图;
图4为本实施例中的器官模型投影位置处的厚度值的示意图。
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。若未特别指明,实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
如图1所示,一种基于面片模型的X射线图像模拟方法,包含以下步骤:
从CT图像中分割获取各器官的三角面片模型;
对各器官的模型的正向面深度图和背向面深度图进行顺序无关的融混操作,获得器官模型各投影位置处的厚度值,如图2-4所示;
对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减;
对多个器官的X射线图像进行深度融合;
对融合后的X射线图像加入噪声。
所述从CT图像中分割获取各器官的三角面片模型包含以下步骤:
针对不同器官的特点,使用不同的图像分割算法进行器官模型的三维重建;
器官模型使用三角网格进行存储。
所述对器官模型的正向面深度图和背向面深度图进行顺序无关的融混操作包含以下步骤:
以射线源所在位置为相机位置,光线发射方向为观察方向进行相机参数设置;
将世界视点投影矩阵传入顶点着色程序中,并在其中计算每个点的投影坐标,投影坐标的Z值即为深度值;
如图2-4所示,在片段着色程序中将深度值进行归一化,再将深度值赋给颜色值,剔除深度值较大的片段,获得场景的正向面深度图;
剔除深度值较小的片段,获得场景的背向面深度图;
将两张深度图上的数据进行顺序无关的融混操作,得到的值就是器官模型对应投影位置处的厚度值。
把顶点转变为一个1×4的矩阵,前三个值分别是x、y和z坐标,第四个元素是缩放因子。把顶点与模型视图矩阵相乘,产生经过变换的视觉坐标,将视觉坐标与投影矩阵相乘,产生裁剪坐标,有效地消除了可视区域以外的所有数据。
如图2-4所示,对于屏幕上的每个像素,深度缓存都会记录场景中物体与视点在这个像素上的距离信息。如果输入的深度值可以通过指定的深度测试环节,就可以替换当前深度缓存中已有的深度值。通过设置不同的深度测试的比较函数,可以分别获得场景的正向面深度图和背向面深度图。
所述相机是将视图变换操作类比为使用照相机拍摄照片的过程。使用所述视图变换的主要步骤为:
视图变换,将相机移动到准备拍摄的位置,将它对准某个方向;
模型变换,将准备拍摄的对象移动到场景中必要的位置上;
投影变换,设置相机的焦距,或者调整缩放比例;
应用变换结果,拍摄照片;
视口变换,对结果图像进行拉伸或挤压,将它变换到需要的图片大小。
所述顶点着色程序和所述片段着色程序均属于OpenGL着色程序。所述顶点着色程序将接收在顶点缓存对象中给出的顶点数据,独立处理每个顶点;所述片段着色程序会处理OpenGL光栅化之后生成的独立片元。
所述深度值存放的是视点到每个像素所对应的空间点的距离衡量,又称为Z值。物体的Z值范围位于[0,1]区间,默认情况下,最接近眼睛的顶点,也就是近裁减面上,其Z值为0.0;离眼睛最远的顶点,也就是远裁减面上,其Z值为1.0。使用深度值可以用来判断空间点的遮挡关系。
所述顺序无关的融混操作,可以将帧缓存中已有的颜色与输入的片元颜色进行混合。OpenGL所提供的固定融混功能有诸多限制,只能完成一小部分固定的操作,并且不能随便交换操作的顺序。由于器官模型基于临床CT数据建模获得,有时几何体可能存在自交叉的情形,导致无法完成排序,因此本发明使用顺序无关的透明技术来完成融混操作。在片元着色器中构建一个链表并保存到一维的缓存图像中,链表的每个元素都记录一个对最终像素颜色有贡献的片元值,包括颜色、Alpha值、深度值和Next指针。使用原子计数器来记录链表中添加的片元的总数,屏幕的每个像素都会产生一个独立的链表,其中包含所有对这个像素有贡献的透明片元项。虽然所有像素的片元都保存到同一个缓存图像中,但是结果的链表还是交错的,每个像素都要保存自己的Head指针,并将其存储到与帧缓存大小相同的一个2D图像中。Head指针的更新是原子操作的形式,因为数据项总是从图像的头部加入,并且通过原子交换操作来确保多个着色器请求不会对同一个链表执行添加操作,所以也不会对各自的结果产生影响。完成链表数据结构的构建,可以在第二个渲染过程中对整个帧缓存进行操作。这一过程的片元着色器将遍历像素对应的链表并对链表中的片元数据按照深度排序,当所有片元按照深度顺序排列完成后,就可以从后向前实现融混,完成对所有片元的融混操作。
所述对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减包含以下步骤:
针对每一器官模型的每一投影位置计算对应的厚度值;
设置每一器官对X射线的吸收系数;
使用朗伯-比尔定律模拟X射线的能量衰减。
所述的朗伯-比尔定律是当一窄束单色的X射线透过一种密度和原子序数均匀的介质时,假设介质厚度为L,吸收系数为μx,近似地得到沿原方向出射的X射线能量I和入射的X射线能量I0的关系:
所述朗伯-比尔定律通常用来描述纯吸收介质或散射较弱的介质。在本发明中,我们对每一器官分别进行X射线图像的模拟,可以近似认为介质的密度和原子序数是均匀的。
所述对多个器官的X射线图像进行深度融合的过程为使用光线投射算法,包含以下步骤:
根据视点和器官模型表面点确定一条投射光线;
在射线穿越过程中对各器官模型进行等距采样;
对每次得到的采样数据按照光透公式进行反复累加。
所述光线投射算法是基于图像序列的绘制算法。从图像的每一个像素沿视线方向发射一条光线,光线穿越整个图像序列。在这个过程中,对图像序列进行采样获取颜色信息,同时依据光线吸收模型将颜色值进行累加,直至光线穿越整个图像序列,最后得到的颜色值就是渲染图像的颜色。
透明度本质上代表着光穿透物体的能力,光穿透一个物体会导致波长比例的变化,如果穿越多个物体,则这种变化是累加的。在本发明的场景中,存在着多个器官模型,需要对这些器官模型进行深度排序。在所述光线投射算法中,射线穿越器官模型的同时也就是透明度的排序过程。从前面到背面进行采样合成,合成公式即光透公式为:
C'i=(1-A'i-1)Ci+C'i-1
A'i=(1-A'i-1)Ai+A'i-1
其中,Ci是采样所得到的颜色值,Ai是采样所得到的不透明度,C'i是累加的颜色值,A'i是累加的不透明度。
所述对融合后的X射线图像加入噪声包含以下步骤:
使用纹理贴图来存储计算完成的噪声模型数据;
在绘制X射线图像过程中,通过纹理采样,对每一片元像素叠加随机噪声。
所述各器官包括肺脏、心脏、肝脏、肾脏、横膈膜、骨骼、皮肤。
不同的图像分割算法包括:
肺脏:水平集;
肝脏、肾脏:图割;
皮肤、骨骼、横膈膜:阈值;
血管:水平集算法对CTA数据进行血管的粗分割,提取血管的中心线,获取中心线在每间隔预设距离的位置处的横截面的半径信息,根据横截面的半径信息对中心线进行放样处理,获得细化后的精细的血管;
心脏:随机游走。
如图2-4所示,所述将两张深度图上的数据进行顺序无关的融混操作,包括所述正向面深度减去所述背向面深度,得到的值就是器官模型对应投影位置处的厚度值。
所述正向面深度图上的每个像素的颜色值为任一方向上离视点最近的点的距离;
所述背向面深度图上的每个像素的颜色值为任一方向上离视点最远的点的距离。
所述正向面深度图和所述背向面深度图均为一张2D图片,每个像素都记录了从光源到遮挡物的距离,并且这些像素对应的顶点对于光源而言是可见像素。这里的可见像素是指以光源为观察点,光的方向为观察方向,设置观察矩阵并渲染所有遮挡物,最终出现在渲染表面上的像素。
虽然,上文中已经用一般性说明及具体实施方案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 (10)
1.一种基于面片模型的X射线图像模拟方法,其特征在于,包含以下步骤:
从CT图像中分割获取各器官的三角面片模型;
对各器官的模型的正向面深度图和背向面深度图进行顺序无关的融混操作,获得器官模型各投影位置处的厚度值;
对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减;
对多个器官的X射线图像进行深度融合;
对融合后的X射线图像加入噪声。
2.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,所述从CT图像中分割获取各器官的三角面片模型包含以下步骤:
针对不同器官的特点,使用不同的图像分割算法进行器官模型的三维重建;
器官模型使用三角网格进行存储。
3.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,所述对器官模型的正向面深度图和背向面深度图进行顺序无关的融混操作包含以下步骤:
以射线源所在位置为相机位置,光线发射方向为观察方向进行相机参数设置;
将世界视点投影矩阵传入顶点着色程序中,并在其中计算每个点的投影坐标,投影坐
标的 Z 值即为深度值;
在片段着色程序中将深度值进行归一化,再将深度值赋给颜色值,剔除深度值较大的
片段,获得场景的正向面深度图;
剔除深度值较小的片段,获得场景的背向面深度图;
将两张深度图上的数据进行顺序无关的融混操作,得到的值就是器官模型对应投影位置处的厚度值。
4.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,所述对每一器官模型使用朗伯-比尔定律模拟X射线的能量衰减包含以下步骤:
针对每一器官模型的每一投影位置计算对应的厚度值;
设置每一器官对X射线的吸收系数;
使用朗伯-比尔定律模拟X射线的能量衰减。
5.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,所述对多个器官的X射线图像进行深度融合的过程为使用光线投射算法,包含以下步骤:
根据视点和器官模型表面点确定一条投射光线;
在射线穿越过程中对各器官模型进行等距采样;
对每次得到的采样数据按照光透公式进行反复累加。
6.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,所述对融合后的X射线图像加入噪声包含以下步骤:
使用纹理贴图来存储计算完成的噪声模型数据;
在绘制X射线图像过程中,通过纹理采样,对每一片元像素叠加随机噪声。
7.如权利要求1或5所述的基于面片模型的X射线图像模拟方法,其特征在于,所述各器官包括肺脏、心脏、肝脏、肾脏、横膈膜、骨骼、皮肤。
8.如权利要求1所述的基于面片模型的X射线图像模拟方法,其特征在于,不同的图像分割算法包括:
肺脏:水平集;
肝脏、肾脏:图割;
皮肤、骨骼、横膈膜:阈值;
血管:水平集算法对CTA数据进行血管的粗分割,提取血管的中心线,
获取中心线在每间隔预设距离的位置处的横截面的半径信息,根据横截面的半径信息对中心线进行放样处理,获得细化后的精细的血管;
心脏:随机游走。
9.如权利要求3所述的基于面片模型的X射线图像模拟方法,其特征在于,所述将两张深度图上的数据进行顺序无关的融混操作,包括所述正向面深度减去所述背向面深度,得到的值就是器官模型对应投影位置处的厚度值。
10.如权利要求3所述的基于面片模型的X射线图像模拟方法,其特征在于,
所述正向面深度图上的每个像素的颜色值为任一方向上离视点最近的点的距离;
所述背向面深度图上的每个像素的颜色值为任一方向上离视点最远的点的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910068600.4A CN109872395B (zh) | 2019-01-24 | 2019-01-24 | 一种基于面片模型的x射线图像模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910068600.4A CN109872395B (zh) | 2019-01-24 | 2019-01-24 | 一种基于面片模型的x射线图像模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109872395A true CN109872395A (zh) | 2019-06-11 |
CN109872395B CN109872395B (zh) | 2023-06-02 |
Family
ID=66918028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910068600.4A Active CN109872395B (zh) | 2019-01-24 | 2019-01-24 | 一种基于面片模型的x射线图像模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872395B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264479A (zh) * | 2019-06-25 | 2019-09-20 | 南京景三医疗科技有限公司 | 基于随机游走和水平集的三维图像分割方法 |
CN113269890A (zh) * | 2021-07-21 | 2021-08-17 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150029185A1 (en) * | 2013-07-23 | 2015-01-29 | Mako Surgical Corp. | Method and system for x-ray image generation |
CN104658034A (zh) * | 2013-11-18 | 2015-05-27 | 清华大学 | Ct图像数据的融合绘制方法 |
JP2018121857A (ja) * | 2017-01-31 | 2018-08-09 | ザイオソフト株式会社 | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム |
-
2019
- 2019-01-24 CN CN201910068600.4A patent/CN109872395B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150029185A1 (en) * | 2013-07-23 | 2015-01-29 | Mako Surgical Corp. | Method and system for x-ray image generation |
CN104658034A (zh) * | 2013-11-18 | 2015-05-27 | 清华大学 | Ct图像数据的融合绘制方法 |
JP2018121857A (ja) * | 2017-01-31 | 2018-08-09 | ザイオソフト株式会社 | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム |
Non-Patent Citations (1)
Title |
---|
吴磊等: "基于CUDA的体绘制GPU加速算法", 《生命科学仪器》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264479A (zh) * | 2019-06-25 | 2019-09-20 | 南京景三医疗科技有限公司 | 基于随机游走和水平集的三维图像分割方法 |
CN110264479B (zh) * | 2019-06-25 | 2023-03-24 | 南京景三医疗科技有限公司 | 基于随机游走和水平集的三维图像分割方法 |
CN113269890A (zh) * | 2021-07-21 | 2021-08-17 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
CN113269890B (zh) * | 2021-07-21 | 2021-11-19 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109872395B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211215B (zh) | 医用图像处理装置以及医用图像处理方法 | |
JP4421016B2 (ja) | 医用画像処理装置 | |
JP4662766B2 (ja) | 最適化視野マップを生成する方法および画像化システム並びにコンピューターワークステーション及びコンピューター読取可能媒体 | |
US4737921A (en) | Three dimensional medical image display system | |
CN101065062B (zh) | 图像处理系统和介入期间显示图像的方法 | |
JP7083234B2 (ja) | シャドウ画像をシミュレートする方法、デバイスおよびシステム | |
CN105992996A (zh) | 外科手术环境中的动态和交互式导航 | |
JP6214646B2 (ja) | 血管造影図における時間的な解剖学的標的タグ付け | |
CN109872395A (zh) | 一种基于面片模型的x射线图像模拟方法 | |
JP5289966B2 (ja) | インターベンショナル手順中、シルエットレンダリング及び画像を表示するための画像処理システム及び方法 | |
Cullip et al. | Digitally reconstructed fluoroscopy and other interactive volume visualizations in 3-D treatment planning | |
Muniyandi et al. | Real-time PC based X-ray simulation for interventional radiology training | |
Reitinger et al. | Efficient volume measurement using voxelization | |
JPH0728976A (ja) | 画像表示装置 | |
Costa Jr et al. | Cinematic rendering for three-dimensional reconstructions of the chest wall: a new reality | |
Albiol et al. | Densitometric radiographic imaging with contour sensors | |
EP4231246A1 (en) | Technique for optical guidance during a surgical procedure | |
US20220343586A1 (en) | Method and system for optimizing distance estimation | |
Kirmizibayrak et al. | Interactive focus+ context medical data exploration and editing | |
RU2684760C1 (ru) | Способ и система предоперационного моделирования медицинской процедуры | |
EP4215243A1 (en) | A computer-implemented method for use in determining a radiation dose distribution in a medical volume | |
Karangelis | 3D simulation of external beam radiotherapy | |
Raab et al. | Non-photorealistic rendering for minimally invasive procedures | |
WO2008063081A2 (en) | A method for visualising a three-dimensional image of a human body part | |
CA2365062A1 (en) | Fast review of scanned baggage, and visualization and extraction of 3d objects of interest from the scanned baggage 3d dataset |
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 |