CN110881955A - 一种基于静脉穿刺机器人的静脉血管识别系统 - Google Patents
一种基于静脉穿刺机器人的静脉血管识别系统 Download PDFInfo
- Publication number
- CN110881955A CN110881955A CN201911380438.6A CN201911380438A CN110881955A CN 110881955 A CN110881955 A CN 110881955A CN 201911380438 A CN201911380438 A CN 201911380438A CN 110881955 A CN110881955 A CN 110881955A
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- vein
- image processing
- blood vessel
- 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
- 210000003462 vein Anatomy 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 29
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 230000001419 dependent effect Effects 0.000 abstract 1
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 208000024248 Vascular System injury Diseases 0.000 description 1
- 208000012339 Vascular injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 239000008155 medical solution Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0064—Body surface scanning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于静脉穿刺机器人的静脉血管识别系统,属于生机电一体化技术领域,为了解决现有的静脉穿刺极大的依赖医护人员的经验和熟练度以及对于特殊病人想要准确地进行静脉穿刺十分困难的问题。本发明的近红外光源模块用于提供近红外光;两个近红外图像采集模块用于分别采集静脉血管的近红外图像,并将获取的两个近红外图像分别发送至图像处理模块;图像处理模块用于对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图,并实时对静脉血管上表面点云图进行显示。有益效果为提高静脉穿刺成功率。
Description
技术领域
本发明属于生机电一体化技术领域。
背景技术
无论是在大型医院还是小型诊所,通过刺破静脉获取血液样本或者注射药液都是最常见的医疗程序之一。目前临床上静脉穿刺主要依靠熟练的医护人员进行,这些人员需经过专门的培训和大量的尝试。常用的静脉血管穿刺方法操作如下:给病人扎上止血带,然后让其握拳使静脉血管突出从而方便进行静脉穿刺。这种穿刺流程的成功率极大依赖医护人员的经验和熟练度,对于肤色较黑、静脉较深、覆盖伤症、纹身及毛发的病人,尤其是婴幼儿、老年人、肥胖者以及脱水病人等,由于难以准确定位静脉血管位置,想要准确地进行静脉穿刺十分困难。如果静脉穿刺失败,不但会为患者带来额外疼痛和精神上的压力,还有可能由于针头引入不当导致并发症,尤其对于少儿患者来说,如疼痛增加、内出血、血管损伤或静脉输液泄漏到血管外组织,引起严重的后果。
发明内容
本发明的目的是为了解决现有的静脉穿刺极大的依赖医护人员的经验和熟练度以及对于特殊病人想要准确地进行静脉穿刺十分困难的问题,提出了一种基于静脉穿刺机器人的静脉血管识别系统。
本发明所述的一种基于静脉穿刺机器人的静脉血管识别系统包括近红外光源模块、两个近红外图像采集模块和图像处理模块;
近红外光源模块用于提供近红外光;
两个近红外图像采集模块用于分别采集静脉血管的近红外图像,并将获取的两个近红外图像分别发送至图像处理模块;
图像处理模块用于对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图,并实时对静脉血管上表面点云图进行显示。
本发明基于静脉穿刺机器人设计的静脉血管识别系统;该静脉血管系统采用两个近红外图像采集模块,并利用生物组织在近红外光下,能够采集到清晰的皮下静脉血管图像的特性,获取静脉血管的近红外图像,并利用图像处理模块实时获取完整的静脉血管上表面点云图;为静脉穿刺机器人提供血管识别依据。
本发明的有益效果是:静脉穿刺机器人依据该静脉血管识别系统获取的完整的静脉血管上表面点云图,能够获得合适的穿刺位置,提高静脉穿刺成功率;为了提高安全性与可检测性,本发明可以在近红外图像处理模块中获得血管实时图像,监测血管情况及进针位置,降低穿刺风险。
附图说明
图1为具体实施方式一所述的一种基于静脉穿刺机器人的静脉血管识别系统的结构示意图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,本实施方式所述的一种基于静脉穿刺机器人的静脉血管识别系统,其特征在于,该静脉血管识别系统包括近红外光源模块1、两个近红外图像采集模块和图像处理模块5;
近红外光源模块1用于提供近红外光;
两个近红外图像采集模块用于分别采集静脉血管的近红外图像,并将获取的两个近红外图像分别发送至图像处理模块5;
图像处理模块5用于对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图,并实时对静脉血管上表面点云图进行显示。
在本实施方式中,图像处理模块5有电脑装载VisualStudio2017、OpenCV4.0与Point Cloud Library实现;Point Cloud Library为点云库。
具体实施方式二:本实施方式是对具体实施方式一所述的一种基于静脉穿刺机器人的静脉血管识别系统进一步限定,在本实施方式中,所述近红外图像采集模块包括红外增强摄像头2、镜头3和近红外光窄带滤光片4;
镜头3设置在红外增强摄像头2外端,近红外光窄带滤光片4设置在镜头3上;近红外光窄带滤光片4用于消除外界环境光线的干扰,既而便于获得清晰的静脉血管近红外图像;
红外增强摄像头2的图像信号输出端与图像处理模块5的图像信号输入端相连。
在本实施方式中,红外增强摄像头2采集的图像通过USB传输至图像处理模块5。
在本实施方式中,镜头3的焦距为8mm;近红外光窄带滤光片4的中心波长为850nm;红外增强摄像头2的型号为:GS3-U3-41C6NIR-C;红外增强摄像头2配有CMOSIS CMV4000-3E12感光芯片(近红外增强),每秒90帧图像,410万像素分辨率;镜头3的型号为:Kowa-LM8HC-SW。
具体实施方式三:本实施方式是对具体实施方式一所述的一种基于静脉穿刺机器人的静脉血管识别系统进一步限定,在本实施方式中,所述近红外光源模块1为:多颗波长为850nm的LED光源配上散光板组成面的光源。
具体实施方式四:本实施方式是对具体实施方式二所述的一种基于静脉穿刺机器人的静脉血管识别系统进一步限定,在本实施方式中,图像处理模块5对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图的具体方法为:
步骤一、对两个近红外图像采集模块中的红外增强摄像头2进行标定,获取内外参数;
步骤二、对两个近红外图像采集模块中的红外增强摄像头2采集到的手臂图像进行立体校正,消除图像畸变;
步骤三、对步骤二中校正后的图像采用Cross-Scale Stereo算法进行立体匹配,获得手臂双目视差图;
步骤四、对其中一个近红外图像采集模块获取的近红外图像进行灰度转换,实现同态滤波;该步骤用于消除噪声;
步骤五、对步骤四中同态滤波后的图像进行限制对比度自适应直方图均衡化处理;该步骤用于提升图像的对比度;
步骤六、对步骤五中的直方图均衡化后的静脉血管图像进行自适应阈值分割,获得静脉血管的二值图像;
步骤七、对步骤六中的二值图像进行后处理;该后处理为通过孔洞填充算法拓展前景不连通的部分,同时消除背景的噪点,然后对孔洞填充后的图像执行闭运算,填平小孔,弥合小裂缝,保持二值图像总的位置不变和形状不变;
步骤八、使用步骤七中后处理后的二值图像切割步骤二中的双目视差图,获得静脉血管的视差图;
步骤九、通过点云库对步骤八中获得的静脉血管视差图进行处理,获得完整的静脉血管上表面点云图。
Claims (4)
1.一种基于静脉穿刺机器人的静脉血管识别系统,其特征在于,该静脉血管识别系统包括近红外光源模块(1)、两个近红外图像采集模块和图像处理模块(5);
近红外光源模块(1)用于提供近红外光;
两个近红外图像采集模块用于分别采集静脉血管的近红外图像,并将获取的两个近红外图像分别发送至图像处理模块(5);
图像处理模块(5)用于对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图,并实时对静脉血管上表面点云图进行显示。
2.根据权利要求1所述的一种基于静脉穿刺机器人的静脉血管识别系统,其特征在于,所述近红外图像采集模块包括红外增强摄像头(2)、镜头(3)和近红外光窄带滤光片(4);
镜头(3)设置在红外增强摄像头(2)外端,近红外光窄带滤光片(4)设置在镜头(3)上;
红外增强摄像头(2)的图像信号输出端与图像处理模块(5)的图像信号输入端相连。
3.根据权利要求1所述的一种基于静脉穿刺机器人的静脉血管识别系统,其特征在于,所述近红外光源模块(1)为:多颗波长为850nm的LED光源配上散光板组成面的光源。
4.根据权利要求2所述的一种基于静脉穿刺机器人的静脉血管识别系统,其特征在于,图像处理模块(5)对两个近红外图像分别进行图像处理,获取完整的静脉血管上表面点云图的具体方法为:
步骤一、对两个近红外图像采集模块中的红外增强摄像头(2)进行标定,获取内外参数;
步骤二、对两个近红外图像采集模块中的红外增强摄像头(2)采集到的手臂图像进行立体校正,消除图像畸变;
步骤三、对步骤二中校正后的图像采用Cross-Scale Stereo算法进行立体匹配,获得手臂双目视差图;
步骤四、对其中一个近红外图像采集模块获取的近红外图像进行灰度转换,实现同态滤波;
步骤五、对步骤四中同态滤波后的图像进行限制对比度自适应直方图均衡化处理;
步骤六、对步骤五中的直方图均衡化后的静脉血管图像进行自适应阈值分割,获得静脉血管的二值图像;
步骤七、对步骤六中的二值图像进行后处理;该后处理为通过孔洞填充算法拓展前景不连通的部分,同时消除背景的噪点,然后对孔洞填充后的图像执行闭运算,填平小孔,弥合小裂缝,保持二值图像总的位置不变和形状不变;
步骤八、使用步骤七中后处理后的二值图像切割步骤二中的双目视差图,获得静脉血管的视差图;
步骤九、通过点云库对步骤八中获得的静脉血管视差图进行处理,获得完整的静脉血管上表面点云图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380438.6A CN110881955A (zh) | 2019-12-27 | 2019-12-27 | 一种基于静脉穿刺机器人的静脉血管识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380438.6A CN110881955A (zh) | 2019-12-27 | 2019-12-27 | 一种基于静脉穿刺机器人的静脉血管识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110881955A true CN110881955A (zh) | 2020-03-17 |
Family
ID=69753337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911380438.6A Pending CN110881955A (zh) | 2019-12-27 | 2019-12-27 | 一种基于静脉穿刺机器人的静脉血管识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110881955A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539342A (zh) * | 2020-04-26 | 2020-08-14 | 武汉大学 | 一种输液渗漏的识别系统 |
CN111968097A (zh) * | 2020-08-24 | 2020-11-20 | 同济大学 | 一种血管穿刺图像处理方法及血管穿刺机器人 |
CN112288739A (zh) * | 2020-11-20 | 2021-01-29 | 哈尔滨工业大学 | 一种基于深度学习的静脉血管分割方法 |
CN112957041A (zh) * | 2021-03-08 | 2021-06-15 | 北京伟浩君智能技术有限公司 | 基于血管图像的采血机器人控制方法及装置 |
CN112957569A (zh) * | 2021-01-28 | 2021-06-15 | 南通帕克医用材料有限公司 | 一种基于drp加速的静脉增强识别一体化自主穿刺方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203452A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | 個人特徴パターン検出装置及びそれを用いた個人識別装置 |
JP2008302114A (ja) * | 2007-06-11 | 2008-12-18 | Fujitsu Ltd | 血管撮像装置 |
CN203314943U (zh) * | 2013-07-08 | 2013-12-04 | 深圳市中科微光医疗器械技术有限公司 | 一种双光源静脉血管显像装置 |
CN107397534A (zh) * | 2017-08-28 | 2017-11-28 | 深圳麦科田软件技术有限公司 | 一种一体化的静脉血管识别系统及方法 |
-
2019
- 2019-12-27 CN CN201911380438.6A patent/CN110881955A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203452A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | 個人特徴パターン検出装置及びそれを用いた個人識別装置 |
JP2008302114A (ja) * | 2007-06-11 | 2008-12-18 | Fujitsu Ltd | 血管撮像装置 |
CN203314943U (zh) * | 2013-07-08 | 2013-12-04 | 深圳市中科微光医疗器械技术有限公司 | 一种双光源静脉血管显像装置 |
CN107397534A (zh) * | 2017-08-28 | 2017-11-28 | 深圳麦科田软件技术有限公司 | 一种一体化的静脉血管识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
高梓翔: "《双目视觉浅层静脉成像技术的研究》", 《万方数据库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539342A (zh) * | 2020-04-26 | 2020-08-14 | 武汉大学 | 一种输液渗漏的识别系统 |
CN111539342B (zh) * | 2020-04-26 | 2023-05-23 | 武汉大学 | 一种输液渗漏的识别系统 |
CN111968097A (zh) * | 2020-08-24 | 2020-11-20 | 同济大学 | 一种血管穿刺图像处理方法及血管穿刺机器人 |
CN111968097B (zh) * | 2020-08-24 | 2024-04-26 | 同济大学 | 一种血管穿刺图像处理方法及血管穿刺机器人 |
CN112288739A (zh) * | 2020-11-20 | 2021-01-29 | 哈尔滨工业大学 | 一种基于深度学习的静脉血管分割方法 |
CN112288739B (zh) * | 2020-11-20 | 2022-04-22 | 哈尔滨工业大学 | 一种基于深度学习的静脉血管分割方法 |
CN112957569A (zh) * | 2021-01-28 | 2021-06-15 | 南通帕克医用材料有限公司 | 一种基于drp加速的静脉增强识别一体化自主穿刺方法 |
CN112957041A (zh) * | 2021-03-08 | 2021-06-15 | 北京伟浩君智能技术有限公司 | 基于血管图像的采血机器人控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110881955A (zh) | 一种基于静脉穿刺机器人的静脉血管识别系统 | |
CN104856649B (zh) | 一种通过红外成像和压力变化来识别和穿刺血管的装置 | |
Mansoor et al. | Real-time low cost infrared vein imaging system | |
CN102496007B (zh) | 人体身份识别仪 | |
CN106974623A (zh) | 血管识别穿刺系统、血管识别方法 | |
CN104688184B (zh) | 可见光皮肤图像的静脉显像方法 | |
EP2412313A1 (en) | System and method for inserting a needle into a blood vessel | |
CN106793962A (zh) | 用于使用视频图像来连续估计人体血压的方法和装置 | |
CN109770943A (zh) | 一种利用计算机视觉定位的超声自动优化方法 | |
CN107041729A (zh) | 双目近红外成像系统及血管识别方法 | |
CN104799815B (zh) | 一种基于图像引导的血气采集装置及方法 | |
CN104323760A (zh) | 可视静脉穿刺仪 | |
CN110084085B (zh) | 基于成形信号的rppg高精度心率检测方法 | |
CN108806776A (zh) | 一种基于深度学习的多模态医学影像的方法 | |
CN111553322A (zh) | 一种基于双目原理的手部静脉血管深度检测装置及检测方法 | |
CN108229584A (zh) | 一种基于深度学习的多模态医学影像识别方法及装置 | |
CN108355203B (zh) | 一种用于自动静脉注射的注射装置及注射系统 | |
Ahmed et al. | Real time injecting device with automated robust vein detection using near infrared camera and live video | |
CN109087285A (zh) | 外科创伤检测清创机器人 | |
CN109065151A (zh) | 智疗非手术性创伤处理系统 | |
CN114469008A (zh) | 基于血管近红外成像的血管穿刺难易智能分级装置 | |
CN109241963A (zh) | 基于Adaboost机器学习的胶囊胃镜图像中出血点智能识别方法 | |
Leli et al. | Near-infrared-to-visible vein imaging via convolutional neural networks and reinforcement learning | |
CN112183518B (zh) | 静脉靶点自动确定方法、装置和设备 | |
CN204562101U (zh) | 便携式静脉投影显像装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |