CN112116984A - 面对肥胖大学生群体的肥胖分析干预方法 - Google Patents
面对肥胖大学生群体的肥胖分析干预方法 Download PDFInfo
- Publication number
- CN112116984A CN112116984A CN202010974262.3A CN202010974262A CN112116984A CN 112116984 A CN112116984 A CN 112116984A CN 202010974262 A CN202010974262 A CN 202010974262A CN 112116984 A CN112116984 A CN 112116984A
- Authority
- CN
- China
- Prior art keywords
- obese
- obesity
- voxel
- probability
- region
- 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
- 208000008589 Obesity Diseases 0.000 title claims abstract description 114
- 235000020824 obesity Nutrition 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 210000000689 upper leg Anatomy 0.000 description 16
- 210000002414 leg Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010061619 Deformity Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种面对肥胖大学生群体的肥胖分析干预方法,包括以下步骤:S1、获取肥胖者想要减肥的部位的图像,在该部位定义多个肥胖区;S2、在每个肥胖区标记多个关键点,计算每个肥胖区内的每个关键点的体素概率,得出每个肥胖区的体素概率集合;S3、构建该肥胖者该部位的标准体素模型;S4、通过KL散度计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异,并输出差异结果;S5、依据差异结果制定运动干预计划。本发明通过获取每个肥胖区的体素概率集合,通过KL散度计算每个肥胖区的体素概率与每个肥胖区的标准体素概率的差异,从而制定出具有针对性的运动干预计划,显著减小减肥难度,大大提高了减肥效果。
Description
技术领域
本发明涉及肥胖大学生群体干预研究技术领域,尤其涉及面对肥胖大学生群体的肥胖分析干预方法。
背景技术
随着生活水平的不断提高,在近年来的学生体质状况调查中发现,大学生的肥胖患病率呈现明显上升的趋势,这对于大学生今后的生活和学习均造成了一定的不利影响。例如诱发多种疾病,还有肥胖会影响学生的心理,容易造成学生的自卑。目前大多数的肥胖者大多是某一个部位比较肥胖,例如腰部肥胖,腿部肥胖、脸部肥胖或者手臂肥胖等等,甚至这些部位上的每个位置的肥胖程度均不一样,如果只是单纯盲目的采用饮食和运动的方式来达到减肥或者控制体重的效果,其所需要耗费的时间精力非常的大,对于毅力不足的肥胖者大多中途放弃,从而导致减肥效果差甚至反弹严重的问题。
发明内容
为了解决上述的技术问题,本发明的一个目的是提供一种面对肥胖大学生群体的肥胖分析干预方法,包括以下步骤:
S1、获取肥胖者想要减肥的部位的图像,在该部位定义多个肥胖区;
S2、在每个肥胖区标记多个关键点,计算每个肥胖区内的每个关键点的体素概率,得出每个肥胖区的体素概率集合;
S3、构建该肥胖者该部位的标准体素模型;
S4、通过KL散度计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异,并输出差异结果;
S5、依据差异结果制定运动干预计划。
采用以上技术方案,在步骤S2中,肥胖者的每个肥胖区的每个关键点的体素概率记为概率x1、概率x2、概率x3、……、概率xn,则得出的每个肥胖区的体素概率集合为X(A)={x1,x2,x3,……,xn},其中A为肥胖者的每个肥胖区的定义名称。
采用以上技术方案,在步骤S3中,构建肥胖者该部位的标准体素模型需要符合肥胖者的期待,并依据肥胖者该部位的标准体素模型输出该肥胖者的每个肥胖区的标准体素概率集合。
采用以上技术方案,在步骤S3中,标准体素模型的每个肥胖区的每个关键点的体素概率记为概率y1、概率y2、概率y3、……、概率yn,则得出的标准体素概率集合为Y(B)={y1,y2,y3,……,yn},其中B为标准体素模型的每个肥胖区的定义名称。
采用以上技术方案,在步骤S4中,KL散度的计算模型为:其中X为肥胖者的肥胖区的体素概率集合,Y为标准体素模型的肥胖区的体素概率集合,xn为肥胖者的肥胖区的体素概率,yn为标准体素模型的肥胖区的体素概率,n为大于0的自然数。
采用以上技术方案,在步骤S4中,在计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异之后,比较肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异大小。
采用以上技术方案,依据肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异大小对每个肥胖区进行预定义。
采用以上技术方案,依据肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异大小对每个肥胖区进行排序,差异值较大的肥胖区定义为特别肥胖区,差异值较小的肥胖区定义为忽略肥胖区,置于特别肥胖区与忽略肥胖区之间的肥胖区定义为一般肥胖区。
采用以上技术方案,在步骤S5中,运动干预计划主要针对特别肥胖区和一般肥胖区进行制定。
本发明的另一个目的是提供一种计算机可读存储介质,其上存储有计算机程序,当所述程序在计算机上运行时,使得计算机执行如上述所述的面对肥胖大学生群体的肥胖分析干预方法的步骤。
本发明的有益效果:本发明在每个肥胖区标记多个关键点,并计算每个关键点的体素概率,得到每个肥胖区的体素概率集合,通过KL散度计算每个肥胖区的体素概率与每个肥胖区的标准体素概率的差异,从而制定出具有针对性的运动干预计划,显著减小减肥难度,大大提高了减肥效果。
附图说明
图1是本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
参照图1所示,本发明提供一种面对肥胖大学生群体的肥胖分析干预方法,包括以下步骤:步骤始于S1,在步骤S1中,获取肥胖者想要减肥的部位的图像,在该部位定义多个肥胖区;然后是步骤S2
在步骤S2中,在每个肥胖区标记多个关键点,计算每个肥胖区内的每个关键点的体素概率,得出每个肥胖区的体素概率集合,优选的,肥胖者的每个肥胖区的每个关键点的体素概率记为概率x1、概率x2、概率x3、……、概率xn,则得出的每个肥胖区的体素概率集合为X(A)={x1,x2,x3,……,xn},其中A为肥胖者的每个肥胖区的定义名称;然后是步骤S3
在步骤S3中,构建该肥胖者该部位的标准体素模型,构建肥胖者该部位的标准体素模型需要符合肥胖者的期待,并依据肥胖者该部位的标准体素模型输出该肥胖者的每个肥胖区的标准体素概率集合,优选的,标准体素模型的每个肥胖区的每个关键点的体素概率记为概率y1、概率y2、概率y3、……、概率yn,则得出的标准体素概率集合为Y(B)={y1,y2,y3,……,yn},其中B为标准体素模型的每个肥胖区的定义名称;然后是步骤S4
在步骤S4中,通过KL散度计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异,并输出差异结果,关于KL散度的计算模型如下:
其中X为肥胖者的肥胖区的体素概率集合,Y为肥胖区的标准体素模型的体素概率集合,xn为肥胖者的肥胖区的体素概率,yn为肥胖区的标准体素模型的体素概率,n为大于0的自然数;然后是步骤S5
在步骤S5中,依据差异结果制定运动干预计划,运动干预计划主要针对特别肥胖区和一般肥胖区进行制定。
更具体的说,在步骤S4中,计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的标准体素概率的差异,并肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的标准体素概率的差异大小,依据肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的标准体素概率的差异大小对每个肥胖区进行预定义,首先依据差异大小对每个肥胖区进行排序,差异值较大的肥胖区定义为特别肥胖区,差异值较小的肥胖区定义为忽略肥胖区,置于特别肥胖区与忽略肥胖区之间的肥胖区定义为一般肥胖区,例如肥胖部位为腿部,在腿部定位大腿肥胖区和小腿肥胖区,我们以大腿肥胖区为例,首先在大腿肥胖区标记3个关键点1,2,3,那么大腿肥胖区的这3个关键点的体素概率记为概率x1、概率x2、概率x3,则得出的大腿肥胖区的体素概率集合为X(大腿)={x1,x2,x3},同样的方法,在构建的该肥胖者的标准体素模型的大腿肥胖区对应的标记3个关键点1,2,3,那么标准体素模型的这3个关键点的体素概率记为概率y1、概率y2、概率y3,则得出的大腿肥胖区的体素概率集合为Y(大腿)={y1,y2,y3},然后计算肥胖者的大腿肥胖区的体素概率集合与标准体素模型的大腿肥胖区的体素概率集合的差异,假设,X(大腿)={0.2,0.4,0.4},Y(大腿)={0.4,0.2,0.4},则
按照同样的方法计算肥胖者的小腿肥胖区的体素概率与标准体素模型的小腿肥胖区的体素概率的差异,该小腿肥胖区的差异值小于大腿肥胖区的差异值,那么表示小腿肥胖区的肥胖程度小于大腿肥胖区的肥胖程度,因此可以将大腿肥胖区定义为特别肥胖区。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
本发明的有益效果:本发明在肥胖区标记若干关键点,并识别每个关键点的体素概率,得到肥胖区的体素概率集合,通过KL散度计算肥胖区的每个体素概率与肥胖区的标准体素概率的差异,从而制定出具有针对性的运动干预计划,显著减小减肥难度,大大提高了减肥效果。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种面对肥胖大学生群体的肥胖分析干预方法,其特征在于:包括以下步骤:
S1、获取肥胖者想要减肥的部位的图像,在该部位定义多个肥胖区;
S2、在每个肥胖区标记多个关键点,计算每个肥胖区内的每个关键点的体素概率,得出每个肥胖区的体素概率集合;
S3、构建该肥胖者该部位的标准体素模型;
S4、通过KL散度计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异,并输出差异结果;
S5、依据差异结果制定运动干预计划。
2.如权利要求1所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:在步骤S2中,肥胖者的每个肥胖区的每个关键点的体素概率记为概率x1、概率x2、概率x3、……、概率xn,则得出的每个肥胖区的体素概率集合为X(A)={x1,x2,x3,……,xn},其中A为肥胖者的每个肥胖区的定义名称。
3.如权利要求1所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:在步骤S3中,构建肥胖者该部位的标准体素模型需要符合肥胖者的期待,并依据肥胖者该部位的标准体素模型输出该肥胖者的每个肥胖区的标准体素概率集合。
4.如权利要求3所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:在步骤S3中,标准体素模型的每个肥胖区的每个关键点的体素概率记为概率y1、概率y2、概率y3、……、概率yn,则得出的标准体素概率集合为Y(B)={y1,y2,y3,……,yn},其中B为标准体素模型的每个肥胖区的定义名称。
6.如权利要求1所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:在步骤S4中,在计算肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异之后,比较肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异大小。
7.如权利要求6所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:依据肥胖者的每个肥胖区的体素概率与标准体素模型的每个肥胖区的体素概率的差异大小对每个肥胖区进行预定义。
8.如权利要求7所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:依据肥胖者的每个肥胖区的体素概率集合与标准体素模型的每个肥胖区的体素概率的差异大小对每个肥胖区进行排序,差异值较大的肥胖区定义为特别肥胖区,差异值较小的肥胖区定义为忽略肥胖区,置于特别肥胖区与忽略肥胖区之间的肥胖区定义为一般肥胖区。
9.如权利要求1所述的面对肥胖大学生群体的肥胖分析干预方法,其特征在于:在步骤S5中,运动干预计划主要针对特别肥胖区和一般肥胖区进行制定。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述程序在计算机上运行时,使得计算机执行如权利要求1-9任一项所述的面对肥胖大学生群体的肥胖分析干预方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974262.3A CN112116984B (zh) | 2020-09-16 | 2020-09-16 | 面对肥胖大学生群体的肥胖分析干预方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974262.3A CN112116984B (zh) | 2020-09-16 | 2020-09-16 | 面对肥胖大学生群体的肥胖分析干预方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116984A true CN112116984A (zh) | 2020-12-22 |
CN112116984B CN112116984B (zh) | 2023-08-29 |
Family
ID=73802190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010974262.3A Active CN112116984B (zh) | 2020-09-16 | 2020-09-16 | 面对肥胖大学生群体的肥胖分析干预方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116984B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110306846A1 (en) * | 2010-06-15 | 2011-12-15 | Ivan Osorio | Systems approach to disease state and health assessment |
CN104207775A (zh) * | 2014-08-07 | 2014-12-17 | 西安电子科技大学 | 一种基于互样本熵的肥胖病人功能影像分析方法 |
CN108652584A (zh) * | 2017-03-31 | 2018-10-16 | 上海北京大学微电子研究院 | 一种体脂测量的方法及可进行体脂测量的装置 |
KR20180121863A (ko) * | 2018-11-01 | 2018-11-09 | 김선영 | 깊이 카메라의 영상정보를 이용한 3d 비만 관리 시스템 |
CN109859296A (zh) * | 2019-02-01 | 2019-06-07 | 腾讯科技(深圳)有限公司 | Smpl参数预测模型的训练方法、服务器及存储介质 |
CN110491510A (zh) * | 2019-07-22 | 2019-11-22 | 缤刻普达(北京)科技有限责任公司 | 身体测量装置、方法及健康管理意见报告生成装置 |
-
2020
- 2020-09-16 CN CN202010974262.3A patent/CN112116984B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110306846A1 (en) * | 2010-06-15 | 2011-12-15 | Ivan Osorio | Systems approach to disease state and health assessment |
CN104207775A (zh) * | 2014-08-07 | 2014-12-17 | 西安电子科技大学 | 一种基于互样本熵的肥胖病人功能影像分析方法 |
CN108652584A (zh) * | 2017-03-31 | 2018-10-16 | 上海北京大学微电子研究院 | 一种体脂测量的方法及可进行体脂测量的装置 |
KR20180121863A (ko) * | 2018-11-01 | 2018-11-09 | 김선영 | 깊이 카메라의 영상정보를 이용한 3d 비만 관리 시스템 |
CN109859296A (zh) * | 2019-02-01 | 2019-06-07 | 腾讯科技(深圳)有限公司 | Smpl参数预测模型的训练方法、服务器及存储介质 |
CN110491510A (zh) * | 2019-07-22 | 2019-11-22 | 缤刻普达(北京)科技有限责任公司 | 身体测量装置、方法及健康管理意见报告生成装置 |
Non-Patent Citations (1)
Title |
---|
张玉麒;陈加;叶立志;田元;夏丹;陈亚松;: "基于改进卷积神经网络的单幅图像物体重建方法", 计算机应用与软件, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN112116984B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Understanding health care social media use from different stakeholder perspectives: a content analysis of an online health community | |
Kamal et al. | Child marriage and its association with adverse reproductive outcomes for women in Bangladesh | |
US10108705B2 (en) | Method to improve the named entity classification | |
Roselina et al. | Health information-seeking behavior on the COVID-19 pandemic: social media usage by Gen Z in Jakarta, Indonesia | |
CN105917364B (zh) | 对问答论坛中讨论话题的排名 | |
US20090049062A1 (en) | Method for Organizing Structurally Similar Web Pages from a Web Site | |
US20130212109A1 (en) | Methods and apparatus for classifying content | |
WO2021120588A1 (zh) | 语料生成方法、装置、计算机设备及存储介质 | |
US11321361B2 (en) | Genealogical entity resolution system and method | |
WO2021017300A1 (zh) | 问题生成方法、装置、计算机设备及存储介质 | |
Tauritz et al. | Adaptive information filtering using evolutionary computation | |
Kumar et al. | Multidimensional impact of COVID-19 pandemic in India—Challenges and future direction | |
CN112052399B (zh) | 一种数据处理方法、装置和计算机可读存储介质 | |
CN112116984A (zh) | 面对肥胖大学生群体的肥胖分析干预方法 | |
Everitt | Commentary: classification and cluster analysis | |
KR102488550B1 (ko) | 셀프 마인드 케어 시스템 | |
CN115631823A (zh) | 相似病例推荐方法及系统 | |
Langer et al. | A text based drug query system for mobile phones | |
Yan et al. | Medical question similarity calculation based on weighted domain dictionary | |
US20180232130A1 (en) | Storage medium, display method, and display apparatus | |
Affolter et al. | The association of central-line–associated bloodstream infections with central-line utilization rate and maintenance bundle compliance among types of PICUs | |
CN111667200B (zh) | 一种权威度确定方法、装置、设备及存储介质 | |
Smith | Poststroke depression in patients with impaired communication | |
KR102256903B1 (ko) | 중요 뉴스를 선별하여 화면 상에 표시할 수 있는 홈 로봇 장치 및 그 동작 방법 | |
Keller et al. | The examination of the classification of students into performance categories by two different equating methods |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231114 Address after: 224000 West side of National Highway 204 and South side of Central Avenue in Xiangshui County, Yancheng City, Jiangsu Province Patentee after: Jiangsu Prius Machinery Equipment Co.,Ltd. Address before: No. 1600, gaolang West Road, Wuxi, Jiangsu Province, 214129 Patentee before: WUXI INSTITUTE OF TECHNOLOGY |