CN113080876B - 基于功能磁共振影像的帕金森病抑郁辅助诊断方法 - Google Patents
基于功能磁共振影像的帕金森病抑郁辅助诊断方法 Download PDFInfo
- Publication number
- CN113080876B CN113080876B CN202110438457.0A CN202110438457A CN113080876B CN 113080876 B CN113080876 B CN 113080876B CN 202110438457 A CN202110438457 A CN 202110438457A CN 113080876 B CN113080876 B CN 113080876B
- Authority
- CN
- China
- Prior art keywords
- brain
- parkinson
- functional
- magnetic resonance
- depression
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Neurology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Developmental Disabilities (AREA)
- Neurosurgery (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Child & Adolescent Psychology (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于功能磁共振影像的帕金森病抑郁辅助诊断方法,包括以下步骤:S1:获取帕金森患者的功能磁共振影像组;S2:对功能磁共振影像组进行预处理;S3:对预处理后的功能影像组进行脑区划分,利用皮尔森相关系数计算帕金森患者脑区功能连接,S4:将相关的功能连接进行参数标准化处理后,输入到泊松回归模型,得到预测抑郁评分值;本发明过程简单易操作,检测过程客观定量,通过相关的技术手段对帕金森患者进行相关的评估,从而得到帕金森患者的抑郁评分,从而辅助医生进行临床判断该帕金森患者是否患有抑郁症,达到早发现、早治疗的效果。
Description
技术领域
本发明涉及生物医学领域,尤其涉及一种基于功能磁共振影像的帕金森病抑郁辅助诊断方法。
背景技术
帕金森病(Parkinson’s disease,PD)是一种常见的神经系统变性疾病,老年人多见,平均发病年龄为60岁左右,40岁以下起病的青年帕金森病较少见。我国65岁以上人群PD的患病率大约是1.7%。大部分帕金森病患者为散发病例,仅有不到10%的患者有家族史。帕金森病最主要的病理改变是中脑黑质多巴胺(dopamine,DA)能神经元的变性死亡,由此而引起纹状体DA含量显著性减少而致病。导致这一病理改变的确切病因目前仍不清楚,遗传因素、环境因素、年龄老化、氧化应激等均可能参与PD多巴胺能神经元的变性死亡过程。
抑郁症通常指的是一种情绪障碍,主要是以心境低落、思维迟钝、语言行动减少为主要特征的综合征,主要表现为情绪低落、兴趣减低、悲观、思维迟缓、缺乏主动性、自责自罪、饮食、睡眠差、担心自己患有各种疾病、感到全身多处不适、严重者可出现自杀念头和行为。抑郁症具有发病率高、患病率高、复发率高、自杀率高、而知晓率低、治疗率低等特点。抑郁症病因复杂,目前已有研究的病理机制假说有如下几种:1)单胺类神经递质代谢异常,抑郁症是由于脑内某些部位单胺递质不足所引起的;2)受体功能改变,抗抑郁药抑制突触前单胺类递质摄取是即时效应,而突触后受体敏感性降低则是一种慢性适应性变化;3)神经内分泌紊乱,研究发现抑郁的发生与下丘脑一垂体一肾上腺轴(HPA)、下丘脑-垂体-甲状腺轴(HPT)、下丘脑-垂体-生长激素轴(HPGH)等的功能紊乱以及血清胆固醇水平降低,血清雌激素水平下降有关。
而大多帕金森数患者在病程中会出现非运动症状,尤其是抑郁。PD伴发抑郁的发生率为40%~50%,对我国PD患者非运动症状的调查发现,抑郁症状普遍存在。PD患者较普通人群出现抑郁的风险更高,且抑郁是影响PD患者生活质量的重要因素,既往调查显示,近50%的神经科医生在日常门诊工作中未能及时识别PD患者抑郁、焦虑、疲劳和睡眠障碍等非运动症状,而这些非运动症状与PD的相关性也易被患者忽视,从而导致就诊延迟、耽误治疗,进而使患者生活质量下降、残疾及寿命缩短。因此如何快速发现患有抑郁症的帕金森患者,是我们目前面临的主要问题。
发明内容
针对上述技术中存在的不足之处,本发明提供一种基于功能磁共振影像的帕金森病抑郁辅助诊断方法,过程简单易操作,检测过程客观定量,通过相关的技术手段对帕金森患者进行相关的评估,从而得到帕金森患者的抑郁评分,从而辅助医生进行临床判断。
为实现上述目的,本发明提供一种基于功能共振影像的帕金森病抑郁辅助诊断方法,包括以下步骤:
S1:获取帕金森患者的功能磁共振影像组;
S2:对功能磁共振影像组进行预处理;
S3:对预处理后的功能影像组进行脑区划分,利用皮尔森相关系数计算帕金森患者脑区功能连接,
S4:将相关的功能连接进行参数标准化处理后,输入到泊松回归模型,得到预测抑郁评分值。
作为优选,在步骤S2中,预处理的过程包括时间层校正、头动校正、空间平滑和配准到MNI空间。
作为优选,在步骤S3中,采用自动解剖模板将脑区划分为不同的脑功能区域,然后利用皮尔森相关系数计算各个脑功能区域的功能连接。
作为优选,选取11条功能连接作为皮尔森相关系数计算的相关参数,这11条功能连接分别是:
作为优选,通过MNI空间的自动解剖模板提取11个脑功能连接所涉及的脑区的平均时间信号,回归去除头动参数和全脑信号、白质信号的干扰,并进行0.01-0.1Hz的带通滤波,然后采用皮尔森相关系数计算功能连接。
作为优选,皮尔森相关系数计算功能连接的步骤为:将待计算功能连接的两个脑区时间信号分别记为x,y,将两个时间信号按照时间点配对后计算x,y的协方差与x,y各自的标准差,并用协方差除以各自标准差之积得到皮尔森相关系数。
作为优选,相关计算公式为
作为优选,在步骤S4中,泊松回归模型为
,其中Y为拟合的目标,即为帕金森患者抑郁评分,x为11维向量,即通过皮尔森相关系数计算出的11个脑功能连接的标准化结果,α和β/为待求解的模型参数,求得模型的似然函数后,通过Newton-Raphson与Iterative Weighted Least Square算法来迭代求解似然函数最大化,最后得到帕金森患者抑郁评分;
本发明的有益效果是:本发明提供的基于功能共振影像的帕金森病抑郁辅助诊断方法,大胆采用功能磁共振影像,从影像中去寻找特点生物学标志物,建立相关的评分系统,这样在针对帕金森患者进行测试时,得到预测抑郁评分值,有助于医生进行辅助诊断,判断该帕金森患者是否患有抑郁症。本申请通过对人体脑部的区域功能连接进行识别监测,利用泊松回归模型对脑连接的强度进行预测,从而得到帕金森患者的抑郁评分,判断该帕金森患者是否患有抑郁症。
附图说明
图1为本发明的步骤流程图。
具体实施方式
为了更清楚地表述本发明,下面结合附图和实施例对本发明作进一步地描述,当然本发明的保护范围不仅仅于此,在不付出创造性劳动的前提下,本领域技术人员所采用的常规置换依旧属于本申请的保护范围。
请参阅图1,本发明公开了一种基于功能磁共振影像的帕金森病抑郁辅助诊断方法,包括以下步骤:S1:获取帕金森患者的功能磁共振影像组;S2:对功能磁共振影像组进行预处理;S3:对预处理后的功能影像组进行脑区划分,利用皮尔森相关系数计算帕金森患者脑区功能连接,S4:将相关的功能连接进行参数标准化处理后,输入到泊松回归模型,得到预测抑郁评分值。在本实施例中,利用共振影像来对帕金森患者的进行扫描,从而获取帕金森患者的脑部图像信息,由于人体脑部不同的区域是负责不同的功能,根据脑区域之间进行功能连接的强弱就能判断所分泌神经递质的数量的多少,从而进行抑郁症的研判;基于这一点,对帕金森患者的脑补的功能连接进行计算,从而建立相关的模型,有利于医生对该帕金森患者是否患有抑郁症进行辅助判断。
为了实现上述目的,在步骤S2中,预处理的过程包括时间层校正、头动校正、空间平滑和配准到MNI空间。在具体实施过程中,由于功能磁共振影像(functional MagneticResonance Imaging,fMRI)在进行图像扫描是逐层进行的,因此一个时间点内的每一层实际时间并不完全相等,而层间的时间差是一个固定值,所以可以利用前后时间点的信息通过插值得到其间任一时刻的fMRI信号强度,本申请在具体实施过程中所用的31层fMRI图像的扫描顺序为:1、3、5、……、29、31、2、4、6、……、28、30;故选择每个时间点内中间层第31层的具体扫描时间作为参考,其他层通过插值得到该具体时间的信号强度;此外,在fMRI扫描的数分钟过程中,患者的头部不可避免的会有微小的平移或转动,使得不同时间点图像中被试头部的位置或朝向会有微小漂移,不利于后续处理分析。通过刚体配准算法,利用6个参数(3个平动参数、3个旋转参数)的仿射变换将每个时间点图像配准到一个参考时间点。在进行间层校正、头动校正后,还将获取的fMRI图像进行T1配准以及空间标准化,这是由于fMRI图像分辨率低,解剖结构对比不明显,一般不直接对其进行空间标准化,而是将其配准到T1图像,用T1空间标准化的结果间接对fMRI图像标准化;不同患者脑部的形状和大小具有差异,无法直接进行比较,需要通过非线性配准到一个标准的脑模板上才能进行比较研究。本申请使用一个可以生成3维的非线性形变场,记录原空间每一个体素到目标空间的形变向量的算法,将T1图像配准到MNI脑模板空间,从而将fMRI图像转换为MNI空间中的fMRI图像。为了降低扫描仪采集信号的各种噪声、磁场不均匀和头部运动引起的失真或错位以及空间标准化过程中引入的误差的影响,需要对图像进行空间平滑。本申请使用半峰宽为4mm的3维高斯平滑核对图像进行空间平滑。
在步骤S3中,采用自动解剖模板将脑区划分为不同的脑功能网格区域,然后利用皮尔森相关系数计算各个脑功能网格区域的功能连接;选取11条功能连接作为皮尔森相关系数计算的相关参数,这11条功能连接分别是:
在具体实施过程中,对于脑图谱进行划分具有多种方式,不同的方式所得到的人脑区域的数量是不相同的,从100-300个区域不等,且各个人脑区域之间的两两功能连接数量也非常多,达到成千上万种,对于这样巨大的数量、冗余性的存在,无法全部用于预测抑郁评分,因此本申请通过数据科学方法,采用自动解剖模板(AAL)将全脑划分为116个区域,然后选择所需要的脑区进行信号的采集;此外,表格中所列举的11个功能连接强度的分布具有较大差异,不利于后续模型求解,因此统计患者各个功能连接的均值μ和标准差σ,将每个患者的功能连接值减去μ后除以σ,使得所有的功能连接分布接近均值为0,标准差为1的标准分布。
通过MNI空间的自动解剖模板提取11个脑功能连接所涉及的脑区的平均时间信号,回归去除头动参数和全脑信号、白质信号的干扰,并进行0.01-0.1Hz的带通滤波,然后采用皮尔森相关系数计算功能连接。在具体实施例中,fMRI信号的频率范围一般为0-0.5Hz,但是0.1Hz以上的频率成分可能包含较多噪声,0.01Hz以下的成分可能包含一些设备性能漂移与生理状态变化引起的伪迹。本申请对提取出的各脑区的时间信号进行了0.01-0.1Hz的带通滤波,以降低信号中的噪声与伪迹;通常用于计算脑区功能连接的算法是皮尔森相关系数;本申请则选用皮尔森相关系数(Maximal Information Coefficient,MIC)计算帕金森病患者脑区功能连接,相比于最大信息系数,皮尔森相关系数能够对各种线性与非线性函数关系给出同等尺度的衡量,并且计算复杂度适中,经本申请比较,用皮尔森相关系数计算出的脑功能连接在后续预测帕金森病患者抑郁评分时准确度更高。
皮尔森相关系数计算功能连接的步骤为:将待计算功能连接的两个脑区时间信号分别记为x,y,将两个时间信号按照时间点配对后计算x,y的协方差与x,y各自的标准差,并用协方差除以各自标准差之积得到皮尔森相关系数。相关计算公式为
其中Y为拟合的目标,即为帕金森患者抑郁评分,x为11维向量,即通过皮尔森相关系数计算出的11个脑功能连接的标准化结果,α和β/为待求解的模型参数,求得模型的似然函数后,通过Newton-Raphson与Iterative Weighted Least Square算法来迭代求解似然函数最大化,最后得到帕金森患者抑郁评分。在具体实施过程中,由于不存在解析解,通过L-BFGS算法迭代求解,本申请使用scikit learn库中的linear_model.PoissonRegressor来完成泊松回归模型的求解。惩罚项系数设为1,最大迭代次数设为100,迭代停止标准设为10-4。
当模型建立完毕后,只需要将帕金森患者的脑部进行功能磁共振处理后得到fMRI图像,然后进行处理后选出11个表格中所列举的功能连接,然后进行功能连接参数的标准化处理后代入到泊松回归模型内,得到预测抑郁评分值,从而帮助医生对帕金森患者是否患有抑郁症进行辅助诊断。
以上公开的仅为本发明的几个具体实施例,但是本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (4)
1.一种基于功能磁共振影像的帕金森病抑郁辅助诊断装置,其特征在于:
影像处理模块:用于获取帕金森患者的功能磁共振影像组;
预处理模块:用于对功能磁共振影像组进行预处理;
脑区功能连接计算模块:用于对预处理后的功能影像组进行脑区划分,通过MNI空间的自动解剖模板提取11个脑功能连接所涉及的脑区的平均时间信号,回归去除头动参数和全脑信号、白质信号的干扰,并进行0.01-0.1Hz的带通滤波,然后采用皮尔森相关系数计算脑区功能连接;
抑郁评分计算模块:用于将脑区功能连接进行参数标准化处理后,输入到泊松回归模型,得到预测抑郁评分值;
其中,11个脑功能连接为:
2.根据权利要求1所述的基于功能磁共振影像的帕金森病抑郁辅助诊断装置,其特征在于,预处理模块将时间层校正、头动校正、空间平滑和配准到MNI空间。
3.根据权利要求1所述的基于功能磁共振影像的帕金森病抑郁辅助诊断装置,其特征在于,皮尔森相关系数计算脑区功能连接的步骤为:将待计算功能连接的两个脑区时间信号分别记为x,y,将两个时间信号按照时间点配对后计算x,y的协方差与x,y各自的标准差,并用协方差除以各自标准差之积得到皮尔森相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438457.0A CN113080876B (zh) | 2021-04-22 | 2021-04-22 | 基于功能磁共振影像的帕金森病抑郁辅助诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438457.0A CN113080876B (zh) | 2021-04-22 | 2021-04-22 | 基于功能磁共振影像的帕金森病抑郁辅助诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113080876A CN113080876A (zh) | 2021-07-09 |
CN113080876B true CN113080876B (zh) | 2022-08-26 |
Family
ID=76679787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110438457.0A Active CN113080876B (zh) | 2021-04-22 | 2021-04-22 | 基于功能磁共振影像的帕金森病抑郁辅助诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113080876B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113693584B (zh) * | 2021-08-24 | 2023-08-11 | 四川大学华西医院 | 抑郁症症状预测变量的选择方法、计算机设备及存储介质 |
CN114081493B (zh) * | 2021-12-07 | 2024-02-27 | 杭州睿笛生物科技有限公司 | 一种抑郁症的辅助检测评估方法 |
CN116936035B (zh) * | 2023-07-14 | 2024-04-12 | 南京脑科医院 | 一种ai引导下的抑郁症认知行为治疗效果评估系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021053684A1 (en) * | 2019-09-19 | 2021-03-25 | B. G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Methods for diagnosing and treating neural diseases |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8346688B2 (en) * | 2009-11-25 | 2013-01-01 | International Business Machines Corporation | Predicting states of subjects |
US10898706B2 (en) * | 2017-10-31 | 2021-01-26 | Stimscience Inc. | Systems, methods, and devices for brain stimulation and monitoring |
EP3660172A1 (en) * | 2018-11-28 | 2020-06-03 | Bioscreening and Diagnostics LLC | Method for detection of traumatic brain injury (tbi) |
-
2021
- 2021-04-22 CN CN202110438457.0A patent/CN113080876B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021053684A1 (en) * | 2019-09-19 | 2021-03-25 | B. G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Methods for diagnosing and treating neural diseases |
Non-Patent Citations (6)
Title |
---|
A significant risk factor for poststroke depression:the depression-related subnetwork;Songran Yang,et al;《J Psychiatry Neurosci》;20150414;第40卷(第4期);第259-268页 * |
Abnormal transitions of dynamic functional connectivity states in bipolar disorder: A whole-brain resting-state fMRI study;Mengjiao Du,et al;《Journal ofAffectiveDisorders》;20210420;第7-15页 * |
Alterations of Interhemispheric Functional Connectivity in Parkinson’s Disease With Depression: A Resting-State Functional MRI Study;Haiyan Liao,et al;《Frontiers in Human Neuroscience》;20200605;第14卷;第1-10页 * |
Depression in Parkinson"s disease: Convergence from voxel-based morphometry and functional magnetic resonance imaging in the limbic thalamus;Ellison Fernando Cardoso,et al;《NeuroImage》;20090503;第47卷;第467-472页 * |
Neuroanatomical correlates of depression and apathy in Parkinson"s disease:Magnetic resonance imaging studies;Vladimir S. Kostić,et al;《Journal of the Neurological Sciences》;20111231;第61-63页 * |
青少年重性抑郁障碍患者大脑半球间功能连接的静息*功能磁共振研究;焦青,等;《泰山医学院学报》;20131231;第34卷(第2期);第81-84页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113080876A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113080876B (zh) | 基于功能磁共振影像的帕金森病抑郁辅助诊断方法 | |
Taki et al. | A longitudinal study of gray matter volume decline with age and modifying factors | |
Jones et al. | The effect of filter size on VBM analyses of DT-MRI data | |
Franciotti et al. | Default network is not hypoactive in dementia with fluctuating cognition: an Alzheimer disease/dementia with Lewy bodies comparison | |
CN111753833A (zh) | 基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法 | |
CN113222915B (zh) | 基于多模态磁共振影像组学的pd诊断模型的建立方法 | |
Mak et al. | Efficacy of voxel-based morphometry with DARTEL and standard registration as imaging biomarkers in Alzheimer's disease patients and cognitively normal older adults at 3.0 Tesla MR imaging | |
Celle et al. | Desperately seeking grey matter volume changes in sleep apnea: a methodological review of magnetic resonance brain voxel-based morphometry studies | |
CN107669244A (zh) | 基于EEG‑fMRI的癫痫异常放电位点定位方法及系统 | |
AU2015231286B2 (en) | Identifying different types of pain using magnetic resonance spectroscopy | |
CN111724856A (zh) | 一种2型糖尿病认知障碍患者相关的后扣带回功能连通性特征提取方法 | |
KR101388546B1 (ko) | 기능성 자기 공명 영상을 사용한 뇌기능 진단 시스템 및 방법 | |
Song et al. | Whole brain volume and cortical thickness abnormalities in Wilson’s disease: a clinical correlation study | |
CN116664578B (zh) | 脑血流和脑功能之间的跨模态耦合图像处理方法及装置 | |
Huang et al. | White matter characteristics of damage along Fiber tracts in patients with type 2 diabetes mellitus | |
US20240046454A1 (en) | Method and system for extracting multi-dimensional disconnection network region of symptom mapping | |
Hsieh et al. | Behavior score-embedded brain encoder network for improved classification of Alzheimer disease using resting state fMRI | |
Kang et al. | Identifying epilepsy based on machine‐learning technique with diffusion kurtosis tensor | |
CN112837807B (zh) | 一种t2dm脑衰老认知障碍早期智能高精度辅诊方法 | |
CN114847922A (zh) | 一种基于纤维束自动识别的脑年龄预测方法 | |
CN113303782A (zh) | 基于核磁共振波谱的阿尔茨海默症svm分类模型构建方法 | |
CN108065934A (zh) | 基于lme模型的减重手术引起大脑结构变化的影像学统计分析方法 | |
CN114596306A (zh) | 基于机器学习诊断帕金森疾病的系统 | |
CN114120024A (zh) | 用于阿尔兹海默病分类预测的mr自动纤维定量分析方法 | |
WO2023068653A1 (ko) | 폐경 후 여성의 알츠하이머 치매의 조기 진단 방법 |
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 |