CN114864112A - 一种基于云的社区慢病大数据管理系统 - Google Patents

一种基于云的社区慢病大数据管理系统 Download PDF

Info

Publication number
CN114864112A
CN114864112A CN202210506003.7A CN202210506003A CN114864112A CN 114864112 A CN114864112 A CN 114864112A CN 202210506003 A CN202210506003 A CN 202210506003A CN 114864112 A CN114864112 A CN 114864112A
Authority
CN
China
Prior art keywords
chronic disease
residents
module
information
resident
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.)
Withdrawn
Application number
CN202210506003.7A
Other languages
English (en)
Inventor
王忆飞
陈吉月
吴俊豪
李砂颖
谢程武
张璐
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 CN202210506003.7A priority Critical patent/CN114864112A/zh
Publication of CN114864112A publication Critical patent/CN114864112A/zh
Withdrawn legal-status Critical Current

Links

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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于云的社区慢病大数据管理系统，属于慢病管理技术领域，包括用户登记模块、区域统计模块、体检记录模块、慢病分析模块、慢病数据云端、患者分配模块、医生信息云端、跟踪采集模块以及患者数据库；本发明能够自动合理地对患有社区慢病的居民进行分配，减少医护人员的工作量，提高医护人员工作效率，能够让分析人员更加直观地查看各区域患病居民地数量，方便分析人员进行数据分析，同时通过绘制社区慢病恢复折线图，有利于患病居民对自己每日的身体情况进行查看，且降低居民使用难度。

Description

一种基于云的社区慢病大数据管理系统
技术领域
本发明涉及慢病管理技术领域，尤其涉及一种基于云的社区慢病大数据管理系统。
背景技术
慢病管理是指对慢性非传染性疾病及其风险因素进行定期检测，连续监测，评估与综合干预管理的医学行为及过程，主要内涵包括慢病早期筛查，慢病风险预测，预警与综合干预，以及慢病人群的综合管理，慢病管理效果评估等，慢病管理的对象是慢病管理行为、行动直接指向并欲改变的现象。从目前的政策性规定看，慢病的管理对象是“慢性非传染性疾病”。从目前公开发表的慢病管理实践研究报告看，慢病管理对象则不仅是“慢性非传染性疾病”，而且还包括“慢性非传染性疾病”患者的“认知、行为、动机”，由于人的生理心理社会属性之间存在相互制约关系，因此慢病管理需要采用综合性干预方法，即团队干预方法。干预团队至少应该由负责生物医学干预的医生和护士、负责心理干预的心理医生和负责社会环境干预的社会工作师构成，三类专业既各司其职又相互配合共同完成慢病管理任务；
现有的基于云的社区慢病大数据管理系统无法对患有社区慢病的居民进行分配，增加医护人员的工作量，降低医护人员工作效率；此外，现有的基于云的社区慢病大数据管理系统不方便分析人员进行数据分析，同时不利于患病居民对自己每日的身体情况进行查看，为此，我们提出一种基于云的社区慢病大数据管理系统。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种基于云的社区慢病大数据管理系统。
为了实现上述目的，本发明采用了如下技术方案：
一种基于云的社区慢病大数据管理系统，包括用户登记模块、区域统计模块、体检记录模块、慢病分析模块、慢病数据云端、患者分配模块、医生信息云端、跟踪采集模块以及患者数据库；
所述用户登记模块用于居民上传身份信息以进行用户注册登记；
所述区域统计模块用于对各居民位置进行定位统计；
所述体检记录模块用于对各居民体检结果进行记录标记；
所述慢病分析模块用于依据各组体检结果对各居民身体情况进行分析收集；
所述慢病数据云端用于记录各社区慢病判别标准，并实时对云端中的判别标准进行更新；
所述患者分配模块用于将患有社区慢病的居民与相关医院医生进行分类匹配；
所述医生信息云端用于接收对应区域各医生信息，并对其进行更新反馈；
所述跟踪采集模块用于实时采集患病居民的恢复状态，并将其进行记录分析；
所述患者数据库用于接收并存储各组患者数据，同时与各患病居民移动设备通信连接以进行反馈提示。
作为本发明的进一步方案，所述区域统计模块定位统计具体步骤如下：
步骤一：各居民通过用户登记模块注册登记完成后，区域统计模块请求获取居民位置信息；
步骤二：区域统计模块与通信卫星通信连接，同时通过GPS定位系统对各居民所在位置进行定位，同时按照不同区域对定位完成的各组居民位置进行分类；
步骤三：按照省-市-区县-乡生成多组居民记录表，并将相同区域的居民姓名录入居民记录表中，之后统计各区域居民数量以及定位完成的居民总量。
作为本发明的进一步方案，所述体检记录模块记录标记具体步骤如下：
步骤(1)：体检记录模块与多组体检设备通信连接，并接收各组体检设备传输的居民体检数据，之后将收集到的各组体检数据了录入对应居民记录表中；
步骤(2)：同时将各组居民体检信息按照首字母A～Z进行有序排列，并对采集到的体检信息非二进制的数据转换为二进制，同时对同一区域的居民体检信息进行编号标记。
作为本发明的进一步方案，所述慢病分析模块分析收集具体步骤如下：
第一步：慢病分析模块接收各组居民记录表，同时从慢病数据云端中提取各组社区慢病判别标准，并一一与居民记录表中记录的各组居民体检信息进行对比；
第二步：若居民体检信息中与社区慢病判别标准存在一致的信息，则判断该居民患有相关慢病，同时将该社区慢病名称录入先对应的居民记录表的居民处；
第三步：按照社区慢病种类构建多组慢病数据集，并患有对应社区慢病的居民姓名录入相关慢病数据集中进行记录，将各居民所在区域进行收集以构建区域匹配集，并将其与各组慢病数据集中的居民进行匹配。
作为本发明的进一步方案，所述患者分配模块分类匹配具体步骤如下：
S1.1：患者分配模块接收各组慢病数据集，并依据其中各组居民所在区域信息，从医生信息云端调取相对应区域的医生信息；
S1.2：将同一区域的患者与医生信息进行整合归类，同时依据各医生距离患者的距离远近进行分配，同时若存在未分配的医生，则将分配患者人数较多的医生与该未分配的医生进行平均分配；
S1.3：依据分配完成的各组信息，向各组居民智能手机发送相对应的医生信息以及咨询时间，同时为各居民按照体检时间先后分配预约号。
作为本发明的进一步方案，所述跟踪采集模块记录分析具体步骤如下：
S2.1：跟踪采集模块用于定期收集各组慢病数据集中居民体检信息，同时将其与前一次居民体检信息进行对比；
S2.2：构建训练一组分析神经模型，并将对比信息录入该分析神经模型中，并通过输入、卷积、池化、全连接和输出对各组对比信息进行分析，同时依据分析结果绘制一组或多组居民的社区慢病恢复折线图。
相比于现有技术，本发明的有益效果在于：
1、本发明设置有患者分配模块，慢病分析模块接收各组居民记录表，并依据慢病数据云端中的各组社区慢病判别标准对各区域居民是否患有社区慢病进行判断，并将患有社区慢病的患者信息整合成慢病数据集，患者分配模块接收各组慢病数据集，并依据其中各组居民所在区域信息，从医生信息云端调取相对应区域的医生信息，再将同一区域的患者与医生信息进行整合归类，同时依据各医生距离患者的距离远近进行分配，同时若存在未分配的医生，则将分配患者人数较多的医生与该未分配的医生进行平均分配，并依据分配完成的各组信息，向各组居民智能手机发送相对应的医生信息以及咨询时间，同时为各居民按照体检时间先后分配预约号，能够自动合理地对患有社区慢病的居民进行分配，减少医护人员的工作量，提高医护人员工作效率；
2、本发明设置有跟踪采集模块，各居民通过用户登记模块注册登记完成后，区域统计模块对居民位置进行定位，同时按照不同区域对定位完成的各组居民位置进行分类，并将相同区域的居民姓名录入居民记录表中，之后统计各区域居民数量以及定位完成的居民总量，当各区域患病居民分配完成后，跟踪采集模块用于定期收集各组慢病数据集中居民体检信息，同时将其与前一次居民体检信息进行对比，之后构建训练一组分析神经模型，并将对比信息录入该分析神经模型中，并通过输入、卷积、池化、全连接和输出对各组对比信息进行分析，同时依据分析结果绘制一组或多组居民的社区慢病恢复折线图，能够让分析人员更加直观地查看各区域患病居民地数量，方便分析人员进行数据分析，同时通过绘制社区慢病恢复折线图，有利于患病居民对自己每日的身体情况进行查看，且降低居民使用难度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明提出的一种基于云的社区慢病大数据管理系统的系统框图。
具体实施方式
实施例1
参照图1，一种基于云的社区慢病大数据管理系统，包括用户登记模块、区域统计模块、体检记录模块、慢病分析模块、慢病数据云端、患者分配模块、医生信息云端、跟踪采集模块以及患者数据库。、
用户登记模块用于居民上传身份信息以进行用户注册登记。
区域统计模块用于对各居民位置进行定位统计。
具体的，首先各居民通过用户登记模块注册登记完成后，区域统计模块请求获取居民位置信息，之后区域统计模块与通信卫星通信连接，同时通过GPS定位系统对各居民所在位置进行定位，同时按照不同区域对定位完成的各组居民位置进行分类，按照省-市-区县-乡生成多组居民记录表，并将相同区域的居民姓名录入居民记录表中，之后统计各区域居民数量以及定位完成的居民总量。
体检记录模块用于对各居民体检结果进行记录标记。
具体的，体检记录模块与多组体检设备通信连接，并接收各组体检设备传输的居民体检数据，之后将收集到的各组体检数据了录入对应居民记录表中，同时将各组居民体检信息按照首字母A～Z进行有序排列，并对采集到的体检信息非二进制的数据转换为二进制，同时对同一区域的居民体检信息进行编号标记。
慢病分析模块用于依据各组体检结果对各居民身体情况进行分析收集。
具体的，慢病分析模块接收各组居民记录表，同时从慢病数据云端中提取各组社区慢病判别标准，并一一与居民记录表中记录的各组居民体检信息进行对比，若居民体检信息中与社区慢病判别标准存在一致的信息，则判断该居民患有相关慢病，同时将该社区慢病名称录入先对应的居民记录表的居民处，之后按照社区慢病种类构建多组慢病数据集，并患有对应社区慢病的居民姓名录入相关慢病数据集中进行记录，将各居民所在区域进行收集以构建区域匹配集，并将其与各组慢病数据集中的居民进行匹配。
实施例2
参照图1，一种基于云的社区慢病大数据管理系统，包括用户登记模块、区域统计模块、体检记录模块、慢病分析模块、慢病数据云端、患者分配模块、医生信息云端、跟踪采集模块以及患者数据库。
慢病数据云端用于记录各社区慢病判别标准，并实时对云端中的判别标准进行更新。
患者分配模块用于将患有社区慢病的居民与相关医院医生进行分类匹配。
具体的，患者分配模块接收各组慢病数据集，并依据其中各组居民所在区域信息，从医生信息云端调取相对应区域的医生信息，再将同一区域的患者与医生信息进行整合归类，同时依据各医生距离患者的距离远近进行分配，同时若存在未分配的医生，则将分配患者人数较多的医生与该未分配的医生进行平均分配，并依据分配完成的各组信息，向各组居民智能手机发送相对应的医生信息以及咨询时间，同时为各居民按照体检时间先后分配预约号，能够自动合理地对患有社区慢病的居民进行分配，减少医护人员的工作量，提高医护人员工作效率。
医生信息云端用于接收对应区域各医生信息，并对其进行更新反馈。
需要进一步说明的是，医生信息云端与各医院服务器通信连接，并依据医院医生的人员变动情况对医生信息云端内部存储的各区域医生信息进行更新。
跟踪采集模块用于实时采集患病居民的恢复状态，并将其进行记录分析。
具体的，跟踪采集模块用于定期收集各组慢病数据集中居民体检信息，同时将其与前一次居民体检信息进行对比，之后构建训练一组分析神经模型，并将对比信息录入该分析神经模型中，并通过输入、卷积、池化、全连接和输出对各组对比信息进行分析，同时依据分析结果绘制一组或多组居民的社区慢病恢复折线图，能够让分析人员更加直观地查看各区域患病居民地数量，方便分析人员进行数据分析，同时通过绘制社区慢病恢复折线图，有利于患病居民对自己每日的身体情况进行查看，且降低居民使用难度。
需要进一步说明的是，分析神经模型将收集到对比信息分为测试集与训练集，并从训练集中选取一个对比信息作为验证数据，并重复多次使用该验证数据来验证该分析神经模型的精度，并对每组数据都进行一次预测，并将预测结果最好的数据作为最优参数输出，依据最优参数对测试集进行标准化处理，最后将测试样本输送到深度学习网络模型中，并通过迭代训练队该深度学习网络模型进行实时更新。
患者数据库用于接收并存储各组患者数据，同时与各患病居民移动设备通信连接以进行反馈提示。

Claims (6)

1.一种基于云的社区慢病大数据管理系统，其特征在于，包括用户登记模块、区域统计模块、体检记录模块、慢病分析模块、慢病数据云端、患者分配模块、医生信息云端、跟踪采集模块以及患者数据库；
所述用户登记模块用于居民上传身份信息以进行用户注册登记；
所述区域统计模块用于对各居民位置进行定位统计；
所述体检记录模块用于对各居民体检结果进行记录标记；
所述慢病分析模块用于依据各组体检结果对各居民身体情况进行分析收集；
所述慢病数据云端用于记录各社区慢病判别标准，并实时对云端中的判别标准进行更新；
所述患者分配模块用于将患有社区慢病的居民与相关医院医生进行分类匹配；
所述医生信息云端用于接收对应区域各医生信息，并对其进行更新反馈；
所述跟踪采集模块用于实时采集患病居民的恢复状态，并将其进行记录分析；
所述患者数据库用于接收并存储各组患者数据，同时与各患病居民移动设备通信连接以进行反馈提示。
2.根据权利要求1所述的一种基于云的社区慢病大数据管理系统，其特征在于，所述区域统计模块定位统计具体步骤如下：
步骤一：各居民通过用户登记模块注册登记完成后，区域统计模块请求获取居民位置信息；
步骤二：区域统计模块与通信卫星通信连接，同时通过GPS定位系统对各居民所在位置进行定位，同时按照不同区域对定位完成的各组居民位置进行分类；
步骤三：按照省-市-区县-乡生成多组居民记录表，并将相同区域的居民姓名录入居民记录表中，之后统计各区域居民数量以及定位完成的居民总量。
3.根据权利要求2所述的一种基于云的社区慢病大数据管理系统，其特征在于，所述体检记录模块记录标记具体步骤如下：
步骤(1)：体检记录模块与多组体检设备通信连接，并接收各组体检设备传输的居民体检数据，之后将收集到的各组体检数据了录入对应居民记录表中；
步骤(2)：同时将各组居民体检信息按照首字母A～Z进行有序排列，并对采集到的体检信息非二进制的数据转换为二进制，同时对同一区域的居民体检信息进行编号标记。
4.根据权利要求3所述的一种基于云的社区慢病大数据管理系统，其特征在于，所述慢病分析模块分析收集具体步骤如下：
第一步：慢病分析模块接收各组居民记录表，同时从慢病数据云端中提取各组社区慢病判别标准，并一一与居民记录表中记录的各组居民体检信息进行对比；
第二步：若居民体检信息中与社区慢病判别标准存在一致的信息，则判断该居民患有相关慢病，同时将该社区慢病名称录入先对应的居民记录表的居民处；
第三步：按照社区慢病种类构建多组慢病数据集，并患有对应社区慢病的居民姓名录入相关慢病数据集中进行记录，将各居民所在区域进行收集以构建区域匹配集，并将其与各组慢病数据集中的居民进行匹配。
5.根据权利要求4所述的一种基于云的社区慢病大数据管理系统，其特征在于，所述患者分配模块分类匹配具体步骤如下：
S1.1：患者分配模块接收各组慢病数据集，并依据其中各组居民所在区域信息，从医生信息云端调取相对应区域的医生信息；
S1.2：将同一区域的患者与医生信息进行整合归类，同时依据各医生距离患者的距离远近进行分配，同时若存在未分配的医生，则将分配患者人数较多的医生与该未分配的医生进行平均分配；
S1.3：依据分配完成的各组信息，向各组居民智能手机发送相对应的医生信息以及咨询时间，同时为各居民按照体检时间先后分配预约号。
6.根据权利要求1所述的一种基于云的社区慢病大数据管理系统，其特征在于，所述跟踪采集模块记录分析具体步骤如下：
S2.1：跟踪采集模块用于定期收集各组慢病数据集中居民体检信息，同时将其与前一次居民体检信息进行对比；
S2.2：构建训练一组分析神经模型，并将对比信息录入该分析神经模型中，并通过输入、卷积、池化、全连接和输出对各组对比信息进行分析，同时依据分析结果绘制一组或多组居民的社区慢病恢复折线图。
CN202210506003.7A 2022-05-10 2022-05-10 一种基于云的社区慢病大数据管理系统 Withdrawn CN114864112A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210506003.7A CN114864112A (zh) 2022-05-10 2022-05-10 一种基于云的社区慢病大数据管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210506003.7A CN114864112A (zh) 2022-05-10 2022-05-10 一种基于云的社区慢病大数据管理系统

Publications (1)

Publication Number Publication Date
CN114864112A true CN114864112A (zh) 2022-08-05

Family

ID=82636771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210506003.7A Withdrawn CN114864112A (zh) 2022-05-10 2022-05-10 一种基于云的社区慢病大数据管理系统

Country Status (1)

Country Link
CN (1) CN114864112A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116246788A (zh) * 2023-05-12 2023-06-09 天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心) 基于体检报告整合分析的无创风险糖尿病预测系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116246788A (zh) * 2023-05-12 2023-06-09 天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心) 基于体检报告整合分析的无创风险糖尿病预测系统

Similar Documents

Publication Publication Date Title
CN107066814A (zh) 一种基于望闻问切协同的中医智能辅助诊断系统
CN110502999B (zh) 校园管理系统及方法
CN106326482A (zh) 一种大数据可视化采集分析及文件转换系统和方法
CN113593686A (zh) 基于drg/dip全流程医疗质量监管的医保综合管理系统及管理方法
CN111695836B (zh) 临床试验在线运行管控集成系统
CN107220510A (zh) 一种应用于医疗行业的数据管理方法和系统
CN111369208A (zh) 刑罚变更执行检察智能辅助办案系统
CN101919684A (zh) 监控病人疼痛状态的装置及其方法
CN112819326A (zh) 一种适用于居民小区的疫情防控管理系统及其搭建方法
CN114864112A (zh) 一种基于云的社区慢病大数据管理系统
CN113066562A (zh) 基于5g的医疗图像传输方法及系统
CN112185558A (zh) 基于深度学习的心理健康及康复评定方法、装置及介质
CN113921127A (zh) 一种区域内血液资源优化调度及精准使用信息系统及方法
CN109409709A (zh) 智能职称评定系统
CN113871025A (zh) 一种皮肤科临床专病数据库建设方法和系统
CN110544522A (zh) 一种基于中医护理程序的移动护理信息系统
CN112927817A (zh) 一种健康上报系统
CN111180055A (zh) 一种医院监管系统及方法
CN112786128A (zh) 一种电子病历书写质量检查系统和方法
EP1260926A2 (de) System zur Erfassung und Information von regional gruppierten, tagesaktuellen medizinischen Daten
Liu et al. Research on application of data mining in hospital management
CN114678126A (zh) 一种疾病追踪预测系统
CN111401776A (zh) 一种公共卫生服务质控方法及系统
Zhao et al. Application of CRNN based OCR in health records system
CN109829655A (zh) 一种村落类型识别系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220805