JP7489723B2 - プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 - Google Patents
プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 Download PDFInfo
- Publication number
- JP7489723B2 JP7489723B2 JP2022161191A JP2022161191A JP7489723B2 JP 7489723 B2 JP7489723 B2 JP 7489723B2 JP 2022161191 A JP2022161191 A JP 2022161191A JP 2022161191 A JP2022161191 A JP 2022161191A JP 7489723 B2 JP7489723 B2 JP 7489723B2
- Authority
- JP
- Japan
- Prior art keywords
- clinical data
- outcome
- patient
- head
- learning model
- 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
- 230000010365 information processing Effects 0.000 title claims description 93
- 238000000034 method Methods 0.000 title claims description 50
- 238000003672 processing method Methods 0.000 title claims description 3
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 206010019196 Head injury Diseases 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 27
- 208000001892 Traumatic Subarachnoid Hemorrhage Diseases 0.000 claims description 23
- 206010015769 Extradural haematoma Diseases 0.000 claims description 22
- 230000001154 acute effect Effects 0.000 claims description 22
- 230000006835 compression Effects 0.000 claims description 20
- 238000007906 compression Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 18
- 210000003128 head Anatomy 0.000 claims description 16
- 206010010071 Coma Diseases 0.000 claims description 14
- 230000001755 vocal effect Effects 0.000 claims description 13
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims 2
- 235000011941 Tilia x europaea Nutrition 0.000 claims 2
- 239000004571 lime Substances 0.000 claims 2
- 210000004369 blood Anatomy 0.000 description 15
- 239000008280 blood Substances 0.000 description 15
- 238000011282 treatment Methods 0.000 description 14
- 102000001554 Hemoglobins Human genes 0.000 description 12
- 108010054147 Hemoglobins Proteins 0.000 description 12
- 238000002297 emergency surgery Methods 0.000 description 12
- 210000002966 serum Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 208000014674 injury Diseases 0.000 description 10
- 230000035488 systolic blood pressure Effects 0.000 description 10
- 210000001747 pupil Anatomy 0.000 description 9
- 108010074051 C-Reactive Protein Proteins 0.000 description 8
- 102100032752 C-reactive protein Human genes 0.000 description 8
- 239000003154 D dimer Substances 0.000 description 8
- 108010052295 fibrin fragment D Proteins 0.000 description 8
- 230000008733 trauma Effects 0.000 description 8
- 206010052346 Brain contusion Diseases 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000003902 lesion Effects 0.000 description 7
- 208000020431 spinal cord injury Diseases 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 208000031809 Subdural Acute Hematoma Diseases 0.000 description 6
- 208000002667 Subdural Hematoma Diseases 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000007659 motor function Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001179 pupillary effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 208000022540 Consciousness disease Diseases 0.000 description 1
- 201000006347 Intellectual Disability Diseases 0.000 description 1
- 206010022840 Intraventricular haemorrhage Diseases 0.000 description 1
- 206010027374 Mental impairment Diseases 0.000 description 1
- 208000008116 Traumatic Cerebral Hemorrhage Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007428 craniotomy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011277 treatment modality 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
図1は、情報処理装置10の構成例を示すブロック図である。情報処理装置10は、本システムを提供するサーバコンピュータまたはパーソナルコンピュータ等の情報機器である。本実施の形態では、一つのコンピュータが処理をおこなうものとして説明するが、複数のコンピュータが分散して処理をおこなってもよい。また、情報処理装置10が実行する一部の処理をクラウド上のサーバコンピュータが実行してもよい。
14)急性硬膜下血腫
15)急性硬膜外血種
16)外傷性くも膜下出血
17)脳挫傷
18)正中偏位
19)脳底槽の圧排
20)占拠性病変
dead:死亡。
vegetative state:植物状態。
severely disabled:身体的または精神的障害のため、日常生活に介入を要する。
moderately disabled:ある程度の神経学的または知的障害があるが、日常生活を自立して送ることができる。
good recovery:後遺症がないか、わずかに障害を残すが、元の生活に戻れている。
(1)good recoveryおよびmoderate disabilityを転帰良好
(2)severe disabilityおよびvegetative stateを高度障害
(3)deathを死亡
とする。
(1)good recoveryを転帰良好
(2)moderate disabilityを軽度障害
(3)severe disabilityおよびvegetative stateを高度障害
(4)deathを死亡
とする。
(1)lower good, upper good, lower moderate, upper moderateが転帰良好
(2)lower severe, upper severe, vegetative stateが高度障害
(3)deathが死亡
と分類される。
(1)lower good, upper goodが転帰良好
(2)lower moderate, upper moderate が軽度障害
(3)lower severe, upper severe, vegetative stateが高度障害
(4)deathが死亡
と分類される。
患者A 年齢:24 性別:男 GCSの合計点:10 収縮期血圧:未入力
類似患者 年齢:26 性別:男 GCSの合計点:11 収縮期血圧:130
実施の形態1では、CT画像所見に基づく14)から20)までの臨床データを医療従事者が入力することで取得する形態について説明した。実施の形態2では、CT画像を第2学習モデル162に入力して複数の特徴値を取得した後、その複数の特徴値を第1学習モデル161に入力する形態について説明する。
実施の形態3では、頭部外傷患者の入院期間を予測する第3学習モデル163について説明する。
10a 可搬型記憶媒体
11 制御部
12 主記憶部
13 通信部
14 入力部
15 表示部
16 補助記憶部
160 プログラム(プログラム製品)
161 第1学習モデル
162 第2学習モデル
163 第3学習モデル
170 患者DB
Claims (15)
- 頭部外傷患者の臨床データを取得し、
Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目と、急性硬膜外血腫と、外傷性くも膜下出血と、正中偏位と、脳底槽の圧排とを含む臨床データに加えて、Glasgow coma scaleの合計点と、急性硬膜外血腫、外傷性くも膜下出血、正中偏位、および脳底槽の圧排により導出されるスコアとを用いて学習され、頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
処理をコンピュータに実行させるプログラム。 - Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目と、急性硬膜外血腫と、外傷性くも膜下出血と、正中偏位と、脳底槽の圧排とを含む臨床データを取得する
請求項1に記載のプログラム。 - 頭部外傷患者のGlasgow coma scaleのMotor項目、急性硬膜外血腫、外傷性くも膜下出血、正中偏位、および脳底槽の圧排を含む臨床データと、Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目の合計点と、急性硬膜外血腫、外傷性くも膜下出血、正中偏位、および脳底槽により導出されるスコアとを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者のGlasgow coma scaleのMotor項目、急性硬膜外血腫、外傷性くも膜下出血、正中偏位、および脳底槽の圧排を含む臨床データと、Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目の合計点と、急性硬膜外血腫、外傷性くも膜下出血、正中偏位、および脳底槽により導出されるスコアとを入力して転帰情報を出力する
処理をコンピュータに実行させるプログラム。 - 頭部外傷患者の臨床データを取得し、
Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目を含む臨床データと、Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目の合計点と、患者の頭部のCT画像とを用いて学習され、頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
処理をコンピュータに実行させるプログラム。 - 頭部外傷患者の臨床データおよび該患者の頭部のCT画像を取得し、
Glasgow coma scaleのMotor項目を含む臨床データと、Glasgow coma scaleのEyes項目、Verbal項目、およびMotor項目の合計点と、前記CT画像により算出される特徴値とを前記第1学習モデルに入力して転帰情報を出力する
請求項4に記載のプログラム。 - 患者の頭部のCT画像を入力した場合に、転帰情報に関する複数の特徴値を出力するよう学習された第2学習モデルに、患者の頭部のCT画像を入力して複数の特徴値を出力する
請求項4または請求項5に記載のプログラム。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を、転帰良好、高度障害、若しくは死亡に分類した転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
処理をコンピュータに実行させるプログラム。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を、転帰良好、軽度障害、高度障害、若しくは死亡に分類した転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
処理をコンピュータに実行させるプログラム。 - 複数の臨床データの入力を受け付け、
受け付けた複数の臨床データを取得し、
入力されていない未入力の臨床データが存在する場合に、受け付けた複数の臨床データに基づき、未入力の臨床データを特定する
請求項1から請求項5のいずれか一項に記載のプログラム。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の入院期間を出力するよう学習された第3学習モデルに、取得した頭部外傷患者の臨床データを入力して入院期間を取得し、
前記第1学習モデルから出力された転帰情報に関連付けて、前記入院期間を出力する
処理をコンピュータに実行させるプログラム。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を取得し、
k近傍法においてあらかじめ設定されたkの値に基づいて、前記頭部外傷患者の類似患者を特定し、
特定した類似患者の平均入院期間を算出し、
前記転帰情報に関連付けて、算出した前記平均入院期間を出力する
処理をコンピュータに実行させるプログラム。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関する転帰情報を出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を取得し、
取得した転帰情報に基づいて、SHAP値又はLIME値を算出し、
算出したSHAP値又はLIME値に基づいて、前記転帰情報に寄与した臨床データを特定し、
前記転帰情報に関連付けて、特定した臨床データを出力する
処理をコンピュータに実行させるプログラム。 - 制御部を備える情報処理装置において、
前記制御部は、
頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関して、転帰良好、高度障害、若しくは死亡に分類した転帰情報、又は、転帰良好、高度障害、若しくは死亡に分類した転帰情報を、出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
情報処理装置。 - 頭部外傷患者の臨床データを取得し、
頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関して、転帰良好、高度障害、若しくは死亡に分類した転帰情報、又は、転帰良好、高度障害、若しくは死亡に分類した転帰情報を、出力するよう学習された第1学習モデルに、取得した頭部外傷患者の臨床データを入力して転帰情報を出力する
処理をコンピュータが行う情報処理方法。 - 頭部外傷患者の臨床データと、頭部外傷患者の転帰に関する転帰情報とを関連付けた訓練データを取得し、
前記訓練データに基づき、頭部外傷患者の臨床データを入力した場合に、頭部外傷患者の転帰に関して、転帰良好、高度障害、若しくは死亡に分類した転帰情報、又は、転帰良好、高度障害、若しくは死亡に分類した転帰情報を、出力する第1学習モデルを生成する
処理をコンピュータが行う学習モデルの生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022161191A JP7489723B2 (ja) | 2022-10-05 | 2022-10-05 | プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 |
PCT/JP2023/032678 WO2024075467A1 (ja) | 2022-10-05 | 2023-09-07 | プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022161191A JP7489723B2 (ja) | 2022-10-05 | 2022-10-05 | プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024054756A JP2024054756A (ja) | 2024-04-17 |
JP7489723B2 true JP7489723B2 (ja) | 2024-05-24 |
Family
ID=90607828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022161191A Active JP7489723B2 (ja) | 2022-10-05 | 2022-10-05 | プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7489723B2 (ja) |
WO (1) | WO2024075467A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021262905A2 (en) | 2020-06-23 | 2021-12-30 | Brainbox Solutions, Inc. | Multimodality systems and methods for detection, prognosis, and monitoring of neurological injury and disease |
JP2022023999A (ja) | 2013-07-17 | 2022-02-08 | ザ・ジョンズ・ホプキンス・ユニバーシティ | 脳損傷の予測方法 |
-
2022
- 2022-10-05 JP JP2022161191A patent/JP7489723B2/ja active Active
-
2023
- 2023-09-07 WO PCT/JP2023/032678 patent/WO2024075467A1/ja unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022023999A (ja) | 2013-07-17 | 2022-02-08 | ザ・ジョンズ・ホプキンス・ユニバーシティ | 脳損傷の予測方法 |
WO2021262905A2 (en) | 2020-06-23 | 2021-12-30 | Brainbox Solutions, Inc. | Multimodality systems and methods for detection, prognosis, and monitoring of neurological injury and disease |
Also Published As
Publication number | Publication date |
---|---|
WO2024075467A1 (ja) | 2024-04-11 |
JP2024054756A (ja) | 2024-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Georgieva et al. | Artificial neural networks applied to fetal monitoring in labour | |
US20180315488A1 (en) | Emergency Room Medical Triage, Diagnosis, and Treatment | |
Khan et al. | A Comparative Study of Machine Learning classifiers to analyze the Precision of Myocardial Infarction prediction | |
Yasnitsky et al. | The capabilities of artificial intelligence to simulate the emergence and development of diseases, optimize prevention and treatment thereof, and identify new medical knowledge | |
Sana et al. | Automated diagnosis and cause analysis of cesarean section using machine learning techniques | |
CN116472591A (zh) | 使用人工智能生成与脊髓性肌萎缩症相关的预测结果的技术 | |
CN112542242A (zh) | 数据转换/症状评分 | |
CN116682565B (zh) | 一种数字化医疗信息在线监测方法、终端及介质 | |
JP7489723B2 (ja) | プログラム、情報処理装置、情報処理方法、および学習モデルの生成方法 | |
CN112489789A (zh) | 一种用于心血管疾病风险评估的分层管理系统及方法 | |
Yang et al. | 10-year CVD risk prediction and minimization via InverseClassification | |
WO2023128780A1 (ru) | Способ ранней диагностики хронических заболеваний пациента | |
Vakili et al. | Drug recommender system based on collaborative filtering for multiple sclerosis patients | |
JP7408000B1 (ja) | 骨粗鬆症による骨折の推測及び予測の少なくとも一方の方法、骨折スコア出力方法、学習モデル生成方法、学習モデル、骨粗鬆症による骨折のリスク因子推定方法、グラフ作成方法、プログラム、情報処理装置、並びに、学習データセット作成方法 | |
JP7504510B1 (ja) | 疾病リスク評価装置、疾病リスク評価システム、及び疾病リスク評価方法 | |
RU2800315C2 (ru) | Способ ранней диагностики хронических заболеваний пациента, основанный на кластерном анализе больших данных | |
Santhanakrishna et al. | Early Cerebral Infarction Detection and Classification Using Machine Learning Approaches | |
Ryzhova et al. | Artificial Intelligence in The Diagnosis of Diseases of Various Origins | |
US20230411003A1 (en) | Disease diagnosis result determination device, disease diagnosis result determination method, and program | |
RU2811260C1 (ru) | Способ диагностики идиопатической нормотензивной гидроцефалии | |
Oliveira | Evaluation and prediction of multiple sclerosis disease progression | |
Vakili et al. | Supervised Machine Learning Models for Multiple Sclerosis Relapse Probability Prognosis using Clinical Data | |
Ćojbašić | Machine learning as an aid to predicting clinical outcome after stroke | |
WO2024071242A1 (ja) | 対象のラベルを推定するための因子パラメータを提案する提案装置、提案方法、提案システム、プログラム、ならびに、情報記録媒体 | |
US20240266062A1 (en) | Disease risk evaluation method, disease risk evaluation system, and health information processing device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20221014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230904 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240312 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240507 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7489723 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |