JP7490965B2 - 術式提案装置及びプログラム - Google Patents
術式提案装置及びプログラム Download PDFInfo
- Publication number
- JP7490965B2 JP7490965B2 JP2020009568A JP2020009568A JP7490965B2 JP 7490965 B2 JP7490965 B2 JP 7490965B2 JP 2020009568 A JP2020009568 A JP 2020009568A JP 2020009568 A JP2020009568 A JP 2020009568A JP 7490965 B2 JP7490965 B2 JP 7490965B2
- Authority
- JP
- Japan
- Prior art keywords
- joint
- surgical procedure
- surgery
- patient
- information
- 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
- 238000001356 surgical procedure Methods 0.000 title claims description 148
- 238000000034 method Methods 0.000 claims description 34
- 230000002980 postoperative effect Effects 0.000 claims description 14
- 208000024891 symptom Diseases 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 description 22
- 230000005855 radiation Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 12
- 210000000988 bone and bone Anatomy 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000002601 radiography Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000007943 implant Substances 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 210000004394 hip joint Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000469816 Varus Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013150 knee replacement Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000002967 posterior cruciate ligament Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011541 total hip replacement Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Prostheses (AREA)
Description
しかし、同じ関節を置換するための人工関節一つをとってもその種類は複数ある。
また、同じ症状の複数の患者に、同じように手術を施しても、全ての患者の術後の経過が良好になるとは限らない(多くの患者にとって最適な人工関節であっても、一部の患者には合わない場合がある)。
このため、人工関節の選択は、医師にとっても容易なことではない。
そこで、医師による人工関節の選択を支援する各種技術が従来提案されている。
また、特許文献2には、第1,第2の骨部を含む患部の3次元画像から、第1,第2の骨部に対応する第1,第2の骨オブジェクトが夫々分離、抽出された3次元オブジェクト画像を生成し、患部のX線画像における第1,第2の骨部の輪郭を抽出して術中X線輪郭画像を生成し、第1,第2の骨オブジェクトが、術中X線輪郭画像の第1,第2の骨部の夫々の輪郭に合致するように3次元オブジェクト画像を位置合わせした参照画像を生成し、X線画像と参照画像とを表示する術式提案装置について記載されている。
また、特許文献3には、一組の二次元解剖画像または三次元解剖画像の上で複数の標識点を識別し、標識点間の関係の少なくとも一部に基づいて二次元解剖画像の縮尺に一致するように親人工関節の三次元表現を拡大縮小し、拡大縮小された三次元親人工関節の二次元表現を二次元解剖画像の少なくとも一つに表示する手術計画の方法について記載されている。
一方、手術を受けた患者の中には、良好な状態をそのまま保ち続ける人もいれば、手術の直後の調子が良くても時間が経つにつれて再び悪化してきてしまう人や、手術直後から痛みを訴える人もいる。しかしながら、特許文献1~3に記載された技術は、手術前に得られた情報のみに基づいて使用すべき人工関節を選択するものとなっている。このため、患者に合わない、短期間のうちに不具合が生じる人工関節を提案してしまう可能性がある。
患者の関節部が写った放射線画像を取得する取得手段と、
関節に手術を施す前の関節部が写った動画である術前放射線画像に写る関節部の動きから抽出される特徴、前記関節に行った手術の術式、及び前記手術を行った後の前記関節部の状態を入力とし、行うべき前記手術の術式を出力として機械学習させた学習済モデルと、
前記学習済モデルを用い、前記取得手段が取得した前記放射線画像に写った前記関節部に対して行うべき手術の術式を選択する選択手段と、
前記選択手段が選択した前記手術の術式を出力する出力手段と、を備える。
コンピューターに、
患者の関節が写る放射線画像を取得する取得処理と、
関節に手術を施す前の関節部が写った動画である術前放射線画像に写る関節部の動きから抽出される特徴、前記関節に行った手術の術式、及び前記手術を行った後の前記関節部の状態を入力とし、行うべき前記手術の術式を出力として機械学習させた学習済モデルを用い、前記取得処理において取得した前記放射線画像を入力として、前記患者の関節部に対して行うべき手術の術式を出力する出力処理と、を実行させる。
初めに、本実施形態に係る手術支援システム100の構成について説明する。
図1は、手術支援システム100の概略構成を示すブロック図である。
これらは、通信ネットワークNを介して互いに通信可能となっている。
なお、手術支援システム100は、上位システム(例えば、放射線科情報システム(Radiology Information System:RIS)や、画像保存通信システム(Picture Archiving and Communication System:PACS)等)と接続されていてもよい。
本実施形態に係る放射線撮影システム1は、図示しない放射線発生装置と、図示しない放射線検出器と、図示しないコンソールと、を備えている。
放射線発生装置は、予め設定された撮影条件に応じた態様の放射線を発生させることが可能に構成されている。
放射線検出器は、受けた放射線の線量分布に応じた放射線画像を生成するように構成されている。
コンソールは、放射線発生装置及び放射線検出器の動作を設定することが可能に構成されている。
すなわち、本実施形態に係る放射線撮影システムを用いて、曲げ伸ばしを行っている関節部を撮影することにより、関節部の動きが写る動画を得ることができる。
サーバー2は、データベースDを有している。
データベースDは、患者の関節部が写った放射線画像の画像データを蓄積している。
また、データベースDは、複数種類の人工関節の情報を蓄積している。
また、データベースDは、過去に関節を人工関節に置換する手術を受けた患者の各種情報を蓄積している。
このデータベースDの詳細については後述する。
術式提案装置3は、医師や、これから関節を人工関節に置換する手術を受ける患者に対し、手術の術式を提案するものである。
本実施形態に係る術式提案装置3は、主に、膝関節と股関節を対象としているが、肩や肘に適用することも可能である。
この術式提案装置の詳細については後述する。
次に、上記手術支援システム100のサーバー2が有するデータベースDの詳細について説明する。
図2は、データベースDが蓄積する各種情報を示す表である。
また、データベースDは、複数種類の人工関節の情報を蓄積している。
データベースDが蓄積する各種情報には、手術を受ける前の患者の情報である術前患者情報と、手術を受けた後の患者の情報である術後患者情報と、が含まれる。
本実施形態に係るデータベースDは、これらの情報を、実際に行った手術の術式(1,2,3・・)ごとにまとめて管理している。
また、これらの術式には、骨の切断位置・切断角度、人工関節の種類・形状、人工関節の可動範囲、人工関節の取り付け角度、人工関節の固定方法等が含まれる。
膝関節の場合の、人工関節の種類・形状には、CR型、PS型、半拘束型等の情報が含まれる。
一方、股関節の場合の人工関節の種類・形状には、カップ、ボール、シェル、ライナー、等の形状や大きさ、可動域の大きさ等が含まれる。
また、手術前の自覚症状の訴えには、どの程度痛むか(動かせない程ではない、動かすことが困難な程等)、どういうときに痛むか(運動時、歩くとき、走るとき、立ち上がる時等)の情報が含まれる。
なお、術前患者情報は、これらの情報をすべて含んでいる必要はなく、これらのうちの少なくともいずれかが含まれているだけでもよい。
本実施形態に係る術後患者情報には、手術を行った後の被撮影者の関節部についての自覚症状の訴え、手術を行った後の関節部が写った術後放射線画像の画像診断結果及び医師の最終的な総合評価等が含まれる。
また、手術後の自覚症状の訴えには、手術直後の訴え、手術から所定期間経過後の変化が含まれる。
また、手術直後の訴えには、安静時のもの、及び関節を動かした動作時のものが含まれる。
また、本実施形態においては、所定期間を複数(例えば一ヶ月後、半年後、一年後)設定している。
また、画像診断結果には、どのような問題があるか(人工関節の取り付け位置や角度にずれがある、人工関節が劣化している等)の情報が含まれる。
また、画像診断結果には、手術直後の診断結果が含まれる。
手術直後の診断結果は、例えば、図3(a)に示す手術前の放射線画像と図3(b)に示す術後放射線画像とを比較し、骨と人工関節との間にずれが無いかどうか、荷重面が拡大したか否か、関節裂隙が拡大したか否か、内反変形が改善したか否か、下肢のアライメントが補正されたか、左右の脚長差が改善されたか否か、等を判断したものである。
また、画像診断結果には、手術から所定期間経過後の変化が含まれる。
また、本実施形態においては、所定期間を複数(例えば半年後、1年後)設定している。
手術から所定期間経過後の変化は、例えば、直近の術後放射線画像と1回前に撮影した術後放射線画像とを比較し、手術直後と同様の項目について判断したものである。
次に、上記手術支援システム100が備える術式提案装置3の詳細について説明する。
図4は、術式提案装置3の具体的構成を示すブロック図である。
〔3-1.構成〕
術式提案装置3は、図4に示すように、制御部31と、通信部32と、記憶部33と、表示部34と、操作部35と、を備えている。
そして、制御部31のCPUは、記憶部33に記憶されている各種プログラムを読み出してRAM内に展開し、展開されたプログラムに従って各種処理を実行し、術式提案装置3各部の動作を集中制御するようになっている。
また、記憶部33は、制御部31が各種処理を実行するためのプログラムやプログラムの実行に必要なパラメーター等を記憶している。
なお、この記憶部33で、放射線画像の画像データや患者の各種情報を管理するようになっていてもよい。その場合、手術支援システム100は、上記サーバー2を備えていなくてもよい。
学習済モデルMは、データベースDに蓄積された、関節に手術を施す前の関節部が写った術前放射線画像、関節に行った手術の術式、及び手術を行った後の関節部の状態を入力とし、行うべき手術の術式を出力として機械学習させたものとなっている。
具体的には、動画に写る関節部の動きから抽出される特徴が機械学習の入力に用いられている。
関節部の動きには、図5(a)に示すような、伸展・屈曲の他、図5(b)に示す内旋、図5(c)に示す外旋、後十字靭帯の動き(膝関節の場合)等が含まれる。
なお、学習済モデルMは、入力とする放射線画像を静止画及び動画としていてもよい。
また、記憶部33は、上記学習済モデルMとは別に、静止画を入力として機械学習させた第二の学習済モデルを記憶していてもよい。
本実施形態に係る患者に関する情報には、術前患者情報(患者の年齢、性別、手術を行う前の患者の関節部についての自覚症状の訴え、過去の手術歴、過去の検査結果及び関節部に対する医師の診断結果)、術後患者情報(手術を行った後の関節部の状態)が含まれる。
なお、患者に関する情報は、これらの情報をすべて含んでいる必要はなく、これらのうちの少なくともいずれかが含まれているだけでもよい。
このため、本実施形態に係る学習済モデルMは、術後放射線画像の画像診断結果及び手術を行った後の被撮影者の関節部についての自覚症状の訴えを更に入力とし、手術の前後で関節部の動作の変化が少なく、かつ被撮影者による痛みの訴えが少ない術式を出力として機械学習させたものとなっている。
このようにすれば、放射線画像を入力するだけで、術式提案装置3が自動で特徴を抽出して学習を行うようになる。
そして、操作部35は、操作者によってなされた操作に基づく制御信号を制御部31に出力するようになっている。
このように構成された術式提案装置3の制御部31は、所定条件が成立した(例えば、放射線撮影が開始されたこと、操作部35に所定操作がなされたこと等)を契機として、図6に示す術式提案処理を実行する。
この取得処理で、制御部31は、患者の関節部が写った放射線画像を取得する。
放射線画像の取得は、通信部32を介して他の装置(放射線検出器、コンソール、PACS等)から受信することにより行ってもよいし、メディアから読み取ることにより行ってもよい。
本実施形態に係る制御部31は、この取得処理において、関節部が写る静止画及び関節部の動きが写る動画のうちの少なくとも一方を取得する。
また、本実施形態に係る制御部31は、この取得処理において、患者に関する情報を更に取得する。
患者に関する情報は、医師等が操作部35を操作することにより入力したものを取得してもよいし、通信部32を介して上位システムから受信したものを取得してもよい。
制御部31は、この取得処理を実行することにより取得手段をなす。
この選択処理で、制御部31は、学習済モデルMを用い、取得した放射線画像に写った関節部に対して行うべき手術の術式を選択する。
また、本実施形態に係る制御部31は、取得した患者に関する情報を更に入力として術式を選択する。
なお、患者に関する情報は、これらの情報をすべて含んでいる必要はなく、これらのうちの少なくともいずれかが含まれているだけでもよい。
具体的には、関節部の動きから特徴を抽出し、上記患者に関する情報と共に学習済モデルMに入力することで、学習済モデルMが選択した術式を出力する。
具体的には、放射線画像の関節部の手術に最適な術式(人工関節への置換の有無、骨の切断位置・切断角度、人工関節の種類・形状、人工関節の可動範囲、人工関節の取り付け角度、人工関節の固定方法等)であって、手術の前後で関節部の動作の変化が少なく、かつ被撮影者による痛みの訴えが少ない術式を出力する。
制御部31は、この選択処理を実行することにより選択手段をなす。
この出力処理で、制御部31は、選択した術式を出力する。
出力は、表示部34への表示でもよいし、他の装置(モニター等)への術式データの送信でもよい。
制御部31は、この出力処理を実行することにより出力手段をなす。
本実施形態に係る術式提案装置3は、関節に手術を施す前の関節部が写った術前放射線画像、関節に行った手術の術式、及び手術を行った後の関節部の状態を入力とし、行うべき手術の術式を出力として機械学習させた学習済モデルMを用いて、術式を選択、出力(提案)するようになっている。
すなわち、術式提案装置3の提案内容には、過去の同様の事例の知見が反映されるとともに、過去の事例の経過情報も反映される。
このため、術式提案装置3、及び手術支援システム100によれば、患者の関節部の手術を行おうとする医師に、従来よりも高い精度で術式を提案することができる。
その結果、医師の術式の選択ミスが低減され、手術後の患者の関節部は従来よりも高い確率で良好な状態を保ちつづけることになる。
また、医師及び患者の各種負担(医師が管理する人工関節の在庫や、患者が支払う医療費等)の低減にもつながる。
1 放射線撮影システム
2 サーバー
D データベース
3 術式提案装置
31 制御部
32 通信部
33 記憶部
M 学習済モデル
34 表示部
35 操作部
N 通信ネットワーク
Claims (7)
- 患者の関節部が写った放射線画像を取得する取得手段と、
関節に手術を施す前の関節部が写った動画である術前放射線画像に写る関節部の動きから抽出される特徴、前記関節に行った手術の術式、及び前記手術を行った後の前記関節部の状態を入力とし、行うべき前記手術の術式を出力として機械学習させた学習済モデルと、
前記学習済モデルを用い、前記取得手段が取得した前記放射線画像に写った前記関節部に対して行うべき手術の術式を選択する選択手段と、
前記選択手段が選択した前記手術の術式を出力する出力手段と、を備える術式提案装置。 - 前記学習済モデルは、前記関節部の状態として、前記手術を行った後の関節部が写った術後放射線画像の画像診断結果を入力とし、前記手術の前後で前記関節部の動作の変化が少ない術式を出力として機械学習させたものである請求項1に記載の術式提案装置。
- 前記学習済モデルは、前記関節部の状態として、前記手術を行った後の被撮影者の前記関節部についての自覚症状の訴えを入力とし、前記被撮影者による痛みの訴えが少ない術式を出力として機械学習させたものである請求項1又は請求項2に記載の術式提案装置。
- 前記取得手段は、前記関節部の動きが写る動画を取得し、
前記選択手段は、前記取得手段が取得した前記動画に写った前記関節部に対して行うべき手術の術式を選択する請求項1から請求項3のいずれか一項に記載の術式提案装置。 - 前記取得手段は、患者に関する情報を更に取得し、
前記学習済モデルは、前記患者に関する情報を更に入力として機械学習させたものであり、
前記選択手段は、前記取得手段が取得した前記患者に関する情報を更に入力として前記手術の術式を選択する請求項1から請求項4のいずれか一項に記載の術式提案装置。 - 前記患者に関する情報には、患者の年齢、性別、前記手術を行う前の前記患者の前記関節部についての自覚症状の訴え、過去の手術歴、過去の検査結果及び医師による手術前の前記関節部の画像診断結果のうちの少なくともいずれかが含まれる請求項5に記載の術式提案装置。
- コンピューターに、
患者の関節が写る放射線画像を取得する取得処理と、
関節に手術を施す前の関節部が写った動画である術前放射線画像に写る関節部の動きから抽出される特徴、前記関節に行った手術の術式、及び前記手術を行った後の前記関節部の状態を入力とし、行うべき前記手術の術式を出力として機械学習させた学習済モデルを用い、前記取得処理において取得した前記放射線画像を入力として、前記患者の関節部に対して行うべき手術の術式を出力する出力処理と、を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009568A JP7490965B2 (ja) | 2020-01-24 | 2020-01-24 | 術式提案装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009568A JP7490965B2 (ja) | 2020-01-24 | 2020-01-24 | 術式提案装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021115188A JP2021115188A (ja) | 2021-08-10 |
JP7490965B2 true JP7490965B2 (ja) | 2024-05-28 |
Family
ID=77173334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020009568A Active JP7490965B2 (ja) | 2020-01-24 | 2020-01-24 | 術式提案装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7490965B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019513520A (ja) | 2016-04-11 | 2019-05-30 | センサム | 病変部の検知された特性に基づいて治療法の推奨を行う医療装置 |
WO2019245866A2 (en) | 2018-06-19 | 2019-12-26 | Tornier, Inc. | Mixed reality-aided surgical assistance in orthopedic surgical procedures |
-
2020
- 2020-01-24 JP JP2020009568A patent/JP7490965B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019513520A (ja) | 2016-04-11 | 2019-05-30 | センサム | 病変部の検知された特性に基づいて治療法の推奨を行う医療装置 |
WO2019245866A2 (en) | 2018-06-19 | 2019-12-26 | Tornier, Inc. | Mixed reality-aided surgical assistance in orthopedic surgical procedures |
Also Published As
Publication number | Publication date |
---|---|
JP2021115188A (ja) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barg et al. | Weightbearing computed tomography of the foot and ankle: emerging technology topical review | |
US10019551B2 (en) | Generating a patient-specific orthopaedic surgical plan from medical image data | |
Campbell et al. | Pilot study of a 3-dimensional method for analysis of pronation of the first metatarsal of hallux valgus patients | |
Buller et al. | Relationship between proximal femoral and acetabular alignment in normal hip joints using 3-dimensional computed tomography | |
US9286355B2 (en) | Method and system for human joint treatment plan and personalized surgery planning using 3-D kinematics, fusion imaging and simulation | |
de Cesar Netto et al. | Influence of investigator experience on reliability of adult acquired flatfoot deformity measurements using weightbearing computed tomography | |
Burssens et al. | Templating of syndesmotic ankle lesions by use of 3D analysis in weightbearing and nonweightbearing CT | |
US11986245B2 (en) | Evaluation of instability using imaging and modeling following arthroplasty | |
Schmaranzer et al. | The effect of modality and landmark selection on MRI and CT femoral torsion angles | |
Kang et al. | Validation of a computational knee joint model using an alignment method for the knee laxity test and computed tomography | |
Kobayashi et al. | Effect of decreasing the anterior pelvic tilt on range of motion in femoroacetabular impingement: a computer-simulation study | |
Boschung et al. | Limited external rotation and hip extension due to posterior extra-articular ischiofemoral hip impingement in female patients with increased femoral anteversion: implications for sports, sexual, and daily activities | |
Ektas et al. | Validity of intraoperative imageless navigation (Naviswiss) for component positioning accuracy in primary total hip arthroplasty: protocol for a prospective observational cohort study in a single-surgeon practice | |
Uemura et al. | The effect of patient positioning on measurements of bone mineral density of the proximal femur: a simulation study using computed tomographic images | |
Pisquiy et al. | Utility of 3-dimensional intraoperative imaging in pelvic and acetabular fractures: A network meta-analysis | |
JP2021058570A (ja) | 画像処理装置及びプログラム | |
JP7490965B2 (ja) | 術式提案装置及びプログラム | |
Livingston et al. | Use of digital tomosynthesis in assessing accurate medial epicondyle fracture displacement as compared with conventional radiography and computed tomography | |
EP4395677A1 (en) | Surgical planning systems and methods for preoperatively assessing center of rotation data | |
Koenig et al. | Total knee arthroplasty technique: OMNIBotics | |
Jagadeesh et al. | Bone Ninja application is reliable alternative to PACS in measuring preoperative and postoperative alignment parameters of total knee arthroplasty | |
Boschung et al. | Posterior Hip Impingement at Maximal Hip Extension in Female Patients With Increased Femoral Version or Increased McKibbin Index and Its Effect on Sports Performance | |
US11564652B2 (en) | Storage medium, dynamic analysis apparatus, and dynamic analysis system | |
Goin et al. | Influence of material properties and boundary conditions on patient-specific models | |
Guasch Izquierdo | Robotic-assisted Surgery in Unicompartmental Knee Arthroplasty: Learning Curves and Clinical Outcomes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240126 |
|
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: 20240416 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240429 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7490965 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |