著录项信息
专利名称 | 用于分层搜索的方法和装置 |
申请号 | CN200880122694.9 | 申请日期 | 2008-12-10 |
法律状态 | 授权 | 申报国家 | 中国 |
公开/公告日 | 2010-12-08 | 公开/公告号 | CN101911077A |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | G06F19/00 | IPC分类号 | G;0;6;F;1;9;/;0;0查看分类表>
|
申请人 | 皇家飞利浦电子股份有限公司 | 申请人地址 | 荷兰艾恩德霍芬
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 皇家飞利浦电子股份有限公司 | 当前权利人 | 皇家飞利浦电子股份有限公司 |
发明人 | L·博罗茨基;L·阿尼霍特里;L·赵;M·李 |
代理机构 | 永新专利商标代理有限公司 | 代理人 | 王英;刘炳胜 |
摘要
本发明涉及搜索数据库中的病例。根据所提出的方法和装置,利用给定的匹配准则在初始搜索中执行输入病例和一组病例之间的相似性匹配以接收相似病例。然后计算与相似病例相关联的基于图像和/或非基于图像的特征的统计值并为用户呈现相似病例。在搜索细化中,由用户基于统计值确定的额外特征细化相似病例。根据用户的需要可以迭代进行搜索细化。通过实现在由用户驱动的多步方法中进行相似性匹配,与一步方法相比,本发明使用户更多观察到特定相似病例是如何检索到的以及为什么检索到的,实现了病例检索性能的改善。
用于分层搜索的方法和装置\n技术领域\n[0001] 本发明涉及搜索,并且更具体地涉及用于医疗应用中基于病例的决策支持的分层搜索方法和装置,所述医疗应用例如是基于病例的计算机辅助诊断和计算机辅助治疗管理。\n背景技术\n[0002] 基于病例的临床决策支持系统(CDSS)能够通过识别并呈现已经诊断和治疗且与正评估的病例相似的先前病例来辅助医师。这些系统改善了传统临床决策制定过程,在传统过程中,医师自己先前的或学习的病例记忆指导新的临床决策。基于病例的CDSS系统将使医师能够迅速而可靠地访问超越任一单个医师拥有的历史经验的数据集。\n[0003] 研究表明,基于病例的系统有潜力用于计算机辅助诊断(CADx)和计算机辅助治疗管理(CATM),以辅助医师改进诊断和治疗。通过以与有经验医师采用的认知过程相似的归纳方式检索病例,这种系统自然适用于临床环境中。因此,基于病例的CADx系统将帮助医师提高他们的诊断精确度并减少治疗中不必要的介入和延迟。在CATM领域中,基于病例的系统可以通过基于过去相似病例采用更好的治疗计划来改善患者的结果并缩短治疗时间。\n[0004] 当前基于病例的CDSS系统大部分基于仅基于图像的信息提供相似病例,不能结合患者的病史,而在诊断过程中病史具有重要作用。通常,它们或者向医师呈现过多“相似”病例,或者单单使用基于图像的信息不足以找到真正临床上相似或相关的病例。因此,基于病例的CDSS系统可能失去其初衷。由于提供过多病例而且其中很多实际上是不相干的,医师们的信息超载增大,并未在其决策制定过程中帮助医师。此外,基于图像的特征可能不足以找到足够多病例。如果正研究的病例有与众不同的外观,尤其会是这种问题。\n[0005] 解决该问题的一种可能方式是使用基于图像的特征和相关的非基于图像的信息,例如与被研究患者相关联的相关过往或当前疾病、生活方式、遗传概况、家族病史、诸如血压、心率等的患者的生命体征统计。可以将这种额外的非图像数据与基于图像的特征组合以搜索数据库中的相似病例。然而,利用现有技术中的搜索技术,检索的结果基于固定在病例检索系统中或在检索过程开始时输入的预定标准。因此,基于现有技术的这种系统不能为医师提供在检索过程期间利用其对病例相似性的主观感觉来细化搜索,从而限制了病例检索的有用性和效率。此外,因为在搜索过程期间用户输入受限制,过去已知的系统在为什么检索到特定病例方面缺乏透明度。\n[0006] 因此,需要提供一种改善病例检索性能的搜索方法和装置。\n发明内容\n[0007] 本发明的目的是提供一种搜索方法和装置,当搜索数据库中的相似病例时,这种方法和装置改进了病例检索性能。本发明通过提出分层搜索方法和装置实现这一目的,其中利用多步方式进行搜索以检索针对用户的相似病例。\n[0008] 根据本发明的一方面,本发明提供了一种搜索数据库中的病例的方法,所述方法包括:\n[0009] -利用第一匹配准则在输入病例和数据库中的病例之间进行相似性匹配以识别一组与输入病例相似的病例的第一步骤;\n[0010] -计算关于与一组相似病例相关联的特征的统计值;\n[0011] -向用户呈现一组相似病例和统计值;\n[0012] -接收包括基于统计值的第二匹配准则的用户输入;以及\n[0013] -利用第二匹配准则在输入病例和一组相似病例之间执行相似性匹配的第二步骤。\n[0014] 与一组相似病例相关联的特征是基于图像的特征和/或非基于图像的特征。执行进行相似性匹配的第一步骤作为初始搜索以识别与输入病例相似的病例。执行进行相似性匹配的第二步骤作为搜索细化以细化初始搜索中的检索结果,可以将这一步骤重复用户希望的次数。\n[0015] 通过实现在被提供了与病例检索结果的相关统计值的用户驱动的多步方法中进行相似性匹配,与一步方法相比,本发明使用户更多观察到特定相似病例是如何从数据库检索到的以及为什么从数据库检索到的,实现了病例检索性能的改进。\n[0016] 在实施例中,当数据库中的病例包括多个根据不同模态分类的图像时,执行相似性匹配的第一步骤包括:\n[0017] -利用第一匹配准则针对每种模态在输入病例和数据库中的病例之间进行相似性匹配,以识别相应的多组的相似病例;以及\n[0018] -选择在所述多组相似病例组的至少两组中出现并要由计算统计值的步骤使用的病例;\n[0019] 其中,执行相似性匹配的第二步骤是在输入病例和所选定的相似病例之间执行的。\n[0020] 在实施例中,第一匹配准则包括至少一个基于图像的特征,第二匹配准则包括至少一个非基于图像的特征。用于初始搜索的相似性匹配基于基于图像的特征,基于非图像特征细化检索结果。或者,可以颠倒用于初始搜索和搜索细化的特征序列,或者匹配准则可以包括基于图像和非基于图像的特征。通过这种方式,本发明为用户提供了最大灵活性。\n[0021] 有利的是,在执行相似性匹配的步骤中,计算针对每个要比较病例的相似性值,从而指出输入病例和每个检索病例之间的相似度。此外,后续步骤中搜索细化的结果包括从该组相似病例中完全移出病例或基于更新的相似性匹配准则调制针对该组相似病例的相似性比率,或两者的组合。通过这种方式,病例检索过程更好地匹配医师的决策制定过程。\n[0022] 同样有利地,用户输入还包括赋予基于图像或非基于图像的特征的任一种的任选数字重要性值(加权),利用该值基于相似性度量的计算执行相似性匹配,相似性度量例如是欧几里德距离、马哈拉诺比斯距离或汉明距离。或者,度量可以是这三种度量的加权组合。\n[0023] 同样有利的是,用户输入可以为那些特征指定特征重要性和可接受范围或值。通过这种方式,用户可以直接指定不符合这些规格的病例不应被返回搜索结果中。可替代地,分层搜索可以更加概念性,其中,可以在用户输入中标识关键特征但不指定特征值的范围。\n医师可以指定要使用的不 同特征,例如用于检索具有相似治疗方案等的病例,或基于被研究患者的诊断结果细化搜索。这对于基于病例的计算机辅助治疗计划尤其有帮助。\n[0024] 根据本发明的另一方面,本发明提供了一种检索数据库中的病例的装置,所述装置包括:\n[0025] 第一匹配单元,其用于利用第一匹配准则执行输入病例和数据库中的病例之间的相似性匹配,以识别一组与所述输入病例相似的病例;\n[0026] 计算单元,其用于计算与一组相似病例相关联的特征的统计值;\n[0027] 呈现单元,其用于向用户呈现一组相似病例和统计值;\n[0028] 接收单元,其用于接收包括基于所述统计值的第二匹配准则的用户输入;以及[0029] 第二匹配单元,其用于利用所述第二匹配准则执行输入病例和一组相似病例之间的相似性匹配。\n[0030] 在实施例中,数据库中的病例包括使用不同成像模态采集的多幅图像,其中,所述第一匹配单元被进一步配置为利用第一匹配准则针对每种模态执行输入病例和数据库中的病例之间的相似性匹配以识别相应的多组相似病例,并选择在所述多组相似病例的至少两组中出现并要由计算统计值的所述步骤使用的病例;并且所述第二匹配单元被进一步配置为执行输入病例和所选定的相似病例之间的相似性匹配。\n[0031] 在另一实施例中,装置300包括控制器360,其用于控制迭代步骤,所述迭代步骤利用基于进一步用户输入的更新的相似性匹配准则执行所述输入病例和更新的一组相似病例之间的相似性匹配以检索对于用户而言相似的病例。\n[0032] 本领域技术人员在当前描述的基础上能够执行独立权利要求界定的本发明的修改及其变型,所述修改和变形对应于方法和装置的修改及其变型。\n附图说明\n[0033] 通过下文结合附图考虑以下详细说明,本发明的上述和其他目的和特征将变得更显而易见,在附图中:\n[0034] 图1是示出了根据本发明的方法的示范性实施例的流程图;\n[0035] 图2示出了仅使用多切片CT扫描对肺癌诊断进行初始搜索的示例性输 出;\n[0036] 图3是示出了根据本发明的装置的示例性实施例的方框图。\n[0037] 在所有的附图中采用相同的附图标记表示相似的部分。\n具体实施方式\n[0038] 图1是示出了根据本发明的用于从数据库检索病例的方法的示范性实施例的流程图。\n[0039] 参照图1,该方法的过程开始于第一步骤110,利用第一匹配准则执行输入病例和数据库中病例之间的相似性匹配,以识别一组与所述输入病例相似的病例。执行该步骤作为从数据库检索病例的初始搜索。\n[0040] 用于相似性匹配的第一匹配准则可以包括基于图像的特征,所述基于图像的特征源自于医学受检者的图像。这些特征例如可以包括肿瘤的形状、肿瘤的纹理以及随时间推移的病例扫描中由于治疗导致的肿瘤尺寸变化等。或者,第一匹配准则可以包括源自于临床信息的非基于图像的特征,临床信息例如是相关过往或当前疾病、生活方式、遗传概况和家族病史。可以扩展临床信息以包括医师关于要诊断或治疗的患者的特别知识/信息,例如体重、过敏反应及其他生命体征统计等。\n[0041] 在实施例中,当数据库中的病例包括多个根据不同模态(例如对于肺癌而言,PET和CT扫描)分类的图像时,执行相似性匹配的所述第一步骤110可以包括如下子步骤:利用所述第一匹配准则针对每种模态执行输入病例和数据库中病例之间的相似性匹配以识别相应的多组相似病例组;以及选择至少在两组所述相似病例组中出现的病例。旨在由计算稍后将描述的统计值的后续步骤使用所选的相似病例。\n[0042] 有利地,计算针对要比较的所有病例的相似性值以指明输入病例和要比较病例之间的相似度。相似性值有助于医师评价检索结果,这是因为病例相似性分布于从实际相同的病例到彼此根本不相像的病例的连续体上。\n[0043] 该方法还包括步骤120,计算与例如在步骤110中的第一步骤搜索中检索的相似病例相关联的基于图像的特征和/或非基于图像的特征的统计值。在数据库中的病例包括多个根据不同模态(例如PET、CT等)分类的图像时,计算与出现于两个或更多医疗模态中的选定相似病例相关联的特征的 统计值。\n[0044] 在实施例中,在基于基于图像的特征从数据库检索相似病例时,计算与该组相似病例相关联的非基于图像的特征的统计值。统计值描述诸如临床信息的非基于图像的信息,所述非基于图像的信息可以在数据库中得到并可以与被研究病例相关,例如:检索到的相似病例中男性或女性数量、用于肺癌诊断的吸烟历史(例如,年数)、用于乳腺癌诊断的家族母系中癌症历史(例如,过往诊断有癌症的亲属数量)。\n[0045] 或者,当基于非基于图像的特征从数据库检索相似病例时,计算与该组相似病例相关联的基于图像的特征的统计值。统计值描述基于图像的信息,诸如肿瘤的平均尺寸或尺寸大于预定义阈值的病例数目或百分比。\n[0046] 在该步骤中还可以计算基于图像的特征和非基于图像的特征两者的统计值,而无论使用哪种特征来检索相似病例。医师可以使用统计值来制定后续输入(下文中详述)、选择额外特征来细化搜索,以及甚至调整搜索策略。\n[0047] 该方法还包括步骤130,其向用户呈现该组相似病例和统计值。有不同方式来以有意义的方式向用户呈现相似病例和统计值,例如,向屏幕输出信息以进行显示。\n[0048] 有利地,当在步骤110中计算相似性值时向用户呈现针对每种识别的相似病例的相似性值。此外,可以告知医师有多少病例实际正在被处理以及呈现了多少病例。\n[0049] 图2给出了针对仅使用多切片CT扫描的肺癌诊断在相似性匹配的步骤110之后的示例性输出。在图2所示的屏幕中,左上部表示输入病例的图像,左下部表示该病例可用的临床信息,包括年龄、吸烟历史、性别、诸如肺气肿的其他肺部疾病、癌症历史和淋巴结状态。\n[0050] 在屏幕的右上部,示出了八个相似图像,它们是从具有已知诊断的过往病例的数据库中检索的。在每幅检索图像的顶部,都有病例诊断结果的标注,例如恶性或良性,以及输入病例和步骤110检索的每个病例之间的相似性距离。例如,第一排中第二幅图像顶部的“M:1.39”表示该病例的诊断结果是恶性,且该病例和被研究病例之间的相似性距离为\n1.39。相似性距离的计算可以与基于代表病例的特征计算的欧几里德距离对应(在下 文中将详述距离的计算)。数字越小,检索到的病例与输入病例就越相似。\n[0051] 在屏幕的右下部,与检索到的病例相关联地示出了统计值,包括临床信息(即与每个检索到的相似病例相关的非基于图像的信息),例如平均年龄、吸烟历史、性别分布、有多少被诊断为有其他疾病(例如肺气肿、癌症历史以及具有阳性或阴性淋巴结的病例数等)。\n[0052] 通过观察检索到的相似病例和统计值,医师可以决定他/她是否希望执行后续搜索以进行细化。在第一步搜索中识别的相似病例数量可能较小,可能不需要进一步细化。\n更有可能的情形是相似病例的数目可能非常大,医师然后可以决定执行后续搜索以进行细化。在这种情形下,医师基于其个人对相似性和统计值的分析的感觉确定包括额外特征的用户输入,用于细化或约束相似性匹配准则。\n[0053] 该方法于是还包括步骤135,其决定是否需要搜索细化。在医师在若干次细化搜索之后对检索结果满意的情况下,该过程停止(结束),否则如下文所述激活细化。\n[0054] 该方法还包括步骤140,其接收基于所述统计值的包括第二匹配准则的用户输入。\n第二匹配准则包括与第一匹配准则中的特征不同的额外特征。例如,当第一匹配准则包括基于图像的特征时,取决于医师对检索到的相似病例以及由统计值描述的信息的感觉,第二匹配准则可以包括非基于图像的特征。可替代地,医师可以颠倒第一和第二相似性匹配准则的序列。\n[0055] 在实施例中,该方法允许医师从相关特征的菜单中进行选择,拖放表示相关特征的图标,使用一系列滑块、菜单和乒乓开关根据特征的重要性对其进行评级或输入自由形式或结构文本。此外,该方法可以允许医师保存用于相似性匹配的包括样本病例和特征的公用输入,并从其自身保存的输入池中进行选择。在一些应用中,该方法允许付款人,例如相关保险公司或医院管理员阅读和分析这些输入,以监测医师行为。\n[0056] 在实际应用中,医师可以基于其对相似病例和统计值信息的感觉调节其搜索准则甚至搜索策略。例如,对于肺癌诊断而言,可能重要的是,密切地考虑患者的关于例如肺气肿的其他肺部疾病的历史或患者具有癌症的历史。此外,其他生活方式信息也可能是相关的。例如,如果患者在10年前作为机上服务员已经工作了15年,他/她容易吸收大量的二手烟。于是, 如果数据库具有关于患者二手烟状态的信息,医师就能够颠倒相似性匹配准则。在这种情况下,他/她可能希望搜索数据库以查找曾受二手烟影响的患者,例如,利用非基于图像的特征来执行相似性匹配以预先筛查病例组,然后基于肺瘤的基于图像的特征细化搜索。\n[0057] 或者,医师可以从检索到的病例选择一个或两个非常相似的病例,然后第二相似性匹配准则可以包括基于图像的特征和非基于图像的特征,例如基于这些选定病例的临床信息。医师也可以指定要使用的不同特征,例如用于检索具有相似治疗方案等的病例,或者基于被研究患者的诊断结果细化搜索。这对于基于病例的计算机辅助治疗计划尤其有帮助。\n[0058] 该方法还包括第二步骤150,利用所述第二匹配准则执行输入病例和选定相似病例之间的相似性匹配以细化检索结果。如果数据库中的病例包括根据不同模态分类的多幅图像,则在输入病例和包括用于统计值计算的选定相似病例的特定组相似病例或每组相似病例之间执行相似性匹配的第二步骤。\n[0059] 一旦由步骤150细化了检索结果,通过重复步骤120计算与相似病例的细化组相关联的特征的统计值并通过重复步骤130为医师呈现细化组的相似病例。与前文所述相似地,医师观察并评估检索结果并确定是否需要进一步的搜索细化。在需要进一步搜索细化时,将重复步骤135、140、150,通过使用基于进一步用户输入的更新的相似性匹配准则来获得相似病例的更新的一组。\n[0060] 可以将搜索细化或迭代重复需要的次数。医师可以去除中间的细化步骤或存储它们供将来使用。不过,在实践中,预计仅会将搜索细化的步骤执行几次,否则可能会降低医师的诊断效率。细化迭代的次数可能取决于医师的经验。因此,除了临床决策支持之外,还可以将该方法用于医师培训。\n[0061] 在相似性匹配的第一和第二或后续步骤中执行的相似性匹配可以直接基于医师请求,例如“仅示出在诊断时30-35岁之间的患者”。在这种情况下,提供了具体的数字准则,可以经由用简单布尔逻辑排除或包含来进行用于搜索的相似性匹配。\n[0062] 或者,相似性匹配可以是更加概念性的,其中给出病例-特征,例如与 病例相关联的非基于图像的特征,但不指定值的范围,例如“是年龄和吸烟历史的原因”。在这种方式中,可以由医师按照重要性对病例-特征加以评级或给出数值重要性值,然后可以将更一般性的数学相似性匹配用于搜索相似病例。\n[0063] 可以利用例如欧几里德距离的公知的相似性度量来进行相似性匹配,所述欧几里德距离被定义为两点p=(p1,p2,…,pN)和q=(q1,q2,…,qN)之间的直线距离,例如 其中,p=(p1,p2,…,pN)表示一组代表输入病例的特性(基于图像的\n特征和/或非基于图像的特征)的数字值,q=(q1,q2,…,qN)表示一组代表要搜索的数据库中的病例特征的数字值,而N表示医师针对相似性匹配请求的特征数目。欧几里德距离d表示输入病例和比较病例之间的相似性距离,该距离越小,检索到的病例与被研究病例的距离越小。\n[0064] 相似性匹配也可以可替代地使用其他公知相似性度量,例如马哈拉诺比斯距离。\n通过将两个病例表达为矢量 和 并在协方差矩阵∑中表达总体的协方差,可以将该距离表达为\n[0065] 根据实际应用可以将其他相似性度量或上述那些度量的加权组合用于相似性匹配。在以二进制串表达该组特征的情况下,可以使用汉明距离来计算两个病例之间的相似性距离,所述汉明距离指出了两个二进制串之间相差的比特数目。\n[0066] 可以通过从检索到的相似病例组完全移走病例或针对每个检索到的相似病例调制相似性值以更紧密地匹配用户的期望输出来执行第二或后续执行相似性匹配的步骤中的搜索结果细化。可以相继地每次仅基于一个非基于图像的特征来进行细化,或者也可以利用多个非基于图像的特征一起同时执行细化。此外,可以如第一步搜索中那样,使用基于图像的特征细化检索结果。\n[0067] 根据医师的需要,可以将搜索细化步骤迭代若干次。对于每次细化而言,经由图形显示器通知医师关于搜索结果的统计信息。此外,医师可以指定要使用的不同特征,例如用于利用被研究患者的相似治疗或诊断结果细化搜索。\n[0068] 可以利用软件或硬件或两者的组合来实施图1所示的以上方法。\n[0069] 图3是示出了根据本发明的装置300的示范性实施例的方框图。根据本发明,装置300包括第一匹配单元310,其利用第一匹配准则在输入病例和数据库中病例之间进行相似性匹配,以识别一组与所述输入病例相似的病例。第一匹配单元310意在执行方法中的步骤110。\n[0070] 该装置300还包括计算单元320,其用于计算与该组相似病例相关联的基于图像的特征和/或非基于图像的特征的统计值。计算单元320意在执行方法中的步骤120。\n[0071] 该装置300还包括呈现单元330,其用于向用户呈现该组相似病例和统计值。呈现单元330意在执行方法中的步骤130。\n[0072] 该装置300还包括接收单元340,其用于接收基于所述统计值的包括第二匹配准则的用户输入。接收单元340意在执行方法中的步骤140。\n[0073] 该装置300还包括第二匹配单元350,其用于利用所述第二匹配准则执行输入病例和该组相似病例之间的相似性匹配。第二匹配单元350意在执行方法中的步骤150。\n[0074] 在实施例中,在数据库中的病例包括根据不同医疗模态分类的多幅图像的情况下,其中,第一匹配单元310被进一步配置为利用所述第一匹配准则针对每种模态执行输入病例和数据库中的病例之间的相似性匹配以识别相应的多组的相似病例,并选择在所述相似病例组的至少两组中出现并要被计算统计值的所述步骤使用的病例;并且所述第二匹配单元350被进一步配置为执行输入病例和选定相似病例之间相似性匹配。\n[0075] 装置300还可以包括数据库303和内部总线305,数据库303包括用于检索的病例,内部总线305用于集中装置300中的单元。此外,装置300包括用于控制迭代步骤的控制器,所述迭代步骤利用基于进一步用户输入的更新的相似性匹配准则执行输入病例和更新的一组的相似病例之间的相似性匹配以检索对于用户而言相似的病例。\n[0076] 在实施例中,第一和/或第二匹配单元310和350还可以用于针对要比较的每个病例计算相似性值,用于指出输入病例和要比较病例之间的相似度。\n[0077] 可以将本发明作为特征或独立的外加模块集成到放射医学信息产品或保健信息产品中。还可以将本发明实现为独立的基于病例的CADx或治疗管理工作站产品或两者的组合。可以将本发明用于结合一种或多种诊断或监测模态的计算机辅助诊断系统。可以将本发明用于辅助诊断不同疾病,用于在诊断过程中确认疑似诊断以及用于辅助医师进行治疗规划。其他应用包括教学、急诊诊断和基于病例的计算机辅助治疗管理。\n[0078] 应当注意,上述实施例旨在对本发明进行说明,而非对其进行限制,并且本领域技术人员能够在不脱离权利要求的范围的情况下设计出可替代的实施例。在权利要求中,不应当将置于括号内的任何附图标记推断为限制所述权利要求。“包括”一词不排除存在权利要求或说明书中未列出的元件或步骤。元件前的词语“一”、“一个”不排除存在多个这样的元件。可以由包括几个不同元件的硬件单元以及由程序控制计算机的单元实施本发明。\n在列举了几个单元的装置权利要求中,可以由同一个硬件或软件项目实现这些单元中的几个。第一、第二和第三等词语的使用不表示任何顺序排列。可以将这些词语解释为名称。
法律信息
- 2016-05-11
- 2011-02-23
实质审查的生效
IPC(主分类): G06F 19/00
专利申请号: 200880122694.9
申请日: 2008.12.10
- 2010-12-08
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
1
| |
2006-11-29
|
2005-05-25
| | |
2
| |
2005-10-19
|
2002-11-20
| | |
3
| |
2005-03-23
|
2003-09-20
| | |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 该专利没有被任何外部专利所引用! |