CN110047065A - 肾脏医学图像轮廓线提取***及方法 - Google Patents
肾脏医学图像轮廓线提取***及方法 Download PDFInfo
- Publication number
- CN110047065A CN110047065A CN201910241640.4A CN201910241640A CN110047065A CN 110047065 A CN110047065 A CN 110047065A CN 201910241640 A CN201910241640 A CN 201910241640A CN 110047065 A CN110047065 A CN 110047065A
- Authority
- CN
- China
- Prior art keywords
- image
- contour line
- kidney
- processing
- line extraction
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30084—Kidney; Renal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种肾脏医学图像轮廓线提取***及方法,包括:依次通信连接的图像采集装置、灰度转化装置、形态处理装置、以及轮廓线提取装置,其中,图像采集装置用于获得对于特定肾脏的CT图像;灰度转化装置用于对图像采集装置获取的特定肾脏CT图像进行二值化处理以得到第一处理图像;形态处理装置用于对第一处理图像依次进行闭合运算及开启运算以得到第二处理图像;轮廓线提取装置用于对第二处理图像通过一阶微分算法进行图像边缘的确定以提取特定肾脏的医学图像轮廓线。
Description
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种医学图像提取***。
背景技术
近年来,肾脏CT图像在临床上的应用越来越广,成为医生进行肾功能、病理和解剖的重要手段之一,而肾脏边界的确定是定量分析的前提。对肾脏CT序列进行自动分割,提取肾脏边界,对减轻医生的工作强度,提高诊断速度和准确度都有着极大的帮助。
如中国专利申请公开CN106108932A号揭示的一种全自动肾脏感兴趣区提取装置与方法,其通过依据水平集C-V模型算法对初步感兴趣区进行初步分割,并提取疑似感兴趣区;再依据疑似感兴趣区计算肾脏身体比参数;最后依据预设的先验模板约束的水平集C-V模型算法以及肾脏身体比参数对疑似感兴趣区进行再次分割,从而获得第一肾脏感兴趣区。然而该专利申请公开的全自动肾脏感兴趣区提取方法难以对肾脏的轮廓进行精确的确定。
如中国专利申请公开CN104299238A号揭示的一种基于医学图像的器官组织轮廓线提取方法,首先通过对图像进行光滑处理,去掉图像中低振幅的点,加强显示显著的边,同时保留原图像的结构,然后在光滑处理基础上的图像进行Canny边缘提取,最后在提取出来的一些散乱点的基础上,应用二维散乱点自动生成算法形成符合美学观点的图像。本发明主要包括:L0梯度最小化进行光滑处理;边缘检测;二维散乱点自动生成算法。通过此算法可以生成封闭的,不相交的轮廓线,特别对尖锐角处理效果非常好合。然而该专利申请公开的基于医学图像的器官组织轮廓线提取方法较为复杂,计算速度较慢。
因此,提供一种能够快速、精准、无失真地提取肾脏医学图像的轮廓线的***及方法成为业内急需解决的问题。
发明内容
本发明的目的是提供一种肾脏医学图像轮廓线提取***,其能够快速高效地提出出肾脏轮廓线,为肾脏的三维重建和虚拟手术技术的研究奠定基础。
为了实现上述目的,本发明提供了一种肾脏医学图像轮廓线提取***,包括:依次通信连接的图像采集装置、灰度转化装置、形态处理装置、以及轮廓线提取装置,其中,图像采集装置用于获得对于特定肾脏的CT图像;灰度转化装置用于对图像采集装置获取的特定肾脏CT图像进行二值化处理以得到第一处理图像;形态处理装置用于对第一处理图像依次进行闭合运算及开启运算以得到第二处理图像;轮廓线提取装置用于对第二处理图像通过一阶微分算法进行图像边缘的确定以提取特定肾脏的医学图像轮廓线。
可选择地,灰度转化装置进行对特定肾脏CT图像进行二值化处理以将作为灰度图像的CT图像转变为由0、1组成的矩阵所表示的第一处理图像。
可选择地,灰度转化装置对特定肾脏CT图像进行二值化处理过程中设定二值化阈值为0.75~0.9。
优选地,灰度转化装置对特定肾脏CT图像进行二值化处理过程中设定二值化阈值为0.8。
可选择地,形态处理装置包括闭合处理单元及开启处理单元,其中,闭合处理单元用于对第一处理图像依次进行膨胀运算及腐蚀运算以形成闭合处理图像;开启处理单元用于对闭合处理图像依次进行腐蚀运算及膨胀运算以形成第二处理图像。
可选择地,闭合处理单元用于填充第一处理图像中的空腔和边缘凹陷以获取肾脏***轮廓。
可选择地,闭合处理单元采用的结构元素设定为4.5×4.5~5.5×5.5的圆形结构元素。
优选地,闭合处理单元采用的结构元素设定为5×5圆形结构元素。
可选择地,开启处理单元用于处理闭合处理图像中的小短枝像素及孤立斑点像素以提高边缘提取效果。
可选择地,开启处理单元采用的结构元素设定为2.5×2.5~3.5×3.5的矩形结构元素或2.5×2.5~3.5×3.5的菱形结构元素。
可选择地,开启处理单元包括第一开启处理子单元及第二开启处理子单元,第一开启处理子单元用于执行第一开启变换以去除闭合处理图像中的小短枝像素,第二开启处理子单元用于执行第二开启变换以去除闭合处理图像中的孤立斑点像素。
可选择地,第一开启处理子单元采用的结构元素设定为3×3矩形结构元素。
可选择地,第二开启处理子单元采用的结构元素设定3×3菱形结构元素。
可选择地,轮廓线提取装置包括:通信连接的噪声滤波单元、梯度计算单元、以及检测连接单元,其中,噪声滤波单元用于通过二维高斯滤波函数对第二处理图像进行滤波得到滤波图像;梯度计算单元用于通过一阶偏导的有限差分以获取滤波图像的边缘强度;检测连接单元用于通过对边缘强度进行双阈值化以获取特定肾脏的医学图像轮廓线。
优选地,噪声滤波单元采用高斯滤波器,通过与第二处理图像卷积进行滤波。
可选择地,梯度计算单元包括:通信连接的幅值方向计算子单元及边缘点判定子单元,其中,幅值方向计算子单元用于计算滤波图像的梯度的幅值和方向以获取滤波图像中的全部的像素点的边缘强度;边缘点判定子单元用于通过抑制非极大值以确定滤波图像中的作为疑似边缘点的像素点。
优选地,幅值方向计算子单元通过一阶偏导的有限差分以计算滤波图像的梯度的幅值和方向。
可选择地,检测连接单元包括:通信连接的阈值检测子单元及边缘连接子单元,其中,阈值检测子单元用于对初始边缘点的边缘强度进行双阈值化以获取第一检测图像及第二检测图像;边缘连接子单元用于以第二检测图像为基础,以第一检测图像为补充,获取特定肾脏的医学图像轮廓线。
可选择地,阈值检测子单元用于对疑似边缘点的边缘强度进行双阈值化以获取第一检测图像及第二检测图像;边缘连接子单元用于以第二检测图像为基础,以第一检测图像为补充,获取特定肾脏的医学图像轮廓线。
可选择地,第一检测图像的阈值低于第二检测图像的阈值。
本发明的第二个目的在于提供一种肾脏医学图像轮廓线提取方法,其包括如下步骤:获得对于特定肾脏的CT图像;对特定肾脏CT图像进行二值化处理,得到第一处理图像;对第一处理图像依次进行闭合运算及开启运算,得到第二处理图像;以及对第二处理图像通过一阶微分算法进行图像边缘的确定,提取特定肾脏的医学图像轮廓线。
本发明的有益效果是:(1)、方法简单、计算快速、精度高、适用性强,为肾脏的三维重建和虚拟手术技术的研究奠定了良好的基础;(2)、灰度转化装置可便于边缘检测,简单高效,且处理后丢失的信息较少;(3)、形态处理装置可对图像中存在的空腔、毛刺、边缘凹陷等缺陷进行检测,保证肾脏医学图像边缘的清晰性;采用线性加权融合、高通滤波融合以及小波融合相结合的融合方式,从不同方向上对肾脏CT图像进行特征提取并融合,更充分的体现了图像各向异性的特点,得到的融合图像更加清晰、完整,组合后的融合效果比单独使用一种融合方式的效果更好;(4)、轮廓线提取装置可有效提取肾脏医学图像的边界信息,实现无失真地边界信息的描述,保证肾脏医学图像轮廓线的完整性、连续性及准确性;(5)、利用本发明的肾脏医学图像轮廓线提取***可对肾脏各层CT图像进行上述处理后,再经过插值处理,便可实现对肾脏器官的三维重构。
附图说明
图1为本发明的肾脏医学图像轮廓线提取***的构造示意图。
图2为本发明的轮廓线提取装置的构造示意图。
图3为本发明的肾脏医学图像轮廓线提取方法的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
首先,请参照图1,作为一种非限制性实施方式,本发明的肾脏医学图像轮廓线提取***包括:图像采集装置100、灰度转化装置200、形态处理装置300以及轮廓线提取装置400。
其中,图像采集装置100可获得对于特定肾脏的CT图像,此处的CT图像可以是特定肾脏处于平扫期、动脉期、静脉期以及肾盂***期的CT图像。
灰度转化装置200则对特定肾脏CT图像进行二值化处理,从而将作为灰度图像的CT图像转变为由0、1组成的矩阵所表示的第一处理图像,从而便于形态处理装置300以及轮廓线提取装置400的后续处理和检测。灰度转化装置在对特定肾脏CT图像进行二值化处理过程中,其可将二值化阈值设定为0.8,有效地保存了图像中的清晰度,而且丢失的信息也很少。
形态处理装置300用于对第一处理图像依次进行闭合运算及开启运算以得到第二处理图像;轮廓线提取装置用于对第二处理图像通过一阶微分算法进行图像边缘的确定以提取特定肾脏的医学图像轮廓线。
在该非限制性实施方式中,如图1所示,形态处理装置300包括闭合处理单元310及开启处理单元320。为了填充第一处理图像中的空腔和边缘凹陷,闭合处理单元用310对第一处理图像采用闭合运算(如利用MATLAB常用形态学操作函数的imclose函数,结构元素为5×5圆形结构元素),即进行先膨胀后腐蚀,形成闭合处理图像。经过闭合运算后,图像中还存在一些小短枝像素及孤立斑点像素,为了剔除这些缺陷,避免影响边缘提取效果,利用开启处理单元320来处理。具体来讲,开启处理单元320包括第一开启处理子单元3201及第二开启处理子单元3202,第一开启处理子单元3201执行先腐蚀后膨胀的第一开启变换(如利用MATLAB常用形态学操作函数的imopen函数,结构元素为3×3矩形结构元素),来去除闭合处理图像中的小短枝像素,而第二开启处理子单元3202执行先腐蚀后膨胀的第二开启变换(如利用MATLAB常用形态学操作函数的imopen函数,结构元素为3×3菱形结构元素),来去除闭合处理图像中的孤立斑点像素,从而形成第二处理图像。
在该非限制性实施方式中,如图2所示,轮廓线提取装置400包括:噪声滤波单元410、梯度计算单元420以及检测连接单元430。
噪声滤波单元410采用高斯滤波器,通过与第二处理图像卷积进行滤波,得到滤波图像。
梯度计算单元420包括:幅值方向计算子单元4201及边缘点判定子单元4202,其中,幅值方向计算子单元4201通过一阶偏导的有限差分以计算滤波图像中的全部的像素点的梯度的幅值和方向,其中,
其中,f(x,y)为原始图像,G(x,y)为高斯滤波函数。
A(x,y)反应了第二处理图像中(x,y)点处的边缘强度,Φ是第二处理图像中(x,y)点处的法向矢量。
边缘点判定子单元4202则用过抑制非极大值,将第二处理图像中的(x,y)点处的梯度幅值A(x,y)与沿着梯度线方向上的相邻像素点的边缘强度进行比较,若(x,y)点处的梯度幅值A(x,y)小于沿着梯度线方向上的相邻像素点的边缘强度,则判定该点为非边缘点,将A(x,y)置为0。
作为一种非限制实施方式,检测连接单元430包括:阈值检测子单元4301及边缘连接子单元4302,其中,阈值检测子单元4301在工作中,设定两个阈值t1和t2(t2>t1),将滤波图像中的疑似边缘点的边缘强度依次与t1和t2进行比较,凡边缘强度大于t2的疑似边缘点,则一定是边缘点,凡是边缘强度小于t1的疑似边缘点,则一定不是边缘点,若边缘强度大于t1而小于t2的疑似边缘点,则判定该像素点的邻接像素点中是否存在边缘强度大于t2的像素点,如存在,则补为边缘点,若没有,则不是边缘点。采用t1,t2两个阈值对非极大值抑制图像进行双阈值化,得到第一检测图像T1及第二检测图像T2,其中,第二检测图像T2的阈值较高,所以噪声较少,但造成边缘信息的损失,第一检测图像T1阈值较低,保留了较多信息,由此,边缘连接子单元4302以第二检测图像T2为基础,以第一检测图像T1为补充,连接图像的边缘,获取特定肾脏的医学图像轮廓线。
基于相同的发明构思,如图3所示,本发明的一种肾脏医学图像轮廓线提取方法如下步骤:首先,在步骤S1中,获得对于特定肾脏的CT图像。接着,在步骤S2中,对特定肾脏CT图像进行二值化处理,得到第一处理图像。随后,在步骤S3中,对第一处理图像依次进行闭合运算及开启运算,得到第二处理图像。最后,在步骤S4中,对第二处理图像通过一阶微分算法进行图像边缘的确定,提取特定肾脏的医学图像轮廓线。
尽管在此已详细描述本发明的优选实施方式,但要理解的是本发明并不局限于这里详细描述和示出的具体结构和步骤,在不偏离本发明的实质和范围的情况下可由本领域的技术人员实现其它的变型和变体。例如,可以采用OpenCV或其它常用形态学操作函数进行形态处理。
Claims (10)
1.一种肾脏医学图像轮廓线提取***,其特征在于,包括:依次通信连接的图像采集装置、灰度转化装置、形态处理装置、以及轮廓线提取装置,
其中,所述图像采集装置用于获得对于特定肾脏的CT图像;
所述灰度转化装置用于对所述图像采集装置获取的所述特定肾脏CT图像进行二值化处理以得到第一处理图像;
所述形态处理装置用于对所述第一处理图像依次进行闭合运算及开启运算以得到第二处理图像;
所述轮廓线提取装置用于对所述第二处理图像通过一阶微分算法进行图像边缘的确定以提取所述特定肾脏的医学图像轮廓线。
2.如权利要求1所述的肾脏医学图像轮廓线提取***,其特征在于,所述灰度转化装置对所述特定肾脏CT图像进行二值化处理过程中设定二值化阈值为0.75~0.9。
3.如权利要求1所述的肾脏医学图像轮廓线提取***,其特征在于,所述形态处理装置包括闭合处理单元及开启处理单元,
其中,所述闭合处理单元用于对所述第一处理图像依次进行膨胀运算及腐蚀运算以形成闭合处理图像;
所述开启处理单元用于对所述闭合处理图像依次进行腐蚀运算及膨胀运算以形成所述第二处理图像。
4.如权利要求3所述的肾脏医学图像轮廓线提取***,其特征在于,所述闭合处理单元进行闭合运算采用的结构元素设定为4.5×4.5~5.5×5.5的圆形结构元素。
5.如权利要求3所述的肾脏医学图像轮廓线提取***,其特征在于,所述开启处理单元进行开启运算采用的结构元素设定为2.5×2.5~3.5×3.5的矩形结构元素或2.5×2.5~3.5×3.5的菱形结构元素。
6.如权利要求1所述的肾脏医学图像轮廓线提取***,其特征在于,所述轮廓线提取装置包括:通信连接的噪声滤波单元、梯度计算单元、以及检测连接单元,
其中,所述噪声滤波单元用于通过二维高斯滤波函数对所述第二处理图像进行滤波得到滤波图像;
所述梯度计算单元用于通过计算梯度的幅值和方向以获取所述滤波图像的边缘强度;
所述检测连接单元用于通过对所述边缘强度进行双阈值化以获取所述特定肾脏的医学图像轮廓线。
7.如权利要求6所述的肾脏医学图像轮廓线提取***,其特征在于,所述梯度计算单元包括:通信连接的幅值方向计算子单元及边缘点判定子单元,
其中,所述幅值方向计算子单元用于通过一阶偏导的有限差分以计算所述滤波图像的梯度的幅值和方向以获取所述滤波图像中的全部的像素点的边缘强度;
所述边缘点判定子单元用于通过抑制非极大值以确定所述滤波图像中的作为疑似边缘点的像素点。
8.如权利要求7所述的肾脏医学图像轮廓线提取***,其特征在于,所述检测连接单元包括:通信连接的阈值检测子单元及边缘连接子单元,
其中,所述阈值检测子单元用于对所述疑似边缘点的边缘强度进行双阈值化以获取第一检测图像及第二检测图像;
所述边缘连接子单元用于以所述第二检测图像为基础,以所述第一检测图像为补充,获取所述特定肾脏的医学图像轮廓线。
9.如权利要求8所述的肾脏医学图像轮廓线提取***,其特征在于,所述第一检测图像的阈值低于所述第二检测图像的阈值。
10.一种肾脏医学图像轮廓线提取方法,其特征在于,包括如下步骤:
获得对于特定肾脏的CT图像;
对所述特定肾脏CT图像进行二值化处理,得到第一处理图像;
对所述第一处理图像依次进行闭合运算及开启运算,得到第二处理图像;以及
对所述第二处理图像通过一阶微分算法进行图像边缘的确定,提取所述特定肾脏的医学图像轮廓线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910241640.4A CN110047065A (zh) | 2019-03-28 | 2019-03-28 | 肾脏医学图像轮廓线提取***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910241640.4A CN110047065A (zh) | 2019-03-28 | 2019-03-28 | 肾脏医学图像轮廓线提取***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110047065A true CN110047065A (zh) | 2019-07-23 |
Family
ID=67275457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910241640.4A Pending CN110047065A (zh) | 2019-03-28 | 2019-03-28 | 肾脏医学图像轮廓线提取***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110047065A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583326A (zh) * | 2020-04-07 | 2020-08-25 | 青岛大学附属医院 | 人体肾实质面积测量方法及*** |
-
2019
- 2019-03-28 CN CN201910241640.4A patent/CN110047065A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583326A (zh) * | 2020-04-07 | 2020-08-25 | 青岛大学附属医院 | 人体肾实质面积测量方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Najdawi et al. | Mammogram image visual enhancement, mass segmentation and classification | |
CN112184659B (zh) | 一种肺部图像处理方法、装置及设备 | |
Raba et al. | Breast segmentation with pectoral muscle suppression on digital mammograms | |
Jiang et al. | A novel white blood cell segmentation scheme using scale-space filtering and watershed clustering | |
Garg et al. | Unsupervised curvature-based retinal vessel segmentation | |
CN104732536A (zh) | 一种基于改进形态学的亚像素边缘检测方法 | |
Lewis et al. | Detection of breast tumor candidates using marker-controlled watershed segmentation and morphological analysis | |
CN101853376A (zh) | 一种乳腺微钙化点计算机辅助检测方法 | |
Bandyopadhyay | Pre-processing of mammogram images | |
CN111784701B (zh) | 结合边界特征增强和多尺度信息的超声图像分割方法及*** | |
CN109300113A (zh) | 一种基于改进凸包方法的肺结节辅助检测***及方法 | |
CN111882561A (zh) | 一种癌细胞识别诊断*** | |
CN103700085A (zh) | 乳腺x光图像中胸肌区域的分割方法 | |
CN111815663A (zh) | 一种基于Hessian矩阵和灰度法的肝血管分割*** | |
Yapa et al. | Breast skin-line estimation and breast segmentation in mammograms using fast-marching method | |
CN101499164A (zh) | 一种基于单张低分辨率图像的图像插值重构方法 | |
CN113223004A (zh) | 一种基于深度学习的肝脏图像分割方法 | |
Chen et al. | A combined method for automatic identification of the breast boundary in mammograms | |
Mahmood et al. | Ultrasound liver image enhancement using watershed segmentation method | |
Lim et al. | Segmentation of the liver using the deformable contour method on CT images | |
CN109191436A (zh) | 基于视觉显著性谱残差方法的低剂量ct肺结节检测算法 | |
CN116188786B (zh) | 一种肝胆管及胆道结石的图像分割*** | |
CN110047065A (zh) | 肾脏医学图像轮廓线提取***及方法 | |
Nanayakkara et al. | Automatic breast boundary segmentation of mammograms | |
CN115631194B (zh) | 颅内动脉瘤识别检测的方法、装置、设备及介质 |
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 |