JP7061126B2 - 睡眠呼吸障害を特徴付ける方法 - Google Patents
睡眠呼吸障害を特徴付ける方法 Download PDFInfo
- Publication number
- JP7061126B2 JP7061126B2 JP2019534809A JP2019534809A JP7061126B2 JP 7061126 B2 JP7061126 B2 JP 7061126B2 JP 2019534809 A JP2019534809 A JP 2019534809A JP 2019534809 A JP2019534809 A JP 2019534809A JP 7061126 B2 JP7061126 B2 JP 7061126B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- phase
- respiratory cycle
- linear prediction
- segment
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
患者の近くで睡眠期間の少なくとも一部の間に発生する音を表す少なくとも第1の信号を受信するステップと、
少なくとも第1の信号において複数のセグメントを識別するステップと、
複数のセグメントのうちの少なくともいくつかのセグメントを、それぞれが複数の特性を有する複数の事前設定されたクラスタのうちの1つのクラスタに含まれるものとして特徴付けるステップであって、複数の特性のうちの1つの特性は、呼吸周期の吸気相、呼吸周期の呼気相、呼吸周期の休止相、及び未知のイベントを含む一群の相のうちの相であり、複数の特性のうちの別の特性は、高エネルギーレベルと、低エネルギーレベル及び中間エネルギーレベルのうちの少なくとも1つとを含む一群のエネルギーレベルのうちのエネルギーレベルである、特徴付けるステップと、
少なくともいくつかのセグメントのうちの各セグメントにセグメントのスペクトル特徴付け(characterization)を適用するステップと、
その相として未知のイベントを有するクラスタ内にあると特徴付けられる少なくとも1つのセグメントについて、少なくとも1つのセグメントのスペクトル特徴付けと別のクラスタに関連するスペクトル特徴付けとの間の対応関係に少なくとも部分的に基づいて、少なくとも1つのセグメントを、その相として呼吸周期の吸気相、呼吸周期の呼気相、及び呼吸周期の休止相の1つを有する別のクラスタ内にあると特徴付けられるように再特徴付けして、少なくとも第1の信号に対応する時間軸を形成するステップであって、時間軸のセグメントはそれぞれ、呼吸周期の吸気相、呼吸周期の呼気相、及び呼吸周期の休止相のうちの1つとして分類される、形成するステップと、
時間軸に少なくとも部分的に基づいている情報を含む出力を生成するステップと、を含む。
患者の近くで睡眠期間の少なくとも一部の間に発生する音を表す少なくとも第1の信号を受信するステップと、
少なくとも第1の信号の少なくとも一部を線形予測アルゴリズムにかけて少なくとも第1の信号の少なくとも一部を表す励起信号を取得し、
短期多項式分解等を使用することによって、負の勾配と正の勾配との間の励起信号の急速な変化及び低エネルギーレベルの複数の同時発生を励起信号における複数の候補移行点として識別し、
例として、候補移行点のペアの間に存在する励起信号の複数の部分が、周期と複数の部分のスペクトル内容(content)との類似性に少なくとも部分的に基づいて、一例として自己相関関数の適用に基づいて、及びその判定に少なくとも部分的に基づいて、互いに類似していると判定し、
候補移行点のペアが実際の移行点であり、各実際の移行点の直前の励起信号の部分が呼吸周期の吸気相であり、各実際の移行点の直後に続く励起信号の部分が呼吸周期の呼気相であると結論を下す、
ことにより、少なくとも第1の信号において複数のセグメントを識別するステップと、
吸気相及び呼気相の少なくとも一方に少なくとも部分的に基づいている情報を含む出力を生成するステップと、を含む。
患者の近くで睡眠期間の少なくとも一部の間に発生する音を表す少なくとも第1の信号を受信するステップと、
少なくとも第1の信号の少なくとも一部を線形予測アルゴリズムにかけて、分子多項式を分母多項式で割ったものに等しい伝達関数を取得するステップと、
分子多項式の1つ又は複数の根を求めるステップであって、1つ又は複数の根のうち少なくともいくつかの根はそれぞれ、長さを有し、且つ横座標に対して角度をさらに有するベクトルによって表すことができる複素数の形式である、求めるステップと、
少なくともいくつかの根の各根について、根のベクトルの角度に少なくとも部分的に基づいて確率成分の中心周波数を決定し、且つ根のベクトルの長さに少なくとも部分的に基づいて確率成分の幅を決定することによって、所与の形状と高さ及び幅とを有するテンプレート確率に従う確率成分を生成するステップと、
確率成分互いに組み合わせることによって確率関数を形成するステップと、を含む。
線形予測アルゴリズムは、ワープ係数を使用することができ、ワープは、特定の関心領域への解析に進むために選択可能且つ変更可能であり得る。
H(z)=1-ΣbkGk(z)
Gk(z)は任意の伝達関数であり、bkは重みであり、Σは総和記号であり、総和範囲は全てのksに亘る(k=1,2,・・・K、Kはシステム内の自由度の数である)。H(z)は解析フィルタと呼ばれる。
Gk(z)=z-k
これは、タップ付き遅延線フィルタとして知られ、ワープ線形予測のために、
Gk(z)=Ak(z)
ここで、A(z)は、-1<p<1の実数ワープ係数又は極(pole)(p)で規定される1次の全域通過セクションである。関連技術分野において一般的に理解されているように、極pを有する一次の全域通過フィルタA(z)は、次の式で与えられる。
A(z)=(p-z-1)/(1-pz-1)
Qk,l=Σyk(t)yl(t)
ここで総和は時間tに亘る。
Rk=Σx(t)yk(t)
ここで総和は時間tに亘る。
QB=R
ここで、ベクトルBはパラメータbkを含み、すなわち、B=[b1,b2,・・・bk]である。
e(t)=x(t)-bkyk(t)
P(f)=ΣT((f-fi)/wi)wi
ここで、Pは確率関数であり、fは周波数であり、Tはテンプレート関数である。一例を図8に提供し、この図では、分子多項式の4つの例示的な根が三角形のテンプレート確率に適用されて4つの確率成分(数字24、28、32、及び36で示される)を形成し、それら成分が組み合わされて数字40で示されるような例示的な確率関数を形成する。典型的に、Pは、fに対するPの積分が1に等しくなるように、すなわちPを確率密度関数にするように正規化される。実際の確率密度関数の例は、概して図9に示されており、この図は約150Hzにピークを示し、これはこの周波数でいびき現象の可能性が高いことを示す非常に狭いピークである。
Claims (12)
- 睡眠期間中の患者の呼吸障害を特徴付けるためのシステムの作動方法であって、当該作動方法は、
前記システムの処理装置が、マイクを介して、前記患者の近くで前記睡眠期間の少なくとも一部の間に発生する音を表す少なくとも第1の信号を受信するステップと、
前記処理装置が、前記少なくとも第1の信号において複数のセグメントを識別するステップと、
前記処理装置が、前記複数のセグメントのうちの少なくともいくつかのセグメントを、それぞれが複数の特性を有する複数の事前設定されたクラスタのうちの1つのクラスタに含まれるものとして特徴付けるステップであって、複数の特性の中からの1つの特性が、呼吸周期の吸気相、呼吸周期の呼気相、呼吸周期の休止相、及び未知のイベントを含む一群の相の中からの相であり、前記複数の特性の中からの別の特性がエネルギー値を表す、特徴付けるステップと、
前記処理装置が、前記少なくともいくつかのセグメントの各セグメントに前記セグメントのスペクトル特徴付けを適用するステップと、
前記処理装置が、その相として未知のイベントを有するクラスタ内にあると特徴付けられる少なくとも1つのセグメントについて、前記少なくとも1つのセグメントの前記スペクトル特徴付けと別のクラスタに関連するスペクトル特徴付けとの間の対応関係に少なくとも部分的に基づいて、前記少なくとも1つのセグメントを、その相として呼吸周期の吸気相、呼吸周期の呼気相、及び呼吸周期の休止相の1つを有する別のクラスタ内にあると特徴付けられるように再特徴付けして、前記少なくとも第1の信号に対応する時間軸を形成するステップであって、前記時間軸のセグメントはそれぞれ、呼吸周期の吸気相、呼吸周期の呼気相、及び呼吸周期の休止相のうちの1つとして分類される、形成するステップと、
前記処理装置が、前記時間軸に少なくとも部分的に基づいている情報を含む出力を生成するステップと、を含む、
作動方法。 - 前記処理装置が、前記少なくとも第1の信号を線形予測アルゴリズムにかけて、励起信号を生成するステップをさらに含む、請求項1に記載の作動方法。
- 前記線形予測アルゴリズムには、周波数スペクトルの少なくとも1つの特定の部分にエンハンスされた詳細を提供するために調整可能な少なくとも1つのパラメータを含むフィルタ構造の使用が含まれる、請求項2に記載の作動方法。
- 前記線形予測アルゴリズムは、ラゲール線形予測アルゴリズムである、請求項3に記載の作動方法。
- 前記線形予測アルゴリズムは、ワープ線形予測アルゴリズムである、請求項3に記載の作動方法。
- 前記エネルギー値は、高振幅と、低振幅及び中振幅のうちの少なくとも1つとを含む一群の振幅の中からの振幅である、請求項1に記載の作動方法。
- 前記振幅は、前記少なくともいくつかのセグメントのうちのあるセグメントのエネルギーレベルに対応する、請求項6に記載の作動方法。
- 前記出力を生成するステップには、前記複数の事前設定されたクラスタの中からの少なくともいくつかの前記クラスタのスペクトル挙動の統計を示す1つ又は複数のプロットが含まれる、請求項1に記載の作動方法。
- 前記出力を生成するステップには、呼吸の特定の相及び別の値に対するその大きさが含まれる、請求項1に記載の作動方法。
- 前記出力を生成するステップには、知識ベース内のラベルとの比較に関する特徴付けが含まれる、請求項1に記載の作動方法。
- 前記出力を生成するステップは、
前記処理装置が、トレンド解析を生成するために以前に収集したデータとの比較を実行するステップと、
前記処理装置が、前記トレンド解析の結果を出力するステップと、を含む、請求項1に記載の作動方法。 - 前記エネルギー値は、エンベロープを指す、請求項1に記載の作動方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662439508P | 2016-12-28 | 2016-12-28 | |
US62/439,508 | 2016-12-28 | ||
PCT/EP2017/084597 WO2018122228A1 (en) | 2016-12-28 | 2017-12-27 | Method of characterizing sleep disordered breathing |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020513908A JP2020513908A (ja) | 2020-05-21 |
JP7061126B2 true JP7061126B2 (ja) | 2022-04-27 |
JP7061126B6 JP7061126B6 (ja) | 2022-06-03 |
Family
ID=60935865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019534809A Active JP7061126B6 (ja) | 2016-12-28 | 2017-12-27 | 睡眠呼吸障害を特徴付ける方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190343453A1 (ja) |
EP (1) | EP3562402B1 (ja) |
JP (1) | JP7061126B6 (ja) |
CN (1) | CN110113998B (ja) |
WO (1) | WO2018122228A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3545848A1 (en) * | 2018-03-28 | 2019-10-02 | Koninklijke Philips N.V. | Detecting subjects with disordered breathing |
CN109222961B (zh) * | 2018-11-09 | 2024-01-19 | 中科数字健康科学研究院(南京)有限公司 | 一种便携式睡眠监测***及相关睡眠监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009532072A (ja) | 2005-11-01 | 2009-09-10 | アーリーセンス エルティディ | 臨床発作患者の監視方法及びシステム |
JP2009539132A (ja) | 2006-05-30 | 2009-11-12 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | オーディオ信号の線形予測符号化 |
US20130331722A1 (en) | 2010-07-14 | 2013-12-12 | Imperial Innovations Limited | Feature characterization for breathing monitor |
US20140155773A1 (en) | 2012-06-18 | 2014-06-05 | Breathresearch | Methods and apparatus for performing dynamic respiratory classification and tracking |
US20140188006A1 (en) | 2011-05-17 | 2014-07-03 | University Health Network | Breathing disorder identification, characterization and diagnosis methods, devices and systems |
JP2016002189A (ja) | 2014-06-16 | 2016-01-12 | 国立大学法人山口大学 | 寝息呼吸音解析装置及び方法 |
WO2016170005A1 (en) | 2015-04-20 | 2016-10-27 | Resmed Sensor Technologies Limited | Detection and identification of a human from characteristic signals |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2005264165A1 (en) * | 2004-07-23 | 2006-01-26 | Intercure Ltd. | Apparatus and method for breathing pattern determination using a non-contact microphone |
WO2009153681A1 (en) * | 2008-06-17 | 2009-12-23 | Koninklijke Philips Electronics, N.V. | Acoustical patient monitoring using a sound classifier and a microphone |
CA2791243C (en) * | 2008-11-17 | 2013-04-30 | University Health Network | Mask for use in respiratory monitoring |
US20100262031A1 (en) * | 2009-04-14 | 2010-10-14 | Yongji Fu | Method and system for respiratory phase classification using explicit labeling with label verification |
EP2283773A1 (en) * | 2009-08-10 | 2011-02-16 | Koninklijke Philips Electronics N.V. | Processing a breathing signal |
WO2013005201A1 (en) * | 2011-07-01 | 2013-01-10 | Koninklijke Philips Electronics N.V. | System and method for limited flow respiratory therapy |
DE102012206578B4 (de) * | 2012-04-20 | 2023-11-02 | Siemens Healthcare Gmbh | Verfahren zur Akquisition eines Messdatensatzes eines atmenden Untersuchungsobjekts mittels Magnetresonanztechnik, Magnetresonanzanlage, Computerprogramm sowie elektronisch lesbarer Datenträger |
CN104905791B (zh) * | 2014-03-11 | 2017-07-28 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及*** |
CA2888394A1 (en) * | 2014-05-02 | 2015-11-02 | University Health Network | Method and system for sleep detection |
DE102014218140B3 (de) * | 2014-09-10 | 2016-03-10 | Ait Austrian Institute Of Technology Gmbh | Verfahren und Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer Person |
-
2017
- 2017-12-27 CN CN201780081625.7A patent/CN110113998B/zh active Active
- 2017-12-27 JP JP2019534809A patent/JP7061126B6/ja active Active
- 2017-12-27 WO PCT/EP2017/084597 patent/WO2018122228A1/en unknown
- 2017-12-27 EP EP17825545.1A patent/EP3562402B1/en active Active
- 2017-12-27 US US16/473,116 patent/US20190343453A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009532072A (ja) | 2005-11-01 | 2009-09-10 | アーリーセンス エルティディ | 臨床発作患者の監視方法及びシステム |
JP2009539132A (ja) | 2006-05-30 | 2009-11-12 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | オーディオ信号の線形予測符号化 |
US20130331722A1 (en) | 2010-07-14 | 2013-12-12 | Imperial Innovations Limited | Feature characterization for breathing monitor |
US20140188006A1 (en) | 2011-05-17 | 2014-07-03 | University Health Network | Breathing disorder identification, characterization and diagnosis methods, devices and systems |
US20140155773A1 (en) | 2012-06-18 | 2014-06-05 | Breathresearch | Methods and apparatus for performing dynamic respiratory classification and tracking |
JP2016002189A (ja) | 2014-06-16 | 2016-01-12 | 国立大学法人山口大学 | 寝息呼吸音解析装置及び方法 |
WO2016170005A1 (en) | 2015-04-20 | 2016-10-27 | Resmed Sensor Technologies Limited | Detection and identification of a human from characteristic signals |
Also Published As
Publication number | Publication date |
---|---|
CN110113998B (zh) | 2022-05-13 |
EP3562402B1 (en) | 2021-07-14 |
CN110113998A (zh) | 2019-08-09 |
JP7061126B6 (ja) | 2022-06-03 |
EP3562402A1 (en) | 2019-11-06 |
US20190343453A1 (en) | 2019-11-14 |
WO2018122228A1 (en) | 2018-07-05 |
JP2020513908A (ja) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7075405B2 (ja) | 睡眠呼吸障害の特徴付け方法 | |
CN110383375B (zh) | 用于检测噪声背景环境中的咳嗽的方法和设备 | |
Windmon et al. | Tussiswatch: A smart-phone system to identify cough episodes as early symptoms of chronic obstructive pulmonary disease and congestive heart failure | |
Karunajeewa et al. | Silence–breathing–snore classification from snore-related sounds | |
US20220007964A1 (en) | Apparatus and method for detection of breathing abnormalities | |
Lin et al. | Automatic wheezing detection using speech recognition technique | |
Swarnkar et al. | Neural network based algorithm for automatic identification of cough sounds | |
JP7061126B2 (ja) | 睡眠呼吸障害を特徴付ける方法 | |
Aras et al. | Automatic detection of the respiratory cycle from recorded, single-channel sounds from lungs | |
EP3581098B1 (en) | Method of generating respiratory status classifier and method of determining respiratory status | |
Mostaani et al. | On the relationship between speech-based breathing signal prediction evaluation measures and breathing parameters estimation | |
Selvakumari et al. | A voice activity detector using SVM and Naïve Bayes classification algorithm | |
Porieva et al. | Investigation of lung sounds features for detection of bronchitis and COPD using machine learning methods | |
Jha et al. | Discriminant feature vectors for characterizing ailment cough vs. simulated cough | |
Janott et al. | Snoring-an acoustic definition | |
Singh et al. | IIIT-S CSSD: A cough speech sounds database | |
Liu et al. | Classifying respiratory sounds using electronic stethoscope | |
Cai et al. | The best input feature when using convolutional neural network for cough recognition | |
US20200093424A1 (en) | Method of characterizing sleep disordered breathing | |
González-Martínez et al. | Improving snore detection under limited dataset through harmonic/percussive source separation and convolutional neural networks | |
Fahed et al. | Random forest classification of breathing phases from audio signals recorded using mobile devices | |
CN116942102B (zh) | 一种基于脉搏波的睡眠分期方法及设备 | |
Jeeru | Wheezing sound source separation applied to single channel respiratory audio mixtures | |
Dagar et al. | Analysis of Respiratory Signals in Spectral Domain for Detecting Respiratory Disorders with Emphasis on COVID-19 | |
CN209450526U (zh) | 呼吸疾病的症状感测与监控*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211011 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211206 |
|
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: 20220322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220415 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7061126 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |