用于从电刺激神经组织检测神经元动作电位信号的系统和方法
阅读：1017发布：2020-06-24
专利汇可以提供用于从电刺激神经组织检测神经元动作电位信号的系统和方法专利检索，专利查询，专利分析的服务。并且一种系统和方法检测来自组织的响应 电刺激 信号 的神经元动作电位信号。通过用表示由于电刺激引起的测量 电极 处的 电压 变化的基本单位响应信号，对响应由刺激电极电刺激神经组织取得的组织响应测量信号进行去卷积，导出神经组织的复合放电潜伏期分布(CDLD)。CDLD与已知生理数据比较以从组织响应测量信号检测NAP信号。，下面是用于从电刺激神经组织检测神经元动作电位信号的系统和方法专利的具体信息内容。
1.一种用于从电刺激神经组织检测神经元动作电位NAP信号的系统，所述系统包括：
生理数据库，其包含表征响应电刺激的神经组织的生理数据；以及
响应测量模块，其配置成：
i.通过用
(b)表示由于电刺激引起的测量电极处的电压变化的基本单位响应信号
对
(a)响应由刺激电极电刺激神经组织取得的组织响应测量信号进行去卷积，导出神经组织的复合放电潜伏期分布CDLD；
ii.将复合放电潜伏期分布CDLD与来自所述生理数据库的生理数据比较以从组织响应测量信号检测神经元动作电位NAP信号。
2.根据权利要求1所述的系统，其中，所述生理数据由多个高斯混合模型GMM表征。
3.根据权利要求2所述的系统，其中，所述响应测量模块被配置成使用最小均方拟合将复合放电潜伏期分布CDLD与高斯混合模型GMM生理数据比较。
4.根据权利要求2所述的系统，其中，所述多个高斯混合模型GMM是双分量高斯混合模型GMM。
5.根据权利要求2所述的系统，其中，所述多个高斯混合模型GMM包括作为下列中的一个或多个的函数的参数分布：刺激幅度，恢复序列期间的脉冲间隔，恢复序列期间的掩蔽和刺激水平，刺激脉冲极性，以及激励序列的扩展期间的探测电极和掩蔽电极之间的距离。
6.根据权利要求2所述的系统，其中，所述多个高斯混合模型GMM包括由专家在线训练的参数分布以反映患者异常参数空间。
7.根据权利要求1所述的系统，其中，所述响应测量模块被配置成使用比例、潜伏期和变化中的一个或多个以将复合放电潜伏期分布CDLD与生理数据比较。
8.根据权利要求1所述的系统，其中，所述响应测量模块被配置成使用快速傅里叶变换算法进行去卷积。
9.根据权利要求1所述的系统，其中，所述神经元动作电位NAP信号是电诱发复合动作电位(eCAP)信号。
10.一种用于从电刺激神经组织检测神经元动作电位NAP信号的方法，所述方法包括：
通过用
ii.表示由于电刺激引起的测量电极处的电压变化的基本单位响应信号
对
i.响应由刺激电极电刺激神经组织取得的组织响应测量信号进行去卷积，导出神经组织的复合放电潜伏期分布CDLD；
将复合放电潜伏期分布CDLD与已知生理数据比较以从组织响应测量信号检测神经元动作电位NAP信号。
11.根据权利要求10所述的方法，其中，所述已知生理数据由多个高斯混合模型GMM表征。
12.根据权利要求10所述的方法，其中，将复合放电潜伏期分布CDLD与高斯混合模型GMM生理数据比较使用最小均方拟合。
13.根据权利要求11所述的方法，其中，所述多个高斯混合模型GMM是双分量高斯混合模型GMM。
14.根据权利要求11所述的方法，其中，所述多个高斯混合模型GMM包括作为下列中的一个或多个的函数的参数分布：刺激幅度，恢复序列期间的脉冲间隔，恢复序列期间的掩蔽和刺激水平，刺激脉冲极性，以及激励序列的扩展期间的探测电极和掩蔽电极之间的距离。
15.根据权利要求11所述的方法，其中，所述多个高斯混合模型GMM包括由专家在线训练的参数分布以反映患者异常参数空间。
16.根据权利要求10所述的方法，其中，将复合放电潜伏期分布CDLD与高斯混合模型GMM生理数据比较包括比较比例、潜伏期和变化中的一个或多个。
17.根据权利要求10所述的方法，其中，去卷积使用快速傅里叶变换算法。
18.根据权利要求10所述的方法，其中，所述神经元动作电位NAP信号是电诱发复合动作电位(eCAP)信号。
用于从电刺激神经组织检测神经元动作电位信号的系统和
方法
技术领域
背景技术
[0003] 大多数声音在正常耳朵中通过外耳101传递到鼓膜(耳膜)102，如图1中所示，鼓膜移动振动耳蜗104的卵形窗口和圆形窗口的中耳103的骨(锤骨、砧骨和镫骨)。耳蜗104是螺旋地环绕其轴线大约两个半圈的狭长导管。它包括通过耳蜗管连接的称为前庭阶的上部通道和称为鼓阶的下部通道。耳蜗104形成具有称为蜗轴的中心的直立螺旋圆锥，听神经113的螺旋神经节细胞位于所述中心处。响应由中耳103传递的接收声音，填充流体的耳蜗104用作换能器以生成电脉冲，所述电脉冲传输到听神经113，并且最终传输到大脑。
[0004] 当沿着耳蜗104的神经基质将外部声音转换成有意义的动作电位的能力有问题时听力受损。为了改善受损听力，已开发听觉假体。例如，当损伤与耳蜗104关联时，具有植入刺激电极的耳蜗植入物可以用由沿着电极分布的多个电极触点输送的小电流电刺激听觉神经组织。
[0005] 在一些情况下，听力损伤可以由耳蜗植入物(CI)，脑干、中脑或皮层植入物来解决，所述植入物用由沿着植入物电极分布的多个电极触点输送的小电流电刺激听觉神经组织。对于耳蜗植入物，电极阵列插入耳蜗中。对于脑干、中脑和皮层植入物，电极阵列相应地位于听觉脑干、中脑或皮层中。
[0006] 图1显示典型耳蜗植入物系统的一些部件，其中外部麦克风提供输入到实现各种已知的信号处理方案中的一个的外部信号处理器111的音频信号。例如，在耳蜗植入物的领域中公知的信号处理方法包括连续交织采样(CIS)数字信号处理，通道特定采样序列(CSSS)数字信号处理(如在通过引用合并于本文中的美国专利No.6,348,070中所述)，谱峰(SPEAK)数字信号处理，精细结构处理(FSP)和压缩模拟(CA)信号处理。
[0007] 经处理的信号由外部信号处理器111转换成数字数据格式，如数据帧的序列，以便由外部线圈107发射到接收刺激器处理器108。除了提取音频信息，刺激器处理器108中的接收器处理器可以执行附加信号处理，如纠错、脉冲形成等，并且产生通过电极引线109发送到植入电极阵列110的刺激模式(基于提取的音频信息)。典型地，电极阵列110包括在其表面上的多个刺激触点112，其提供耳蜗104的选择性电刺激。
[0008] 为了收集关于电极-神经接口的信息，常用的客观测量基于神经动作电位(NAP)的测量，如电诱发复合动作电位(eCAP)，如通过引用合并于本文中的以下文献所述：Gantz等人，Intraoperative Measures of Electrically Evoked Auditory Nerve Compound Action Potentials，American Journal of Otology 15(2):137-144(1994)。在该方法中，记录电极通常放置在内耳的鼓阶处。典型地很靠近神经激励的位置测量听觉神经对电刺激的总响应。该神经响应由在听觉神经膜外侧的单一神经响应的叠加导致。该响应由最小电压(该峰值典型地称为N1)和最大电压(该峰值典型地称为P2)之间的幅度表征。测量位置处的eCAP的幅度典型地在10μV到1800μV之间。一种eCAP记录范式是所谓的“幅度生长函数”，如通过引用合并于本文中的以下文献所述：Brown等人，Electrically Evoked Whole Nerve Action Potentials In Ineraid Cochlear Implant Users:Responses To Different Stimulating Electrode Configurations And Comparison To Psychophysical Responses，Journal of Speech and Hearing Research，vol.39:453-467(1996年6月)。该功能是刺激脉冲的幅度和eCAP峰间电压之间的关系。另一个临床使用的记录范式是所谓的“恢复函数”，其中用具有变化脉冲间隔的两个脉冲实现刺激。作为二阶eCAP的幅度和脉冲间隔的关系的恢复函数允许关于与听觉神经的时间分辨率有关的不应性质和特定性质得出结论。
[0009] 检测诸如eCAP的NAP基于获得的测量记录(R)的分析，所述测量记录可以理解为包含期望的NAP(A)、由于刺激(B)和其它来源(C)引起的伪迹和噪声(D)的混合信号。当在本文中使用时词语“伪迹”指的是不由eCAP响应(除了噪声)导致并且通常是有害的和去除的对象的所有信号分量。该混合信号的线性模型为：
[0010] R＝A+B+C+D
[0011] 现有技术的NAP测量系统应用特定记录序列以减小在测量期间存在的有害伪迹和噪声。通过诸如“交替刺激”(Eisen MD，Franck KH：“Electrically Evoked Compound Action Potential Amplitude Growth Functions and HiResolution Programming Levels in Pediatric CII Implant Subjects”，Ear&Hearing 2004，25(6):528-538；其通过引用完整地合并于本文中)、“掩蔽探测”(Brown C，Abbas P，Gantz B：“Electrically evoked whole-nerve action potentials:data from human cochlear implant users”，The Journal of the Acoustical Society of America 1990，88(3):1385-1391；Miller CA，Abbas PJ，Brown CJ：An improved method of reducing stimulus artifact in the electrically evoked whole-nerve potential，Ear&Hearing 2000，21(4):280-290；其都通过引用完整地合并于本文中)、“三相刺激”(Zimmerling M：“Messung des elektrisch evozierten Summenaktionspotentials des bei Patienten mit einem Cochlea-Implantat”，In PhD thesis Innsbruck，Institut für Angewandte Physik；1999；Schoesser H，Zierhofer C，Hochmair ES，“Measuring electrically evoked compound action potentials using triphasic pulses for the reduction of the residual stimulation artifact”，In:Conference on implantable auditory prostheses；2001；其都通过引用完整地合并于本文中)和“比例模板”(Miller CA，Abbas PJ，Rubinstein JT，Robinson B，Matsuoka A，Woodworth G：Electrically evoked compound action potentials of guinea pig and cat:responses to monopolar,monophasic stimulation，Hearing Research 1998，119(1–2):142-154；其通过引用完整地合并于本文中)的不同测量范式从记录(R)部分地去除刺激伪迹(B)。由于其它来源(C)引起的伪迹由零幅度模板部分地去除(Brown等人，2000)。通过重复测量减小噪声(D)，对于N次重复在重复记录上平均使噪声水平减小√N。
[0012] 这些特定记录序列导致具有减小的噪声基底(D')和在多数情况下在幅度上减小的剩余伪迹(B'和C')的经处理的记录(R')。一些记录序列也导致改变的NAP响应(A')，例如“掩蔽探测”范式(Westen,A.A.；Dekker,D.M.T.；Briaire,J.J.&Frijns,J.H.M“. Stimulus level effects on neural excitation and eCAP amplitude”，Hear Res，2011，280，166-176；其通过引用完整地合并于本文中)。
[0013] 为了自动地检测由此产生的记录(R')中的NAP响应，一种常用的技术被称为模板匹配(由Advanced Bionics使用的SmartNRI；Arnold,L.&Boyle,P“. SmartNRI:algorithm and mathematical basis”，Proceedings of 8th EFAS Congress/10th Congress of the German Society of Audiology，2007；其通过引用完整地合并于本文中)。首先通过计算与由主成分分析预先限定的基函数的相关并且执行加权求和执行记录(R')的附加去噪，导致具有减小噪声的记录(R”)(参见美国专利7,447,549；其通过引用完整地合并于本文中)。然后将表示两个衰减指数的和的伪迹模型(BModel+CModel)拟合到该经后处理的记录(R”)并且用响应度量的强度(SOR＝(R”-BModel-CModel)/噪声)确定阈值以检测可能的NAP(A)(美国专利7,818,052；其通过引用完整地合并于本文中)。
[0014] 自动地检测由此产生的记录(R')中的NAP响应的另一方法被称为专家系统(由Cochlear Ltd.使用的AutoNRTTM；Botros,A.；van Dijk,B.&Killian,M“. AutoNRTTM:An automated system that measures ECAP thresholds with the Nucleus(R)FreedomTM cochlear implant via machine intelligence”，Artificial Intelligence in Medicine，2007，40，15-28；其通过引用完整地合并于本文中)。使用的专家系统是模板匹配和决策树分类器的组合(美国专利公布US20080319508A1；其通过引用完整地合并于本文中)。模板匹配分类器计算与NAP(A)模板和NAP加刺激伪迹(A+B)模板的相关。决策树使用以下六个参数：
[0015] ·NAP典型潜伏期的N1-P1幅度
[0016] ·噪音水平
[0017] ·N1-P1幅度与噪声水平的比率
[0018] ·与NAP(A)模板的相关
[0019] ·与NAP加刺激伪迹(A+B)模板的相关
[0020] ·该测量(R)和较低刺激幅度下的先前测量之间的相关。
[0021] 两种不同决策树分类器用C5.0决策树算法学习。对于在较低刺激水平下未检测到NAP(A)的情况，增加刺激水平并且使用具有低误判率的决策树来确定NAP(A)的存在。对于检测到NAP(A)的情况，减小刺激水平并且使用具有低总错误率的决策树来评价NAP(A)的存在。
发明内容
[0022] 本发明的实施例涉及一种检测来自组织的响应电刺激信号的神经元动作电位信号的系统和方法。通过用表示由于电刺激引起的单神经纤维的激活引起的刺激电极处的电压变化的基本单位响应信号，对响应由刺激电极电刺激神经组织取得的组织响应测量信号进行去卷积，导出神经组织的复合放电潜伏期分布(CDLD)。CDLD与已知生理数据比较以检测组织响应测量信号内的NAP信号。
[0023] 生理数据可以由诸如双分量GMM的多个高斯混合模型(GMM)表征。GMM参数的导出可以使用最小均方拟合。并且GMM可以包括作为下列中的一个或多个的函数的参数分布：刺激幅度，恢复序列期间的脉冲间隔，恢复序列期间的掩蔽和刺激水平，刺激脉冲极性，激励序列的扩展期间的探测和掩蔽电极之间的空间距离，以及医疗器械世代，并且GMM可以包括由专家在线训练的参数分布以反映患者异常参数空间。将CDLD与已知生理参数比较可以包括比较比例、潜伏期和变化中的一个或多个。快速傅里叶变换算法可以用于去卷积。NAP信号可以是电诱发复合动作电位(eCAP)信号。附图说明
[0024] 本专利或申请文件包含用颜色完成的至少一个图，其可以从优先权申请获得。
[0025] 图1显示具有耳蜗植入物系统的人耳的解剖结构。
[0026] 图2显示根据本发明的一个具体实施例的用于测量来自组织的响应电刺激信号的神经动作电位(NAP)信号的系统中的各种部件。
[0027] 图3显示根据本发明的一个具体实施例的从获得的测量记录(R)检测神经动作电位(NAP)信号的方法中的功能步骤。
[0028] 图4显示包含更高刺激水平下的NAP的测量记录的例子。
[0029] 图5显示基本单位响应的例子。
[0030] 图6显示根据本发明的实施例的通过去卷积计算的CDLD。
[0031] 图7显示拟合的双分量GMM。
[0032] 图8显示生理NAP响应的双分量GMM的拟合参数的分布。
具体实施方式
[0033] 代替使用复杂的检测算法(例如，诸如决策树分类器的模板匹配或机器学习专家系统)直接在组织响应测量记录中识别可能的NAP，本发明的实施例涉及一种信号处理系统，其用已知基本单位响应对组织响应测量信号记录进行去卷积(deconvolve)以获得复合放电潜伏期分布(CDLD)。然后CDLD被检查以包含生理特性，假设所述生理特性源自NAP，如电诱发复合动作电位(eCAP)信号。
[0034] NAP信号在技术上是复合信号，其表示由于电激励神经纤维引起的大量同时发生的电压变化的和。发明人发现，使用卷积模型(例如参见Goldstein,M.H.；Kiang,N.Y.S.“Synchrony of neural activity in electric responses evoked by transient acoustic stimuli”，JASA，Vol.30，pp.107-114(1958)；其通过引用完整地合并于本文中)来使用以下公式描述NAP响应x(t)是合适的：
[0035]
[0036] 其中N表示在记录电极处可观察的激励神经纤维的数量，P(t)是可观察的神经群的复合放电潜伏期分布(CDLD)，并且U(t)是由于单一单位引起的电极处的电压变化。基于豚鼠中的记录(例如参见Versnel,H.；Schoonhoven,R.；Prijs,V.F.“Single-fibre and whole-nerve responses to clicks as a function of sound intensity in the guinea pig”，Hearing Research，Vol.59，pp.138-156(1992)；其通过引用完整地合并于本文中)，单一单位响应U(t)可以由以下公式建模，例如UN＝0.12e-6V，σN＝0.12e-3描述负部分，并且UP＝0.045e-6V，σP＝0.16e-3描述正部分，并且t0＝-0.06e-3s限定交点：
[0037]
[0038]
[0039] CDLD P(t)限定作为刺激后时间的函数有多少神经纤维放电，并且发明人发现，可以通过如以下公式3中表示的双分量高斯混合模型(GMM)建模它，例如，μ1＝0.75e-3s，σ1＝125e-6，μ2＝1.50e-3s和σ2＝1000e-6以及比例系数3/2。
[0040]
[0041] 在更一般的形式中CDLD P(t)可以表示为
[0042]
[0043] 其中μ1和μ2是对应于潜伏期的均值，并且σ1和σ2是第一和第二高斯分量的标准偏差。比例系数s描述两个分量彼此的权重并且完成参数集。应当理解，也可以使用任何其他合适的GMM。
[0044] 基于前述内容，本发明的实施例解决组织响应测量信号记录R的公式1的反问题以获得CDLD P(t)，并且分析结果P(t)以确定NAP信号是否存在。图2显示根据本发明的一个具体实施例的用于测量来自组织的响应电刺激信号的神经动作电位(NAP)信号的系统中的各种功能块。响应测量模块201包含用于生成目标神经组织的电刺激脉冲并且记录和分析NAP的软件和硬件的组合。例如，响应测量模块201可以基于在奥地利University of Technology Innsbruck制造的研究接口盒(RIB)II系统，该系统可以包括配备有National Instruments数字IO卡、RIB II隔离盒以及IO卡和RIB II盒之间的通信电缆的个人计算机。电刺激脉冲从响应测量模块201通过控制接口202传输到外部发射器203，所述外部发射器将它们通过皮肤传输到植入电极到达目标神经组织。NAP响应用植入电极记录并且由线和/或无线地经由外部发射器203、控制接口202传输到响应测量模块201。应当理解，植入物和控制接口202或测量模块201之间的通信的任何其他方式同样是可能的。例如，从植入物直接无线传输到控制接口202例如有利于总体可植入耳蜗植入物。响应测量模块201如下所述将测量信号与来自生理数据库204的已知生理数据比较以检测测量信号内的NAP，如eCAP。
[0045] 图3显示根据本发明的一个具体实施例的检测来自神经组织的响应电刺激信号的神经动作电位(NAP)信号的方法中的功能步骤。首先在步骤301中通过对响应测量模块201中的测量R进行去卷积来导出CDLD，然后在步骤302中导出参数以表征CDLD。在步骤303中使用生理数据库204将表征CDLD的导出参数与来自生理响应的已知参数比较，并且如果记录R包含具有在生理范围内的参数的CDLD，报告检测到的NAP。图4显示包含更高刺激水平下的NAP的这样的测量信号记录R的一些例子。
[0046] 响应测量模块201通过用表示由于神经纤维的电刺激引起的记录电极处的电压变化的基本单位响应信号(参见图5)对测量信号进行去卷积来导出神经组织的复合放电潜伏期分布(CDLD)，步骤301。例如，快速傅里叶变换可以用于此。
[0047] 图6显示一系列例子，其中通过用来自图5的基本单位响应U(t)对来自图4的示例性测量信号R进行去卷积来计算CDLD P(t)。图6中所示的CDLD的示例性显示也可以有用地用于拟合软件应用中的CDLD的可视化以便由拟合听力学家使用从而允许听力学家容易地看到响应的特征形状而不必困难地深入理解例如常常从复杂的测量和拟合算法输出的值。这样的CDLD显示表示用于听力学家的直观和有帮助的图片中的神经放电概率。
[0048] 响应测量模块201将CDLD与来自生理数据库204的已知生理数据比较以从组织响应测量信号R恢复NAP信号，步骤303。例如，生理数据库204中的生理数据可以具体地包括高斯混合模型(GMM)，如双分量GMM，响应测量模块201可以使用最小均方算法将其拟合到CDLD。图7显示拟合到CDLD的一个这样的双分量GMM的参数的例子。
[0049] 当表征CDLD的导出参数类似于存储在生理数据库204中的例子时，响应测量模块201报告组织响应测量信号中的检测到的NAP，步骤303。在表1中显示一些典型的中值并且图8显示包括比例系数、潜伏期和标准偏差的生理NAP响应的双分量GMM的拟合参数的一些典型分布。
[0050]
[0051] 表1：生理NAP响应的中值
[0052] 在具体实施例中，GMM数据库204中的拟合双分量GMM的参数分布可以是诸如下列的一个或多个NAP记录参数的函数：
[0053] ·刺激幅度
[0054] ·恢复序列期间的脉冲间隔
[0055] ·恢复序列期间的掩蔽和刺激水平
[0056] ·刺激脉冲的极性
[0057] ·激励序列的扩展期间的掩蔽和探测之间的电极阵列上的距离
[0058] ·医疗器械世代
[0059] 并且在一些实施例中，参数分布可以由专家在线训练以反映受试者的异常参数空间(例如用于语音识别系统，其初始具有通用参数分布数据，然后用训练文本训练所述数据以适应本地说话者)。
[0060] 诸如上述的布置基于听觉神经组织的生理先验知识从组织响应测量信号提供NAP的低计算复杂性解决方案。
[0061] 本发明的实施例可以部分地用任何常规计算机编程语言实现。例如，优选实施例可以用程序化编程语言(例如，“C”)或面向对象编程语言(例如，“C++”，Python)实现。本发明的替代实施例可以作为预编程硬件元件、其他相关部件或作为硬件和软件部件的组合实现。
[0062] 实施例也可以部分地作为与计算机系统一起使用的计算机程序产品实现。这样的实现方式可以包括固定在诸如计算机可读介质(例如，磁盘、CD-ROM、ROM或固定盘)的有形介质上或经由调制解调器或其他接口装置(例如在介质上连接到网络的通信适配器)可传输到计算机系统的一系列计算机指令。介质可以是有形介质(例如，光学或模拟通信线)或用无线技术实现的介质(例如，微波、红外或其它传输技术)。计算机指令的系列体现先前在本文中关于系统所述的功能性的全部或部分。本领域的技术人员将领会这样的计算机指令可以用许多编程语言编写以便与许多计算机架构或操作系统一起使用。此外，这样的指令可以存储在任何存储装置(如半导体、磁、光或其他存储装置)中，并且可以使用任何通信技术(如光、红外、微波或其他传输技术)传输。可以预料这样的计算机程序产品可以作为具有伴随的打印或电子文档的移动介质(例如，紧缩套装软件)发布，通过计算机系统预加载(例如，在系统ROM或固定盘上)，或者在网络(例如，互联网或万维网)上从服务器或电子公告牌发布。当然，本发明的一些实施例可以作为软件(例如，计算机程序产品)和硬件两者的组合实现。本发明的另外其他实施例作为完全硬件或完全软件(例如，计算机程序产品)实现。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于非共面H型谐振器和蟹腿型支撑梁的双轴体微机械谐振式加速度计 | 2020-05-08 | 40 |
| 脑电的阈下姓名身份认证方法 | 2020-05-11 | 882 |
| 开关转换器及其控制电路、使用它的照明装置、电子设备 | 2020-05-12 | 125 |
| 机芯、电子钟表以及电机驱动控制方法 | 2020-05-12 | 975 |
| 用频谱域智能间隙填充编码或解码音频信号的设备及方法 | 2020-05-13 | 503 |
| 半导体器件 | 2020-05-11 | 192 |
| 包括操作为多个通道的多个裸片的半导体装置 | 2020-05-13 | 381 |
| 用于由功能硬件组件产生的噪音的控制系统 | 2020-05-12 | 229 |
| 处理系统、集成电路和微控制器 | 2020-05-12 | 344 |
| 一种多人语音的分离方法和装置 | 2020-05-12 | 12 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈