一种用于降低可预防性死亡风险的辅助管理方法和系统

专利名称：一种用于降低可预防性死亡风险的辅助管理方法和系统

专利类型：实用新型专利

专利申请号：CN202411259731.8

专利申请（专利权）人：大连泰嘉瑞佰科技有限公司
权利人地址：辽宁省大连市甘井子区玉浓西街55-3号2层276

专利发明（设计）人：吕婕,刘艳,游贤超

专利摘要：本申请涉及数据处理领域，提供一种用于降低可预防性死亡风险的辅助管理方法和系统，包括：采集人体预设时间段中，每一时刻对应的心电信号数据；将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；基于每一波段信号中多个时刻对应的心电变化特征计算当前时刻的心电信号数据安全指数；基于当前时刻的心电信号数据安全指数确定心电数据是否异常。该方法准确的获取一次完整的心动变化周期的变化特点，并在结合不同周期内的心电变化特征计算安全指数，能够提高心电检测准确性。

主权利要求：
1.一种用于降低可预防性死亡风险的辅助管理方法，其特征在于，包括：采集人体预设时间段中，每一时刻对应的心电信号数据；
将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；
基于不同波段信号的心电变化特征计算当前时刻的心电信号数据安全指数；
基于当前时刻的心电信号数据安全指数确定心电数据是否异常；
基于不同波段信号的心电变化特征计算当前时刻的心电信号数据安全指数，包括：基于当前时刻对应的心电突变系数和k时刻对应的心电突变系数之差，和当前时刻到k时刻中波段信号的数量计算当前时刻的心电信号波动距离；所述心电突变系数表征心电变化特征；
基于当前时刻的心电信号波动距离计算当前时刻的心电信号数据安全指数；
利用如下公式计算当前时刻的心电信号波动距离：；
其中， 表示当前时刻t对应的心电突变系数， 表示k时刻对应的心电突变系数，表示波段信号中心电信号数据的数量， 表示当前时刻到k时刻中波段信号的密度；
基于当前时刻的心电信号波动距离计算当前时刻的心电信号数据安全指数，包括：将当前时刻的心电信号波动距离量化到Z个不同区间；
计算每一区间对应的心电信号数据分布熵，进而得到所述当前时刻对应的心电信号数据分布熵；
基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数；
计算每一区间对应的心电信号数据分布熵，进而得到所述当前时刻对应的心电信号数据分布熵，包括：利用如下公式计算当前时刻对应的心电信号数据分布熵：；
其中， 表示区间h的心电信号分布频率的数值大小，其计算方法为 ，其中为区间 量化后对应的心电信号波动距离区间中不同时刻的心电信号数值数量，表示了以2为底的对数函数，Z表示区间的数量， 表示当前时刻t对应的心电信号数据分布熵；
基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数，包括：利用如下公式计算当前时刻心电信号数据安全指数：；
其中，表示了波段信号的总个数， 表示了第 个波段信号的心电信号数据序列，表示第 个波段信号的心电信号数据序列， 表示了两个不同序列之间的距离， 表示波段信号中心电信号数据序列的长度， 表示第k个波段信号中i时刻的数据切片的分布熵， 表示第k+1个波段信号中i时刻的数据切片的分布熵。
2.根据权利要求1所述的一种用于降低可预防性死亡风险的辅助管理方法，其特征在于，将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，包括：将预设时间段中每一时刻对应的心电信号数据分割为长度为n的数据切片；
计算数据切片对应的波段阈值；
基于所述波段阈值将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，所述波段信号中包括多个时刻对应的心电信号数据。
3.根据权利要求2所述的一种用于降低可预防性死亡风险的辅助管理方法，其特征在于，基于所述波段阈值将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，包括：将大于所述波段阈值的时刻对应的心电信号数据作为所述波段信号的起始点，并且将下一个大于所述波段阈值的时刻对应的心电信号数据作为前一个波段信号的终止点以及下一个波段信号的起始点，进而将所述预设时间段中的所述心电信号数据划分，得到至少一个波段信号。
4.根据权利要求2所述的一种用于降低可预防性死亡风险的辅助管理方法，其特征在于，计算数据切片对应的波段阈值，包括：计算当前时刻的数据切片在不同维度下的心电突变系数；
基于心电突变系数计算数据切片对应的波段阈值；
其中，利用如下公式计算数据切片对应的波段阈值：；
其中， 表示阈值调节参数，用于调整波段信号划分过程中的细节变化，表示了当前时刻 划分得到的长度为 的数据切片中的最大数值，n表示数据切片的长度，表示当前时刻t的数据切片对应的波段阈值。
5.一种用于降低可预防性死亡风险的辅助管理系统，其特征在于，用于实现权利要求1所述的一种用于降低可预防性死亡风险的辅助管理方法，包括：采集模块，用于采集人体预设时间段中，每一时刻对应的心电信号数据；
划分模块，用于将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；
计算模块，用于基于每一波段信号计算当前时刻的心电信号数据安全指数；
确定模块，用于基于当前时刻的心电信号数据安全指数确定心电数据是否异常。 说明书 : 一种用于降低可预防性死亡风险的辅助管理方法和系统技术领域[0001] 本申请涉及数据处理领域，特别是涉及一种用于降低可预防性死亡风险的辅助管理方法和系统。背景技术[0002] 近些年来，随着城市生活压力的提高，碎片化娱乐对生活时间的不断侵占，导致饮食作息生活不规律，心脏疾病的发病率不断升高，且发病人群的年龄特征正逐步趋于年轻化。心脏疾病导致的意外死亡成为威胁人类生命健康的重大风险因素，因此，需要通过对心电图电位数据变化情况进行准确分析，有效的获取心电图电位变化数据中隐含的创伤信息，以有效的降低意外死亡的风险。[0003] 传统对心电数据处理过程中忽略心电前后规律关联的变化特点，对心电信号数据异常波动不敏感，导致检测结果准确性低。发明内容[0004] 本发明提供一种用于降低可预防性死亡风险的辅助管理方法和系统，该方法能够提高心电检测准确性。[0005] 第一方面，本申请提供一种用于降低可预防性死亡风险的辅助管理方法，包括：[0006] 采集人体预设时间段中，每一时刻对应的心电信号数据；[0007] 将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；[0008] 基于不同波段信号的心电变化特征计算当前时刻的心电信号数据安全指数；[0009] 基于当前时刻的心电信号数据安全指数确定心电数据是否异常。[0010] 可选地，将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，包括：[0011] 将预设时间段中每一时刻对应的心电信号数据分割为长度为n的数据切片；[0012] 计算数据切片对应的波段阈值；[0013] 基于所述波段阈值将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，所述波段信号中包括多个时刻对应的心电信号数据。[0014] 可选地，基于所述波段阈值将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，包括：[0015] 将大于所述波段阈值的时刻对应的心电信号数据作为所述波段信号的起始点，并且将下一个大于所述波段阈值的时刻对应的心电信号数据作为前一个波段信号的终止点以及下一个波段信号的起始点，进而将所述预设时间段中的所述心电信号数据划分，得到至少一个波段信号。[0016] 可选地，计算数据切片对应的波段阈值，包括：[0017] 计算当前时刻的数据切片在不同维度下的心电突变系数；[0018] 基于心电突变系数计算数据切片对应的波段阈值；[0019] 其中，利用如下公式计算数据切片对应的波段阈值：[0020] ；[0021] 其中， 表示阈值调节参数，用于调整波段信号划分过程中的细节变化，表示了当前时刻 划分得到的长度为 的数据切片中的最大数值，n表示数据切片的长度， 表示当前时刻t的数据切片对应的波段阈值。[0022] 可选地，基于不同波段信号的心电变化特征计算当前时刻的心电信号数据安全指数，包括：[0023] 基于当前时刻对应的心电突变系数和k时刻对应的心电突变系数之差，和当前时刻到k时刻中波段信号的数量计算当前时刻的心电信号波动距离；所述心电变化系数表征心电变化特征；[0024] 基于当前时刻的心电信号波动距离计算当前时刻的心电信号数据安全指数。[0025] 可选地，利用如下公式计算当前时刻的心电信号波动距离：[0026] ；[0027] 其中， 表示当前时刻t对应的心电突变系数， 表示k时刻对应的心电突变系数， 表示波段信号中心电信号数据的数量， 表示当前时刻到k时刻中波段信号的密度。[0028] 可选地，基于当前时刻的心电信号波动距离计算当前时刻的心电信号数据安全指数，包括：[0029] 将当前时刻的心电信号波动距离量化到Z个不同区间；[0030] 计算每一区间对应的心电信号数据分布熵，进而得到所述当前时刻对应的心电信号数据分布熵；[0031] 基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数。[0032] 可选地，计算每一区间对应的心电信号数据分布熵，进而得到所述当前时刻对应的心电信号数据分布熵，包括：[0033] 利用如下公式计算当前时刻对应的心电信号数据分布熵：[0034] ；[0035] 其中， 表示区间h的心电信号分布频率的数值大小，其计算方法为 ，其中 为区间 量化后对应的心电信号波动距离区间中不同时刻的心电信号数值数量，表示了以2为底的对数函数，Z表示区间的数量， 表示当前时刻t对应的心电信号数据分布熵。[0036] 可选地，基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数，包括：[0037] 利用如下公式计算当前时刻心电信号数据安全指数：[0038] ；[0039] 其中，表示了波段信号的总个数， 表示了第 个波段信号的心电信号数据序列， 表示第 个波段信号的心电信号数据序列， 表示了两个不同序列之间的距离， 表示波段信号中心电信号数据序列的长度， 表示第k个波段信号中i时刻的数据切片的分布熵， 表示第k+1个波段信号中i时刻的数据切片的分布熵。[0040] 第二方面，本申请提供一种用于降低可预防性死亡风险的辅助管理系统，包括：[0041] 采集模块，用于采集人体预设时间段中，每一时刻对应的心电信号数据；[0042] 划分模块，用于将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；[0043] 计算模块，用于基于每一波段信号计算当前时刻的心电信号数据安全指数；[0044] 确定模块，用于基于当前时刻的心电信号数据安全指数确定心电数据是否异常。[0045] 本申请的有益效果，区别于现有技术，本申请的用于降低可预防性死亡风险的辅助管理和系统，包括：采集人体预设时间段中，每一时刻对应的心电信号数据；将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点；基于每一波段信号中多个时刻对应的心电变化特征计算当前时刻的心电信号数据安全指数；基于当前时刻的心电信号数据安全指数确定心电数据是否异常。该方法准确的获取一次完整的心动变化周期的变化特点，并在结合不同周期内的心电变化特征计算安全指数，能够提高心电检测准确性。附图说明[0046] 图1为本发明用于降低可预防性死亡风险的辅助管理方法的一实施例的流程示意图；[0047] 图2为图1中步骤S12的一实施例的流程示意图；[0048] 图3为图1中步骤S13的一实施例的流程示意图；[0049] 图4为本发明用于降低可预防性死亡风险的辅助管理系统的一实施例的结构示意图。具体实施方式[0050] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0051] 下面结合附图和实施例对本申请进行详细的说明。[0052] 请参见图1，图1为本发明用于降低可预防性死亡风险的辅助管理方法的一实施例的结构示意图，具体包括：[0053] 步骤S11：采集人体预设时间段中，每一时刻对应的心电信号数据。[0054] 人体心肌兴奋收缩时，会产生微弱的电流传导到人体各处，在身体表面安置引导电极即可以记录心动周期中规律的电流变化，从而得到相应的心电图电位数据。为了确保在心电图电位数据采集过程中科学性和有效性，本发明实施例采用常见的标准十二导联体系获取得到人体心电图电位数据。[0055] 假 设当 前 时刻 为 ，记 当前 时 刻获 取 得 到的 心电 信 号数 据 为，共12个不同维度的心电信号数据，对应十二导联中不同电极处的数据特点。[0056] 在采集获取得到的原始十二导联心电信号数据中，由于传感器电极电流数据信号微弱不稳定导致采集获取得到原始十二导联心电信号数据中出现毛刺、飘逸等异常数据，为了尽可能减弱甚至消除这种异常数据信号对后续进一步计算过程中的影响。对原始心电信号数据中每个不同维度的数据进行切片，取切片数据长度为 ，使用巴特沃斯带通滤波器对该切片心电数据进行优化处理，其中取滤波器阶数为3，截至频率为该切片中心电数据的均值。通过该滤波对原始十二导联心电数据信号进行降噪处理，消除毛刺噪声等异常波动影响。[0057] 根据上述步骤可以获取得到 时刻下的人体心电信号数据 ，由于电极导体的设置采集获取得到的心电信号数据共有十二个不同的维度。为了便于后续进一步计算分析，降低后续进一步计算的成本，首先需要对十二维心电信号数据进行优化降维。[0058] 具体的，每个时刻 下均存在一个十二维心电信号数据，取预设时间段 内所有不同时刻的心电信号数据作为数据切片，此时将 个不同的十二维心电信号数据切片作为输入，使用主成分分析（PCA）方法进行降维处理。PCA是一种利用高维数据线性相关关系转化为线性无关分量以达到高维数据向低维数据转化，提取数据主要特征的降维方法。假设处理后得到的心电信号数据维度为 ，即时刻下 对应的心电信号数据为，以此得到预设时间段T内所有时刻对应的心电信号数据。[0059] 步骤S12：将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点。[0060] 具体的，请结合图2，步骤S12包括：[0061] 步骤S21：将预设时间段中每一时刻对应的心电信号数据分割为长度为n的数据切片。[0062] 具体的，将预设时间段T中每一时刻对应的心电信号数据分割为长度为n的数据切片。在一实施例中，n取经验值为16。[0063] 步骤S22：计算数据切片对应的波段阈值。[0064] 具体的，计算当前时刻的数据切片在不同维度下的心电突变系数。[0065] 在经过降维后有r个不同维度的心电信号数据，计算这r个维度的心电信号数据对应的心电突变系数。具体的，利用如下公式计算心电突变系数：[0066] ；[0067] 表示了经过PCA降维计算后保留的心电数据的主要维度数值，分别表示了当前时刻 ，前一个时刻 和后一个时刻处的第 个维度下的心电信号数据大小。 表示t时刻处第 个维度的心电信号数据的心电突变系数。[0068] 通过上述公式可以计算获取得到时刻 下不同维度的心电突变系数 的数值大小，对于降维后共 个不同维度的心电信号数据，由于心肌收缩放电会出现较为明显的电位波动。若当前时刻 位该心电突变增大的位置，则第 个维度时刻 与前后两个相邻时刻下计算得到的电位数值差应较大。对 个不同维度的心电信号数据进行进一步计算后得到的 时刻下 个不同维度的心电突变系数 的数值会相对变大。[0069] 基于心电突变系数计算数据切片对应的波段阈值。在一具体实施例中，利用如下公式计算数据切片对应的波段阈值：[0070] ；[0071] 其中， 表示阈值调节参数，用于调整波段信号划分过程中的细节变化，取经验值为4， 表示了当前时刻 划分得到的长度为 的数据切片中的最大数值，n表示数据切片的长度， 表示当前时刻t的数据切片对应的波段阈值。[0072] 需要说明的是，当数据切片中存在两个维度的心电突变系数均为最大心电突变系数时，认为当前心电信号数据中存在不同波段的交叠，向后滑动心电信号数据进行计算，每次心电信号数据的滑动步长取经验值为3。[0073] 对每一个数据切片均利用上述公式计算对应的波段阈值。[0074] 步骤S23：基于所述波段阈值将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，所述波段信号中包括多个时刻对应的心电信号数据。[0075] 具体的，将大于所述波段阈值的时刻对应的心电信号数据作为所述波段信号的起始点，并且将下一个大于所述波段阈值的时刻对应的心电信号数据作为前一个波段信号的终止点以及下一个波段信号的起始点，进而将所述预设时间段中的所述心电信号数据划分，得到至少一个波段信号。以此将预设时间段中的心电信号数据划分为至少一个波段信号。[0076] 正常情况下，人体心脏呈现规律性的收缩跳动，在收集获取得到的人体心电信号数据中也会随之呈现相应的规律波动特点，因此根据获取得到的心电信号数据的心电突变系数（心电突变系数表征变化波动特点）计算得到波段阈值，利用波段阈值对心动周期波群进行划分，得到波段信号，波段信号表征完整的心动周期内的心电信号数据。[0077] 步骤S13：基于不同波段信号的心电变化特征计算当前时刻的心电信号数据安全指数。[0078] 在一实施例中，请结合图3，步骤S13包括：[0079] 步骤S31：基于当前时刻对应的心电突变系数和k时刻对应的心电突变系数之差，和当前时刻到k时刻中波段信号的数量计算当前时刻的心电信号波动距离；当前时刻和k时刻属于同一波段信号，所述心电变化系数表征心电变化特征。[0080] 通过上述步骤将人体心肌规律性收缩放电产生的心电信号数据划分成不同的波段信号，每个波段信号表示一次完整的心动变化周期的起伏变化特点。进一步对每一个波段信号进行分析。[0081] 在一实施例中，利用如下公式计算当前时刻的心电信号波动距离：[0082] ；[0083] 其中， 表示当前时刻t对应的心电突变系数， 表示k时刻对应的心电突变系数，表示波段信号中心电信号数据的数量， 表示当前时刻t到k时刻中波段信号的密度。 的倒数 越大，说明波段心电变化越规律，反之该数值越小，越不规律， 越大，且突变系数差值越大，波动距离会越大。[0084] 以时刻 位置处的心电信号数据为中心可以获取长度为 的数据切片，n取值为16，即 时刻前共有7个不同时刻的数据切片，时刻后共有8个不同时刻的数据切片。其中，7和8为经验参数。需要说明的是，由于n=16，会导致中心位置不确定，为了避免计算描述歧义，本申请根据经验，定义时刻前共有7个不同时刻的数据切片，时刻后共有8个不同时刻的数据切片。[0085] 通过上述公式可以计算得到时刻 处的心电信号波动距离 的数值大小，当以时刻 为中心的波段信号中不同时刻位置处的心电信号数据异常波动起伏越大，说明该时刻出现心电信号数据出现异常的可能性越高，存在创伤风险的可能性也越相对高。[0086] 步骤S32：基于当前时刻的心电信号波动距离计算当前时刻的心电信号数据安全指数。[0087] 将当前时刻的心电信号波动距离量化到Z个不同区间；计算每一区间对应的心电信号数据分布熵，进而得到所述当前时刻对应的心电信号数据分布熵；基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数。[0088] 在一实施例中，为了进一步精确量化心电信号数据波动分布变化特点，对计算得到的心电信号波动距离的数值进行量化，共量化到 不同区间，取经验值为8，区间内的长度为 ，其中以时刻 为中心的波段信号中，每一时刻都具有对应的心电信号波动距离，最大心电信号波动距离为 ，最小心电信号波动距离为 。[0089] 利用如下公式计算当前时刻对应的心电信号数据分布熵：[0090] ；[0091] 其中， 表示区间h的心电信号分布频率的数值大小，其计算方法为 ，其中 为区间 量化后对应的心电信号波动距离区间中不同时刻的心电信号数值数量，表示了以2为底的对数函数，Z表示区间的数量， 表示当前时刻t对应的心电信号数据分布熵。当 越大时，说明以该时刻的局部心电信号数据起伏不定，异常波动较大，因此存在创伤风险的可能性也相对较高。[0092] 健康正常无心脏疾病的人体心电信号数据中每个不同波段信号应具有较为相似的起伏波动变化特点，这是心肌规律收缩放电导致的。因此根据心电信号分布熵结合不同波段信号的心电变化特征例如起伏变化特点进行进一步计算分析。[0093] 基于当前时刻对应的心电信号数据分布熵计算得到当前时刻心电信号数据安全指数，包括：利用如下公式计算当前时刻心电信号数据安全指数：[0094] ；[0095] 其中，表示了波段信号的总个数， 表示了第 个波段信号的心电信号数据序列， 表示第 个波段信号的心电信号数据序列， 表示了两个不同序列之间的距离， 表示波段信号中心电信号数据序列的长度， 表示第k个波段信号中i时刻的数据切片的分布熵， 表示第k+1个波段信号中i时刻的数据切片的分布熵。[0096] 通过上述公式可以计算得到心电信号数据安全指数 的数值大小，由于健康状态下的人体心电信号呈现规律性的收缩变化特点，因此划分后得到的不同波群之间数据波动变化特点相似度较高。计算得到的DTW距离相对较小，且心电信号数据分布熵数值相差也会相对较小。此时计算得到的心电信号数据安全指数 的数值会较大；反之当心电信号数据出现异常波动时，不同心电信号数据波群变化特点会相对较大，此时计算得到的心电安全指数 数值会相对较小。[0097] 步骤S14：基于当前时刻的心电信号数据安全指数确定心电数据是否异常。[0098] 通过上述步骤计算分析可以获取得到心电信号数据安全指数，该数值表征了当前时刻下人体心电信号数据波动变化风险情况。若该数值小于经验阈值0.9，认为此时心肌出现不规律收缩放电，导致心电信号数据异常波动，对异常创伤进行及时预警，采取紧急医疗措施降低伤亡风险。[0099] 本发明实施例使用标准十二导联体系获取得到人体心电信号数据，并结合心电数据起伏变化特点计算得到心电突变系数，突出心电信号数据中异常波动数值。同时，根据心电突变系数对采集预处理后的心电信号数据有效划分，得到不同的心电波群，确保后续进一步分析过程中的科学性。进一步地，本发明实施例对心电信号数据分布特点进行计算，通过心电信号数据分布熵对心电信号数据的异常波动变化特点进行表征，并结合该特征对不同时刻的心电信号波群关联相似变化特点进行计算，从而完成对异常心电波动的判断和预警。规避了传统计算过程中仅计算浅层数据特征无法对心电信号数据中异常波动灵敏响应的缺点，提高了对伤亡创伤预警的准确性和实时性效果。[0100] 请参见图4，图4为本发明用于降低可预防性死亡风险的辅助管理系统的一实施例的结构示意图，具体包括：采集模块41、划分模块42、计算模块43以及确定模块44。[0101] 其中，采集模块41用于采集人体预设时间段中，每一时刻对应的心电信号数据。划分模块42用于将所述预设时间段中的所述心电信号数据划分为至少一个波段信号，每一波段信号表示一次完整的心动变化周期的变化特点。计算模块43用于基于每一波段信号计算当前时刻的心电信号数据安全指数。确定模块44用于基于当前时刻的心电信号数据安全指数确定心电数据是否异常。[0102] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。

专利地区：辽宁

专利申请日期：2024-09-10

专利公开日期：2024-11-29

专利公告号：CN118787364B