基于生理信号特征参数的颅脑压力无创监测分析系统的制作方法

文档序号:1272382阅读:237来源:国知局
基于生理信号特征参数的颅脑压力无创监测分析系统的制作方法
【专利摘要】本发明提供了一种基于生理信号特征参数的颅脑压力无创监测分析系统,其综合利用了颅脑压力变化与多种生理信号的相关度以及与多种特征参数的相关度,很好地保证了颅脑压力无创监测结果的临床检测精度,并且能够在监测过程中由颅脑压力无创监测模型根据不同时间段输入的特征参数种类自适应调整选择相应特征参数种类的影响权重值而运算得到颅脑压力无创检测值,避免因某些特征参数不便于获取时导致无创监测完全失效的问题,即便在发生不同种类特征参数的跳转、切换时,系统所运算输出的颅脑压力无创检测结果也能够很好地保持平稳性和连续性,从而有效实现对颅脑压力的长时间无创监测,增强了系统的检测均衡性和临床普遍适用性。
【专利说明】基于生理信号特征参数的颅脑压力无创监测分析系统
【技术领域】
[0001]本发明涉及生物医学信号处理技术和无创医疗系统【技术领域】,特别涉及一种基于生理信号特征参数的颅脑压力无创监测分析系统。
【背景技术】
[0002]目前颅脑压力检(监)测方法多为有创方法,临床应用最多的是脑室穿刺法和腰椎穿刺方法,因为有创,所以需要专业人员进行操作,临床应用要求高,临床数据需要专业人员解释。其中,脑室穿刺法还存在监测费用昂贵、易带来感染的风险,同时因为要进行开颅或穿孔,临床应用科室受限;腰椎穿刺法本身也存在一定的误差,只能得到单个时刻的颅脑压力值,不能进行连续或多点检测,且腰椎穿刺过程对患者而言是一种痛苦,不能经常应用。所以临床有创颅脑压力监测在神经外科应用较多,而不能应用于综合医院、急诊室、门诊和事故现场,即使如此,仍有非常多的医院并没有进行颅脑压力监护,但是颅内高压是继发性脑损伤的一个主要原因,其程度和持续时间已被证明与存活率、永久性功能障碍的程度有关,特别是当颅内体积-压力曲线达到临界点时,只要颅内体积发生少许变化,颅脑压力就会急剧增高,加重脑移位与脑疝,发生中枢衰竭危象。因此临床颅脑压力(Intracranial Pressure, ICP)监测非常重要,是预防和控制颉内高压、确定治疗方案的基础,同时也提供了一种客观衡量成功治疗的方法。基于这样一种现状,无创颅脑压力监测分析方法及设备就提供了一个比较好的选择。 [0003]然而在目前,颅脑压力的无创监测仍然是世界性的难题,国内、外虽然有很多颅脑压力无创监测的专利和文献出现,但目前还没有美国FDA以及欧洲CE认证的成熟产品,其市场前景广大;国内虽有基于闪光视觉诱发电位的颅脑压力无创检测分析仪,但由于这类仪器普遍都是基于单一信号参数的颅脑压力无创检测方法,因而不可避免存在依赖单一参数进行颅脑压力无创检测的原理缺陷,导致颅脑压力无创检测的精度不高、临床适用性不强的问题;虽然近期也有出现基于多参数颅脑压力无创检测方法的颅脑压力无创检测分析仪,但其无创检测所利用的多种信号参数的数量和种类非常固定,不可替换,当其中一部分信号参数不便于检测获得、或者一部分信号参数的种类发生跳变时,则无法继续有效、准确地实现颅脑压力的无创检测,自适应性能差,因此不可避免地导致无创检测间断性失效,难以实现对颅脑压力的长时间无创监测,从而在临床应用上仍受到很多限制。

【发明内容】

[0004]针对现有技术存在的上述不足,本发明要解决的技术问题是,如何提供一种基于生理信号特征参数的颅脑压力无创监测分析系统,以解决现有技术中颅脑压力无创检测技术精度不高、间断性失效的问题,更好地保证颅脑压力无创监测结果的精度,实现对颅脑压力的长时间无创监测,增强其临床适用性。
[0005]为了实现上述目的,本发明采用了如下的技术手段:
[0006]基于生理信号特征参数的颅脑压力无创监测分析系统,该系统包括:[0007]数据采集模块,用于通过数据接口采集和记录来自生理信号无创检测装置的生理信号;所述生理信号包括闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号;
[0008]特征参数分析模块,用于对数据采集模块采集到的生理信号进行数据处理和分析,提取生理信号的特征参数;其中,闪光视觉诱发电位信号的特征参数包括N2波潜伏期;脑血流动力学信号的特征参数包括脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度和重搏波波谷深度;心电信号的特征参数包括心电信号的P波宽度、QRS特征波宽度、T波宽度、RR间期、PR间期、ST间期、QT间期和ST段偏移量;血压信号的特征参数包括收缩压、舒张压和平均动脉压;
[0009]颅脑压力无创监测分析模块,预设有颅脑压力无创监测模型,用于将特征参数分析模块提取到的生理信号的特征参数作为颅脑压力无创监测模型的输入,实时地得到随时间动态变化的颅脑压力无创检测值;
[0010]界面排版显示模块,用于将数据采集模块采集到的生理信号转换为随时间变化的生理信号波形,将颅脑压力无创监测分析模块处理得到的颅脑压力无创检测值转换为随时间变化的颅脑压力监测波形,并按预设的界面排版方式将生理信号波形、颅脑压力监测波形以及特征参数分析模块提取到的生理信号的特征参数、颅脑压力无创监测分析模块处理得到的颅脑压力无创检测值进行实时的界面显示输出。
[0011]上述的颅脑压力无创监测分析系统中,作为一种优选方案,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型为:
[0012]Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t));
[0013]其中,Pnicp(t)表示随时间t动态变化的卢页脑压力无创检测值么、k2、k3、k4分别表示闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数;f (N2(t))表示N2波潜伏期与颅脑压力之间随时间t变化的函数关系;f(0n(t))表示脑血流动力学信号的第η种特征参数0n(t)与颅脑压力之间随时间t变化的函数关系,n e {1,2,...,6},其中,ejt)、02(t)、…、Θ 6 (t)分别表示脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度、重搏波波谷深度这六种特征参数,3?则表示脑血流动力学信号的第η种特征参数0n(t)的变化对颅脑压力变化的影响权重值,且Σ:?1; ⑴)表示心电信号的第i种特征参数与颉脑压力之间随时
间t变化的函数关系,i e {1,2,...,8},其中,…、i38(t)分别表示心电信号的P波宽度、QRS特征波宽度、T波宽度、RR间期、PR间期、ST间期、QT间期、ST段偏移量这八种特征参数,h则表示心电信号的第i种特征参数β At)的变化对颅脑压力变化的影
响权重值,且f(BPj(t))表示血压信号的第j种特征参数BP^t)与颅脑压力之
间随时间t变化的函数关系,j e {1,2,3},其中,BP1 (t)、BP2 (t)、BP3 (t)分别表示收缩压、舒张压、平均动脉压这三种特征参数,Cj则表示血压信号的第j种特征参数BPj (t)的变化对卢页脑压力变化的影响权重值,且(^+C2=C3=I ;
[0014]所述颅脑压力无创监测模型中,根据对不同时间段输入的特征参数θηα)、β i(t)、BPdt)的种类编号n、1、j的判断,自适应调整选择相应种类编号的影响权重值an、h、Cj进行颅脑压力无创检测值PnKP(t)的计算。[0015]上述的颅脑压力无创监测分析系统中,作为一种优选方案,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型通过如下的方法得到:
[0016]1)通过与颅脑压力无创监测分析系统数据通信连接的生理信号无创检测装置同步采集训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号至颅脑压力无创监测分析系统,同时通过与颅脑压力无创监测分析系统数据通信连接的颅脑压力有创监测仪同步采集训练样本对象实际的颅脑压力动态变化过程波形至颅脑压力无创监测分析系统;
[0017]2)选择多个患有不同颅脑压力相关病症的病人分别作为训练样本对象,通过步骤I)所述的方法利用颅脑压力无创监测分析系统获取这多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号以及有创监测的颅脑压力动态变化过程波形;
[0018]3)通过分析步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号各自的变化对颅脑压力变化影响的大小程度和比例关系,确定闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数H k3、k4 ;
[0019]4)通过分析分别提取出步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中各种特征参数与颅脑压力之间随时间t变化的函数关系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴),并根据脑血流动力学信号、心电信号和血压信号中各种特征参数的变化对颅脑压力变化影响的大小程度和比例关系确定各自相应的影响权重值 an、b1、Cj,其中 ne {l,2,...,6},i e {1,2,...,8},j e {1,2, 3};
[0020]5)利用相应的影响权重系数和影响权重值分别对闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中特征参数与颅脑压力之间随时间t变化的函数关系进行加权求和,得到颅脑压力无创监测模型:
[0021 ] Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t));
[0022]并使颅脑压力无创监测模型中,根据对不同时间段输入的特征参数θηα)、β i(t)、BP^t)的种类编号n、1、j的判断,自适应调整选择相应种类编号的影响权重值an、h、Cj进行颅脑压力无创检测值PnKP(t)的计算。
[0023]上述的颅脑压力无创监测分析系统中,作为一种改进方案,所述颅脑压力无创监测分析模块还预设有颅脑压力监测校准模型,用于根据被监测对象的颅脑压力有创检测值进行校准,得到因被监测对象个体差异产生的补偿修正值;所述颅脑压力无创监测校准模型为:
[0024]Δ P-Pnicp (tk) _PICP (tk);
[0025]其中,Λ P表示因被监测对象个体差异产生的补偿修正值;Prcp(tk)表示在校准检测时刻tk对被监测对象进行颅脑压力有创检测得到的颅脑压力有创检测值;PnOT(tk)表示在校准检测时刻tk由颅脑压力无创监测模型在补偿修正值Λ P设置为零的条件下与颅脑压力有创检测同步检测得到的被监测对象的颅脑压力无创检测初值。
[0026]上述的颅脑压力无创监测分析系统中,作为一种改进方案,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型为:
[0027]Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t)) + ΔP ;
[0028]其中,Pnicp (t)表示随时间t动态变化的颅脑压力无创检测值,Λ P表示因被监测对象个体差异产生的补偿修正值;kp k2、k3、k4分别表示闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数;f (N2(t))表示队波潜伏期与颅脑压力之间随时间t变化的函数关系;f ( Θ n(t))表示脑血流动力学信号的第η种特征参数0n(t)与颅脑压力之间随时间t变化的函数关系,n e {1,2,...,6},其中,0i(t)、02(t)、...、06(t)分别表示脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度、重搏波波谷深度这六种特征参数,an则表示脑血流动力学信号的第η种特
征参数θηα)的变化对颅脑压力变化的影响权重值,且
【权利要求】
1.基于生理信号特征参数的颅脑压力无创监测分析系统,其特征在于,该系统包括: 数据采集模块,用于通过数据接口采集和记录来自生理信号无创检测装置的生理信号;所述生理信号包括闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号;特征参数分析模块,用于对数据采集模块采集到的生理信号进行数据处理和分析,提取生理信号的特征参数;其中,闪光视觉诱发电位信号的特征参数包括N2波潜伏期;脑血流动力学信号的特征参数包括脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度和重搏波波谷深度;心电信号的特征参数包括心电信号的P波宽度、QRS特征波宽度、T波宽度、RR间期、PR间期、ST间期、QT间期和ST段偏移量;血压信号的特征参数包括收缩压、舒张压和平均动脉压; 颅脑压力无创监测分析模块,预设有颅脑压力无创监测模型,用于将特征参数分析模块提取到的生理信号的特征参数作为颅脑压力无创监测模型的输入,实时地得到随时间动态变化的颅脑压力无创检测值; 界面排版显示模块,用于将数据采集模块采集到的生理信号转换为随时间变化的生理信号波形,将颅脑压力无创监测分析模块处理得到的颅脑压力无创检测值转换为随时间变化的颅脑压力监测波形,并按预设的界面排版方式将生理信号波形、颅脑压力监测波形以及特征参数分析模块提取到的生理信号的特征参数、颅脑压力无创监测分析模块处理得到的颅脑压力无创检测值进行实时的界面显示输出。
2.根据权利要求1所述的颅脑压力无创监测分析系统,其特征在于,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型为:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t));其中,PniCP(t)表示随时间t动态变化的颉脑压力无创检测值;kp k2、k3、k4分别表示闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数;f (N2 (t))表示N2波潜伏期与颅脑压力之间随时间t变化的函数关系;f(0n(t))表示脑血流动力学信号的`第η种特征参数0n(t)与颅脑压力之间随时间t变化的函数关系,n e {1,2,...,6},其中,ejt)、02(t)、…、Θ 6 (t)分别表示脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度、重搏波波谷深度这六种特征参数,3?则表示脑血流动力学信号的第η种特征参数0n(t)的变化对颅脑压力变化的影响权重值,且f(i(t))表示心电信号的第i种特征参数?^α)与颅脑压力之间随时间t变化的函数关系,i e {1,2,...,8},其中,…、i38(t)分别表示心电信号的P波宽度、QRS特征波宽度、T波宽度、RR间期、PR间期、ST间期、QT间期、ST段偏移量这八种特征参数,h则表示心电信号的第i种特征参数β At)的变化对颅脑压力变化的影响权重值,且=1 ; f(BPj(t))表示血压信号的第j种特征参数BP#)与颅脑压力之间随时间t变化的函数关系,j e {1,2,3},其中,BP1 (t)、BP2 (t)、BP3 (t)分别表示收缩压、舒张压、平均动脉压这三种特征参数,Cj则表示血压信号的第j种特征参数BPj (t)的变化对卢页脑压力变化的影响权重值,且(^+C2=C3=I ; 所述颅脑压力无创监测模型中,根据对不同时间段输入的特征参数θηα)、i3i(t)、BPj(t)的种类编号n、1、j的判断,自适应调整选择相应种类编号的影响权重值&11、4、(^进行颅脑压力无创检测值Pnrcp(t)的计算。
3.根据权利要求2所述的颅脑压力无创监测分析系统,其特征在于,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型通过如下的方法得到: 1)通过与颅脑压力无创监测分析系统数据通信连接的生理信号无创检测装置同步采集训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号至颅脑压力无创监测分析系统,同时通过与颅脑压力无创监测分析系统数据通信连接的颅脑压力有创监测仪同步采集训练样本对象实际的颅脑压力动态变化过程波形至颅脑压力无创监测分析系统; 2)选择多个患有不同颅脑压力相关病症的病人分别作为训练样本对象,通过步骤I)所述的方法利用颅脑压力无创监测分析系统获取这多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号以及有创监测的颅脑压力动态变化过程波形; 3)通过分析步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号各自的变化对颅脑压力变化影响的大小程度和比例关系,确定闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数H k3、k4 ; 4)通过分析分别提取出步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中各种特征参数与颅脑压力之间随时间t变化的函数关系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴),并根据脑血流动力学信号、心电信号和血压信号中各种特征参数的变化对颅脑压力变化影响的大小程度和比例关系确定各自相应的影响权重值 an、b1、Cj,其中 n e {1,2,...,6}, i e {1,2,...,8},j e {1,2, 3}; 5)利用相应的影响权重系数和影响权重值分别对闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中特征参数与颅脑压力之间随时间t变化的函数关系进行加权求和,得到颅脑压力无创监测模型:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t)); 并使颅脑压力无创监测模型中,根据对不同时间段输入的特征参数θηα)、i3i(t)、BPj(t)的种类编号n、1、j的判断,自适应调整选择相应种类编号的影响权重值&11、4、(^进行颅脑压力无创检测值Pnrcp(t)的计算。
4.根据权利要求1所述的颅脑压力无创监测分析系统,其特征在于,所述颅脑压力无创监测分析模块还预设有颅脑压力监测校准模型,用于根据被监测对象的颅脑压力有创检测值进行校准,得到因被监测对象个体差异产生的补偿修正值;所述颅脑压力无创监测校准模型为:
A P-PnICP (tk) _Picp (tk); 其中,Λ P表示因被监测对象个体差异产生的补偿修正值;Piep (tk)表示在校准检测时刻tk对被监测对象进行颅脑压力有创检测得到的颅脑压力有创检测值;PnKP(tk)表示在校准检测时刻tk由颅脑压力无创监测模型在补偿修正值ΛΡ设置为零的条件下与颅脑压力有创检测同步检测得到的被监测对象的颅脑压力无创检测初值。
5.根据权利要求4所述的颅脑压力无创监测分析系统,其特征在于,所述颅脑压力无创监测分析模 块中的颅脑压力无创监测模型为:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n ⑴)+k3.bi.f (β i (t)) +k4.Cj.f (BPj (t)) + Δ P ;其中,Pnicp(t)表示随时间t动态变化的颅脑压力无创检测值,ΛΡ表示因被监测对象个体差异产生的补偿修正值;lq、k2、k3、k4分别表示闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数;f (N2(t))表示N2波潜伏期与颅脑压力之间随时间t变化的函数关系;f(en(t))表示脑血流动力学信号的第η种特征参数9n(t)与颅脑压力之间随时间t变化的函数关系,n e {1,2,...,6},其中,ejt)、02(t)、…、06(t)分别表示脑血流动力学信号的上升速度、下降速度、上升角、顶峰角、收缩波高度、重搏波波谷深度这六种特征参数,B1JU表示脑血流动力学信号的第η种特征参数θηα)的变化对颅脑压力变化的影响权重值,且
6.根据权利要求5所述的颅脑压力无创监测分析系统,其特征在于,所述颅脑压力无创监测分析模块中的颅脑压力无创监测模型通过如下的方法得到: 1)通过与颅脑压力无创监测分析系统数据通信连接的生理信号无创检测装置同步采集训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号至颅脑压力无创监测分析系统,同时通过与颅脑压力无创监测分析系统数据通信连接的颅脑压力有创监测仪同步采集训练样本对象实际的颅脑压力动态变化过程波形至颅脑压力无创监测分析系统; 2)选择多个患有不同颅脑压力相关病症的病人分别作为训练样本对象,通过步骤I)所述的方法利用颅脑压力无创监测分析系统获取这多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号以及有创监测的颅脑压力动态变化过程波形; 3)通过分析步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号各自的变化对颅脑压力变化影响的大小程度和比例关系,确定闪光视觉诱发电位信号、脑血流动力学信号、心电信号、血压信号的变化对颅脑压力变化的影响权重系数H k3、k4 ; 4)通过分析分别提取出步骤2)中获取的多个训练样本对象的闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中各种特征参数与颅脑压力之间随时间t变化的函数关系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴),并根据脑血流动力学信号、心电信号和血压信号中各种特征参数的变化对颅脑压力变化影响的大小程度和比例关系确定各自相应的影响权重值 an、b1、Cj,其中 n e {1,2,...,6}, i e {1,2,...,8},j e {1,2, 3};5)利用相应的影响权重系数和影响权重值分别对闪光视觉诱发电位信号、脑血流动力学信号、心电信号和血压信号中特征参数与颅脑压力之间随时间t变化的函数关系进行加权求和,结合颅脑压力无创监测校准模型得到的补偿修正值Λ P,得到颅脑压力无创监测模型:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n ⑴)+k3.bi.f (β i (t)) +k4.Cj.f (BPj (t)) + Δ P ;并使颅脑压力无创监测模型中,根据对不同时间段输入的特征参数θηα)、i3i(t)、BPj(t)的种类编号n、1、j的判断,自适应调整选择相应种类编号的影响权重值&11、4、(^进行颅脑压力无创检测值Pnrcp(t)的计算。
7.根据权利要求1所述的颅脑压力无创监测分析系统,其特征在于,该系统还包括: 数据库模块,用于进行被监测对象的个体信息、查询用户登录信息的记录,并提供对被监测对象的个体信息以及生理信号、特征参数的数据库管理和查询功能。
8.根据权利要求1所述的颅脑压力无创监测分析系统,其特征在于,该系统还包括: 报告打印模块,用于与打印机的驱动程序相适配,并根据预先的设置调取被检测对象的监测数据编辑为监 测报告文本,通过调用驱动程序控制打印机执行监测报告文本的打印操作;所述监测数据包括被检测对象的生理信号、特征参数、生理信号波形或/和颅脑压力监测波形。
9.根据权利要求1所述的颅脑压力无创监测分析系统,其特征在于,该系统还包括: 辅助功能模块,用于实现对数据采集模块、特征参数分析模块和颅脑压力无创监测分析模块的功能参数设定,以及实现对生理信号波形、颅脑压力监测波形的时间轴浏览操作。
【文档编号】A61B5/03GK103610456SQ201310654826
【公开日】2014年3月5日 申请日期:2013年12月8日 优先权日:2013年12月8日
【发明者】季忠 申请人:季忠
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1