一区三区五区大熟女想靠小鲜肉-久久精品国产免费看久久精品-久久久久99精品久久久久-亚洲熟女www一区区三区

隨著深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，人工智能（AI）已獲十分強大的學(xué)習(xí)能力。目前，AI已被運用于醫(yī)療領(lǐng)域的眾多方面，且正逐漸打破傳統(tǒng)醫(yī)學(xué)診斷模式，例如：用于檢測病灶的圖像分析、用于檢測姿態(tài)的視頻分析、用于監(jiān)測血糖病變的生化檢測、用于情緒識別的語音分析等等。

然而，近兩年來專利審查方面對于客體問題的審查相當嚴格，面對客體問題，醫(yī)療領(lǐng)域的AI類專利不僅需要避免落入“疾病診斷和治療”的范圍，還要避免落入“智力活動的規(guī)則和方法”的范圍。

結(jié)合《審查指南》中有關(guān)“疾病診斷和治療”和“智力活動的規(guī)則和方法”的法條以及審查基準，本文提出了一些關(guān)于醫(yī)療領(lǐng)域AI類專利的撰寫思路。

關(guān)鍵詞：醫(yī)療 AI 客體問題 算法 數(shù)學(xué)計算規(guī)則 疾病診斷疾病治療

針對“容易被認為是抽象的算法或數(shù)學(xué)計算規(guī)則”這一攔路虎，到底什么樣的方案是僅僅涉及一種算法或數(shù)學(xué)計算規(guī)則，我們先來看看一個案例。

【案例一】

一種基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法

包括：

· 在非瞬態(tài)計算機可讀媒介上存儲第一子網(wǎng)，第二子網(wǎng)和第三子網(wǎng)；

· 訓(xùn)練所述第一子網(wǎng)，所述第二子網(wǎng)和所述第三子網(wǎng)，其訓(xùn)練數(shù)據(jù)屬于所述多個類別的第一類別和第二類別；

· 其中，訓(xùn)練所述第一子網(wǎng)和所述第二子網(wǎng)包括：訓(xùn)練通過將所述第二子網(wǎng)連接到所述第一子網(wǎng)的輸出側(cè)而形成的第一深度神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練數(shù)據(jù)屬于所述第一類別；

· 訓(xùn)練通過將所述第三子網(wǎng)連接到所述第一子網(wǎng)的輸出側(cè)而形成的第二深度神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練數(shù)據(jù)屬于所述第二類別；

· 在完成第一深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和第二深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練之后，分離來自其他子網(wǎng)絡(luò)的所述第一子網(wǎng)絡(luò)并且在所述非瞬態(tài)計算機可讀媒介中存儲所述第一子網(wǎng)絡(luò)作為所述類別獨立的子網(wǎng)絡(luò)。

這個案例是AI領(lǐng)域中的一個深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，整個過程主要涉及的三個子網(wǎng)絡(luò)的訓(xùn)練方法，至于訓(xùn)練數(shù)據(jù)具體是什么領(lǐng)域的數(shù)據(jù)，第一子網(wǎng)、第二子網(wǎng)、第三子網(wǎng)以及后面得到的類別獨立的子網(wǎng)絡(luò)用途是什么完全沒有交代，也即對于這類案件沒有限定具體的領(lǐng)域和使用場景，是純算法類的案件，可以認為是僅僅涉及一種算法或數(shù)學(xué)計算規(guī)則，不屬于專利保護的客體。

《審查指南》第二部分第一章第4節(jié)中指出，疾病的診斷和治療方法，是指以有生命的人體或動物體為直接實施對象，進行識別、確定或者消除病灶的過程。

這其中有兩個重要信息：一個是生命，另一個是識別、確定或者消除病灶。尤其當該方案的目的是識別病灶、病灶診斷或者病灶治療時，就基本不屬于專利權(quán)保護的客體了。

《審查意見》中還指出，一項與疾病診斷有關(guān)的方法如果同時滿足以下兩個條件則屬于疾病的診斷方法，（1）以有生命的人體或動物為對象；（2）以獲得疾病診斷結(jié)果或健康狀況為直接目的，滿足這兩項的申請也不能被授予專利權(quán)。

【案例二】

一種基于神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)圖像識別方法

包括：

獲取待測肺結(jié)節(jié)圖像，將所述待測肺結(jié)節(jié)圖像輸入所述三維卷積神經(jīng)網(wǎng)絡(luò)，利用所述三維卷積神經(jīng)網(wǎng)絡(luò)提取所述待測肺結(jié)節(jié)圖像不同維度的圖像特征，根據(jù)所述不同維度的圖像特征獲得所述待測肺結(jié)節(jié)圖像中每個肺結(jié)節(jié)的良惡性判別結(jié)果。

這個案例用于識別肺結(jié)節(jié)的良惡性判別結(jié)果，肺結(jié)節(jié)屬于良性或者惡性，已經(jīng)屬于診斷結(jié)果，不屬于專利權(quán)保護的客體。

如果說針對醫(yī)療領(lǐng)域的AI類專利中關(guān)于“被認為是抽象的算法或數(shù)學(xué)計算規(guī)則”的客體問題是一個輕量級的攔路虎，那么針對醫(yī)療領(lǐng)域的AI類專利中關(guān)于“被認為是疾病的診斷和治療方法”的客體問題絕對是重量級的攔路虎。這兩類客體問題在撰寫階段和后期的答復(fù)階段都令代理師十分頭疼。

在撰寫權(quán)利要求和說明書時，加入場景特征。以【案例一】為例，審查意見認為該整個方案僅僅涉及一種純數(shù)學(xué)算法，該權(quán)利要求屬于智力活動的規(guī)則和方法，不屬于保護客體。然后，申請人對該權(quán)利要求進行了修改，在權(quán)利要求中增加了“所述深度神經(jīng)網(wǎng)絡(luò)中的各子網(wǎng)絡(luò)用于將語音對象識別分類到多個使用類別”，由于加入了“語音”的特征，整個方案是針對語音對象識別分類，克服了客體問題。

在醫(yī)療領(lǐng)域的AI類專利中關(guān)于“被認為是抽象的算法或數(shù)學(xué)計算規(guī)則”的客體問題還是相對比較容易克服的，因為大領(lǐng)域已經(jīng)限定到了醫(yī)療領(lǐng)域，我們經(jīng)常遇見的大多是應(yīng)用AI技術(shù)處理醫(yī)療方面的一些圖像、語音、生物特征數(shù)據(jù)等。因此，對于這類客體問題還是比較容易避免的。

一種情況下，如果本方案的目的確實涉及到診斷病灶或者恢復(fù)健康，可以嘗試提煉出關(guān)于疾病的診斷和治療方法的方案邏輯，將其上升到相應(yīng)的數(shù)據(jù)處理領(lǐng)域，體現(xiàn)數(shù)據(jù)處理的過程。

以【案例二】為例，該方法的實質(zhì)是圖像識別分類，撰寫權(quán)利要求時可以只體現(xiàn)圖像處理過程，例如，獨權(quán)方案可修改為：獲取待處理圖像，將所述待處理圖像輸入所述三維卷積神經(jīng)網(wǎng)絡(luò)，利用所述三維卷積神經(jīng)網(wǎng)絡(luò)提取所述待處理圖像不同維度的圖像特征，根據(jù)所述不同維度的圖像特征對所述待處理圖像中每個的感興趣區(qū)域進行分類。修改后的權(quán)利要求將最終結(jié)果定位在了圖像分類上，從而避免以疾病診斷結(jié)果為目的。為了結(jié)合方案本身，可以設(shè)置從屬權(quán)利要求限定待處理圖像為待測肺結(jié)節(jié)圖像，感興趣區(qū)域為肺結(jié)節(jié)區(qū)域。

另一種情況下，可以將發(fā)明目的修改為獲取作為中間結(jié)果的信息，或者處理該信息的方法。該中間結(jié)果指的是結(jié)合現(xiàn)有的醫(yī)學(xué)知識不能直接得到診斷結(jié)果或者獲取健康狀態(tài)的信息。比如，該中間結(jié)果可以是圖像特征、圖像的分類結(jié)果、圖像中感興趣區(qū)域的位置信息、語音信息的語義特征、血流特征、房顫發(fā)生的權(quán)重值矩陣等。這些特征雖然是從醫(yī)療領(lǐng)域的數(shù)據(jù)或活體檢測得到的，但是結(jié)合現(xiàn)有的醫(yī)學(xué)知識，根據(jù)這些數(shù)據(jù)并不能直接得到診斷結(jié)果或者獲取健康狀態(tài)。

【案例三】

一種用于醫(yī)療成像系統(tǒng)的方法

包括：

· 通過訓(xùn)練的解剖結(jié)構(gòu)分類神經(jīng)網(wǎng)絡(luò)對來自受檢者的定位器圖像的解剖結(jié)構(gòu)進行分類；

· 確定所述分類的解剖結(jié)構(gòu)是否是期望的解剖結(jié)構(gòu)；

· 響應(yīng)于確定所述分類的解剖結(jié)構(gòu)是所述期望的解剖結(jié)構(gòu)，通過訓(xùn)練的關(guān)鍵幀標識符神經(jīng)網(wǎng)絡(luò)識別所述定位器圖像的一個或多個關(guān)鍵幀；

· 通過訓(xùn)練的圖形成像神經(jīng)網(wǎng)絡(luò)生成用于對所述受檢者成像的圖形影像；

· 通過所述醫(yī)療成像系統(tǒng)根據(jù)所述圖形影像執(zhí)行所述受檢者的掃描。

在該方案中，其最終目的是為了執(zhí)行所述受檢者的掃描，屬于一種疾病診斷方法，那么可以將最后一個步驟“通過所述醫(yī)療成像系統(tǒng)根據(jù)所述圖形影像執(zhí)行所述受檢者的掃描”刪掉，使其最終目的變?yōu)榈玫揭环N對受檢者成像的圖形影像，而根據(jù)目前的醫(yī)學(xué)常識并不能直接根據(jù)該圖形影像得到受檢者的病情，因此，該圖像影像屬于一種中間結(jié)果。

· Step4：實施對象不能是活的人體或動物，可以是離體樣本，死亡的人體或動物體，或者是植物體之類的。

對于一些涉及到“疾病的診斷和治療”的方案，在撰寫過程中可以對作用對象進行擴展，如：該方案除了作用在有生命人體、動物體之外（是否還可以作用在植物體或者離體樣本上？若可以，則盡量在說明書中對作用對象進行擴展）。

【案例四】

一種圖像配準方法

其特征在于，所述方法包括：

· 獲取待配準的浮動圖像和參考圖像；

· 所述浮動圖像和所述參考圖像為兩個不同模態(tài)的圖像；

· 根據(jù)所述浮動圖像、所述參考圖像和預(yù)先訓(xùn)練的配準模型，獲取配準結(jié)果；

· 所述配準模型用于對不同模態(tài)的圖像進行配準。

該方案原本是對人體的CT圖像和MRI圖像進行配準，在撰寫說明書時，可以考慮該方案是否可以用在對離體樣本的不同模態(tài)的圖像進行配準，如果可以，在說明書中擴展作用對象為離體樣本。

· Step5：在說明書中對應(yīng)用領(lǐng)域進行擴展。

在撰寫說明書的過程中，除了對作用對象進行擴展之外，還可以擴展除了醫(yī)療領(lǐng)域之外的其它應(yīng)用領(lǐng)域，從而使得醫(yī)療領(lǐng)域僅成為一個可選場景，而不是必備場景。例如，本方案除了應(yīng)用在醫(yī)療領(lǐng)域之外，還可以應(yīng)用在自動駕駛領(lǐng)域，該實施例中的感興趣區(qū)域可以是病灶區(qū)域，還可以是待跟蹤目標的所在區(qū)域等。

比如，上述【案例三】修改后的權(quán)利要求為獲取待處理圖像，將所述待處理圖像輸入所述三維卷積神經(jīng)網(wǎng)絡(luò)，利用所述三維卷積神經(jīng)網(wǎng)絡(luò)提取所述待處理圖像不同維度的圖像特征，根據(jù)所述不同維度的圖像特征對所述待處理圖像中每個的感興趣區(qū)域進行分類。該方案可以應(yīng)用在醫(yī)學(xué)領(lǐng)域，待處理圖像為待測肺結(jié)節(jié)圖像，感興趣區(qū)域為肺結(jié)節(jié)區(qū)域，其目的為對肺結(jié)節(jié)區(qū)域進行分類；該方案還可以應(yīng)用在交通領(lǐng)域，待處理圖像可以為城市交通圖像，感興趣區(qū)域為道路區(qū)域，其目的為對城市道路進行分類。