Rechtsprechung / BPatG / 2022

BPatG Beschluss vom 28.06.2022 – 17 W (pat) 32/20

17. Senat · ECLI:DE:BPatG:2022:280622B17Wpat32.20.0

BUNDESPATENTGERICHT

17 W (pat) 32/20 _______________________

(Aktenzeichen)

Verkündet am

28. Juni 2022

…

B E S C H L U S S

In der Beschwerdesache

betreffend die Patentanmeldung 10 2019 207 238.0

…

hat der 17. Senat (Technischer Beschwerdesenat) des Bundespatentgerichts auf

die mündliche Verhandlung vom 28. Juni 2022 unter Mitwirkung des Vorsitzenden

Richters Dipl.-Phys. Dr. Morawek, des Richters Dipl.-Ing. Baumgardt, der Richterin

Akintche und des Richters Dipl.-Phys. Dr. Städele

beschlossen:

Der Beschluss der Prüfungsstelle für Klasse G06T des Deutschen

Patent- und Markenamts vom 22. Oktober 2020 wird aufgehoben

und die Sache wird zur weiteren Prüfung an das Deutsche Patent-

und Markenamt zurückverwiesen.

ECLI:DE:BPatG:2022:280622B17Wpat32.20.0

G r ü n d e

Die vorliegende Patentanmeldung wurde am 17. Mai 2019 beim Deutschen Patent-

und Markenamt eingereicht. Sie trägt die Bezeichnung

„Bereitstellen eines Ergebnisbilddatensatzes “.

Die Anmeldung wurde durch Beschluss der Prüfungsstelle für Klasse G 06 T des

Deutschen Patent- und Markenamts vom 22. Oktober 2020 aus den Gründen des

Bescheids vom 17. April 2020 zurückgewiesen.

In dem in Bezug genommenen Bescheid ist sinngemäß ausgeführt, der Anmeldung

sei keine vollständige und

für den Durchschnittsfachmann nacharbeitbare

technische Lehre zu entnehmen. Sofern der Gegenstand des (damaligen)

Patentanspruchs 1 dem Patentschutz zugänglich und verständlich sei, sei er

zumindest mangels Neuheit gegenüber den Druckschriften D1 und D2 nicht

gewährbar. Es sei auch nicht erkennbar, wodurch sich dieser Gegenstand von dem

allgemeinen, aus Druckschrift D3 bekannten Stand der Technik unterscheide. Diese

Argumentation gelte auch für die (damaligen) nebengeordneten Patentansprüche

11 bis 15; deren Gegenstände seien ebenfalls nicht neu.

Gegen diesen Beschluss ist die Beschwerde der Anmelderin gerichtet.

Die Anmelderin beantragt zuletzt,

den Beschluss der Prüfungsstelle für Klasse G06T des Deutschen

Patent- und Markenamts vom 22. Oktober 2020 aufzuheben und

das nachgesuchte Patent mit folgenden Unterlagen zu erteilen:

Patentansprüche 1 bis 14, überreicht in der mündlichen

Verhandlung,

Beschreibung Seiten 1 bis 51 vom Anmeldetag 17. Mai 2019,

sowie

9 Blatt Zeichnungen mit Figuren 1-13, eingegangen am 17.

Mai 2019.

Der mit einer möglichen Gliederung versehene geltende Patentanspruch 1 lautet

wie folgt, wobei die zum ursprünglichen Patentanspruch 1 neu hinzugekommenen

Merkmale unterstrichen sind:

1. Computerimplementiertes Verfahren zum Bereitstellen eines

Ergebnisbilddatensatzes (OD), umfassend

– Empfangen (REC-ID) eines Eingabebilddatensatzes (ID) eines

ersten Untersuchungsvolumens (VOL), wobei der Eingabebilddatensatz (ID) ein Röntgenbilddatensatz des ersten Untersuchungsvolumens (VOL) ist,

– Empfangen oder Bestimmen (REC-DET-IP) eines Eingabebildparameters (IP), wobei der Eingabebildparameter (IP) eine Eigenschaft des Eingabebilddatensatzes (ID) betrifft,

– Empfangen oder Bestimmen (REC-DET-OP) eines Ergebnisbildparameters (OP),

– Bestimmen (DET-OD) eines Ergebnisbilddatensatzes (OD) des

ersten Untersuchungsvolumens (VOL) durch Anwendung einer

trainierten Generatorfunktion (GF) auf Eingabedaten,

M5a wobei die Eingabedaten auf dem Eingabebilddatensatz (ID) und dem

Ergebnisbildparameter (OP) basieren,

M5b wobei die Eingabedaten weiterhin auf dem Eingabebildparameter (IP)

basieren,

wobei der Ergebnisbildparameter eine oder mehrere der folgenden

Eigenschaften des Ergebnisbilddatensatzes (OD) betrifft:

-- Röntgendosis des Ergebnisbilddatensatzes (OD),

-- Rauschpegel des Ergebnisbilddatensatzes (OD),

-- dem Ergebnisbilddatensatz (OD) entsprechende Röntgenquelle

(XSYS.SRC) und/oder Röntgendetektor (XSYS.DTC),

und wobei ein Parameter der trainierten Generatorfunktion (GF) auf

einem GA-Algorithmus basiert,

– Bereitstellen (PROV-OD) des Ergebnisbilddatensatzes (OD).

Der auf den ursprünglichen Patentanspruch 11 zurückgehende geltende

Patentanspruch 10 lautet gegliedert (die ergänzten Merkmale sind ebenfalls

unterstrichen; ferner wurde ein Schreibfehler in Merkmal N1 korrigiert):

10.

Verfahren zum Bereitstellen einer trainierten Generatorfunktion

(GF) und/oder einer trainierten Klassifikatorfunktion (DF), umfassend:

– Empfangen (TREC-ID-OD-C) eines Eingabebilddatensatzes (ID)

und eines

Vergleichsbilddatensatzes

(OD-C) eines ersten

Untersuchungsvolumens (VOL), wobei der Eingabebilddatensatz (ID)

ein Röntgenbilddatensatz des ersten Untersuchungsvolumens (VOL)

ist,

– Empfangen oder Bestimmen eines Eingabebildparameters (IP),

N3a wobei der Eingabebildparameter

(IP) eine Eigenschaft des

Eingabebilddatensatzes (ID) betrifft,

– Empfangen (TREC-OP) eines Ergebnisbildparameters (OP),

N4a wobei der Ergebnisbildparameter eine oder mehrere der folgenden

Eigenschaften des Vergleichsbilddatensatzes (OD-C) betrifft:

-- Röntgendosis des Vergleichsbilddatensatzes (OD-C),

-- Rauschpegel des Vergleichsbilddatensatzes (OD-C),

-- dem Vergleichsbilddatensatz (OD-C) entsprechende Röntgenquelle (XSYS.SRC) und/oder Röntgendetektor (XSYS.DTC),

– Bestimmen (TDET-OD) eines Ergebnisbilddatensatzes (OD) des

ersten Untersuchungsvolumens

(VOL) durch Anwendung der

trainierten Generatorfunktion (GF) auf Eingabedaten,

N5a wobei die Eingabedaten auf dem Eingabebilddatensatz (ID) und dem

Ergebnisbildparameter (OP) basieren,

N5b wobei die Eingabedaten weiterhin auf dem Eingabebildparameter (IP)

basieren,

– Bestimmen (TDET-CL) eines Ergebnisklassifikators und eines

Vergleichsklassifikators

durch

Anwendung

der

trainierten

Klassifikatorfunktion (DF) auf den Ergebnisbilddatensatz (OD) und

den Vergleichsbilddatensatz (OD-C),

– Anpassen

(TADJ)

eines

Parameters

der

trainierten

Generatorfunktion (GF) und/oder der trainierten Klassifikatorfunktion

(DF) basierend auf dem Ergebnisklassifikator und dem

Vergleichsklassifikator,

– Bereitstellen (TPROV) der trainierten Generatorfunktion (GF)

und/oder der trainierten Klassifikatorfunktion (DF).

Zum nebengeordneten, auf ein „Bereitstellungssystem zum Bereitstellen eines

Ergebnisbilddatensatzes“ gerichteten Patentanspruch 11, zu den formal nebengeordneten, jedoch auf vorherige Ansprüche zurückbezogenen Patentansprüchen

12, 13 und 14, zu den Unteransprüchen 2 bis 9 sowie zu den weiteren Einzelheiten

wird auf die Akte verwiesen.

II.

Die rechtzeitig eingegangene und auch sonst zulässige Beschwerde führt zur

Aufhebung des angegriffenen Beschlusses und zur Zurückverweisung der Sache

an das Deutsche Patent- und Markenamt gemäß § 79 Abs. 3 Satz 1 Nr. 1 PatG.

Die vorliegende Anmeldung betrifft die computergestützte Verarbeitung

medizinischer Bilddaten.

In der Beschreibungseinleitung ist ausgeführt, dass die Vorteile eines

röntgenüberwachten chirurgischen Eingriffs gegen die Strahlenbelastung durch die

absorbierte Röntgendosis abgewogen werden müssten. Da eine Reduzierung der

Röntgendosis typischerweise auch mit einer Reduzierung der Bildqualität bzw. einer

Erhöhung des Signal-Rausch-Verhältnisses einhergehe, müsse häufig ein

Kompromiss zwischen guter Bildqualität und niedriger Röntgendosis gefunden

werden (Offenlegungsschrift, Absätze [0001], [0002]).

Ein zu hohes Signal-Rausch-Verhältnis könne insbesondere auch zu einer

niedrigen Bildqualität bei einer digitalen Subtraktionsangiographie führen

(Offenlegungsschrift, Absatz [0003]). Zwar ließe sich die Bildqualität durch

verschiedene Rauschunterdrückungsverfahren erhöhen; diese könnten jedoch den

Bildeindruck verändern und/oder zu Artefakten führen. Weiterhin könne das Signal-

Rausch-Verhältnis durch optimierte Wahl der Parameter der Röntgenvorrichtung

optimiert werden. Auch dies könne den Bildeindruck verändern, was ein Problem

darstelle, wenn die Bilddaten durch trainierte Algorithmen weiterverarbeitet werden

sollen und die zum Training verwendeten Algorithmen nur mittels einer

beschränkten Anzahl von Röntgenvorrichtungen aufgenommen worden sind

(Offenlegungsschrift, Absätze [0004], [0005]).

Absatz [0006] der Offenlegungsschrift ist zu entnehmen, dass es Aufgabe der

Erfindung sei, eine Möglichkeit bereitzustellen, das Signal-Rausch-Verhältnis eines

Röntgenbilddatensatzes ohne Änderung des Bildeindrucks zu erhöhen.

1.2

Als Fachmann, der mit dieser Aufgabe betraut wird, ist ein Informatiker,

Physiker oder Hochschulingenieur der Fachrichtung Elektrotechnik mit mehrjähriger

Erfahrung auf dem Gebiet der medizinischen Bilddatenverarbeitung anzusehen, der

gute Kenntnisse in der Anwendung und auch in der Entwicklung von Methoden der

künstlichen Intelligenz besitzt.

Zur Lösung der Aufgabe schlägt die Anmeldung ein computerimplementiertes Verfahren und ein Bereitstellungssystem zum Bereitstellen eines

Ergebnisbilddatensatzes gemäß den geltenden Patentansprüchen 1 und 11 vor,

ferner ein Verfahren zum Bereitstellen einer trainierten Generatorfunktion und/oder

einer trainierten Klassifikatorfunktion gemäß Patentanspruch 10 sowie eine

Röntgenvorrichtung, ein Computerprogrammprodukt und ein computerlesbares

Speichermedium gemäß den Patentansprüchen 12, 13 und 14.

2.1

Bei dem computerimplementierten Verfahren zum Bereitstellen eines

Ergebnisbilddatensatzes nach Patentanspruch 1 wird zunächst ein Röntgenbilddatensatz eines ersten Untersuchungsvolumens als Eingabebilddatensatz

empfangen (Merkmale M1, M2). Ferner werden ein Eingabe- und ein

Ergebnisbildparameter bestimmt oder empfangen, wobei der Eingabebildparameter

eine Eigenschaft des Eingabebilddatensatzes und der Ergebnisbildparameter eine

oder mehrere

vorbestimmte

Eigenschaften

des

bereitzustellenden

Ergebnisbilddatensatzes betrifft (Merkmale M3, M4, teilweise Merkmal M6).

Gemäß den Merkmalen M5, M5a und M5b wird ein Ergebnisbilddatensatz des

ersten Untersuchungsvolumens durch Anwendung einer trainierten Generatorfunktion auf Eingabedaten bestimmt, die auf dem Eingabebilddatensatz sowie auf

dem Eingabe- und dem Ergebnisbildparameter basieren. Der Ergebnisbilddatensatz wird ferner ausgegeben (Merkmal M8).

Weiterhin basiert ein Parameter der trainierten Generatorfunktion auf einem GA-

Algorithmus

(Merkmal M7).

Ein

solcher

Algorithmus

umfasst

eine

Generatorfunktion, die synthetische Daten erzeugt, und eine Klassifikatorfunktion,

die zwischen synthetischen und realen Daten unterscheidet. Generator- und

Klassifikatorfunktion können jeweils künstliche neuronale Netzwerke sein.

Netzwerke, welche mittels eines GA-Algorithmus trainiert werden, waren dem

Fachmann am Anmeldetag unter dem Akronym „GAN“ (= „general adversarial

networks“) wohlbekannt (Offenlegungsschrift, Absatz [0022], [0023]; s. ferner den

unten zitierten Stand der Technik). Das Merkmal M7 bezeichnet gemäß den

Ausführungen in der Anmeldung (siehe z.B. Offenlegungsschrift, Absatz [0025],

[0026], [0054], [0122]) keinen bestimmten Parameter, sondern bringt allgemein zum

Ausdruck, dass die trainierte Generatorfunktion mittels eines GA-Algorithmus im

Zusammenspiel mit einer Klassifikatorfunktion trainiert wurde, wobei dort übliche

Parameter Verwendung finden, die die Generatorfunktion charakterisieren.

Dem Fachmann ist vor dem Hintergrund der Beschreibung der vorliegenden

Patentanmeldung klar, dass unter einem Eingabebildparameter (vgl. Merkmal M3)

ein Parameter zu verstehen ist, der eine Eigenschaft angibt, die sich auf die

Gesamtheit der Pixel- oder Voxelwerte des Eingabebilddatensatzes bezieht. So

kann der Eingabebildparameter - ebenso wie der Ergebnisbildparameter (s.u.) - eine

Röntgendosis oder einen Rauschpegel des Eingabebilddatensatzes oder eine(n)

dem

Eingabebilddatensatz

entsprechende(n) Röntgenquelle

und/oder

Röntgendetektor betreffen (vgl. Absätze [0028], [0029], [0034], [0104], [0127],

[0128]). Damit in Übereinstimmung wird in den in der Beschreibung verwendeten

Formeln durchgehend zwischen dem Eingabebilddatensatz X und dem Eingabebildparameter pX unterschieden (vgl. Offenlegungsschrift, Absätze [0097], [0104],

[0106], [0108], [0152], [0161]).

Aus Sicht des Fachmanns implizieren die Merkmale M5 und M5b, dass die trainierte

Generatorfunktion anhand entsprechender

(Trainings-)Eingangsbildparameter

trainiert worden ist (vgl. das in Figur 1 i. V. m. den Absätzen [0093] bis [0096]

gezeigte Ausführungsbeispiel, in dem die Bildparameter p1,1 und p2,1 dem

Eingangsbildparameter entsprechen - „Ist eine trainierte Bildverarbeitungsfunktion

[…] auf eine abweichende Parameterkombination abgestimmt, […]“; s. auch Absatz

[0146] i. V. m. Absatz [0152]), so dass sich die Anwendung der trainierten

Generatorfunktion auf den Eingangsbildparameter unmittelbar auf die Pixel- bzw.

Voxelwerte des Ergebnisbilddatensatzes auswirkt. Es ist nachvollziehbar, dass dies

zumindest dann zu genaueren Ergebnisbilddatensätzen

führt, wenn der

Eingabebildparameter

nicht

aus

den Pixel-

bzw. Voxelwerten

des

Eingabebilddatensatzes abgeleitet worden ist (vgl. Offenlegungsschrift, Absatz

[0029]).

Da die Generatorfunktion gemäß dem Wortlaut des Patentanspruchs 1 bereits

trainiert

ist, werden aus Sicht des Fachmanns bei Anwendung der

Generatorfunktion auf die Eingabedaten (vgl. Merkmal M5) Ergebnisbilddatensätze

erzeugt, deren Bildeindruck durch den in Merkmal M6 definierten Ergebnisbildparameter vorgegeben wird (vgl. Offenlegungsschrift, Absatz [0026]).

Dieser Ergebnisbildparameter kann eine Röntgendosis angeben, die zu einem

Ergebnisbilddatensatz führt, dessen Bildeindruck einer hypothetischen Aufnahme

des Ergebnisbilddatensatzes mit dieser Röntgendosis entspricht

(vgl.

Offenlegungsschrift, Absätze [0026], [0031]). In diesem Fall approximiert der

Ergebnisbilddatensatz eine reale Aufnahme mit der vorgegebenen Röntgendosis.

Entsprechendes gilt, wenn als Ergebnisbildparameter ein Rauschpegel des

Ergebnisbilddatensatzes gewählt wird. Die Vorgabe der Röntgendosis oder des

Rauschpegels dient dem Zweck, einen Ergebnisbilddatensatz mit einstellbarem -

insbesondere reduziertem Rauschen - zu erzeugen, so dass die bei der Aufnahme

des Eingabebilddatensatzes tatsächlich verwendete Röntgendosis klein gehalten

werden kann (Offenlegungsschrift, Absatz [0035]). Dies wirkt sich selbstverständlich

positiv auf die Erkennbarkeit von Bildinhalten aus.

Gemäß Merkmal M6 kann der Ergebnisbildparameter auch eine Röntgenquelle

und/oder ein Röntgendetektor sein, die bzw. der bei einer hypothetischen Aufnahme

des Ergebnisbilddatensatzes

verwendet werden würde, so dass

der

Ergebnisbilddatensatz eine reale Aufnahme einer bestimmten bildgebenden

Röntgeneinrichtung approximiert. Wie der Fachmann der Beschreibung der

Anmeldung entnimmt, soll dadurch ein Arzt, der an die Interpretation der Aufnahmen

einer bestimmten Röntgenvorrichtung gewöhnt ist, Bildinhalte von Aufnahmen

anderer Röntgenvorrichtungen besser erkennen können (vgl. Offenlegungsschrift,

Absatz [0033] i. V. m. Absätzen [0093] bis [0096]).

2.2

Patentanspruch 10 ist auf ein Verfahren zum Bereitstellen einer trainierten

Generatorfunktion und/oder einer

trainierten Klassifikatorfunktion gerichtet

(Merkmal N1).

Bei diesem Verfahren wird - ähnlich wie bei dem Verfahren nach Patentanspruch 1

- ein Ergebnisbilddatensatz durch Anwendung einer trainierten Generatorfunktion

auf Eingabedaten bestimmt. Diese basieren auf einem Röntgenbilddatensatz eines

Untersuchungsvolumens sowie auf einem Eingabe- und einem Ergebnisbildparameter, wobei diese Größen jeweils auch empfangen werden (teilweise

Merkmale N2 und N3; Merkmale N4, N5, N5a, N5b).

Der Eingabebildparameter betrifft eine Eigenschaft des Eingabebilddatensatzes

und kann zusätzlich auch bestimmt werden (Merkmal N3a; restlicher Teil von

Merkmal N3). Dass die Eingabedaten gemäß Merkmal N5b auch auf dem

Eingabebildparameter basieren, dient der Beschleunigung derjenigen Trainingsverfahren, die den Eingabebildparameter aus dem Eingabebilddatensatz ableiten

(vgl. Offenlegungsschrift, Absatz [0029]).

Des Weiteren wird ein Vergleichsbilddatensatz des ersten Untersuchungsvolumens

empfangen (restlicher Teil von Merkmal N2). Der Ergebnisbildparameter betrifft

eine oder mehrere Eigenschaften dieses Vergleichsbilddatensatzes, wobei diese

Eigenschaften gemäß Merkmal N4a als Röntgendosis oder Rauschpegel des

Vergleichsbilddatensatzes oder als dem Vergleichsbilddatensatz entsprechende(r)

Röntgenquelle und/oder Röntgendetektor festgelegt werden.

Durch Anwendung der

trainierten Klassifikatorfunktion auf den Ergebnisbilddatensatz und den Vergleichsbilddatensatz wird ein Ergebnisklassifikator und

ein Vergleichsklassifikator bestimmt (Merkmal N6). Basierend auf diesen beiden

Klassifikatoren wird die

trainierte Generatorfunktion und/oder die trainierte

Klassifikatorfunktion angepasst (Merkmal N7). Schließlich wird die trainierte

Generatorfunktion und/oder die

trainierte Klassifikatorfunktion bereitgestellt

(Merkmal N8).

Da die Generatorfunktion gemäß dem Wortlaut von Patentanspruch 10 bereits

trainiert ist, beschreibt Patentanspruch 10 aus Sicht des Fachmanns wesentliche

Teilschritte einer

fortgeschrittenen Iteration eines GA-Algorithmus, der dem

weiteren Training und der Bereitstellung einer solchen Generatorfunktion dient.

Dabei stellen der Eingabebilddatensatz und der Vergleichsbilddatensatz ein Paar

von Trainingsdaten dar. Die trainierte Generatorfunktion wird aus Sicht des

Fachmanns gemäß den Merkmalen N4, N4a und N5 mit der Maßgabe angewendet,

die Eingabedaten in einen Ergebnisbilddatensatz zu transformieren, der eine reale

Aufnahme

des

Ergebnisbilddatensatzes

approximiert,

welche

unter

Zugrundelegung des Ergebnisbildparameters erhalten wird (vgl. Abschnitt II.2.1).

Die Maßnahmen der Merkmale N6 und N7 dienen dem Zweck, die

Generatorfunktion im Hinblick darauf zu optimieren.

2.3

Auf die übrigen Patentansprüche kommt es vorerst nicht weiter an (s.u.

Abschnitt II.8.)

Das geltende Patentbegehren ist zulässig.

Der geltende Patentanspruch 1 geht auf die ursprünglichen Patentansprüche 1 bis

3 zurück, wobei das neu hinzugekommene Merkmal M6 das nunmehr gestrichene

Merkmal

„wobei der Ergebnisbildparameter

(OP) eine Eigenschaft des

Ergebnisbilddatensatzes betrifft“ des ursprünglichen Patentanspruchs 1 mit

umfasst. Der geltende Patentanspruch 10 ergibt sich aus dem ursprünglichen

Patentanspruch 11, wobei die ergänzten Merkmale aus den Absätzen [0030] und

[0159] der Offenlegungsschrift hervorgehen.

Der geltende Patenanspruch 11 beruht auf dem ursprünglichen Patentanspruch 12

mit entsprechenden Ergänzungen, die sich auf dieselben zu den Patentansprüchen

1 und 10 genannten Fundstellen stützen können (vgl. auch die Absätze [0079] und

[0080] der Offenlegungsschrift). Die geltenden nebengeordneten Patentansprüche

12 bis 14 sowie die Unteransprüche 2 bis 9 gehen aus den ursprünglichen

Patentansprüchen 13 bis 15 bzw. 3 bis 10 hervor, wobei

lediglich Rückbezüge

angepasst wurden, um dem Wegfall des ursprünglichen Patentanspruchs 2

Rechnung zu tragen.

Die geltende Beschreibung sowie die zugehörigen Figuren sind am Anmeldetag

eingegangen.

Die jeweilige Lehre der geltenden Patentansprüche 1 und 10 ist in der

Anmeldung so deutlich und vollständig offenbart, dass ein Fachmann sie ausführen

kann (§ 34 Abs. 4 PatG).

4.1

Eine für die Ausführbarkeit ausreichende Offenbarung im Sinne von § 34

Abs. 4 PatG ist dann gegeben, wenn es dem Fachmann ohne erfinderisches Zutun

und ohne unzumutbare Schwierigkeiten möglich ist, die Erfindung anhand der

Offenbarung in Verbindung mit dem allgemeinen Fachwissen am Anmeldetag

praktisch so zu verwirklichen, dass der angestrebte Erfolg erreicht wird. Es muss

mindestens ein Weg zum Ausführen eindeutig aufgezeigt werden; allerdings muss

die Erfindung nicht so offenbart werden, dass dem fachkundigen Leser in allen

Einzelheiten vorgeschrieben wird, was er zu tun hat. Generell gilt, dass

Unvollkommenheiten, die sich bei der Ausführung der Erfindung einstellen,

unschädlich sind, wenn das eigentliche Ziel der Erfindung für den Fachmann

erreichbar

ist

(Schulte, PatG, 11. Auflage (2022), § 34 Rdn 332 ff;

Busse/Keukenschrijver, PatG, 9. Auflage (2020), Rdn 214 ff).

4.2

Die vorstehenden Kriterien sind im vorliegenden Fall erfüllt.

So betreffen die Anweisungen der Patentansprüche 1 und 10 grundlegende, für

Algorithmen auf dem Gebiet der künstlichen

Intelligenz

typische Datenverarbeitungsschritte.

Die diesen Anweisungen zugrundeliegenden Verfahren sind in der Anmeldung

ausführlich dargestellt.

Insbesondere werden konkrete Beispiele

für die

verwendeten Eingabe- und Ausgabegrößen - d.h.

für den Eingabe- und

Ergebnisbilddatensatz, den Eingabe- und den Ergebnisbildparameter - angegeben

(vgl. Offenlegungsschrift, Absätze [0011] bis [0018], [0030] bis [0034], [0039],

[0040]). Darüber hinaus sind die trainierte Generatorfunktion sowie wesentliche

Elemente und Teilschritte des - dem Fachmann ohnehin bekannten - GA-

Trainingsalgorithmus näher beschrieben (vgl. Offenlegungsschrift, etwa Absätze

[0019] bis [0025], [0049], [0054] bis [0066], [0070] bis [0078], [0093] bis [0101],

[0125] bis [0131],

[0146] bis [0164] sowie Figur 2); insbesondere enthält die

Patentanmeldung konkrete Ausführungen zum Verständnis der Merkmale M7 und

O7 und zur Verwendung des Eingabebildparameters als Bestandteil der

Eingabedaten (vgl. Offenlegungsschrift, Absätze [0025] und [0029]). Ferner werden

in der Beschreibung Vorteile genannt, anhand derer der Verwendungszweck der

erfindungsgemäßen Lösungen hinreichend deutlich erkennbar

ist

(vgl.

Offenlegungsschrift, Absätze [0001] bis [0005], [0026], [0029], [0035], [0077],

[0078], [0096] in Verbindung mit Figur 1).

Auch kann der Fachmann das Ziel der mit den Patentansprüchen 1 und 10

umschriebenen Erfindungen - die Erzeugung und Anwendung einer trainierten

Generatorfunktion, die zu einem Ergebnisbilddatensatz

im Sinne des

Patentanspruchs 1 führt - ohne besondere Schwierigkeiten erreichen. Denn bei der

praktischen Umsetzung eines Algorithmus auf dem Gebiet der künstlichen

Intelligenz gehört es zur üblichen Vorgehensweise des Fachmanns, verschiedene -

selbst entwickelte oder bereits von anderen Fachleuten veröffentlichte -

Trainingsdatensätze und Programmbausteine auszuprobieren und derart

anzupassen, dass der Algorithmus zu zufriedenstellenden Ergebnissen führt (z.B.

durch Optimierung charakteristischer Parameter einer Generatorfunktion und durch

Zusammenstellung geeigneter Trainingsdaten). Dies dürfte zwar nicht immer sofort

zum angestrebten Erfolg führen; jedoch ist davon auszugehen, dass der Fachmann

nach einer überschaubaren Anzahl von Versuchen zumindest

für bestimmte

Trainingsdatensätze und Parameterkombinationen zu brauchbaren trainierten

Generatorfunktionen gelangt. Dafür sprechen insbesondere die zahlreichen

Veröffentlichungen über neuronale Netzwerke und GA-Algorithmen, die bereits zum

Anmeldetag Stand der Technik waren und ersichtlich zu publizierbaren Resultaten

geführt hatten (vgl. etwa die unten in Abschnitt II.6 genannten Druckschriften D1,

D2 und D6 bis D9 mit den darin enthaltenen Literaturzitaten).

Die der Anmeldung entnehmbare Lehre versetzt den Fachmann somit in die Lage,

die beanspruchten Verfahren mit zumutbarem Aufwand in Form von Programmen

zu implementieren, die eine trainierte Generatorfunktion verwenden oder liefern, bei

deren Anwendung ein Ergebnisbilddatensatz im Sinne des Patentanspruchs 1

erzeugt wird. Dies gilt insbesondere für die computergestützte Umsetzung des mit

Patentanspruch 10 umschriebenen GA-Algorithmus, dessen Teilschritte der

Fachmann mit Hilfe seines Fachwissens und den Angaben in der Anmeldung

geeignet ergänzt.

Für die geltenden Fassungen der Patentansprüche 1 und 10 liegt ein

genereller Patentierungsausschluss gemäß § 1 Abs. 3 i. V. m. Abs. 4 PatG nicht

vor.

5.1

Nach der Rechtsprechung des Bundesgerichtshofs sind mathematische

Methoden nur dann patentierbar, wenn sie der Lösung eines konkreten technischen

Problems mit technischen Mitteln dienen. Welches technische Problem durch eine

Erfindung gelöst wird, ist objektiv danach zu ermitteln, was die Erfindung tatsächlich

leistet. Als nicht-technisch kann eine mathematische Methode nur dann angesehen

werden, wenn sie im Zusammenhang mit der beanspruchten Lehre keinen Bezug

zur gezielten Anwendung von Naturkräften aufweist (BGH GRUR 2005, 141 -

Anbieten interaktiver Hilfe, II.4 b); BGH GRUR 2015, 983 - Flugzeugzustand,

Leitsätze a), b)).

5.2

Das Verfahren gemäß Patentanspruch 1 ist gemäß § 1 Abs. 3 i. V. m. Abs. 4

PatG dem Patentschutz zugänglich.

Denn bei diesem Verfahren handelt es sich um eine mathematische Methode, deren

Leistung darin besteht, aus einem empfangenen Röntgenbilddatensatz einen

neuen, synthetischen Bilddatensatz zu erzeugen, der einen unter bestimmten

(anderen) technischen Bildaufnahmebedingungen erzeugten Röntgenbilddatensatz

approximiert.

Damit zeigt die beanspruchte Lehre einen konkreten Bezug zur gezielten

Anwendung von Naturkräften und stellt die Lösung eines konkreten technischen

Problems dar.

Es ist auch nicht festzustellen, dass einzelne Merkmale des Patentanspruchs 1 nicht

zur Lösung dieses Problems beitragen; zur Überzeugung des Senats gelingt die

Lösung des technischen Problems erst durch das Zusammenwirken aller

Anspruchsmerkmale.

5.3

Auch das Verfahren gemäß Patentanspruch 10 stellt die Lösung eines

konkreten technischen Problems mit technischen Mitteln dar.

Bei diesem Verfahren handelt es sich ebenfalls um eine mathematische Methode,

deren Merkmale ersichtlich dem Zweck dienen, eine trainierte Generatorfunktion

derart anzupassen, dass bei deren Anwendung auf einen Röntgenbilddatensatz ein

weiterer Bilddatensatz erzeugt werden kann, der einen unter bestimmten

technischen

Bildaufnahmebedingungen

erzeugten

Röntgenbilddatensatz

approximiert.

Insbesondere liefert das beanspruchte Verfahren einen solchen

weiteren Bilddatensatz (vgl. Merkmale N4 bis N5b).

Auch die mit Patentanspruch 10 beanspruchte mathematische Methode weist damit

einen hinreichenden Bezug zur gezielten Anwendung von Naturkräften auf.

Der bisher ermittelte Stand der Technik steht den Patentansprüchen 1 und

10 nicht patenthindernd entgegen.

6.1

Im Laufe des Verfahrens sind folgende Druckschriften entgegengehalten

worden:

D1) NIE, D. et al.: Medical Image Synthesis with Context-Aware Generative Adversarial Networks. arXiv, 2016,

URL: https://arxiv.org/abs/1612.05362 [recherchiert am 09.04.2020]

D2) US 2019 / 0 090 834 A1

D3) Generative Adversarial Networks. In: Wikipedia. URL: https://de.wikipedia.org/w/index.php?title=Generative_Adversarial_Networks&oldid

=186990065, Stand 27.03.2019 [abgerufen am 06.04.2020]

D4)

Bedingte Anweisung und Verzweigung. In: Wikipedia. URL: https://de.wikipedia.org/w/index.php?title=Bedingte_Anweisung_und_Verzweigung

&oldid=185434103, Stand 06.02.2019 [abgerufen am 09.04.2020]

D5) DE 101 56 215 A1

D6) US 2019 / 0 108 904 A1

D7)

Yi, X. [et al.]: Generative Adversarial Network in Medical Imaging: A Review.

Preprint 1809.07294v2 auf arxiv.org, 5. März 2019

D8)

KANG, E. [et al.]: Wavelet Domain Residual Network (WaveResNet) for Low-

Dose-X-Ray CT Reconstruction, Preprint 1703.01383v1 auf arxiv.org,

4. März 2017

D9)

BASHKIROVA, D. [et al.]: Unsupervised Video-to-Video-Translation. Preprint

1806.03698v1 auf arxiv.org, 10. Juni 2018.

Die Druckschrift D1 befasst sich mit der Erzeugung eines Röntgenbildes („CT

image“) aus einem Magnetresonanzbild („MR image“) durch Anwendung einer

Generatorfunktion, die mittels eines GA-Algorithmus trainiert worden ist. Dadurch

soll vermieden werden, dass ein reales Röntgenbild aufgenommen wird und ein

Patient dadurch Strahlenbelastungen ausgesetzt ist (vgl. Abstract; Abschnitt 1,

zweiter und vorletzter Absatz). Bei dem in Abschnitt 2.1 näher beschriebenen GA-

Algorithmus wird die

trainierte Generatorfunktion

lediglich auf das

Magnetresonanzbild angewendet, nicht aber auf Eingabedaten, die ein Röntgenbild

sowie einen Eingabe- und einen Ergebnisbildparameter umfassen. Nur am Rande

wird angesprochen, dass das beschriebene Verfahren nicht nur zur Vorhersage

eines Röntgenbildes, sondern auch zur Reduktion von Bildrauschen verwendet

werden kann (vgl. Abschnitt 5, letzter Satz).

Die Druckschrift D2 zeigt ein Verfahren, bei dem eine im Rahmen eines GA-

Algorithmus

trainierte Generatorfunktion

auf

einen

dreidimensionalen

Mammographiedatensatz angewendet wird, um daraus einen zweidimensionalen

Mammographiedatensatz zu generieren, so dass dieser nicht eigens aufgenommen

werden muss und das untersuchte Gewebe keiner weiteren Strahlenexposition

ausgesetzt ist (Absätze [0003], [0004], [0011]; Figur 1). Bei diesem Verfahren wird

die Generatorfunktion jedoch weder auf einen Eingabeparameter noch auf einen

Ergebnisbildparameter gemäß Merkmal M6 bzw. der Merkmalsgruppe N4 bis N5b

angewendet, sondern allenfalls auf einen geometrischen Richtungsparameter „int

direction“, welcher Bestandteil des dreidimensionalen Eingabebilddatensatzes ist

(vgl. Claim 1 und Absätze [0124], [0126], [0172], [0178] sowie Figuren 5 und 6).

Dies gilt auch für den in Druckschrift D2 beschriebenen Trainingsalgorithmus (vgl.

Absätze [0140], [0168]).

Die Druckschriften D3 und D4 stellen Hintergrundwissen zu GA-Algorithmen und zu

in der Software-Programmierung relevanten bedingten Verzweigungsanweisungen

dar.

Die Druckschrift D5 betrifft ein Verfahren zur Verarbeitung medizinisch relevanter

Daten im Rahmen einer durchzuführenden Untersuchung eines Patienten, bei dem

anhand von eingegebenen symptom- und/oder diagnosespezifischen Informationen

unter Verwendung einer symptom- und/oder diagnosebasierten Datenbank eine

oder mehrere zur Untersuchung des Patienten durchzuführende Untersuchungsmodalitäten ausgewählt werden (vgl. den dortigen Patentanspruch 1). Um

die Anwendung von GA-Algorithmen zur Erzeugung von Bildern mit vorgegebenen

Bildeigenschaften geht es dabei jedoch nicht.

Die Druckschrift D6 geht von dem Problem aus, dass die Bildqualität von

röntgentomographischen Bildern, die mit geringer Röntgendosis aufgenommen

worden sind, geringer als bei Hochdosisbildern

ist (Absatz

[0006]). Zur

Problemlösung wird vorgeschlagen, das Rauschen rekonstruierter Bilder zu

reduzieren, indem diese von „deep learning“-Netzwerken verarbeitet werden (Figur

1A, Bezugszeichen 135, 170 sowie Absätze [0028], [0032], [0043]; „DL“ = „deep

learning“). Ein solches „DL network 135“ kann aus mehreren Netzwerken bestehen,

die jeweils für unterschiedliche Gegebenheiten und Parameter eines CT-Scans

optimiert sind (Absätze [0056],

[0057], [0064] bis [0066]). Beim Training der

Netzwerke werden verschiedene Klassen von Trainingsdaten verwendet, die

jeweils unterschiedlichen Scangegebenheiten entsprechen (Absätze [0033], [0035],

[0039], [0057], [0058]). Da ein Sichtfeld eines Röntgengeräts („field of view“, „FOV“)

das Bildrauschen beeinflusst, können auch mehrere Sätze von tiefen neuronalen

Netzwerken („deep neural networks“, „DNNs“) zur Rauschreduktion verwendet

werden, wobei ein einzelnes Netzwerk darauf trainiert

ist, aus rekonstruierten

Röntgenbildern, die mit einem bestimmten Sichtfeld aufgenommen worden sind,

Bilddaten mit einem vom Nutzer gewünschten Rauschpegel zu erzeugen (Figur 12

sowie Absätze [0123],

[0145] bis

[0150] und

[0158]). Jedoch ist keine

Generatorfunktion offenbart, die mittels eines GA-Algorithmus trainiert worden ist

und deren Eingabedaten einen Eingangs- und einen Ergebnisbildparameter im

Sinne von Patentanspruch 1 oder 10 umfassen.

Die Druckschrift D7 ist ein Übersichtsartikel, der den Einsatz von GA-Algorithmen

in der medizinischen Bildgebung darstellt. In Abschnitt 2.2.2 sind sogenannte

„conditional generative adversarial networks“ beschrieben, mit deren Hilfe

Ergebnisbilder mit gewünschten Eigenschaften erzeugt werden können, wenn dazu

zusätzliche Information bereitgestellt wird. In diesem Fall kann der Prozess zur

Erzeugung eines Ergebnisbilds xg mathematisch in Form der Gleichung xg = G(z, c)

ausgedrückt werden, wobei die Variable c („conditional input“) ein Eingabebild oder

eine Klassenangabe, die Variable z Rauschen und die Größe G eine

Generatorfunktion bezeichnet (vgl. Abschnitt 2.2.2, zweiter bis vierter Absatz in

Verbindung mit Abschnitt 2.1, erster Absatz).

Die Druckschrift D8 befasst sich mit der Reduktion von Rauschen durch Anwendung

eines trainierten neuronalen Netzwerks („WavResNet“) auf verrauschte Bilddaten,

die mittels Wavelet-Zerlegung transformiert worden sind (vgl. Figur 1 und

Abschnitt I. letzter Absatz).

Die Druckschrift D9 beschreibt die Umwandlung von Videos mittels einer

Generatorfunktion, die unter Verwendung eines GA-Algorithmus trainiert worden ist

(vgl. Abschnitt 1).

6.2

Allerdings ist keiner der Druckschriften D1 bis D9 der aus den Merkmalen M3

sowie M5 bis M7 bestehende Merkmalskomplex des Patentanspruchs 1 zu

entnehmen. Insbesondere ist in diesen Druckschriften nicht gezeigt, dass eine

trainierte Generatorfunktion sowohl auf einen Röntgenbilddatensatz als auch auf

einen Eingabe- und einen Ergebnisbildparameter angewendet wird, wobei der

Eingabebildparameter eine Bildeigenschaft des Röntgenbilddatensatzes und der

Ergebnisbildparameter eine der in Merkmal M6 definierten Bildeigenschaften eines

Ergebnisbilddatensatzes betrifft.

6.3

Auch ein Verfahren gemäß Patentanspruch 10 geht aus keiner dieser

Druckschriften hervor.

Insbesondere sind die Merkmale N4a bis N5b diesen

Druckschriften nicht zu entnehmen. Diese Merkmale dienen insbesondere dem

Zweck, aus einem Röntgenbilddatensatz einen weiteren Bilddatensatz zu erzeugen,

der einen unter bestimmten technischen Bildaufnahmebedingungen erhaltenen

Röntgenbilddatensatz approximiert. Sie weisen einen hinreichenden Bezug zur

gezielten Anwendung von Naturkräften auf, so dass sie bei der Prüfung der

erfinderischen Tätigkeit zu berücksichtigen sind.

6.4

Derzeit ist für den Senat nicht ersichtlich, wie der Durchschnittsfachmann

ausgehend allein von den Druckschriften D1 bis D9 in naheliegender Weise zur

jeweiligen Lehre der geltenden Patentansprüche 1 und 10 hätte gelangen können.

Die Patentansprüche 1 und 10 umfassen jedoch neue Merkmale, die erst im

Beschwerdeverfahren eingeführt wurden. Diese Ansprüche wurden bisher vom

Deutschen Patent- und Markenamt noch nicht geprüft, insbesondere hat noch keine

auf die Merkmalsgruppen M3 bis M7 sowie N3 bis N5b gerichtete Recherche

stattgefunden.

Weil das Deutsche Patent- und Markenamt somit noch nicht in der Sache selbst

entschieden hat, war die Anmeldung gemäß § 79 Abs. 3 Satz 1 Nr. 1 PatG dorthin

zurückzuverweisen (siehe z.B. Schulte, PatG, 11. Auflage, § 79 Rn. 21).

Da die grundsätzliche Frage der Patentierbarkeit der Patentansprüche 1 und

10 sonach noch offen ist, hat sich der Senat mit den übrigen geltenden

Patentansprüchen nicht weiter befasst.

R e c h t s m i t t e l b e l e h r u n g

Gegen diesen Beschluss steht den am Beschwerdeverfahren Beteiligten das Rechtsmittel

der Rechtsbeschwerde zu. Da der Senat die Rechtsbeschwerde nicht zugelassen hat, ist

sie nur statthaft, wenn gerügt wird, dass

1. das beschließende Gericht nicht vorschriftsmäßig besetzt war,

2. bei dem Beschluss ein Richter mitgewirkt hat, der von der Ausübung des Richteramtes kraft Gesetzes ausgeschlossen oder wegen Besorgnis der Befangenheit mit

Erfolg abgelehnt war,

3. einem Beteiligten das rechtliche Gehör versagt war,

4. ein Beteiligter im Verfahren nicht nach Vorschrift des Gesetzes vertreten war, sofern

er nicht der Führung des Verfahrens ausdrücklich oder stillschweigend zugestimmt

hat,

5. der Beschluss aufgrund einer mündlichen Verhandlung ergangen ist, bei der die

Vorschriften über die Öffentlichkeit des Verfahrens verletzt worden sind, oder

6. der Beschluss nicht mit Gründen versehen ist.

Die Rechtsbeschwerde ist innerhalb eines Monats nach Zustellung des Beschlusses beim

Bundesgerichtshof, Herrenstr. 45 a, 76133 Karlsruhe durch eine beim Bundesgerichtshof

zugelassene Rechtsanwältin oder durch einen beim Bundesgerichtshof zugelassenen

Rechtsanwalt einzulegen.

Dr. Morawek

Baumgardt

Akintche

Dr. Städele