- > 集佳知识产权代理有限公司 > 集佳周讯 > 2024年 > 集佳周讯2024年第26期 > 论坛博览 > 欧洲专利申请实践中关于清楚性审查意见的答复心得
文/北京集佳知识产权代理有限公司西安分部 潘红
在专利申请文件中，权利要求书是否清楚对于请求保护的发明是非常重要的。如果权利要求不清楚，则无法清楚地限定发明的保护范围，从而难以起到专利保护的效果。
因此，在专利申请的审查阶段，审查员会对权利要求是否清楚进行严格的审查。尤其是在欧洲专利申请的审查过程中，对权利要求的清楚性审查极为严格，审查员会基于欧洲专利法第84条（Article 84 EPC）来审查权利要求的清楚性。
在针对欧洲专利申请的关于清楚性的各种审查意见中，根据欧洲专利审查指南第F-IV章第4.10条发出的结果性限定的审查意见，也是比较常见的一种，以下就代理人在答复该类审查意见的实践进行简单探讨。
Guidelines F-IV 4.10的部分内容如下：
4.10 Result to be achieved
The area defined by the claims must be as precise as the invention allows. As a general rule, claims which attempt to define the invention by a result to be achieved are not allowed, in particular if they only amount to claiming the underlying technical problem. However, they may be allowed if the invention either can only be defined in such terms or cannot otherwise be defined more precisely without unduly restricting the scope of the claims and if the result is one which can be directly and positively verified by tests or procedures adequately specified in the description or known to the person skilled in the art and which do not require undue experimentation.
根据审查指南的上述规定，如果权利要求试图通过要实现的结果来限定发明，则是不被允许的。除非发明只能用这些术语来定义，或者无法在不过度当地限制权利要求范围的情况下更准确地定义本发明，而且，要实现的结果可以通过说明书中充分说明的或本领域技术人员已知的试验或程序直接确认，并且不需要进行过度的试验，则可以允许使用这些术语。
针对上述释义，指南中提供了下述示例进行说明。例如，发明涉及一种烟灰缸，由于烟灰缸的形状和相对尺寸，在烟灰缸中燃烧的烟头会自动熄灭。然而，烟灰缸可能会有各种变化，即使其能提供所需的效果（自动熄灭），而其尺寸却难以确定。因此，需要在权利要求中尽可能清楚地说明烟灰缸的结构和形状，并且说明书要包括足够的说明，使技术人员能够通过常规测试程序确定所需的尺寸，即能够结合所要达到的效果来确定相对尺寸。
因此，对于上述审查意见，首先要检查被审查的权利要求的特征是否符合上述情形，否则，则需要增加相应的特征，以进一步限制权利要求的范围。
以下为代理人在实践中遇到的一件欧洲专利申请，在欧洲检索报告中，审查员指出了两个权利要求均存在结果限定的问题。经过代理人的分析，审查员指出的这两个权利要求正好分别对应指南中的两种情形。
具体地，发明涉及机器学习，尤其是基于深度神经网络构建分类任务模型，并通过适当的训练样本对该模型进行训练，得到分类任务模型。在训练分类任务模型时，训练数据集中包含的训练样本的类别可能并不均衡，例如正样本的数量远少于负样本的数量，这样的训练数据集可以称为类别不均衡数据集。如果采用类别不均衡数据集对分类任务模型进行训练，会导致最终得到的分类任务模型的性能表现不佳。
为此，该欧洲专利申请提供了下述方法，通过样本扩展来解决上述问题。
示例1
1、一种分类任务模型的训练方法，所述方法由计算机设备执行，所述方法包括：
采用第一数据集训练初始特征提取器得到特征提取器；其中，所述第一数据集是包括第一类别样本和第二类别样本的类别不均衡数据集，所述第一类别样本的数量大于所述第二类别样本的数量，所述第一数据集是通过医疗影像确定的；
构建生成对抗网络，所述生成对抗网络包括所述特征提取器和初始特征生成器；其中，所述初始特征生成器用于生成与所述特征提取器相同维度的特征向量；
采用所述第二类别样本对所述生成对抗网络进行训练，得到特征生成器；
构建分类任务模型，所述分类任务模型包括所述特征生成器和所述特征提取器；
采用所述第一数据集对所述分类任务模型进行训练；其中，所述特征生成器用于在训练过程中对所述第二类别样本在特征空间进行扩增，训练后的所述分类任务模型用于对医疗影像进行病灶分类。
在欧洲检索报告中，审查员指出，权利要求1中的特征“训练后的所述分类任务模型用于对医疗影像进行病灶分类”限定了要实现的结果，导致当前权利要求1的方案不清楚。
根据说明书描述，该专利申请的方案主要针对类别不均衡的医疗影像的分类任务，训练数据集可以包括多张从医疗影像中提取的子图，这些子图有的是正样本（也即病灶区域的图像），有的是负样本（也即非病灶区域的图像），负样本的数量往往远大于正样本的数量。在这种应用场景下，分类任务模型可以称为影像学病灶判别模型，其输入是一张从医疗影像中提取的子图，输出是该子图是否为病灶区域的判别结果。
结合上述应用背景来分析权利要求1，虽然公开了第一数据集是通过医疗影像确定的，但并没有清楚限定医疗影像与第一数据集的对应关系，从而无法无疑义地确定基于该第一数据集训练得到的分类任务模型是对医疗影像进行病灶分类的。鉴于此，权利要求1中的特征“训练后的所述分类任务模型用于对医疗影像进行病灶分类”疑似限定了最终得到的分类任务模型的应用，即要实现的结果。通过上述分析，确认权利要求1不符合欧洲专利审查指南中规定的例外情形。
因此，为了解决该问题，需要进一步增加特征来限定权利要求1的范围，从而参照说明书对用于训练的第一数据集进行了限定。并且在意见陈述中，结合使用第一数据集训练得到分类任务模型的原理，阐述分类任务模型是通过权利要求1中的各个步骤使用第一数据集中的样本进行训练得到的，因此，本领域技术人员能够清楚地知道最终得到的分类任务模型用于对医疗影像进行病灶分类。
具体修改如下所示：
1、一种分类任务模型的训练方法，所述方法由计算机设备执行，所述方法包括：
采用第一数据集训练初始特征提取器得到特征提取器；其中，所述第一数据集是包括第一类别样本和第二类别样本的类别不均衡数据集，所述第一类别样本的数量大于所述第二类别样本的数量，所述第一数据集是通过医疗影像确定的，所述第一数据集包括从医疗影像中提取的关于病灶区域和非病灶区域的多个子图像；
构建生成对抗网络，所述生成对抗网络包括所述特征提取器和初始特征生成器；其中，所述初始特征生成器用于生成与所述特征提取器相同维度的特征向量；
采用所述第二类别样本对所述生成对抗网络进行训练，得到特征生成器；
构建分类任务模型，所述分类任务模型包括所述特征生成器和所述特征提取器；
采用所述第一数据集对所述分类任务模型进行训练；其中，所述特征生成器用于在训练过程中对所述第二类别样本在特征空间进行扩增，训练后的所述分类任务模型用于对医疗影像进行病灶分类。
示例2
针对同一欧洲专利申请的权利要求6，审查员也认为其限定了要实现的结果。原因在于，该权利要求6没有限定初始分类任务模型具体为何物。
6、根据权利要求1至3任一项所述的方法，所述采用第一数据集训练初始特征提取器得到特征提取器，包括：
构建初始分类任务模型，所述初始分类任务模型包括所述初始特征提取器；
采用所述第一数据集对所述初始分类任务模型进行训练，得到特征提取器。
根据该欧洲专利申请的说明书描述，初始分类任务模型与前述权利要求1中构建的分类任务模型不是直接的因果关系，即，所构建的分类任务模型仅使用了初始分类任务模型的特征提取器，所以，权利要求6中训练初始分类任务模型的实质目的就在于训练特征提取器。通过上述分析，代理人认为说明书中对初始分类任务模型进行了相关的解释说明，足以使得权利要求清楚，符合欧洲专利审查指南中指出的例外情形，无需进行过度地限定。
鉴于此，在意见陈述中，结合说明书的描述，首先阐释了初始分类任务模型可以是预训练好的Inception-v3模型。在初始分类任务模型满足停止训练条件时，停止对该模型的训练，得到初始训练后的分类任务模型。该初始训练后的分类任务模型中包含初始训练后的特征提取器，该初始训练后的特征提取器被用于后续的生成对抗网络中。也就是说，初始分类任务模型仅用于提供初始特征提取器，使用第一数据集训练初始分类任务模型的步骤实质上也是使用第一数据集训练初始特征提取器。当初始分类任务模型被训练完成之后，其包括的特征提取器将被用于形成生成对抗网络，以用于与特征生成器一起构建最终的分类任务模型。因此，当前的权利要求6已经很清楚地限定了发明的方案，无需进行不适当地过度限定。
通过上述针对权利要求1,6的不同处理和意见陈述，在答复欧洲检索报告之后，顺利获得了授权。
以上为代理人针对欧洲专利审查指南（Guidelines F-IV 4.10）的驳回意见的答复实践，如有不同答复思路，欢迎沟通交流。