2022-018344

第２ 令和４年１１月１５日にされた手続補正についての補正の却下の決定

［補正の却下の決定の結論］

令和４年１１月１５日にされた手続補正（以下、「本件補正」という。）を却下する。

［理由］

１ 本件補正について

（１）本件補正後の特許請求の範囲の記載

本件補正により、特許請求の範囲の請求項１の記載は、次のとおり補正された（下線部は、補正箇所である。）。

「 【請求項１】

被検者の生体内の複数の位置の画像を順次撮影しリアルタイム表示する医療機器から前記画像を取得する画像取得部と、

前記取得した画像の前記生体内の位置を示す位置情報を取得する位置情報取得部と、

前記医療機器にシェーマ図を表示させ、前記シェーマ図の前記取得した位置情報が示す位置に図形を表示させる表示制御部と、

続きを表示（全11行）

入力画像から注目領域を検出する注目領域検出部であって、生体内の複数の位置にそれぞれ対応した複数の注目領域検出部と、

前記複数の注目領域検出部から前記位置情報が示す位置に対応した注目領域検出部を選択する選択部と、

前記選択した注目領域検出部によって前記取得した画像から注目領域を検出させる制御部と、

を備え、

前記複数の注目領域検出部は、複数の学習済みモデルであり、

前記複数の学習済みモデルは、それぞれ異なるデータセットを用いて学習したモデルであり、

前記複数の学習済みモデルは、それぞれ生体内の異なる位置を撮影した画像からなるデータセットを用いて学習したモデルである医療画像処理装置。」

（２）本件補正前の特許請求の範囲

本件補正前の、令和４年４月１４日にされた手続補正により補正された特許請求の範囲の請求項１の記載は次のとおりである。

「 【請求項１】

被検者の生体内の複数の位置の画像を順次撮影しリアルタイム表示する医療機器から前記画像を取得する画像取得部と、

前記取得した画像の前記生体内の位置を示す位置情報を取得する位置情報取得部と、

前記医療機器にシェーマ図を表示させ、前記シェーマ図の前記取得した位置情報が示す位置に図形を表示させる表示制御部と、

入力画像から注目領域を検出する注目領域検出部であって、生体内の複数の位置にそれぞれ対応した複数の注目領域検出部と、

前記複数の注目領域検出部から前記位置情報が示す位置に対応した注目領域検出部を選択する選択部と、

前記選択した注目領域検出部によって前記取得した画像から注目領域を検出させる制御部と、

を備え、

前記複数の注目領域検出部は、複数の学習済みモデルである医療画像処理装置。」

２ 補正の適否

本件補正は、本件補正前の請求項１に記載された発明を特定するために必要な事項である「複数の学習済みモデル」について、「前記複数の学習済みモデルは、それぞれ異なるデータセットを用いて学習したモデルであり、

前記複数の学習済みモデルは、それぞれ生体内の異なる位置を撮影した画像からなるデータセットを用いて学習したモデルである」との限定を付加するものであって、補正前の請求項１に記載された発明と補正後の請求項１に記載される発明の産業上の利用分野及び解決しようとする課題が同一であるから、特許法第１７条の２第５項第２号の特許請求の範囲の減縮を目的とするものに該当する。

そこで、本件補正後の請求項１に記載される発明（以下、「本件補正発明」という。）が同条第６項において準用する同法第１２６条第７項の規定に適合するか（特許出願の際独立して特許を受けることができるものであるのか）について、以下、検討する。

（１）本件補正発明

本件補正発明は、前記１(１)に摘記した本件補正後の請求項１に記載された事項により特定されるとおりのものである。

(２) 引用文献に記載された事項及び引用発明等の認定

ア 引用文献１に記載された事項及び引用発明の認定

（ア）引用文献１に記載された事項

原査定の拒絶の理由において引用された文献である特開２００７－１５１８０９号公報（以下「引用文献１」という。）には、次の事項が記載されている。（下線は当審が付与。以下、他の引用文献においても同様。）

（引１－ア）

「【００２８】

（実施の形態）

図１は、本発明に係る受信装置の好適な実施の形態である無線型の被検体内導入システムの全体構成を示す模式図である。図１に示すように、本実施の形態に係る被検体内導入システムは、被検体１の内部に導入されて通過経路に沿って移動するカプセル型内視鏡２と、カプセル型内視鏡２から送信された、被検体内情報を含む無線信号を受信する受信装置３と、受信装置３によって受信された無線信号に含まれる被検体内情報の内容を表示する表示装置４と、受信装置３と表示装置４との間の情報の受け渡しを行うための携帯型記録媒体５と、受信装置３との間で携帯電話通信網７を介して必要に応じて無線通信を行う携帯電話機８とを備える。」

（引１－イ）

「【００３５】

図３は、受信装置３の構成を示す模式的なブロック図である。図３に示すように、受信装置３は、複数存在する受信アンテナ６ａ?６ｈの中から無線信号の受信に適したものを選択するアンテナ選択部２１と、アンテナ選択部２１によって選択された受信アンテナ６を介して受信された無線信号に対して、復調等の処理を行う受信回路２２と、受信回路２２によって抽出された原信号（送信部９によって変調される前の信号）を２値化されたデジタル信号に変換する２値化回路２３と、受信回路２２から出力された受信強度信号を所定のデジタル信号に変換するＡ／Ｄ変換部２４とを備える。また、受信装置３は、２値化回路２３によって２値化され、ブリッジ回路２５を経由した原信号に基づき被検体内画像データを再構成する画像処理部２６と、画像処理部２６によって再構成された画像データを記憶するメモリとして携帯型記録媒体５と、前述の無線Ｉ／Ｆカード１２と、表示部１５と、操作ボタン１６とを備える。さらに、本実施の形態における受信装置３は、記憶部２７と、これらの携帯型記録媒体５、無線Ｉ／Ｆカード１２、表示部１５、操作ボタン１６、記憶部２７に対する入出力を制御する制御部２８と、受信装置３の各構成要素に対して駆動電力を供給するバッテリ構成の電力供給部２９を備える。」

（引１－ウ）

「【００４０】

携帯型記録媒体５等に対する入出力を制御する制御部２８は、送信出力部３１と警告出力部３２とアクセス部３３と臓器判定部３４と病変箇所判定部３５と受信機用異常検出部３６とカプセル用異常検出部３７とを備える。送信出力部３１は、携帯電話機８側からアクセスがあった場合、または当該所定の携帯電話機８に対するアクセスがあった場合に、カプセル型内視鏡２が撮像した被検体内画像データを当該所定の携帯電話機８に対して無線Ｉ／Ｆカード１２、携帯電話通信網７を介して送信出力するためのものであり、例えば圧縮処理された画像データを伸長し変調して出力させる機能を備える。

【００３２】

カプセル型内視鏡２は、被検体内導入装置の一例として機能するものであって、バッテリ駆動の下、被検体内画像を撮像し、撮像した画像データを含む無線信号を受信装置３に対して送信するためのものである。すなわち、カプセル型内視鏡２は、被検体１の口腔部を介して導入された後、再び体外に排出されるまでの間、被検体１内部の画像たる被検体内画像を取得し、取得した画像データを含む無線信号を間欠的に外部に送信する。

【００３３】

次に、受信装置３について説明する。受信装置３は、カプセル型内視鏡２から送信された無線信号を受信し、無線信号に含まれる被検体内画像に関するデータを再構成するためのものである。また、受信装置３は、担当医師、看護師等の特定の医療従事者あるいは被検者本人が所有し画像表示可能な液晶等による表示部９を有する携帯電話機８との間で、必要に応じて、無線通信を行うためのものである。」

（引１－エ）

「【００４１】

臓器判定部３４は、カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき撮像臓器の変化をリアルタイムで判定するためのものである。例えば、胃、小腸、大腸なる臓器に関して、最初は胃領域であると判定し、次いで被検体内画像データに基づき小腸領域の特徴である絨毛領域が検出されたら小腸領域に移行したと判定し、さらに被検体内画像データに基づき大腸領域の特徴である便領域が検出されたら大腸領域に移行したと判定する機能を有する。

【００４２】

病変箇所判定部３５は、カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき病変箇所（出血、褪色、形状異常等）の有無をリアルタイムで判定するためのものである。例えば、出血部位の場合であれば、臓器内部の粘膜よりも赤みの強い画像領域の出現により判定可能である。」

（引１－オ）

「【００４７】

次に、制御部２８によって実行される携帯電話機８との間の無線通信処理制御例について説明する。まず、携帯電話機８側から受信装置３に対してアクセスがあった場合の処理制御例を説明する。図４は、携帯電話機８側から受信装置３に対してアクセスがあった場合の処理制御例を示す概略フローチャートである。携帯電話機８側から当該受信装置３のアドレスを指定した呼出しがあった場合（ステップＳ１，Ｙｅｓ）、当該呼出しを行った発信元の携帯電話機８があらかじめ記憶部２７に設定登録されたアドレスのものであるか否かを判定する（ステップＳ２）。発信元の携帯電話機８が登録されたものでなければ（ステップＳ２，Ｎｏ）、処理を終了し、登録されたものであれば（ステップＳ２，Ｙｅｓ）、送信出力部３１は、カプセル型内視鏡２で撮像した被検体内画像データに基づきパケットデータを生成し、携帯電話Ｉ／Ｆ回路１３およびアンテナ１４並びに携帯電話網７を介して、呼出しのあった携帯電話機８に対して送信出力する（ステップＳ３）。これにより、携帯電話機８の表示部にはカプセル型内視鏡２で撮像した被検体内画像がリアルタイムで表示される。このようなパケットデータの送信出力は、携帯電話機８側で発呼状態がオフされるまで（ステップＳ４，Ｙｅｓ）、繰り返される。

【００４８】

これによれば、カプセル型内視鏡２の服用による検査中の被検者の居場所に関係なく、担当医療従事者は、自身が所有している携帯電話機８から所望の時点で院内からの遠隔操作によって被検者が携帯中の受信装置３に対してアクセスすることで、検査中の被検体内画像のリアルタイム観察を携帯電話機８の表示部９によって行うことができる。特に、院外への外出許可が出る小腸検査中の被検体内画像のリアルタイム観察が可能となる。また、被検者本人の場合も、カプセル型内視鏡２の服用による検査中の被検者の居場所に関係なく、自身が所有している携帯電話機８から自身が携帯中の受信装置３に対してアクセスすることで、検査中の被検体内画像のリアルタイム観察をいつでも携帯電話機８の表示部９によって行うことができる。今日では、携帯電話機８は日常生活において必須のデバイスとなっており、このような携帯電話機８と受信装置３とを携帯するだけで自身によるリアルタイム観察が可能となる。」

（引１－カ）

「【００５１】

図６は、臓器別出力処理に伴い撮像した臓器が変わったタイミングでアクセスする場合の処理制御例を示す概略フローチャートである。当該受信装置３は、検査の開始後、カプセル型内視鏡２で撮像した画像データの分析を行うことで、臓器判定部２４によって撮像臓器の変化を監視し（ステップＳ２１）、撮像臓器が変わったか否かを随時判定する（ステップＳ２２）。そして、撮像臓器が変わった場合（ステップＳ２２，Ｙｅｓ）、撮像臓器が変わったタイミングで、送信出力部３１は、カプセル型内視鏡２で撮像した被検体内画像データに基づきパケットデータを生成する（ステップＳ２３）。さらに、記憶部２７からあらかじめ設定登録されている担当医療従事者の携帯電話機８のアドレス情報を取得し、該アドレス宛の携帯電話機８にアクセスすることで、パケットデータを携帯電話Ｉ／Ｆ回路１３およびアンテナ１４並びに携帯電話網７を介して、当該携帯電話機８に対して送信出力する（ステップＳ２４）。これにより、担当医療従事者の携帯電話機８の表示部９にはカプセル型内視鏡２で撮像した被検体内画像がリアルタイムに表示される。このような処理は、撮像臓器が変わるタイミングで繰り返される。」

（引１－キ）

【００５４】

これによれば、担当医療従事者は、カプセル型内視鏡２の服用による検査中の被検者の居場所に関係なく、院内に居ながらにして自身が所有している携帯電話機８の表示部９を通じて検査中の被検体内画像のリアルタイム観察を病変箇所が検出される毎に行うことができる。特に、担当医療従事者は、病変箇所の画像データを観察することで、その程度等を判断し、その程度等に応じて被検者に対して院内への戻りを指示したり、極力安静に近い状態での検査続行を指示したりすることで、適正な検査の一助とすることができる。」

（引１－ク）

「図１

［図：0001404427000001.jpg］

」

（引１－ケ）

「図３

［図：0001404427000002.jpg］

」

（イ）引用発明の認定

上記（ア）を総合すると、引用文献１には、次の発明（以下「引用発明」という。）が記載されていると認められる。

引用発明：

「被検体１の内部に導入されて通過経路に沿って移動し（【００２８】）、被検体内画像を撮像するカプセル型内視鏡２（【００３２】）、カプセル型内視鏡２から送信された無線信号を受信し、無線信号に含まれる被検体内画像に関するデータを再構成する受信装置３（【００３３】）、カプセル型内視鏡２で撮像した被検体内画像がリアルタイムで表示される携帯電話機８の表示部（【００４７】）を備えた被検体内導入システム（【００２８】）における受信装置３であって、

臓器判定部３４と病変箇所判定部３５を備える制御部２８を備え（【００３５】、【００４０】）、

臓器判定部３４は、カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき撮像臓器の変化をリアルタイムで判定するものであり（【００４１】）、

病変箇所判定部３５は、カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき病変箇所（出血、褪色、形状異常等）の有無をリアルタイムで判定するものである（【００４２】）、

受信装置。」

イ 引用文献５に記載された事項

原査定の拒絶の理由において引用された文献である特開２０１２－２４９９５６号公報（以下「引用文献５」という。）には、次の事項が記載されている。

（引５－ア）

「【０００７】

上述の通り、カプセル内視鏡は、飲み込まれてから自然排出されるまでの間、常に撮影を行っている。従って、１回のカプセル内視鏡を用いた検査によって取得される画像は、数万枚になる（たとえば、小腸用カプセル内視鏡では、約８時間の間に約６万枚の体内画像が取得される）。

【０００８】

ユーザがこのような膨大な数の画像を全て確認し、病変部位等を特定することは容易ではない。つまり、画像の数が多いため読影に時間を要するという問題があった。特に、健康診断のように被検者の数が多い場合、その問題は顕著である。

【０００９】

実施形態は、前述の問題点を解決するためになされたもので、読影の効率化を図ることができるカプセル内視鏡画像処理装置及びカプセル内視鏡システムを提供することを目的とする。」

（引５－イ）

「【００２２】

解析用ＣＡＤ５２は、記憶装置６に記憶された複数の解析プログラムのうち特定部４４（後述）で特定された所定部位に対応する解析プログラムを読み出し、読み出された体内画像データに対して当該解析プログラムによる解析処理を行い、解析画像データを作成する。「解析プログラム」は、たとえば、体内画像データを解析し、当該画像データにおける病変部位（病変候補部位。たとえば出血部位）を抽出するプログラムである。「解析画像データ」とは、解析プログラムにより解析処理（たとえば、病変部位の抽出処理）がされた体内画像データである。解析処理は、たとえば、所定部位の形状特徴量、色情報、閾値等を用いて病変部位の抽出を行う。閾値は、たとえば、所定部位に病変部位（病変候補部位）があるかどうかを判断するための値である。閾値は、体内画像データ等から臨床的に求められる値である。本実施形態において、解析用ＣＡＤ５２が「解析部」に該当する。」

（引５－ウ）

「【００６６】

また、本実施形態におけるカプセル内視鏡画像処理装置において、記憶部は、所定部位毎の画像データを解析するための複数の解析プログラムを予め記憶している。そして、複数の解析プログラムのうち特定された所定部位に対応する解析プログラムを読み出し、読み出された画像データに対して当該解析プログラムによる解析処理を行う解析部（解析用ＣＡＤ５２）を有する。表示制御部４５は、特定された所定部位が表されている画像データに基づく画像として、解析部による解析結果に基づく解析画像を表示させる。」

ウ 引用文献６に記載された事項

原査定の拒絶の理由において引用された文献である国際公開第２０１０／１１３４７９号（以下「引用文献６」という。）には、次の事項が記載されている。

（引６－ア）

「[0009]本発明による画像処理装置は、被検体を断層撮影することにより取得した複数の断層画像からなる３次元画像を取得する画像取得手段と、

前記３次元画像に含まれる前記被検体の部位認識結果の情報を取得する部位情報取得手段と、

前記部位認識結果の情報に基づいて、前記３次元画像を表示する際に使用する複数のメニューから、部位に応じたメニューを特定するメニュー特定手段と、

前記特定されたメニューを表示手段に表示する表示制御手段とを備えたことを特徴とするものである。」

（引６－イ）

「[0030] ここで、読影ワークステーション２には、ユーザが指示した各種解析処理を行うための解析アプリケーションがインストールされている。ここで、解析アプリケーションは、３次元画像に含まれる部位に応じて用意されている。本実施形態においては、読影ワークステーション２には、３次元画像に含まれる部位と、その部位の解析に使用する解析アプリケーションの種類とを対応づけたテーブルが記憶されている。図２は第１の実施形態に使用されるテーブルの例を示す図である。図２に示すように、テーブルＴ１には、部位と解析アプリケーションの種類とが対応づけられている。具体的には、頭部および頚部には脳血管抽出、胸部には肺解析、冠動脈解析、心機能解析および石灰化スコアが、胸腹部には肺解析および肝臓解析が、腹部には肝臓解析および大腸解析が、骨盤部には大腸解析の解析アプリケーションがそれぞれ対応づけられている。」

エ 引用文献７に記載された事項

原査定の拒絶の理由において引用された文献である特開平５－１２３５２号公報（以下「引用文献７」という。）には、次の事項が記載されている。

（引７－ア）

「【００４２】次に、ＣＡＤと呼ばれるコンピュータ支援診断装置部分について説明する。ＣＡＤとは、画像データをコンピュータで解析して、例えば異常の位置等の診断支援情報を得ることである。この実施例では、例えば、ワークステーション１４にこの支援情報を得る手段を持つ。」

（引７－イ）

「【００８２】対象となる診断毎にＣＡＤアルゴリズムが決められていて、検査部位名毎にアルゴリズムが選択されて実行されるので、処理ができないものに対しても処理が適用された場合に、かえって誤診の原因になる診断支援情報を提供することを防ぐことができる。さらに、画像の属性としてモダリティ名、検査部位名、撮影方向等を有し、それらが処理の対象の属性と一致した時に、アルゴリズムの実行を開始するので、不適切なアルゴリズムを適用することがない。」

オ 引用文献８に記載された事項

原査定の拒絶の理由において引用された文献である特開２００３－２７１９２４号公報（以下「引用文献８」という。）には、次の事項が記載されている。

（引８－ア）

「【００２７】例えば、本発明に係る医療画像処理システムによりＸ線ＣＴによる肺癌の自動診断を行った場合について説明する。被験者をＸ線ＣＴ装置で撮影し、肺のスライス画像を取得する。そして、本発明に係る医療画像処理システムにそのスライス画像をＸ線ＣＴ装置のデータ形式で取り込み、この取り込んだ医療画像データに対して肺癌診断や治療で使用することを目的とした医療画像処理を施す。医師は、医療画像処理システムに予め備えられているテンプレートを選択することで、医療画像処理を自動的に組み立てることができる。まず、医師が肺癌のスクリーニングというテンプレートを選択すると、医療画像処理システムでは、Ｘ線ＣＴ装置からのスライス画像の取り込むためのプログラム、統一データ形式に変換するためのプログラム、肺（関心臓器）を抽出するためのプログラム、および、抽出した肺を表示するためのプログラム等をテンプレートに従って順次呼び出し、実行する。これらのプログラムは、医療画像処理における基本的な処理であり、診断や治療で使用する目的に関係なく共通化されたプログラムである。さらに、抽出した肺を解析して肺癌の有無を自動診断するために、医師が肺癌の自動診断のテンプレートを選択すると、医療画像処理システムでは、肺癌の病巣を抽出する処理プログラムおよび抽出した病巣を自動診断するプログラム等をライブラリまたはインターネット上のサーバから取り込む。そして、医療画像処理システムでは、病巣を抽出するプログラム、抽出した病巣を自動診断するプログラムおよび診断結果を表示するプログラム等をテンプレートに従って順次呼び出し、実行する。この肺癌の自動診断のテンプレートは、医療画像処理システムに予め備えられている標準的な組み合せのテンプレートを使用することもできるし、あるいは、診断や治療の目的に応じて組み替えることもできる。さらに、抽出した病巣を立体的に人工造形するテンプレートを追加して、その後の手術計画や手術のリハーサルを立てることもできる。なお、この医療画像処理システムは、肝臓癌や乳癌等の他の関心臓器や症例に対しても、医師が行いたい診断や治療の目的に応じたテンプレートが選択されると、その目的に応じた専用の処理モジュールをプラグインして実行するので、医療画像を様々な症例や関心領域に対する診断または／および治療に役立てることができる。」

カ 引用文献９に記載された事項

原査定の拒絶の理由において引用された文献である特開２０１６－１８９８１２号公報（以下「引用文献９」という。）には、次の事項が記載されている。

（引９－ア）

「【００６６】

図７に示すように、内視鏡検査支援画面１０２は、現在画像表示領域１０２ａ、撮影部位表示領域１０２ｂ、過去画像表示領域１０２ｃが設けられている。現在画像表示領域１０２ａには、現在画像４９と、現在画像４９を撮影中の患者の患者識別情報や、現在画像４９の撮影日時情報が表示される。撮影部位表示領域１０２ｂには、撮影部位特定部９８によって特定された現在画像４９の撮影部位が表示される。さらに、現在画像４９の取得時点における挿入量情報も表示される。

【００６７】

内視鏡検査支援画面１０２においては、動画の撮影中は、現在画像４９が順次更新される。撮影部位情報及び撮影部位の特定に使用された過去画像５０は、撮影部位特定処理の実行間隔で更新される。静止画が撮影されて、現在画像４９が静止画になった場合には、動画の表示中に挿入表示される。

【００６８】

また、本実施形態では、特定された撮影部位を文字情報として表示することに加え、人体を模したシェーマ画像１０６に円形の指標１０８を付すことにより、特定された撮影部位を画像情報としても表示している。」

（引９－イ）

「図７

［図：0001404427000003.jpg］

」

キ 引用文献１０に記載された事項

原査定の拒絶の理由において引用された文献である特開２００４－１１３６２９号公報（以下「引用文献１０」という。）には、次の事項が記載されている。

（引１０－ア）

「【００２６】

再び、図１の説明に戻る。超音波画像生成部１０で生成された超音波画像と、模式図データ生成部１１で生成された模式図データとを画像合成部１２にて合成し、表示部３で超音波画像と超音波を走査する位置に対応した模式図が同一画面に表示される。

【００２７】

画面表示例を図３に示す。図３は、左側に超音波画像、右側に模式図を表示した例を示す。図３に示すの模式図のように、機械走査型超音波内視鏡１の走査面と挿入形状をあわせて表示してもよく、走査面のみの表示でもよく、走査面がない模式図のみの表示でもよい。

【００２８】

図３の右側の模式図には、シェーマ画像もしくは、被検者のＣＴ画像もしくは、ＭＲＩ画像もしくは、凍結死体から得られる人体の実際の光学画像でもよい。」

（引１０－イ）

「図３

［図：0001404427000004.jpg］

」

ク 周知例１～４に記載された事項と周知技術の認定

（ア）周知例１（国際公開第２０１７／１７５２８２号）

原査定の拒絶の理由において引用された文献であり、本願の優先日前に日本国内又は外国において、頒布された又は電気通信回線を通じて公衆に利用可能となった周知例１には、次の記載が存在する。

「[0074] （実施の形態２）

次に、本発明の実施の形態２について説明する。本実施の形態２は、上述した実施の形態１と同様の構成を有し、画像認識装置が実行する学習処理が異なる。具体的には、本実施の形態１では、カプセル型内視鏡画像群に対する画像分類を説明していたが、本実施の形態２では、病変部等の病変部の概略位置および大きさに関する情報も学習する。なお、上述した実施の形態１と同一の構成には同一の符号を付して説明を省略する。」

「[0075] 〔学習処理〕

図１０は、本実施の形態２に係る画像認識装置４が実行する学習処理の概要を示すフローチャートである。なお、図１０においては、ＣＮＮ５０のタイプをＦａｓｔｅｒ Ｒ－ＣＮＮ（以下、「Ｒ－ＣＮＮ５０」という）の例として説明する。また、図１０においては、Ｒ－ＣＮＮ５０のネットワークを上述した実施の形態１において説明した全結合層５０３に代えて、物体が存在する矩形領域（Bounding Box）の位置および大きさ（矩形の４頂点）を学習して回帰および分類するネットワークを設定した場合について説明する。さらに、図１０においては、画像上でなく、Ｒ－ＣＮＮ５０のコンボリーション層とプーリング層との最終層の出力上において、矩形領域をスライドさせる代わりに、Ｆｕｌｌｙ－ＣＮＮとして実現する。

・・・

[0077] 続いて、制御部４５は、取得部４１を介して消化器内視鏡画像データベース２から消化器内視鏡によるポリープ画像および正常画像をＲ－ＣＮＮ５０に入力する。」

「

［図：0001404427000005.jpg］

」

（イ）周知例２（国際公開第２０１７／２０３５６０号）

原査定の拒絶の理由において引用された文献であり、本願の優先日前に日本国内又は外国において、頒布された又は電気通信回線を通じて公衆に利用可能となった周知例２には、次の記載が存在する。

「[0026]

なお、検出部３４は、観察画像Ｇ１から病変候補領域Ｌを検出するための処理を行う限りにおいては、特徴量算出部３４ａ及び病変候補検出部３４ｂを有して構成されていなくてもよい。具体的には、検出部３４は、例えば、ディープラーニング等の学習手法を用いてポリープ画像を識別可能な機能を予め取得した画像識別器を観察画像Ｇ１に対して適用する処理を行うことにより、当該観察画像Ｇ１から病変候補領域Ｌを検出するように構成されていてもよい。」

（ウ）周知例３（特開２０１５－１５４９１８号公報）

原査定の拒絶の理由において引用された文献であり、本願の優先日前に日本国内又は外国において、頒布された又は電気通信回線を通じて公衆に利用可能となった周知例３には、次の記載が存在する。

「【００２９】

病変候補の検出は、映像内で自動で病変候補を見つけるための多様なアルゴリズムを利用する技法を通じて行われる。例えば、ハールフィーチャー検出技法、デフォーマブルパートモデル、ディープラーニングなどの技法を利用できる。

【００３０】

解剖学的客体の検出は、映像から複数の解剖学的客体のそれぞれを個別的に検出することで行われる。この場合、ＣＤＢＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）のようなさまざまなディープラーニング技法のうち１つを利用できる。また、皮膚を検出する皮膚検出器、脂肪を検出する脂肪検出器、線組織を検出する線組織検出器、筋肉を検出する筋肉検出器のように、それぞれの解剖学的客体に対して別途の検出器を採用することもできる。」

「【００４２】

病変候補検出器３３は、医療映像を分析して病変候補の存否、及び存在する病変候補の位置を検出するコンポーネントである。病変候補検出器３３は、病変候補の検出のために、例えば、ハールフィーチャー検出、デフォーマブルパートモデル、及び／またはディープラーニングのような技法を利用できる。検出された病変候補のそれぞれに、病変候補検出器３３によって信頼度を表わす値又はスコア（ｓｃｏｒｅ）を対応させうる。この信頼度値は、それぞれの病変候補が実際に病変であると判断される可能性を数値で表わしたものである。」

（エ）周知例４（特開２０１１－２１２０９４号公報）

原査定の拒絶の理由において引用された文献であり、本願の優先日前に日本国内又は外国において、頒布された又は電気通信回線を通じて公衆に利用可能となった周知例４には、次の記載が存在する。

「【００４９】

本明細書の実施形態における全ての病変抽出部は、機械学習により構築されたものである。以下に、追加診断用病変抽出部の構築方法を説明する。本実施形態による病変抽出部は、アダブースティングアルゴリズム（Adaboosting Algorithm）を用いて、病変の領域が既知である病変を含む複数の正のサンプル画像および病変を含まないことが既知である複数の負のサンプル画像における各画素の特徴量を予め機械学習することにより、その各画素が病変を示す画素であるかどうかを評価する評価関数Ｆを取得したものである。特徴量は、各サンプル画像からランダムに選んだ複数の画素の特徴量を用いるものとする。病変抽出部は、取得された評価関数Ｆによって、任意の医用画像中の各画素が病変を示す画素であるかどうかを評価することにより、病変を抽出することができる。

【００５０】

また、原発病巣の病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として原発病巣の病変を含む複数のサンプル画像を用い、原発病巣の病変を抽出するために適した機械学習を行って構築されたものとする。さらに、追加診断用病変抽出部のうち、再発した病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として再発した病変を含む複数のサンプル画像を用い、再発した病変の抽出に適した機械学習により構築されたものとする。同様に、転移した病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として転移した病変を含む複数のサンプル画像を用い、再発した病変の抽出に適した機械学習により構築されたものとする。

【００５１】

本実施形態に限られず、機械学習の手法としては、種々の方法が適用でき、他にも、例えば、ニューラルネットワーク、サポートベクタマシン、最近傍識別器等の手法を適用してもよい。」

（オ）周知技術の認定

前記（ア）において周知例１の摘記した記載中にある「Ｆａｓｔｅｒ Ｒ－ＣＮＮ」は、コンボリューショナルニューラルネットワークの一種であり、コンボリューショナルニューラルネットワークは、ディープラーニングの一種である。また、前記（イ）～（ウ）において周知例２及び３の摘記した記載では、「ディープラーニング」を用いることが記載されている。ディープラーニングは、機械学習の一種であることは技術常識である。

また、周知例１の摘記した記載および図面では、Ｒ－ＣＮＮ５０に「ポリープ画像および正常画像」を入力して、Ｒ－ＣＮＮの重みを更新、詰まり学習させているから、「ポリープ画像および正常画像」は、機械学習におけるサンプル画像として用いられている。周知例２、３においても、「ディープラーニング等の学習手法を用いてポリープ画像を識別可能な機能を予め取得」させており（周知例２）、また、「病変候補検出器３３は、病変候補の検出のために、・・・ディープラーニングのような技法を利用」するものであり（周知例３）、ディープラーニングのような機械学習において、学習段階において、正解データとなるサンプル画像を複数学習させることは技術常識であるから、周知例２における「画像識別器」および周知例３における「病変候補検出器」が、識別対象となるポリープを含む画像や病変が存在する画像、および、正常画像を複数のサンプル画像として学習させたものであることは自明である。

そうすると、周知例１～４の（ア）～（エ）で摘記した記載で例示されるように、次の技術事項は、周知技術（以下「周知技術」という。）であると認められる。

［周知技術］

「複数のサンプル画像を機械学習させた病変検出部」

（３）対比

ア 引用発明の「被検体１の内部に導入されて通過経路に沿って移動し、被検体内画像を撮像するカプセル型内視鏡２、カプセル型内視鏡２から送信された無線信号を受信し、無線信号に含まれる被検体内画像に関するデータを再構成する受信装置３、カプセル型内視鏡２で撮像した被検体内画像がリアルタイムで表示される携帯電話機の表示部８を備えた被検体内導入システム」について、「カプセル型内視鏡２」が「被検体１の内部に導入されて通過経路に沿って移動し、被検体内画像を撮像」することから、「カプセル型内視鏡２」が被検体内の複数の位置の画像を順次撮影することは自明であるので、引用発明の「被検体１の内部に導入されて通過経路に沿って移動し、被検体内画像を撮像するカプセル型内視鏡２、カプセル型内視鏡２から送信された無線信号を受信し、無線信号に含まれる被検体内画像に関するデータを再構成する受信装置３、カプセル型内視鏡２で撮像した被検体内画像がリアルタイムで表示される携帯電話機の表示部８を備えた被検体内導入システム」は、本件補正発明の「被検者の生体内の複数の位置の画像を順次撮影しリアルタイム表示する医療機器」に相当する。

そして、引用発明の「臓器判定部３４」は、判定に「カプセル型内視鏡２により撮像されて画像処理された被検体内画像データ」を用いるものであるから、引用発明の「受信装置３」が、「カプセル型内視鏡２により撮像されて画像処理された被検体内画像データ」を取得していることは自明であるので、引用発明の「受信装置３」は、本件補正発明の「被検者の生体内の複数の位置の画像を順次撮影しリアルタイム表示する医療機器から前記画像を取得する画像取得部」に相当する構成を実質的に備えていると認められる。

イ 本件補正発明の「位置情報取得部」について、引用発明において、「臓器判定部３４は、カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき撮像臓器の変化をリアルタイムで判定するもの」であり、撮像臓器の変化したことを判定するためには、撮像臓器が特定されることが前提となるものであるから、「臓器判定部３４」は、実質的に被検体内画像データに写っている臓器がどの臓器であるかを特定するものである。そして、本願の発明の詳細な説明の段落００５７には、「画像の体腔内の位置を示す位置情報Ｉとして、直腸、Ｓ状結腸、下行結腸、横行結腸、上行結腸、盲腸、回腸、及び空腸等が入力される。」と記載されていることから、本件補正発明における「位置情報」は、「臓器」であってもよいと解することができる。そうすると、引用発明の「カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき撮像臓器の変化をリアルタイムで判定する」「臓器判定部３４」は、本件補正発明の「前記取得した画像の前記生体内の位置を示す位置情報を取得する位置情報取得部」に相当する。

ウ 引用発明における「病変箇所（出血、褪色、形状異常等）」は、病変箇所判定部３５により判定された箇所であることから、本件補正発明の「注目領域」に相当する。また、引用発明における「被検体内画像データ」は、本件補正発明の「入力画像」に相当する。そうすると、引用発明の「カプセル型内視鏡２により撮像されて画像処理された被検体内画像データに基づき病変箇所（出血、褪色、形状異常等）の有無をリアルタイムで判定する」「病変箇所判定部３５」は、本件補正発明の「入力画像から注目領域を検出する注目領域検出部」に相当するものである。

エ 引用発明の「制御部２８」は、「臓器判定部３４と病変箇所判定部３５を備える」ものであるから、「病変箇所判定部３５」は「制御部２８」の制御下にあると認められるので、引用発明の「病変箇所判定部３５」を制御する「制御部２８」は、本件補正発明の「注目領域検出部によって前記取得した画像から注目領域を検出させる制御部」に相当する。

オ 本件補正発明の「医療画像処理装置」について、本願の発明の詳細な説明の段落００３０に「図１は、第１の実施形態に係る内視鏡システム１０（医療機器の一例）を示す外観図である。図１に示すように、内視鏡システム１０は、内視鏡１２、光源装置１４、プロセッサ装置１６、表示部１８、及び入力部２０を備えている。」と記載されるように「医療機器の一例」とされる「内視鏡システム１０」は「プロセッサ装置１６」を構成要素としており、段落００４８には、「また、図２に示すように、プロセッサ装置１６は、撮影制御部４０、画像処理部４２、画像取得部４４、病変領域検出部４６、位置情報取得部４８、選択部５２、病変領域検出制御部５４、表示制御部５８、記憶制御部６０、及び記憶部６２を備えている。」と記載されるとともに、段落００６０には「なお、画像取得部４４、病変領域検出部４６、位置情報取得部４８、選択部５２、及び病変領域検出制御部５４によって、医療画像処理装置５６が構成される。」と記載されていることから、発明の詳細な説明で開示されている実施形態においては、本件補正発明の「医療画像処理装置」は、「医療機器」の構成部材である「プロセッサ装置１６」に内蔵されるものであるから、本件補正発明の「医療画像処理装置」には、「医療画像処理装置」が実質的に「医療機器」の一部を構成するものを含むと解される。

そして、引用発明は、「受信装置３」が、「臓器判定部３４と病変箇所判定部３５を備える制御部２８」を備えるものであって、且つ、「被検体内導入システム」の構成要素であることから、引用発明の「制御部２８」を含む「受信装置」の一部分が、本件補正発明の「医療画像処理装置」に対応するものである。

以上によれば、本件補正発明と引用発明との一致点及び相違点は、次のとおりである。

一致点：

「被検者の生体内の複数の位置の画像を順次撮影しリアルタイム表示する医療機器から前記画像を取得する画像取得部と、

前記取得した画像の前記生体内の位置を示す位置情報を取得する位置情報取得部と、

入力画像から注目領域を検出する注目領域検出部と、

注目領域検出部によって前記取得した画像から注目領域を検出させる制御部と、

を備える医療画像処理装置」。

相違点：

（相違点１）本件補正発明は、「前記医療機器にシェーマ図を表示させ、前記シェーマ図の前記取得した位置情報が示す位置に図形を表示させる表示制御部」を備えているのに対して、引用発明は、シェーマ図を表示させる表示制御部を備えておらず、医療機器がシェーマ図を表示するものであるのか否かが不明である点。

（相違点２）「注目領域検出部」に関して、本件補正発明は、「生体内の複数の位置にそれぞれ対応した複数」の「注目領域検出部」を備えているのに対して、引用発明は、生体内の複数の位置にそれぞれ対応した複数の「病変箇所判定部３５」（注目領域検出部）を備えていない点。

（相違点３）相違点２と関連して、本件補正発明は、「前記複数の注目領域検出部から前記位置情報が示す位置に対応した注目領域検出部を選択する選択部」を備えているのに対して、引用発明は、そのような選択部を備えていない点。

（相違点４）相違点２と関連して、本件補正発明は、「前記複数の注目領域検出部は、複数の学習済みモデルであり、

前記複数の学習済みモデルは、それぞれ異なるデータセットを用いて学習したモデルであり、

前記複数の学習済みモデルは、それぞれ生体内の異なる位置を撮影した画像からなるデータセットを用いて学習したモデルである」のに対して、引用発明の「病変箇所判定部３５」（注目領域検出部）は、判定をどのようにして行うのかが不明である点。

（４）判断

ア 相違点の検討

（ア）相違点１について

２（２）カで摘記したように引用文献９には、内視鏡検査支援画面の撮影部位表示領域に、撮像部位特定部によって特定された現在画像に撮像部位を、人体を模したシェーマ画像に円形の指標を付すことにより表示することが記載されており、２（２）キで摘記したように引用文献１０にも、超音波画像と超音波を走査する位置に対応した模式図が同一画面に表示することと、該模式図に機械走査型超音波内視鏡の走査面と挿入形状をあわせて表示することと模式図にシェーマ画像を用いることが記載されている。

カプセル内視鏡による検査は、カプセル内視鏡が消化管内を順に移動し、複数の臓器にわたって撮像を行う検査であるから、検査画像がどの臓器の画像であるかを把握することが重要であり、このことは、当業者にとって自明であり、引用発明においても、「臓器判定部３４」を具備していることからも、この重要性が把握できる。そのため、引用発明において、検査画像がどの臓器の画像であるかを検査者が把握することができるように、内視鏡に関する引用文献９記載された上記技術手段を適用して、本件補正発明の上記相違点１に係る構成を具備させることは当業者が容易に想到しうることである。また、内視鏡の撮像画像も超音波画像と同様に、Ｘ線撮影画像やＭＲＩ画像などと異なり、画像そのものから撮像部位をすぐに把握することが難しいものであることは当業者にとって自明であるから、引用文献１０に記載の上記技術手段を引用発明に適用して、本件補正発明の上記相違点１に係る構成を具備させることも当業者が容易に想到しうることである。

（イ）相違点２、３について

２（２）イで摘記したように引用文献５には、所定部位毎の画像データを解析するための複数の解析プログラムを記憶しておき、特定された所定部位に対応する解析プログラムを読み出し、読み出された画像データに対して当該解析プログラムによる解析処理を行い、病変部位（病変候補部位。たとえば出血部位）を抽出することが記載されている。また、医療画像解析に際して、検査部位毎に解析アプリケーションを用いること（２（２）ウで摘記した引用文献６の記載）、検査部位毎にＣＡＤアルゴリズムを選択して実行すること（２（２）エで摘記した引用文献７の記載）、関心臓器など診断の目的に応じたテンプレートを選択し、その目的に応じた専用の処理モジュールをプラグインして実行すること（２（２）オで摘記した引用文献８の記載）が引用文献６～８にそれぞれ記載されており、引用文献６、７の「検査部位」や引用文献８の「関心臓器」は、撮影対象となる部位であるから「撮像位置」であって、引用文献６の「解析アプリケーション」、引用文献７の「ＣＡＤアルゴリズム」、引用文献８の「専用の処理モジュール」は、医療画像を解析して検査部位の診断支援を行うためのものである。そうすると、撮像位置に応じた解析プログラムを選択して実行することは、医療画像解析において一般的な技術であることが把握でき、撮像部位に応じた解析プログラムであれば、撮像部位に特化していない汎用的な解析プログラムに比べて精度よい解析が行えることは当業者であれば当然予想しうることである。

複数の臓器にわたって撮影を行う内視鏡検査において、臓器により画像の特徴が異なることは技術常識であるから、引用発明においても、部位に応じた精度のよい解析が行えるように、所定部位に対応する解析プログラムを呼び出して解析処理を行う引用文献５に記載の上記技術手段を適用して、病変箇所判定部３５を、撮像部位毎に複数具備させ、撮像した部位に応じて選択するように変更して、本件補正発明の相違点２、３に係る各構成を具備させることは当業者が容易に想到しうることである。

（ウ）相違点４について

２（２）ク（オ）のとおり「複数のサンプル画像を機械学習させた病変検出部」は周知技術であるから、本件出願前に機械学習により精度よく病変を検出しようとする課題も、周知であったと認められる。また、サンプル画像を用いて機械学習させるに際して、サンプル画像として、病変検出部が検出対象とする病変検出部位の病変画像及び正常画像を用いることは、検出精度を確保するために自明な事項であり、病変検出部位以外の画像が学習に適していないことは技術常識である。

そうすると、引用発明において、病変箇所判定部３５の判定精度を向上させるために、上記周知技術を採用して、病変箇所判定部３５（注目領域検出部）を学習済みモデルとすることは当業者が容易に想到しうることであり、その際、上記（イ）で相違点２、３について検討したように、病変箇所判定部を撮像した部位に対応するように複数具備させる場合には、部位毎に、各部位に対応したサンプル画像（つまり、部位毎に異なるサンプル画像）を学習させることは、当業者であれば当然なし得る事項にすぎないので、本件補正発明の相違点４に係る構成を具備させることとなる。

イ 本件補正発明の効果

本件補正発明の効果は、引用文献１、５～１０及び周知技術から当業者が十分予想しうる範囲内である。

エ まとめ

したがって、本件補正発明は、引用発明、引用文献５～１０の記載事項及び上記周知技術に基づいて当業者が容易に発明をすることができたものであるから、特許出願の際独立して特許を受けることができない。

３ 補正の適否のむすび

上記２のとおり、本件補正発明は、特許出願の際独立して特許を受けることができず、本件補正は、特許法１７条の２第６項において準用する同法１２６条７項の規定に違反するので、同法１５９条１項の規定において読み替えて準用する同法５３条１項の規定により却下すべきものである。

よって、上記補正の却下の決定の結論のとおり決定する。

第３ 本願発明について

１ 本願発明

令和４年１１月１５日にされた手続補正は、上記のとおり却下されたので、本願の請求項に係る発明は、同年４月１４日にされた手続補正により補正された特許請求の範囲の請求項１～１３に記載された事項により特定されるものであるところ、その請求項１に係る発明（以下「本願発明」という。）は、その請求項１に記載された事項により特定される、前記第２［理由］１（２）に記載のとおりのものである。

２ 原査定の拒絶の理由

原査定の拒絶の理由は、概略、次の理由を含んでいる。

（進歩性）この出願の請求項１に係る発明は、その出願前に日本国内又は外国において、頒布された下記の刊行物に記載された発明又は電気通信回線を通じて公衆に利用可能となった発明に基いて、その出願前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができない。

＜引用文献等一覧＞

１．特開２００７－１５１８０９号公報

５．特開２０１２－２４９９５６号公報

６．国際公開第２０１０／１１３４７９号

７．特開平５－１２３５２号公報

８．特開２００３－２７１９２４号公報

９．特開２０１６－１８９８１２号公報

１０．特開２００４－１１３６２９号公報

１１．国際公開第２０１７／１７５２８２号（周知技術を示す文献）

１２．国際公開第２０１７／２０３５６０号（周知技術を示す文献）

１３．特開２０１５－１５４９１８号公報（周知技術を示す文献）

１４．特開２０１１－２１２０９４号公報（周知技術を示す文献）

３ 引用文献

原査定の拒絶の理由で引用された引用文献１、５～１４の記載事項は、前記第２の［理由］２（２）ア～クに記載したとおりである。

４ 対比・判断

本願発明は、前記第２の［理由］２で検討した本件補正発明から、「複数の学習済みモデル」が「前記複数の学習済みモデルは、それぞれ異なるデータセットを用いて学習したモデルであり、

前記複数の学習済みモデルは、それぞれ生体内の異なる位置を撮影した画像からなるデータセットを用いて学習したモデルである」ことに係る限定事項を削除したものである。

本件補正発明については、前記第２の［理由］２（３）及び（４）に記載したとおり、引用発明、引用文献５～１０の記載事項及び上記周知技術に基づいて、当業者が容易に発明をすることができたものであるから、本願発明も、引用発明、引用文献５～１０の記載事項及び上記周知技術に基づいて、当業者が容易に発明をすることができたものである。

第４ むすび

以上のとおり、本願発明は、原査定の拒絶の理由で引用された引用文献１に記載された発明及び引用文献５～１０に記載事項及び周知技術に基づいて当業者が容易に発明をすることができたものであるから、特許法２９条２項の規定により特許を受けることができない。

したがって、他の請求項に係る発明について審理するまでもなく、本願は拒絶すべきものである。

よって、結論のとおり審決する。