2022-800086

上記当事者間の特許第６６５６６３３号発明「生体信号が表す情報を識別するためのシステム」の特許無効審判事件について、次のとおり審決する。

結 論 特許第６６５６６３３号の特許請求の範囲を訂正請求書に添付された訂正特許請求の範囲のとおり、訂正後の請求項〔１－１４〕について訂正することを認める。 本件審判の請求は、成り立たない。 審判費用は、請求人の負担とする。

理 由 第１ 手続の経緯 本件特許第６６５６６３３号は、２０１８年（平成３０年）１１月３０日（優先権主張 平成２９年１１月３０日 日本国）を国際出願日とする出願であって、令和２年２月７日に設定登録されたものである。 また、本件無効審判に係る手続の経緯は、以下のとおりである。 令和 ４年１１月１１日 審判請求書提出（請求項１、２に対して） 令和 ５年 ２月 ２日 審判請求書の手続補正書提出 令和 ５年 ６月 ２日 審判事件答弁書提出 令和 ５年 ９月２６日付け 審理事項通知 令和 ５年１０月１６日 口頭審理陳述要領書（請求人）提出 令和 ５年１０月３０日 口頭審理陳述要領書（被請求人）提出 令和 ５年１１月 ９日付け 審理事項通知 令和 ５年１２月 ４日 口頭審理陳述要領書（被請求人）提出 令和 ５年１２月 ８日 口頭審理陳述要領書（請求人）提出 令和 ５年１２月１３日 口頭審理 令和 ６年 １月１５日 上申書（請求人）提出 令和 ６年 １月１５日 上申書（被請求人）提出 令和 ６年 ４月 ３日付け 審決の予告 令和 ６年 ６月 ７日 訂正請求書提出 令和 ６年１１月 ７日 上申書（被請求人）提出 令和 ６年１２月２０日 弁駁書（請求人）提出 第２ 訂正請求について １ 訂正の内容 被請求人により請求された訂正（以下「本件訂正」という。）の内容は、本件特許の特許請求の範囲を、令和 ６年 ６月 ７日提出の訂正請求書に添付した訂正特許請求の範囲のとおり、訂正後の請求項１～１４について訂正するものである。具体的な内容は以下のとおりである（下線は、訂正箇所を示す。）。 （１）訂正事項１ 特許請求の範囲の請求項１に、 「生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段と、 前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備える、システム。」とあるのを、 「生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段と、 前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備え、前記第２の決定手段は、 前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、前記演算が行われる類似度の各々は、０～１の範囲の値を有する、ことと、 前記演算値に基づいて、前記生体信号が表す情報を決定することと を行う、システム。」と訂正する。 また、請求項１の記載を引用する請求項８～１４も同様に訂正する。 （２）訂正事項２ 特許請求の範囲の請求項２に、 「前記第２の決定手段は、 前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することと、 前記演算値に基づいて、前記生体信号が表す情報を決定することと を行う、請求項１に記載のシステム。」とあるのを、 「生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段と、 前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備え、 前記第２の決定手段は、 前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することであって、前記所定期間の終点は、前記記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトルが記憶されると、前記後続の新たな出力ベクトルが演算値を算出するために用いられ、前記後続の新たな出力ベクトルが記憶される前の前記所定期間の始点の前記出力ベクトルは前記演算値を算出するために用いられない、ことと、 前記演算値に基づいて、前記生体信号が表す情報を決定することと を行う、システム。」と訂正する。 また、請求項２の記載を引用する請求項３～１４も同様に訂正する。 ２ 訂正の適否 （１）訂正事項１について ア 訂正の目的 訂正事項１は，訂正前の請求項１記載の「第２の決定手段」について、「前記第２の決定手段は、前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、前記演算が行われる類似度の各々は、０～１の範囲の値を有する、ことと、前記演算値に基づいて、前記生体信号が表す情報を決定することとを行う」ことを限定するものである。 よって、訂正事項１は、特許法第１３４条の２第１項ただし書第１号に規定する特許請求の範囲の減縮を目的とするものである。 イ 新規事項の追加及び特許請求の範囲の拡張又は変更 訂正事項１の「前記第２の決定手段は、前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、・・・前記演算値に基づいて、前記生体信号が表す情報を決定することとを行う」点については、願書に添付した明細書の段落【００６２】の「第２の決定手段２２３は、例えば、所定期間内の複数の類似度に基づいて、複数の教示データごとに演算値を算出しし、その演算値に基づいて、生体信号が表す情報を決定するようにしてもよい。」の記載に基づくものである。 また、「前記演算が行われる類似度の各々は、０～１の範囲の値を有する」点については、願書に添付した明細書の段落【００４４】の「実際は、出力層の１つ以上のノードが０～１の範囲の値を出力することになる。出力層の各ノードの値は、入力された特徴データと、それぞれのノードが関連付けられた動作に対応するそれぞれの教示データとの類似度に相当する。」の記載に基づくものである。 よって、訂正事項１は願書に添付した明細書、特許請求の範囲又は図面（以下「本件明細書等」という。）に記載された事項の範囲内であり、特許法第１３４条の２第９項で準用する同法第１２６条第５項に適合する。 さらに、訂正事項１は、上記のとおりであるから、実質上特許請求の範囲を拡張し、又は変更するものではなく、特許法第１３４条の２第９項で準用する同法第１２６条第６項の規定に適合する。 （２）訂正事項２について ア 訂正の目的 訂正事項２は、訂正前の請求項１を引用する請求項２の記載を、当該請求項１記載を引用しないものに改めると共に、訂正前の「前記第２の決定手段は、前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することと、・・・を行う」の記載を、「前記第２の決定手段は、前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することであって、前記所定時間の終点は、前記記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトルが記憶されると，前記後続の新たな出力ベクトルが演算値を算出するために用いられ、前記後続の新たな出力ベクトルが記憶される前の前記所定期間の始点の前記出力ベクトルは前記演算値を算出するために用いられない、ことと、・・・を行う」と改め、第２の決定手段における演算値の算出について具体的に限定するものである。 よって、訂正事項２は、特許法第１３４条の２第１項ただし書第４号に規定する、他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすることを目的とするもの及び同項ただし書第１号に規定する、特許請求の範囲の減縮を目的とするものである。 イ 新規事項の追加及び特許請求の範囲の拡張又は変更 願書に添付した明細書の段落【００６８】～【００７９】及び図６Ａ～Ｃには次の記載がある（下線は当審で付与。）。 「【００６８】 ここで、一例として、使用者が、教示データ０～９に対応する動作のうちの教示データ５に対応する動作を行った場合のシステム１０の処理について、図６Ａ～図６Ｃを参照して説明する。使用者は、時刻１から時刻５まで教示データ５に対応する動作を行っているものとする。ここでは、時刻５における処理を説明する。各時刻の間隔は、２０ｍｓであり、所定期間は１００ｍｓであるとする。メモリ部２３０のバッファには、図６Ａに示されるように、時刻１～時刻４の出力ベクトルがすでに記憶されているとする。 【００６９】 ステップＳ５０１において、生体信号検出手段１００の検出部１１０が、使用者が行った動作に由来する生体信号を検出する。 【００７０】 ステップＳ５０２において、コンピュータ装置２００のプロセッサ部２２０の解析手段２２１が、検出された生体信号を解析して特徴データを出力する。 【００７１】 ステップＳ５０３において、コンピュータ装置２００のプロセッサ部２２０の第１の決定手段２２２が、ステップＳ５０２で出力された特徴データと、教示データ０～９のうちの各々との類似度を決定する。ステップＳ５０２で出力された特徴データをニューラルネットワーク３００に入力すると、出力として、教示データ０～９のうちの各々との類似度（０．０、０．９、０．２、０．０、０．０、０．７、０．０、０．０、０．０、０．０）が得られた。 【００７２】 ステップＳ５０４において、コンピュータ装置２００のメモリ部２３０のバッファが、ステップＳ５０３で決定された類似度を時系列に記憶する。メモリ部２３０のバッファは、図６Ｂに示されるように、時刻１～時刻５の出力ベクトルを時刻ごとに時系列に記憶することになる。 【００７３】 ステップＳ５０５において、コンピュータ装置２００のプロセッサ部２２０の第２の決定手段２２３が、バッファに記憶された時系列の類似度における所定期間内の複数の類似度に基づいて、使用者が行った動作に由来する生体信号が表す動作を決定する。まず、第２の決定手段２２３は、図６Ｂに示されるように、所定期間に相当する時刻１～時刻５の類似度を教示データごとに合計することにより、合計値を得る。次いで、第２の決定手段２２３は、最も高い合計値に対応する「５」の教示データが示す動作を、時刻５で検出された生体信号が表す動作として決定する。代替として、所定の閾値を２．５とした場合、第２の決定手段２２３は、所定の閾値を超える合計値に対応する「５」の教示データが示す動作を、時刻５で検出された生体信号が表す動作として決定する。このようにして、本発明のシステム１０は、使用者が行った動作を適切に識別することが可能である。 【００７４】 例えば、ステップＳ５０３で得られた類似度から直接、生体信号が表す動作を識別しようとすると、最も高い類似度に対応する教示データは教示データ「１」であることから、教示データ「１」に対応する動作であると誤って識別してしまう。これに対し、本発明のシステム１０は、バッファに記憶された時系列の類似度における所定期間内の複数の類似度に基づいて、生体信号が表す動作を決定するため、極めて高精度で生体信号が表す動作を識別することが可能である。 【００７５】 使用者が時刻６で教示データ５に対応する動作を行った場合の処理も同様である。 【００７６】 ステップＳ５０１において、生体信号検出手段１００の検出部１１０が、使用者が行った動作に由来する生体信号を検出し、ステップＳ５０２において、コンピュータ装置２００のプロセッサ部２２０の解析手段２２１が、検出された生体信号を解析して特徴データを出力し、ステップＳ５０３において、コンピュータ装置２００のプロセッサ部２２０の第１の決定手段２２２が、ステップＳ５０２で出力された特徴データと、教示データ０～９のうちの各々との類似度を決定する。ステップＳ５０２で出力された特徴データをニューラルネットワーク３００に入力すると、出力として、教示データ０～９のうちの各々との類似度（０．０、０．０、０．２、０．０、０．０、０．７、０．９、０．０、０．０、０．０）が得られた。 【００７７】 ステップＳ５０４において、コンピュータ装置２００のメモリ部２３０のバッファが、ステップＳ５０３で決定された類似度を時系列に記憶する。メモリ部２３０のバッファは、図６Ｃに示されるように、時刻１～時刻６の出力ベクトルを時刻ごとに時系列に記憶することになる。 【００７８】 ステップＳ５０５において、コンピュータ装置２００のプロセッサ部２２０の第２の決定手段２２３が、バッファに記憶された時系列の類似度における所定期間内の複数の類似度に基づいて、使用者が行った動作に由来する生体信号が表す動作を決定する。まず、第２の決定手段２２３は、図６Ｃに示されるように、所定期間に相当する時刻２～時刻６の類似度を教示データごとに合計することにより、合計値を得る。次いで、第２の決定手段２２３は、最も高い合計値に対応する「５」の教示データを抽出し、抽出された「５」の教示データが示す動作を、時刻５で検出された生体信号が表す動作として決定する。代替として、所定の閾値を２．５とした場合、第２の決定手段２２３は、所定の閾値を超える合計値に対応する「５」の教示データが示す動作を、時刻５で検出された生体信号が表す動作として決定する。このようにして、本発明のシステム１０は、使用者が行った動作を適切に識別することが可能である。」 「【図６Ａ】 ［図：0001426158000001.jpg］ 」 「【図６Ｂ】 ［図：0001426158000002.jpg］ 」 「【図６Ｃ】 ［図：0001426158000003.jpg］ 」 上記記載からすれば、本件明細書等には、第２の決定手段は、所定期間内の複数の出力ベクトルに基づいて前記複数の教示データ（教示データ０～９）ごとに演算値を算出することであって、所定の終点は、記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトル（時刻６でのベクトル）が記憶されると，前記後続の新たな出力ベクトル（時刻６でのベクトル）が演算値を算出するために用いられ、前記後続の新たな出力ベクトル（時刻６でのベクトル）が記憶される前の前記所定期間の始点の出力ベクトル（時刻１でのベクトル）は前記演算値を算出するために用いられないことが記載されている。 よって、訂正事項２は、本件明細書等に記載された事項の範囲内であり、特許法第１３４条の２第９項で準用する同法第１２６条第５項に適合する。 さらに、訂正事項２は、上記のとおりであるから、実質上特許請求の範囲を拡張し、又は変更するものではなく、特許法第１３４条の２第９項で準用する同法第１２６条第６項の規定に適合する。 （３）独立特許要件について 本件においては、訂正前の請求項１、２について特許無効審判が請求されているので、特許法第１３４条の２第９項で読み替えて準用する同法第１２６条第７項の独立特許要件については、特許無効審判請求がされていない請求項３～１４に記載された発明について検討されるが、後記のように訂正後の請求項１、２に記載された発明は、甲第１号証記載の発明から当業者が容易に発明できたものではないし、甲第２号証に記載された発明ではないから、同様の理由により、これらを引用する請求項３～１４に記載された発明は、甲第１号証記載の発明から当業者が容易に発明できたものではないし、甲第２号証に記載された発明ではない。 また、請求項３～１４に記載された発明には、その他特許出願の際に独立して特許を受けることができないとする理由はない。 よって、訂正後の請求項１、２を引用する請求項３～１４に記載された発明は、特許出願の際に独立して特許を受けることができたものであり、特許法第１３４条の２第９項で読み替えて準用する同法第１２６条第７項の規定に適合する。 （４）小括 以上のとおり、本件訂正は、特許法第１３４条の２第１項ただし書第１号、第４号及び同条第９項で準用する同法第１２６条第５項～第７項の規定に適合するので、これを認める。 第３ 本件特許に係る発明 上記第２のとおり、本件訂正は認められるので、本件特許の請求項１、２に係る発明は、訂正特許請求の範囲の請求項１、２に記載された次のとおりのものである。 以下、請求項１、２に係る発明をそれぞれ「本件発明１」及び「本件発明２」といい、両者をまとめて「本件発明」という。 「【請求項１】 生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段と、 前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備え、前記第２の決定手段は、 前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、前記演算が行われる類似度の各々は、０～１の範囲の値を有する、ことと、 前記演算値に基づいて、前記生体信号が表す情報を決定することと を行う、システム。 【請求項２】 生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段と、 前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備え、 前記第２の決定手段は、 前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することであって、前記所定期間の終点は、前記記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトルが記憶されると、前記後続の新たな出力ベクトルが演算値を算出するために用いられ、前記後続の新たな出力ベクトルが記憶される前の前記所定期間の始点の前記出力ベクトルは前記演算値を算出するために用いられない、ことと、 前記演算値に基づいて、前記生体信号が表す情報を決定することと を行う、システム。」 第４ 請求人の主張及び証拠方法 １ 請求人の主張 請求人の主張は、「特許第６６５６６３３号発明の特許請求の範囲の請求項１及び２に記載された発明についての特許を無効とする。審判費用は被請求人の負担とする、との審決を求める。」ものであって、無効理由の概要は、以下のとおりである。 （１）無効理由１（進歩性の欠如） 本件発明１及び２は、そ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甲第１号証（以下「甲１」という。）に記載された発明に基いて、その優先日前に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ものであり、その特許は同法第１２３条第１項第２号に該当し、無効とすべきものである。 （２）無効理由２（新規性の欠如） 本件発明１は、そ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甲第２号証（以下「甲２」という。）に記載された発明であるから、特許法第２９条第１項第３号の規定により特許を受けることができないものであり、その特許は同法第１２３条第１項第２号に該当し、無効とすべきものである。 ２ 証拠方法 請求人は、証拠方法として以下の甲１及び甲２を提出している。 甲１：特表２０１７－５３２０９３号公報 甲２：国際公開第２０１７／０７３７７０号 なお、当事者間に甲１及び甲２の成立に争いはない。 第５ 被請求人の主張 被請求人の主張は、「本件審判の請求は成り立たない、審判費用は請求人の負担とする、との審決を求める。」ものである。 第６ 当審の判断 １ 甲各号証の記載事項 （１）甲１の記載事項 甲１には、以下の事項が記載されている。 ア「【００７２】 本明細書で使用される場合、「事象関連脱同期化」および「ＥＲＤ」という用語は、運動計画および実行の間に生じる、ＥＥＧ信号（とりわけ）等の脳活動信号における電力の低下を指す。ＥＥＧ信号事象の場合、ＥＲＤは、典型的にアルファ（８～１２Ｈｚ）およびベータ（１３～３０Ｈｚ）帯内で生じるが、ＥＲＤ特徴は、他の周波数または他の周波数範囲でもまた生じ得る。「ＥＲＤ信号」は、測定可能なＥＲＤを呈する信号を指す。 【００７３】 本明細書で使用される場合、「合成ＥＲＤ信号」という用語は、数学的な関数によって定義される、自然発生ＥＲＤを近似する波形を指す。 【００７４】 図１は、ＥＥＧに基づくＢＣＩを使用して、別個のスペクトル（周波数）、時間（ｔｅｍｐｏｒａｌ）（時間（ｔｉｍｅ））、またはＥＲＤ信号の他の特長を検出および分類するための、参照番号１０で全体的に特定される、例示的なシステムの最上位構成要素アーキテクチャ図を示すが、ＥＲＤ信号は、硬膜下および／または硬膜外電極で侵襲的に記録される脳皮質電位（ＥＣｏＧ）等の他の形態でもあり得る。図１～３を参照すると、この場合はＥＥＧ信号の形態であるＥＲＤ信号は、脳の活動を感知するように参加者の頭１３上に位置付けられた、電極アレイ１２を使用して、得られる。参加者の手に着用されたセンサ手袋１４は、神経筋事象の開始を検出するための抵抗センサを含み、この場合は手の運動を生じさせる。表示モニタ１６は、参加者に視覚的キューを提示し、表示モニタ１６上に目立たないように位置付けられた光センサが、視覚的キューを記録して、データ分析の間に実験の段階を特定する。電極アレイ１２に加えて、センサ手袋１４および光センサ１８の両方からの信号は、米国、ノースカロライナ州、Ｎｅｕｒｏｓｃａｎから入手可能な、ＳｙｎＡｍｐｓ ＲＴ ＥＥＧ増幅器等の、増幅器２０を使用して記録され、米国、ノースカロライナ州、Ｎｅｕｒｏｓｃａｎから入手可能な、ＣＵＲＲＹ７取得ソフトウェア等の、少なくとも１つのアプリケーションプログラムを用いる取得コンピュータ２２への出力として、提供される。センサ手袋１４および光センサ１８からの信号は、取得コンピュータ２２への入力としてもまた提供される。信号は、リード線を通して直接的に、または無線伝達信号を通して間接的に、取得コンピュータ２２に提供され得る。ＥＲＤ信号は解釈され、少なくとも１つのアルゴリズムを使用してそこから特定の特長が抽出されて、意図された活動（ＩＡ）に関係する意図された神経筋事象に対応するＥＲＤ表またはデータテンプレートを生成し、例えば腕、脚、手指、および足指等の、体の部分の運動のための筋肉および／または筋肉群の、意図された燃焼を含む。特長は、それらを、合成ＥＲＤ信号を表す関数に対して相関させることによって、分類される。ＥＲＤの主な特徴は、経時的に低下または低減することであり、これは、操作可能に適合する関数は、非直線正接関数等の、経時的に低下または低減するものを含むことを意味する。しかしながら、直線関数を含む他の関数もまた使用され得る。組み合わされたＢＣＩおよびＦＥＳシステム３０において、データテンプレートは、取得コンピュータ２２によってクエリーされて、１つ以上の命令と共に信号出力をＦＥＳシステム３４に発出する、テンプレートデータベース３２内に格納される。（ＦＥＳシステム３４は、他の例示的な実施形態では、とりわけ、ロボットアーム、全肢プロテーゼ、部分肢プロテーゼ、矯正装置等の、動作を行うユーザ装置によって交換され得る。）ＦＥＳ治療の場合、命令は、参加者に、特定された、意図された神経筋事象またはＩＡに基づいて、具体的な動作または効果治療を行わせ得る。」 イ「【００７７】 ８つの電極を有する電極アレイ１２が、図２に示されるように、以下のＥＥＧ部位：Ｃ１、Ｃ２、Ｃ３、Ｃ４、ＣＺ、Ｆ３、Ｆ４、およびＦＺ（電極配置の国際１０～２０システムに従って）で、参加者の頭に配置された。全電極部位、基準（連結された耳たぶ）、および下地（鎖骨）は、米国、コロラド州、オーロラ、Ｗｅａｖｅｒ ａｎｄ Ｃｏｍｐａｎｙから入手可能な、Ｔｅｎ２０（登録商標）Ｃｏｎｄｕｃｔｉｖｅ ＥＥＧ Ｐａｓｔｅでの電極配置の前に、７０％のイソプロピルアルコール、および米国、コロラド州、オーロラ、Ｗｅａｖｅｒ ａｎｄ Ｃｏｍｐａｎｙから入手可能なＮｕｐｒｅｐ（登録商標）Ｓｋｉｎ Ｐｒｅｐ Ｇｅｌで調製された。各ＥＥＧ部位でのインピーダンスが測定され、好ましくは、インピーダンスは１０ｋΩ未満の値を有した。８つのＥＥＧ電極アレイ１２から検出された信号は、高域フィルタを通過し、その後で試料採取された。一実施例では、０．１５Ｈｚの切断周波数および１ｋＨｚの試料採取周波数が選択された。信号分析方法はオフラインで適用され得るため、この試料採取周波数は、時間分解能を促進するように、およびデータ点の数を増加させるように選択された。」 ウ「【００９９】 新しい脳活動信号は、工程１００から１０８を適用することによって分類され得、距離に基づく分類器については、分類するデータについての相関ヒストグラム（工程１０８）と、調査された挙動の１つずつについての相関マトリクスの１つずつとの間の距離（ユークリッドまたは任意の他の好適な定義）が測定され得る。例示的なアプローチは、下記により詳細に記載される。 【０１００】 特定の運動（図１２）と、異なる（特徴付けられていない）運動の個々の試行（図１１）についての、「全部込みの」テンプレート間のユークリッド距離は、２つの運動の間の類似性の測定として使用され得る。例えば、単一の電極部位および相関閾値からのデータを使用して、つまみ把握（把握１）の第１の試行と、非機能性１運動（把握２）の全試行の平均との間の距離は、以下の等式で計算され得る。 【数４】 ［図：0001426158000004.jpg］ ＮＮＦ１＝非機能性１運動が実行された試行の数 （等式４．４） 【０１０１】 式中、 ［図：0001426158000005.jpg］ は、つまみ把握の第１の試行の各要素（Ｇ（ｉ，ｊ，１））と、非機能性１運動の全ての試行の平均との間の距離の数値を含有するマトリクスである。等式４．４は次に、つまみ把握の第１の試行、ならびに虫様筋把握、指伸展、非機能性２運動、および手掌把握を含む、残りの４つの運動の、全ての「全部込みの」平均に、適用される。個々の試行を同じ運動のテンプレートと比較するときに、分類される個々の試行が、「１つ抜き」テンプレートを作成するために使用される平均に含まれないように、「１つ抜き」テンプレートが使用される。 【０１０２】 例えば、先に記載される実験プロトコルでは、つまみ把握の試行１と、この運動の試行の平均との間の距離を計算するときに、以下の等式が使用された。 【数５】 ［図：0001426158000006.jpg］ Ｎつまみ＝つまみ把握が実行された試行の数 （等式４．５） 【０１０３】 式中、 ［図：0001426158000007.jpg］ は、つまみ把握の第１の試行の各要素（Ｇ（ｉ，ｊ，１））と、試行１が除去されたその運動の全試行の平均（Ｇ（ｉ，ｊ，ｋ）１）との間の距離の数値を含有するマトリクスである。等式４．４および４．５の結果は、つまみ把握の試行１と全ての他の運動との間の数値的な距離を含有する、２０×５０×６テンソルにまとめられた。次に、このテンソルは、第２の次元（分析に含まれる周波数：１～５０Ｈｚを指す）に沿って合計され、２０×６のマトリクスをもたらす。次いで各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられた。例えば、表２は、運動の前の各時間間隔で、つまみ把握の試行１と各追加の把握の「全部込みの」テンプレート（表２の行３～７）との間、ならびにつまみ把握の試行１とつまみ把握の「１つ抜き」テンプレート（表２の行２）との間で計算された、距離の実際の値を例示する。表３は、データの二値版を表し、各列における最小距離を超える値には１の値が与えられ、全ての他の距離には０の値が与えられる。 【０１０４】 表３に示される表におけるゼロ値は、これらのインスタンスは、２つのゼロ値の削減を示すため、最小のエントリの計算から排除され、どちらのインスタンスも、設定された閾値を超える合成ＥＲＤとの相関の値をもたらさないことを意味する（等式４．３）。「つまみ」（強調）と標識した行における１のエントリは、つまみの試行１が、残りの把握の平均に対してつまみ把握についての平均からの最小距離を有したときの時間間隔を示す。 【０１０５】 この過程は、次につまみ把握の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらした。次いで、つまみ把握からの最小距離を有すると特定された、全つまみ把握試行のパーセンテージが計算された。図１４は、つまみ把握の最初の５つの試行について、表２および３によって記載される過程を例示し、白い面積は、各時間間隔でつまみ把握の試行１の間の最小距離を有した運動を表す。６つの運動の各々が最小距離を有すると特定された、全つまみ試行のパーセンテージは、図１４に示される。より明るい色の面積は、運動からの最小距離を有するつまみ試行の、より高いパーセンテージを指し、より暗い色の面積は、より低いパーセンテージを表す。最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択された。図１４によって例示される実施例では、最大パーセンテージは長円によって示され、運動の開始の１．５６～０．８８秒前の時間間隔の間に、最大値７１％で、つまみ把握に指定される第１の行内に生じる。換言すると、本参加者については、つまみ把握は、この具体的な時間間隔の間、この特定の電極および相関閾値を使用して、試行の７１％において、正確に分類される。つまみ把握についての分類を完了するために、本節に記載される同じ手順が、全ての電極部位（Ｃ１、Ｃ２、Ｃ３、Ｃ４、ＣＺ、Ｆ３、Ｆ４、およびＦＺ）ならびに相関閾値の全ての値（０．６０、０．６５、０．７０、０．７５、０．８０、０．８５、および０．９０）について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらした。最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される。残っている運動は、同じ手順を使用して分類された。」 エ「【表２】 ［図：0001426158000008.jpg］ 」 オ「【表３】 ［図：0001426158000009.jpg］ 」 カ「【図２】 ［図：0001426158000010.jpg］ 」 キ「【図９】 ［図：0001426158000011.jpg］ 」 ク「【図１４】 ［図：0001426158000012.jpg］ 」 上記ア～ウの特に下線部の記載及びカ、キの図面の記載からすれば、甲１には次の発明（以下「甲１発明」という。）が記載されている。 「脳活動信号を分類するためのシステムであって、 ＥＲＤ信号は、脳の活動を感知するように参加者の頭上１３に位置付けられた、８つの電極を有する電極アレイ１２を使用して得られ、 単一の電極部位および相関閾値からのデータを使用して、つまみ把持（把持１）の第１の試行と、非機能性１運動（把持２）の全試行の平均との間の 距離である 【数４】 ［図：0001426158000013.jpg］ ＮＮＦ１＝非機能性１運動が実行された試行の数 （等式４．４） を計算し、 つまみ把持の試行１と、この運動の試行の平均との間の距離である 【数５】 ［図：0001426158000014.jpg］ Ｎつまみ＝つまみ把握が実行された試行の数 （等式４．５） を計算し、 【数４】及び【数５】の結果は、つまみ把持の試行１と全ての他の運動との間の数値的な距離を含有する、２０×５０×６テンソルにまとめられ、 次に、このテンソルは、周波数１～５０に沿って合計され、２０×６のマトリクスをもたらし、 次いで、各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられ、 つまみ把持の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらし、 次いで、つまみ把持からの最小距離を有すると特定された、全つまみ把持試行のパーセンテージが計算され、 最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択され、 同じ手順が、全ての電極部位ならびに相関閾値の全ての値について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらし、最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される、システム。」 （２）甲２の記載事項 甲２には、以下の事項が記載されている。 ア「［０００１］本発明は、筋電で制御される機器で用いられる筋電パターンの識別に関するものである。 ［０００２］筋電義手、筋電義足など、筋肉に発生する表面筋電位の出力量によって動作制御を行う機器が開発されている。」 イ「［００２５］本発明では、識別された筋電パターンの時系列をバッファに保存しておき、その時系列データを元に２段階目の識別を行うことにより識別率を向上させる。１段階目の識別には、従来から用いられてきたＢＰニューラルネットワークによるアルゴリズムを用いる。このアルゴリズムでは、まず筋電波形を計測しベクトルｅｍｇに保存する。ベクトルｅｍｇは３チャンネルの筋電計から計測された時系列データが格納されている。次に特徴抽出関数ＧＦＥによって、ベクトルｅｍｇからベクトルｅｍｇの周波数分布を示す特徴ベクトルＸが抽出される。 ［００２６］［数１］ ［図：0001426158000015.jpg］ この特徴ベクトルＸを特徴量としてＢＰニューラルネットワークの入力層に入力し、結果として異なる手の姿勢に対応した出力層のいずれかのノードが発火し、識別が行われる（図２参照）。この筋電パターンの識別処理を行う機構を、本願の図１（ａ）（ｂ）では筋電識別器として模式的に示している。 ［００２７］ここで、ＢＰニューラルネットの出力層における出力値をベクトルＬ、識別する筋電パターンの数をＭとすると ［００２８］［数２］ ［図：0001426158000016.jpg］ と表される。最終的なＢＰニューラルネットの出力をｙ、筋電パターンのＩＤをｍｉ、ＩＤがｍｉの筋電パターンが出力ｙとして識別される際のベクトルＬの集合をｏｉとすると ［００２９］［数３］ ［図：0001426158000017.jpg］ ［００３０］［数４］ ［図：0001426158000018.jpg］ と決定される。識別不能の場合、ｙには－１が代入される。筋電パターンｍｉが義手のどのような姿勢に割り当てられるかはあらかじめ実験者によりプログラミングされる。一般的に筋電波形には移動平均などの平滑化処理が行われるが、ニューラルネットワークで識別された出力は離散的な姿勢となるため、単純な平滑処理は用いることができない。また、平滑化においては時間幅を多く取り過ぎると応答性が低下するため、平滑化の時間幅は最小限に留める必要がある。そこで着目したのが、対象とする筋電パターンのうち、同時に発現する可能性がある動作は限られることである。本実施例で取り扱う筋電パターンは、一例として、前腕の回内・回外、手首の掌屈・背屈、五指の握り・開き、母指の曲げ、第４指及び第５指の握り、安静状態の９パターンとする。例えば五指を握りながら手首の掌背屈を行うことはありうるが、手首を背屈させながら掌屈させることは手首を拮抗状態にしていることを意味し、現状の筋電義手は拮抗制御を行っていないため、識別する必要のない状態である。このことを踏まえ、複合動作としては前腕の回内または回外と、手首の掌屈または背屈と、指のパターンいずれか、という３つのパターンの同時識別が最大である。なお、本発明で取り扱い可能な筋電パターンは９パターンに限定されるものではなく、９パターン未満もしくは１０パターン以上であっても良い。 ［００３１］筋電パターンが９パターンの場合には同時に発現する可能性のある動作は３パターンであることを踏まえ、図３のようにアルゴリズムを構築した。このアルゴリズムでは、リングバッファに保存した一定時間の筋電パターンの時系列データを参照し、時系列に含まれる筋電パターンの割合を元に出力を決定するものである。一定時間にバッファされる筋電パターンの数をＮとすると、ある時ｔにおけるリングバッファｂｕｆｆｔは ［００３２］［数５］ ［図：0001426158000019.jpg］ と表される。ｂｕｆｆｔの構成要素であるｙｉには筋電パターンのＩＤが記憶されている。この後、次の制御周期で再び筋電計測が行われ、新たな筋電パターンｙの識別が行われたｔ１秒後、リングバッファｂｕｆｆは ［００３３］［数６］ ［図：0001426158000020.jpg］ と更新される。リングバッファｂｕｆｆｔ＋ｔ１中に含まれる筋電パターンｍｉの数Ｓｉは ［００３４］［数７］ ［図：0001426158000021.jpg］ と表される。これより、リングバッファｂｕｆｆ中に含まれる筋電パターンｍｉの占める割合Ｐｉは ［００３５］［数８］ ［図：0001426158000022.jpg］ となる。提案するアルゴリズムではまず、筋電パターンが単一であるか、複数の筋電パターンを含むかを判別する。リングバッファｂｕｆｆの半数以上が任意の筋電パターンＭｐであれば、単一であると判断し、筋電パターンＭｐに対応付けられた動作を義手に出力する。 ［００３６］すなわち、まず提案するアルゴリズムが、リングバッファｂｕｆｆに保存されたＮ個の筋電パターンを参照する。そして、半数以上が筋電パターンＭｐである場合には、制御部は筋電パターンＭｐに対応付けられた動作指令を出し、義手はその動作指令の通りの動作をする。 ［００３７］リングバッファｂｕｆｆに複数の筋電パターンＭｐ１、Ｍｐ２・・・を含む場合、先に述べたように同時に発現する動作数を３としたため、少なくともリングバッファｂｕｆｆの１／４以上を占めた筋電パターンＭｐ１、Ｍｐ２・・・をすべて出力する。ここで、一般化のために、最終的に出力される動作ｏを、同時に発現する動作数の最大値をｎとして記述すると ［００３８］［数９］ ［図：0001426158000023.jpg］ となる。ここで、出力する筋電パターンｏが複数の場合、実際には同時に出力されず、ｙｉからｙｋが順に出力されることとなる。 ［００３９］なお、同時に発現する動作数がｎである場合には、同時発現の基準となるリングバッファｂｕｆｆの閾占有率を１／（ｎ＋１）に設定し、リングバッファｂｕｆｆに占める割合が１／（ｎ＋１）以上の筋電パターンの全てを同時に発現するのが望ましい。しかし、基準となる閾占有率は１／（ｎ＋１）に限られず、任意に設定することもできる。 ［００４０］本研究で提案するフィルタアルゴリズムを、識別結果の時系列ｂｕｆｆを引数としてフィルタ結果としての義手への出力ｏを出力する関数ＧＴＳとして定義すると ［００４１］［数１０］ ［図：0001426158000024.jpg］ のように記述できる。」 上記ア～イの特に下線部の記載からすれば、甲２には次の発明（以下「甲２発明」という。）が記載されている。 「筋電パターンを識別する筋電義手であって、前記筋電義手は、 ベクトルｅｍｇを計測する筋電計と、 ベクトルｅｍｇからベクトルｅｍｇの周波数分布を示す特徴ベクトルＸを抽出する特徴抽出関数ＧＦＥと、 特徴ベクトルＸと複数の識別された筋電パターンの各々との識別処理を行った出力値であるベクトルＬを出力するＢＰニューラルネットワークと、 筋電パターンのＩＤであるｍｉの出力ｙを一定時間バッファするリングバッファｂｕｆｆと、 識別結果の時系列ｂｕｆｆを引数としてフィルタ結果としての義手への出力ｏを出力する関数ＧＴＳと、 を備える、筋電義手。」 ２ 無効理由１について （１）本件発明１について ア 対比 以下、本件発明１と甲１発明を対比する。 （ア）甲１発明の「脳活動信号」は本件発明１の「生体信号」に相当し、同様に「分類する」ことは「識別する」ことに相当するから、甲１発明の「脳活動信号を分類するためのシステム」は、本件発明１の「生体信号が表す情報を識別するためのシステム」に相当する。 （イ）甲１発明の「ＥＲＤ信号」を得るための、「脳の活動を感知するように参加者の頭上１３に位置付けられた、８つの電極を有する電極アレイ１２」は、本件発明１の「生体信号を検出する検出手段」に相当する。 （ウ）甲１発明の「つまみ把握の第１の試行の各要素Ｇ（ｉ，ｊ，１）１」は、ＥＲＤ信号から相互相関計算の結果算出されるものであるから、本件発明１の「生体信号を解析し」た「特徴データ」に相当する。そして、甲１発明が当該つまみ把握の第１の試行の各要素Ｇ（ｉ，ｊ，１）１を算出する手段を備えていることは明らかであり、当該手段は本件発明１の「前記検出された生体信号を解析して特徴データを出力する解析手段」に相当する。 してみれば、本件発明１と甲１発明は、次の一致点及び相違点を有する。 【一致点】 生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 を備える、システム。 【相違点１】 本件発明１は、「前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段」を備えるのに対し、 甲１発明は、「単一の電極部位および相関閾値からのデータを使用して、つまみ把持（把持１）の第１の試行と、非機能性１運動（把持２）の全試行の平均との間の距離である 【数４】 ［図：0001426158000025.jpg］ ＮＮＦ１＝非機能性１運動が実行された試行の数 （等式４．４） を計算し、 つまみ把持の試行１と、この運動の試行の平均との間の距離である 【数５】 ［図：0001426158000026.jpg］ Ｎつまみ＝つまみ把握が実行された試行の数 （等式４．５） を計算し、 【数４】及び【数５】の結果は、つまみ把持の試行１と全ての他の運動との間の数値的な距離を含有する、２０×５０×６テンソルにまとめられ、 次に、このテンソルは、周波数１～５０に沿って合計され、２０×６のマトリクスをもたらし、 次いで、各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられ、 つまみ把持の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらし、 次いで、つまみ把持からの最小距離を有すると特定された、全つまみ把持試行のパーセンテージが計算され、 最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択され、 同じ手順が、全ての電極部位ならびに相関閾値の全ての値について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらし、最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される」点。 【相違点２】 本件発明１は、「前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段」を備えるのに対し、甲１発明は、そのような記憶手段を備えるのか明らかでない点。 【相違点３】 本件発明１は、「前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段を備え、前記第２の決定手段は、前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、前記演算が行われる類似度の各々は、０～１の範囲の値を有する、ことと、前記演算値に基づいて、前記生体信号が表す情報を決定する」を備えるのに対し、甲１発明は、そのように特定されていない点。 イ 判断 以下、事案に鑑み、相違点３から検討する。 甲１発明は、当該２０×５０×６テンソルから求められたマトリックス（図１４参照。）に基づき、「次に、このテンソルは、周波数１～５０に沿って合計され、２０×６のマトリクスをもたらし、次いで、各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられ、つまみ把持の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらし、次いで、つまみ把持からの最小距離を有すると特定された、全つまみ把持試行のパーセンテージが計算され、最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択され、同じ手順が、全ての電極部位ならびに相関閾値の全ての値について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらし、最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される」とされているのであるから、結果的に２０の時間間隔を含む時系列の出力ベクトルにおける２０の時間間隔を総合した期間内の複数の出力ベクトルに基いて、生体信号が表す情報を決定している。 しかし、甲１発明は、段落【０１０５】及び図１４（上記１（１）ウ、ク参照。）に記載されているように、運動を分類（生体信号を表す情報を決定）するにあたって、２０×６のマトリックスで、各時間間隔でつまみ把持の試行１の間が最小距離のものとそれ以外のものを０か１の二値版にし、全つまみ試行において、最小距離を有すると特定されたパーセンテージ（すなわち、０のパーセンテージ、図１４の白い面積のパーセンテージ）が最大のパーセンテージを含有する運動が、運動を分類するために選択されるのであるから、運動を分類（生体信号を表す情報を決定）する演算値を算出するにあたって、類似度（最小距離）を間接的に利用しているにすぎず、類似度に対する演算を行っているものではない。 よって、甲１発明が、本件発明１の「前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、前記演算が行われる類似度の各々は、０～１の範囲の値を有する、ことと、前記演算値に基づいて、前記生体信号が表す情報を決定する」第２の決定手段を備えているとはいえず、また、その様な第２の決定手段を甲第１号証の記載から当業者が容易に想到できるともいえない。 なお、請求人は令和６年１２月２０日提出の弁駁書において、「１Ｈ（審決注、すなわち、「前記複数の教示データごとに、前記所定期間内の複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより、演算値を算出することであって、」の記載。）では「複数の出力ベクトルに基づいて」を「複数の出力ベクトルの各々が示す類似度に対する演算を行うことにより」に補正しているが、「類似度」の定義が記載されておらず何と何の類似度であるか不明である。」（３頁９～１１行）と主張しているが、「類似度」が「特徴データと複数の教示データのうちの各々との類似度」であることは請求項１の記載から明らかである。 よって、上記相違点３に係る相違点は、甲１発明から当業者が容易に想到できたものではない。 したがって、相違点１及び２については検討するまでもなく、本件発明１は甲１から容易に発明できたものではない。 （２）本件発明２について ア 対比 本件発明２と甲１発明を対比すると、上記（１）アで検討した【一致点】を有し、次の相違点を有する。 【相違点１】 本件発明２は、「前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段」を備えるのに対し、 甲１発明は、「単一の電極部位および相関閾値からのデータを使用して、つまみ把持（把持１）の第１の試行と、非機能性１運動（把持２）の全試行の平均との間の距離である 【数４】 ［図：0001426158000027.jpg］ ＮＮＦ１＝非機能性１運動が実行された試行の数 （等式４．４） を計算し、 つまみ把持の試行１と、この運動の試行の平均との間の距離である 【数５】 ［図：0001426158000028.jpg］ Ｎつまみ＝つまみ把握が実行された試行の数 （等式４．５） を計算し、 【数４】及び【数５】の結果は、つまみ把持の試行１と全ての他の運動との間の数値的な距離を含有する、２０×５０×６テンソルにまとめられ、 次に、このテンソルは、周波数１～５０に沿って合計され、２０×６のマトリクスをもたらし、 次いで、各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられ、 つまみ把持の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらし、 次いで、つまみ把持からの最小距離を有すると特定された、全つまみ把持試行のパーセンテージが計算され、 最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択され、 同じ手順が、全ての電極部位ならびに相関閾値の全ての値について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらし、最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される」点。 【相違点２】 本件発明２は、「前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段」を備えるのに対し、甲１発明は、そのような記憶手段を備えるのか明らかでない点。 【相違点４】 本件発明２は、「前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段を備え、前記第２の決定手段は、前記所定期間内の複数の出力ベクトルに基づいて前記複数の教示データごとに演算値を算出することであって、前記所定期間の終点は、前記記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトルが記憶されると，前記後続の新たな出力ベクトルが演算値を算出するために用いられ、前記後続の新たな出力ベクトルが記憶される前の前記所定期間の始点の前記出力ベクトルは前記演算値を算出するために用いられない、ことと、前記演算値に基づいて、前記生体信号が表す情報を決定すること」を備えるのに対し、甲１発明は、そのような第２の決定手段を備えるのか明らかでない点。 イ 判断 以下、事案に鑑み、相違点４から検討する。 甲１発明は当該２０×５０×６テンソルから求められたマトリックス（図１４参照。）に基づき、「次に、このテンソルは、周波数１～５０に沿って合計され、２０×６のマトリクスをもたらし、次いで、各時間インスタンスでの最小非ゼロ値が特定され、１の値が与えられ、全ての他のエントリには０の値が与えられ、つまみ把持の全ての試行に適用され、Ｎつまみ×２０×６マトリクスをもたらし、次いで、つまみ把持からの最小距離を有すると特定された、全つまみ把持試行のパーセンテージが計算され、最後に、全時間間隔にわたって最大パーセンテージを含有する運動が、運動を分類するために選択され、同じ手順が、全ての電極部位ならびに相関閾値の全ての値について反復され、５６のマトリクス（８つの電極部位×７閾値）をもたらし、最終的に、５６のマトリクスのうちのいずれかをわたって達成された分類の最高のパーセンテージが、運動を分類するために選択される」とされているのであるから、結果的に２０の時間間隔を含む時系列の出力ベクトルにおける２０の時間間隔を総合した期間内の複数の出力ベクトルに基いて、生体信号が表す情報を決定しているといえる。 しかし、甲１発明には、第２の決定手段が、所定期間内の複数の出力ベクトルに基づいて複数の教示データごとに演算値を算出するにあたって、「前記所定期間の終点は、前記記憶手段に前記出力ベクトルが記憶された最後の時刻であり、後続の新たな出力ベクトルが記憶されると，前記後続の新たな出力ベクトルが演算値を算出するために用いられ、前記後続の新たな出力ベクトルが記憶される前の前記所定期間の始点の前記出力ベクトルは前記演算値を算出するために用いられない」点（以下「特徴構成」という。）については記載がない。 そして、本件発明２は、当該特徴構成を備えることにより、所定期間内の複数の類似度に基づいて、生体信号が表す動作を決定するため、極めて高精度で生体信号が表す動作を識別できる（本件特許明細書の段落【００７４】参照。）という特有の作用効果を奏するものであるから、当該特徴構成を甲１発明から当業者が容易に発明できたということはできない。 よって、上記相違点４に係る相違点は、甲１発明から当業者が容易に想到できたものではない。 したがって、相違点１及び２については検討するまでもなく、本件発明２は甲１から容易に発明できたものではない。 （３）小括 以上のとおり、本件発明１及び２は、甲１発明から当業者が容易に発明できたものではない。 ３ 無効理由２について （１）対比 以下、本件発明１と甲２発明を対比する。 甲２発明の「筋電パターンを識別する筋電義手」は本件発明１の「生体信号が表す情報を識別するためのシステム」に相当し、以下同様に、「ベクトルｅｍｇを計測する筋電計」は「生体信号を検出する検出手段」に、「ベクトルｅｍｇからベクトルｅｍｇの周波数分布を示す特徴ベクトルＸを抽出する特徴抽出関数ＧＦＥ」は「前記検出された生体信号を解析して特徴データを出力する解析手段」に相当する。 また、甲２発明の「特徴ベクトルＸと複数の識別する筋電パターンの各々との識別処理を行った出力値である出力ベクトルＬを出力するＢＰニューラルネットワーク」は、特徴ベクトルＸと複数の識別する筋電パターンの各々との対比により識別処理を行い、出力ベクトルＬを出力しているといえるから、本件発明１の「前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段」に相当する。 そして、甲２発明の「筋電パターンのＩＤであるｍｉの出力ｙを一定時間バッファするリングバッファｂｕｆｆｔ」と本件発明１の「前記出力ベクトルを時刻ごとに時系列に記憶する記憶手段」は、データを時刻ごとに時系列に記憶する記憶手段である点で一致する。 また、甲２発明の「識別結果の時系列ｂｕｆｆを引数としてフィルタ結果としての義手への出力ｏを出力する関数ＧＴＳ」と本件発明１の「前記記憶手段に記憶された時系列の出力ベクトルにおける所定期間内の複数の出力ベクトルに基づいて、前記生体信号が表す情報を決定する第２の決定手段」は、記憶手段に記憶された時系列のデータにおける所定期間内の複数のデータに基づいて、前記生体信号が表す情報を決定する第２の決定手段である点で一致する。 してみれば、本件発明１と甲２発明は、次の一致点及び相違点を有する。 【一致点】 生体信号が表す情報を識別するためのシステムであって、前記システムは、 生体信号を検出する検出手段と、 前記検出された生体信号を解析して特徴データを出力する解析手段と、 前記特徴データと、複数の教示データのうちの各々との類似度を示す出力ベクトルを決定する第１の決定手段と、 データを時刻ごとに時系列に記憶する記憶手段と、 記憶手段に記憶された時系列のデータにおける所定期間内の複数のデータに基づいて、前記生体信号が表す情報を決定する第２の決定手段と を備える、システム。 【相違点】 時刻ごとに時系列に記憶手段に記憶されるデータが、本件発明１は、「記憶手段に記憶され、生体信号が表す情報を決定するデータが、出力ベクトル」であるのに対して、甲２発明は「筋電パターンのＩＤであるｍｉの出力ｙ」である点。 （２）判断 甲２発明の「筋電パターンのＩＤであるｍｉの出力ｙ」は、筋電パターンのＩＤであるからスカラー値であり、ベクトルではない。 よって、上記相違点は実質的相違点である。 （３）小括 以上のとおり、本件発明１は、甲２発明ではない。 第７ むすび 以上のとおりであるから、本件発明１及び２に係る特許は、請求人が主張する無効理由１及び２により、無効とすることはできない。 そして、審判に関する費用については、特許法第１６９条第２項において準用する民事訴訟法第６１条の規定により、請求人の負担とする。 よって、結論のとおり審決する。