Bundespatentgericht, Beschluss vom 28.06.2022, Az. 17 W (pat) 2/21

[X.]ie vorliegende Patentanmeldung wurde am 12. Juni 2019 beim [X.] eingereicht. Sie trägt die Bezeichnung

„ Bereitstellen eines [X.]es und einer trainierten [X.] “ .

[X.]ie [X.]nmeldung wurde durch Beschluss der Prüfungsstelle für Klasse G 06 T des [X.]s vom 7. [X.]ezember 2020 aus den Gründen des Bescheids vom 8. Juni 2020 zurückgewiesen.

In dem in Bezug genommenen Bescheid ist sinngemäß ausgeführt, der [X.]nmeldung sei keine vollständige und für den [X.] technische Lehre zu entnehmen. Sofern der Gegenstand des (damaligen) Patentanspruchs 1 dem Patentschutz zugänglich und verständlich sei, sei er zumindest mangels erfinderischer Tätigkeit im Hinblick auf [X.]ruckschrift [X.] nicht gewährbar. Es sei auch nicht erkennbar, wodurch sich dieser Gegenstand von dem allgemeinen Stand der Technik der [X.]ruckschriften [X.] bis [X.] unterscheide. [X.]es Weiteren sei ein Verfahren nach dem (damaligen) Patentanspruch 10 gegenüber dem aus den [X.]ruckschriften [X.], [X.] und [X.] bekannten Stand der Technik nicht neu. In diesen [X.]ruckschriften seien auch Systeme zur [X.]usführung eines Verfahrens nach dem (damaligen) Patentanspruch 18 offenbart. [X.]ie Gegenstände der (damaligen) Patentansprüche 19 und 20 seien ebenfalls nicht neu.

Gegen diesen Beschluss ist die Beschwerde der [X.]nmelderin gerichtet.

[X.]ie [X.]nmelderin beantragt zuletzt,

den Beschluss der Prüfungsstelle für [X.] des [X.]s vom 7. [X.]ezember 2020 aufzuheben und das nachgesuchte Patent mit folgenden Unterlagen zu erteilen:

Patentansprüche 1 bis 20, überreicht in der mündlichen Verhandlung,

 Beschreibung Seiten 1 bis 55 vom [X.]nmeldetag 12. Juni 2019, sowie

10 Blatt Zeichnungen mit Figuren 1 bis 13, eingegangen am 12. Juni 2019;

hilfsweise,

die [X.]nmeldung zur weiteren Prüfung an die Prüfungsstelle zurückzuverweisen.

[X.]er mit einer möglichen Gliederung versehene geltende Patentanspruch 1 lautet wie folgt, wobei die zum ursprünglichen Patentanspruch 1 neu hinzugekommenen Merkmale unterstrichen sind:

[X.]er auf den ursprünglichen Patentanspruch 10 zurückgehende geltende Patentanspruch 10 lautet gegliedert (die ergänzten Merkmale sind ebenfalls unterstrichen; ferner wurde ein Schreibfehler in Merkmal [X.] korrigiert):

Zu den geltenden nebengeordneten Patentansprüchen 18, 19 und 20, zu den [X.] 2 bis 9 und 11 bis 17 sowie zu den weiteren Einzelheiten wird auf die [X.]kte verwiesen.

[X.]ie rechtzeitig eingegangene und auch sonst zulässige Beschwerde führt zur [X.]ufhebung des angegriffenen Beschlusses und zur Zurückverweisung der Sache an das [X.] gemäß § 79 [X.]bs. 3 Satz 1 Nr. 1 [X.].

In der Beschreibungseinleitung ist ausgeführt, dass die Vorteile eines röntgenüberwachten chirurgischen Eingriffs gegen die Strahlenbelastung durch die absorbierte Röntgendosis abgewogen werden müssten. [X.]a eine Reduzierung der Röntgendosis typischerweise auch mit einer Reduzierung der Bildqualität bzw. einer Erhöhung des [X.] einhergehe, müsse häufig ein Kompromiss zwischen guter Bildqualität und niedriger Röntgendosis gefunden werden ([X.], [X.]bsätze [0001], [0002]).

Ein zu hohes Signal-Rausch-Verhältnis könne insbesondere auch zu einer niedrigen Bildqualität bei einer digitalen Subtraktionsangiographie (kurz „[X.]“) führen ([X.], [X.]bsatz [0003]). In der [X.] würden ein oder mehrere Gefäße in einem [X.] durch Röntgenaufnahmen dargestellt, wobei zur Unterdrückung von weiteren Strukturen im [X.] [X.]ufnahmen des Gefäßes ohne Kontrastmittel (sog. [X.]) mit [X.]ufnahmen des Gefäßes einschließlich eines Kontrastmittels, welches sich im Gefäß befindet (sog. Füllbilder), kombiniert würden. Bei einem hohen Signal-Rausch-Verhältnis könne insbesondere die notwendige Registrierung eines Masken- und eines Füllbilddatensatzes nicht möglich sein, oder das Rauschen könne in der Registrierung zu [X.]rtefakten führen. [X.]uch werde das [X.] einer hohen Röntgenbelastung ausgesetzt, da für eine digitale Subtraktionsangiographie sowohl [X.]ufnahmen des Gefäßes ohne Kontrastmittel als auch [X.]ufnahmen des Gefäßes einschließlich eines Kontrastmittels aufgenommen werden ([X.], [X.]bsätze [0003] bis [0005]).

Zwar ließe sich die Bildqualität durch verschiedene Rauschunterdrückungsverfahren erhöhen; diese könnten jedoch den Bildeindruck verändern und/oder zu [X.]rtefakten führen. Weiterhin könne das Signal-Rausch-Verhältnis durch optimierte Wahl der Parameter der Röntgenvorrichtung optimiert werden. [X.]uch dies könne den Bildeindruck verändern, was ein Problem darstelle, wenn die Bilddaten durch trainierte [X.]lgorithmen weiterverarbeitet werden sollen und die zum Training verwendeten [X.]lgorithmen nur mittels einer beschränkten [X.]nzahl von Röntgenvorrichtungen aufgenommen worden sind ([X.], [X.]bsätze [0006], [0007]).

[X.]us einer älteren, nachveröffentlichten Patentanmeldung sei es ferner bekannt, durch [X.]nwendung einer trainierten Funktion auf einen Realbilddatensatz einen [X.] zu bestimmen, ohne eine zusätzliche Maskenaufnahme durchzuführen. Hierbei entspreche aber der Rauschpegel des [X.]es dem Rauschpegel des [X.]. [X.]aher könne zwar auf eine Maskenaufnahme verzichtet werden, für eine Verringerung des Rauschpegels im [X.] müsse aber ein Realbilddatensatz mit niedrigem Rauschpegel und damit hoher Röntgendosis verwendet werden ([X.], [X.]bsatz [0008]).

Es sei daher [X.]ufgabe der Erfindung, basierend auf einem Realbilddatensatz einen [X.] mit einem niedrigen Rauschpegel bereitzustellen ([X.], [X.]bsatz [0009]).

[X.]us Sicht des Fachmanns ist ein solcher Realbilddatensatz ein [X.], der mit einer bildgebenden Vorrichtung aufgenommen worden ist (vgl. [X.], [X.]bsätze [0016], [0026] - „[X.]adurch kann bei der [X.]ufnahme der Realbilddatensätze eine niedrigere Röntgendosis verwendet werden […]). Für den Fachmann ist klar, dass ein solcher Realbilddatensatz in Verbindung mit Merkmal [X.]a ein Füllbild ist, das bei der digitalen Subtraktionsangiographie aufgenommen worden ist und neben kontrastmittelgefüllten Blutgefäßen auch weitere Bildstrukturen (z.B. Gewebe, Knochen oder chirurgische Instrumente) abbildet.

Gemäß den Merkmalen [X.] und [X.]a wird ein „[X.] eines [X.]“ bestimmt, indem eine erste trainierte [X.] auf Eingabedaten angewendet wird, die den ersten Realbilddatensatz umfassen. [X.]er [X.] wird ferner ausgegeben (Merkmal [X.]).

Hinsichtlich der Bedeutung des Begriffs „[X.] eines [X.]“ ist zu beachten, dass Patentanmeldungen im Hinblick auf die dort gebrauchten Begriffe gleichsam ihr eigenes Lexikon darstellen (vgl. [X.], 909 - Spannschraube). In diesem Zusammenhang wird in [X.]bsatz [0016] der [X.] ein [X.] als ein [X.] definiert, der eine „[X.]ifferenz einer tatsächlichen Verteilung von Werten und/oder Intensitäten in einem [X.]“ abbildet. Ferner entspricht der [X.] gemäß [X.]bsatz [0118] (zumindest näherungsweise) der [X.]ifferenz aus dem ersten Realbilddatensatz und einem [X.], der das kontrastmittelfreie [X.] bezüglich der gleichen [X.]bbildungsgeometrie wie der erste Realbilddatensatz abbildet - also etwa einem Maskenbilddatensatz.

In Verbindung mit der Lehre des Patentanspruchs 1 interpretiert dies der Fachmann derart, dass ein [X.] eines [X.] eine [X.]ifferenz zweier realer Bildaufnahmen dieses Volumens zumindest näherungsweise abbildet (z.B. die [X.]ifferenz der Strahlungsintensitätsverteilungen eines Füll- und eines Maskenbilddatensatzes, vgl. [X.]bsätze [0115] und [0118] der [X.]) und das unmittelbare Ergebnis der [X.]nwendung der ersten trainierten [X.] auf den ersten Realbilddatensatz ist. Für einen [X.] [X.] gilt also [X.] ≈ [X.] - B oder [X.] = [X.] - B, wobei [X.] und B Bilddatensätze sind, die mit einer bildgebenden Vorrichtung aufgenommen worden sind und das [X.] zeigen. [X.]em [X.]bsatz [0016] der [X.] kann der Fachmann entnehmen, dass die [X.]nmeldung den [X.] im Fall [X.] = [X.] - B auch als „Subtraktionsbilddatensatz“ bezeichnet.

Eine Interpretation des Begriffs „[X.] eines [X.]“ im Sinne eines [X.]es, der sich von dem ersten Realbilddatensatz nur irgendwie unterscheidet (vgl. die Option im Prüfungsbescheid vom 8. Juni 2020), hält der [X.] nicht für sachgerecht. Für ein solches Verständnis, das letztlich dazu führen würde, dass dem im Begriff „[X.]“ enthaltene Bestimmungswort „[X.]ifferenz“ kein eigenständiger Bedeutungsgehalt zukäme, liefert die vorliegende Patentanmeldung auch keine [X.]nhaltspunkte.

Ferner basiert ein Parameter der ersten trainierten [X.] auf einem G[X.]-[X.]lgorithmus (Merkmal [X.]). Ein solcher [X.]lgorithmus umfasst eine [X.], die synthetische [X.]aten erzeugt und eine [X.], die zwischen synthetischen und realen [X.]aten unterscheidet. Generator- und [X.] können jeweils künstliche neuronale Netzwerke sein. Netzwerke, welche mittels eines G[X.]-[X.]lgorithmus trainiert werden, waren dem Fachmann am [X.]nmeldetag unter dem [X.]kronym „G[X.]N“ (= „general adversarial networks“) wohlbekannt ([X.], [X.]bsatz [0020], [0021]; s. ferner den unten zitierten Stand der Technik). [X.]as Merkmal [X.] bezeichnet gemäß den [X.]usführungen in der [X.]nmeldung (siehe z.B. [X.], [X.]bsatz [0022], [0040] bis [0043], [0143] u.a.) keinen bestimmten Parameter, sondern bringt allgemein zum [X.]usdruck, dass die trainierte [X.] mittels eines G[X.]-[X.]lgorithmus im Zusammenspiel mit einer [X.] trainiert wurde, wobei dort übliche Parameter Verwendung finden, die die [X.] charakterisieren.

Gemäß den Merkmalen [X.] und [X.]a basiert das Training der ersten trainierten [X.] darauf, diese auf Realbilddatensätze mit einem ersten Rauschpegel anzuwenden und das Ergebnis mit [X.]ifferenzbilddatensätzen mit einem zweiten, niedrigeren Rauschpegel zu vergleichen. [X.]as bedeutet, dass zum Trainieren der ersten trainierten [X.] Paare von Real- und [X.]ifferenzbilddatensätzen verwendet werden, wobei der Rauschpegel eines jeweiligen [X.]es kleiner als der Rauschpegel des korrespondierenden [X.] ist. Laut Beschreibung kann durch [X.]nwendung einer derart trainierten [X.] auf einen Röntgenbilddatensatz der Rauschpegel eines [X.]es gesenkt werden, ohne gleichzeitig die Röntgendosis und damit die Strahlenbelastung zu erhöhen, der das [X.] ausgesetzt ist ([X.], [X.]bsatz [0029]).

Bei diesem Verfahren wird eine erste trainierte [X.] auf einen ersten Realbilddatensatz angewendet, der ein [X.] abbildet, welches ein Gefäß und Kontrastmittel umfasst, so dass ein [X.] resultiert (Merkmale [X.], [X.], [X.], [X.], [X.]a), d.h. ein [X.], der eine [X.]ifferenz zweier Bildaufnahmen des [X.] zumindest näherungsweise abbildet (s.o., [X.]bschnitt [X.]).

Zusätzlich wird ein „[X.] des [X.]“ empfangen (Merkmal N3), wobei der erste Realbilddatensatz einen höheren Rauschpegel als der [X.] aufweist (Merkmale [X.], [X.]). Mittels einer ersten trainierten [X.] wird für den [X.] und den [X.] jeweils ein Klassifikationswert bestimmt (Merkmale [X.], [X.]a). Basierend auf zumindest einem dieser Werte wird die erste trainierte [X.] und/oder die erste trainierte [X.] angepasst (Merkmal [X.]), etwa zur Minimierung einer Kostenfunktion (vgl. [X.], [X.]bsatz [0143]). [X.]es Weiteren wird die erste trainierte [X.] bereitgestellt (Merkmal N7).

[X.]a der Begriff „erste trainierte [X.]“ impliziert, dass diese [X.] bereits trainiert ist, beschreibt Patentanspruch 10 aus Sicht des Fachmanns wesentliche Teilschritte einer fortgeschrittenen Iteration eines G[X.]-[X.]lgorithmus, der dem weiteren Training und der Bereitstellung der [X.] dient.

[X.]er erste Realbilddatensatz und der zum Training der ersten trainierten [X.] verwendete [X.] stellen ein Paar von Trainingsdaten dar. [X.]us Sicht des Fachmanns ist es selbstverständlich, dass nicht nur der [X.], sondern auch der [X.] eine [X.]ifferenz zweier Bildaufnahmen des [X.] zumindest näherungsweise abbildet, da andernfalls nicht garantiert ist, dass das beanspruchte Verfahren eine trainierte [X.] liefert, deren [X.]nwendung in einem [X.] im Sinne der vorliegenden [X.]nmeldung (s.o., [X.]bschnitt [X.]) resultiert. [X.]er [X.] kann insbesondere ein [X.] sein, der die [X.]ifferenz des ersten [X.] und eines [X.]es, der das kontrastmittelfreie [X.] bezüglich der gleichen [X.]bbildungsgeometrie wie der erste Realbilddatensatz zumindest näherungsweise abbildet ([X.], [X.]bsatz [0134]), wie etwa die [X.]ifferenz eines Füll- und eines Maskenbilds in der digitalen Subtraktionsangiographie.

[X.]ie geltenden nebengeordneten Patentansprüche 1, 10 und 18 bis 20 gehen auf die ursprünglichen [X.]nsprüche 1, 10 und 18 bis 20 zurück, wobei die in den Patentansprüchen 1 und 10 neu hinzugekommenen Merkmale [X.], [X.]a sowie [X.] und [X.] dem [X.]bsatz [0027] der [X.] zu entnehmen sind; entsprechendes gilt auch für den Patentanspruch 18. [X.]ie in Patentanspruch 10 darüber hinaus ergänzten Merkmale [X.] und [X.] ergeben sich aus den [X.]bsätzen [0012] und [0013] der [X.].

[X.]ie Merkmale der weiteren nebengeordneten Patentansprüche 19 und 20 sowie der abhängigen Patentansprüche 2 bis 9 und 11 bis 17 gehen aus den jeweiligen am [X.]nmeldetag eingereichten Patentansprüchen 2 bis 9, 11 bis 17 sowie 19 und 20 hervor.

[X.]ie Beschreibung und die Figuren sind am [X.]nmeldetag eingegangen.

So betreffen die [X.]nweisungen der Patentansprüche 1 und 10 grundlegende, für [X.]lgorithmen auf dem Gebiet der künstlichen Intelligenz typische [X.]atenverarbeitungsschritte.

[X.]ie diesen [X.]nweisungen zugrundeliegenden Verfahren sind in der [X.]nmeldung ausführlich dargestellt. Insbesondere werden konkrete Beispiele für die verwendeten Eingabe- und [X.]usgabegrößen - d.h. für den ersten Realbilddatensatz, den [X.] und den [X.] - angegeben. [X.]arüber hinaus sind die trainierte [X.] sowie wesentliche Elemente und Teilschritte des - dem Fachmann ohnehin bekannten - G[X.]-Trainingsalgorithmus näher beschrieben (vgl. [X.], [X.]bsätze [0017] bis [0022], [0040] bis [0054] sowie Figuren 2 bis 4 mit Beschreibung); insbesondere enthält die Patentanmeldung konkrete [X.]usführungen zum Verständnis des Merkmals [X.] und zur Bedeutung des [X.]es (vgl. [X.], [X.]bsätze [0022], [0023], und [0115] bis [0119]). Ferner werden in der Beschreibung Vorteile genannt, anhand derer der Verwendungszweck der erfindungsgemäßen Lösungen hinreichend deutlich erkennbar ist (vgl. [X.], [X.]bsätze [0016], [0023], [0026], [0029]).

[X.]uch kann der Fachmann das Ziel der mit den Patentansprüchen 1 und 10 umschriebenen Erfindungen - die Erzeugung und [X.]nwendung einer trainierten [X.], die zu einem [X.] im Sinne des Patentanspruchs 1 führt - ohne besondere Schwierigkeiten erreichen. [X.]enn bei der praktischen Umsetzung eines [X.]lgorithmus 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 [X.]lgorithmus zu zufriedenstellenden Ergebnissen führt (z.B. durch Optimierung charakteristischer Parameter einer [X.] und eines G[X.]-[X.]lgorithmus sowie durch Zusammenstellung geeigneter Trainingsdaten). [X.]ies dürfte zwar nicht immer sofort zum angestrebten Erfolg führen; jedoch ist davon auszugehen, dass der Fachmann nach einer überschaubaren [X.]nzahl von Versuchen zumindest für bestimmte Trainingsdatensätze und Parameterkombinationen zu brauchbaren trainierten [X.]en gelangt. [X.]afür sprechen insbesondere die zahlreichen Veröffentlichungen über neuronale Netzwerke und G[X.]-[X.]lgorithmen, die bereits zum [X.]nmeldetag Stand der Technik waren und ersichtlich zu publizierbaren Resultaten geführt hatten (vgl. etwa die unten in [X.]bschnitt I[X.]6 genannten [X.]ruckschriften [X.], [X.] und [X.] bis [X.]9 mit den darin enthaltenen Literaturzitaten).

[X.]ie der [X.]nmeldung entnehmbare Lehre versetzt den Fachmann somit in die Lage, die beanspruchten Verfahren mit zumutbarem [X.]ufwand in Form von Programmen zu implementieren, die eine trainierte [X.] verwenden oder liefern, bei deren [X.]nwendung ein [X.] im Sinne des Patentanspruchs 1 erzeugt wird. [X.]ies gilt insbesondere für die computergestützte Umsetzung des mit Patentanspruch 10 umschriebenen G[X.]-[X.]lgorithmus, dessen Teilschritte der Fachmann mit Hilfe seines Fachwissens und den [X.]ngaben in der [X.]nmeldung geeignet ergänzt.

[X.]enn bei diesem Verfahren handelt es sich um eine mathematische Methode, deren Leistung darin besteht, aus einem [X.], der ein [X.] mit einem Gefäß und mit Kontrastmittel zeigt und einen hohen Rauschpegel aufweist, einen [X.] mit einem demgegenüber geringeren Rauschpegel zu erzeugen unter der Maßgabe, zumindest näherungsweise eine [X.]ifferenz zweier - hypothetischer oder bereits durchgeführter - realer Bildaufnahmen eines [X.] abzubilden.

[X.]amit zeigt die beanspruchte Lehre einen konkreten Bezug zur gezielten [X.]nwendung von Naturkräften und stellt die Lösung eines konkreten technischen Problems dar.

Es ist auch nicht festzustellen, dass einzelne [X.]nspruchsmerkmale nicht zur Lösung dieses Problems beitragen.

[X.]enn sämtliche [X.]nspruchsmerkmale dienen dem Zweck, aus einem [X.] eines [X.] einen demgegenüber rauschreduzierten [X.] zu erzeugen, dessen Bildinhalt die [X.]ifferenz zweier Bildaufnahmen des [X.] mit und ohne Kontrastmittel approximieren soll. Sie weisen damit jeweils einen hinreichenden Bezug zur gezielten [X.]nwendung von Naturkräften auf und tragen somit zur Lösung des konkreten technischen Problems mit technischen Mitteln bei (vgl. [X.] - Flugzeugzustand, a.a.[X.], Rn. 28 und 29). Nach der Überzeugung des [X.]s gelingt die Lösung des technischen Problems erst durch das Zusammenwirken aller Merkmale des Patentanspruchs 1.

Bei diesem Verfahren handelt es sich ebenfalls um eine mathematische Methode, deren Merkmale ersichtlich dem Zweck dienen, mittels eines G[X.]-[X.]lgorithmus eine trainierte [X.] derart anzupassen, dass durch deren [X.]nwendung ein Realbilddatensatz in einen [X.] mit einem niedrigeren Rauschpegel transformiert werden kann, welcher zumindest näherungsweise eine [X.]ifferenz zweier realer Bildaufnahmen eines [X.] abbildet. Mit einem solchen [X.] liefert das beanspruchte Verfahren einen [X.], dessen Rauschpegel gegenüber dem Rauschpegel des untransformierten [X.] reduziert ist (vgl. Merkmal [X.]).

[X.]ie mit Patentanspruch 10 beanspruchte mathematische Methode weist damit einen hinreichenden Bezug zur gezielten [X.]nwendung von Naturkräften auf und beschreibt die Lösung eines konkreten technischen Problems mit technischen Mitteln.

[X.]ie [X.]ruckschrift [X.]0 ist die [X.] einer Patentanmeldung, die vor dem [X.]nmeldetag der vorliegenden Patentanmeldung (am 17. Mai 2019) angemeldet, aber erst nach diesem veröffentlicht worden ist. [X.]ie [X.]0 ist somit nur bei der Prüfung der Neuheit zu berücksichtigen.

[X.]ie [X.]ruckschrift [X.]0 nimmt ein Verfahren mit den Merkmalen [X.], [X.], [X.], [X.]a, [X.] und [X.] vorweg (vgl. die dortigen Patentansprüche 1, 8 und 12 sowie [X.]bsätze [0051], [0052], [0079], [0080]). Zum Training der zum Einsatz kommenden [X.] kann diese auf einen Eingabebilddatensatz angewendet werden (z.B. auf einen Füllbilddatensatz, vgl. [X.]bsatz [0051]; allerdings wird in diesem Zusammenhang ein Kontrastmittel nicht ausdrücklich erwähnt). Zum [X.]npassen eines Parameters der trainierten [X.] und/oder einer trainierten [X.] wird letztere auf den [X.] und einen Vergleichsbilddatensatz angewendet, so dass ein [X.] und ein Vergleichsklassifikator resultiert. [X.]iese beiden Klassifikatoren werden anschließend miteinander verglichen (vgl. [X.]bsätze [0071], [0072], [0082], [0150] bis [0155], [0159] sowie [X.]nspruch 11); um einen Vergleich eines [X.]es mit einer anderen Größe (vgl. Merkmal [X.]) geht es dabei allerdings nicht. [X.]er Rauschpegel von Eingabe-, Vergleichs- und [X.] entspricht jeweils einem bestimmten Signal-Rausch-Verhältnis ([X.]bsätze [0030], [0032], [0037]).

[X.]ie [X.]ruckschrift [X.] befasst sich mit der Erzeugung eines Röntgenbildes („[X.] image“) aus einem [X.] („MR image“) durch [X.]nwendung einer [X.], die mittels eines G[X.]-[X.]lgorithmus trainiert worden ist. [X.]adurch soll vermieden werden, dass ein reales Röntgenbild aufgenommen wird und ein Patient dadurch Strahlenbelastungen ausgesetzt ist (vgl. [X.]bstract; [X.]bschnitt 1, zweiter und vorletzter [X.]bsatz). [X.]er G[X.]-[X.]lgorithmus ist in [X.]bschnitt 2.1 näher beschrieben; über das Training einer [X.] im Hinblick auf die Erzeugung eines [X.]es aus einem [X.], welcher ein Kontrastmittel zeigt und dessen Rauschpegel höher als der Rauschpegel eines [X.]es ist, findet sich jedoch nichts. Es wird lediglich am Rande angesprochen, dass das beschriebene Verfahren nicht nur zur Vorhersage eines Röntgenbildes, sondern auch zur Reduktion von Bildrauschen verwendet werden kann (vgl. [X.]bschnitt 5, letzter Satz).

[X.]ie [X.]ruckschrift [X.] zeigt ein Verfahren, bei dem eine trainierte [X.] auf einen dreidimensionalen Mammographiedatensatz angewendet wird, um daraus einen zweidimensionalen Mammographiedatensatz zu erzeugen. [X.]ls Motivation wird die Vermeidung einer zusätzlichen Strahlenexposition angeführt ([X.]bsätze [0003], [0004], [0011]; Figur 1). Jedoch ist weder ein Kontrastmittel im Bild vorhanden, noch ist der zweidimensionale Mammographiedatensatz ein [X.] im Sinne der vorliegenden Patentanmeldung. Beim Training der [X.] (vgl. [X.]bsätze [0137] bis [0171] i. V. m. Figuren 3 und 4) wird das Ergebnis der [X.]nwendung der trainierten [X.] auch nicht mit [X.]ifferenzbilddatensätzen verglichen; um eine Reduktion eines Rauschpegels geht es ebenfalls nicht.

[X.]ie [X.]ruckschriften [X.] und [X.]4 stellen Hintergrundwissen zu G[X.]-[X.]lgorithmen dar.

[X.]ie [X.]ruckschrift [X.] stellt ein Verfahren vor, bei dem aus dreidimensionalen rekonstruierten Röntgenbildern eines Untersuchungsobjekts, dessen Blutgefäße ein Kontrastmittel enthalten (sogenannten „fill scans“), mittels eines neuronalen Faltungsnetzwerks („convolutional neural network“, „[X.]“) 3[X.]-[X.]ngiogramme der Blutgefäße („subtracted 3[X.] cerebral angiograms“) generiert werden (vgl. [X.]bstract, Seite 917, linke Spalte, erster und zweiter vollständiger [X.]bsatz). Ein solches 3[X.]-[X.]ngiogramm besteht aus [X.], die von einem [X.] als Blutgefäß („vasculature“) klassifiziert worden sind (vgl. Figur 2 sowie [X.], linke Spalte unten - „The final vasculature tissue was used to generate the 3[X.]-[X.]L[X.] images“ i. V. m. dem [X.]ruckschriftentitel „3[X.] [X.]eep Learning [X.]ngiography (3[X.]-[X.]L[X.])“) und stellt einen [X.] im Sinne der vorliegenden [X.]nmeldung dar. [X.]ie [X.]ruckschrift [X.] nennt allerdings nur wenige Einzelheiten zu dem konkret verwendeten Trainingsverfahren und beschreibt insbesondere keinen G[X.]-[X.]lgorithmus. Eine Reduktion eines Rauschpegels wird ebenfalls nicht angesprochen.

[X.]ie [X.]ruckschrift [X.]6 zeigt verschiedene Verfahren, bei denen aus einem Niedrigdosisröntgenbild („low dose [X.] image“) durch [X.]nwenden eines auf Basis eines G[X.]-[X.]lgorithmus trainierten Generatornetzwerks ein Normaldosisröntgenbild („[X.] image“, „denoised [X.]“) erzeugt wird (vgl. [X.]bstract, [X.]bschnitt I[X.], sowie Figuren 1 und 2). [X.]llerdings stellen weder dieses Bild noch die gemäß [X.]bschnitt [X.] zum Training verwendeten Röntgenbilder [X.]ifferenzbild- oder Vergleichsdifferenzbilddatensätze im Sinne der vorliegenden [X.]nmeldung dar; in [X.]ruckschrift [X.]6 wird auch nicht gezeigt, dass die Röntgenbilder ein kontrastmittelgefülltes [X.] umfassen.

[X.]ie [X.]ruckschrift [X.]7 beschäftigt sich mit der Segmentierung von [X.]dern in angiographischen Bildern. In [X.]bschnitt 2 (vgl. insbesondere Figur 2.1) wird beschrieben, dass eine trainierte [X.] („[X.]“) auf ein Eingabeangiogramm („Input X[X.]“) angewendet wird - d.h. auf einen [X.], der ein [X.] mit Gefäßen sowie Kontrastmittel abbildet (Figur 2.1 i. V. m. [X.]bschnitt 2.1.1, zweiter Satz sowie [X.]bschnitt 2.2, vorletzter Satz). [X.]adurch wird ein [X.] erhalten, in dem die Blutgefäße besser zu sehen sind, aber deren umgebende Strukturen fehlen (Figur 2.1 - Bild über dem Text „Generated“ i. V. m. [X.]bschnitt 2.1.2). [X.]ie trainierte [X.] wird mittels eines G[X.]-[X.]lgorithmus erhalten (Figur 2.1 i. V. m. [X.]bschnitt 2.2, erster [X.]bsatz und „[X.]lgorithm 1“ auf Seite 10). Im zweiten [X.]bsatz auf Seite 8 ist ferner erwähnt, dass ein „adversarial training“ gute Rauschunterdrückungsergebnisse liefert. [X.]a die zum Training verwendeten Referenzbilder ungenau und verrauscht sind, wird allerdings konkret vorgeschlagen, zur Erzeugung besserer Referenzbilder genauere manuelle [X.]nnotationen sowie „noisy label learning“-Techniken zu verwenden ([X.]bschnitt 3.2, Punkt 2.).

[X.]ie [X.]ruckschrift [X.]8 befasst sich mit einer Methode zur Erzeugung von [X.]-Maskenbilddatensätzen aus Füllbilddatensätzen („virtual [X.]“, s. [X.]bschnitt [X.], zweiter [X.]bsatz, erster Satz) mittels eines neuronalen Netzwerks (Figur 1 sowie [X.]bsatz II), um [X.] bei der [X.]nwendung von [X.] auf bewegliche Objekte zu vermeiden ([X.]bschnitt [X.], erster [X.]bsatz). [X.]abei werden die [X.]dern entsprechenden Bildbereiche segmentiert (vgl. die „defect images“ in Figur 2) und anschließend von dem neuronalen Netzwerk auf Basis der umgebenden Bildbereiche aufgefüllt („semi-blind inpainting“, vgl. Figur 2 und linke Spalte unter Figur 2, erster vollständiger [X.]bsatz). Um die Berechnung von [X.]ifferenzbilddatensätzen geht es dabei nicht; zudem kommt kein G[X.]-[X.]lgorithmus zum Einsatz.

[X.]ie [X.]ruckschrift [X.]9 beschreibt eine Erweiterung eines G[X.]-[X.]lgorithmus für Bild-zu-Bild-Translationsprobleme, bei denen keine pixelweise gepaarten Trainingsdaten vorliegen ([X.]bstract, [X.]bschnitt 1, dritter und fünfter [X.]bsatz). [X.]ie Erweiterung besteht in der Einführung einer zweiten [X.] G₂, die das durch die erste [X.] G₁ erzeugte Bild wieder auf das ursprüngliche Bild rücktransformieren soll (Figur 1, [X.]bschnitt II, insbesondere Gleichung (2)). [X.]er Unterschied zwischen dem rücktransformierten und dem ursprünglichen Bild, der „cycle consistency loss“, wird bei der iterativen Optimierung zusätzlich berücksichtigt (Gleichungen (2) und (6)). [X.]ls [X.]nwendungsfälle sind die Erzeugung von Röntgenbildern aus PET-[X.]ufnahmen sowie die Korrektur von [X.]n in [X.] gezeigt (erste Seite, rechte Spalte, letzter Satz i. V. m. Figuren 1 bis 3). [X.]abei wird kein [X.] im Sinne der vorliegenden Patentanmeldung erzeugt; um eine Reduktion eines Rauschpegels geht es ebenfalls nicht.

[X.]uch ein Verfahren gemäß Patentanspruch 10 geht aus keiner dieser [X.]ruckschriften hervor. [X.]ies gilt insbesondere für den Merkmalskomplex N1/[X.]/[X.]/N3/[X.]/[X.], dessen Merkmale der Reduktion eines Rauschpegels dienen und damit einen hinreichenden Bezug zur gezielten [X.]nwendung von Naturkräften aufweisen und bei der Prüfung der erfinderischen Tätigkeit zu berücksichtigen sind.

[X.]erzeit ist für den [X.] nicht ersichtlich, wie der [X.]urchschnittsfachmann ausgehend allein von den [X.]ruckschriften [X.] bis [X.]9 in naheliegender Weise zur jeweiligen Lehre der Patentansprüche 1 und 10 hätte gelangen können.

Weil das [X.] somit noch nicht in der Sache selbst entschieden hat, war die [X.]nmeldung gemäß § 79 [X.]bs. 3 Satz 1 Nr. 1 [X.] dorthin zurückzuverweisen (siehe z.B. [X.], [X.], 11. [X.]uflage, § 79 Rn. 21).