国家知的財産権局は「専利審査特許審査ガイドライン」（以下「ガイドライン」という）を改正し、改正後のガイドラインは2026年1月1日から施行されます。今回の特許審査ガイドライン改正の主な内容を整理してまとめました。具体的には以下のとおりです。
1.同日出願の変更について
同日出願について、ガイドラインの元の規定は以下のとおりでした。「同一の出願人が同日（出願日のことのみを指す）に同じ発明創作について実用新案登録と発明特許の両方を出願する場合、先に取得した実用新案特許権がまだ存続しており、かつ出願人が出願時にそれぞれ説明を行った場合、発明特許出願の修正以外に、実用新案特許権の放棄によっても重複付与を回避することができる。したがって、上記の発明特許出願の審査過程において、当該発明特許出願が特許権付与のその他の条件を満たす場合、出願者に選択または修正を行うよう通知すべきである」。
上記の規定は今回、以下のように改正されました。「同一の出願人が同日（出願日のことのみを指す）に同じ発明創作について実用新案登録と発明特許の両方を出願する場合、特許法施行細則第47条の規定に基づき、出願時に同じ発明創作について別の特許を出願したことをそれぞれ説明すべきである。説明がない場合は、同じ発明創作に対して一つの特許権のみが付与されるという特許法第9条第1項の規定に基づいて処理する。説明がある場合、発明特許出願を審査して拒絶の理由が見つからないときは、出願者に対し所定の期間内に実用新案特許権を放棄する旨の宣言を行うよう通知すべきである。出願者が放棄を宣言した場合は、発明特許権を付与する決定を行い、発明特許権付与の公告時に出願者の実用新案特許権放棄宣言を併せて公告する。出願者が放棄に同意しない場合は、当該発明特許出願を拒絶すべきである。出願者が期間満了までに回答しない場合は、出願を取り下げたものとみなす」。
以上の改正により、実用新案特許権を放棄する方法のみが発明特許の付与を得る手段として認められ、出願者は発明特許出願を修正する方法では付与を得られなくなります。
2. アルゴリズム特徴またはビジネスルール・方法特徴を含む、人工知能、ビッグデータ等に関連する発明特許出願の審査関連規定の改正
2.1 「審査基準」部分の改正
元の規定は「審査は、保護を求める解決策、すなわち特許請求の範囲が限定する解決策に対して行うべきである」というものでしたが、今回の改正後、「必要に応じて明細書の内容に対して審査を行うべきである」が追加されました。
さらに、「特許法第5条第1項に基づく審査」の小節を追加し、追加された内容は以下のとおりです。「アルゴリズム特徴またはビジネスルール・方法特徴を含む発明特許出願において、そのデータ収集、ラベル管理、ルール設定、推薦意思決定などが、法律に違反し、公衆道徳に反し、または公共の利益を妨害する内容を含む場合、特許法第5条第1項の規定に基づき、特許権を付与することはできない」。
2.2 「審査例」部分の改正
2.2.1 法律違反、公衆道徳に反し、または公共の利益を妨害する内容に対しては付与しない規定及び例を追加
新規追加内容は以下のとおりです。
（1）アルゴリズム特徴またはビジネスルール・方法特徴を含む発明特許出願が、法律に違反し、公衆道徳に反し、または公共の利益を妨害する場合、特許権を付与することはできない。
【例1】
ビッグデータに基づく店内マットレス販売補助システム
出願内容の概要
本発明特許出願の解決策は、ビッグデータに基づく店内マットレス販売補助システムであり、カメラモジュールと顔認識モジュールを通じて顧客の顔特徴情報の収集を完了し顧客の身元識別情報を取得し、収集した情報をデータ分析して顧客のマットレスに対する真の嗜好を評価し、販売業者の精密マーケティングを支援する。
出願の特許請求の範囲
ビッグデータに基づく店内マットレス販売補助システムであり、マットレス展示設備と管理センターを含み、
前記マットレス展示設備は、制御モジュールと情報収集モジュールを含み、マットレス製品の展示と販売補助及び顧客データの収集に用いられ、前記制御モジュールは、管理センターとデータ交換を行うために用いられ、前記情報収集モジュールは、カメラモジュールと顔認識モジュールを含み、顧客の顔特徴情報を収集し、キーポイント検出アルゴリズムを用いて顔姿勢を調整して正規化顔画像を取得し、正規化顔画像を顔検出アルゴリズムを通じて認識対象の顔領域を位置決めし、主成分分析法を組み合わせて顔領域内の顔特徴を抽出して顧客の身元識別情報を取得するために用いられ、
前記管理センターは、管理サーバーと分析補助システムを含み、前記管理サーバーは、複数のマットレス展示設備を管理し、前記分析補助システムは、顧客の身元識別情報に基づき、マットレス展示設備が収集したデータを利用して顧客の真の嗜好を分析し、その分析結果を管理センターにフィードバックする、ことを特徴とする前記システム。
分析及び結論
「中華人民共和国個人情報保護法」の関連規定によれば、公共の場所に画像収集、個人身元識別設備を設置する場合は、公共の安全を維持するために必要であり、国家の関連規定を遵守し、かつ顕著な提示標識を設置すべきであります。収集した個人の画像、身元識別情報は公共の安全を維持する目的にのみ使用でき、他の目的には使用してはならなりません。個人の個別の同意を取得した場合は除きます。
該発明創作が請求する保護の解決策からわかるように、画像収集と顔認識手段を店舗などの営業場所でマットレスの精密マーケティングに使用することは、公共の安全を維持するために必要なものではありません。さらに、顧客のマットレスに対する真の嗜好を取得して分析するために、顧客の顔情報を収集しその身元識別情報を取得することは、明らかに顧客が気づかない状況下で行われており、出願においてデータ取得または情報収集が合法的かつ規定に順守されていることも示されていない。したがって、該発明創作は法律に反し、特許法第5条第1項の規定に基づき、特許権を付与することはできません。
【例2】
自動運転車両の緊急時意思決定モデル確立方法
出願内容の概要
本発明特許出願の解決策は、自動運転車両の緊急時意思決定モデル確立方法であり、歩行者の性別と年齢を障害物データとし、訓練された意思決定モデルを通じて、障害物を回避できない状況での保護対象と衝突対象を決定する。
出願の特許請求の範囲
自動運転車両の緊急時意思決定モデル確立方法であり、
自動運転車両の歴史環境データと歴史障害物データを取得すし、前記歴史環境データは、車両の走行速度、所在車線上の障害物との距離、隣接車線上の障害物との距離、所在車線上障害物の運動速度と運動方向、隣接車線上障害物の運動速度と運動方向を含み、前記歴史障害物データは、歩行者の性別と年齢を含み、
前記歴史環境データと歴史障害物データに対して特徴抽出を行い、意思決定モデルの入力データとし、障害物を回避できないときの車両の歴史走行軌跡を意思決定モデルの出力データとし、歴史データに基づいて意思決定モデルを訓練し、前記意思決定モデルは深層学習モデルであり、
リアルタイム環境データとリアルタイム障害物データを取得し、自動運転車両が障害物を回避できない状況に、訓練後の意思決定モデルを利用して自動運転車両の走行軌跡を決定する、ことを含むことを特徴とする自動運転車両の緊急時意思決定モデル確立方法。
分析及び結論
該発明創作は、自動運転車両の緊急時意思決定モデル確立方法に関します。人の生命は同等の価値と尊厳を持ち、その年齢や性別に関わらず、自動運転車両の緊急時意思決定モデルが回避不能な事故において、歩行者の性別と年齢に基づいて保護対象と衝突対象を選択する場合、これは生命の前では万人平等という倫理観・道徳観に反します。さらに、このような意思決定方法は社会に存在する性別や年齢に関する偏見を強化し、公衆の交通の安全性に対する懸念を引き起こし、技術と社会秩序に対する公衆の信頼を損なう恐れがあります。したがって、該発明創作は公序良俗に反する内容を含み、特許法第5条第1項の規定に基づき、特許権を付与することはできません。
2.2.2 進歩性に関する審査例を追加
新規追加例は以下のとおりです。
【例18】
船舶数を識別する方法
出願内容の概要
本発明特許出願は、船舶画像データを取得し、深層学習を通じて検出データモデルを訓練し、現在海域内の船舶数を正確に識別する技術問題を解決する船舶数識別方法を提案した。
出願の特許請求の範囲
船舶数を識別する方法であり、
船舶画像データセットを取得し、データセット中の画像情報に対して前処理を行い、画像情報中の船舶の位置と境界情報をマークし、前記データセットを訓練データセットとテストデータセットに分割し、
前記訓練データセットを用いて深層学習を行い、訓練モデルを構築し、
前記テストデータに基づいて訓練モデルに入力して訓練し、船舶テスト結果データを取得し、
前記船舶テスト結果データと予め設定誤差パラメータを乗算し、実際の船舶数を確定する、ことを含むことを特徴とする船舶数を識別する方法。
分析及び結論
引用文献1は、樹上の果実数を識別する方法を開示し、画像情報の取得、画像上の果実の位置と境界のマーク、データセットの分割、モデル訓練、実際の果実数の確定のステップを具体的に開示している。
発明特許出願の解決策と引用文献1との違いは、識別対象が異なることのみであります。船舶と果実自体は外観、体積、存在環境などにおいて差異がありますが、当該技術分野の技術者にとって、実際の数量を識別するための必要な情報マーク、データセット分割、モデル訓練等のステップは、いずれも画像上の識別対象の位置関係を対象としており、特許請求の範囲においても、識別対象が異なることにより、深層学習、モデル訓練過程において訓練方式、モデル階層などに変更が加えられたことが体现されていません。画像上の船舶データをマークすることと、画像上の果実データをマークして訓練用データセットを取得しモデル訓練を行うことは、深層学習、モデル構築または訓練過程などに対して調整または改良を行っていません。したがって、保護を求める発明の技術案は進歩性を有しません。
【例19】
廃鋼レベル区分ニューラルネットワークモデル確立方法
出願内容の概要
廃鋼は回収時に鋼材の平均サイズに基づいてレベル区分を行う必要があるが、保管時には乱雑に積み重なっているため、人工によるサイズ測定とレベル判定は効率が低く、レベル区分の正確率も高くありません。本発明特許出願は、畳み込みニューラルネットワーク学習を通じてレベル分類出力を有するレベル区分ニューラルネットワークモデルを形成し、廃鋼レベル区分の効率と正確率を向上させることができる、廃鋼レベル区分ニューラルネットワークモデル確立方法を提案した。
出願の特許請求の範囲
回収された廃鋼をレベル区分するために用いられる、廃鋼レベル区分ニューラルネットワークモデル確立方法であり、前記方法は、
複数の画像を取得し、複数の画像の異なる廃鋼レベルを確定し、前記画像に対して前処理を行い、異なるレベルの画像データ特徴を抽出し、抽出した異なるレベルの画像データ特徴に対して畳み込みニューラルネットワーク学習を行い、レベル分類出力を有するレベル区分ニューラルネットワークモデルを形成し、
前記画像データ特徴の抽出は、画像画面の画素点行列データに対する畳み込みニューラルネットワーク畳み込み計算の集合を抽出するものであり、畳み込み層または畳み込み層にプーリング層を加えて構成される複数のラインの出力集合を通じて、画像中の物体の色、輪郭特徴、テクスチャ特徴の抽出、及び画像中の物体の輪郭、テクスチャ間の関連特徴の抽出を実現することを含み、
前記画像中の物体の色、輪郭特徴の抽出は、畳み込み層にプーリング層を加えて構成される3本のラインの出力集合によって実現され、左から右への、第1ラインは1層のプーリング層、第2ラインは2層の畳み込み層、第3ラインは4層の畳み込み層を含み、前記画像中のテクスチャ特徴の抽出は、上記の画像中の物体の色、輪郭特徴の抽出結果を集合した後、畳み込み層で構成される3本のラインの出力集合によって実現され、左から右への、第1ラインは0畳み込み層、第2ラインは2層の畳み込み層、第3ラインは3層の畳み込み層を含み、
前記輪郭、テクスチャ間の関連特徴抽出の畳み込み層計算のライン数は、画像中の物体の色、輪郭、テクスチャ特徴抽出の畳み込み層計算のライン数より多い、とのことを含む前記方法。
分析及び結論
引用文献1は、再生資源の由来が複雑、種類が多く、材質の差異が大きいため、廃鋼が豆鉄、打抜き残材、ベーキング鉄その他の種類に属することを正確に識別して、再生資源のリサイクル利用率を向上させる必要がある問題を解決するために、畳み込みニューラルネットワークモデルに基づく廃鋼種類識別方法を提供し、複数の既に確定された廃鋼種類の画像データを取得し、前記画像データに対して前処理を行って特徴抽出し、畳み込みニューラルネットワークを利用して訓練し製品モデルを取得する関連ステップを具体的に開示しています。
発明特許出願の解決策と引用文献1との違いは、訓練するデータと抽出する特徴が異なり、畳み込み層とプーリング層のライン数と階層設定も異なることであります。引用文献1に対して、発明が実際に解決する技術問題は、廃鋼レベル区分の正確性を如何に向上させるかであります。引用文献1は既に確定された種類の廃鋼画像データを利用して特徴抽出しモデル訓練を行うのに対し、発明特許出願は廃鋼の平均サイズに基づいてレベル区分を行うために、乱雑に積み重なった廃鋼画像に対して廃鋼の形状、厚さを識別する必要があり、画像中の廃鋼の色、輪郭、テクスチャ等の特徴を抽出するために、モデル訓練過程において畳み込み層とプーリング層のライン数と階層設定等を調整しており、上記のアルゴリズム特徴と技術特徴は機能上互いに支持し合い、相互作用関係が存在し、廃鋼レベル区分の正確性を向上させることができ、前記アルゴリズム特徴が技術案に対して行った貢献を考慮すべきであります。上記の畳み込み層とプーリング層のライン数と階層設定の調整等内容は他の引用文献に開示されておらず、また当該分野の周知技術にも属さず、先行技術全体として上記の引用文献1を改良して発明特許出願の技術案を得る示唆は存在しません。したがって、保護を求める発明の技術案は進歩性を有します。
2.3 「明細書の作成」部分の改正
以下の内容を追加。
人工知能モデルの構築または訓練に関わる場合、一般的には明細書において、モデルに必要なモジュール、階層または接続関係、訓練に必要な具体的なステップ、パラメータ等を明確に記載する必要がある。具体的な分野または場面で人工知能モデルまたはアルゴリズムを応用する場合、一般的には明細書において、モデルまたはアルゴリズムが如何に具体的な分野または場面と結合するか、アルゴリズムまたはモデルの入力、出力データがその内的関連関係を示すように如何に設定されるか等を明確に記載し、当該技術分野の技術者が明細書に記載された内容に従って、当該発明の解決策を実現できるようにする必要がある。
2.4 「明細書及び特許請求の範囲の作成」部分に審査例を追加
以下の新規例を追加。
[例20]
顔特徴を生成する方法
出願内容の概要
この発明特許出願では、空間変換ネットワークを備えた第1の畳み込みニューラルネットワークによって生成された特徴領域画像を集合し、各第2の畳み込みニューラルネットワークに対して情報共有を実現することにより、メモリ資源の占有量を低減するとともに、顔画像生成結果の精度を向上させることができる。
出願の請求の範囲
顔特徴を生成する方法であって、
認識対象の顔画像を取得し、
前記認識対象の顔画像を第1の畳み込みニューラルネットワークに入力して、前記認識対象の顔画像の特徴領域画像集合を生成し、前記第1の畳み込みニューラルネットワークは、顔画像から特徴領域画像を抽出するために用いられ、
前記特徴領域画像集合の各特徴領域画像を、対応する第2畳み込みニューラルネットワークに入力して、当該特徴領域画像の領域顔特徴を生成し、前記第2畳み込みニューラルネットワークは、対応する特徴領域画像の領域顔特徴を抽出するために用いられ、
前記特徴領域画像集合における各特徴領域画像の領域顔特徴から、前記認識対象顔画像の顔特徴集合を生成し、
前記第1の畳み込みニューラルネットワークには、顔画像の特徴領域を決定する空間変換ネットワークがさらに設けられ、そして
前記認識対象の顔画像を第1畳み込みニューラルネットワークに入力し、前記認識対象の顔画像の特徴領域画像集合を生成することは、前記認識対象の顔画像を前記空間変換ネットワークに入力し、前記認識対象の顔画像の特徴領域を決定することと、前記認識対象の顔画像を前記第1畳み込みニューラルネットワークに入力し、決定された特徴領域に基づいて、前記認識対象の顔画像の特徴領域画像集合を生成すること含む、
ことを含む顔特徴を生成する方法。
明細書の関連段落
本発明の実施例に係る顔特徴の生成方法は、まず、取得した認識対象の顔画像を第1畳み込みニューラルネットワークに入力することにより、認識対象の顔画像の特徴領域画像集合を生成することができる。第1の畳み込みニューラルネットワークは、顔画像から特徴領域画像を抽出するために用いられてもよい。そして、特徴領域画像集合の各特徴領域画像を、対応する第2畳み込みニューラルネットワークに入力して、該特徴領域画像の領域顔特徴を生成してもよい。第2の畳み込みニューラルネットワークは、対応する特徴領域画像の領域顔特徴を抽出するために用いられてもよい。その後、特徴領域画像集合における各特徴領域画像の領域顔特徴に基づいて、認識対象の顔画像の顔特徴集合を生成することができる。すなわち、第1の畳み込みニューラルネットワークによって生成された特徴領域画像集合は、各第2の畳み込みニューラルネットワークに対して情報共有を実現することができる。これにより、データ量を減らし、メモリリソースの使用量を減らすことができ、生成効率を向上させることができる。
生成結果の精度を向上させるために、第1畳み込みニューラルネットワークに顔画像の特徴領域を決定する空間変換ネットワークをさらに備えてもよい。このとき、電子機器は、認識対象の顔画像を空間変換ネットワークに入力し、認識対象の顔画像の特徴領域を決定してもよい。このように、第1畳み込みニューラルネットワークは、入力された認識対象の顔画像に対して、空間変換ネットワークによって決定された特徴領域に基づいて、特徴層上の特徴領域にマッチする画像を抽出し、認識対象の顔画像の特徴領域画像集合を生成することができる。第1畳み込みニューラルネットワークにおける空間変換ネットワークの具体的な設定位置は、本出願において限定されない。空間変換ネットワークは、常に学習することによって、異なる顔画像の異なる特徴の特徴領域を決定することができる。
分析と結論
本発明特許出願は、顔画像の生成結果の精度を向上させるために、顔画像の特徴領域を判定する空間変換ネットワークを第1の第1畳み込みニューラルネットワークに設けてもよいとの顔特徴の生成方法の保護を求めていますが、第1の第1畳み込みニューラルネットワークにおける該空間変換ネットワークの具体的な設定位置は明細書に記載されていません。
空間変換ネットワークは、全体として、第1の畳み込みニューラルネットワークの任意の位置に挿入されて、畳み込みニューラルネットワークが入れ子になった構造を形成することができ、例えば、該空間変換ネットワークは、第1の畳み込みニューラルネットワークの第1層としても、第1の畳み込みニューラルネットワークの中間層としてもよく、上記位置がその画像の特徴領域を認識する能力に影響を与えないことが当業者は分かっています。訓練により、空間変換ネットワークは異なる顔画像の異なる特徴が所在する特徴領域を決定することができます。これにより、空間変換ネットワークは、第1畳み込みニューラルネットワークに特徴領域切断を指導するだけでなく、入力データに対して簡単な空間変換を行うことができ、第1畳み込みニューラルネットワークの処理効果を向上させることができます。これにより、発明特許出願で採用されたモデルの階層は明確であり、各階層間の入力/出力及びその間の関係は明確であり、そのうち、畳み込みニューラルネットワーク及び空間変換ネットワークはいずれも公知のアルゴリズムであり、所属技術分野の技術者は上記記載に基づいて相応のモデル構造を構築することができます。したがって、発明特許出願で保護を求める解決案は明細書に十分に開示されており、特許法第26条第3項の規定を満たしています。
[例21]
生体情報に基づくがん予測方法
出願内容の概要
発明特許出願は生体情報に基づいてがんを予測する方法を提供し、訓練された悪性腫瘍強化スクリーニングモデルを通じて、血液ルーチン、血液生化学検査指標及び顔画像特徴を共同でスクリーニングモデルの入力とし、悪性腫瘍罹患予測値を得ることで、悪性腫瘍予測正確性を向上させる技術問題を解決する。
出願の請求の範囲
生体情報に基づいて癌を予測する方法であって、
スクリーニング対象者の血液常規化学検査表、血液生化学検査表を取得し、血液常規、血液生化学検査表中の検査指標、年齢、性別を識別することと;
スクリーニング対象者の正面の素顔顔画像を取得し、顔画像の特徴を抽出する工程と、
悪性腫瘍増強スクリーニングモデルに基づいて、対応するスクリーニング対象者における悪性腫瘍罹患予測値を予測することとを含み、
そのうち、悪性腫瘍増強スクリーニングモデルの訓練過程は：大規模な人々のサンプル集合を構築し、サンプルには同一人の血液常規、血液生化学と顔画像が含まれる、血液常規、血液生化学と顔画像の特徴を利用して学習サンプルを構築する。学習サンプルを用いて機械学習アルゴリズムモデルを訓練し、悪性腫瘍強化スクリーニングモデルを得る、生体情報に基づいて癌を予測する方法。
明細書の関連段落
現在、腫瘍マーカーを用いて悪性腫瘍を識別する場合、腫瘍マーカーの基準が閾値より大きい場合には悪性腫瘍と判定できず、閾値より小さい場合には悪性腫瘍を排除することもできず、腫瘍マーカーに基づいて癌を予測するのは正確性が高くない。本出願は、血液ルーチン、血液生化学検査指標、顔画像を利用して、複数種類の悪性腫瘍の識別精度を向上させる。本出願は血液項目の化学検査データを利用すると同時に、顔画像に反映されたスクリーニング対象者の健康状況を参考にすることで、悪性腫瘍の罹患確率をより正確に予測することができ、その中で悪性腫瘍の増強スクリーニングモデルの計算特徴の選択は、血液ルーチンデータと血液生化学の一部指標またはすべての指標を利用することができる。
分析と結論
発明特許出願で解決しようとする技術的問題は悪性腫瘍予測の正確性をどのように向上させるかであり、上述の技術的問題を解決するため、この解決案は訓練された悪性腫瘍強化スクリーニングモデルを利用し、血液ルーティン、血液生化学検査指標及び顔画像特徴を共同でスクリーニングモデルの入力とし、悪性腫瘍罹患予測値を得ることを期待しています。しかし、血液ルーチンと血液生化学という2種類のよく見られる生化学検査項目にはそれぞれ数十の検査指標が含まれています。しかし、明細書には具体的にどの指標が腫瘍予測精度に関連する重要な指標であるか、あるいはすべての指標を参考にして各指標に異なる重みを付与して予測しているかは記載されておらず、所属技術分野の技術者もどの指標が悪性腫瘍の判断に用いることができるかを確定することができません。同時に、現在の科学研究に基づき、顔面皮膚癌など少数の腫瘍を除き、顔の特徴と悪性腫瘍の罹患との間に関連があるかどうかはまだ確定しておらず、明細書にも「判断の根拠要素」と「判断の結果」両者の間の因果関係が記載または証明されていません。また、明細書には、このソリューションを用いて複数種類の悪性腫瘍を識別する精度が腫瘍マーカーを用いて識別する精度よりも高い、または悪性腫瘍の罹患確率をランダムに判断する精度レベルより明らかに高いことを証明するいかなる検証データも提供されていません。属する技術分野の技術者は、明細書に開示された内容だけに基づいて、本出願の解決案が解決しようとする技術的問題を解決できると確定することはできません。したがって、発明特許出願で保護を求る技術案は明細書において十分に開示されておらず、明細書は特許法第26条第3項の規定に合致しない。
3.ビットストリームを含む発明特許出願審査に関する規定の追加
新たに追加された内容は次のとおりです。
ストリーミングメディア、通信システム、コンピュータシステム等の応用分野では、一般的に、様々な種類のデータがビットストリームとして生成され、記憶され、伝送される。本節は、特許法及びその実施細則の規定に基づき、ビットストリームを含む発明特許出願の保護対象の審査及び明細書及び請求項の作成に関する具体的な規定を設けることを目的とする。
7.1 保護対象の審査
7.1.1 特許法第25条第1項第（2）号に基づく審査
請求項の主題が単純なビットストリームにのみに関連する場合、当該請求項は特許法第25条第1項第（2）号に規定された知的活動の規則及び方法に属し、特許保護の対象には該当しない。例えば、「シンタックス要素A、シンタックス要素B、…を含むことを特徴とするビットストリーム」。
1つの請求項において、その主題名を除き、それを限定する全ての内容が単純なビットストリームにのみがかかわる場合、当該請求項は特許法第25条第1項第（2）号に規定された知的活動の規則及び方法に属し、特許保護の客体に属さない。例えば、「ビットストリームが、シンタックス要素A、シンタックス要素B、…を含むことを特徴とするビットストリームの生成方法」。
7.1.2 特許法第2条第2項に基づく審査
デジタルビデオ符号化/復号化の技術分野では、通常、ビデオデータはビデオ符号化方法によってビットストリームを生成し、ビットストリームはビデオ復号化方法によってビデオデータを生成する。ビットストリームを生成する特定のビデオ符号化方法が特許法第2条第2項の技術案に該当する場合、当該特定のビデオ符号化方法に限定され、当該ビットストリームを記憶又は伝送する方法及び当該ビットストリームを記憶するコンピュータ読み取り可能な記憶媒体は、記憶又は伝送資源の最適構成等を実現することができるため、当該特定のビデオ符号化方法に限定される記憶又は伝送方法及びコンピュータ読み取り可能な記憶媒体は特許法第2条第2項の技術案に属し、特許保護の対象に属する。
7.2 明細書及び請求項の作成
7.2.1 明細書の作成
特定のビデオ符号化方法によって生成されたビットストリームを含む発明特許出願の明細書は、当該特定のビデオ符号化方法について明確かつ完全な説明を行うべきであり、所属する技術分野の技術者が実現できることを基準とする。保護主題が当該ビットストリームを記憶又は伝送する方法及び当該ビットストリームを記憶するコンピュータ読み取り可能な記憶媒体に関連する場合、明細書はさらに請求項をサポートするために相応の説明を行うべきである。
7.2.2 請求の範囲の作成
特定のビデオ符号化方法によって生成されたビットストリームを含む発明特許出願は、記憶方法、伝送方法およびコンピュータ読み取り可能な記憶媒体の請求項として記載されてもよい。このような請求項は、一般的に、当該ビットストリームを生成する特定のビデオ符号化方法の請求項に基づいて、当該特定のビデオ符号化方法の請求項を引用するか、または当該特定のビデオ符号化方法のすべての特徴を含む方法で記載されるべきである。
[例1]
ビデオ符号化/復号化技術に関する発明特許出願については、下記の方式で請求項を記載することができる。
1.ビデオ符号化方法であって、
フレーム分割ステップと、...
……
エントロピー符号化ステップと、…
を含むことを特徴とするビデオ符号化方法。
2.ビデオ符号化装置であって、
フレーム分割ユニットと、…
……
エントロピー符号化ユニットと、
をを含むことを特徴とするビデオ符号化装置。
3ビデオ復号化方法であって、
エントロピー復号化ステップと、…
……
フレーム出力ステップと、….
を含むことを特徴とするビデオ復号化方法。
4.ビデオ復号化装置であって、
エントロピー復号化ユニットと、…
……
フレーム出力ユニットと、…
を備えることを特徴とするビデオ復号化装置。
5. ビットストリームを記憶する方法であって、請求項1に記載のビデオ符号化方法を実行してビットストリームを生成し、及び前記ビットストリームを記憶することを特徴とするビットストリームを記憶する方法。
6. ビットストリームを送信する方法であって、請求項1に記載のビデオ符号化方法を実行してビットストリームを生成し、及び前記ビットストリームを送信することを特徴とするビットストリームを送信する方法。
7. コンピュータ読み取り可能な記憶媒体であって、それにコンピュータプログラム/命令とビットストリームが記憶され、前記コンピュータプログラム/命令は、プロセッサによって実行されると、請求項1に記載のビデオ符号化方法で前記ビットストリームを生成することを実現することを特徴とするコンピュータ読み取り可能な記憶媒体。
4.配列表の料金に関する規定の改正について
「所定の書式に合致して提出されたコンピュータ読み取り可能な形式の配列表については、ページ数を計算しない」という規定が新たに追加されました。400ページを超える配列表の料金計算に関する規定「ヌクレオチド及び/又はアミノ酸配列表が明細書の単独部分として400ページを超える場合、当該配列表は400ページとして計算する」を削除します。
5.特許権の期間補償に関する改正
特許権付与過程における合理的な遅延状況「再審請求人が陳述した新たな理由又は提出した新たな証拠に基づいて棄却決定を取り消す再審査手続」を新たに追加する。すなわち、当該状況による権利付与の遅延は専利権期間の補償を行いません。
6.貢献のない特徴は進歩性をもたらさない
「技術的問題の解決に貢献しない特徴は、請求項に記載されても通常、技術的案の進歩性に影響を与えない」との規定を追加します。
対応する追加例
【例えば】
カメラに関する発明において、発明が解決しようとする技術的課題は、カメラ内部の関連する機械的および回路構成を改良することによって、より柔軟なシャッター制御を実現することである。審査官が請求項に進歩性がないと指摘した後、出願人は請求項にカメラ筐体の形状、ディスプレイスクリーンの大きさ、電池室の位置などを含む特徴を追加した。明細書には、請求項の追加した特徴と前記技術問題の解決とにいかなる関連があるかが説明していなく、これらの追加の特徴は請求項の主題自体に含まれる従来の構成要素であるか、又は当業者がその通常の技術知識及び従来の実験手段に基づいて得ることができるものであり、出願人は、これらの技術的特徴が保護を求める技術案にいかなる更なる技術的効果をもたらすことができることを証明する証拠又は十分な理由を提供していないため、上記の技術的特徴は、前記技術的問題の解決に貢献しておらず、保護を求める技術案に進歩性をもたらすことはない。
7.無効手続におけるテキスト修正に関する修正
新規追加の規定としては、特許権者が同一の無効宣告請求の審理手続において提出した複数の修正文書がいずれも関連する修正要求に合致する場合、最後に提出した修正文書を基準とし、その他の修正文書は審査の基礎としない。
8.植物品種の定義を明確にし、特許の権利付与可能な客体の範囲を拡大する
特許法第25条第1項第（1）号は科学的発見に対して特許権を付与しないと規定し、第（4）号は動物及び植物品種に対して特許権を付与しないと規定している。
今回のガイドライン改正では、植物品種の定義が追加され、「特許法でいう植物品種とは、人工的な選別育成又は発見を経て改良を経て、形態的特徴と生体学的特性が一致し、遺伝的性状が相対的に安定している植物集団を指す。」
また、「人々が自然界から見つけた、技術的に処理されていない、天然に存在する野生植物は特許法第二十五条第一項第（一）号に規定する科学的発見に属し、特許権を付与することはできない。しかし、野生植物が人工的に育成又は改良され、かつ産業上の利用価値がある場合、当該植物自体は科学的発見の範疇に属さない。」、及び「人工的に選別育成又は発見された野生植物を改良して得られた植物及びその繁殖材料が、その集団において一致した形態特徴及び生体学的特性又は相対的に安定した遺伝性状を有しない場合には、それは「植物品種」とみなすことができず、したがって、特許法第25条第1項第（4）号に規定された範疇に属さない。」
ご不明な点がございましたら、や特許、商標、訴訟、権利保護等の知的財産権に関するご質問がございましたら、お気軽にお問い合わせください。特許に関するご相談は、info@afdip.com まで。訴訟 / 法務に関するご相談は、info@bhtdlaw.com まで。
