国家知识产权局关于修改《专利审查指南》的决定（2025年） 6．
6． 3.3审查示例
一种用于生成人脸特征的方法
申请内容概述
发明专利申请通过将设有空间变换网络的第一卷积神经网络所生成的特征区域图像集合，对各第二卷积神经网络实现信息共享，据此可以减少内存资源占用，同时提高人脸图像生成结果的准确度。
申请的权利要求
一种用于生成人脸特征的方法，包括：
获取待识别人脸图像；
将所述待识别人脸图像输入第一卷积神经网络生成所述待识别人脸图像的特征区域图像集合，其中，所述第一卷积神经网络用于从人脸图像中提取特征区域图像；
将所述特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络生成该特征区域图像的区域人脸特征，其中，所述第二卷积神经网络用于提取对应的特征区域图像的区域人脸特征；
根据所述特征区域图像集合中的各特征区域图像的区域人脸特征生成所述待识别人脸图像的人脸特征集合；
其中，所述第一卷积神经网络中还设置有空间变换网络，用于确定人脸图像的特征区域；以及
将所述待识别人脸图像输入第一卷积神经网络，生成所述待识别人脸图像的特征区域图像集合，包括：将所述待识别人脸图像输入所述空间变换网络，确定所述待识别人脸图像的特征区域；将所述待识别人脸图像输入所述第一卷积神经网络，根据确定的特征区域，生成所述待识别人脸图像的特征区域图像集合。
说明书相关段落
本申请实施例提供的用于生成人脸特征的方法，首先通过将获取的待识别人脸图像输入第一卷积神经网络，可以生成待识别人脸图像的特征区域图像集合。第一卷积神经网络可以用于从人脸图像中提取特征区域图像。然后，可以将特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络，从而生成该特征区域图像的区域人脸特征。第二卷积神经网络可以用于提取对应的特征区域图像的区域人脸特征。之后，根据特征区域图像集合中的各特征区域图像的区域人脸特征，可以生成待识别人脸图像的人脸特征集合。也就是说，第一卷积神经网络所生成的特征区域图像集合，对于各第二卷积神经网络可以实现信息共享。这样可以减少数据量，从而降低内存资源的占用，同时有助于提高生成效率。
为了提高生成结果的准确度，第一卷积神经网络中还可以设置有空间变换网络，用于确定人脸图像的特征区域。此时，电子设备可以将待识别人脸图像输入空间变换网络，以确定待识别人脸图像的特征区域。这样，第一卷积神经网络对输入的待识别人脸图像，可以根据空间变换网络确定出的特征区域，提取特征层上与特征区域匹配的图像，以生成待识别人脸图像的特征区域图像集合。空间变换网络在第一卷积神经网络中的具体设置位置在本申请中并不限制。空间变换网络可以通过不断地学习来确定不同人脸图像的不同特征的特征区域。
分析及结论
发明专利申请请求保护一种用于生成人脸特征的方法，为了提高人脸图像生成结果的准确度，第一卷积神经网络中可以设置有空间变换网络，用于确定人脸图像的特征区域，但是说明书中并未记载该空间变换网络在第一卷积神经网络中的具体设置位置。
所属技术领域的技术人员知晓，空间变换网络作为一个整体，可以插入到第一卷积神经网络中的任意位置，形成卷积神经网络嵌套的结构，例如该空间变换网络可以作为第一卷积神经网络的第一层，也可以作为第一卷积神经网络的中间层，上述位置并不影响其识别图像的特征区域的能力。通过训练，空间变换网络能够确定不同人脸图像的不同特征所在特征区域。由此，空间变换网络不仅可以指导第一卷积神经网络进行特征区域切割，还可以对输入数据进行简单的空间变换，以便提高第一卷积神经网络的处理效果。据此，发明专利申请所采用的模型的层级清楚，各层级之间的输入/输出及其之间的关系清楚，其中，卷积神经网络和空间变换网络都是公知的算法，所属技术领域的技术人员根据上述记载能够构建相应的模型架构。因此，发明专利申请请求保护的解决方案在说明书中已被充分公开，符合专利法第二十六条第三款的规定。
一种基于生物信息预测癌症的方法
申请内容概述
发明专利申请提供了一种基于生物信息预测癌症的方法，通过训练好的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人脸图像特征共同作为筛查模型的输入，得到恶性肿瘤患病预测值，由此解决提升恶性肿瘤预测准确性的技术问题。
申请的权利要求
一种基于生物信息预测癌症的方法，其特征在于，包括：
获取待筛查者的血常规化验单、血生化化验单，识别血常规、血生化化验单中的检测指标、年龄、性别；
获取待筛查者正面的素颜人脸图像，提取人脸图像特征；
基于恶性肿瘤增强筛查模型，预测出相应待筛查者中恶性肿瘤患病预测值；
其中，恶性肿瘤增强筛查模型的训练过程为：构建大规模人群样本集合，样本中包含同一人的血常规、血生化和人脸图像；利用血常规、血生化和人脸图像特征建立学习样本；利用学习样本训练机器学习算法模型，得到恶性肿瘤增强筛查模型。
说明书相关段落
目前采用肿瘤标志物识别恶性肿瘤时，肿瘤标志物的标准在大于阈值的情况下，并不能确定为恶性肿瘤，在小于阈值的情况下，也不能排除恶性肿瘤，根据肿瘤标志物预测癌症，其准确性不高。本申请利用血常规、血生化检测指标、人脸图像来提高多种恶性肿瘤的识别准确性。本申请在利用血项化验数据的同时，参考人脸图像所反映出的待筛查者的健康状况，可以更加准确的预测恶性肿瘤的患病概率，其中恶性肿瘤增强筛查模型计算特征的选取，可以利用血常规数据和血生化的部分指标或者全部指标。
分析及结论
发明专利申请要解决的技术问题是如何提高恶性肿瘤预测的准确性，为解决上述技术问题，该解决方案利用训练好的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人脸图像特征共同作为筛查模型的输入，以期得到恶性肿瘤患病预测值。然而，血常规和血生化这两种常见的生化检测项目各包含了几十个检测指标。但是，说明书中并未记载具体哪些指标是与肿瘤预测准确度相关的关键指标，或者是参考了所有指标、对各指标赋予不同权重进行预测，所属技术领域的技术人员也无法确定哪些指标能够用于判断恶性肿瘤。同时，基于目前的科学研究，除了面部皮肤癌等少数几种肿瘤外，人脸特征与罹患恶性肿瘤之间是否存在关联尚不确定，说明书中也未记载或者证明“判断的依据因素”与“判断的结果”两者之间的因果关系。此外，说明书中也没有提供任何验证数据证明采用该解决方案识别多种恶性肿瘤的准确率比采用肿瘤标志物识别的准确率更高，或者明显高于随机判断恶性肿瘤患病概率的准确率水平。所属技术领域的技术人员仅根据说明书公开的内容，无法确定本申请的解决方案可以解决其要解决的技术问题。因此，发明专利申请请求保护的技术方案在说明书中未被充分公开，说明书不符合专利法第二十六条第三款的规定。
本节其他内容无修改。