发明创造名称：一种帕金森病早期诊断方法
外观设计名称：
决定号：194826
决定日：2019-11-14
委内编号：1F269113
优先权日：
申请（专利）号：201610266562.X
申请日：2016-04-26
复审请求人：北京科技大学
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：石志昕
合议组组长：顾静
参审员：韩鲜萍
国际分类号：G06F19/00，G06K9/62
外观设计分类号：
法律依据：专利法第25条
决定要点
：如果一项方案不是以有生命的人体或动物体为对象且以获得疾病诊断结果或健康状况为直接目的，而只是从活的人体或动物体获取作为中间结果信息的方法，则其并不属于疾病的诊断和治疗方法的发明，不符合专利法第25条第一款第（三）项的规定。
全文：
本复审请求涉及申请号为201610266562.X，名称为“一种帕金森病早期诊断方法”的发明专利申请。申请人为北京科技大学。本申请的申请日为2016年04月26日，公开日为2016年09月07日。
经实质审查，国家知识产权局原审查部门于2018年10月12日发出驳回决定，驳回了本发明专利申请，其理由是：权利要求1请求保护一种演化模糊规则的演化模糊分类器的构建方法，权利要求1中方法用于构建一种演化模糊分类器，构建该分类器的方法的步骤包括依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，并确定所述演化模糊分类器的分类阈值，本领域技术人员在面对该方法时，可以直接地、毫无疑义地确定该方法应当用于对帕金森病的诊断，提高帕金森病早期诊断的准确率，因而它是以有生命的人体为直接实施对象，用于诊断疾病，是一种诊断方法，属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。权利要求2-9直接或间接引用权利要求1，对用于帕金森病早期诊断的演化模糊分类器的构建方法做出进一步限定，仍然属于以诊断为目的以有生命的人体为直接实施对象的诊断方法，属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。
驳回决定所依据的文本为：申请日2016年04月26日提交的说明书摘要、说明书第1-176段、摘要附图、说明书附图图1-图3；2018年04月19日提交的权利要求第1-9项。驳回决定所针对的权利要求书如下：
“1. 一种基于演化模糊规则的演化模糊分类器的构建方法，其特征在于，包括：
采集测试者的生理数据，并依据采集的所述生理数据获取表征帕金森病特征样本点及正常人特征样本点，所述生理数据表示为时间序列信息；
基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，并确定所述演化模糊分类器的分类阈值。
2. 根据权利要求1所述的方法，其特征在于，所述采集测试者的生理数据，依据采集的所述生理数据获取表征帕金森病特征样本点及正常人特征样本点，包括：
采集测试者的生理数据，依据采集的所述生理数据获取表征帕金森病患者的时间序列模式；
对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点。
3. 根据权利要求2所述的方法，其特征在于，所述采集测试者的生理数据，包括：
采集测试者的生理数据，并将采集的每个测试者的生理数据作为一组时间序列信息，每个时间序列信息包括预定个数的样本点；
所述依据采集的所述生理数据获取表征帕金森病患者的时间序列模式，包括：
对采集的每个时间序列信息进行归一化处理；
将归一化处理后的每个时间序列信息分割为预定个数的时间序列片段；
将每个时间序列片段的平均值转化成模式，形成时间序列模式；
对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式。
4. 根据权利要求3所述的方法，其特征在于，所述对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式，包括：
基于演化聚类的模式提取算法对形成的所述时间序列模式进行模式聚类；
判断一模式聚类中来自帕金森病患者的时间序列模式占当前模式聚类中所有时间序列模式的比例是否超过预定的第一阈值；
若超过预定的第一阈值，则将当前模式聚类中的时间序列模式标记为帕金森病患者的时间序列模式。
5. 根据权利要求2所述的方法，其特征在于，所述对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点，包括：
对获取的表征帕金森病患者的时间序列模式内的所有样本点进行聚类；
若一个聚类内来自帕金森病患者的样本点的数目超过预定的第二阈值，且当前聚类内的样本点来自多个帕金森病患者，则将当前聚类内的所有样本点标记为帕金森病特征样本点，并把未被标记为帕金森病特征样本点的样本点标记为正常人特征样本点。
6. 根据权利要求1所述的方法，其特征在于，所述演化模糊规则存储在预定的规则库中，所述演化模糊规则表示为：
Rulei:Ifx1isAi1AND...ANDxpisAip
其中，Rulei表示第i条演化模糊规则，x1,x2,...,xp表示特征向量中的元素，p表示输入空间的维数，Ai1,...,Aip表示p个前件模糊集，表示所述演化模糊规则的后件参数采用线性函数，m表示类别，yi表示第i条演化模糊规则的输出值。
7. 根据权利要求6所述的方法，其特征在于，所述方法还包括：
所述规则库中的所述演化模糊规则是逐渐演化更新的；
其中，所述规则库中的所述演化模糊规则是逐渐演化更新的，包括：
若一演化模糊规则的前件没有发生变化，则采用递推最小二乘公式更新所述一演化模糊规则的后件参数，其中，所述递推最小二乘公式表示为：
式中，i表示第i条演化模糊规则；表示更新后的t 1时刻的后件参数估计值；表示t时刻的后件参数值；表示t时刻的协方差矩阵； 表示t时刻的n 1个前件变量；表示t时刻演化模糊规则的激励强度；w表示代价权重；Yt表示t时刻演化模糊规则输出值组成的向量；表示更新后的t 1时刻的协方差矩阵。
8. 根据权利要求1所述的方法，其特征在于，所述基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，包括：
基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构；
其中，所述基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构，包括：
实时读取t时刻新样本点数据zt；
获取t时刻所述新样本点数据zt的势能Pt(zt)和已有的聚类中心的势能
若且则更新距离所述新样本点数据zt最近的已有的聚类；
若且则产生新的候选聚类并确定所述候选聚类的聚类密度Di，及获取已有的聚类密度中的最大聚类密度Dmax及最小聚类密度Dmin；若αDmin>Di>Dmin/α，则将候选聚类添加到当前的聚类集；若DiβDmin，则认为候选聚类是异常聚类并删除该候选聚类
其中，α及β为预定的阈值且β>α>1；l表示第l个聚类中心的下标；R表示已经挖掘得到的演化模糊规则的数目；δmin表示新样本点数据到当前所有聚类中心的最短距离；r表示当前候选聚类的半径。
9. 根据权利要求1所述的方法，其特征在于，所述演化模糊分类器的分类阈值表示为：
其中，PDthr表示为所述演化模糊分类器的分类阈值；Ai表示时间序列；percentAi表示时间序列Ai中被分类为帕金森病特征样本点的数目占Ai中所有样本点的比例；normal表示训练集中正常人特征样本点；PD表示训练集中帕金森病特征样本点；max(percentAi|normal)表示训练集中正常人特征样本点被分类为帕金森病特征样本点的最高比例；min(percentAi|PD)表示训练集中帕金森病特征样本点被分类为帕金森病特征样本点的最低比例；
所述训练集为依据采集的测试者的生理数据获取的表征帕金森病特征样本点及正常人特征样本点。”
申请人（下称复审请求人）对上述驳回决定不服，于2018年12月19日向国家知识产权局提出了复审请求，同时修改了权利要求书。复审请求人认为：1、虽然本申请的主题包含“诊断”二字，但其技术方案并未包含诊断过程，其实质是构建演化模糊分类器，应用该分类器时，可以直接挑选出用于辅助帕金森病诊断的特征样本点，该样本点是中间结果，可以辅助帕金森病的诊断。而且分类器的构建过程中使用的数据已经是具有明确疾病信息的，因此权利要求的方法中不含有诊断过程或检测步骤。2、目前存在授权的多篇构建用于疾病诊断的分类器的授权专利，因此构建“分类器”的相关技术是符合专利法第25条的规定的发明专利保护客体。
复审请求时新修改的权利要求书如下：
“1. 一种帕金森病早期诊断方法，其特征在于，包括：
采集测试者的生理数据，并依据采集的所述生理数据获取表征帕金森病特征样本点及正常人特征样本点，其中，所述生理数据包括：测试者的手部震颤信号及音频信号，所述生理数据表示为时间序列信息；
基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器。
2. 根据权利要求1所述的帕金森病早期诊断方法，其特征在于，所述采集测试者的生理数据，依据采集的所述生理数据获取表征帕金森病特征样本点及正常人特征样本点，包括：
采集测试者的生理数据，依据采集的所述生理数据获取表征帕金森病患者的时间序列模式；
对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点。
3. 根据权利要求2所述的帕金森病早期诊断方法，其特征在于，所述采集测试者的生理数据，包括：
采集测试者的生理数据，并将采集的每个测试者的生理数据作为一组时间序列信息，每个时间序列信息包括预定个数的样本点；
所述依据采集的所述生理数据获取表征帕金森病患者的时间序列模式，包括：
对采集的每个时间序列信息进行归一化处理；
将归一化处理后的每个时间序列信息分割为预定个数的时间序列片段；
将每个时间序列片段的平均值转化成模式，形成时间序列模式；
对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式。
4. 根据权利要求3所述的帕金森病早期诊断方法，其特征在于，所述对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式，包括：
基于演化聚类的模式提取算法对形成的所述时间序列模式进行模式聚类；
判断一模式聚类中来自帕金森病患者的时间序列模式占当前模式聚类中所有时间序列模式的比例是否超过预定的第一阈值；
若超过预定的第一阈值，则将当前模式聚类中的时间序列模式标记为帕金森病患者的时间序列模式。
5. 根据权利要求2所述的帕金森病早期诊断方法，其特征在于，所述对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点，包括：
对获取的表征帕金森病患者的时间序列模式内的所有样本点进行聚类；
若一个聚类内来自帕金森病患者的样本点的数目超过预定的第二阈值，且当前聚类内的样本点来自多个帕金森病患者，则将当前聚类内的所有样本点标记为帕金森病特征样本点，并把未被标记为帕金森病特征样本点的样本点标记为正常人特征样本点。
6. 根据权利要求1所述的帕金森病早期诊断方法，其特征在于，所述演化模糊规则存储在预定的规则库中，所述演化模糊规则表示为：
Rulei:If x1 is Ai1 AND...ANDxp is Aip
其中，Rulei表示第i条演化模糊规则，x1,x2,...,xp表示特征向量中的元素，p表示输入空间的维数，Ai1,...,Aip表示p个前件模糊集，表示所述演化模糊规则的后件参数采用线性函数，m表示类别，yi表示第i条演化模糊规则的输出值。
7. 根据权利要求6所述的帕金森病早期诊断方法，其特征在于，所述方法还包括：
所述规则库中的所述演化模糊规则是逐渐演化更新的；
其中，所述规则库中的所述演化模糊规则是逐渐演化更新的，包括：
若一演化模糊规则的前件没有发生变化，则采用递推最小二乘公式更新所述一演化模糊规则的后件参数，其中，所述递推最小二乘公式表示为：
式中，i表示第i条演化模糊规则；表示更新后的t 1时刻的后件参数估计值；表示t时刻的后件参数值；表示t时刻的协方差矩阵； 表示t时刻的n 1个前件变量；表示t时刻演化模糊规则的激励强度；w表示代价权重；Yt表示t时刻演化模糊规则输出值组成的向量；表示更新后的t 1时刻的协方差矩阵。
8. 根据权利要求1所述的帕金森病早期诊断方法，其特征在于，所述基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，包括：
基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构；
其中，所述基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构，包括：
实时读取t时刻新样本点数据zt；
获取t时刻所述新样本点数据zt的势能Pt(zt)和已有的聚类中心的势能
若l∈[1,R]且则更新距离所述新样本点数据zt最近的已有的聚类；
若l＝[1,R]且则产生新的候选聚类并确定所述候选聚类的聚类密度Di，及获取已有的聚类密度中的最大聚类密度Dmax及最小聚类密度Dmin；若αDmin>Di>Dmin/α，则将候选聚类添加到当前的聚类集；若DiβDmin，则认为候选聚类是异常聚类并删除该候选聚类
其中，α及β为预定的阈值且β>α>1；l表示第l个聚类中心的下标；R表示已经挖掘得到的演化模糊规则的数目；δmin表示新样本点数据到当前所有聚类中心的最短距离；r表示当前候选聚类的半径。
9. 根据权利要求1所述的帕金森病早期诊断方法，其特征在于，所述演化模糊分类器的分类阈值表示为：
其中，PDthr表示为所述演化模糊分类器的分类阈值；Ai表示时间序列；percentAi表示时间序列Ai中被分类为帕金森病特征样本点的数目占Ai中所有样本点的比例；normal表示训练集中正常人特征样本点；PD表示训练集中帕金森病特征样本点；max(percentAi|normal)表示训练集中正常人特征样本点被分类为帕金森病特征样本点的最高比例；min(percentAi|PD)表示训练集中帕金森病特征样本点被分类为帕金森病特征样本点的最低比例；
所述训练集为依据采集的测试者的生理数据获取的表征帕金森病特征样本点及正常人特征样本点。 ”。
经形式审查合格，国家知识产权局于2019年01月10日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：
1、本申请的权利要求1-9的主题中明确指出，权利要求1-9请求保护一种帕金森病早期诊断方法，其次，根据说明书[0007]-[0009]段中的记载，当将采集的新测试者的生理数据放入分类器中进行分类时，如果数据中属于帕金森病特征样本点的数目占新测试者的生理数据的总数的比例超过分类阈值，则新测试者诊断为帕金森病患者，应用该分类器时，并非是获取中间结果，本领域技术人员在面对权利要求1-9请求保护的方法时，可以直接地、毫无疑义地确定如何使用权利要求1-9的方法用于对帕金森病的诊断，因而它是以有生命的人体为直接实施对象，用于诊断疾病，是一种诊断方法，属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。
2、所列举的多篇已授权的专利申请，其具体请求保护的内容与本申请并不相同，不能以此类比。
因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年07月05日向复审请求人发出复审通知书，指出：权利要求1请求保护一种帕金森病早期诊断方法，通过将测试者的生理数据输入到分类器中来对被测者是否患病做一个诊断，该方法使用的是本领域已经公开使用的演化模糊分类器，其本质并不是对分类器进行改进，而是使用已有的分类器来对疾病进行诊断，而疾病的诊断方法属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。权利要求2-9直接或间接引用权利要求1，对用于帕金森病早期诊断的演化模糊分类器的构建方法做出进一步限定，仍然属于以诊断为目的以有生命的人体为直接实施对象的诊断方法，属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。
复审请求人于2019年07月22日提交了意见陈述书，同时修改了权利要求书。新修改的权利要求书如下：
“1. 一种基于演化模糊规则的手部震颤信号及音频信号分类方法，其特征在于，包括：
采集测试者的手部震颤信号及音频信号，并依据采集的所述手部震颤信号及音频信号获取表征帕金森病特征样本点及正常人特征样本点，其中，所述手部震颤信号及音频信号表示为时间序列信息；
基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，其中，所述演化模糊分类器，用于输出测试者的手部震颤信号及音频信号中属于帕金森病特征样本点的数目；
其中，所述采集测试者的手部震颤信号及音频信号，并依据采集的所述手部震颤信号及音频信号获取表征帕金森病特征样本点及正常人特征样本点，包括：
采集测试者的手部震颤信号及音频信号，依据采集的所述手部震颤信号及音频信号获取表征帕金森病患者的时间序列模式；
对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点；
其中，所述采集测试者的手部震颤信号及音频信号，包括：
采集测试者的手部震颤信号及音频信号，并将采集的每个测试者的手部震颤信号及音频信号作为一组时间序列信息，每个时间序列信息包括预定个数的样本点；
所述依据采集的所述手部震颤信号及音频信号获取表征帕金森病患者的时间序列模式，包括：
对采集的每个时间序列信息进行归一化处理；
将归一化处理后的每个时间序列信息分割为预定个数的时间序列片段；
将每个时间序列片段的平均值转化成模式，形成时间序列模式；
对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式；
其中，所述对形成的所述时间序列模式进行模式聚类，获取表征帕金森病患者的时间序列模式，包括：
基于演化聚类的模式提取算法对形成的所述时间序列模式进行模式聚类；
判断一模式聚类中来自帕金森病患者的时间序列模式占当前模式聚类中所有时间序列模式的比例是否超过预定的第一阈值；
若超过预定的第一阈值，则将当前模式聚类中的时间序列模式标记为帕金森病患者的时间序列模式；
其中，所述对所述表征帕金森病患者的时间序列模式内的样本点进行聚类，获取表征帕金森病特征样本点及正常人特征样本点，包括：
对获取的表征帕金森病患者的时间序列模式内的所有样本点进行聚类；
若一个聚类内来自帕金森病患者的样本点的数目超过预定的第二阈值，且当前聚类内的样本点来自多个帕金森病患者，则将当前聚类内的所有样本点标记为帕金森病特征样本点，并把未被标记为帕金森病特征样本点的样本点标记为正常人特征样本点；
其中，所述演化模糊规则存储在预定的规则库中，所述演化模糊规则表示为：
Rulei:If x1 is Ai1 AND...AND xp is Aip
其中，Rulei表示第i条演化模糊规则，x1,x2,...,xp表示特征向量中的元素，p表示输入空间的维数，Ai1,...,Aip表示p个前件模糊集，表示所述演化模糊规则的后件参数采用线性函数，m表示类别，yi表示第i条演化模糊规则的输出值；
其中，所述方法还包括：
所述规则库中的所述演化模糊规则是逐渐演化更新的；
其中，所述规则库中的所述演化模糊规则是逐渐演化更新的，包括：
若一演化模糊规则的前件没有发生变化，则采用递推最小二乘公式更新所述一演化模糊规则的后件参数，其中，所述递推最小二乘公式表示为：
式中，i表示第i条演化模糊规则；表示更新后的t 1时刻的后件参数估计值；表示t时刻的后件参数值；表示t时刻的协方差矩阵； 表示t时刻的n 1个前件变量；表示t时刻演化模糊规则的激励强度；w表示代价权重；Yt表示t时刻演化模糊规则输出值组成的向量；表示更新后的t 1时刻的协方差矩阵；
其中，所述基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，包括：
基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构；
其中，所述基于融合异常检测的演化聚类算法，在线学习演化模糊分类器的结构，包括：
实时读取t时刻新样本点数据zt；
获取t时刻所述新样本点数据zt的势能Pt(zt)和已有的聚类中心的势能
若且则更新距离所述新样本点数据zt最近的已有的聚类；
若且则产生新的候选聚类并确定所述候选聚类的聚类密度Di，及获取已有的聚类密度中的最大聚类密度Dmax及最小聚类密度Dmin；若αDmin>Di>Dmin/α，则将候选聚类添加到当前的聚类集；若DiβDmin，则认为候选聚类是异常聚类并删除该候选聚类
其中，α及β为预定的阈值且β>α>1；l表示第l个聚类中心的下标；R表示已经挖掘得到的演化模糊规则的数目；δmin表示新样本点数据到当前所有聚类中心的最短距离；r表示当前候选聚类的半径。”
复审请求人认为本申请符合专利法第25条的规定，具体理由如下：
（1）已将主题名称修改为“基于演化模糊规则的手部震颤信号及音频信号分类方法”，不包括“诊断”，因此克服了专利法第二十五条关于诊断方法的缺陷。
（2）本申请的演化模糊分类器仅仅是获取中间结果，属于帕金森病特征样本点的数目，用于辅助帕金森病的诊断。
（3）本申请不是将已知公知的分类器用于帕金森病早期诊断，而是通过一系列方法训练出能够确定帕金森病特征样本点的演化模糊分类器。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人于2019年07月22日提交了权利要求书的全文替换页。经审查，复审请求人对权利要求书所做的修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定所依据的文本为：2019年07月22日提交的权利要求第1-9项；申请日2016年04月26日提交的说明书摘要、说明书第1-176段、摘要附图、说明书附图图1-图3。
具体理由的阐述
专利法第25条规定：对下列各项，不授予专利权:
科学发现；
智力活动的规则和方法；
疾病的诊断和治疗方法；
动物和植物品种；
用原子核变换方法获得的物质；
对平面印刷品的图案、色彩或者二者的结合作出的主要起标识作用的设计。
对前款第（四）项所列产品的生产方法，可以依照本法规定授予专利权。
如果一项方案不是以有生命的人体或动物体为对象且以获得疾病诊断结果或健康状况为直接目的，而只是从活的人体或动物体获取作为中间结果信息的方法，则其并不属于疾病的诊断和治疗方法的发明，不符合专利法第25条第一款第（三）项的规定。
（1）独立权利要求1请求保护一种基于演化模糊规则的手部震颤信号及音频信号分类方法。该权利要求请求保护的解决方案通过一系列方法训练出能够确定帕金森病特征样本点的演化模糊分类器，并通过演化模糊分类器获取属于帕金森病特征样本点的数目作为中间结果，用于辅助帕金森病的诊断，而从活的人体或动物体获取作为中间结果信息的方法并不属于诊断方法的发明，因此本申请权利要求1请求保护的解决方案符合专利法第25条的规定。
（2）从属权利要求2-9分别对权利要求1做了进一步限定，其附加特征是进一步处理与绘制电力线路图或地理线路图相关的数据。基于与权利要求1同样的理由，权利要求2-9请求保护的解决方案也符合专利法第25条的规定。
对驳回决定及前置审查意见的评述
原审查部门认为：权利要求1请求保护一种演化模糊规则的演化模糊分类器的构建方法，权利要求1中方法用于构建一种演化模糊分类器，构建该分类器的方法的步骤包括依据获取的所述表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类器，并确定所述演化模糊分类器的分类阈值，本领域技术人员在面对该方法时，可以直接地、毫无疑义地确定该方法应当用于对帕金森病的诊断，提高帕金森病早期诊断的准确率，因而它是以有生命的人体为直接实施对象，用于诊断疾病，是一种诊断方法，属于专利法第25条第1款第（三）项所述的疾病的诊断和治疗方法的范围，因此不能被授予专利权。
对此，合议组认为：复审请求人在答复复审通知书时对权利要求1的主题做了修改并对方案做了进一步限定。修改后的权利要求1请求保护的解决方案基于演化模糊规则构建演化模糊分类器，解决现有技术中难以有效解释帕金森病语音特征与患病机理的关联性，导致分类模型的解释性较差的问题。虽然是从活的人体或动物体获取数据，但是其是作为中间结果，因此并不涉及疾病的诊断和治疗，不属于诊断方法的发明，符合专利法第25条的规定。
综上所述，本申请的权利要求1请求保护的解决方案克服了不符合专利法第25条的缺陷。
至于本申请中是否还存在其他不符合专利法及其实施细则的缺陷，均留待原审查部门继续审查。
三、决定
撤销国家知识产权局于2018年10月12 日对本申请作出的驳回决定。由国家知识产权局原审查部门以下述文本为基础继续进行审批程序：
2019年07月22日提交的权利要求第1-9项；申请日2016年04月26日提交的说明书第1-176段、说明书附图图1-图3、说明书摘要及摘要附图。
如对本复审决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
