BPatG, Beschluss vom 28. Juni 2022 - 17 W (pat) 2/21
JURE229030678This dossier retains the published metadata and every exact AI-related text passage under a stable URL.
This dossier documents official metadata and exact text passages. It is neither legal advice nor an assessment of the decision.
passage ≠ legal interpretation · document ≠ proceedingThe published identity of the document
Document number, ECLI and docket numbers remain separate fields. Missing values are not completed.
- Court
- BPatG München
- Location
- München
- Judicial body
- 17. Senat
- Decision date
- 28 June 2022
- Document type
- Beschluss
- Docket number
- 17 W (pat) 2/21
- ECLI
- Not published
- Document number
- JURE229030678
- Decision name
- Not published
- Material fingerprint
- sha256:112dd46631e17af2abf466069db89085e48b6c92f62cd83da1e3ebeb2ce3d515
Every exact text passage
A passage shows only that the documented search rule matches the published text. Read the official context before drawing a broader conclusion.
[01]Rn. 25 · randnummer-25 …hulingenieur der Fachrichtung Elektrotechnik mit mehrjähriger Erfahrung auf dem Gebiet der medizinischen Bilddatenverarbeitung anzusehen, der gute Kenntnisse in der Anwendung und auch in der Entwicklung von Methoden der künstlichen Intelligenz besitzt.
[02]Rn. 33 · randnummer-33 …Generator- und Klassifikatorfunktion können jeweils künstliche neuronale Netzwerke sein.…
[03]Rn. 48 · randnummer-48 48 So betreffen die Anweisungen der Patentansprüche 1 und 10 grundlegende, für Algorithmen auf dem Gebiet der künstlichen Intelligenz typische Datenverarbeitungsschritte.
[04]Rn. 50 · randnummer-50 …Dafür sprechen insbesondere die zahlreichen Veröffentlichungen über neuronale Netzwerke und GA-Algorithmen, die bereits zum Anmeldetag Stand der Technik waren und ersichtlich zu publizierbaren Resultaten geführt hatten (vgl.…
[05]Rn. 50 · randnummer-50 …Denn bei der praktischen Umsetzung eines Algorithmus 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 Algorithmus zu zufriedenstellenden Ergebnissen führt (z.B.…
[06]Rn. 62 · randnummer-62 …12, Seiten 2536-2545 D7) HAO, H.: Vessel Layer Separation of X-ray Angiographic Images using Deep Learning Methods.…
[07]Rn. 62 · randnummer-62 …[et al.]: Deep Learning-based Inpainting for Virtual DSA.…
[08]Rn. 62 · randnummer-62 …URL: https://arxiv.org/pdf/1406.2661 [abgerufen am 2018-09-27] D5) MONTOYA, Juan C., et al.: 3D Deep Learning Angiography (3D-DLA) from C-arm Conebeam CT.…
[09]Rn. 71 · randnummer-71 …Abschnitt I., zweiter Absatz, erster Satz) mittels eines neuronalen Netzwerks (Figur 1 sowie Absatz II), um Bewegungsartefakte bei der Anwendung von DSA auf bewegliche Objekte zu vermeiden (Abschnitt I., erster Absatz).…
Inspect the official source text
The official text remains authoritative. Observation times describe our retrieval, not the progress of proceedings.
- First observed
- Last observed
Included deterministically
Only published rules and exact text passages determine inclusion. The monitor creates no summary or legal-relevance assessment.
artificial-intelligence-deArtificial intelligence (German)künstliche Intelligenz · künstlicher Intelligenz · künstlichen Intelligenzdeep-learningDeep LearningDeep Learningneural-network-deNeural network (German)neuronales Netzwerk · neuronale Netzwerk · neuronalem Netzwerk · neuronalen Netzwerk · neuronalen Netzwerks · neuronale Netzwerke · neuronalen Netzwerke · neuronalen Netzwerken · neuronaler Netzwerke
How to read this dossier.
Decision date, observation time and change time remain distinct facts. Not observed means neither zero nor absent in reality.
Return to the observed case-law corpus
Search every published decision, passage and observation event.