JP2023176256A - 画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 - Google Patents
画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 Download PDFInfo
- Publication number
- JP2023176256A JP2023176256A JP2022088439A JP2022088439A JP2023176256A JP 2023176256 A JP2023176256 A JP 2023176256A JP 2022088439 A JP2022088439 A JP 2022088439A JP 2022088439 A JP2022088439 A JP 2022088439A JP 2023176256 A JP2023176256 A JP 2023176256A
- Authority
- JP
- Japan
- Prior art keywords
- image
- computer
- spatial
- patch
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006835 compression Effects 0.000 claims abstract description 19
- 238000007906 compression Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 31
- 238000013136 deep learning model Methods 0.000 claims description 16
- 230000007170 pathology Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 24
- 238000013135 deep learning Methods 0.000 abstract description 15
- 239000000284 extract Substances 0.000 abstract description 10
- 238000007781 pre-processing Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 23
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 206010028980 Neoplasm Diseases 0.000 description 12
- 201000011510 cancer Diseases 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 8
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 208000000102 Squamous Cell Carcinoma of Head and Neck Diseases 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 201000000459 head and neck squamous cell carcinoma Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000003559 RNA-seq method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 210000004907 gland Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000002626 targeted therapy Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 1
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 1
- 101000984753 Homo sapiens Serine/threonine-protein kinase B-raf Proteins 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 102100027103 Serine/threonine-protein kinase B-raf Human genes 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 102000052116 epidermal growth factor receptor activity proteins Human genes 0.000 description 1
- 108700015053 epidermal growth factor receptor activity proteins Proteins 0.000 description 1
- 210000002744 extracellular matrix Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010166 immunofluorescence Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- YOHYSYJDKVYCJI-UHFFFAOYSA-N n-[3-[[6-[3-(trifluoromethyl)anilino]pyrimidin-4-yl]amino]phenyl]cyclopropanecarboxamide Chemical compound FC(F)(F)C1=CC=CC(NC=2N=CN=C(NC=3C=C(NC(=O)C4CC4)C=CC=3)C=2)=C1 YOHYSYJDKVYCJI-UHFFFAOYSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】画像からデータを予測するデータ予測システム200において、前処理モジュール202は、入力データ210を処理する。パッチ抽出モジュール204は、前処理された画像データからパッチを抽出する。空間特徴圧縮モジュール206は、H&Eデータセットで訓練された事前訓練VAEを使用して、圧縮された特徴表現を取得する。深層学習回帰モジュール208(又は深層学習回帰部)は、圧縮された特徴画像を入力し、完全な画像の予測された分子データ212を出力する。
【選択図】図2
Description
Claims (20)
- プロセッサによって実行可能である画像からデータを予測する方法であって、
画像を1つ又は複数のパッチ画像に分割し、
第1のモデルを使用して、 前記1つ又は複数のパッチ画像に対応する空間的特徴を圧縮し、
第2のモデルを使用して、圧縮された前記空間的特徴に対応する出力データを予測する、
方法。 - 前記圧縮された空間的特徴に対応する1つ又は複数の損失関数を最小化することに基づき、前記第1のモデル及び前記第2のモデルのパラメータを調整すること、をさらに含む、
請求項1に記載の方法。 - 前記1つ又は複数の損失関数のうちの第1の損失関数は、前記1つ又は複数のパッチ画像に基づき、前記第1のモデルによって出力される圧縮された特徴表示画像に対応する、
請求項2に記載の方法。 - 前記1つ又は複数の損失関数のうちの第2の損失関数は、前記圧縮された特徴表示画像に基づく前記画像によって示される、前記第2のモデルによって出力される出力データに対応する、
請求項3に記載の方法。 - 前記空間的特徴を圧縮することは、
前記圧縮された空間的特徴に対応する空間配置を決定し、
決定された前記空間配置に基づいて深層学習モデルを生成する、ことである、
請求項1に記載の方法。 - 前記空間的特徴を圧縮することは、
前記画像に関連する病理を検出し、
検出された前記病理に対応するパッチ画像を特定し、
前記画像に関連付けられた正常パッチ画像を特定し、
前記検出された病理に対応する前記正常パッチ画像とパッチ画像に対応する空間配置を決定させ、
決定された前記空間配置に基づいて深層学習モデルを生成又はトレーニングすることである、
請求項1に記載の方法。 - 前記1つ又は複数のパッチ画像のうちのパッチ画像は、前記画像内の前記空間的特徴の位置に対応する前記画像とデータの少なくとも一部を含む、
請求項1に記載の方法。 - 画像からデータを予測するためのコンピュータシステムであって、
コンピュータプログラムコードを格納するように構成された1つ又は複数のコンピュータ可読非一時記憶媒体と、
前記コンピュータプログラムコードにアクセスし、前記コンピュータプログラムコードにより指示された動作をするように構成された1つ又は複数のコンピュータプロセッサと、を備え、
前記コンピュータプログラムコードは、
前記1つ又は複数のコンピュータプロセッサに、画像を1つ又は複数のパッチ画像に分割させるように構成された分割コードと、
前記1つ又は複数のコンピュータプロセッサに、前記1つ又は複数のパッチ画像に対応する空間的特徴を圧縮させるように構成された第1のモデルの圧縮コードと、
前記1つ又は複数のコンピュータプロセッサに、圧縮された前記空間的特徴に対応する出力データを予測させるように構成された第2のモデルの予測コードを含む、
コンピュータシステム。 - 前記1つ又は複数のコンピュータプロセッサは、前記圧縮された空間的特徴に対応する1つ又は複数の損失関数を最小化することに基づいて、前記第1のモデル及び前記第2のモデルのパラメータを調整するように
さらに構成された、請求項8に記載のコンピュータシステム。 - 前記1つ又は複数の損失関数のうちの第1の損失関数は、前記第1のモデルに対応する、
請求項9に記載のコンピュータシステム。 - 前記1つ又は複数の損失関数のうちの第2の損失関数は、前記第2のモデルに対応する、
請求項10に記載のコンピュータシステム。 - 前記圧縮コードは、
前記1つ又は複数のコンピュータプロセッサに、前記圧縮された空間的特徴に対応する空間配置を決定させるように構成された決定コードと、
前記1つ又は複数のコンピュータプロセッサに、決定された前記空間配置に基づいて深層学習モデルを生成するように構成された生成コードと、を含む、
請求項8に記載のコンピュータシステム。 - 前記圧縮コードは、
前記1つ又は複数のコンピュータプロセッサに、前記画像に関連する病理を検出させるように構成された検出コードと、
前記1つ又は複数のコンピュータプロセッサに、検出された前記病理に対応するパッチ画像を特定させるように構成された第1の特定コードと、
前記1つ又は複数のコンピュータプロセッサに、前記画像に関連付けられた正常パッチ画像を特定させるように構成された第2の特定コードと、
前記1つ又は複数のコンピュータプロセッサに、前記検出された病理に対応する前記正常パッチ画像とパッチ画像に対応する空間配置を決定させるように構成された決定コードと、
前記1つ又は複数のコンピュータプロセッサに、決定された前記空間配置に基づいて深層学習モデルを生成するように構成された生成コードと、を含む、
請求項8に記載のコンピュータシステム。 - 前記1つ又は複数のパッチ画像のうちの前記パッチ画像のうちのパッチ画像は、前記画像の少なくとも一部と、前記画像内の前記空間的特徴の位置に対応するデータとを含む、
請求項8に記載のコンピュータシステム。 - 画像からデータを予測するためのコンピュータプログラムをその上に格納した非一時的なコンピュータ可読媒体であって、
前記コンピュータプログラムは、1つ又は複数のコンピュータプロセッサに、
画像を1つ又は複数のパッチ画像に分割させ、
第1のモデルを使用して、前記1つ又は複数のパッチ画像に対応する空間的特徴を圧縮させ、
第2のモデルを使用して、圧縮された前記空間的特徴に対応する出力データを予測させるように構成された
コンピュータ可読媒体。 - 前記コンピュータプログラムは、前記1つ又は複数のコンピュータプロセッサに、前記圧縮された空間的特徴に対応する1つ又は複数の損失関数を最小化することに基づいて、前記第1のモデル及び前記第2のモデルのパラメータを最適化させるように、さらに構成された、
請求項15に記載のコンピュータ可読媒体。 - 前記1つ又は複数の損失関数のうちの第1の損失関数は、前記第1のモデルに対応する、
請求項16に記載のコンピュータ可読媒体。 - 前記1つ又は複数の損失関数のうちの第2の損失関数は、前記第2のモデルに対応する、
請求項17に記載のコンピュータ可読媒体。 - 前記コンピュータプログラムは、前記1つ又は複数のコンピュータプロセッサに、
前記圧縮された空間的特徴に対応する空間配置を決定させ、
前記決定された空間配置に基づいて深層学習モデルを生成させるように、さらに構成された、
請求項15に記載のコンピュータ可読媒体。 - 前記コンピュータプログラムは、前記1つ又は複数のコンピュータプロセッサに、
前記画像に関連する病理を検出させ、
検出された前記病理に対応するパッチ画像を特定させ、
前記画像に関連付けられている正常パッチ画像を特定させ、
前記検出された病理に対応する前記正常パッチ画像とパッチ画像に対応する空間配置を決定させ、
決定された前記空間配置に基づいて深層学習モデルを生成させるように構成された、
請求項15に記載のコンピュータ可読媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022088439A JP2023176256A (ja) | 2022-05-31 | 2022-05-31 | 画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022088439A JP2023176256A (ja) | 2022-05-31 | 2022-05-31 | 画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023176256A true JP2023176256A (ja) | 2023-12-13 |
Family
ID=89122696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022088439A Pending JP2023176256A (ja) | 2022-05-31 | 2022-05-31 | 画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023176256A (ja) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019148473A (ja) * | 2018-02-27 | 2019-09-05 | シスメックス株式会社 | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム |
WO2020198380A1 (en) * | 2019-03-26 | 2020-10-01 | Tempus Labs, Inc. | Determining biomarkers from histopathology slide images |
US20200381121A1 (en) * | 2019-05-29 | 2020-12-03 | New York University | System and method for tumor characterization |
US20200410683A1 (en) * | 2018-02-26 | 2020-12-31 | Mayo Foundation For Medical Education And Research | Systems and Methods for Quantifying Multiscale Competitive Landscapes of Clonal Diversity in Glioblastoma |
JP2021003564A (ja) * | 2016-09-06 | 2021-01-14 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
JP2021131872A (ja) * | 2018-02-14 | 2021-09-09 | エレクタ、インク.Elekta, Inc. | 深層学習を用いたアトラスベースセグメンテーション |
WO2021199392A1 (ja) * | 2020-04-02 | 2021-10-07 | 日本電信電話株式会社 | 学習装置、学習方法及び学習プログラム、並びに、スコア推定装置、スコア推定方法及びスコア推定プログラム |
JP2021166062A (ja) * | 2018-05-07 | 2021-10-14 | グーグル エルエルシーGoogle LLC | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 |
JP2021174471A (ja) * | 2020-04-30 | 2021-11-01 | 株式会社日立製作所 | 識別器学習装置及び識別器学習方法 |
WO2022079847A1 (ja) * | 2020-10-14 | 2022-04-21 | Genomedia株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2022078735A (ja) * | 2020-11-13 | 2022-05-25 | 富士通株式会社 | 画像処理装置、画像処理プログラム、画像認識装置、画像認識プログラム及び画像認識システム |
-
2022
- 2022-05-31 JP JP2022088439A patent/JP2023176256A/ja active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021003564A (ja) * | 2016-09-06 | 2021-01-14 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
JP2021131872A (ja) * | 2018-02-14 | 2021-09-09 | エレクタ、インク.Elekta, Inc. | 深層学習を用いたアトラスベースセグメンテーション |
US20200410683A1 (en) * | 2018-02-26 | 2020-12-31 | Mayo Foundation For Medical Education And Research | Systems and Methods for Quantifying Multiscale Competitive Landscapes of Clonal Diversity in Glioblastoma |
JP2019148473A (ja) * | 2018-02-27 | 2019-09-05 | シスメックス株式会社 | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム |
JP2021166062A (ja) * | 2018-05-07 | 2021-10-14 | グーグル エルエルシーGoogle LLC | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 |
WO2020198380A1 (en) * | 2019-03-26 | 2020-10-01 | Tempus Labs, Inc. | Determining biomarkers from histopathology slide images |
US20200381121A1 (en) * | 2019-05-29 | 2020-12-03 | New York University | System and method for tumor characterization |
WO2021199392A1 (ja) * | 2020-04-02 | 2021-10-07 | 日本電信電話株式会社 | 学習装置、学習方法及び学習プログラム、並びに、スコア推定装置、スコア推定方法及びスコア推定プログラム |
JP2021174471A (ja) * | 2020-04-30 | 2021-11-01 | 株式会社日立製作所 | 識別器学習装置及び識別器学習方法 |
WO2022079847A1 (ja) * | 2020-10-14 | 2022-04-21 | Genomedia株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2022078735A (ja) * | 2020-11-13 | 2022-05-25 | 富士通株式会社 | 画像処理装置、画像処理プログラム、画像認識装置、画像認識プログラム及び画像認識システム |
Non-Patent Citations (2)
Title |
---|
RICCARDO RIZZO ET AL.: ""Classification Experiments of DNA Sequences by Using a Deep Neural Network and Chaos Game Represent", PROCEEDINGS OF THE 17TH INTERNATIONAL CONFERENCE ON COMPUTER SYSTEMS AND TECHNOLOGIES 2016, JPN7023002258, 23 June 2016 (2016-06-23), US, pages 222 - 228, XP058306425, ISSN: 0005083022, DOI: 10.1145/2983468.2983489 * |
RICCARDO ROSATI ET AL.: ""Faster R-CNN approach for detection and quantification of DNA damage in comet assay images"", COMPUTERS IN BIOLOGY AND MEDICINE, vol. 123, JPN7023002259, 31 July 2020 (2020-07-31), NL, pages 1 - 26, ISSN: 0005083023 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Papanikolaou et al. | How to develop a meaningful radiomic signature for clinical use in oncologic patients | |
Haarburger et al. | Radiomics feature reproducibility under inter-rater variability in segmentations of CT images | |
Cassidy et al. | Analysis of the ISIC image datasets: Usage, benchmarks and recommendations | |
US11756198B1 (en) | Systems and methods for training a statistical model to predict tissue characteristics for a pathology image | |
Gros et al. | SoftSeg: Advantages of soft versus binary training for image segmentation | |
Harder et al. | Automatic discovery of image-based signatures for ipilimumab response prediction in malignant melanoma | |
US20220058839A1 (en) | Translation of images of stained biological material | |
US10971255B2 (en) | Multimodal learning framework for analysis of clinical trials | |
CN111862079B (zh) | 基于影像组学的高级别浆液性卵巢癌复发风险预测系统 | |
CN115210772B (zh) | 用于处理通用疾病检测的电子图像的系统和方法 | |
KR20230051197A (ko) | 연속 바이오마커 예측을 위해 전자 이미지를 처리하는 시스템 및 방법 | |
Uemura et al. | Weakly unsupervised conditional generative adversarial network for image-based prognostic prediction for COVID-19 patients based on chest CT | |
Ahmad et al. | Artificial intelligence in inflammatory bowel disease endoscopy: implications for clinical trials | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
KR20240058838A (ko) | 치료 전에 화학 요법에 대한 암 반응을 예측하기 위해 정량적 초음파 파라메트릭 이미지에서 종양 내 영역을 특성화하는 시스템 및 방법 | |
CN115938597A (zh) | 癌症预后 | |
Zaridis et al. | Region-adaptive magnetic resonance image enhancement for improving CNN-based segmentation of the prostate and prostatic zones | |
EP4086860A1 (en) | Deep learning model to predict data from an image | |
US20240087122A1 (en) | Detecting tertiary lymphoid structures in digital pathology images | |
Li et al. | An Integrated Clinical‐MR Radiomics Model to Estimate Survival Time in Patients With Endometrial Cancer | |
CN113764101A (zh) | 基于cnn的乳腺癌新辅助化疗多模态超声诊断系统 | |
JP2023176256A (ja) | 画像からデータを予測する方法、コンピュータシステム、及びコンピュータ可読媒体 | |
Leo et al. | Improving colon carcinoma grading by advanced cnn models | |
CN116547727A (zh) | 基于注意力的多示例学习 | |
Pushpa et al. | Liver fat analysis using optimized support vector machine with support vector regression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220704 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230814 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231129 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231207 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20231222 |