西华大学蒋文波获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉西华大学申请的专利一种基于变换神经网络的小分子化学结构图像识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115909328B 。
龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211510366.4,技术领域涉及:G06V20/69;该发明授权一种基于变换神经网络的小分子化学结构图像识别方法是由蒋文波;刘雪梅;薛梓佳设计研发完成,并于2022-11-29向国家知识产权局提交的专利申请。
本一种基于变换神经网络的小分子化学结构图像识别方法在说明书摘要公布了:本发明公开了一种基于变换神经网络的小分子化学结构图像识别方法,包括以下步骤:S1:获取小分子化学结构图像,并对小分子化学结构图像进行预处理;S2:将预处理后的小分子化学结构图像作为MobileViT_2网络的输入,提取小分子化学结构图像的特征向量;S3:将原始SMILES序列作为标签和小分子化学结构图像的特征向量共同作为ConditionalDETR网络解码部分的输入,得到SELFIES序列,并通过selfies程序包转换成新的SMILES序列,作为识别结果输出。本发明结合MobileViT_2网络和ConditionalDETR网络,解决了复杂序列预测结果精度不高、模型收敛速度慢以及学得的权重不稳定等问题。
本发明授权一种基于变换神经网络的小分子化学结构图像识别方法在权利要求书中公布了:1.一种基于变换神经网络的小分子化学结构图像识别方法,其特征在于,包括以下步骤: S1:获取小分子化学结构图像,并对小分子化学结构图像进行预处理; S2:将预处理后的小分子化学结构图像作为MobileViT_2网络的输入,提取小分子化学结构图像的特征向量; 所述步骤S2中,MobileViT_2网络包括依次连接的第一卷积模块、第一MobileV2block模块、第二MobileV2block模块、第三MobileV2block模块、第四MobileV2block模块、第五MobileV2block模块、第一MobileViT_2block模块、第六MobileV2block模块、第二MobileViT_2block模块、第七MobileV2block模块、第三MobileViT_2block模块、第二卷积模块和平均池化模块;所述第一MobileV2block模块、第二MobileV2block模块、第三MobileV2block模块、第四MobileV2block模块和第五MobileV2block模块用于提取小分子化学结构图像的特征信息;其中,第二MobileV2block模块和第五MobileV2block模块还用于对小分子化学结构图像进行下采样;所述第一MobileViT_2block模块、第二MobileViT_2block模块和第三MobileViT_2block模块的结构相同,均包括依次连接的第一卷积层、第二卷积层、展开层、第一组归一化层、LinearAttnFFN层、第二组归一化层、折叠层、第三卷积层和第四卷积层; S3:获取原始SMILES序列,将其作为标签并和小分子化学结构图像的特征向量共同作为ConditionalDETR网络解码部分的输入,得到SELFIES序列,并通过selfies程序包转换成新的SMILES序列,作为识别结果,完成小分子化学结构图像识别; 所述ConditionalDETR网络的解码部分包括第一子层连接模块、第二子层连接模块和第三子层连接模块; 所述原始SMILES序列作为第一子层连接模块和第二子层连接模块的输入;所述第一子层连接模块和第二子层连接模块用于对原始SMILES序列进行归一化处理、特征学习和拼接处理;所述第三子层连接模块用于将第二子层连接模块的处理结果解码生成SEFILES格式字符,得到SELFIES序列,并通过selfies程序包转换成新的SMILES序列; 所述第一子层连接模块包括连接的第一层归一化层、第一多头自注意力子层和第一残差层;所述第二子层连接模块包括连接的第二层归一化层、第二多头注意力子层和第二残差层;所述第三子层连接模块包括连接的第三层归一化层、前馈全连接子层和第三残差层。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西华大学,其通讯地址为:610039 四川省成都市金牛区土桥金周路999号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励