一种分子图像缺键识别技术制造技术

本发明专利技术公开了化学领域的一种分子图像缺键识别技术，包括以下过程：S1：生成化合物分子式图像；S2：生成图像原子、化学键标注数据集；S3：生成环标注集；S4：原子、化学键检测识别模型和环检测识别模型；S5：生成化合物分子图；S6：利用rdkit软件工具进行分子图的校验并生成smiles或者inchi字符串；本发明专利技术提供一种技术方案，在化合物图像识别的过程中，通过引入对化合物图像中环的检测，提高图像中化合物缺失化学键的推理能力，从而提高化学分子式的识别准确率。别准确率。别准确率。

【技术实现步骤摘要】
一种分子图像缺键识别技术


[0001]本专利技术涉及化学领域，具体是一种分子图像缺键识别技术。

技术介绍

[0002]在化学、药物发现领域内，存在海量期刊、专利等文献资料，如果能够对这些文献资料中的化合物图像，准确地识别、存储，可以方便科研人员进行检索，帮助科研人员进行分析研究，极大地提高科研工作效率。另外，化合物图像以化学分子式字符串的形式存储，为后续人工智能等技术引入到化学研究、药物发现领域，提供数据资源。
[0003]目前的化合物图像识别领域，并没有针对实际场景下，化合物图像存在缺键等噪声问题的图像识别方案；中国专利CN111860507A基于对抗学习的化合物图像分子结构式提取方法；利用深度学习方法进行化合物图像分子结构式的提取，但是这种方式在处理带噪声的化合物图像时，尤其是图像中化合物分子的化学键存在缺失时，存在着明显的不足。
[0004]因此，本专利技术提供了一种分子图像缺键识别技术，以解决上述
技术介绍
中提出的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种分子图像缺键识别技术，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种分子图像缺键识别技术，包括以下过程：
[0007]S1：生成化合物分子式图像：利用rdkit软件工具，把化合物分子式(smiles或者inchi字符串)生成化合物分子式对应的图像，模拟原始化合物图像的风格，在生成图像上叠加噪音，进行风格变换使其无限接近于原始图像的风格；
[0008]S2：生成图像原子、化学键标注数据集：S1中生成的图像，具有原子坐标信息，及原子之间化学键类型信息；利用这些信息，可以对图像中的原子和化学键进行标注，得到原子及化学键标注集；对该标注集，按照一定的比例进行划分，得到训练集1、测试集1和验证集1；
[0009]S3：生成环标注集：利用S1中生成的部分图像，对其中的环进行标注，得到环标注集；对改标注集，按照一定的比例进行划分，得到训练集2、测试集2和验证集2；
[0010]S4：原子、化学键检测识别模型和环检测识别模型：利用目标检测神经网络模型，在训练集1、测试卷1和验证集1上训练原子、化学键检测识别模型；在训练集2、测试集2和验证集2上训练环检测模型；
[0011]S5：生成化合物分子图：利用S4中训练的原子、化学键识别模型，对化合物图像进行检测识别，化学键作为原子之间的关系，利用识别到的化学键对原子进行连接操作，形成化合物分子图；
[0012]S6：利用rdkit软件工具进行分子图的校验并生成smiles或者inchi字符串。
[0013]作为本专利技术进一步的方案：利用环检测模型，对化合物图像进行检测识别，得到环的检测框以及环的类型用来推理未检测到化学键，从而引入原子间关系的推理能力。
[0014]作为本专利技术再进一步的方案：化合物的环类型定义之后，结合环上原子、原子的化合价，以及化学先验知识，可以推理S4中原子、化学键检测识别模型输出的化学键检测结果是否存在缺失。
[0015]作为本专利技术再进一步的方案：目标检测模型包括特征提取网络、分类网络、回归网络。
[0016]作为本专利技术再进一步的方案：目标检测模型中的特征提取网络，可以用resnet、efficientnet卷积神经网络。
[0017]有益效果
[0018]与现有技术相比，本专利技术的有益效果是：
[0019]1.环检测辅助推理缺失键引入到化合物分子生产流程中，在原子之间的关系检测中，引入推理能力，提高化合物分子式生成的准确率。
[0020]2.化合物分子图像，非常复杂，缺少标注数据集，而且标注数据需要专业知识。通过软件生成化合物图像，算法模拟原始图像风格，可以自动生成大量的标注数据。
附图说明
[0021]图1为本专利技术中目标检测模型的流程图；
[0022]图2为本专利技术中化合物图像分子smiles或者inchi提取算法的流程图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0024]请参阅图1～2，本专利技术实施例中，一种分子图像缺键识别技术，包括以下过程：
[0025]S1：生成化合物分子式图像：利用rdkit软件工具，把化合物分子式(smiles或者inchi字符串)生成化合物分子式对应的图像，模拟原始化合物图像的风格，在生成图像上叠加噪音，进行风格变换使其无限接近于原始图像的风格；
[0026]S2：生成图像原子、化学键标注数据集：S1中生成的图像，具有原子坐标信息，及原子之间化学键类型信息；利用这些信息，可以对图像中的原子和化学键进行标注，得到原子及化学键标注集；对该标注集，按照一定的比例进行划分，得到训练集1、测试集1和验证集1；
[0027]S3：生成环标注集：利用S1中生成的部分图像，对其中的环进行标注，得到环标注集；对改标注集，按照一定的比例进行划分，得到训练集2、测试集2和验证集2；
[0028]S4：原子、化学键检测识别模型和环检测识别模型：利用目标检测神经网络模型，在训练集1、测试卷1和验证集1上训练原子、化学键检测识别模型；在训练集2、测试集2和验证集2上训练环检测模型；
[0029]S5：生成化合物分子图：利用S4中训练的原子、化学键识别模型，对化合物图像进行检测识别，化学键作为原子之间的关系，利用识别到的化学键对原子进行连接操作，形成化合物分子图；
[0030]S6：利用rdkit软件工具进行分子图的校验并生成smiles或者inchi字符串。
[0031]本实施例中：利用环检测模型，对化合物图像进行检测识别，得到环的检测框以及环的类型用来推理未检测到化学键，从而引入原子间关系的推理能力。
[0032]本实施例中：化合物的环类型定义之后，结合环上原子、原子的化合价，以及化学先验知识，可以推理S4中原子、化学键检测识别模型输出的化学键检测结果是否存在缺失。
[0033]本实施例中：目标检测模型包括特征提取网络、分类网络、回归网络。
[0034]本实施例中：目标检测模型中的特征提取网络，可以用resnet、efficientnet卷积神经网络。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分子图像缺键识别技术，包括以下过程：S1：生成化合物分子式图像：利用rdkit软件工具，把化合物分子式(smiles或者inchi字符串)生成化合物分子式对应的图像，模拟原始化合物图像的风格，在生成图像上叠加噪音，进行风格变换使其无限接近于原始图像的风格；S2：生成图像原子、化学键标注数据集：S1中生成的图像，具有原子坐标信息，及原子之间化学键类型信息；利用这些信息，可以对图像中的原子和化学键进行标注，得到原子及化学键标注集；对该标注集，按照一定的比例进行划分，得到训练集1、测试集1和验证集1；S3：生成环标注集：利用S1中生成的部分图像，对其中的环进行标注，得到环标注集；对改标注集，按照一定的比例进行划分，得到训练集2、测试集2和验证集2；S4：原子、化学键检测识别模型和环检测识别模型：利用目标检测神经网络模型，在训练集1、测试卷1和验证集1上训练原子、化学键检测识别模型；在训练集2、测试集2和验证集2上训练环检测模型；S5：生成化合物分子图：利用S4中训练...

【专利技术属性】
技术研发人员：裴剑锋，李合敏，徐优俊，张舰航，朱金涛，
申请(专利权)人：英飞智药苏州科技有限公司，
类型：发明
国别省市：