[发明专利]一种分子图像缺键识别技术

说明书

本发明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。

技术领域

本发明涉及化学领域，具体是一种分子图像缺键识别技术。

背景技术

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。

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。

因此，本发明提供了一种分子图像缺键识别技术，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种分子图像缺键识别技术，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种分子图像缺键识别技术，包括以下过程：

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；

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。

作为本发明进一步的方案：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。

作为本发明再进一步的方案：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。

作为本发明再进一步的方案：目标检测模型包括特征提取网络、分类网络、回归网络。

作为本发明再进一步的方案：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。

有益效果