[发明专利]基于卷积神经网络的智能化先导化合物发现方法有效
申请号: | 201710127395.5 | 申请日: | 2017-03-01 |
公开(公告)号: | CN106874688B | 公开(公告)日: | 2019-03-12 |
发明(设计)人: | 林克江;徐吟秋 | 申请(专利权)人: | 中国药科大学 |
主分类号: | G16C20/50 | 分类号: | G16C20/50;G06K9/62;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 211198 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了基于卷积神经网络的图像识别系统用于药物先导化合物发现的新方法,以解决当前先导化合物虚拟筛选效率低、准确度不高的问题。该方法首先将化合物结构式转为平面图片,并进行黑白化与反色处理,所有图片根据化合物的活性属性分类并根据类别分别加以数字标签,输入系统。选取一部分图片作为训练集供卷积神经网络对分类问题进行深度学习,剩余部分作为测试集以评价模型。学习完成后,输入训练集及测试集以外的经同样处理的图片供系统计算,预测其对应的活性属性的概率。 | ||
搜索关键词: | 基于 卷积 神经网络 智能化 先导 化合物 发现 方法 | ||
【主权项】:
1.基于卷积神经网络的智能化先导化合物发现方法,其特征在于,该方法包括如下步骤:步骤1:对大小、亮度均一致的化合物结构式的平面图片进行黑白化与反色处理;步骤2:根据化合物活性属性对图片进行分类,并对每一类图片加以各类所对应的数字标签,其中一部分图片作为训练集,剩余部分图片作为测试集;步骤3:将图片根据像素值转变为数字矩阵,与标签数字一一对应;步骤4:建立卷积神经网络分类器,并调整参数;步骤5:当评价模型的损失函数值逼近0后,完成训练,获得训练后的矩阵参数;步骤6:以获得的矩阵计算测试集图片最为可能的活性属性,并通过与其真实属性比较对模型进行评估,若评估结果不合要求,扩充数据集大小,重复上述过程;步骤7:若评估结果符合要求,依前法对待预测化合物结构式图片进行预处理,将图片以保存的矩阵运算后输出其属于各活性类别的可能性。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国药科大学,未经中国药科大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710127395.5/,转载请声明来源钻瓜专利网。
- 上一篇:病理切片图像智能分类方法及装置
- 下一篇:一种远程网络诊断辅助系统