10.14135/j.cnki.1006-3080.20210916002
DeepOCSR:一种用于光学化学结构识别的深度编码-解码网络
从科学出版物中识别光学化学结构是重新发现化学结构性质的重要组成部分,对于药物研发和天然产物研究方面具有重要意义.现有的光学化学结构识别方法存在识别率较低等问题,为了有效地提高光学化学结构识别任务的识别性能,本文提出了一种用于光学化学结构识别的深度学习方法(DeepOCSR).该方法基于编码器-解码器架构,引入了Transformer和ResNeSt模型,将出版物中的化学结构图像转换为SMILES序列.构建了两种新的化学结构数据集,其中一个包含了化学文献中常见的取代基.将本文方法与现有的其他方法进行对比实验,结果表明本文方法在相似度和有效性等关键指标上均优于对比方法.
深度学习、化学结构识别、编码器-解码器、SMILES、取代基
49
TP391(计算技术、计算机技术)
国家科技重大专项2018ZX09735002
2023-03-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
135-143