基于EfficientNetV2和LSTM的分子图像识别
苏琦鸿
何利文
南京邮电大学物联网学院 南京 210000
摘要：准确的分子图像识别对于理解化学的功能及其在各种生物过程中的作用,以及开发新的药物和治疗方法是必不可少的.针对传统的识别分子图像的方式效率低,准确率低等问题,提出了将EfficientNetV2网络和混合注意力机制的多层LSTM相结合,使用训练好的模型对图像进行文本生成,对分子图像进行高效的识别.同时进行了多组机器学习对照试验,更换不同的编码器及解码器以得到对比效果,实验证明,较传统机器学习模型,该模型在分子图像识别上训练时间短,有着更高的准确率,准确率达到93.1%.在分子图像识别领域,EfficientNetV2 和LSTM相结合为分子图像识别提供了一种有研究前景的方法,简化了分子图像识别工作,为未来的化学研究提供帮助.
关键词：EfficientNetV2注意力机制LSTM分子图像国际化学标识符
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：5( 3519-3523 )
英文信息