公开(公告)号：CN115691686A

公开(公告)日：2023-02-03

申请号：CN202211385153.3

申请日：2022-11-07

Applicant: 河南大学

Inventor： 彭李超 ,  王恒哲 ,  杨晓慧 ,  郭艳慧 ,  李子欣 ,  余亚萍

IPC: G16C10/00 ,  G16C20/10 ,  G16C20/70 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及人工智能的有机合成技术领域，具体涉及一种基于ChemCNet的有机合成智能分析方法及系统；该方法包括：1)特征描述符的计算，根据软件将化学反应条件转化为特征描述符；2)模型的建立，构建注意力驱动，并结合深度学习和集成提升树CatBoost的ChemCNet模型，对特征描述符进行再表示学习、产率进行智能预测，对产率和反应条件内在关系进行分析；3)使用特征重要性和SHAP值对ChemCNet模型及其预测结果进行可视化分析。该方法能够降低数据冗余性，实现化学反应产率的精准预测；符合绿色化学，智慧化学理念，在节约资源的基础上实现对产率的精准预测，并智能分析反应条件与产率之间的内在关系。

公开(公告)号：CN115375630A

公开(公告)日：2022-11-22

申请号：CN202210936944.4

申请日：2022-08-05

Applicant: 河南大学

Inventor： 杨晓慧 ,  王斌杰 ,  廖豪杰 ,  王恒哲 ,  王小丹 ,  王长福

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于CBNet模型的乳腺肿瘤良恶性智能识别与预测系统，图片检测功能模块、CBNet特征提取与识别模块、模型参数调整功能模块、显示和保存检测识别详细信息功能模块、语言设置功能模块。本发明率先将卷积神经网络和CatBoost集成树模型结合构建成特征表示学习能力强且具有良好可解释性的CatNet网络，并用于乳腺肿瘤良/恶性智能检测与识别。