申请/专利权人：中国药科大学

申请日：2024-01-26

公开（公告）日：2024-04-26

公开（公告）号：CN117932494A

主分类号：G06F18/2431

分类号：G06F18/2431;G01N24/08;G06F18/2413;G06N3/0464;G06N3/0442;G06N3/082;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于CNN‑BiLSTM的5类新精神活性物质智能化非靶向筛查方法及系统，包括：通过核磁共振实验，得到待筛查物质的13C‑NMR图谱数据和1H‑NMR图谱数据；将13C‑NMR图谱数据和1H‑NMR图谱数据的横坐标进行特征提取，得到13C‑NMR位移数据和1H‑NMR位移数据，将13C‑NMR位移数据和1H‑NMR位移数据进行拼接，得到一维向量；将步骤2得到的一维向量输入至基于CNN‑BiLSTM的多分类模型中，预测得到该待筛查物质的类别；本发明将深度学习技术应用于新精神活性物质的非靶向筛选，利用CNN和BiLSTM的协同作用在处理NMR数据的分类任务中能够更好地捕捉到数据中的关键特征，从而提高对新精神活性物质识别的准确性和泛化能力。

主权项：1.一种基于CNN-BiLSTM的5类新精神活性物质智能化非靶向筛查方法，其特征在于：包括以下步骤：步骤1：通过核磁共振实验，得到待筛查物质的13C-NMR图谱数据和1H-NMR图谱数据；步骤2：将13C-NMR图谱数据和1H-NMR图谱数据的横坐标进行特征提取，得到13C-NMR位移数据和1H-NMR位移数据，将13C-NMR位移数据和1H-NMR位移数据进行拼接，得到一维向量；步骤3：将步骤2得到的一维向量输入至基于CNN-BiLSTM的多分类模型中，预测得到该待筛查物质的类别。

全文数据：

权利要求：

百度查询： 中国药科大学 一种基于CNN-BiLSTM的5类新精神活性物质智能化非靶向筛查方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD