(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221086959 9.7 (22)申请日 2022.07.22 (71)申请人 水木未来 （北京） 科技有限公司 地址 100089 北京市海淀区西郊北洼路1区 195幢3层102 (72)发明人 郭良越　刘海宾　李盼　刘丙华　 郭春龙　 (74)专利代理 机构 北京林达刘知识产权代理事 务所(普通 合伙) 11277 专利代理师 刘新宇 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06T 7/11(2017.01) (54)发明名称 蛋白质电子密度图处理方法、 装置、 电子设 备和存储介质 (57)摘要 本公开涉及一种蛋白质电子密度图处理方 法、 装置、 电子设备和存储介质。 所述方法包括： 获取待处理 蛋白质电子密度图的三维图像块； 将 三维图像块输入图像处理网络模型的编码层进 行特征提取处理， 获得第一特征； 根据第一特征 以及各解码层的前一个网络层 级的输出信息， 获 得注意力信息； 根据注意力信息， 以及解码层对 前一个网络层级的输出信息的处理结果， 获得解 码层的输出信息， 根据解码层的输出信息， 获得 原子分类结果、 区域分类结果以及 氨基酸分类结 果。 根据所述方法， 可 获得解码层的注意力信息， 通过相同参数的编码层进行处理， 并分别解码获 取原子分类结果、 区域分类结果以及氨基酸分类 结果， 提升三种结果之间的关联性、 准确性和鲁 棒性。 权利要求书2页 说明书15页 附图4页 CN 115239999 A 2022.10.25 CN 115239999 A 1.一种蛋白质电子密度图处 理方法， 其特 征在于， 包括： 获取待处 理蛋白质电子密度图的多个三维图像块； 将所述三维图像块输入图像处理网络模型的编码层进行特征提取处理， 获得与各编码 层对应的第一特 征； 根据多个所述第 一特征， 以及所述图像处理网络模型的各解码层的前一个网络层级的 输出信息， 获得与所述各解码层对应的注意力 信息； 根据所述注意力信息， 以及各解码层对于所述前一个网络层级的输出信息的处理结 果， 获得各解码层的输出信息； 根据最后一个解码层的输出信息， 获得所述三维图像块中各体素网格的原子分类结 果、 区域分类结果以及氨基酸分类结果， 所述体素网格包括一个或多个体素， 所述原子 分类 结果包括所述体素网格所属的原子类别的识别结果， 所述区域分类结果包括所述体素网格 所属的结构的识别结果， 所述氨基酸分类结果包括所述体素网格所属的氨基酸类别的识别 结果。 2.根据权利要求1所述的方法， 其特征在于， 根据多个所述第一特征， 以及所述图像处 理网络模型的各解码层的前一个网络层级的输出信息， 获得与所述各解码层对应的注意力 信息， 包括： 在多个所述第一特征中， 确定与所述前一个网络层级的输出信息尺寸对应的第一特 征； 对所述前一个网络层级的输出信息进行 卷积及上采样处 理， 获得第二特 征； 对与所述解码层的解码结果尺寸对应的第一特征， 以及所述第二特征进行拼接、 卷积 与激活处理， 获得与所述 解码层对应的注意力 信息。 3.根据权利要求1所述的方法， 其特征在于， 根据所述注意力信息， 以及各解码层对于 所述前一个网络层级的输出信息的处 理结果， 获得 各解码层的输出信息， 包括： 将所述注意力信 息和所述处理结果中的对应元素进行相乘及卷积处理， 获得所述输出 信息。 4.根据权利要求1所述的方法， 其特征在于， 获取待处理蛋白质电子密度图的多个三维 图像块， 包括： 对所述待处理蛋白质电子密度图进行剪裁处理， 获得所述多个三维图像块， 其中， 相邻 的三维图像块之间至少包括部分重 叠区域。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 根据所述区域分类结果和氨基酸分类结果， 对所述原子分类结果进行校正处理， 获得 校正后的原子分类结果。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 根据所述三维图像块中各体素网格的原子分类结果， 对所述体素网格进行聚类处理， 获得聚类中心； 根据所述聚类中心， 确定蛋白质骨架碳α 原子的位置坐标。 7.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 将样本蛋白质电子密度图的样本图像块输入所述图像处理网络模型， 获得样本原子分 类结果、 样本区域分类结果以及样本氨基酸分类结果；权　利　要　求　书 1/2 页 2 CN 115239999 A 2根据所述样本原子分类结果和所述样本 蛋白质电子密度图的标注信 息， 确定原子分类 损失； 根据所述样本区域分类结果和所述样本 蛋白质电子密度图的标注信 息， 确定区域分类 损失； 根据所述样本氨基酸分类结果和所述样本 蛋白质电子密度图的标注信 息， 确定氨基酸 分类损失； 根据所述原子分类损 失、 所述区域分类损 失和所述氨基酸分类损 失， 训练所述图像处 理网络模型， 获得训练后的图像处 理网络模型。 8.一种蛋白质电子密度图处 理装置， 其特 征在于， 包括： 图像块获取模块， 用于获取待处 理蛋白质电子密度图的多个三维图像块； 特征提取模块， 用于将所述三维图像块输入图像处理网络模型的编码层进行特征提取 处理， 获得与各编码层对应的第一特 征； 注意力获取模块， 用于根据多个所述第一特征， 以及所述图像处理网络模型的各解码 层的前一个网络层级的输出信息， 获得与所述各解码层对应的注意力 信息； 输出模块， 用于根据所述注意力信息， 以及各解码层对于所述前一个网络层级的输出 信息的处 理结果， 获得 各解码层的输出信息； 结果获取模块， 用于根据最后一个解码层的输出信息， 获得所述三维图像块中各体素 网格的原子分类结果、 区域分类结果以及氨基酸分类结果， 所述体素网格包括一个或多个 体素， 所述原子分类结果包括所述体素网格所属的原子类别的识别结果， 所述区域分类结 果包括所述体素网格所属的结构的识别结果， 所述氨基酸分类结果包括所述体素网格所属 的氨基酸类别的识别结果。 9.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器被配置为调用所述存储器存储的指令， 以执行权利要求1至7中任意 一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 所述计算机 程序指令被处 理器执行时实现权利要求1至7中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115239999 A 3