将光学连贯性断层扫描的使用扩展到含有颜料的散射涂层
Elisabeth Fink1, Elen Gartshein2, Johannes G Khinast3
1Research Center Pharmaceutical Engineering GmbH, Inffeldgasse 13, 8010 Graz, Austria.
Journal of pharmaceutical sciences
|January 21, 2024
概括
这项研究引入了新的无监督机器学习方法来评估光学连贯性断层扫描 (OCT) 图像. 这些技术可以为具有挑战性的,高度分散的平板涂层进行准确的涂层厚度测量.
科学领域:
- 制药技术 制药技术 制药技术
- 材料科学 材料科学 材料科学
- 图像分析 图像分析
背景情况:
- 涂层厚度对于平板电脑的功能 (药物释放,保护) 和美学至关重要.
- 评估涂层厚度的传统离线方法耗时且间接.
- 像OCT这样的线性方法面临着散射色素 (例如二氧化) 的挑战.
研究的目的:
- 开发用于测量涂层厚度的新型OCT图像评估技术.
- 克服因涂料中的散射颜料而导致的现有海上海地方法的局限性.
- 扩大OCT在线和线内涂层厚度测量的适用性.
主要方法:
- 探索用于OCT图像分析的无监督机器学习算法.
- 从OCT涂层平板电脑数据计算特定的图像指标.
- 使用富含二氧化的涂料配方进行验证.
主要成果:
- 从高度散射涂层中识别出与平板厚度相关的图像指标.
- 通过富含二氧化的配方证明了该方法的可行性.
- 建立了计算图像指标和涂层厚度之间的间接相关性.
结论:
- 新的无监督机器学习技术提高了OCT用于散射涂料的性能.
- 开发的方法间接测量了涂层厚度,克服了与色素相关的挑战.
- 这种方法显著扩大了OCT用于制药涂层分析的范围.
