使用基于深度学习的对时间分辨率的微观断层图像的细分,对正在解体的药品紧剂进行高级分析

科学领域:

• 制药科学 制药科学
• 材料科学 材料科学 材料科学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 药物药片分解的机制尚未完全理解,这阻碍了药物的最佳生物可用性和释放.
• 目前的方法依赖于间接测量,限制了对解体动态的深入分析.
• 需要直接观察解体,以推进配方科学.

研究的目的:

• 用时间解析的X射线微计算机断层扫描 (μCT) 来可视化和分析迷你平板电脑在解体过程中的内部微结构变化.
• 开发和应用先进的图像处理技术来分析复杂的断层图像数据.
• 为了确定配方成分对药片分解动力学的影响.

主要方法:

• 获取时间分辨率的X射线微型计算机断层扫描 (μCT) 数据,用于各种迷你平板电脑配方.
• 基于U-Net的卷积神经网络 (CNN) 的开发,用于自动化对μCT数据的图像细分.
• 创建一个定制的μCT数据重建管道,以获得最佳的图像质量.
• 进行因子分析,以将配方成分与分解参数相关联.

主要成果:

• 在分解过程中成功可视化了内部平板电脑微结构.
• 从时间解析的μCT数据中提取了分解动力学的定量参数.
• 确定并量化了特定配方成分对分解过程的影响.

结论:

• 使用μCT直接成像,加上基于深度学习的图像分析,为制药片的分解机制提供了前所未有的见解.
• 这种方法可以更深入地了解配方如何影响药物释放和生物可用性.
• 这些发现可以指导药物配方的合理设计,以改善药物输送.