基于机器学习的方法用于识别药物悬浮剂,利用斑点图案图像

科学领域:

• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断
• 制药科学 制药科学

背景情况:

• 亲肠道人工营养 (PAN) 对于患者的护理至关重要,但药物错误的管理会给健康带来严重的风险.
• 使用基本的光学方法,区分相似的PAN药物悬浮剂是具有挑战性的.
• 在注射之前准确地实时识别PAN药物对于患者的安全至关重要.

研究的目的:

• 开发和验证一种新的方法,用于精确分类门人工营养 (PAN) 药物悬浮剂.
• 为了利用斑点图案 (SP) 成像与人工智能 (AI) 结合用于制药分析.
• 建立一个新的光学传感平台,用于识别关键的医疗治疗.

主要方法:

• 从用于PAN的各种商业制药悬浮液中获取斑点图案 (SP) 图像.
• 从获得的SP图像中提取统计参数.
• 机器学习算法的培训和评估 (随机森林和多层感知器网络) 用于药物分类.

主要成果:

• SP成像和AI的结合方法实现了PAN药物悬浮的准确分类.
• 机器学习模型在识别不同的制药配方方面表现出很高的性能.
• 开发的方法提供了一个可靠的解决方案,用于区分视觉上相似的杂液体药物.

结论:

• 斑点图案成像与人工智能相结合,提供了一个强大的工具,用于识别肠道人工营养 (PAN) 药物.
• 这种新的光学传感平台通过准确的药物验证来提高患者的安全性.
• 该研究展示了这种联合技术的首次应用,用于特定识别PAN药物.