Espectroscopia de infravermelho próximo para identificação rápida de excipientes farmacêuticos
Este estudo é baseado na tecnologia de detecção espectroscópica de infravermelho próximo para alcançar 100% de classificação de ingredientes farmacêuticos e excipientes de classe e fora de classe por modelo de máquina de vetor de suporte. 4 tipos de 8 excipientes farmacêuticos diferentes (amidos: amido de milho , batata amido, amido de batata-doce, amido pré-gelatinizado, maltodextrina , lactose : lactose monohidratada, celulose: celulose microcristalina , fosfato: estearato de magnésio) são coletados por espectrômetro de infravermelho próximo, 150 conjuntos de dados espectrais cada. Um total de 1200 espectros são usados, dos quais 840 espectros são divididos aleatoriamente como conjunto de treinamento e 360 como conjunto de validação. Compare os efeitos dos modelos construídos pelo algoritmo Bayesiano, algoritmo de máquina de vetor de suporte e algoritmo de vizinho K-mais próximo emparelhado com diferença de primeira ordem, diferença de segunda ordem, MSC e pré-processamento SNV, respectivamente. Os resultados mostram que os algoritmos Bayesian e K-neest neighbor alcançam 100% de resolução fora da classe quando emparelhados com os métodos de pré-processamento de suavização de diferença de primeira ordem, MSC e SG. qualquer pré-processamento, e a precisão não é reduzida após a redução de dimensionalidade pelo algoritmo competitivo de reponderação adaptativa. Finalmente,
Leia mais
Chen Qian e Zhijian Cai “Espectroscopia de infravermelho próximo para identificação rápida de excipientes farmacêuticos”, Proc. SPIE 12307, Second Optics Frontier Conference (OFS 2022), 1230702 (11 de agosto de 2022); https://doi.org/10.1117/12.2643483
Nenhum comentário:
Postar um comentário