論文の概要: Comparing Spectroscopy Measurements in the Prediction of in Vitro Dissolution Profile using Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2210.10292v1
• Date: Wed, 19 Oct 2022 04:34:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 15:29:49.011715
• Title: Comparing Spectroscopy Measurements in the Prediction of in Vitro Dissolution Profile using Artificial Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた生体内溶解プロファイルの予測における分光計測の比較
• Authors: Mohamed Azouz Mrad, Krist\'of Csorba, Dori\'an L\'aszl\'o Galata, Zsombor Krist\'of Nagy and Brigitta Nagy
• Abstract要約: 溶解試験は、医薬品産業における新製品の承認に欠かせない製品品質の一部である。 分光データに基づく溶解プロファイルの予測は、現在の破壊・時間的手法に代わるものである。 ラマンと近赤外分光法(英: Raman and near-infrared spectroscopies)は、錠剤の物理的および化学的特性に関する情報を提供する2つの高速で相補的な方法である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dissolution testing is part of the target product quality that is essential in approving new products in the pharmaceutical industry. The prediction of the dissolution profile based on spectroscopic data is an alternative to the current destructive and time-consuming method. Raman and near-infrared (NIR) spectroscopies are two fast and complementary methods that provide information on the tablets' physical and chemical properties and can help predict their dissolution profiles. This work aims to compare the information collected by these spectroscopy methods to support the decision of which measurements should be used so that the accuracy requirement of the industry is met. Artificial neural network models were created, in which the spectroscopy data and the measured compression curves were used as an input individually and in different combinations in order to estimate the dissolution profiles. Results showed that using only the NIR transmission method along with the compression force data or the Raman and NIR reflection methods, the dissolution profile was estimated within the acceptance limits of the f2 similarity factor. Adding further spectroscopy measurements increased the prediction accuracy.
• Abstract（参考訳）: 溶解試験は、医薬品業界における新製品の承認に不可欠な製品品質の目標の一部である。 分光データに基づく溶解プロファイルの予測は、現在の破壊的・時間的消費法に代わるものである。 ラマン分光法と近赤外分光法(NIR Spectroscopies)は、錠剤の物理的および化学的特性に関する情報を提供し、その溶解プロファイルを予測する2つの高速で相補的な方法である。 本研究の目的は,これらの分析手法が収集した情報を比較することで,産業の正確性要件を満たすために,どの測定値を使用するべきかの判断を支援することである。 分析データと測定された圧縮曲線を個別および異なる組み合わせで入力として使用して溶解プロファイルを推定した人工ニューラルネットワークモデルを作成した。 その結果, 圧縮力データおよびRamanおよびNIR反射法とともにNIR伝送法のみを用いて, f2類似度係数の許容範囲内で溶解プロファイルを推定した。 さらなる分光測定を加えることで予測精度が向上した。

関連論文リスト

• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Accelerating Drug Safety Assessment using Bidirectional-LSTM for SMILES Data [0.0]
  Bi-Directional Long Short Term Memory (BiLSTM) は、入力分子配列を処理するリカレントニューラルネットワーク(RNN)の変種である。 提案した研究は、SMILES文字列にコードされたシーケンシャルパターンを理解することを目的としており、それによって分子の毒性を予測する。
  論文  参考訳（メタデータ） (2024-07-08T18:12:11Z)
• Distribution-informed and wavelength-flexible data-driven photoacoustic oximetry [0.6424287896973291]
  光音響イメージング(PAI)は、空間分解された酸素飽和度を測定することを約束する。 正確な血液酸素濃度推定は、がんの検出から炎症の定量化に至るまで、重要な臨床応用となる可能性がある。 本研究は, 繰り返しニューラルネットワークアーキテクチャを導入することにより, PAI内の血液酸素濃度を推定する既存のデータ駆動手法の柔軟性について論じる。
  論文  参考訳（メタデータ） (2024-03-21T22:18:25Z)
• Nonlinear Manifold Learning Determines Microgel Size from Raman Spectroscopy [40.325359811289445]
  近年のアプローチでは、ラマン信号と粒子径の相関を示すが、ラマン測定からポリマーのサイズを正確にかつ確実に決定することができない。 本稿では,拡散マップ,交互拡散マップ,共形オートエンコーダネットワークを含む3つの機械学習手法を提案する。 共形オートエンコーダはラマンスペクトルからのポリマーサイズ予測において、最先端の手法と結果を大きく上回った。
  論文  参考訳（メタデータ） (2024-03-13T09:39:15Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• Pathloss modeling for in-body optical wireless communications [65.33908037519238]
  光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。 本稿では,体内OWCの一般パスロスモデルについて述べる。
  論文  参考訳（メタデータ） (2021-05-06T17:17:45Z)
• Machine Learning for recognition of minerals from multispectral data [1.231476564107544]
  本稿では,異なる分光法から得られたデータを組み合わせた鉱物の自動同定手法を提案する。 これらの手法はRaman + VNIR, Raman + LIBS, VNIR + LIBSと組み合わせられ, それぞれに異なるデータ融合法を適用してミネラルを分類した。 また,ラマンスペクトルからミネラル分類を行うDeep Learningアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-28T22:25:15Z)
• Machine Learning and Deep Learning methods for predictive modelling from Raman spectra in bioprocessing [0.0]
  本研究は,機械学習と深層学習を用いた回帰作業の円滑化のためのラマンスペクトルの前処理手法に焦点を当てた。 ほとんどの場合、このロバスト性は予測誤差と予測ロバスト性の観点から従来のラマンモデルより優れていた。
  論文  参考訳（メタデータ） (2020-05-06T16:15:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。