CN117783459A - 一种药物的溶出曲线测定方法及系统 - Google Patents
一种药物的溶出曲线测定方法及系统 Download PDFInfo
- Publication number
- CN117783459A CN117783459A CN202410217495.7A CN202410217495A CN117783459A CN 117783459 A CN117783459 A CN 117783459A CN 202410217495 A CN202410217495 A CN 202410217495A CN 117783459 A CN117783459 A CN 117783459A
- Authority
- CN
- China
- Prior art keywords
- solution
- tablet
- dissolution
- particle
- subarea
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004090 dissolution Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 65
- 239000003814 drug Substances 0.000 title claims abstract description 62
- 229940079593 drug Drugs 0.000 title claims abstract description 45
- 239000002245 particle Substances 0.000 claims abstract description 191
- 238000005070 sampling Methods 0.000 claims abstract description 91
- 238000009826 distribution Methods 0.000 claims abstract description 55
- 239000008187 granular material Substances 0.000 claims abstract description 50
- 238000002310 reflectometry Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000001179 sorption measurement Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 239000012488 sample solution Substances 0.000 claims description 50
- 239000000523 sample Substances 0.000 claims description 24
- 239000010419 fine particle Substances 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000003756 stirring Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 239000000243 solution Substances 0.000 description 227
- LBHIOVVIQHSOQN-UHFFFAOYSA-N nicorandil Chemical compound [O-][N+](=O)OCCNC(=O)C1=CC=CN=C1 LBHIOVVIQHSOQN-UHFFFAOYSA-N 0.000 description 15
- 229960002497 nicorandil Drugs 0.000 description 15
- 238000005259 measurement Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 239000012738 dissolution medium Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000008363 phosphate buffer Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 229940127291 Calcium channel antagonist Drugs 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000480 calcium channel blocker Substances 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000007922 dissolution test Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及高光谱数据处理技术领域，具体涉及一种药物的溶出曲线测定方法及系统，该方法包括：采集每次供试品溶液取样过程中各采样时刻的溶液高光谱图像和溶液红外图像；获取各帧溶液反射率图像，提取各溶液子区域；获取各药片颗粒分布路径的药片颗粒细粒崩解程度；构建溶液子区域的药片颗粒细粒溶液吸附度及药片颗粒溶出指数，构建溶液子区域的药片颗粒溶出稳定系数，进而计算药片颗粒稳定溶出指数；获取各溶液子区域的溶出距离；结合LSTM神经网络获取每次取样结束时刻的修正累积溶出度，对每次取样结束时刻的修正累积溶出度拟合得到药物溶出曲线。从而实现对药物溶出曲线的测定，提高了药物溶出曲线测定的准确性。
Description
技术领域
本发明涉及高光谱数据处理技术领域，具体涉及一种药物的溶出曲线测定方法及系统。
背景技术
尼可地尔片是一种钙通道阻滞剂，常用于治疗高血压、冠心病和心绞痛等心血管疾病。对尼可地尔片进行药物的溶出曲线测定可以评估该药物制剂的释放速度和释放特性，从而确保尼可地尔片的药物的一致性、生物等效性和治疗效果，这对于尼可地尔片的药物声场控制进而质量评估都具有重要意义。
目前常用的药物溶出度曲线测定方法是通过对某一时刻的药物溶出液进行供试品溶液的取样，借助药物在供试品溶液中的溶出度反映药物在取样时刻的整体的溶出度，但是从药物表面析出的药物颗粒的溶解度会受到温度以及药物颗粒粒度大小的影响，而药物的溶解过程通常伴随着吸热、放热过程，同时溶液与容器壁之间会发生热交换，这会造成容器中不同溶液区域之间存在一定的温度差异，而在对药物所处的溶液的温度进行调控时，也很难使溶液的温度维持在一个固定的值，并且传统的药物溶出试验通常需要对溶液以恒定速度的进行搅拌，这会造成从药物表面析出的不同粒度大小的药物颗粒分布在溶液中的各处，导致从药物表面析出的药片颗粒在不同的溶液区域中具有不同的溶解程度，造成较大的偏差。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种药物的溶出曲线测定方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种药物的溶出曲线测定方法，该方法包括以下步骤：
在药物溶出杯中进行取样，采集每次供试品溶液取样过程中各采样时刻的溶液高光谱图像和溶液红外图像；
将溶液高光谱图中各像元在所有波段中的反射率均值作为各像元的溶液反射率，各帧溶液高光谱图中各像元的溶液反射率组成各帧溶液反射率图像，采用语义分割网络对溶液反射率图像分割提取溶液区域；将溶液区域分割成各超像素块作为各溶液子区域；
对于各溶液子区域，构建各药片颗粒分布路径，根据溶液子区域中各药片颗粒分布路径上像元之间的距离关系及像元分布获取各药片颗粒分布路径的药片颗粒细粒崩解程度；根据溶液子区域中的各药片颗粒分布路径的药片颗粒细粒崩解程度以及像元分布得到溶液子区域的药片颗粒细粒溶液吸附度；根据溶液子区域的药片颗粒细粒溶液吸附度及在溶液红外图像中的温度值情况得到溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数；根据在各帧溶液反射率图像中溶液子区域的药片颗粒溶出指数得到溶液子区域的药片颗粒溶出稳定系数；结合药片颗粒溶出指数及药片颗粒溶出稳定系数得到溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数；根据各溶液子区域的像元之间的距离关系获取各溶液子区域的溶出距离；
根据每次取样结束时刻的各溶液子区域溶出距离及所述药片颗粒稳定溶出指数结合LSTM神经网络，获取药物在每次取样结束时刻的修正累积溶出度，对药物在每次取样结束时刻的修正累积溶出度拟合得到药物的溶出曲线。
进一步地，所述采用语义分割网络对溶液反射率图像分割提取溶液区域，包括：
将溶液反射率图像中的搅拌桨像元、药片颗粒像元和溶液微粒像元的标签分别标记为0、1和2，将溶液反射率图像作为FCN语义分割网络模型的输入，分割出溶液区域，所述溶液区域包括药片颗粒像元、溶液微粒像元。
进一步地，所述构建各药片颗粒分布路径，根据溶液子区域中各药片颗粒分布路径上像元之间的距离关系及像元分布获取各药片颗粒分布路径的药片颗粒细粒崩解程度，包括：
获取溶液子区域的最小外接矩形区域的中心像元，将溶液子区域边缘上的像元记为边缘像元，将溶液子区域中各边缘像元与中心像元所在的线段记为溶液子区域的各条药片颗粒分布路径；
溶液子区域的第/>条药片颗粒分布路径的药片颗粒细粒崩解程度/>的表达式为：
式中，和/>分别表示第/>条药片颗粒分布路径中像元个数、药片颗粒像元个数，表示第/>条药片颗粒分布路径中的第/>个、第/>个药片颗粒像元之间的切比雪夫距离，/>表示预设大于零的数值，其中，/>为第一帧溶液反射率图像的第一个溶液子区域。
进一步地，所述溶液子区域的药片颗粒细粒溶液吸附度包括：
式中，以及/>分别表示溶液子区域/>中的边缘像元个数、药片颗粒像元个数以及像元总数。
进一步地，所述溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数，包括：
以溶液子区域的各药片颗粒像元为中心，设置大小的窗口，计算各药片颗粒像元所在窗口中所有像元的溶液温度值的均值，记为各药片颗粒像元的局部溶液温度值，将溶液子区域中所有药片颗粒像元的局部溶液温度值的均值，作为溶液子区域的药片颗粒溶出温度；
将溶液子区域的药片颗粒细粒溶液吸附度、药片颗粒溶出温度以及药片颗粒像元数量三者的乘积作为溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数。
进一步地，所述根据在各帧溶液反射率图像中溶液子区域的药片颗粒溶出指数得到溶液子区域的药片颗粒溶出稳定系数，包括：
采用溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数的计算方法，获取溶液子区域在每次供试品溶液取样过程中各采样时刻的药片颗粒溶出指数；
计算溶液子区域在供试品溶液取样过程中各采样时刻的药片颗粒溶出指数与第一次采样时刻的药片颗粒溶出指数的差值平方，获取溶液子区域的所有所述差值平方的均值作为溶液子区域的药片颗粒溶出稳定系数。
进一步地，所述溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数，包括：
计算溶液子区域的药片颗粒溶出稳定系数与预设大于零的数值的和值，将溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数与所述和值的比值的归一化结果，作为溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数。
进一步地，所述根据各溶液子区域的像元之间的距离关系获取各溶液子区域的溶出距离，包括：
计算供试品溶液取样位置在溶液反射率图像中对应像元与各溶液子区域中心像元之间的欧式距离，将所述欧式距离作为各溶液子区域的溶出距离。
进一步地，所述根据每次取样结束时刻的各溶液子区域溶出距离及所述药片颗粒稳定溶出指数结合LSTM神经网络，获取药物在每次取样结束时刻的修正累积溶出度，包括：
将每次供试品溶液取样结束时刻的溶液反射率图像中各个溶液子区域的药片颗粒稳定溶出指数和溶出距离，分别按照各溶液子区域进行排列，得到每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数序列和溶出距离序列；
采用紫外-可见分光光度法通过每次供试品溶液取样样本计算药物在每次供试品溶液取样时的累积溶出度，将每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数序列、溶出距离序列以及所述累积溶出度作为 LSTM神经网络模型的输入，输出药物在每次取样结束时刻的修正累积溶出度。
第二方面，本发明实施例还提供了一种药物的溶出曲线测定系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明基于药片颗粒像元在药片颗粒分布路径上的分布情况以及药片颗粒像元之间的切比雪夫距离构建药片颗粒细粒溶液吸附度，降低了传统的欧式距离在度量不同药片颗粒分布路径上相邻像元之间的距离产生的差异，减小溶液中药片颗粒聚集的区域对区分不同药片颗粒之间粒度大小的影响，基于溶液子区域的药片颗粒溶出指数在供试品溶液取样期间的变化情况构建药片颗粒稳定溶出指数，降低了溶液中药物颗粒和温度分布不稳定的溶液子区域的药片颗粒溶出指数的权重，以更好地区分药片溶出度在不同溶液子区域之间的差异，基于药片颗粒稳定溶出指数对尼可地尔片在各个采样时刻的累积溶出度进行修正，并基于修正后的累积溶出度完成对尼可地尔片的溶出曲线的测定，提高了药物溶出曲线测定的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种药物的溶出曲线测定方法的步骤流程图；
图2为药片颗粒分布路径示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种药物的溶出曲线测定方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种药物的溶出曲线测定方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种药物的溶出曲线测定方法的步骤流程图，该方法包括以下步骤：
步骤S001，采集尼可地尔片溶出过程中的高光谱数据和红外数据，并进行预处理。
本实施例以尼可地尔片为例，尼可地尔片的溶出曲线的测定方法包括以下步骤：
（1）配置溶液：本实施例采用pH6.8磷酸磷酸盐缓冲液作为溶出介质。溶出介质可由实施者自行选择。
（2）溶出实验仪：ZRD-8溶出仪，RYX-8取样收集系统；溶出介质：量取150ml 的pH6.8磷酸盐缓冲液置于溶出仪的溶出杯中；转速：10r/min；温度控制在37±0.5。
（3）投片：将尼可地尔片投入溶出杯中，同时开启溶出仪。
（4）供试品溶液的取样：取样时间：5min，10min，15min，20min，30min，40min，50min，60min；取样量：2ml，具体取样时间实施者也可自行设定。
本实施例以第一次供试品溶液取样为例，在溶出杯的正面分别放置一个高光谱成像仪和红外热成像仪，对溶出杯中的溶液分别进行高光谱图像和红外图像的采集，采集时间为供试品溶液取样开始时刻至供试品溶液取样结束时刻，分别采集T帧的高光谱图像和红外图像，其中高光谱图像采集时需有光源照射，T取经验值为30，可以实施者自行设置。
至此，得到溶出杯中的溶液在第一次供试品溶液取样期间的各帧高光谱图像和红外图像，记为溶液高光谱图像和溶液红外图像。为降低采集的溶液红外图像中噪声的干扰，使用小波去噪算法对获取的所有溶液红外图像分别进行去噪处理，其中小波去噪算法为公知技术，具体过程不再赘述。
为了方便叙述，在本实施例中，将溶液红外图像中每一个像元的值记为溶液温度值。
步骤S002，基于药片颗粒在溶液反射率图像中的分布情况构建药片颗粒细粒溶液吸附度，基于溶液子区域的药片颗粒细粒溶液吸附度和溶液温度在取样期间的变化情况构建药片颗粒稳定溶出指数，基于溶液子区域与供试品溶液采样位置之间的距离构建溶出距离。
以第一帧的溶液高光谱图像为例，将溶液高光谱图像/>中每个像元在所有波段中反射率的均值记为每个像元的溶液反射率，以降低光源在照射溶出杯的玻璃表面时出现的不同角度的反射而导致溶液高光谱图像的不同波段中出现噪声的影响，得到溶液高光谱图像/>对应的溶液反射率图像，记为第一帧溶液反射率图像/>，其中第一帧溶液反射率图像/>中每个像元的值分别表示该像元的溶液反射率。
由于溶出杯中的搅拌桨和药片颗粒相比于溶液在高光谱中均具有较大的反射率，并且溶出杯中的搅拌桨的位置通常是固定的，因此为了降低搅拌桨在溶液反射率图像对药片颗粒像元识别的干扰，以溶液反射率图像为例，将溶液反射率图像/>作为FCN语义分割网络模型的输入，将溶液反射率图像/>中的搅拌桨像元、药片颗粒像元和溶液微粒像元的标签分别设置为0、1和2，分割出溶液高光谱图像/>中的溶液区域，溶液区域中包含所有的药片颗粒像元和溶液微粒像元，其中FCN语义分割网络模型的训练为公知技术，具体过程不再赘述。
在药片的溶出过程中，药片会逐渐崩解，使得药片颗粒从药片表面析出，并且药片颗粒会随着桨叶的旋转流动到溶液各处，而在药片颗粒流动的过程中可能会出现药片颗粒聚集或粘连的现象，因此为了区分溶液中不同区域的药片颗粒的颗粒大小和聚集情况，使用SLIC（Simple linear iterative cluster）超像素分割算法对溶液反射率图像的溶液区域进行分割，分割成/>个区域，记为溶液子区域，其中/>取经验值为64，SLIC超像素分割算法为公知技术，具体过程不再赘述。
由于供试品溶液取样过程持续的时间通常较短，使得溶液反射率图像中的溶液子区域在相邻帧的溶液反射率图像中不会出现较大的变化，因此以溶液反射率图像中的第一个溶液子区域/>为例，使用Goturn动态追踪技术获取溶液子区域/>在其余帧溶液反射率图像中所对应的溶液子区域，以识别出溶液子区域在不同帧溶液反射率图像上的动态变化，其中Goturn动态追踪技术为公知技术，不再赘述。
在药片的溶出过程中，药片会被逐渐崩解成大小不同的药片颗粒，一般情况下，溶液中药片颗粒的粒度越小，药片颗粒与溶液接触的越充分，并且溶液的温度越高，药片颗粒被溶解的速度越快。
以溶液反射率图像的第一个溶液子区域/>为例，获取溶液子区域/>的最小外接矩形区域的中心像元/>，将溶液子区域/>边缘上的像元记为边缘像元，以其中的第/>个边缘像元/>为例，将溶液子区域/>中边缘像元/>与中心像元/>所在的线段记为溶液子区域/>的第/>条药片颗粒分布路径。由于溶液中药片颗粒聚集的区域会被误认为粒度较大的药片颗粒，因此通过构建药片颗粒分布路径来获取不同药片颗粒分布路径上药片颗粒像元之间的临近情况，以提高对药片颗粒的粒度大小识别的精度，降低溶液中药片颗粒聚集的区域对区分不同药片颗粒之间粒度大小的影响。将第/>条药片颗粒分布路径中与边缘像元之间的欧式距离最小、第二小的药片颗粒像元分别记为第/>条药片颗粒分布路径的第一、第二个药片颗粒像元，依此类推。药片颗粒分布路径示意图具体如图2所示，图2中，分别表示溶液子区域的中心像元和第一个边缘像元，/>连线上的所有像元构成的路径为溶液子区域的第一条药片颗粒分布路径，/>为第一条药片颗粒分布路径中的第一、第二药片颗粒像元，/>为溶液微粒像元。
进一步的，得到溶液子区域的药片颗粒细粒溶液吸附度/>，其计算方法为：
上式中：表示溶液子区域/>的第/>条药片颗粒分布路径的药片颗粒细粒崩解程度；/>表示第/>条药片颗粒分布路径中像元个数；/>表示第/>条药片颗粒分布路径中药片颗粒像元个数；/>表示第/>条药片颗粒分布路径中的第/>个、第/>个药片颗粒像元之间的切比雪夫距离，切比雪夫距离能够降低传统的欧式距离度量不同药片颗粒分布路径上相邻像元之间距离的差异，其中切比雪夫距离的计算为公知技术，具体过程不再赘述；/>表示预设大于零的数值，为了防止分母为0，其中/>取经验值为0.1。
表示溶液子区域/>中的边缘像元个数；/>表示溶液子区域/>中的药片颗粒像元个数；/>表示溶液子区域/>中的像元总数。
溶液子区域中某个药片颗粒的粒度越大，则溶液子区域/>中经过该药片颗粒的每个药片颗粒分布路径上的药片颗粒像元的数量越多，并且药片颗粒像元的分布越密集。则溶液子区域/>的第/>条药片颗粒分布路径上的药片颗粒像元的数量越小，即/>的值越小，同时药片颗粒在所述药片颗粒分布路径中的分布越稀疏，即/>的值越大，表示经过所述药片颗粒分布路径上的所有药片颗粒的粒度均越小，即/>的值越大，说明药片颗粒在所述药片颗粒分布路径上被崩解成细粒的程度越大，即/>的值越大。
溶液子区域中的药片颗粒被崩解成细粒的程度越大，即/>的值越大，同时溶液子区域/>中药片颗粒像元所占的比例越小，即/>的值越小，说明在溶液子区域/>中，药物颗粒的粒度越小，并且药物颗粒与溶液的接触越充分，即药片颗粒细粒溶液吸附度的值越大。
至此，得到每一帧溶液反射率图像中的所有溶液子区域的药片颗粒细粒溶液吸附度。
以溶液子区域为例，以溶液子区域/>中的药片颗粒像元/>为中心，设置一个大小的窗口，其中/>本实施例取值为3，计算药片颗粒像元/>所在窗口中所有像元的溶液温度值的均值，记为药片颗粒像元/>的局部溶液温度值，并计算溶液子区域/>中所有药片颗粒像元的局部溶液温度值的均值，记为溶液子区域/>的药片颗粒溶出温度。
以供试品溶液取样结束时的溶液反射率图像中的第一个溶液子区域/>为例，得到溶液子区域/>在供试品溶液取样结束时的药片颗粒稳定溶出指数/>：
式中：表示溶液子区域/>在供试品溶液取样结束时刻的药片颗粒溶出指数；、/>分别表示溶液子区域/>的药片颗粒细粒溶液吸附度和药片颗粒溶出温度；/>表示溶液子区域/>中药片颗粒像元的数量。
表示溶液子区域/>的药片颗粒溶出稳定系数；/>、/>分别表示溶液子区域、/>的药片颗粒溶出指数，其中溶液子区域/>、/>分别指的是第一帧、第t帧的溶液反射率图像中的第一个溶液子区域，使用Goturn动态追踪技术获取第一帧溶液反射率图像中的第一个溶液子区域/>在第t帧溶液反射率图像中对应的溶液子区域/>；/>表示在供试品溶液取样期间采集得到的溶液反射率图像的个数，即供试品溶液取样期间采集图像的帧数。
为归一化函数，表示对括号内的数值进行归一化处理；/>表示预设大于零的数值，为了防止分母为0，其中/>取经验值为0.1。
溶液子区域中的药片颗粒被崩解成细粒的程度越大，药片颗粒与溶液的接触程度越大，即/>定值越大，并且溶液子区域/>中药物颗粒所处的溶液温度越高，即溶液子区域/>中的值越大，说明溶液子区域/>中的药片颗粒越容易被溶液溶解，同时溶液子区域/>中药片颗粒像元的数量越多，即/>的值越大，说明溶液子区域/>中的药片颗粒的溶出度越大，即/>的值越大。
第一帧溶液反射率图像中的第一个溶液子区域/>与其余帧溶液反射率图像中的第一个溶液子区域之间的药片颗粒溶出指数的差异越小，即/>的值越小，说明溶液子区域/>的药片颗粒溶出指数在供试品溶液取样期间的变化越小，即/>的值越大。则/>的值越大，说明溶液子区域/>在供试品溶液取样结束时的药片颗粒溶出指数的值越大，并且药片颗粒溶出指数定值在供试品溶液取样期间的变化与越稳定，即药片颗粒稳定溶出指数/>定值越大。
进一步，本实施例将对各溶液子区域的溶出距离进行构建，以溶液子区域为例，将供试品溶液取样位置在溶液反射率图像/>中的对应像元与溶液子区域/>的中心像元之间的欧式距离，记为溶液子区域/>的溶出距离。
至此，得到供试品溶液取样结束时刻的溶液反射率图像中各个溶液子区域的药片颗粒稳定溶出指数和溶出距离。
步骤S003，基于药片颗粒稳定溶出指数以及溶出距离，对尼可地尔片在各个取样时刻的累积溶出度进行修正，完成溶出曲线的测定。
将上个步骤得到的供试品溶液取样结束时刻的溶液反射率图像中各个溶液子区域的药片颗粒稳定溶出指数和溶出距离，分别按照溶液子区域的顺序进行排列，得到第一次供试品溶液取样时的药片颗粒稳定溶出指数序列和溶出距离序列。
采用紫外-可见分光光度法对每次供试品溶液的取样样本进行分析，获取尼可地尔片每次供试品溶液取样时的累积溶出度，将尼可地尔片在第一次供试品溶液取样时的累积溶出度记为，其中紫外-可见分光光度法为公知技术，具体过程不再赘述。
将第一次供试品溶液取样结束时刻的药片颗粒稳定溶出指数序列、溶出距离序列以及累积溶出度作为 LSTM（Long Short Term Memory，长短期记忆)神经网络模型的输入，其中，药片溶出度的计算为现有技术，具体过程不在本实施例中阐述。将随机梯度下降法和L1损失函数分别作为LSTM神经网络模型的优化算法和损失函数，输出尼可地尔片在第一次取样结束时刻的修正累积溶出度/>，其中LSTM神经网络模型的训练为公知技术，具体过程不再赘述。
重复本实施例上述过程，获取尼可地尔片在各次取样结束时刻的修正累积溶出度，并对尼可地尔片在每次取样时的修正累积溶出度进行曲线拟合，其中横坐标为取样结束时刻，纵坐标为修正累积溶出度的值，其中曲线拟合为公知技术，具体过程不再赘述，得到尼可地尔片的溶出曲线。
基于与上述方法相同的发明构思，本发明实施例还提供了一种药物的溶出曲线测定系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种药物的溶出曲线测定方法中任意一项所述方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种药物的溶出曲线测定方法，其特征在于，该方法包括以下步骤：
在药物溶出杯中进行取样，采集每次供试品溶液取样过程中各采样时刻的溶液高光谱图像和溶液红外图像；
将溶液高光谱图中各像元在所有波段中的反射率均值作为各像元的溶液反射率，各帧溶液高光谱图中各像元的溶液反射率组成各帧溶液反射率图像，采用语义分割网络对溶液反射率图像分割提取溶液区域；将溶液区域分割成各超像素块作为各溶液子区域；
对于各溶液子区域，构建各药片颗粒分布路径，根据溶液子区域中各药片颗粒分布路径上像元之间的距离关系及像元分布获取各药片颗粒分布路径的药片颗粒细粒崩解程度；根据溶液子区域中的各药片颗粒分布路径的药片颗粒细粒崩解程度以及像元分布得到溶液子区域的药片颗粒细粒溶液吸附度；根据溶液子区域的药片颗粒细粒溶液吸附度及在溶液红外图像中的温度值情况得到溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数；根据在各帧溶液反射率图像中溶液子区域的药片颗粒溶出指数得到溶液子区域的药片颗粒溶出稳定系数；结合药片颗粒溶出指数及药片颗粒溶出稳定系数得到溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数；根据各溶液子区域的像元之间的距离关系获取各溶液子区域的溶出距离；
根据每次取样结束时刻的各溶液子区域溶出距离及所述药片颗粒稳定溶出指数结合LSTM神经网络，获取药物在每次取样结束时刻的修正累积溶出度，对药物在每次取样结束时刻的修正累积溶出度拟合得到药物的溶出曲线。
2.如权利要求1所述的一种药物的溶出曲线测定方法，其特征在于，所述采用语义分割网络对溶液反射率图像分割提取溶液区域，包括：
将溶液反射率图像中的搅拌桨像元、药片颗粒像元和溶液微粒像元的标签分别标记为0、1和2，将溶液反射率图像作为FCN语义分割网络模型的输入，分割出溶液区域，所述溶液区域包括药片颗粒像元、溶液微粒像元。
3.如权利要求2所述的一种药物的溶出曲线测定方法，其特征在于，所述构建各药片颗粒分布路径，根据溶液子区域中各药片颗粒分布路径上像元之间的距离关系及像元分布获取各药片颗粒分布路径的药片颗粒细粒崩解程度，包括：
获取溶液子区域的最小外接矩形区域的中心像元，将溶液子区域边缘上的像元记为边缘像元，将溶液子区域中各边缘像元与中心像元所在的线段记为溶液子区域的各条药片颗粒分布路径；
溶液子区域的第/>条药片颗粒分布路径的药片颗粒细粒崩解程度/>的表达式为：
式中，和/>分别表示第/>条药片颗粒分布路径中像元个数、药片颗粒像元个数，/>表示第/>条药片颗粒分布路径中的第/>个、第/>个药片颗粒像元之间的切比雪夫距离，/>表示预设大于零的数值，其中，/>为第一帧溶液反射率图像的第一个溶液子区域。
4.如权利要求3所述的一种药物的溶出曲线测定方法，其特征在于，所述溶液子区域的药片颗粒细粒溶液吸附度包括：
式中，以及/>分别表示溶液子区域/>中的边缘像元个数、药片颗粒像元个数以及像元总数。
5.如权利要求1所述的一种药物的溶出曲线测定方法，其特征在于，所述溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数，包括：
以溶液子区域的各药片颗粒像元为中心，设置大小的窗口，计算各药片颗粒像元所在窗口中所有像元的溶液温度值的均值，记为各药片颗粒像元的局部溶液温度值，将溶液子区域中所有药片颗粒像元的局部溶液温度值的均值，作为溶液子区域的药片颗粒溶出温度；
将溶液子区域的药片颗粒细粒溶液吸附度、药片颗粒溶出温度以及药片颗粒像元数量三者的乘积作为溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数。
6.如权利要求1所述的一种药物的溶出曲线测定方法，其特征在于，所述根据在各帧溶液反射率图像中溶液子区域的药片颗粒溶出指数得到溶液子区域的药片颗粒溶出稳定系数，包括：
采用溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数的计算方法，获取溶液子区域在每次供试品溶液取样过程中各采样时刻的药片颗粒溶出指数；
计算溶液子区域在供试品溶液取样过程中各采样时刻的药片颗粒溶出指数与第一次采样时刻的药片颗粒溶出指数的差值平方，获取溶液子区域的所有所述差值平方的均值作为溶液子区域的药片颗粒溶出稳定系数。
7.如权利要求1所述的一种药物的溶出曲线测定方法，其特征在于，所述溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数，包括：
计算溶液子区域的药片颗粒溶出稳定系数与预设大于零的数值的和值，将溶液子区域在每次供试品溶液取样结束时刻的药片颗粒溶出指数与所述和值的比值的归一化结果，作为溶液子区域在每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数。
8.如权利要求1所述的一种药物的溶出曲线测定方法，其特征在于，所述根据各溶液子区域的像元之间的距离关系获取各溶液子区域的溶出距离，包括：
计算供试品溶液取样位置在溶液反射率图像中对应像元与各溶液子区域中心像元之间的欧式距离，将所述欧式距离作为各溶液子区域的溶出距离。
9.如权利要求8所述的一种药物的溶出曲线测定方法，其特征在于，所述根据每次取样结束时刻的各溶液子区域溶出距离及所述药片颗粒稳定溶出指数结合LSTM神经网络，获取药物在每次取样结束时刻的修正累积溶出度，包括：
将每次供试品溶液取样结束时刻的溶液反射率图像中各个溶液子区域的药片颗粒稳定溶出指数和溶出距离，分别按照各溶液子区域进行排列，得到每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数序列和溶出距离序列；
采用紫外-可见分光光度法通过每次供试品溶液取样样本计算药物在每次供试品溶液取样时的累积溶出度，将每次供试品溶液取样结束时刻的药片颗粒稳定溶出指数序列、溶出距离序列以及所述累积溶出度作为 LSTM神经网络模型的输入，输出药物在每次取样结束时刻的修正累积溶出度。
10.一种药物的溶出曲线测定系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410217495.7A CN117783459B (zh) | 2024-02-28 | 2024-02-28 | 一种药物的溶出曲线测定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410217495.7A CN117783459B (zh) | 2024-02-28 | 2024-02-28 | 一种药物的溶出曲线测定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117783459A true CN117783459A (zh) | 2024-03-29 |
| CN117783459B CN117783459B (zh) | 2024-05-07 |
Family
ID=90385290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410217495.7A Active CN117783459B (zh) | 2024-02-28 | 2024-02-28 | 一种药物的溶出曲线测定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117783459B (zh) |
Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997046860A2 (en) * | 1996-06-04 | 1997-12-11 | Euro-Celtique, S.A. | Improvements in detection systems and methods for predicting the dissolution curve of a drug from a pharmaceutical dosage form |
| US6174497B1 (en) * | 1997-06-04 | 2001-01-16 | Euro-Celtique, S.A. | Detection systems and methods for predicting the dissolution curve of a drug from a pharmaceutical dosage form |
| WO2001016582A1 (en) * | 1999-08-30 | 2001-03-08 | Euro-Celtique S.A. | In situ methods for measuring the release of a substance from a dosage form |
| US20040027569A1 (en) * | 2002-08-06 | 2004-02-12 | Tucker Christopher J. | Real time monitoring of small particle dissolution by way of light scattering |
| WO2006091221A2 (en) * | 2004-06-30 | 2006-08-31 | Chemimage Corporation | Spectroscopic methods for component particle analysis |
| US20060282223A1 (en) * | 2004-10-15 | 2006-12-14 | Lewis E N | Pharmaceutical mixture evaluation |
| GB201103061D0 (en) * | 2007-01-29 | 2011-04-06 | Teraview Ltd | A pharmaceutical analysis method and apparatus |
| CN102175823A (zh) * | 2010-12-30 | 2011-09-07 | 吉林大学 | 一种用于中药体外溶出分析的评价方法 |
| US20130295592A1 (en) * | 2012-05-07 | 2013-11-07 | Siemens Healthcare Diagnostices Inc. | Determination of total analyte concentration |
| US20150356370A1 (en) * | 2014-06-06 | 2015-12-10 | Adobe Systems Incorporated | Method and apparatus for identifying a desired object of an image using a suggestive marking |
| CN106645481A (zh) * | 2016-12-23 | 2017-05-10 | 东药集团沈阳施德药业有限公司 | 一种测试速释剂型药物阿莫西林克拉维酸钾分散片的溶出曲线的方法 |
| CN106918572A (zh) * | 2017-04-25 | 2017-07-04 | 中国农业科学院农产品加工研究所 | 马铃薯复配主食中马铃薯含量的测定方法 |
| CN107121509A (zh) * | 2017-04-25 | 2017-09-01 | 四川升和药业股份有限公司 | 一种盐酸多奈哌齐口腔崩解片的质量控制方法 |
| CN107260683A (zh) * | 2008-09-25 | 2017-10-20 | 新加坡纳诺泰克药物科技有限公司 | 一种药物纳米颗粒传递系统 |
| CN107977546A (zh) * | 2017-11-29 | 2018-05-01 | 广东嘉博制药有限公司 | 一种采用判别法评价药物制剂溶出度相似程度的方法 |
| US20180231446A1 (en) * | 2014-08-29 | 2018-08-16 | Sami Svanbäck | Method and system for determining dissolution properties of matter |
| CN109212145A (zh) * | 2018-10-24 | 2019-01-15 | 东北师范大学 | 一种新型高时间分辨在线检测药物溶出过程分析方法 |
| US20190204286A1 (en) * | 2016-09-29 | 2019-07-04 | Nanoform Finland Oy | Device, method and kit for dissolution testing |
| US10653622B1 (en) * | 2015-04-13 | 2020-05-19 | Pharmacoustics Technologies LLC | Individualized solid dosage products and a system and method for the globally integrated pharmaceutical manufacturing and its monitoring thereof |
| US20200217811A1 (en) * | 2017-09-21 | 2020-07-09 | Hoffmann-La Roche Inc. | Use of a solid fraction sensor to evaluate a solid fraction of a target pharmaceutical sample and solid fraction sensor |
| CN113624702A (zh) * | 2021-08-18 | 2021-11-09 | 丽珠集团丽珠制药厂 | 一种雷贝拉唑钠肠溶片的溶出曲线测定方法 |
| CN116539824A (zh) * | 2023-05-15 | 2023-08-04 | 济南同路医药科技发展有限公司 | 一种药物动态溶出曲线的测定方法 |
| CN116840110A (zh) * | 2023-06-15 | 2023-10-03 | 正大青春宝药业有限公司 | 基于高光谱成像技术的冠心宁质量检测方法及应用 |
| CN116858957A (zh) * | 2023-07-04 | 2023-10-10 | 四川杨天生物药业股份有限公司 | 获取复方酚咖伪麻胶囊溶出曲线的测定方法 |
| CN116893134A (zh) * | 2023-09-11 | 2023-10-17 | 佛山市杰德纺织有限公司 | 一种牛仔布耐色牢度测试方法 |
| CN117054548A (zh) * | 2023-08-11 | 2023-11-14 | 湖南慧泽生物医药科技有限公司 | 一种坎地沙坦酯片的体外溶出检测方法 |
| CN117491293A (zh) * | 2023-09-26 | 2024-02-02 | 重庆地质矿产研究院 | 一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法 |
-
2024
- 2024-02-28 CN CN202410217495.7A patent/CN117783459B/zh active Active
Patent Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997046860A2 (en) * | 1996-06-04 | 1997-12-11 | Euro-Celtique, S.A. | Improvements in detection systems and methods for predicting the dissolution curve of a drug from a pharmaceutical dosage form |
| US6174497B1 (en) * | 1997-06-04 | 2001-01-16 | Euro-Celtique, S.A. | Detection systems and methods for predicting the dissolution curve of a drug from a pharmaceutical dosage form |
| WO2001016582A1 (en) * | 1999-08-30 | 2001-03-08 | Euro-Celtique S.A. | In situ methods for measuring the release of a substance from a dosage form |
| US20040027569A1 (en) * | 2002-08-06 | 2004-02-12 | Tucker Christopher J. | Real time monitoring of small particle dissolution by way of light scattering |
| WO2006091221A2 (en) * | 2004-06-30 | 2006-08-31 | Chemimage Corporation | Spectroscopic methods for component particle analysis |
| US20060282223A1 (en) * | 2004-10-15 | 2006-12-14 | Lewis E N | Pharmaceutical mixture evaluation |
| GB201103061D0 (en) * | 2007-01-29 | 2011-04-06 | Teraview Ltd | A pharmaceutical analysis method and apparatus |
| CN107260683A (zh) * | 2008-09-25 | 2017-10-20 | 新加坡纳诺泰克药物科技有限公司 | 一种药物纳米颗粒传递系统 |
| CN102175823A (zh) * | 2010-12-30 | 2011-09-07 | 吉林大学 | 一种用于中药体外溶出分析的评价方法 |
| US20130295592A1 (en) * | 2012-05-07 | 2013-11-07 | Siemens Healthcare Diagnostices Inc. | Determination of total analyte concentration |
| US20150356370A1 (en) * | 2014-06-06 | 2015-12-10 | Adobe Systems Incorporated | Method and apparatus for identifying a desired object of an image using a suggestive marking |
| US20180231446A1 (en) * | 2014-08-29 | 2018-08-16 | Sami Svanbäck | Method and system for determining dissolution properties of matter |
| US10653622B1 (en) * | 2015-04-13 | 2020-05-19 | Pharmacoustics Technologies LLC | Individualized solid dosage products and a system and method for the globally integrated pharmaceutical manufacturing and its monitoring thereof |
| US20190204286A1 (en) * | 2016-09-29 | 2019-07-04 | Nanoform Finland Oy | Device, method and kit for dissolution testing |
| CN106645481A (zh) * | 2016-12-23 | 2017-05-10 | 东药集团沈阳施德药业有限公司 | 一种测试速释剂型药物阿莫西林克拉维酸钾分散片的溶出曲线的方法 |
| CN106918572A (zh) * | 2017-04-25 | 2017-07-04 | 中国农业科学院农产品加工研究所 | 马铃薯复配主食中马铃薯含量的测定方法 |
| CN107121509A (zh) * | 2017-04-25 | 2017-09-01 | 四川升和药业股份有限公司 | 一种盐酸多奈哌齐口腔崩解片的质量控制方法 |
| US20200217811A1 (en) * | 2017-09-21 | 2020-07-09 | Hoffmann-La Roche Inc. | Use of a solid fraction sensor to evaluate a solid fraction of a target pharmaceutical sample and solid fraction sensor |
| CN107977546A (zh) * | 2017-11-29 | 2018-05-01 | 广东嘉博制药有限公司 | 一种采用判别法评价药物制剂溶出度相似程度的方法 |
| CN109212145A (zh) * | 2018-10-24 | 2019-01-15 | 东北师范大学 | 一种新型高时间分辨在线检测药物溶出过程分析方法 |
| CN113624702A (zh) * | 2021-08-18 | 2021-11-09 | 丽珠集团丽珠制药厂 | 一种雷贝拉唑钠肠溶片的溶出曲线测定方法 |
| CN116539824A (zh) * | 2023-05-15 | 2023-08-04 | 济南同路医药科技发展有限公司 | 一种药物动态溶出曲线的测定方法 |
| CN116840110A (zh) * | 2023-06-15 | 2023-10-03 | 正大青春宝药业有限公司 | 基于高光谱成像技术的冠心宁质量检测方法及应用 |
| CN116858957A (zh) * | 2023-07-04 | 2023-10-10 | 四川杨天生物药业股份有限公司 | 获取复方酚咖伪麻胶囊溶出曲线的测定方法 |
| CN117054548A (zh) * | 2023-08-11 | 2023-11-14 | 湖南慧泽生物医药科技有限公司 | 一种坎地沙坦酯片的体外溶出检测方法 |
| CN116893134A (zh) * | 2023-09-11 | 2023-10-17 | 佛山市杰德纺织有限公司 | 一种牛仔布耐色牢度测试方法 |
| CN117491293A (zh) * | 2023-09-26 | 2024-02-02 | 重庆地质矿产研究院 | 一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法 |
Non-Patent Citations (9)
| Title |
|---|
| 余博函: "麦考酚钠肠溶片体外溶出曲线方法研究", 《中南药学》, 31 January 2023 (2023-01-31) * |
| 刘超;宗剑飞;: "影响片剂溶出度的因素分析", 中国医药工业杂志, no. 03, 1 April 2019 (2019-04-01) * |
| 周泽乾;王康;范江洋;张力明;何志敏;: "甲硝唑缓释片制备与药物释放", 化学工程, no. 10, 25 October 2006 (2006-10-25) * |
| 姜成;李引乾;蒲强红;冯桂芬;薜芬;: "酮康唑水分散软颗粒的制备及稳定性考察", 中国新药杂志, no. 16, 23 August 2007 (2007-08-23) * |
| 张南生;郭虹;孙卫军;应聪慧;: "Box-Behnken试验设计法优化人参皂苷Rg_3自乳化释药系统和质量评价", 中草药, no. 23, 12 December 2015 (2015-12-12) * |
| 王嫦鹤;妙苗;刘雪峰;乔蓉霞;刘海静;: "药物固有溶出测定法及应用进展", 药物分析杂志, no. 09, 30 September 2020 (2020-09-30) * |
| 赵海云;文胜;陈德俊;王松;张丹丹;李玉杰;: "基于图像导向的拉曼光谱技术研究来氟米特片的溶出曲线差异", 药物分析杂志, no. 05, 31 May 2018 (2018-05-31) * |
| 邹向宇: "药物品质检测仪器及相关方法研究", 《中国优秀博硕士学位论文全文数据库 (博士) 工程科技Ⅱ辑》, 15 October 2006 (2006-10-15) * |
| 陈伟鸿;宿央央;程怡;胡瑞标;刘国洪;张可擎;: "f_2因子法评价头孢克肟颗粒溶出曲线相似性", 中国抗生素杂志, no. 09 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117783459B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021169128A1 (zh) | 眼底视网膜血管识别及量化方法、装置、设备及存储介质 | |
| CN106127255B (zh) | 一种癌症数字病理细胞图像的分类系统 | |
| CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
| EP2124193A2 (en) | Automated placental measurement | |
| WO2021082691A1 (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
| US8565507B2 (en) | Automated placental measurement | |
| CN109410204B (zh) | 一种基于cam的皮质白内障图像处理及增强方法 | |
| CN112037913B (zh) | 一种基于卷积神经网络的牙周炎智能检测系统 | |
| CN102282569A (zh) | 宫颈成像中的组织分类方法 | |
| CN109615634A (zh) | 光学眼底图像分割方法、装置、计算机设备及存储介质 | |
| US11386555B2 (en) | Assessment of arterial calcifications | |
| CN104143047A (zh) | 血管内超声灰阶图像的自动组织标定方法 | |
| CN114693961B (zh) | 眼底照片分类方法、眼底图像处理方法和系统 | |
| CN109447963A (zh) | 一种脑部影像识别的方法及装置 | |
| Nisha et al. | A computer-aided diagnosis system for plus disease in retinopathy of prematurity with structure adaptive segmentation and vessel based features | |
| Sultan et al. | Machine learning to improve breast cancer diagnosis by multimodal ultrasound | |
| WO2023130661A1 (zh) | 一种二维频谱多普勒超声心动图像的处理方法和装置 | |
| Raval et al. | A Comprehensive assessment of Convolutional Neural Networks for skin and oral cancer detection using medical images | |
| CN117783459B (zh) | 一种药物的溶出曲线测定方法及系统 | |
| Miao et al. | Classification of Diabetic Retinopathy Based on Multiscale Hybrid Attention Mechanism and Residual Algorithm | |
| US20110081059A1 (en) | Automated placental measurement | |
| CN109829931A (zh) | 一种基于区域增长pcnn的视网膜血管分割方法 | |
| US20230005133A1 (en) | Automated placental measurement | |
| CN115273053B (zh) | 一种基于数据处理的药物崩解性能识别方法 | |
| US20220405916A1 (en) | Method for detecting the presence of pneumonia area in medical images of patients, detecting system, and electronic device employing method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |