数据智能算法在新型药用辅料压实性能建模中的应用罗马尼亚西班牙赔率

药物赋形剂发育是一项广泛的过程,需要一系列预先配制研究来评估其性能。本研究比较了用人工智能(AI)模型的常规压缩和压缩预制备研究,以预测从利文​​斯通马铃薯获得的热和化学改性淀粉的性能。

结果
通过三种方法对天然淀粉进行改性,得到了以下几种淀粉:预糊化淀粉(PS)、乙醇脱水预糊化淀粉(ES)、酸水解淀粉(AS)。微晶纤维素(Avicel®PH101)作为参考,因为它在片剂直接压缩中的应用已经建立。压实压力的作用在平板电脑的体积减少的程度,研究了使用Kawakita和黑格尔模型强调,当淀粉改性的酶法制备乙醇脱水,直接和/或酸水解改性,可压缩塑性变形的淀粉可以获得。数据智能结果表明,基于人工智能的模型比线性模型更可靠。结果表明,自适应神经模糊推理系统(ANFIS)对四种赋形剂的性能建模均优于其他两种模型,且具有较高的性能精度。

结论
压缩指数表现出AS和ES的匹配特性Avicel®PH101此外,数据智能建模显示了ANFIS作为一个混合模型的可靠性和满意性,在建模这些新型药用辅料的压实性能方面提高了性能技能。罗马尼亚西班牙赔率

下载全文:Khalid-Usman2021_Article_ApplicationOfData-intelligence

或继续阅读这里:哈立德和乌斯曼未来药学杂志数据智能算法在新型药用辅料压实性能建模中的应用罗马尼亚西班牙赔率——https://doi.org/10.1186/s43094——021 - 00183 w

你也可以