使用自动图像分析识别附聚物

不管它会引发多麻烦,集聚作为化学和制药工业的重要组成部分。尽管它可能是有益的在修改属性的粉末,如流动性和packability,使粉末处理和加工容易,它可以是一个来源的困难。聚集会影响表面积和同质性的混合可能会产生负面影响产品的性能。[1]

跟踪集聚的变化可能会导致在一个产品,一个健壮的分析方法是至关重要的。这将确定点的过程中,出现问题时,可以开发和策略以提高生产过程的最优产品。

通过显微镜聚集最全面识别。这种技术可以给粒子的洞察力,和集聚水平是通过光学分析决定的。yabo214它确实有其缺点,因为它需要花很长时间来执行,结果只作为有效样本的数量分析[2]。一个巨大的进步在光学分析聚集是自动图像分析的发展。这使手工显微镜所带来的好处,而添加统计意义分析和剩余免费从人类偏见。

图像分析解释

自动图像分析系统配置为1000年代的捕获和记录图像单个粒子的样本。yabo214这些工具包括莫尔文Morphologi G3和Sysmex FPIA 3000年来分析软件,可以计算每个粒子的形态属性。然后使用这些参数随粒子图像识别和量化任何附聚物。最常见的应用形态参数循环当量直径(CED)、循环性和凸性。

图1展示了清洁能源一圈类似的粒子直径的2 d图像。

清洁能源是圆的直径与同一地区的2 d图像粒子。

图1所示。清洁能源是圆的直径与同一地区的2 d图像粒子。

通常,团聚体将有一个更大的清洁能源与其他粒子样本相比,所以示例基于该参数的分类提供了一种识别附聚物的方法。yabo214

循环是一个圆的周长的比值与同一地区粒子的周长除以实际粒子图像。循环可以从0 - 1不同。一个完美的球形颗粒的循环是1,而对于非粒子有一个小于1的循环。yabo214由于一些集中式粒子组成的,圆形附聚物通常低于初级粒子,使循环的另一个技术分类yabo214的识别附聚物。

凸性是一个度量来描述粒子的表面粗糙度。它计算凸壳的周长除以实际粒子图像周长。凸壳周边可能解释为一个橡皮筋的长度将围绕一个粒子,如图2所示。类似于循环,凸性可以从0 - 1不同,与光滑形状的凸性1而尖刻的或不规则的对象有一个凸性接近于0。结块的表面通常是相当粗糙的,所以他们可以预期的凸性值低于单一粒子。

凸包的长度是周长周围的橡皮筋把粒子。

图2。凸包的长度是周长周围的橡皮筋把粒子。

本文将描述的例子,如何确定聚集。可以使用清洁能源,循环性和凸性在自己或组合为核心的分析工具,也可以用于自动图像分析来减少整体工作负载相比,手工显微镜。本文还将讨论使用光学分析与拉曼光谱检测多组分聚结。

示例1:比较检测团聚体粒径和循环数据

虽然凝聚粒子通常大于初级粒子粉末,可能会有更大yabo214的初级粒子由于怪癖的制造过程。如果是这种情况,那么聚集可能仍然被使用粒度的组合(CED)和循环数据。

数据集在图3中可以看到一个例子显示了一个粉,被认为包含聚集。的散点图是一个阴谋反对循环:促成的颜色深度是最强的指示有一个更大的粒子合作协调。这证实了大多数粒子小,球形,但有一个地区,颗粒大,低循环。yabo214最可能的原因是,他们这些小粒子的团聚体。yabo214

确认这种方法分类聚集,该地区可以选择和图像在问题得到粒子的测量(3 b)可以检查。yabo214这个同意高较低的清洁能源循环的方法,并证明了检测附聚物的合理方式。

(一)清洁能源与循环撒克(左);(b)图像散射粒子从所选地区的yabo214克(右)。

图3。(一)清洁能源与循环撒克(左);(b)图像散射粒子从所选地区的yabo214克(右)。

示例2:比较检测团聚体粒径和凸性数据

图4显示了一个常见的例子的集聚模式产生碎片形的聚结。这些小颗粒的字符串通常看到悬浮或乳液样品中粒子间的粘yabo214附力很小。

图像测量中获得一个示例包含小初级粒子和开放的碎片形的聚结。yabo214

图4。图像测量中获得一个示例包含小初级粒子和开放的碎片形的聚结。yabo214

对于类似于图4所示的样品,团聚体可能通过识别分类与大尺寸颗粒和较低的凸性。yabo214这条路线是首选作为主要的粒子都是小(CED)低,表面光滑(乳剂或研磨材料的共同特yabo214征。亚博网站下载对于这些材料,团聚体亚博网站下载可能被归类为这些粒子CED > 5µm和凸性小于0.993的一个坚实的分类,与样品之间的集聚yabo214程度能够是驴,如图5所示。短期看中的每个粒子的图像在每个类聚集分类方法已经成功的肯定。yabo214

两个样品的分类,团聚体进行分类使用大小(CED)和形状(凸性)参数。这使得集聚的程度两个样本进行比较。粒子的图像划分为单个粒子或附聚物确认分yabo214类成功。

图5。两个样品的分类,团聚体进行分类使用大小(CED)和形状(凸性)参数。这使得集聚的程度两个样本进行比较。粒子的图像划分为单个粒子或附聚物确认分yabo214类成功。

示例3:比较凸性和循环数据检测附聚物

一些样品可能由初级粒子不是球形。yabo214与检测聚集,这可能会导致一个问题的大小和一个形状系数不够健壮的分类。一个解决这个问题的办法是通过结合多个大小或形状参数允许全面的团聚体的识别。

图6显示了该方法的一个基本示例。虽然样本主要是由光滑的球形粒子的小尺寸(CED低、高循环性和凸性),有些略大的粒子通过不当处理畸形(更高的清洁能源,降低循环yabo214和高凸性)。除此之外,还有碎形聚结(更高的清洁能源,降低循环和较低的凸性)。

示例图像获得样本含有(a)球形初级粒子(左),(b)畸形初级粒子(中)和(c)聚集(右)。yabo214

图6。示例图像获得样本含有(a)球形初级粒子(左),(b)畸形初级粒子(中)和(c)聚集(右)。yabo214

由于多种类型的粒子出现在示例中,每个必须检测和分类使用循环性yabo214和凸性的组合值为每个粒子。表1显示了最终的分类方案,应用于粒子。yabo214前面过程建立的两个例子后,分类方案的成功证实了检查粒子图像。

表1。循环性和凸性值选择对团聚体的识别。

粒子类型 分类 例子粒子
基本粒子 循环> 0.96
畸形主要粒子 循环≥0.896 < 0.96
集块岩 循环< 0.896
凸性< 0.873

示例4:排序援助手册基于颗粒团聚体的识别yabo214

一些粉末可能由初级粒子,没有一个统一的形状或大小。yabo214这使它挑战区分初级粒子和结块仅根据大小和形状。在这种情况下,通过排序的粒子粒径手动将帮助识别和分类聚集。yabo214这种方法依赖于人类的眼睛是一个更有效的工具比数学分析这些不同维度。

图7显示了一系列的粒子图像安排根据粒子的清洁能源,与最大的清洁能源最小顶部和底部。捕获的图像使用Morphologi G3自动成像系统。下令粒子以这样一种方式允许用yabo214户快速检查在粒子和识别那些可能聚集,然后可以手动标记和分类。

在图7中,蓝色背景的粒子被标记为用户yabo214聚集在整个系列的深度观察后的粒子。Morphologi G3能够回到利息的粒子样本幻灯片,允许用户查看粒子使用不同的图像放大或光线简化凝聚的识别水平。

手动识别和选择的聚结。

图7。手动识别和选择的聚结。

用户满意后,所有的团聚体标记,大小和形状参数可以分析是否有任何相似之处。这些类似的参数可以在未来帮助自动分类过程。

示例5:结合成像和光谱检测多组分的聚集

图8是一个粒子的拉曼光谱(黑色)获得Morphologi G3-ID mdr系统。这是与图书馆光谱覆盖两个纯组件(活性药物成分(API) 1和API 2)示例包含。这个粒子被选为拉曼分析由于其大小和形状参数识别潜在的结块。通过比较粒子光谱与光谱API1 API2表明,它包含有关纯组件功能,确认它是多组分的结块(MCA)。

拉曼光谱(黑)获得了一个粒子使用Morphologi G3-ID mdr系统。这个光谱包含特性有关的两个组件示例API (API 1和2),证实它是一个MCA。

图8。拉曼光谱(黑)获得了一个粒子使用Morphologi G3-ID mdr系统。这个光谱包含特性有关的两个组件示例API (API 1和2),证实它是一个MCA。

mdr,这些自动化技术,包括允许显著数量的粒子成像和测量颗粒大小、形状和光谱信息。yabo214粒子光谱可以相比的纯组件和整个样本可以分类,类似于图9所示。一定程度的聚集程度也可以获得。

分类的样本包含3纯组件(API, API 2和乳糖赋形剂)。mdr的应用使识别和分类样本内的血流。

图9。分类的样本包含3纯组件(API, API 2和乳糖赋形剂)。mdr的应用使识别和分类样本内的血流。

图9显示有多难确定这种情况下聚集。纯组件和纤颤有类似的粒子大小和形状,这是至关重要的拉曼光谱与大小和形状参数用于启用成功聚集分类。

结论

在识别许多行业面临挑战团聚体。尽管有时有必要,集聚也可以影响粉末的性质,如流动性、表面积和溶解率可能产生负面影响最终的产品。为了防止这种情况,一个健壮的凝聚的分析方法是必需的。

自动图像分析系统是一个很好的分类方法的参数。通过包括光谱测量和成像,在耐多药的情况下,可以确定粒子的化学成分,帮助理解类型的集聚与样品发生(凝聚力或粘着)。yabo214

在一起,这些技术使快速分析人口统计相关的粒子的团聚体的有效识别和分类。这些技术因此可以用于建立可靠的分析方法分析聚集,所以用户可以确保产品质量一致。

引用

  1. Maryam Maghsoodi,卡塔洋Derakhshandeh Zahra雅里,“悬挂”集聚的机制,先进的制药公告,2012年,2 (1),25 - 30
  2. 加里•尼古拉斯•斯蒂芬Bynard马克•j . Bolxham Joanne Botterill尼尔·j·道森安德鲁·丹尼斯,瓦莱丽,约翰·d·舍伍德奈杰尔•c .北”条款的审查结块和总建议命名法用于粉末和颗粒特性”,医药科学学报,91卷,没有。亚博老虎机网登录2012年10月10日,

这些信息已经采购,审核并改编自莫尔文Panalytical提供的材料。亚博网站下载

在这个来源的更多信息,请访问莫尔文Panalytical

引用

请使用以下格式之一本文引用你的文章,论文或报告:

  • 美国心理学协会

    莫尔文Panalytical。(2019年9月03)。使用自动图像分析识别附聚物。AZoM。检索2023年3月10日,来自//www.washintong.com/article.aspx?ArticleID=16123。

  • MLA

    莫尔文Panalytical。“使用自动图像分析识别附聚物”。AZoM。2023年3月10日。< //www.washintong.com/article.aspx?ArticleID=16123 >。

  • 芝加哥

    莫尔文Panalytical。“使用自动图像分析识别附聚物”。AZoM。//www.washintong.com/article.aspx?ArticleID=16123。(2023年3月10日通过)。

  • 哈佛大学

    莫尔文Panalytical》2019。使用自动图像分析识别附聚物。AZoM,认为2023年3月10日,//www.washintong.com/article.aspx?ArticleID=16123。

问一个问题

你有一个问题你想问关于这篇文章?

离开你的反馈
你的评论类型
提交