使用自动图像分析识别聚集物

多么麻烦,可能会作为化学和制药行业的一部分集聚。尽管它可能有益于修改粉末的特性,例如流动性和包装,使粉末处理和加工更容易,但它也可能是困难的来源。聚集会影响混合物的表面积和均匀性,然后可能会对产品的性能产生负面影响。[1]

为了跟踪聚集可能在产品中引起的变化,强大的分析方法至关重要。这将确定出现问题的过程中的要点,并可以制定策略以改善最佳产品的制造过程。

聚集物是通过显微镜最全面鉴定的。该技术可以很好地了解颗粒,并且通过光学分析确定聚集水平。欧洲杯猜球平台但是它确实具有缺陷,因为它可能需要很长时间才能执行,并且结果仅与分析的样本数量一样有效[2]。然后,在聚集体的光学分析中向前迈出了巨大的一步,这是自动图像分析的开发。这保持了手动显微镜的好处,同时为分析增添了统计学意义,并保持了人类偏见。

图像分析解释了

自动图像分析系统被配置为从样品中捕获和记录1000秒的单个粒子的图像。欧洲杯猜球平台这些仪器包括Malvern Morphologi G3和Sysmex FPIA 3000,并配备分析软件,可以计算每个粒子的形态特性范围。然后将这些参数与粒子图像一起使用,以识别和量化任何附聚物。最常用的形态学参数是圆形直径(CED),圆形和凸度。

图1显示了CED是与粒子2D图像相似的直径的圆。

CED是圆的直径,其面积与粒子的2D图像相同。

图1。CED是圆的直径,其面积与粒子的2D图像相同。

通常,与样品中的其他颗粒相比,聚集物将具有更大的CED,因此基于此参数的样品分类提供了一种识别亲聚体的方法。欧洲杯猜球平台

圆度是与粒子相同区域的圆的周长之比除以实际粒子图像的周长。循环性与0-1不同。一个完美的球形粒子的圆度为1,而非球形颗粒的圆度小于1.二的圆度,而由几个束颗粒组成,聚集酸酯通常比圆形粒子较少,而圆形颗粒则比主颗粒较小,这使得通过循环的欧洲杯猜球平台分类在识别另一种技术时,可以识别另一种技术。团聚。

凸度是描述粒子表面粗糙度的度量。它是通过将凸壳周长除以实际粒子图像周长来计算的。如图2所示,凸壳周长可以解释为放置在粒子周围的弹性带的长度。与圆形类似,凸度可以从0-1变化,而光滑的形状为1,而凸面1不规则的物体的凸度接近0。集聚的表面通常非常粗糙,因此可以预期它们的凸值比单数粒子更低。

凸壳周长是围绕粒子围绕的弹性带的长度。

图2。凸壳周长是围绕粒子围绕的弹性带的长度。

本文将用示例描述如何确定聚集体。CED,循环和凸度可以单独使用,也可以作为核心分析工具的组合使用,也可以与自动图像分析一起使用,以减少与手动显微镜相比的总体工作量。本文还将讨论光学分析与拉曼光谱法一起检测多组分聚集体的使用。

示例1:比较粒度和圆形数据以检测附聚物

尽管聚集的颗粒通常大于粉末中的主要颗粒,但由于欧洲杯猜球平台制造过程中的怪癖,可能会有较大的主要颗粒。如果是这种情况,则可以通过使用粒径(CED)和圆形数据的组合来识别聚集物。

可以在图3a中看到一个示例数据集,该图显示了一个被认为包含聚集物的粉末。散点图是CED反对圆形的图:颜色深度最强的点表明那里有更大的粒子音乐会。这证实了大多数粒子很小且球形,但是在某个区域中,颗粒很大并且圆形欧洲杯猜球平台较低。最可能的原因是它们是这些较小颗粒的聚集物。欧洲杯猜球平台

为了确认这种分类的聚集物的方法,可以选择该区域,并可以检查测量过程中获得的颗粒图像(3B)。欧洲杯猜球平台这与低圆形方法的高CED一致,并证明了一种检测聚集物的合理方法。

(a)CED与圆形散射克(左);(b)从散点克(右)中选定区域欧洲杯猜球平台的颗粒图像。

图3。(a)CED与圆形散射克(左);(b)从散点克(右)中选定区域欧洲杯猜球平台的颗粒图像。

示例2:比较粒度和凸度数据以检测附聚物

图4显示了产生分形的聚集物的共同聚集模式的示例。这些小颗粒的“弦”通常在悬浮液或乳液样品中看到,其中欧洲杯猜球平台颗粒之间的粘附力很小。

在测量包含小原代颗粒和开放分形的聚集物的样品中获得的图像。欧洲杯猜球平台

图4。在测量包含小原代颗粒和开放分形的聚集物的样品中获得的图像。欧洲杯猜球平台

对于类似于图4中所示的样品,可以通过识别较大尺寸和低凸度的颗粒来分类团聚。欧洲杯猜球平台该路线是首选的,因为主要颗粒既小(低CED),并且具有光滑的表面(乳液或铣削材料欧洲杯猜球平台的共同特征。对于这些材料,聚集体可能被归类为那些CED含量> 5 µm和A的颗粒欧洲杯足球竞彩可以获得比固体分类小于0.993的凸度,而样品之间的聚集程度可以是驴子,如图5所示。对每个类中的粒子的每个粒子的每个图像都肯定了。欧洲杯猜球平台聚集分类方法已经成功。

两个样品的分类,其中同时使用大小(CED)和形状(凸度)参数对聚集物进行分类。这使得可以比较两个样品中的聚集程度。分类为单个颗粒或团聚的颗粒的图像证实了欧洲杯猜球平台分类成功。

图5。两个样品的分类,其中同时使用大小(CED)和形状(凸度)参数对聚集物进行分类。这使得可以比较两个样品中的聚集程度。分类为单个颗粒或团聚的颗粒的图像证实了欧洲杯猜球平台分类成功。

示例3:比较凸度和循环数据以检测附聚物

有些样品可能由不属于球形的主要粒子组成。欧洲杯猜球平台这可能会导致检测聚集体的问题,因为大小和单个形状因子不是足够可靠的分类。解决此问题的一种方法是结合多大小或形状参数以允许全面识别聚集物。

图6显示了此方法的基本示例。尽管样品主要由尺寸较小的光滑球形颗粒组成(低CED,高圆形和高凸度),但通过不当处理(较高的CED,低圆形和高凸度),有一些欧洲杯猜球平台稍大的颗粒,这些颗粒稍大,颗粒较大,它们会畸形。。最重要的是,还存在分形的聚集物(较高的CED,较低的圆形和较低的凸度)。

为包含(a)球形主要颗粒(左),(b)畸形的主要颗粒(中间)和(c)附聚物(右)的样品获得的示例图像。欧洲杯猜球平台

图6。为包含(a)球形主要颗粒(左),(b)畸形的主要颗粒(中间)和(c)附聚物(右)的样品获得的示例图像。欧洲杯猜球平台

由于样品中存在多种类型的粒子,必须使用每个粒子的圆度和凸值的欧洲杯猜球平台组合来检测和分类。表1显示了应用于颗粒的最终分类方案。欧洲杯猜球平台按照前两个示例确定的步骤,通过检查粒子图像来确认分类方案的成功。

表格1。选择用于识别团聚物的圆形和凸价。

粒子类型 分类 示例粒子
主要粒子 圆形> 0.96
畸形的主要粒子 圆形≥0.896<0.96
凝聚 圆形<0.896
凸度<0.873

示例4:根据大小对粒子进行分类以帮助手动欧洲杯猜球平台识别聚集物

有些粉末可能由没有均匀形状或尺寸的主要颗粒组成。欧洲杯猜球平台这使得单独的大小和形状分开分开分开,这是一个挑战。在这种情况下,通过按粒径对粒子进行排序将有助于手动识别和分类欧洲杯猜球平台团聚。这种方法依赖于人眼比对于这些不同维度的数学分析更有效的工具。

图7显示了一系列根据粒子的CED排列的粒子图像,其顶部最大,底部最小的粒子图像。使用Morphologi G3自动成像系统捕获图像。以这种方式订购粒子,使用户可欧洲杯猜球平台以快速检查粒子并识别可能是聚集的粒子,然后可以手动对其进行标记和分类。

在图7中,在深度观察整个粒子系列后,欧洲杯猜球平台用户已将具有蓝色背景的粒子标记为Aroclomerates。Morphologi G3能够返回样品幻灯片上感兴趣的粒子,从而使用户可以使用不同的图像放大倍率或光级别查看粒子,从而使凝集识别更容易。

手动识别和聚集物的选择。

图7。手动识别和聚集物的选择。

在用户确定所有组合物已被标记为标签之后,可以分析大小和形状参数以查看是否有任何相似之处。然后,将来可以使用这些类似的参数来帮助自动化分类过程。

示例5:组合成像和光谱,以检测多组分聚集体

图8是从形态G3-ID MDRS系统获得的粒子(黑色)的拉曼光谱。这已被两个纯组件(活性药物成分(API)1和API 2)的库光谱覆盖,已知样品包含。由于其大小和形状参数将其识别为潜在的聚集体,因此选择了该粒子进行拉曼分析。通过将粒子光谱与API1和API2的光谱进行比较,表明它包含与两个纯组件有关的特征,将其确认为多组分团亲集(MCA)。

使用Morphologi G3-ID MDRS系统获得的粒子获得的拉曼光谱(黑色)。该频谱包含与样品的两个组件(API 1和API 2)有关的特征,证实了它是MCA。

图8。使用Morphologi G3-ID MDRS系统获得的粒子获得的拉曼光谱(黑色)。该频谱包含与样品的两个组件(API 1和API 2)有关的特征,证实了它是MCA。

这些自动化技术,包括MDR,允许对统计量的粒子进行成像并测量粒径,形状和光谱信息。欧洲杯猜球平台然后可以将粒子光谱与纯组分的光谱进行比较,并且可以分类整个样品,类似于图9中的方式。

包含3个纯组分(API 1,API 2和乳糖摄取剂)的样品的分类。MDR的应用可以在样本中对MCA进行识别和分类。

图9。包含3个纯组分(API 1,API 2和乳糖摄取剂)的样品的分类。MDR的应用可以在样本中对MCA进行识别和分类。

图9还显示了识别此类案例的聚集体有多么困难。纯组件和MCA都具有相似的粒径和形状,因此与大小和形状参数一起使用拉曼光谱以实现成功的团聚分类至关重要。

结论

许多行业在识别团聚。尽管有时是必要的,但聚集也会影响粉末的性质,例如流动性,表面积和溶解速率,可能会对最终产物产生负面影响。为了防止这种情况,需要一种强大的聚集分析方法。

自动图像分析系统是参数分类的绝佳方法。通过将光谱测量与成像一起包括在内,就可以鉴定出颗粒的化学组成,从而有助于理解样品中发生的聚集的类型(凝聚力或粘附)。欧洲杯猜球平台

这些技术共同能够快速分析统计相关的粒子种群,以有效地识别和分类聚集物。因此,这些技术可用于建立可靠的分析方法来分析聚集物,因此用户可以确定产品质量一致。

参考

  1. Maryam Maghsoodi,Katayoun Derakhshandeh和Zahra Yari,“关于悬架的凝聚机制”,Advanced Pharmaceutical Bulletin,2012,2(1),25-30,25-30
  2. Gary Nicolas,Stephan Bynard,Mark J. Bolxham,Joanne Botterill,Neil J. Dawson,Andrew Dennis,Andrew Dennis,Valerie,Nigel C. North,John D. Sherwood,“对Agrogmerate and Proccregate的评论,并在命名中使用了术语。粉末和粒子表征”,《药学杂志》,第1卷。欧洲杯线上买球91,不。2012年10月10日

此信息已从Malvern Panalytical提供的材料中采购,审查和改编。欧洲杯足球竞彩

有关此消息来源的更多信息,请访问Malvern Analytical

引用

请使用以下格式之一在您的论文,论文或报告中引用本文:

  • APA

    Malvern Analytical。(2019年9月3日)。使用自动图像分析识别聚集物。azom。于2021年6月25日从//www.wireless-io.com/article.aspx?articleId=16123检索。

  • MLA

    Malvern Analytical。“使用自动图像分析识别聚集物”。azom。2021年6月25日。

  • 芝加哥

    Malvern Analytical。“使用自动图像分析识别聚集物”。azom。//www.wireless-io.com/article.aspx?articleId=16123。(2021年6月25日访问)。

  • 哈佛大学

    Malvern Analytical。2019。使用自动图像分析识别聚集物。Azom,2021年6月25日,https://www.wireless-io.com/article.aspx?articleId=16123。

问一个问题

您是否有关于本文的问题?

留下您的反馈
提交