[發明專利]一種近紅外識別片劑薄膜包衣進度的方法及其應用

有效

• 申請號: 202010720128.0
• 申請日: 2020-07-24
• 公開（公告）號: CN111735796B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 饒小勇;聶斌;羅曉健;李歡;陶青;周冠芮;何雁;張愛玲
• 申請（專利權）人: 江西中醫藥大學;江西本草天工科技有限責任公司
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 南昌青遠專利代理事務所(普通合伙) 36123
• 代理人: 劉愛芳

1.一種近紅外識別片劑薄膜包衣進度的方法，其特征在于：

利用偏最小二乘判別分析模型進行片劑薄膜包衣的包衣進程監測和包衣終點判定；所述的偏最小二乘判別分析模型為全部光譜的偏最小二乘判別分析模型、重要光譜的偏最小二乘判別分析模型、全部光譜的正交偏最小二乘判別分析模型和重要光譜的正交偏最小二乘判別分析模型；其中，

建立所述全部光譜的偏最小二乘判別分析模型和所述全部光譜的正交偏最小二乘判別分析模型時，采集薄膜包衣標準片包括其片芯、薄膜包衣中間片和薄膜包衣終點片的近紅外光譜數據，并進行標準化處理，將標準化后得到的光譜數據，導入建模軟件中，提取主成分進行建模；其中，主成分的因變量累計解釋能力值與累計可預測能力值正相關；

建立所述重要光譜的偏最小二乘判別分析模型和所述重要光譜的正交偏最小二乘判別分析模型時，采集薄膜包衣標準片包括其片芯、薄膜包衣中間片和薄膜包衣終點片的近紅外光譜數據，并進行標準化處理，再采用偏最小二乘法進行變量重要性分析，得到每個光譜點的重要性得分，然后選取三個主要光譜段，再將三段主要光譜段導入建模軟件，得到每個光譜點的重要性評分，提取重要性評分值顯著高的光譜為主要光譜段進行建模；

所述偏最小二乘判別分析模型建立時，將薄膜包衣標準片包括其片芯、薄膜包衣中間片和薄膜包衣終點片，每個薄膜包衣時間點的數據集設為訓練集和測試集進行建模；

所述因變量累計解釋能力值和累計可預測能力值，兩個值均越接近1時，表明模型的擬合度越好，訓練集的樣本越能夠被準確劃分到其原始歸屬類中；因變量累計解釋能力值，根據訓練集準確率和檢驗集準確率綜合確定，當因變量累計解釋能力值升高至0.6以后，需要對其進行微調，每增加提取一個主成分，需要考察模型訓練集準確率和檢驗集準確率，且根據兩者準確率進行以下方式調整：

Ⅰ. 兩者準確率都提高時，則再增加提取一個主成分；

Ⅱ. 兩者準確率不變或降低時，則停止提取主成分，累計可預測能力值也就確定；

Ⅲ. 兩者準確率中一個提升一個降低，則優先檢驗集提升，如果檢驗集準確率提升，則試圖再增加提取一個主成分；如果訓練集準確率上升，檢驗集準確率下降，停止提取主成分；

所述偏最小二乘判別分析模型對片劑薄膜包衣的包衣進程監測和包衣終點判定的判定方法為：將薄膜包衣標準片的全薄膜包衣過程的10個時間點分成了10個類別，其中第1-9類為薄膜包衣過程片，第10類為薄膜包衣終點片，若待測樣本被模型預測為第10類，則表示它達到薄膜包衣終點。

2.一種如權利要求1所述的一種近紅外識別片劑薄膜包衣進度的方法的應用，其特征在于：應用于制藥領域中薄膜包衣片的薄膜包衣進度監測及預測薄膜包衣終點。