MARC

 008250123s2024        us                              c    eng  d
■001000017165050
■00520250211153117
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346579908
■035    ▼a(MiAaPQ)AAI31732957
■035    ▼a(MiAaPQ)Purdue24142605
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a617
■1001  ▼aCao,  Ziyi.
■24510▼aData  Driven  Techniques  for  the  Analysis  of  Oral  Dosage  Drug  Formulations
■260    ▼a[Sl]▼bPurdue  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a89  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Simpson,  Garth.
■5021  ▼aThesis  (Ph.D.)--Purdue  University,  2024.
■520    ▼aThis  thesis  focusses  on  developing  novel  data  driven  oral  drug  formulation  analysis  methods  by  employing  technologies  such  as  Fourier  transform  analysis  and  generative  adversarial  learning.Data  driven  measurements  have  been  addressing  challenges  in  advanced  manufacturing  and  analysis  for  pharmaceutical  development  for  the  last  two  decade.  Data  science  combined  with  analytical  chemistry  holds  the  future  to  solving  key  problems  in  the  next  wave  of  industrial  research  and  development.  Data  acquisition  is  expensive  in  the  realm  of  pharmaceutical  development,  and  how  to  leverage  the  capability  of  data  science  to  extract  information  in  data  deprived  circumstances  is  a  key  aspect  for  improving  such  data  driven  measurements.  Among  multiple  measurement  techniques,  chemical  imaging  is  an  informative  tool  for  analyzing  oral  drug  formulations.  However,  chemical  imaging  can  often  fall  into  data  deprived  situations,  where  data  could  be  limited  from  the  time-consuming  sample  preparation  or  related  chemical  synthesis.  An  integrated  imaging  approach,  which  folds  data  science  techniques  into  chemical  measurements,  could  lead  to  a  future  of  informative  and  cost-effective  data  driven  measurements.In  this  thesis,  the  development  of  data  driven  chemical  imaging  techniques  for  the  analysis  of  oral  drug  formulations  via  Fourier  transformation  and  generative  adversarial  learning  are  elaborated.  Chapter  1  begins  with  a  brief  introduction  of  current  techniques  commonly  implemented  within  the  pharmaceutical  industry,  their  limitations,  and  how  the  limitations  are  being  addressed.  Chapter  2  discusses  how  Fourier  transform  fluorescence  recovery  after  photobleaching  (FT-FRAP)  technique  can  be  used  for  monitoring  the  phase  separated  drug-polymer  aggregation.  Chapter  3  follows  the  innovation  presented  in  Chapter  1  and  illustrates  how  analysis  can  be  improved  by  incorporating  diffractive  optical  elements  in  the  patterned  illumination.  While  previous  chapters  discuss  dynamic  analysis  aspects  of  drug  product  formulation,  Chapter  4  elaborates  on  the  innovation  in  composition  analysis  of  oral  drug  products  via  use  of  novel  generative  adversarial  learning  methods  for  linear  analyses.
■590    ▼aSchool  code:  0183.
■650  4▼aTissue  engineering
■650  4▼aPolymers
■650  4▼aFourier  transforms
■650  4▼aMathematical  models
■650  4▼aSignal  to  noise  ratio
■650  4▼aNuclear  magnetic  resonance--NMR
■650  4▼aNeural  networks
■650  4▼aCrystallization
■650  4▼aData  science
■650  4▼aHarmonic  analysis
■650  4▼aDrug  dosages
■650  4▼aScanning  electron  microscopy
■650  4▼aBioavailability
■650  4▼aAnalytical  chemistry
■650  4▼aBiomedical  engineering
■650  4▼aMedical  imaging
■650  4▼aPharmaceutical  sciences
■650  4▼aPolymer  chemistry
■690    ▼a0486
■690    ▼a0800
■690    ▼a0541
■690    ▼a0574
■690    ▼a0572
■690    ▼a0495
■71020▼aPurdue  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0183
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17165050▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서