基于生成模型的X射线计算机断层扫描成像技术，用于药物粉末微观结构的重建与评估

《AAPS PharmSciTech》：Generative Model Enhanced X-ray Computed Tomography Imaging for Pharmaceutical Powder Microstructure Reconstruction and Evaluation

微结构特征与粒子相互作用对制药流程中的流变性和溶解性至关重要。本研究提出创新框架，整合S2V-GAN生成模型与流变性预测模型。S2V-GAN采用U-Net生成器与二维切片Wasserstein鉴别器，通过X射线断层扫描多场景数据生成高保真三维微结构，显著减少实验时间并扩充数字微结构数据库。基于形态学参数的预测模型在测试集上达到高精度，完整实现从微结构生成到流变性预测的闭环流程，为制药工艺优化提供高效分析工具。

　　

摘要

微观结构特征和粒子相互作用在制药制造过程中起着关键作用，它们从根本上影响着产品的性能，如流动性与溶解性。即使成分相同，微观结构的不同排列也可能导致不同的工艺性能和产品质量。传统方法依赖于经验实验或物理模拟，但这些方法容易丢失信息且耗时较长。本研究引入了一种创新的生产框架，其中包括一个生成模型S2V-GAN（Slice to Volume GAN），该模型配备了定量评估指标以及基于学习的流动性预测模型。具体而言，S2V-GAN由一个U-net生成器和一个使用Wasserstein策略的2D切片鉴别器组成，通过不同的X射线计算机断层扫描（XCT）场景生成合成微观结构，从而实现时间优化和丰富的数字微观结构数据。该预测模型利用粒子形态-流动性配对数据库进行训练，通过某些形态参数来预测颗粒药物的流动性。生成模型通过有限的训练切片重建了单个或二元粒子的微观结构，并在评估过程中实现了形态参数分布的高度相似性。通过使用数据集训练和拟合流动性预测模型，测试结果取得了更高的准确性，从而实现了从结构生成到流动性预测的完整过程。最终，该生产框架成功重建并增强了高保真的三维微观结构，使得结构分析和工艺优化变得更加高效。

图形摘要

微观结构特征和粒子相互作用在制药制造过程中起着关键作用，它们从根本上影响着产品的性能，如流动性与溶解性。即使成分相同，微观结构的不同排列也可能导致不同的工艺性能和产品质量。传统方法依赖于经验实验或物理模拟，但这些方法容易丢失信息且耗时较长。本研究引入了一种创新的生产框架，其中包括一个生成模型S2V-GAN（Slice to Volume GAN），该模型配备了定量评估指标以及基于学习的流动性预测模型。具体而言，S2V-GAN由一个U-net生成器和一个使用Wasserstein策略的2D切片鉴别器组成，通过不同的X射线计算机断层扫描（XCT）场景生成合成微观结构，从而实现时间优化和丰富的数字微观结构数据。该预测模型利用粒子形态-流动性配对数据库进行训练，通过某些形态参数来预测颗粒药物的流动性。生成模型通过有限的训练切片重建了单个或二元粒子的微观结构，并在评估过程中实现了形态参数分布的高度相似性。通过使用数据集训练和拟合流动性预测模型，测试结果取得了更高的准确性，从而实现了从结构生成到流动性预测的完整过程。最终，该生产框架成功重建并增强了高保真的三维微观结构，使得结构分析和工艺优化变得更加高效。

图形摘要