基于广义回归神经网络的中药片剂崩解时限预测

摘要：

目的:通过构建广义回归神经网络(GRNN)模型对中药浸膏粉制得片剂的崩解时限进行预测.方法:以黄芪为模型药,将黄芪浸膏粉与微晶纤维素、乳糖混匀制备具有不同粉体学性质的混合黄芪粉,通过直接压片法制成黄芪片剂,并测定各组混合黄芪粉的粉体学性质及对应片剂的崩解时限,利用主成分分析(PCA)消除原始数据之间的相关性,得到新的主成分因子作为GRNN模型的输入层,崩解时限作为输出层进行网络训练,并通过验证组数据对崩解时限进行预测,与实际值比较计算网络预测精度.结果:通过PCA将原9个互相存在关联性的变量(Hausner比值、真密度、振实密度、压缩度、休止角、松密度、孔隙率、溶解性固体总量及含水量)进行分析得到3个主成分因子,降低了网络复杂度;基于该预测方法的崩解时限预测值与实际值吻合度较高,崩解时限误差0.01～1.34 min,平均相对误差3.16％.结论:基于建立的GRNN数学模型,可通过测定黄芪浸膏粉物理性质对其片剂崩解时限进行准确预测,对研究中药片剂的崩解时限具有一定参考价值.

关键词：中药、片剂、崩解时限、主成分分析、广义回归神经网络、黄芪、粉体学性质

所属期刊栏目：27

分类号：R22;R28;R94;TP183(中医基础理论)

资助基金：国家“重大新药创制”科技重大专项;天津市科技计划项目

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：121-126