Application of deep learning tools in prediction of printability of 3D printed tablets
Elmentve itt :
Szerzők: |
Djuranović Marija Ibrić Svetlana |
---|---|
Testületi szerző: | Symposium of Young Researchers on Pharmaceutical Technology, Biotechnology and Regulatory Science (3.) |
Dokumentumtípus: | Könyv része |
Megjelent: |
2021
|
Sorozat: | Symposium of Young Researchers on Pharmaceutical Technology, Biotechnology and Regulatory Science
3 |
Kulcsszavak: | Gyógyszertechnológia - előadáskivonat, Biotechnológia - előadáskivonat |
Tárgyszavak: | |
doi: | 10.14232/syrptbrs.2021.op44 |
Online Access: | http://acta.bibl.u-szeged.hu/71647 |
Hasonló tételek
-
3D printing of prolonged-release tablets containing felodipine [abstract] /
Szerző: Iovanov Rareș Iuliu, et al.
Megjelent: (2023) -
Personalized fused deposition modeling 3D printed (FDM-3DP) tablets a quality by design (QbD) approach /
Szerző: Crișan Andrea-Gabriela, et al.
Megjelent: (2021) -
Polyvinyl Alcohol-Based 3D Printed Tablets Novel Insight into the Influence of Polymer Particle Size on Filament Preparation and Drug Release Performance /
Szerző: Crișan Andrea Gabriela, et al.
Megjelent: (2021) -
Deep learning in static, metric-based bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020) -
Application of deep learning algorithms to single-cell segmentation and phenotypic profiling
Szerző: Moshkov Nikita
Megjelent: (2022)