Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada penelitian ini telah dikembangkan sebuah perangkat lunak yang dapat digunakan untuk melakukan perhitungan ketidakpastian aktivitas dari citra planar hasil pemindaian gamma camera. Perangkat lunak merupakan hasil pengembangan dari “Planar Quantification App” milik Maharani, 2021 dan dirancang dengan bahasa pemrograman MATLAB. Algoritma dirancang dengan melakukan propagasi ketidakpastian menggunakan the law of propagation uncertainty pada persamaan aktivitas dalam conjugate view counting seperti faktor kalibrasi, laju cacahan, dan faktor transmisi. Perhitungan ketidakpastian dilakukan untuk organ ginjal kiri dan liver pada time point 1, 24, 48, dan 72 jam setelah injeksi radiofarmaka. Persentase ketidakpastian aktivitas akan mengalami peningkatan seiring dengan bertambahnya time point. Pada organ ginjal kiri diperoleh persentase ketidakpasitian aktivitas dalam rentang 32%-52% sedangkan pada organ liver diperoleh persentase ketidakpastian aktivitas dalam rentang 11%-37%. Pengujian reproduksibilitas algoritma turut dilakukan dengan tujuan untuk melihat reproduksibilitas hasil dari GUI yang telah dirancang dan direpresentasikan dalam bentuk deviasi relatif. Adapun nilai deviasi relatif yang didapatkan paling tinggi sebesar 9,6% secara keseluruhan. Hal ini menunjukkan bahwa reproduksibilitas dari algoritma yang digunakan cukup baik dan masih dapat diterima untuk kedua organ yang diamati.

---

In this study, the software has been developed that can be used to calculate the uncertainty of activity from planar images from gamma camera scans. The software is the result of the development of Maharani, 2021 "Planar Quantification App", and is designed with the MATLAB programming language. The algorithm is designed by performing uncertainty propagation using the law of propagation uncertainty in the activity equation in the conjugate view counting method, such as calibration factor, count rate, and transmission factor. Uncertainty calculations were performed for the left kidney and liver at time points of 1, 24, 48, and 72 hours after radiopharmaceutical injection. The percentage of activity uncertainty will increase as the time point increases. In the left kidney, the percentage of activity uncertainty is in the range of 32%–52%, while in the liver, the percentage of activity uncertainty is in the range of 11%–37%. Algorithm reproducibility testing was also carried out to see the reproducibility of the results of the GUI that had been designed and represented in the form of relative deviation. The relative deviation value obtained is the highest at 9.6% overall. This shows that the reproducibility of the algorithm used is quite good and still acceptable for the two organs observed."

"Menentukan dosis serap dengan menggunakan metode yang sering digunakan yaitu fixed dose dapat menghasilkan nilai error yang cukup tinggi yang dapat berakibat fatal kepada pasien. Sementara metode dosimetri dapat meminimalkan error tersebut dan juga dapat meningkatkan efektivitas dan efisiensi terapi. Namun, dosimetri pada kedokteran nuklir belum banyak diterapkan di Indonesia karena minimnya peralatan dan pengetahuan akan protokol. Kuantifikasi nilai cacahan menjadi aktivitas merupakan tahap awal dari perhitungan dosimetri. Dikarenakan keterbatasan dari fasilitas, perangkat pencitraan gamma camera masih sering digunakan. Oleh sebab itu, pada penelitian ini dikembangkanlah sebuah perangkat lunak yang dapat menguantifikasi nilai cacahan dari citra planar menjadi nilai aktivitas. Perangkat lunak yang dirancang menggunakan bahasa pemrograman MATLAB. Citra yang digunakan sebagai input dari perangkat lunak merupakan citra dari penelitian IAEA CRP E23005 dengan judul Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments (Hidayati et al., 2021). Dilakukan penggambaran region of interest (ROI) untuk beberapa organ yaitu left kidney, right kidney, liver, dan spleen dengan 1, 24,48, 72 jam setelah diinjeksikannya radiofarmaka. Validasi perangkat lunak dilakukan dengan membandingkan hasil kuantifikasi cacahan menjadi aktivitas oleh perangkat lunak dengan nilai hasil kuantifikasi dari referensi yang menggunakan data citra yang sama melalui nilai relative deviation (RD). Adapun nilai relative deviation (RD) yang didapatkan paling tinggi bernilai sekitar 8% apabila diamati berdasarkan variasi organ dan juga berdasarkan variasi time-point. Uji statistik dengan korelasi Pearson dilakukan untuk mengetahui lebih lanjut hubungan antara kedua data aktivitas. Didapatkan nilai koefisien korelasi untuk organ left kidney, right kidney, liver, dan spleen secara berurutan adalah 0,99739, 0,99687, 0,99687, 0,99687. Hal ini berarti bahwa terdapat korelasi kuat positif antara aktivitas yang didapatkan melalui perangkat lunak yang dirancang dengan data aktivitas pada referensi dan perangkat lunak ini dapat digunakan sebagai alternatif untuk kebutuhan kuantifikasi nilai cacahan menjadi aktivitas pada citra planar.

---

Determining the value of absorbed dose using the method that is often used, namely fixed dose can produce a fairly high error that can be fatal to the patient. Dosimetry method can minimize these errors and can also increase the effectiveness and efficiency of the therapy itself. However, dosimetry has not been implemented many times in Indonesia due to the lack of adequate equipment and knowledge of the protocol. Quantification of count rates into activity values is the first step of dosimetry calculations. Due to the limitations of facilities, the imaging device gamma cameras are still often used. Therefore, in this study a software was developed in which the software can quantify the count rates of planar images into activity values. The software was designed using MATLAB programming language. The images used as input of the software are  planar images from the IAEA CRP E23005 research with the title “Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments” (Hidayati et al., 2021). Region of interests (ROI) were drawn for several organs, namely the left kidney, right kidney, liver, and spleen at 1, 24,48, 72 hours after the injection of the radiopharmaceutical. Validation of the software was done by comparing the results of count rates quantification into activities by the designed software with the value of the quantification results from the reference using the same images in the form of relative deviation (RD) values. The highest relative deviation (RD) value is around 8% when observed based on organ variations and also for time-point variations. Statistical test with Pearson correlation was conducted to find out more about the relationship between the two activity data results. The Pearson correlation coefficient values ​​for the left kidney, right kidney, liver, and spleen organs respectively were 0.99739, 0.99687, 0.99687, 0.99687. This means that there is a strong positive correlation between the activities obtained through the designed software and the activity data on the reference and the designed software can be used as an alternative for quantifying count rates of planar images ​​into activity values. "

"Penelitian ini menggunakan Data Envelopment Analysis (DEA) untuk memfasilitasi proses optimasi portofolio Black-Litterman (BL). DEA menghasilkan estimasi imbal hasil berdasarkan pada efficient frontier multi variabel yang dibentuk untuk setiap aset. Penelitian ini menggunakan dua komponen sebagai input dalam DEA: CVaR dan ukuran likuiditas LMX. Memakai implied excess return hasil proses reverse optimization BL sebagai output, model menghasilkan estimasi imbal hasil untuk setiap aset, yang berfungsi sebagai view dalam pembentukan portofolio posterior BL. Penggunaan BL akan memastikan proses optimasi portofolio posterior yang mean-variance efficient.Hasil penelitian menunjukkan bahwa DEA dapat digunakan sebagai metode untuk merumuskan view yang kompatibel dengan prior distribution BL. Studi lebih lanjut dapat ditempuh untuk menemukan kombinasi indikator input-output DEA yang lebih baik sekaligus memperhatikan karakter efficient frontier DEA. Pengembangan model lebih lanjut dapat pula dilakukan untuk memasukkan berbagai aspek kompleksitas pasar ataupun berbagai variabel yang mencerminkan informasi yang tak terduga.

---

This study employs Data Envelopment Analysis (DEA) to facilitate the Black-Litterman (BL) optimization process. DEA generates expected return estimation based on multi variables efficient frontier that can be formed flexibly for each asset. This study employs two components as inputs in DEA: CVaR and LMx measure of liquidity. Based on the implied excess return indicated by BL reverse optimization process as an output, the model produces return estimation for each asset, which serves as views in BL posterior portfolio. The use of BL will ensure the posterior portfolio optimization process in accordance with mean-variance efficient condition.The results indicate that DEA may be used as a method to formulate view that is compatible with BL prior distribution. Future studies using DEA should attempt to find better combination of Input-Output indicators and also pay attention to the character of DEA efficient frontier. Further model development should consider market complexity in mean-variance optimization setup, or to combine a variety of variables reflecting unanticipated information."