Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam mendapatkan hasil pencitraan Kedokteran Nuklir yang baik adalah didukung dengan instrumen dengan performa yang baik yaitu sesuai dengan standar mutu alat tersebut. Untuk menjaga agar performa instrumen tetap bekerja secara optimal harus dilakukan uji secara berkala dengan protokol uji yang tepat. Penelitian ini dilakukan untuk menguji kualitas citra kamera gamma dengan fantom IEC 61675-2 dan membuat protokol pengujianya meliputi pengujian resolusi radial, resolusi tangensial dan scatter fraction. Pengujian resolusi radial dan resolusi tangensial dilakukan menggunakan sumber titik sedangkan untuk pengujian scatter fraction menggunakan sumber garis. Dari penelitian ini didapatkan hasil rerata FWHM untuk resolusi radial 14,08, pada resolusi tangensial 10,21 mm. Untuk pengujian scatter fraction didapatkan hasil 0,042 dengan prosentase hamburan 4,2%.

---

In order to achieve an optimal scanned image of nuclear medicine device, a good instrument with proper performance which is consistent with its standard quality is required. Furthermore, suitable and periodic protocol test is also a good requirement so that the instrument can extend its maximum performance.In order to Achieve an optimal scanned image of nuclear medicine devices, a good instrument with proper roomates performance is consistent with its standard quality is required.

This research was conducted to test the image quality of gamma cameras with phantom IEC 61675-2 and make protocol includes testing radial resolution, tangential resolution and scatter fraction. Test of tangential and radial resolution made using a point source, while for test Scatter fraction using a line source. From this research, the results of the mean FWHM for the radial resolution 14.08 mm and 10.21 mm in tangential resolution. test Scatter fraction obtained scattering percentage of 4.2%."

"Citra yang baik mutlak diperlukan untuk kepentingan diagnosa, termasuk pada pemeriksaan dengan Kedokteran Nuklir. Detektor sebagai alat utama pembentuk citra harus selalu berada dalam kondisi prima sehingga Quality Control (QC) rutin perlu dilakukan. Beberapa protokol direkomendasikan untuk menguji kualitas sistem alat diantaranya protokol IAEA dan AAPM. Setiap Instalasi Kedokteran Nuklir perlu melakukan uji QC secara mandiri untuk mengetahui kondisi alat yang umumnya dilakukan oleh pihak vendor. Protokol-protokol ini patut dipelajari untuk mengetahui bagaimana uji QC masing-masing protokol pada pesawat SPECT agar memudahkan pihak Instalasi Kedokteran Nuklir melakukan uji QC sendiri. Protokol yang digunakan pada penelitian ini ialah IAEA Human Health Series No.6 dan AAPM Report No.6, No.22 dan No. 52. Uji-uji yang dilakukan pada penelitian ini diantaranya uji uniformitas, resolusi spasial, laju cacah maksimum, kebocoran shielding, COR, uniformitas tomografi dan beberapa uji lainnya. Pada penelitian ini juga dikembangkan sebuah algoritma untuk menghitung uniformitas citra dengan melihat kontribusi setiap PMT dalam pembentukkan citra. Evaluasi parameter uji mendapatkan bahwa secara keseluruhan metode-metode dari kedua protokol sebagian besar tidak jauh berbeda dan algoritma yang dibuat dapat digunakan untuk menghitung uniformitas. Keluaran penelitian ialah sebuah rancangan standard operational procedure (SOP) uji QC untuk pihak Instalasi Kedokteran Nuklir dan sebuah source code untuk mengevaluasi citra secara kuantitatif.

---

To provide correct diagnostic, the clear image is most important including in nuclear medicine imaging. Therefore, detector as the medical equipment which responsible to create image is necessary kept its quality in order to be always in satisfactory conditions. Several protocols are recommended to test the equipment such as IAEA and AAPM protocol. Each nuclear medicine installation needs to make own test to recognize conditions of the equipment that till now is usually done by vendor. These protocols should have been studied to find out how Quality Control (QC) testing protocols respectively in order to facilitate nuclear medicine installation make own QC test. Protocols which were used in this research are IAEA Human Health Series No.6, AAPM Report No.6, AAPM Report No.22, and AAPM Report No.52.

The tests which were done such as intrinsic uniformity, intrinsic spatial resolution, maximum count rate, shielding leakage, off peak uniformity, system uniformity, centre of rotation, tomographic uniformity, and several other tests. In this research also was developed an algorithm to calculate uniformity of image by observe contribution every photomultiplier tube in image. Evaluation of test parameters obtain that methods both of protocols overall wasn't far different each other and algorithm that was created can be used to calculate uniformity. This research has output in term a standard operational procedure QC test ten parameters to nuclear medicine installation and a source code to evaluate image quantitatively."

"ABSTRAKDalam beberapa dekade terakhir, pencitraan sinar-X menggunakan film-screen mulaidigantikan oleh digital radiography. Sistem pencitraan digital salah satunya adalahcomputed radiography (CR). Sejauh ini di Indonesia, perkembangan yang pesat dari CRbelum dibarengi dengan penelitian untuk memperoleh kondisi optimum dalamaplikasinya.Telah dilakukan penelitian di RS X menggunakan CR Agfa tipe PSP MD 4.0 danfantom Rando Man untuk menentukan optimasi pembentukan citra. Juga dilakukanpengukuran Entrance Surface Dose (ESD) menggunakan thermoluminescent dosimeter(TLD) dengan berbagai variasi nilai kV. Pemeriksaan yang dipilih adalah kepala PA,thorax PA, dan abdomen AP. Citra fantom dievaluasi berdasarkan panduan dariEuropean Commission dibantu oleh dokter spesialis radiologi. Optimasi citra didasarkanpada nilai kV dengan nilai ESD yang rendah dan hasil evaluasi citra.Hasil penelitian menunjukkan bahwa untuk pemeriksaan kepala PA optimasi terjadipada ESD 3,580 mGy dan 3,834 mGy untuk kondisi 80 kV dan 83 kV dengan 0,224 ?0,274 mGy/mAs. Untuk pemeriksaan thorax PA teknik kV standar optimasi terjadi padaESD 1,341 mGy dan 2,378 mGy untuk kondisi 50 kV dan 55 kV dengan 0,134 ? 0,297mGy/mAs. Sedangkan untuk teknik kV tinggi yang menggunakan 100 kV, optimasiterjadi pada ESD 2,960 mGy dengan 0,947 mGy/mAs. Dan untuk pemeriksaanabdomen AP optimasi terjadi pada ESD 4,090 mGy dan 4,268 mGy untuk kondisi 70kV dan 80 kV dengan 0,204 ? 0,267 mGy/mAs. Selain nilai kV, optimasi jugamengikutsertakan nilai kontras tinggi dan rendah, serta karakter CR Agfa yang diwakilioleh nilai lgM (log Median).

---

AbstractFor the last few decades, X-ray imaging using film screen has been replaced by digitalradiography. One of digital imaging systems is computed radiography (CR). So far inIndonesia, the rapid development of CR is not ensued with research to obtain optimumcondition in its application.Has been performed a research in hospital X using Agfa CR Type PSP MD 4.0 andRando Man phantom to determine optimization of image development. Also conductedmeasurement of Entrance Surface Dose (ESD) using thermoluminescent dosimeter(TLD) for various kV values. The examinations were selected for skull PA, thorax PA,and abdomen AP. Image phantom assessment was carried out using guideliness fromEuropean Commission with assistance of radiologist. Optimization of image was donebased on kV value with low ESD value and image assessment.The results showed that for skull PA examination, optimization occured on ESD 3.580mGy and 3.834 mGy for exposure condition of 80 kV and 83 kV with 0.224 to 0.274mGy/mAs. For standard kV technique thorax PA examination, optimization occured onESD 1.341 mGy and 2.378 mGy at 50 kV and 55 kV with 0.134 to 0.297 mGy/mAs. Asfor the high kV technique of which used a 100 kV, ESD optimization occured at 2.960mGy with 0.947 mGy/mAs. While for abdomen AP examination, optimization occuredon ESD 4.090 mGy and 4.268 mGy for 70 kV and 80 kV with 0.204 to 0.267mGy/mAs. In addition to values of kV, optimization also included high and low contrastvalues as consideration and Agfa CR character that was represented by the lgM (logMedian) value."

"Given the rapid evolution of radiological imaging in the past four decades, medical image processing nowadays is an essential tool for clinical research. Applications range from research in neuroscience, biomechanics and biomedical engineering to clinical routine tasks such as the visualization of huge datasets provided by modern computed tomography systems in radiology, the manufacturing of patient-specific prostheses for orthopedic surgery, the precise planning of dose distributions in radiation oncology, the fusion of multimodal image data for therapymonitoring in internal medicine, and computer-aided neurosurgical interventions."

"At the heart of every medical imaging technology is a sophisticated mathematical model of the measurement process and an algorithm to reconstruct an image from the measured data. This book provides a firm foundation in the mathematical tools used to model the measurements and derive the reconstruction algorithms used in most imaging modalities in current use. In the process, it also covers many important analytic concepts, and techniques used in Fourier analysis, integral equations, sampling theory, and noise analysis.This text uses X-ray computed tomography as a "pedagogical machine" to illustrate important ideas and incorporates extensive discussions of background material making the more advanced mathematical topics accessible to readers with a less formal mathematical education. The mathematical concepts are illuminated with over 200 illustrations and numerous exercises.New to the second edition are a chapter on magnetic resonance imaging (MRI), a revised section on the relationship between the continuum and discrete Fourier transforms, a new section on Grangreat formula, an improved description of the gridding method, and a new section on noise analysis in MRI."

"Perkembangan terkini dari perangkat pencitraan medik computerized tomography (CT) scan telah memungkinkan dihasilkannya citra dari penampang melintang secara multi irisan dalam orde beberapa detik. Citra medik digital yang dihasilkan merepresentasikan penampang melintang dari berbagai struktur jaringan dari irisan yang dicitrakan. Salah satu tantangan yang dapat membantu dalam proses diagnosis berbasis citra adalah ekstraksi informasi dari struktur anatomi tertentu dengan suatu metode segmentasi citra serta visualisasi volumetrik dengan bantuan komputer. Untuk kasus visualisasi volumetrik tulang pelvis pada citra CT-scan multi irisan, seluruh citra yang mengandung bagian struktur tulang pelvis harus disegmentasi. Pada penelitian ini, satu teknik segmentasi citra berbasis active contour akan diimplementasikan untuk melakukan segmentasi citra multi irisan secara semi otomatis. Proses segmentasi citra diawalidengan menentukan model kurva 2D yang dilakukan secara manual pada citra irisan pertama. Kemudian model kurva tersebut secara iterasi akan berdeformasi sampai dengan bentuk kurva yang berhimpit pada batas tepian citra tulang pelvis. Hari akhir kurva 2D pada irisan pertama akan digunakan sebagai inisialisasi model kurva 2D pada proses segmentasi citra irisan berikutnya. Proses tersebut akan berlanjut sampai dengan citra irisan terakhir. Metode segmentasi citra berbasis active contour akan dibandingkan dengan metode segmentasi secara nilai ambang dari homogenitas distribusi intensitas dan metode segmentasi secara manual. Analisis secara kualitatif terhadap hasil segmentasi tiap irisan dan analisis kualitatif pada representasi visualisasi volumetrik digunakan pada penelitian ini.

---

AbstractThe current development of computerized tomography (CT) has enable us to obtain cross sectional image using multi slicing techniques in an order of few seconds. The obtained images represent several tissue structures on cross section slice being imaged. One challenge to help diagnosis using CT images is extracting an anatomic structure of interest using a method of image segmentation and volumetric visualization with the assistance of computers. In case of volumetricvisualization of pelvis bones extracted from multi-slice CT images, whole images which are containing part of pelvis bone structures must be segmented. In this research, an image segmentation technique based on active contour is implemented for semi-automatic multi slice image segmentation. Image segmentation steps are initialized with a define model of 2D curve on the first slice image manually. Next, its model curve is deformed to reach the final result of 2D curve that fits to boundary edges of pelvis bone image. The final result of 2D curve on previous slice image was used as an initialization model of 2D curve on the next slice images. This process will continue until the final slice image. This segmentation method was compared with the segmentation method based on threshold from homogenous intensitydistribution and manual segmentation method. Quantitative analysis from the results of segmentation on each slice and qualitative analysis on the representation of volumetric visualization are performed in this research."

"Penyakit mata berat yang telat tertangani seperti katarak, glaukoma, serta retinopati diabetik merupakan salah satu penyebab utama gangguan penglihatan dan kebutaan. Pencegahan dapat dilakukan dengan melakukan pendektesian dini melalui citra fundus. Untuk mengatasi minimnya dokter mata dan persebarannya yang masih belum merata, dilakukan pendektesian penyakit mata secara otomatis melalui gambar mata dengan pendekatan deep learning. Dalam penelitian ini, digunakan metode Transfer Learning U-Net dengan VGG16 sebagai pretrained model (V-Unet) yang telah dilatih pada online database, ImageNet. Data yang digunakan dalam penelitian ini merupakan data citra fundus yang diperoleh dari platform Kaggle. Preprocessing data pada citra fundus yang dilakukan untuk meningkatkan kinerja model adalah centered crop, resize, dan rescale. Fungsi optimasi Adam digunakan untuk meminimalkan fungsi loss ketika melatih model. Pada penelitian ini, dilakukan pemisahan data training, validasi, testing dengan 3 rasio berbeda, yaitu kasus I dengan rasio 60:20:20, kasus II dengan rasio 70:20:10, dan kasus III dengan rasio 80:10:10. Hasil penelitian ini menunjukkan bahwa V-Unet memiliki kinerja paling baik pada kasus II berdasarkan skor AUC dan running time dengan nilai rata-rata skor AUC 0,8622 dan rata-rata running time 3,7079 detik sedangkan berdasarkan nilai akurasinya V-Unet memiliki kinerja paling baik pada kasus III dengan rata-rata nilai akurasi sebesar 66,34%.

---

Untreated severe eye diseases such as cataracts, glaucoma, and diabetic retinopathy is one of the main causes of visual impairment and blindness. Prevention can be done by doing early detection through fundus images. To overcome the lack of ophthalmologists and their uneven distribution, an automatic detection of eye diseases is carried out through eye images using a deep learning approach. In this study, Transfer Learning U-Net method was used with VGG16 as a pre-trained model (V-Unet) which had been trained on the online database, ImageNet . The data used in this study is fundus image data that obtained from the Kaggle platform. Preprocessing data on the fundus image that is carried out to improve model performance is centered crop, resize, and rescale. Adam's optimization function used to minimize the loss function when training the model. In this study, the training, validation, testing data was separated with 3 different ratios, namely case I with a ratio of 60:20:20, case II with a ratio of 70:20:10, and case III with a ratio of 80:10:10. The results of this study indicate that V-Unet has the best performance in case II based on the AUC score and running time with an average AUC score of 0.8622 and an average running time of 3.7079 seconds while based on accuracy value the best case is case III with an average accuracy value of 66.34%."