Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknik akuisisi scan spiral memperkenalkan istilah Pitch. Pitch yang besar mempengaruhi proses rekonstruksi karena interpolasi data menjadi lebih lebar sehingga dapat menurunkan resolusi citra. Penelitian ini dilakukan dengan menggunakan fantom toraks in house yang dibuat dan didesain berdasarkan pengukuran data citra CT Toraks 100 pasien laki-laki. Parameter eksposi yang digunakan 130 kVp, rotasi tabung 0,6 detik, perubahan arus tabung 70 mAs dan 100 mAs serta variasi pitch mulai dari 0.5, 0.8, 1, 1.5, 1.8 dan 2. Fantom terbagi menjadi 4 bagian. Fantom bagian A untuk evaluasi akurasi posisi dan kualitas citra pada selang berisi media kontras, bagian B untuk evaluasi kualitas citra lubang udara hole , bagian C untuk evaluasi mikrokalsifikasi dengan variasi ukuran mesh pada serbuk tulang dan hidroxyapatite, dan bagian D untuk evaluasi MTF. Scanning fantom A untuk evaluasi akurasi posisi selang antara ukuran di fantom dengan monitor menunjukkan deviasi < 4 berjumlah 408 data 84 di sisi kanan dan 417 data 86 di sisi kiri dari total 486 data. Evalusi kualitas citra pada fantom A, terdapat perbedaan ?SNR pada tiap slice dengan hubungan yang linier terhadap perubahan pitch, semakin besar pitch yang digunakan ?SNR akan semakin lebar. ?SNR paling lebar terdapat pada slice ke-1 dan ke-2, selanjutnya pada slice ke-3 sampai ke-9 ?SNR stabil dan cenderung menurun. Evaluasi fantom B menunjukkan hole titik I dan J yang berdiameter 0.9 mm dan 0.625 mm tidak dapat tervisualisasi pada seluruh slice. SNR yang didapat paling tinggi pada hole tengah titik H dengan diameter 2 mm. Sensitivitas Pesawat CT dapat mendeteksi serbuk tulang ukuran mesh 10 dan 30 tetapi tidak dapat memperlihatkan serbuk tulang ukuran mesh 50 yang tersebar merata di permukaan fantom, ditunjukkan dengan nilai SNR tertinggi pada pitch 0.8 sebesar 2.659 SNR.

---

Acquisition technique in spiral scan introduce the term of Pitch. The big pitch could be influence for reconstruction process because interpolation will be wider, be affecting the spatial resolution. This study was performed by using in house thoracic phantom that made and designed based on image data measurement of CT Thorax of 100 men patient. Exposure Parameter which used was 130 kVp, tube rotation 0.6 second, tube current 70 mAs and 100 mAs, with pitch variation start from 0.5, 0.8, 1, 1.5, 1.8 and 2. Phantom was divided into 4 parts. Part A was used for evaluating the accuracy of position and image quality on a pipe that consist of contrast media, part B was used for evaluating image quality on hole, part C was used for evaluating micro calcification with various mesh size on bone material and hidroxyapatite, while part D was used for evaluating MTF. Phantom A scanning was performed for evaluating the accuracy of position between pipe in phantom and monitor showed deviation 4 with 408 number of data 84 on the right side and 417 data 86 on the left side from 486 all data. The result obtained for image evaluation, showed the different between delta SNR in every slice in phantom A with the pitch changing, used higher pitch becoming SNR wider. The widest SNR were occurred in the 1st and 2nd slice, furthermore in the 3rd until 9th slice SNR were stable and tend to decreased. Evaluation of phantom B showed that hole in point I and J which have diameter 0.9 mm and 0.625 mm could not visualized. The highest SNR was occurred in the middle hole point H with diameter 2 mm. The sensitivity of CT scanner is good enough to detect bone with the mesh size of 10 and 30 but not with the mesh size of 50 that spread in the phantom surface, this is shown with the highest SNR in the pitch 0.8 as 2.659 SNR."

"Udara di tulang temporal mempunyai fungsi yang bervariasi, terutama sebagai cadangan udara telinga tengah. Gangguan fungsi tuba Eusthacius akan menyebabkan udara di tulang temporal berfungsi sehingga tidak terbentuk tekanan negatif yang disebabkan penyerapan udara oleh mukosa telinga tengah. Hal ini mencegah terjadinya perubahan mukosa telinga tengah dan mencegah terjadinya otitis media.Tujuan penelitian ini adalah untuk menilai kesesuaian klasifikasi pneumatisasi mastoid berdasarkan struktur sinus sigmoid terhadap volume akurat sel-sel udara mastoid menggunakan MSCT Scan Spiral di Rumah Sakit Cipto Mangunkusumo berupa 158 mastoid dari 78 pasien (40 laki-laki dan 38 perempuan) dengan rentang umur 18 sampai 60 tahun tanpa kelainan atau malformasi pada gambaran CT Scan.Data sekunder diambil dari raw data yang telah direkonstruksi menggunakan pesawat CT scan Somatom spiral scanner (Siemens Medical Systems) dengan tebal irisan 2,0 mm, Filter Kernel H 70 very sharp, mastoid window (window width 4.000 HU, window level 600 HU), densitas antara ? 1.000HU sampai dengan +70HU di dalam Compact Disc.Klasifikasi pneumatisasi mastoid ditentukan berdasarkan tiga garis paralel dengan kemiringan 45◦ yang diletakkan pada posisi garis melewati bagian paling anterior dari sinus sigmoid pada persimpangannya dengan tulang petrosus, bagian paling lateral di sepanjang bidang transversal sigmoid groove dan paling posterior dari sinus sigmoid.Statistik deskriptif (SPSS 17.0) disajikan berupa analisis volume sel-sel udara mastoid berdasarkan kelompok pneumatisasi menggunakan uji Kruskal Wallis dilanjutkan analisis Post Hoc dengan hasil rerata volume sel-sel udara masingmasing kelompok pneumatisasi berbeda bermakna dengan kelompok lainnya, dengan batas kemaknaan (α) 0,05, dan ROC (Receiver operator curve) menunjukkan bahwa masing-masing kelompok pneumatisasi mempunyai sensitivitas dan spesifisitas tinggi.

---

The air in the temporal bone has various functions. In particular, it serves as the air reservoir of the middle ear. When the function of the Eustachian tube deteriorates, the air in the temporal bone acts to prevent negative pressure from developing due to absorption of air by the middle ear mucosa, and thus prevents changes of the middle ear mucosa, as well as progression of otitis media.The aim of this paper is to evaluate The Conformity Classification of Mastoid Pneumatization in Normal Adult based on Sigmoid Sinus with the Mastoid Air Cells Volume using Spiral MSCT Scan in Cipto Mangunkusumo Hospital of One hundred and fifty six mastoids of 78 subjects (40 males and 38 males) ranged in age from 18 years to 60 years without impairment or malformation of temporal bone CT scan were eligible for enrolment in this study.Secondary data drawn from raw data in Compact Disc that has been reconstructed using Somatom spiral scanner (Siemens Medical Systems) with 0,2 cm slice thickness, filter Kernel very sharp and mastoid window (window width 4.000HU and window level 600HU). We used -1.000 to + 70 HU.Classification of mastoid pneumatization is determined based on three parallel lines angled at 45◦ in the anterolateral direction which each line crossed the most anterior point of the sigmoid sinus at the junction with the petrous bone, the most lateral aspect along the transverse plane of the sigmoid groove, and the most posterior point of the sigmoid sinus, respectively.Descriptive statistics (SPSS 17.0) are presented in the form of air cells mastoid volume based on Classification of mastoid pneumatization using Kruskal Wallis test and followed by Post Hoc analysis with the volume of the mastoid air cells of each group differ significantly with other groups, significance limit of 0.05, and ROC (Receiver operator curve) showed that each group has a high sensitivity and specificity."

"Udara di tulang temporal mempunyai fungsi yang bervariasi, terutama sebagai cadangan udara telinga tengah. Gangguan fungsi tuba Eusthacius akan menyebabkan udara di tulang temporal berfungsi sehingga tidak terbentuk tekanan negatif yang disebabkan penyerapan udara oleh mukosa telinga tengah. Hal ini mencegah terjadinya perubahan mukosa telinga tengah dan mencegah terjadinya otitis media.Tujuan penelitian ini adalah untuk menilai kesesuaian klasifikasi pneumatisasi mastoid berdasarkan struktur sinus sigmoid terhadap volume akurat sel-sel udara mastoid menggunakan MSCT Scan Spiral di Rumah Sakit Cipto Mangunkusumo berupa 158 mastoid dari 78 pasien (40 laki-laki dan 38 perempuan) dengan rentang umur 18 sampai 60 tahun tanpa kelainan atau malformasi pada gambaran CT Scan. Data sekunder diambil dari raw data yang telah direkonstruksi menggunakan pesawat CT scan Somatom spiral scanner (Siemens Medical Systems) dengan tebal irisan 2,0 mm, Filter Kernel H 70 very sharp, mastoid window (window width 4.000 HU, window level 600 HU), densitas antara – 1.000HU sampai dengan +70HU di dalam Compact Disc.Klasifikasi pneumatisasi mastoid ditentukan berdasarkan tiga garis paralel dengan kemiringan 45◦ yang diletakkan pada posisi garis melewati bagian paling anterior dari sinus sigmoid pada persimpangannya dengan tulang petrosus, bagian paling lateral di sepanjang bidang transversal sigmoid groove dan paling posterior dari sinus sigmoid.Statistik deskriptif (SPSS 17.0) disajikan berupa analisis volume sel-sel udara mastoid berdasarkan kelompok pneumatisasi menggunakan uji Kruskal Wallis dilanjutkan analisis Post Hoc dengan hasil rerata volume sel-sel udara masingmasing kelompok pneumatisasi berbeda bermakna dengan kelompok lainnya, dengan batas kemaknaan (α) 0,05, dan ROC (Receiver operator curve) menunjukkan bahwa masing-masing kelompok pneumatisasi mempunyai sensitivitas dan spesifisitas tinggi.

---

The air in the temporal bone has various functions. In particular, it serves as the air reservoir of the middle ear. When the function of the Eustachian tube deteriorates, the air in the temporal bone acts to prevent negative pressure from developing due to absorption of air by the middle ear mucosa, and thus prevents changes of the middle ear mucosa, as well as progression of otitis media.The aim of this paper is to evaluate The Conformity Classification of Mastoid Pneumatization in Normal Adult based on Sigmoid Sinus with the Mastoid Air Cells Volume using Spiral MSCT Scan in Cipto Mangunkusumo Hospital of One hundred and fifty six mastoids of 78 subjects (40 males and 38 males) ranged in age from 18 years to 60 years without impairment or malformation of temporal bone CT scan were eligible for enrolment in this study.Secondary data drawn from raw data in Compact Disc that has been reconstructed using Somatom spiral scanner (Siemens Medical Systems) with 0,2 cm slice thickness, filter Kernel very sharp and mastoid window (window width 4.000HU and window level 600HU). We used -1.000 to + 70 HU.Classification of mastoid pneumatization is determined based on three parallel lines angled at 45◦ in the anterolateral direction which each line crossed the most anterior point of the sigmoid sinus at the junction with the petrous bone, the most lateral aspect along the transverse plane of the sigmoid groove, and the most posterior point of the sigmoid sinus, respectively.Descriptive statistics (SPSS 17.0) are presented in the form of air cells mastoid volume based on Classification of mastoid pneumatization using Kruskal Wallis test and followed by Post Hoc analysis with the volume of the mastoid air cells of each group differ significantly with other groups, significance limit of 0.05, and ROC (Receiver operator curve) showed that each group has a high sensitivity and specificity."

"Computed Tomography (CT) merupakan modalitas sinar-X untuk membuat citra organ dalam tiga dimensi. Akuisisi citra dilakukan dengan perputaran tabung sinar-X yang disertai gerakan meja, sehingga tabung mengelilingi pasien dalam bentuk spiral. Gerakan meja pasien persatu rotasi gantry dibagi lebar kolimator pada isocenter dikenal dengan pitch, yang berpengaruh pada kualitas citra maupun dosis radiasi pada pasien. Telah diobservasi profil ditribusi dosis sepanjang sumbu-Z fantom simulasi toraks in house berbentuk silinder elips dengan ukuran 28 cm × 21 cm dan panjang 22 cm. Fantom terbuat dari bahan PMMA dengan Hounsfield Unit (123,10 ± 3,96 HU) dilengkapi dengan objek simulasi paru dari gabus patah (-790,60 ± 15,55 HU), dan tulang belakang dari material teflon dengan (918,60 ± 7,35) balok dan silinder untuk tempat film gafchromic ukuran 1 cm x 25 cm. Posisi film ditandai dengan 1-9 dengan koordinat berturut turut (0, 0), (5, 0), (10, 0), (-5, 0), (-10, 0), (0, 4), (0, 8), (0,-4), (0,-8). Citra fantom diakuisisi dengan kondisi eksposi 120 kV,100 mAs dan pitch 0,8, 1,0, dan 1,5. Dosis minimum terjadi pada awal dan akhir scan untuk seluruh profil dan nilai pitch, dosis rata-rata material paru (2, 3, 4, dan 5) dalam rentang (2,49-2,90) mGy untuk pitch 0,8 dan (2,36-2,88) mGy untuk pitch 1,0, serta (2,33-2,74) mGy untuk pitch 1,5, relatif lebih rendah disbanding dengan pada jaringan lunak dan tulang. Dosis maksimum selalu terjadi di pertengahan sumbu-Z. Dapat disimpulkan bahwa penggunaan pitch 0,8 dan 1,0 tidak memberikan perbedaan dosis yang signifikan dan menurunkan dosis rata-rata pada pitch 1,5. Selain itu dosis maksimum tidak selalu terjadi di pertengahan sumb-z dikarenakan oleh material isotropis.

---

Computed Tomography (CT) is an X-ray modality for scanning organ in three dimensional images. Image acquisition is performed by rotating X-ray tube that match with table movements, there by the tube can cover patient body in a spiral scan. Patient table movements by gantry rotation divided by the width of the collimator on the isocenter is known as a pitch, which affects the image quality and radiation dose in the patient. A dose distribution profile has been observed along the z-axis of the in-house thorax phantom simulation in an elliptical cylinder form with the size of 28 cm x 21 cm and 22 cm length. Phantom is made from PMMA with Hounsfield Unit (123.10 ± 3.96 HU) was equipped with a lungs simulation object using a cork (-790.60 ± 15.55 HU), a spine using Teflon material (918.6 ± 7.35 HU), and 9 bar and a cylinder to place 1 cm x 25 cm gafchromic films. The position of the film was marked with point position 1-9 for the series of coordinates (0,0), (5, 0), (10, 0), (-5, 0), (-10, 0), (0, 4), (0, 8), (0,-4), (0, -8) cm. The phantom images was performed with an exposure condition by 120 kV, 100 mAs and pitch variations (0.8, 1.0 and 1.5). The minimum dose occured at the beginning and end of the scan for all profiles and pitch values. The average dose of lung material (2, 3, 4, and 5) in the range (2.49-2.90) mGy for pitch 0.8, (2.36-2.88) mGy for pitch 1.0 and (2.33-2.74) mGy for pitch 1.5. The dose in lung was relatively lower compared to the dose in soft tissue and bone. The maximum dose always occur in the middle of the z-axis. It can be concluded that the use of pitch 0.8 and 1.0 did not provide a significant dose difference and reduced the average dose on pitch 1.5. Moreover, the maximum dose does not always occur in the middle of the z-axis due to an isotropic material."

"Penelitian ini mengevaluasi pengaruh Teknik Automatic Tube Current Modulation dengan variasi pitch dan diameter efektif terhadap estimasi nilai dosis dan tingkat noise untuk pemeriksaan Abdomen pada pesawat CT Scan menggunakan in-house phantom yang merepresentasikan organ Abdomen. Pemindaian dilakukan pada objek in-house phantom menggunakan CT Scan Ingenuity 128 Philips dengan parameter eksposi tegangan tabung 120 kVp, variasi Dose Right Index (DRI) 10-14, serta variasi pitch 0,6; 0,8; 1,0; 1,2; dan 1,49. Hasil penelitian menunjukkan DDRI terverifikasi sekitar 10% sampai 13%, kecuali DRI 10 sampai 11 yang relatif tinggi yaitu rata- rata 15% sampai 17%. Nilai CTDIvol bergantung pada DRI atau arus tabung. Peningkatan DRI meningkatkan CTDIvol. Modulasi mAs pada akuisisi gabungan phantom terjadi pada ukuran phantom yang lebih kecil dengan tetap menjaga kestabilan noise. Noise terendah pada penerapan ATCM dihasilkan pada DRI 14. Penerapan ATCM pada objek in-house phantom pada pemeriksaan CT Scan protokol Abdomen berpengaruh terhadap perubahan nilai mAs, CTDIvol, dan noise. Spesifikasi ATCM pesawat CT Ingenuity 128 sesuai dengan ketentuan Philips.

---

This study evaluates the effect of the Automatic Tube Current Modulation technique on pitch and effective diameter variation on the estimated dose value and noise level for abdominal examination on CT Scan machine using an in-house Phantom to represent abdominal region. Scanning use an Ingenuity 128 Philips CT Scan with parameters namely tube voltage 120 kVp, varied Dose Right Index (DRI) of 10-14, as well as under pitch variations of 0.6; 0.8; 1.0; 1.2; and 1.49. The changes in mAs, CTDIvol, and noise to the Philips reference value were then verified. ΔDRI is verified to be approximately 10% to 13%, except for DRI 10 to 11 which is relatifly high on average 15% to 17%. The CTDIvol value does depend on the DRI or tube current. An increase in DRI increases the CTDIvol. mAs modulation in combined phantom acquisition occurs at smaller phantom sizes while maintaining noise stability. The lowest noise in the application of ATCM is produced in the DRI 14. The application of ATCM to in-house phantom objects in the abdominal protocol CT Scan examination affects the change in mAs, CTDIvol, and noise values. The ATCM specifications of the Ingenuity 128 CT machine according to Philips regulations."

"Dosimetri CT scan dapat dilakukan dengan menggunakan konsep CTDI, Monte Carlo, atau dengan pengukuran langsung dalam fantom fisis. Pengukuran langsung menggunakan thermoluminescent dosimeter (TLD) merupakan prosedur yang rumit dan membutuhkan waktu yang lama. Saat ini sudah tersedia film radiochromic yang dapat digunakan di radiologi. Pada penelitian ini dilakukan pengukuran distribusi dosis radiasi dalam fantom Rando menggunakan film Gafchromic XR-QA2 dan TLD. Film Gafchromic XR-QA2 dan TLD dikalibrasi di CT scanner Siemens Sensation 64. Pengukuran distribusi dosis dengan film dilakukan pada faktor pitch 0.8, 1.0, dan 1.4. Film Gafchromic XR-QA2 disisipkan diantara slab 22-23 (Film A), 23-24 (Film B), dan slab 24-25 (Film C). Pengukuran distribusi dosis dengan TLD dilakukan dalam slab nomor 23 dengan faktor pitch 1.4. Film Gafchromic XR-QA2 yang telah dieksposi dipindai dengan flatbed scanner Epson Perfection V700 Photo. Dosis serap tulang belakang pada Film A, Film B, dan Film C yang dieksposi dengan faktor pitch 1.4 secara berturut-turut adalah 2.0 mGy, 1.9 mGy, dan 2.2 mGy. Berdasarkan profil dosis, rata-rata dosis serap pada film yang dieksposi dengan faktor pitch 1.0 dan 1.4 secara berturut-turut adalah 8% dan 24% lebih tinggi dibanding rata-rata dosis serap pada film yang dieksposi dengan faktor pitch 0.8. Rentang dosis hasil pengukuran dengan TLD adalah (1.9 ± 0.1) - (2.3 ± 0.2) mGy dan rentang dosis hasil pengukuran dengan film Gafchromic XR-QA2 adalah 1.8 - 2.3 mGy dengan perbedaan maksimum 10.6%. Perbedaan tersebut masih berada dalam rentang keakurasian TLD yaitu < 15%. Berdasarkan hasil tersebut, film Gafchromic XRQA2 dapat digunakan untuk pengukuran dosis CT scan selanjutnya.

---

Computed tomography (CT) dosimetry can be approached by using CTDI method, Monte Carlo computer technique, and direct measurement within physical phantom. Direct measurement using thermoluminescent dosimeters (TLDs) is a laborious procedure. Radiochromic film for radiology application was available. In this study, dose distribution within adult anthropomorphic physical phantom was measured using TLD and Gafchromic XR-QA2 film. TLD and Gafchromic XR-QA2 film was calibrated on CT scanner Siemens Sensation 64. Gafchromic XR-QA2 film was sandwiched between slab Rando phantom number 22-23 (Film A), 23-24 (Film B), and 24-25 (Film C). Pitch factor 0.8, 1.0, and 1.4 were used. TLDs were placed at the holes in the slab number 23 of anthropomorphic phantom.

TLDs were scanned using pitch factor 1.4. After exposure, Gafchromic XR-QA2 film was digitized using Epson Perfection V700 Photo flatbed scanner. Absorbed dose at vertebra on Film A, Film B, and Film C which exposed by using pitch 1.4 respectively were 2.0 mGy, 1.9 mGy, and 2.2 mGy. Based on dose profile, average dose of XR-QA2 film which exposed by using pitch 1.0 and 1.4 respectively were 8% and 24% higher than average dose of XR-QA2 film which exposed by pitch 0.8. TLDs dose range were (1.9 ± 0.1) - (2.3 ± 0.2) mGy and Gafchromic XR-QA2 film dose range were 1.8 - 2.3 mGy with maximum difference 10.6%. The difference is still within the range of TLD accuracy, < 15%. Based on this result, Gafchromic XR-QA2 film can be used to measure CT dose."

"Proses segmentasi organ secara manual memakan waktu dan hasilnya subyektif terhadap definisi batas-batas kontur. Pemanfaatan teknologi Machine Learning (ML) berjenis 3D convolutional neural network (3D CNN) untuk mensegmentasi organ secara otomatis dapat mempercepat dan menstandarisasi hasil segmentasi organ. Penelitian ini mengimplementasilan network ML berbasis VoxResNet dan memanfaatkan 60 dataset CT Scan toraks dari Grand Callenge AAPM 2017 untuk melatih, memvalidasi, dan menguji model-model ML dengan berbagai variasi hyperparameter. Pengaruh variasi hyperparameter terhadap hasil segmentasi model juga dipelajari. Dataset dibagi menjadi 3 yaitu, 36 untuk perlatihan, 12 untuk validasi, dan 12 untuk pengujian. Dalam penelitian ini paru-paru kiri dan paru-paru kanan dijadikan satu jenis OAR bernama paru-paru, esophagus dan spinal cord dijadikan satu OAR bernama ESP, sedangkan jantung tetap OAR tersendiri. Variasi hyperparameter adalah variasi ukuran patch, jumlah batch, dan weight class. Hasil segmentasi model-model dievaluasi dan diperbandingkan untuk mencari model terbaik dengan hyperparameter-nya yang mampu menghasilkan kualitas hasil segmentasi organ terbaik. Kemampuan network dalam proses perlatihan dan validasi dievaluasi menggunakan kurva pembelajaran. Kualitas hasil segmentasi model organ dievaluasi menggunakan boxplot distribusi populasi nilai metrik Dice Similiarity Coefficient (DSC) dan Housdorf Distance (HD) setiap slice. Peningkatan atau penurunan kinerja model akibat variasi hyperparameter dinilai menggunakan skor peningkatan metrik. Terakhir, metrik DSC dan HD95 secara 3D hasil segmentasi model terbaik dibandingkan dengan hasil segmentasi oleh interrater variability AAPM 2017 dan hasil segmentasi team virginia. Hasil kurva pembelajaran tidak mengalami underfitting menunjukkan bahwa network mampu mempelajari data perlatihan dengan baik. Overfitting terjadi pada model organ jantung dan ESP. Hasil eksperimen variasi ukuran patch menunjukkan bahwa besar ukuran patch tidak selalu linier dengan kinerja moukuran patch menunjukkan bahwa besar ukuran patch tidak selalu linier dengan kinerja model. Model ukuran patch tengah memberikan kualitas distribusi metrik dan skor paling baik dibandingkan model ukuran patch terkecil dan terbesar pada semua OAR dengan skor 11, 13, dan 13 dari 16. Hasil eksperimen variasi jumlah batch menunjukkan bahwa peningkatan jumlah batch tidak selalu berdampak positif terhadap kinerja model. Untuk model jantung ukuran patch terbesar, peningkatan batch dapat meningkatkan skor dari 2 menjadi 12. Untuk model ESP ukuran patch terbesar, peningkatan batch menurunkan skor dari 13 menjadi 2. Hasil eksperimen variasi weight class (W) menunjukkan bahwa baik model jantung maupun ESP cenderung memberikan distribusi metrik dan skor terbaik di sekitar W = [1,3.67] atau W = [1, C1 < 11]. Dibandingkan dengan interrater variability AAPM, model jantung terbaik menghasilkan nilai metrik yang comparable, yaitu untuk DSC 3D 0.932 ± 0.016 = 0.931 ± 0.015 dan untuk HD95 4.00 ± 0.25 < 6.42 ± 1.82. Sedangkan untuk model paru-paru memberikan metrik lebih baik, yaitu 0.964 ± 0.025 > 0.956 ± 0,019 dan 4,72± 0,21 < 6.71 ± 3,91. Dibandingkan dengan team virginia, model jantung terbaik berhasil memberikan nilai metrik yang lebih baik. yaitu 0.932 ± 0.016 > 0.925 ± 0.015 dan 4.00 ± 0.25 < 6.57 ± 1.50, sedangkan model ESP terbaik menghasilkan metrik yang comparable, yaitu 0.815 ± 0.049 = 0,810 ± 0,069 dan 4,68 ± 0,17 < 8,71 ± 10,59. Dari hasil-hasil ini memberikan potensi adanya perpaduan ukuran patch, jumlah batch, dan weight class tertentu yang dapat menyebabkan hasil segmentasi model ukuran patch lebih kecil dapat mengimbangi hasil segmentasi model ukuran patch lebih besar sehingga tuntutan akan perangkat dengan spesifikasi tinggi dan mahal dapat berkurang.

---

The process of manual organ segmentation is time consuming and the results are subjective in term of definition of contour boundaries. The utilization of Machine Learning (ML) technology using 3D convolutional neural network (3D CNN) to segment organs automatically can speed up the procces as well as standardizing the results of organ segmentation. This study implements a VoxResNet-based ML network and utilizes 60 thoracic CT scan datasets obtained from Grand Callenge AAPM 2017 to train, validate, and test ML models with various hyperparameter variations. The effects of hyperparameter variations on the segmentation results of models are also studied. The dataset is divided into 3 parts, namely 36 for training, 12 for validation, and 12 for testing. In this study the left lung and right lung were combined into one type of OAR called the lung, the esophagus and spinal cord were combined into one OAR called ESP, while the heart remained a separate OAR. Hyperparameter variations are variations in patch size, number of batches, and weight loss. The segmentation results of the models are evaluated and compared each other to find the best model and it’s hyperparameters which is able to produce the best segmentation’s quality. The ability of the network in training and validation procceses is evaluated using learning curve. The quality of the organ model’s segmentation results is evaluated using boxplot of population’s distribution of the Dice Similiarity Coefficient (DSC) and Housdorf Distance (HD) metrics for each slice. The increases or decreases in model performance due to variations in hyperparameters are assessed using the metric improvement score. Finally, the 3D DSC and HD95 metrics of the best model’s segmentation results are compared to the results of segmentation by the AAPM 2017’s interrater variability and to the segmentation results by team virginia. There is no underfitting of learning curve indicates that the network is able to learn the training data. Overfitting occurs in the heart and ESP models. The experimental results from patch size variations show that the size of the patch is not always linear with the performance of the model. The middle patch sized models give the best metric distribution’s quality as well as scores compared to the smallest and largest patch sized models for all OARs with scores of 11, 13, and 13 out of 16. The experimental results from batch number variations show that an increase in batch does not always have a positive impact on model performance. For the largest patch sized heart’s model, the increase increases the score from 2 to 12. For the largest patch sized ESP's model, the increase reduces the score from 13 to 2. The results from variations in weight loss (W) experiment show that both heart’s and ESP's models tend to provide the best distributions in term of metrics and scores around W = [1, 3.67] or W = [1, C1 < 11]. By comparing with AAPM's interrater’s variability, the best heart model produces comparable metric's result, that is 0.932 ± 0.016 = 0.931 ± 0.015 for DSC 3D and 4.00 ± 0.25 < 6.42 ± 1.82 for HD95. The best lungs model produces better metrics, that is 0.964 ± 0.025 > 0.956 ± 0,019 and 4,72 ± 0,21 < 6.71 ± 3,91. By comparing with team virginia's results, the best heart model produces better results that is 0.932 ± 0.016 > 0.925 ± 0.015 and 4.00 ± 0.25 < 6.57 ± 1.50. Meanwhile the best ESP model produces comparable results that is 0.815 ± 0.049 = 0,810 ± 0,069 and 4,68 ± 0,17 < 8,71 ± 10,59. The results of this study suggests that there is a certain combination of patch size, batch, and weight class by which enables smaller patch sized model to produce comparable metric's result produced by larger patch sized model thus decreasing the need to use higher specificationed and expensive computer."

"Pemeriksaan CT scan kepala sudah menjadi pemeriksaan rutin untuk kasus sakit kepala. Namun informasi dosis radiasi pemeriksaan CT scan kepala belum banyak diketahui. Informasi akan dosis ini sangatlah penting karena adanya organ yang sensitif terhadap radiasi seperti kelenjar thyroid, kelenjar air ludah, lensa mata dan otak kepala. Untuk mengetahui estimasi nilai dosis di organ kepala tersebut digunakan software ImPACT CT patient Dosimetry Calculator yang mengunakan nilai nCTDIw yang diperoleh dari hasil pengukuran menggunakan detektor bilik ionisasi pensil berukuran 100 mm dengan obyek phantom CTDI berukuran 160 mm sebagai salah satu faktor penghitungan. Dari 15 pasien diestimasi dosis ekivalen untuk dosis ekivalen thyroid 0.072 mSv - 0.33 mSv, Kelenjar air ludah berkisar 0.66 mSv - 0.8 mSv, otak kepala 0.66 mSv -0.8 mSv, Sedang untuk lensa mata dinyatakan dalam dosis organ karena alasan deterministik kemungkinan terjadinya katarak pada lensa mata karena radiasi, yakni sebesar 75 mGy - 91 mGy, serta total dosis efektif 3 mSv - 3.7 mSv, pada parameter uji 120 kV 300 mAs. Besar nilai dosis dipengaruhi oleh mAs, panjang scan dan pitch, sehingga proteksi radiasi terhadap organ thyroid harus dilakukan.

---

Head CT scan has become a rutin procedure to rule out headache symptoms, but dose radiation influences is yet to be known . Information dose of head CT scan is very important because there are organ at risk such thyroid, saliva glands,brain and eye lens. Using nCTDIw values obtained from the measurement of 100 mm pencil ionization chamber on 16 cm CTDI phantom, combined with 15 patient data obtained from DICOM data patient, and estimated dose using imPACT CT patient dose calculator, estimated equivalent dose are, for thyroid 0.072 mSv - 0.33 mSv, saliva glands 0.66 mSv - 0.8 mSv, brain 0.66 mSv-0.8 mSv and the eye lens are mention in organ dose because of deterministic reason of cataract formation rather than for effective dose calculation are 75 mGy - 91 mGy and estimated total dose effective are 3 mSv - 3.71 mSv at 120 kV 300mAs. The dose value is influenced by mAs, lenght of scan and pitch, for futher attention of radiation protection for thyroid gland area must be done."

"Tujuan penelitian ini adalah melakukan studi awal guna memprediksi nilai kerma udara dan half value layer (HVL) pesawat CT scan berdasarkan citra fantom homogen. Penelitian ini dilakukan dengan menggunakan citra homogen dari fantom standar CT scan yang dilakukan ekstraksi fitur GLCM (Gray Level Co-occurence Matrix), dengan data tambahan berupa nilai kVp pengambilan citra. Sebagai label output adalah hasil pengukuran kerma udara dan HVL. Model yang digunakan berbasis artificial neural network, dengan hyperparameter ditentukan berdasarkan teknik hyperparameter tuning dengan menggunakan Teknik Gridsearch. Pencarian hyperparameter berupa fungsi aktivasi, jumlah hidden layer, jumlah hidden unit, kernel initializer, dan optimizer dilakukan dengan Analisa performa hasil. Kualitas performa klasifikasi model artificial neural network menggunakan confusion matrix menunjukkan akurasi sebesar 84,4% pada model yang dilatih menggunakan input fitur GLCM, sedangkan pada model artificial neural network yang menggunakan input fitur GLCM dan kVp menunjukkan akurasi sebesar 100%. Hasil ini menunjukkan bahwa fitur GLCM mampu menghasilkan akurasi yang baik untuk melakukan prediksi kerma udara dan HVL. Namun, jika disertai dengan fitur kVp sebagai input, maka proses training akan menghasilkan akurasi yang sangat baik, dengan gejala dominasi fitur kVp terhadap fitur GLCM.

---

The goals of this research is to do preliminary study to predict air kerma and half value layer (HVL) of CT scan base on phantom image which has homogeneous characteristic. This research starts with GLCM (Gray Level Co-occurence Matrix) feature extraction process from the phantom image, the kVp value also extracted from the phantom image dicom information. While the target during training is air kerma and HVL measurement resulted from the dosimeter and solid state device. Machine learning model used for this research is artificial neural network (ANN) base Machine Learning model. However, the hyperparameter have not yet been found. Thus, this problem could be solved by using Hyperparameter tuning technique, specifically using Gridsearch with variety of activation function, hidden layers, hidden units, kernel initializer, and optimizer as the parameter guideline. The performance of classification model is measured using confusion matrix technique. The classification performance show that the model which trained using GLCM feature only has 84.4% accuracy to predict air kerma and HVL. While, the classification performance show that the model which trained using GLCM feature and kVp that extracted from the dicom information has 100% accuracy to predict air kerma and HVL. Although, the model that train using GLCM feature and kVp can predict much better than the model which trained using GLCM feature only, it shows that GLCM feature is dominated by kVp feature that extracted from the dicom information."