Hasil Pencarian  ::  Simpan CSV :: Kembali

"Lingkar kepala janin merupakan salah satu biometrik paling penting dalam pemeriksaan perkembangan janin dengan menggunakan alat USG. Akan tetapi, pengukuran terhadap kepala janin bukanlah pekerjaan yang mudah. Penelitian ini bertujuan untuk membuat sistem pengukuran kepala janin otomatis. Sistem ini diharapkan dapat berjalan pada perangkat mobile sebagai bagian dari sistem telehealth. Pengukuran kepala janin pada penelitian ini dilakukan dengan metode object detection, dilanjutkan dengan Canny edge detection, lalu untuk piksel pada citra edge kemudian diproses pada tahap ellipse fitting. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan f1-score untuk metode object detection, dan error rate untuk ellipse fitting. Dari setiap metode yang dilakukan uji coba, hasil evaluasi menunjukan bahwa metode Adaptive Boosting dan ElliFit memiliki performa yang paling baik. Metode ini juga memiliki waktu eksekusi yang relatif cepat untuk sebuah perangkat mobile, yaitu 3-5 detik.

---

Fetal head circumference (HC) is one of the most important biometrics in assessing fetal growth during prenatal ultrasound examinations. However, measuring the fetal head is not an easy task. This study aims to create an automatic fetal head measurement system. This system is expected to run on mobile devices as part of telehealth system. HC measurement can be done with object detection method, followed by Canny edge detection, then for every edge pixels, fetal head can be approximated using ellipse fitting. Evaluations are carried out using accuracy, precision, recall, and f1-score metrics for object detection methods, and error rates for ellipse fitting. From each method that was tested, the evaluation result showed that the Adaptive Boosting and ElliFit method had the best performance. This method also had a relatively fast execution time for a mobile device, which is 3-5 seconds."

"Pemantauan keadaan dan kesehatan janin selama kehamilan sangat penting untuk mendeteksi komplikasi dan mengurangi angka bayi lahir mati. Fetal elektrokardiogram (FEKG) dapat digunakan untuk memonitor aktivitas jantung janin. Namun, pengembangan aplikasi FEKG yang memvisualisasikan dan menginterpretasikan data masih terbatas. Penelitian ini mengembangkan aplikasi FEKG berbasis Bluetooth menggunakan MIT App Inventor. Aplikasi FECG_App berhasil dikembangkan untuk telepon genggam Android versi 11 ke atas. Simulator FEKG menggunakan mikrokontroler ESP32 untuk mengirim data melalui Bluetooth. Aplikasi ini memiliki jarak operasional maksimal 10 meter dengan error pemetaan sinyal FEKG rata-rata sebesar 1,85%. Pengembangan aplikasi ini dapat membantu tenaga medis dan ibu hamil dalam memonitor pertumbuhan janin secara mudah

---

Monitoring the condition and health of the fetus during pregnancy is crucial for detecting complications and reducing stillbirth rates. Fetal electrocardiogram (FECG) can be used to monitor the fetal heart activity. However, the development of FECG applications that visualize and interpret data is still limited. This study focuses on developing a Bluetooth-based FECG application using MIT App Inventor. The FECG_App was successfully developed for Android mobile phones version 11 and newer. The FECG simulator uses an ESP32 microcontroller to transmit data via Bluetooth. The application has a maximum operational range of 10 meters with an average FEKG signal mapping error of 1.85%. This application's development can assist healthcare professionals and expectant mothers in easily monitoring fetal growth."

"Latar Belakang: World Health Organization melaporkan sebanyak 11 kematian anak dibawah lima tahun terjadi karena komplikasi intapartum termasuk keadaan asfiksia intrapartum. Hipoksia/asidemia fetal intrapartum berpotensi menyebabkan berbagai morbiditas baik jangka pendek seperti hypoxic-ischemic ensephalopathy maupun jangka panjang seperti cerberal palsy. FIGO mengatakan bahwa pH dibawah 7,2 adalah keadaan asidemia. Onset kerusakan otak yang terjadi saat asidemia dapat berjalan dengan cepat sehingga dibutuhkan pemantauan dini. Pola denyut jantung fetus yang abnormal berkaitan dengan 2,86 kali risiko asidemia dibanding pola CTG yang normal.Tujuan: Mencari hubungan antara katagori CTG dan pola CTG dengan kejadian asidemia janin, sehingga dapat memprediksi keluaran janin dan tatalaksana kehamilan selanjutnya.Metode: Penelitian ini menggunakan desain cohort retrospektif, menggunakan data rekam medis pasien persalinan dengan diagnosis gawat janin di RSCM pada Januari 2016-Desember 2017, yang kemudian dibagi menjadi dua kelompok yaitu kelompok CTG mencurigakan dan patologis dengan kejadian asidemia janin atau tidak. Kemudian dilakukan analisis statistik untuk menilai hubungan antara gambaran kardiotokografi dengan kejadian asidemia.Hasil: Terdapat 32 (30,8%) subjek dari 104 subjek dengan CTG mencurigakan dan terdapat 40 (40%) subjek dari 100 subjek dengan CTG patologis mengalami asidemia. Tidak didapatkan hubungan bermakna secara statistik kejadian asidemia antara kelompok CTG dengan kejadian asidemia janin (p=0.168; 95% CI 0.529-1.119). Asidemia janin terjadi pada 36,8% pada kelompok dengan pola CTG reduced variability, 38,5% pada absent variability, 20% pada tachycardia, 25% pada late deceleration, 58,3% pada late deceleration and reduced variability, 30,8% pada variable deceleration, 50% pada variable deceleration and reduced variability dengan semua hamil uji statistic menunjukan nilai p>0,05. Tidak terdapat pola CTG yang berhubungan yang bermakna dengan kejadian asidemia janin. Nilai pH pada penelitian ini memiliki median 7.24 dan nilai median pH pada kasus asidemia adalah 7.082. Kesimpulan: Penelitian ini menunjukkan bahwa tidak terdapat hubungan antara katagori CTG dengan kejadian asidemia janin, namun didapatkan trend bahwa CTG patologis lebih sering mengalami asidemia. Tidak terdapat hubungan antara pola CTG dengan kejadian asidemia janin, namun pola CTG late deceleration and reduced variability cenderung lebih sering mengalami asidemia janin.

---

Introduction: WHO stated that there were 11 of infant mortality rate due to intrapartum complication including asphyxia. Intrapartum fetal hypoxia or acidemia causes short and long-term morbidity such as hypoxic ischemic encephalopathy and cerebral palsy. FIGO concluded that pH level under 7.2 was academic condition. Onset of brain dysfunction occurred rapidly; early monitoring is needed. Abnormal fetal heart rate is related with 2.86 times of academic risk compared with normal CTG pattern.Aims: Determine the relation between CTG category and pattern to intrapartum fetal acidemia so that we can predict fetal outcome and further pregnancy treatment.Methods: This cohort retrospective study design conducted through medical records in RSCM from January 2016-December 2017. All delivery patients with fetal distress diagnosis consisted of two groups including suspicious and pathological CTG group corresponding to fetal academic. Statistical analysis determine the relationship between cardiotocography and acidemia incidence.Results: There were 32 subjects (30.8%) from 104 subjects with suspicious CTG, and 40 subjects (40%) from 100 subjects with pathological CTG having acidemia. There was no significant relationship statistically with acidemia incidence between CTG category and fetal acidemia (p=0.168; 95% CI 0.529-1.119). Fetal acidemia was 36.8%, 38.5%, 20%, 25%, 58.3%, 30.8%, 50% in reduced variability, absent variability, tachycardia, late deceleration, late deceleration and reduced variability, variable deceleration, and variable deceleration and reduced variability CTG group; respectively, with statistical test results all p value >0.05. There was no relationship between CTG pattern and fetal acidemia. The pH value in this study had 7.24 for median with median pH in this acidemia case was 7.082. Conclusion: There is no relationship between CTG category and fetal acidemia; however, pathological CTG was more often in acidemia cases. There was no relationship between CTG pattern and fetal acidemia incidence; however, late deceleration and reduced variability CTG pattern tends to more often in fetal acidemia. "

"Aktivitas jantung janin atau Fetal Electrocardiogram (FECG) dapat digunakan untuk mendeteksi potensi kelainan pada jantung janin. Perekaman FECG dilakukan dengan menggunakan Elektrokardiogram (EKG) pada perut ibu hamil. Namun hasil yang didapat tidak serta merta memberikan nilai detak jantung janin per menit, karena terdapat berbagai macam suara bising yang mengganggu pembacaan FECG. Sinyal noise tersebut didapat dari keberadaan Maternal ECG (MECG) yang mendominasi pembacaan, pergerakan rahim, dan lain sebagainya. Sehingga dibutuhkan dokter ahli dalam pembacaan manual hasil EKG perut yang memperlambat proses diagnosis. Oleh karena itu, diperlukan suatu metode untuk memisahkan FECG dengan Maternal Electrocardiogram (MECG). Tujuan dari penelitian ini adalah untuk merancang metode baru menggunakan Fast Fourier Transform dan Filter Moving Average kemudian membandingkan hasilnya dengan metode yang sudah ada untuk memisahkan FECG dari MECG. Cara validasi yang dilakukan adalah membandingkan FHR yang didapat dari kedua metode (Metonia et al. (2020) dan Fast Fourier Transform dan Filter Moving Average) dengan nilai yang sudah divalidasi oleh dokter. Hasil yang didapat adalah pada data Ibu Hamil, Mean Average Error (MAE) menggunakan metode Moving Average dan FFT Filter bernilai 0,727 yang lebih kecil dibandingkan metode Metonia et al., (2020) yang bernilai 1,939. Pada data Ibu Melahirkan, Mean Average Error (MAE) menggunakan metode Moving Average dan FFT Filter bernilai -0,5490 yang lebih kecil dibandingkan metode Metonia et al., (2020) yang bernilai -0,3275.

---

Fetal heart activity or Fetal Electrocardiogram (FECG) can be used to detect potential abnormalities in the fetal heart. FECG recording is done using an Electrocardiogram (ECG) on the abdominal of pregnant women. However, the recording results obtained do not immediately provide a value for the fetal heart rate per minute, because there are various kinds of noise that interfere with the reading of the FECG. The noise signal is obtained from the presence of the Maternal ECG (MECG) which dominates the reading, the movement of the uterus, and so on. So that an expert doctor is needed in manual reading of the Abdominal ECG results which slows down the diagnosis process. Therefore, it is necessary to have a method for separating FECG with Maternal Electrocardiogram (MECG). The purpose of this research is to design a new method using Fast Fourier Transform and Moving Average Filter then compare the results with the current available method to separate FECG from MECG. The results obtained are the data for pregnant women, the Mean Average Error (MAE) using the Moving Average and FFT Filter methods, is 0.727 which is smaller than the Metonia et al., (2020) method which is 1.939. In Maternal data, the Mean Average Error (MAE) using the Moving Average and FFT Filter methods is -0.5490 which is smaller than the Metonia et al., (2020) method which is -0.3275."

"Fetal Heart Ultrasound, now in its second edition, has been written as a practical guide for the ultrasound examination of the fetal heart. The fetal heart is considered to be the most important and difficult part of a fetal examination. This book aims not only to clarify and simplify the approach to this examination, but also to define what a normal fetal heart should be, and underline just why this organ remains one of the best warning signs for fetal pathology. It will be useful to trainee and practicing ultrasonographers, ultrasound departments providing obstetric ultrasound services, and obstetricians, gynecologists, radiologists and midwives undertaking course in fetal ultrasonography."

"Alat Ultrasonografi (USG) merupakan alat yang paling sering digunakan untuk melakukan pemeriksaan janin dalam kandungan. Hal ini dikarenakan selain mampu memberikan gambaran terhadap keadaan janin dengan baik, alat ini bebas dari radiasi ionisasi sehingga tergolong aman. Penelitian ini bertujuan untuk mengembangkan metode yang mampu melakukan proses deteksi dan pengukuran biometri janin secara otomatis khususnya biometri kepala janin. Adapun biometri tersebut adalah head circumference (HC) dan biparietal diameter (BPD) yang merupakan salah satu parameter yang sering digunakan oleh dokter untuk mengetahui umur serta pertumbuhan janin dalam kandungan. Kedua biometri ini dapat diukur dengan melakukan aproksimasi terhadap bentuk elips. Untuk melakukan proses ini maka diperlukan tahapan dimulai dengan melakukan segmentasi citra dengan teknik thresholding. Selanjutnya dilakukan proses deteksi menggunakan metode Particle Swarm Optimization (PSO) dengan memanfaatkan fitness function yang diperoleh dari hasil vote menggunakan metode Randomized Hough Transform (RHT). Hasil pengukuran oleh sistem dibandingkan dengan hasil pengukuran secara manual oleh pakar. Uji coba juga dilakukan terhadap data sintetis dengan density noise 0,1 hingga 0,7. Dari hasil eksperimen diperoleh bahwa metode yang dikembangkan lebih baik daripada metode RHT, IRHT dan mEPSOHT untuk melakukan deteksi elips pada citra tersebut. Hasil eksperimen terhadap data sebenarnya yaitu USG 2D kepala janin diperoleh hasil rata-rata nilai hit dari metode yang dikembangkan lebih tinggi daripada metode lainnya namun hasil interrun dan interobserver variation tidak lebih baik dari metode lainnya. Hal ini dikarenakan metode yang dikembangkan lebih cenderung untuk terjebak pada local best dan tidak selalu tepat untuk melakukan deteksi pada citra kepala janin.

---

The application in ultrasonography (USG) is a tool that most often used to examine fetus in the womb. At this study will perform image processing on biomedical images especially for fetus in the womb using two dimensional ultrasound device (USG 2D).

The aim of this study is to develop a system that is capable to perform detection and measurement of fetal biometry automatically. The biometric used in this research consists of head circumference (HC) and biparietal diameter (BPD) analysis. BPD and HC are parameters which are often used by doctors to determine the state of the fetus in the womb. Both biometric parameters can be measured by performing an approximation of the elliptical shape. To do this process, it is necessary to start from segmentation images by thresholding techniques. After preprocessing is completed then the next stage of the detection process is carried out by using Particle Swarm Optimization (PSO). PSO fitness function is obtained from voting in Randomized Hough Transform (RHT) method.

The measurement results by proposed method are then compared with the results obtained manually by experts. A trial has also been conducted on the synthetic data with noise density 0.1 to 0.7. Experiment results show that the proposed method is better than the other methods e.g. RHT, mEPSOHT and IRHT in detecting ellipse. Further trials have been conducted on actual data i.e. 2D ultrasound fetal head data.

From the experiement we have found that the average hit value of our proposed method is higher than other methods. However, the results of interrun and interobserver variation are not better than others. This is because our developed method is more likely to be trapped in local best and doest not always correctly detect ellipse of the fetal head images."

"Prematuritas merupakan salah satu factor dari kematian bayi. Resiko yang mungkin terjadi akibat prematuritas adalah bradikardia dan takikardia, dimana terjadi kelainan pada frekuensi denyut jantung, oleh karena itu diperlukan pemantauan denyut jantung secara real time. Pada skripsi ini akan dibahas penelitian dalam membangun perangkat pemantau denyut jantung secara real time dan kontinu dengan memanfaatkan stetoskop. Perangkat ini tersusun atas stetoskop, mikrofon kondenser elektret, rangkaian pengkondisi sinyal, dan mikrokontroler Arduino UNO. Pengujian perangkat dilakukan dengan memasang stetoskop baik pada dada maupun punggung subjek untuk menangkap sinyal denyut jantung. Setelah itu, sinyal denyut jantung dikirim ke mikrofon elektret yang dilengkapi rangkaian pre-amplifier dengan penguatan sebesar 100 kali. Sinyal detak jantung yang masih terdapat noise selanjutnya diproses oleh pengkondisi sinyal yang terdiri dari buffer, filter frekuensi cut-off sebesar 0,48Hz dan 1,59Hz dan amplifier. Sinyal denyut jantung yang keluar dari rangkaian pengkondisi sinyal diproses dengan mikrokontroler Arduino UNO R3 dan ditampilkan pada LCD dalam beat per minute BPM.

---

Prematurity is one of the factors of infant mortality. Risks that may occur due to prematurity are bradycardia and tachycardia, where there are abnormalities in the frequency of heart rate. Therefore it is necessary to monitor the heartbeat in real time. In this research is discussed about building a heart rate monitoring device in real time and continuous by utilizing stethoscope. This device is composed of stethoscope, electro condenser microphone, signal conditioning circuit, and Arduino UNO microcontroller.

The experiment is done by installing a stethoscope both on the subject 39 s chest and back to capture the heartbeat signal. After that, the heartbeat signal is sent to an electro microphone equipped with a pre amplifier circuit with a gain of 100 times. The remaining heartbeat signal is then processed by signal conditioners consisting of buffers, filters cut off frequencies of 0.48Hz and 1.59Hz and amplifiers. The heartbeat signal coming out of the signal conditioning circuit is processed by Arduino UNO R3 microcontroller and displayed on the LCD in beat per minute BPM."

"Penerapan teknik remote Photoplethysmography (rPPG) dalam proses underwriting asuransi menawarkan pendekatan inovatif untuk penilaian risiko kesehatan calon nasabah. rPPG adalah metode non-invasif yang memungkinkan pengukuran parameter fisiologis, seperti detak jantung. Metode ini memanfaatkan kemampuan kamera video pada perangkat seluler untuk merekam perubahan warna kulit yang terkait dengan variasi volume pembuluh darah selama siklus detak jantung secara real-time. Pada tahap pengolahan sinyal, algoritma Plame Orthogonal to Skin digunakan untuk menganalisis sinyal rPPG dari rekaman video, memastikan akurasi dan konsistensi hasil pengukuran detak jantung. Penelitian ini mengeksplorasi berbagai parameter eksperimen seperti durasi video yang digunakan, jarak antara kamera dengan subjek saat merekam video, serta proses partisi video menjadi 5 bagian untuk kemudian detak jantung ditentukan oleh partisi mana yang berpengaruh. Hasil terbaik diperoleh ketika jarak yang digunakan antara subjek dengan kamera adalah 30 cm, durasi video yang digunakan adalah 30 detik dan perhitungan detak jantung berdasarkan rata-rata perhitungan 3 partisi dari 5 partisi yang dihilangkan nilai tertinggi dan terendah dengan Mean Absolute Error (MAE) sebesar 5,765 bpm, Root Mean Squared Error (RMSE) sebesar 8 bpm, dan Mean Absolute Percentage Error (MAPE) sebesar 8%. Hasil penelitian diharapkan dapat memberikan kontribusi pada pengembangan metode underwriting yang lebih akurat dan efisien dalam industri asuransi.

---

The application of remote Photoplethysmography (rPPG) technique in the insurance underwriting process offers an innovative approach for assessing the health risks of prospective policyholders. rPPG is a non-invasive method that allows for the measurement of physiological parameters such as heart rate. This method leverages the capability of video cameras on mobile devices to record skin color changes associated with variations in blood vessel volume during the cardiac cycle in real-time. During the signal processing stage, the Plane Orthogonal to Skin algorithm is used to analyze the rPPG signal from the video recordings, ensuring the accuracy and consistency of heart rate measurements. This study explores various experimental parameters, such as the duration of the video used, the distance between the camera and the subject during recording, and the process of partitioning the video into five segments to determine which segments influence the heart rate measurement. The best results were obtained when the distance between the subject and the camera was 30 cm, the video duration was 30 seconds, and the heart rate calculation was based on the average of three partitions out of five, excluding the highest and lowest values, yielding a Mean Absolute Error (MAE) of 5.765 bpm, a Root Mean Squared Error (RMSE) of 8 bpm, and a Mean Absolute Percentage Error (MAPE) of 8%. The results of this research are expected to contribute to the development of more accurate and efficient underwriting methods in the insurance industry."

"Penerapan teknik remote Photoplethysmography (rPPG) dalam proses underwriting asuransi menawarkan pendekatan inovatif untuk penilaian risiko kesehatan calon nasabah. rPPG adalah metode non-invasif yang memungkinkan pengukuran parameter fisiologis, seperti detak jantung. Metode ini memanfaatkan kemampuan kamera video pada perangkat seluler untuk merekam perubahan warna kulit yang terkait dengan variasi volume pembuluh darah selama siklus detak jantung secara real-time. Pada tahap pengolahan sinyal, algoritma Plame Orthogonal to Skin digunakan untuk menganalisis sinyal rPPG dari rekaman video, memastikan akurasi dan konsistensi hasil pengukuran detak jantung. Penelitian ini mengeksplorasi berbagai parameter eksperimen seperti durasi video yang digunakan, jarak antara kamera dengan subjek saat merekam video, serta proses partisi video menjadi 5 bagian untuk kemudian detak jantung ditentukan oleh partisi mana yang berpengaruh. Hasil terbaik diperoleh ketika jarak yang digunakan antara subjek dengan kamera adalah 30 cm, durasi video yang digunakan adalah 30 detik dan perhitungan detak jantung berdasarkan rata-rata perhitungan 3 partisi dari 5 partisi yang dihilangkan nilai tertinggi dan terendah dengan Mean Absolute Error (MAE) sebesar 5,765 bpm, Root Mean Squared Error (RMSE) sebesar 8 bpm, dan Mean Absolute Percentage Error (MAPE) sebesar 8%. Hasil penelitian diharapkan dapat memberikan kontribusi pada pengembangan metode underwriting yang lebih akurat dan efisien dalam industri asuransi.

---

The application of remote Photoplethysmography (rPPG) technique in the insurance underwriting process offers an innovative approach for assessing the health risks of prospective policyholders. rPPG is a non-invasive method that allows for the measurement of physiological parameters such as heart rate. This method leverages the capability of video cameras on mobile devices to record skin color changes associated with variations in blood vessel volume during the cardiac cycle in real-time. During the signal processing stage, the Plane Orthogonal to Skin algorithm is used to analyze the rPPG signal from the video recordings, ensuring the accuracy and consistency of heart rate measurements. This study explores various experimental parameters, such as the duration of the video used, the distance between the camera and the subject during recording, and the process of partitioning the video into five segments to determine which segments influence the heart rate measurement. The best results were obtained when the distance between the subject and the camera was 30 cm, the video duration was 30 seconds, and the heart rate calculation was based on the average of three partitions out of five, excluding the highest and lowest values, yielding a Mean Absolute Error (MAE) of 5.765 bpm, a Root Mean Squared Error (RMSE) of 8 bpm, and a Mean Absolute Percentage Error (MAPE) of 8%. The results of this research are expected to contribute to the development of more accurate and efficient underwriting methods in the insurance industry."