Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan dari penelitian ini adalah untuk menunjukkan visibilitas metode line profile sebagai metode evaluasi kuantitatif citra computed radography toraks pasien pediatrik. Sampel berupa 36 citra toraks pediatrik yang terdiri dari 26 citra toraks normal dan 10 citra toraks abnormal, diperoleh dengan menggunakan sistem CR. Line profile dibuat dengan menggunakan perangkat lunak imageJ dan dikuantisasi menggunakan fortran 90. Setiap line profile diberi enam perlakuan (metode) yang berbeda, yakni tanpa modifikasi nilai piksel (metode I), modifikasi nilai piksel menjadi kontras region of interest (ROI) tulang (metode II), modifikasi nilai piksel menjadi kontras ROI toraks (metode III), normalisasi rentang nilai piksel (metode IV), normalisasi rentang nilai piksel dan modifikasi kontras ROI tulang (metode V), serta normalisasi rentang nilai piksel dan modifikasi kontras ROI toraks (metode VI). Verifikasi metode dilakukan dengan menggunakan coefficient of variation (CoV). Metode terbaik dipilih dan digunakan sebagai acuan line profile normal yang akan dibandingkan dengan line profile citra abnormal. Untuk membandingkan secara kuantitatif line profile normal dan abnormal, diskrepansi (δ) digunakan sebagai parameter. Hasil penelitian menunjukkan bahwa metode line profile dengan menggunakan normalisasi rentang nilai piksel adalah metode yang memiliki fisibilitas untuk membedakan citra normal dan abnormal. Dari metode ini, kelainan dengan δ terkecil adalah bronchitis dan δ terbesar adalah effusion. Penelitian lanjutan diperlukan untuk meningkatkan fisibilitas metode ini untuk kasus abnormalitas lain.

---

This study was aimed to demonstrate the feasibility of line profile method in quantitatively evaluating paediatric chest images acquired using computed radiography (CR). A sample of 36 paediatric chest images, which is 26 normal chest images and 10 abnormal chest images, were obtained using a CR system and were evaluated quantitatively using line profile. The method involves the use of imageJ software for profile setting and fortran 90 for quantifying the results. Each line profiles were subjected using six different quantization methods. These methods are pixel value without any modification (method I), pixel value modification with contrast of bone region of interest (ROI) (method II), pixel value modification with contrast of thorax ROI (method III), filtering pixel value range (method IV), filtering pixel value range with modification using bone ROI contrast (method V), as well as filtering pixel value range with modification using thorax ROI contrast (method VI). Methods were compared by means of their coefficient of variation (CoV). The best method for normal images was selected and was used to serve as baseline in distinguishing abnormal images. To quantitatively compare normal and abnormal line profile, discrepancy (δ) with the baseline set was used as parameter. Result shows that line profile method with pixel value range filtering method (method IV) was able to distinguish abnormal images. From this set of method, the abnormalities with the smallest δ and the greatest δ was bronchitis and effusion. More thorough studies are required to confirm and improve the feasibility of this method."

"Penelitian ini mengembangkan Uji Korelasi Computer Aided Diagnosis CAD radiografi paru anak dengan menggunakan metode segmentasi Markov Random Field MRF untuk membantu mendeteksi abnormalitas paru dengan kecenderungan infeksi. Metode MRF mencari abnormalitas berdasarkan nilai piksel citra. Metode MRF dikerjakan dengan empat variasi yaitu MRF tanpa filter, median filter MRF, wiener filter MRF dan adapthisteq MRF. ROC hasil segmentasi wiener filter relatif lebih tinggi dari tanpa filter. Hasil ROC wiener filter menunjukkan nilai akurasi akurasi akurasi 81,4 , sensitivitas 82,0 , spesifitas 80,0 , presisi 91,1 dan overall error 18,6 . Sedangkan ROC untuk tanpa filter maupun filter yang lain menunjukkan lebih rendah dari nilai ROC wiener filter. Namun perbedaan ROC untuk setiap jenis tingkat keberhasilan tidak lebih dari 5 , artinya keempat metode MRF masih dapat diimplementasikan. Nilai piksel paru abnormal dengan metode MRF tanpa filter, median filter MRF, dan adapthisteq MRF sama yaitu 205-255. Nilai piksel paru abnormal dengan metode wiener filter MRF yaitu 197-255. Citra paru belum dapat menentukan secara definitif penyakit infeksi paru pada anak.

---

This study developed a correlation test Computer Aided Diagnosis CAD radiographic of children pulmonary using segmentation Markov Random Field MRF method to detect lung abnormalities with infection trends. MRF method searched abnormalities by value of the image pixel. MRF method used four variations, namely MRF without a filter, median filter MRF, wiener filter MRF, and adapthisteq MRF. ROC segmentation results wiener filter is relatively higher than without a filter. ROC wiener filter results show the value of accuracy 81.4 , sensitivity 82.0 , specificity 80.0 , precision 91.1 and overall error of 18.6 . While the ROC for unfiltered and filter others show lower than the value of ROC wiener filter. However, differences in ROC for any kind of success rate is not more than 5 , meaning that all four methods MRF can still be implemented. Abnormal lung pixel value with MRF method without filter, median filter MRF, and adapthisteq MRF same namely 205 255. Abnormal lung pixel values by the method of wiener filter MRF is 197 255. Radiographic of children pulmonary can not definitively determine lung infections in children."