Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker payudara adalah salah satu penyebab kematian terbesar diantara penderita kanker wanita di seluruh dunia. Berbagai metode mulai dari bedah, kemoterapi, sampai radioterapi dikembangkan untuk meningkatkan tingkat kesembuhan dan menaikan angka harapan hidup pasien. IMRT adalah salah satu cara pemberian dosis radiasi yang efektif dan sudah luas digunakan. IMRT memungkinkan dosis radiasi dibagi menjadi fraksi- fraksi yang kemudian di berikan dari berbagai arah dan sisi. Cara ini dapat meminimalisir paparan radiasi pengion ke jaringan sehat sementara di waktu yang bersamaan memberikan dosis yang semaksimal mungkin ke jaringan tumor. Dibutuhkan pengukuran dosis yang akurat agar fungsi ini berjalan. Ada beberapa algoritma kalkulasi dosis yang dikembangkan, diantaranya AAA dan AXB. Pada penelitian ini, perbedaan output dari kedua algoritma kalulasi dosis akan dikaji. Evaluasi pada bagian OAR dilakukan dengan membandingkan perbedaan dosis rata-rata antar algoritma. Sementara evaluasi PTV dilakukan dengan membandingkan Homogeneity Index.

---

Breast cancer is one of the leading causes of death among women with cancer worldwide. Various methods ranging from surgery, chemotherapy, to radiotherapy were developed to increase the cure rate and increase the patient's life expectancy. IMRT is an effective and widely used method of administering radiation dosing. IMRT allows the radiation dose to be divided into fractions which are then delivered from different directions and sides. This method minimizes exposure to ionizing radiation to healthy tissue while at the same time delivering the maximum possible dose to tumor tissue. An accurate dose measurement is required to achieve this objectives. There are several dose calculation algorithms developed, including AAA and AXB. In this study, the different outputs of the two dose calculation algorithms will be studied. Evaluation in the OAR section is done by comparing the difference in the average dose between algorithms. While the PTV evaluation was carried out by comparing the Homogeneity Index."

"Penjaminan mutu dalam radioterapi adalah proses yang penting agar penggunaan radiasi memberikan manfaat yang maksimal. Saat ini sedang berkembang implementasi machine learning (ML) dalam proses penjaminan mutu treatment planning. Pada penelitian ini, 34 treatment plan intensity-modulated radiation therapy (IMRT) optimal dan 10 treatment plan IMRT suboptimal dari Rumah Sakit Siloam MRCCC Semanggi digunakan dalam pemelajaran model ML berjenis autoencoder untuk pendeteksian anomali yang dikembangkan menggunakan PyTorch. Terdapat empat tahap dalam penelitian ini yaitu tahap persiapan, tahap pengembangan, tahap validasi, dan tahap evaluasi. Pada tahap pengembangan, data mentah disiapkan agar siap digunakan untuk pemelajaran model. Pada tahap pengembangan, model dibuat menggunakan PyTorch dan dilakukan optimisasi hyperparameter. Akurasi hasil pemelajaran model akan dianalisis pada tahap validasi. Terakhir, pada tahap evaluasi, kemampuan model dievaluasi dengan melakukan uji statistik Mann-Whitney U test pada parameter dose-volume histogram (DVH), fitur radiomics, dan metrik DVH (conformity index dan homogeneity index). Model menggunakan 161 fitur radiomics dengan konfigurasi paling optimal adalah epochs sebanyak 1.250 iterasi, konfigurasi hidden layers 150-50-17, dan learning rate sebesar 0,2. Hasilnya menunjukkan akurasi sebesar 30% dengan 7% fitur radiomics, 50% parameter DVH, dan homogeneity index berbeda secara signifikan. Setelah dilakukan pembersihan yaitu membuang data dengan nilai conformity index di bawah satu, didapat akurasi sebesar 17% dengan 12% fitur radiomics, 45% parameter DVH, dan kedua metrik DVH berbeda secara signifikan. Jika hanya digunakan fitur radiomics yang berbeda secara signifikan, didapat akurasi naik menjadi 90%. Dari hasil ini, disimpulkan bahwa fitur radiomics kurang mampu mengkarakterisasi kualitas treatment plan. Selain itu, segmentasi planning target volume (PTV) beserta kelompok fitur radiomics firstorder adalah pembeda utama antara treatment plan optimal dengan suboptimal.

---

Quality assurance in radiotherapy is an important process so that the use of radiation provides maximum benefits. Currently, the implementation of machine learning in the quality assurance of treatment planning is growing. In this study, 34 optimal intensity- modulated radiation therapy (IMRT) treatment plans and 10 suboptimal IMRT treatment plans obtained from Siloam MRCCC Semanggi Hospital were used to train a machine

learning model called autoencoder for anomaly detection developed using PyTorch. There were four stages in this study, namely the preparation stage, development stage, validation stage, and evaluation stage. At the development stage, the raw data was

prepared so that it is ready to be used for training. At the development stage, the model was developed and a hyperparameter optimization was performed. The accuracy of the

model was analyzed at the validation stage. Finally, at the evaluation stage, the model performance was evaluated by performing Mann-Whitney U test on dose volume histogram (DVH) parameters, radiomics features, and DVH metrics (conformity index and homogeneity index). The model used 161 radiomics features with an epochs of 1,250 iterations, 150-50-17 hidden layers configuration, and a learning rate of 0.2 being the most optimal configuration. The results showed an accuracy of 30% with 7% of radiomics

features, 50% of DVH parameters, and the homogeneity index being different

significantly. After refinement, that is removing data with conformity index below one, the accuracy became 17% with 12% of radiomics features, 45% of DVH parameters, and both DVH metrics being different significantly. If the radiomics features used are those

that were significantly different, the accuracy increased to 90%. From these results, it can be concluded that the radiomics features are unable to characterize the quality of the

treatment plan. In addition, planning target volume (PTV) segment along with the firstorder radiomics feature group is the main differentiator between optimal and suboptimal treatment plans. "

"ABSTRAKPenelitian yang telah dilakukan ini bertujuan untuk mengevaluasi dan menganalisis kesesuaian dosis teknik IMRT dan VMAT antara distribusi dosis pada TPS dengan distribusi dosis yang terukur oleh dosimeter film gafchromic EBT2, MatriXXEvolution dan EPID pada kasus kanker KNF, paru dan prostat. Percobaan dilakukan menggunakan Pesawat Linac Varian Rapid Arc dengan TPS Eclips yang dimiliki oleh Rumah Sakit MRCCC SHS. Pengolahan data dari ketiga dosimeter tersebut menggunakan software MATLAB, Omni Pro IMRT dan portal dosimetry. Untuk perbandingan dilakukan analisis data sekunder yang telah dilakukan oleh pihak RS MRCCC SHS. Hasil penelitian menunjukkan indeks gamma rata-rata data sekunder pasien masih dalam toleransi dengan nilai >90%. Hasil pengukuran menggunakan film EBT2, MatriXXEvolution dan EPID dengan kriteria gamma 3% / 3mm pada kasus kanker KNF, paru dan prostat menunjukan bahwa indeks gamma yang diperoleh melewati batas toleransi yang diizinkan yaitu lebih dari 90%. Selisih indeks gamma antara dosimetri film gafchromic, MatriXXEvolution dan EPID pada teknik VMAT dan IMRT tidak terlalu jauh, dengan rentang 0,01 – 5,36%. Perbedaan indeks gamma menunjukkan bahwa direkomendasikan pengukuran menggunakan detektor MatriXXEvolution daripada menggunakan film dosimetri EBT2 dan EPID. Selisih persentase rata-rata indek gamma pada teknik IMRT dan VMAT berada pada rentang 0,02 – 5,31%. Selisih antara hasil pengukuran dan data sekunder menggunakan MatriXXEvolution dengan hasil penelitian Miura et al. diperoleh dengan rentang 0 – 6%. Data penelitian ini sangat mendukung penelitian yang telah dilakukan sebelumnya oleh Hussein et al., (2013), Nalbant et al., (2014), Elawady et al, (2014), Pham (2013), Miura et al., (2014).

---

ABSTRACTThe purpose of this research was to evaluate and analyze the compatibility dose IMRT and VMAT technique between the dose distribution in the TPS and the dose distributions which measured by the film dosimeter gafchromic EBT2, MatriXXEvolution and EPID in the case of KNF cancer, lung and prostat. The experiments were done by using Varian linac Plane Rapid Arc with TPS Eclips owned by the MRCCC Siloam Hospital Semanggi. The data processed of the three dosimeters were using MATLAB software, Omni Pro IMRT and Dosimetry portal. For the comparative analysis of secondary data has been made by MRCCC SHS. The results showed an average gamma index of secondary data patients within tolerances with values > 90%. The measurement results EBT2 film, MatriXXEvolution and EPID of using criteria gamma 3% / 3mm in the case of NPC cancer, lung and prostate indicates that the gamma index gained over the limit allowed tolerance of more than 90%. Gamma index difference between the film dosimetry gafchromic, MatriXXEvolution and EPID on VMAT and IMRT techniques are not too far away, with a range of 0.01 to 5.36%. Differences show that the gamma index measurement using a MatriXXEvolution better than using EBT dosimetry film 2 and EPID. The difference in the average percentage of gamma index on IMRT and VMAT technique to be in the range of 0.02 to 5.31%. The difference between the measurement results and secondary data using MatriXXEvolution and the results Miura et al. Measurement in the range of 0-6%. Data from this study strongly support previous research by Hussein et al., (2013), Nalbant et al., (2014), Elawady et al, (2014), Pham (2013), Miura et al., (2014)"