Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mendapatkan kombinasi parameter eksposi optimum pada pemeriksaan sinar-x diagnostik menggunakan Computed Radiography (CR). Kombinasi faktor eksposi yang diuji berada dalam rentang 55 kVp-66 kVp dan 15 mAs-24 mAs untuk toraks, 81 kVp-102 kVp dan 8 mAs-20 mAs untuk abdomen, serta filter tambahan 0 mmAl, 1 mm Al + 0.1 mm Cu, 1 mm Al + 0.2 mm Cu, dan 2 mm Al. Figure of Merit (FOM) sebagai rasio antara kuadrat Signal Difference to Noise Ratio (SDNR) dan dosis dipilih sebagai parameter uji, dengan parameter kualitas citra tambahan berupa Modulation Transfer Function (MTF) dan Contrast Consistency (CV). Meskipun didapatkan kombinasi dengan FOM tertinggi, hasil penelitian menunjukkan bahwa FOM tidak dapat digunakan sebagai parameter optimisasi tunggal dan penggunaannya harus disertai parameter lain. Karenanya, diperlukan penelitian lanjutan sebelum metode ini dapat diterapkan secara klinis. ......This study aims to obtain an optimum combination of exposure parameters on diagnostic x-ray examinations using Computed Radiography (CR). The combination of exposure parameters tested were in the range of 55 kVp-66 kVp and 15 mAs-24 mAs for thorax, 81 kVp-102 kVp and 8 mAs-20 mAs for the abdomen, and additional filters 0 mmAl, 1 mm Al + 0.1 mm Cu, 1 mm Al + 0.2 mm Cu, and 2 mm Al. Figure of Merit (FOM) as a ratio between the squared Difference to Noise Ratio (SDNR) signal and the Entrance Surface Dose (ESD) was chosen as optimization parameter alongside with additional image quality parameters such as Modulation Transfer Function (MTF) and Contrast Consistency (CV). Although the combination with the highest FOM was obtained, the results showed that FOM cannot be used as a single optimization parameter and its use must be accompanied by other parameters. Therefore, further research is needed before this method can be applied clinically."

"Latar Belakang: Penerapan teknik image enhancement pada radiografi digital saat ini dilakukan berdasarkan preferensi subjektif pengamat. Pengaturan peningkatan citra dilakukan untuk memperjelas citra radiografi, antara lain dengan mengubah kecerahan dan kontras, sehingga memudahkan interpretasi dalam penanganan kasus. Tujuan: Untuk mengetahui toleransi nilai kecerahan dan kontras pada radiografi digital kasus periodontitis apikal dan abses apikal dini yang gambaran radiografinya sulit dibedakan. Metode: Menyesuaikan pengaturan peningkatan gambar dengan menyesuaikan nilai kecerahan dan kontras pada nilai +10, +15, -10, -15 yang akan diamati, diproses, dan dianalisis menggunakan perangkat lunak analisis data. Hasil: Kisaran nilai yang dapat ditoleransi dalam pengaturan peningkatan dan penurunan kecerahan dan kontras pada kasus periodontitis apikal dan abses apikal dini adalah di bawah +10 dan di bawah -10. Kesimpulan: Mengatur kecerahan dan kontras ke nilai di atas 10 untuk peningkatan dan penurunan dapat mengubah informasi diagnostik secara signifikan.......Background: The application of image enhancement techniques in digital radiography is currently carried out based on the subjective preference of the observer. Image enhancement settings are made to clarify the radiographic image, among others by changing the brightness and contrast, so as to facilitate interpretation in case management. Objective: To determine the tolerance for brightness and contrast values ​​on digital radiography of cases of apical periodontitis and early apical abscess whose radiographic features are difficult to distinguish. Method: Adjust the image enhancement settings by adjusting the brightness and contrast values ​​at +10, +15, -10, -15 values ​​to be observed, processed, and analyzed using data analysis software. Results: The range of tolerable values ​​in the setting of increasing and decreasing brightness and contrast in cases of apical periodontitis and early apical abscess was below +10 and below -10. Conclusion: Setting the brightness and contrast to values ​​above 10 for increase and decrease can significantly change the diagnostic information."

"Citra dari suatu objek homogen (citra homogen) umumnya digunakan untuk mengetahui kinerja detektor melalui uji uniformitas, dengan memeriksa setiap elemennya apakah berfungsi dengan baik atau tidak mengandung artefak yang dapat mengganggu visibilitas citra. Citra homogen pada pesawat radiografi digital dapat dianalisis dengan metode uji uniformitas, karakterisasi noise menggunakan perhitungan SNR, dan karakterisasi noise menggunakan perhitungan varians (VAR) untuk dekomposisi noise. Analisis uji uniformitas secara kuantitatif terhadap citra radiografi digital dilakukan dengan menggunakan dua metode yaitu metode yang menggunakan 5 buah ROI berdasarkan IPEM Report No.91 dan Protokol Belgia untuk Kontrol Kualitas Tahunan Peralatan Sinar-X (RX-BHPA), serta metode yang menggunakan ROI half-overlapping yang diadopsi dari European Guidelines for Quality Assurance in Breast Cancer Screening and Diagnosis. Analisis citra radiografi digital ini dilakukan pada 2 pesawat AGFA DX-D100 Mobile dan 2 pesawat Siemens AXIOM Luminos dRF. Analisis uji uniformitas dilakukan terhadap citra radiografi digital untuk mengetahui nilai tipikal mean pixel value (MPV), varians (VAR), dan SNR terhadap nilai dosis atau faktor eksposinya. Selain itu, dapat diketahui juga nilai deviasi mean pixel value (MPV), varians, dan SNR. Pada penelitian ini, didapatkan batas nilai deviasi MPV˂5% di mana hal ini menjelaskan bahwa citra pada semua pesawat radiografi digital yang digunakan seragam. Didapatkan juga batas nilai deviasi varians sebesar ± 10% dan batas nilai deviasi SNR sebesar ± 5% yang dapat digunakan sebagai parameter uji uniformitas selanjutnya. Karakterisasi noise yang digunakan pada penelitian ini diadopsi dari European Guidelines for Quality Assurance in Breast Cancer Screening and Diagnosis. Analisis karakterisasi noise menggunakan perhitungan SNR dapat dilakukan terhadap citra radiografi digital dengan melihat hubungan linear dari grafik hubungan SNR2 dengan dosis. Selanjutnya, analisis karakterisasi noise menggunakan perhitungan varians (VAR) untuk dekomposisi noise dapat membedakan komponen noise pada citra menjadi quantum noise, electronic noise, dan structure noise. Quantum noise merupakan noise yang dominan dibandingkan electronic noise dan structure noise pada semua pesawat radiografi digital yang digunakan. Karakterisasi noise menggunakan perhitungan SNR dan dekomposisi noise ini diharapkan dapat menjadi parameter analisis kontrol kualitas untuk citra pesawat radiografi digital selanjutnya. "

"Kualitas citra yang dihasilkan oleh reseptor Computed Radiography (CR) dan film mempunyai kelebihan dan kekurangan masing-masing. Oleh karena itu diperlukan evaluasi apakah citra yang dihasilkan oleh CR ataukah film yang paling baik digunakan untuk mendiagnosis, dalam kasus ini digunakan objek thorax. Penelitian ini menggunakan fantom leeds beserta filter Cu 1.5 mm untuk mengevaluasi kualitas citra yang dihasilkan oleh CR dan film pada kondisi penyinaran thorax dengan menggunakan 66 kV-8 mAs untuk kondisi penyinaran biasa dan 109 kV-2.2 mAs untuk penggunaan teknik kV tinggi. Kedua kondisi tersebut diperoleh berdasarkan protokol European Commission 16260. Hasil penelitian menunjukkan bahwa secara keseluruhan citra yang dihasilkan oleh film lebih baik daripada CR, namun demikian karena loss contrast dan sensitivitas kontras rendah CR lebih baik daripada film, maka untuk mendapatkan citra thorax yang baik sebaiknya menggunakan CR dengan kondisi 109 kV-2.2 mAs agar variasi objek yang diamati pada thorax menjadi lebih banyak sehingga diagnosis penyakit menjadi lebih akurat. ......Image quality which produce from Computed Radiography (CR) and film have advantage and disadvantage. Because of that, it needs evaluation whater CR image or film image which used for the best diagnostic, in this case use thorax object. This research is using leeds phantom and filter Cu 1.5 mm to evaluate image quality which produce CR and film in condition of thorax exposure with 66 kV-8 mAs for costume examination and 109 kV-2.2 mAs for using high kV technique. These condition obtain from protocol European Commission 16260. The result of this research explain that in whole image which produce from film is better than CR, however, because loss contrast and sensitivity low contrast CR is better than film, so to get good thorax image advisable using CR in condition 109 kV-2.2 mAs so that variation of object who observe become more so diagnosis disease become more accurate."

""Adaptive radiography with trauma, film critique and critical thinking, gives you a fresh perspective on radiographic positioning and critiquing in the real world. Unlike most radiography books, which approach topics in terms of the average patient under near ideal conditions, this text offers strategies and helpful tricks of the trade to employ when "the usual" does not apply. Based on developing adaptive thinking skills, the book shows you how to consider the paradigms and rules of radiology, examining and quantifying those that work while challenging those that don't. Thorough discussions on adapting beam angles, beam divergence, expansion of the light field, and spacial relations in positioning deliver the foundations of radiography and introduce quantifiable, repeatable methods. Adaptive radiography with trauma, film critique and critical thinking, also addresses trauma and mobile radiography and positioning, changes brought about by the advent of digital radiography, routine and trauma skull positioning, and much more. Real-life case studies and critical thinking questions help you apply methods to a variety of issues and clinical settings, developing the problem-solving skills you need for success in any radiographic field." -- Publisher."

"ABSTRAKSampai sekarang mamografi merupakan program skrining utama untuk deteksi dinikanker payudara khususnya untuk kaum wanita, akan tetapi pemberian informasitentang dosis yang diterima pasien masih jarang dilakukan. Padahal payudaramerupakan salah satu organ sensitif terhadap radiasi pengion karena mampumenginduksi kanker. Sehingga perlu dilakukan estimasi dosis pasien padapemeriksaan mamografi untuk mengetahui nilai dosis yang diterima oleh payudara.Estimasi dosis dilakukan dengan menggunakan perhitungan Mean Glandular Dose(MGD) pada mamografi Computed Radiography (CR). Dengan melakukan koreksiterhadap kualitas citra pada prosentase (%) glandularity, yaitu prosentase (%)glandularity 25-49% dan 1-24%. Nilai prosentase (%) glandularity dievaluasi olehradiolog. Dari hasil estimasi didapatkan total rerata MGD pada seluruh proyeksipemeriksaan payudara 1,65 mGy pada rerata ketebalan kompresi 48,85 mm. MGDyang diperoleh masih di bawah limit berdasarkan rekomendasi FDA, ACR danMQSA yaitu < 3 mGy per eksposi pada ketebalan 45 mm. MGD dipengaruhi olehkombinasi antara ketebalan kompresi, kV, HVL dan prosentase (%) glandularity.

---

ABSTRACTCurrently, mammography is the primary screening program for breast cancer earlydetection for women, but information about the doses received by patient are stillrare. Breast is a sensitive organ to ionizing radiation since it can include cancer.Therefore it is necessary to estimate the patient dose during mammographyexaminations. Estimated doses calculations were performed using in term of meanglandular dose (MGD) using Mammography Computed Radiography (CR). Imagequality correction was done based on the most frequent percentage (%) glandularityfrom all samples, which are 25-45% and 1-24% glandularity. Percentage (%)glandularity was evaluated by radiologist. Estimated of total average MGD all offprojection at the breast examination 1,65 mGy on the mean compression of thickness48,85 mm. Mean Glandular Dose obtained during measurement are still underrecommendation of the FDA, ACR and MSQA which is < 3 mGy per eksposure.From measurement and calculation, the MGD is influenced by compression ofthickness, kV, HVL and percentage (%) glandularity."

"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."

"Penggunaan prosedur radiologi diagnostik dalam pencitraan (imaging) yang memanfaatkan radiasi pengion khususnya sinar-X dalam dunia medis sangat berkembang pesat. Saat ini sistem digital yaitu Computed Radiography (CR) dan Digital Radiography (DR) menggantikan sistem radiografi konvensional, tetapi banyak rumah sakit dan fasilitas kesehatan tidak memiliki dosimetri dan juga alat untuk melakukan pengecekan terhadap kualitas peralatan tersebut. Dalam penelitian ini telah didesain fantom quick quality control (QQC) untuk sistem CR dan DR dengan mengamati parameter kualitas citra untuk kontras rendah dan juga kontras tinggi. Untuk penentuan kontras rendah dibuat obyek dengan variasi ukuran dan juga kedalaman obyek pada kuadran I dan IV sedangkan untuk kontras tinggi (resolusi spasial) ditambahkan obyek Leed test object dan juga lembaran Cu untuk mengukur nilai MTF pada kuadran II dan III.Untuk faktor eksposi yang digunakan adalah berkas standar RQA 3-RQA 7. Kemudian hasil citra yang diperoleh dievaluasi menggunakan imageJ untuk mendapatkan nilai SNR dan resolusi spasial. Hasil pengukuran dengan menggunakan fantom QQC didapakan bahwa untuk resolusi kontras rendah citra dengan menggunakan RQA 7 memenuhi kriteria detektabilitas. Sedangkan untuk resolusi spasial, nilai yang diperoleh berdasarkan MTF untuk CR berada pada rentang 2,38-2,59 lp/mm dan 2,45-3,00 lp/mm untuk DR. Sedangkan untuk bar pattern nilai resolusi spasial yang diperoleh berada pada rentang 3,15-3,55 lp/mm dan 2,24-2,5 lp/mm. Kemudian faktor konversi (rasio resolusi Leeds test dengan resolusi MTF) untuk sistem DR mendekati 1 sedangkan untuk sistem CR dalam rentang 1,22-1,49.......The use of diagnostic radiology procedures in imaging (imaging) that utilizes ionizing radiation, especially X-rays in the medical world is growing rapidly. At present digital systems namely Computed Radiography (CR) and Digital Radiography (DR) replace conventional radiography systems, but many hospitals and health facilities do not have dosimetry and also tools to check the quality of the equipment. This research has designed a phantom quick quality control (QQC) system for CR and DR systems by observing image quality parameters for low contrast and high contrast. For the determination of low contrast, an object with variations in size and depth of objects in quadrants I and IV was made, while for high contrast (spatial resolution) Leed test object and Cu sheet were added to measure the MTF values in quadrants II and III. For the exposure factors used is the standard file RQA 3 - RQA 7. Then the image results obtained are evaluated using imageJ to obtain the SNR value and spatial resolution. The results of measurements using the QQC phantom are found that for low contrast resolution images using RQA 7 meet the detectability criteria. As for spatial resolution, the values obtained based on MTF for CR are in the range of 2,38 – 2,59 lp / mm and 2,45 – 3,00 lp/mm for DR. As for the bar pattern, the spatial resolution values obtained are in the range of 3,15 – 3,55 lp/mm and 2,24 – 2,5 lp/mm. Then the conversion factor (the ratio of the Leeds test resolution to the MTF resolution) for the DR system approaches 1 while for the CR system in the range 1.22 - 1.49."

"[ABSTRAKIntensitas keabuan yang sangat dekat memungkinkan terjadinya kesalahan dalammenginterpretasikan citra hasil Computed Radiography (CR). Maka diperlukanalgoritma yang dapat mempermudah tim medis mendiagnosa kondisi pasienkhususnya bagian paru. Penelitian ini menggunakan tingkat keabuan /intensitascitra sebagai dasar clustering dan segmentasi Region of Interest (ROI ) yang akandilakukan dengan sistem komputerisasi. Sehingga hasil pembacaan lebih akuratdibanding secara manual. Data sampel berupa 100 citra hasil CR pasien parudewasa Rumah Sakit Pusat Pertamina yaitu 50 citra norma sebagai citra acuan dan50 citra uji (normal dan abnormal). Pada clustering diuji coba dengan jumlahcluster (k) bervariasi yaitu 3, 4, .., 10. Citra hasil clustering yang terbaikditunjukkan pada k = 8 karena dapat memvisualisasikan batas warna dengan lebihjelas dibanding dengan k yang lain. Pada segmentasi ROI, citra paru dibagimenjadi 33 daerah sesuai posisi anatomi paru yang terdiri dari 6 daerah apex, 11daerah hilum dan 16 daerah peripheral. Selanjutnya, masing-masing daerahpembagian diukur intensitasnya. Intensitas citra acuan dijadikan dasar untukmenentukan abnormalitas citra uji, intensitas citra uji yang lebih tinggi dariintensitas citra normal dikategorikan sebagai citra abnormal. Akurasi sistem padapenelitian ini adalah 66%.

---

ABSTRACTGray intensity is very close to allow for errors in interpreting the ComputedRadiography (CR) image. It would require an algorithm that can facilitate medicalteam to diagnose the patient's condition especially the lungs. Clustering k-meansclustering and segmentation Region of Interest (ROI) will be done by acomputerized system based on the image gray level / intensity. 100 CR imageused as the sample data from Rumah Sakit Pusat Pertamina, 50 image asreferences images and 50 images as tested image. On clustering tested by thenumber of clusters (k) varies the 3, 4, .., 10. The clustering of the best imageresults are shown in k = 8 because it can visualize the color boundaries moreclearly than the other k. At ROI segmentation, lung image is divided into 33regions corresponding anatomical position lung consist of 6 regional apex, hilumarea 11 and 16 peripheral areas. Furthermore, each regional division of themeasured intensity. The intensity of the reference image used as the basis fordetermining abnormality test images, test image intensity higher than normalimage intensity categorized as abnormal image. The system accuracy in this studywas 66%., Gray intensity is very close to allow for errors in interpreting the ComputedRadiography (CR) image. It would require an algorithm that can facilitate medicalteam to diagnose the patient's condition especially the lungs. Clustering k-meansclustering and segmentation Region of Interest (ROI) will be done by acomputerized system based on the image gray level / intensity. 100 CR imageused as the sample data from Rumah Sakit Pusat Pertamina, 50 image asreferences images and 50 images as tested image. On clustering tested by thenumber of clusters (k) varies the 3, 4, .., 10. The clustering of the best imageresults are shown in k = 8 because it can visualize the color boundaries moreclearly than the other k. At ROI segmentation, lung image is divided into 33regions corresponding anatomical position lung consist of 6 regional apex, hilumarea 11 and 16 peripheral areas. Furthermore, each regional division of themeasured intensity. The intensity of the reference image used as the basis fordetermining abnormality test images, test image intensity higher than normalimage intensity categorized as abnormal image. The system accuracy in this studywas 66%.]"