Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK Telah dibuat high contrast resolution test tool yang mempunyai range frekuensi spasial dari 0,5 ? 1,67 lp/mm dan telah dilakukan pengujian yang bertujuan untuk memonitor sistem fluoroskopi Shimadzhu Multi Purpose UDT-ISO dan Siemens Axiom Iconos R100 General Multi Purpose. Batas resolusi untuk pesawat Shimadzhu < 0,5 lp/mm dan untuk pesawat Siemens adalah 1 lp/mm untuk mode Field of View (FoV) 19 cm dan 1,25 lp/mm untuk mode FoV 15 cm maupun 12 cm. Batas resolusi pada pesawat Shimadzhu yang diperoleh dari penelitian ini sudah tidak sesuai dengan ketentuan yang direkomendasikan, namun pada pesawat Siemens masih sesuai dengan ketentuan yang direkomendasikan. Kualitas test tool buatan sendiri kurang baik pada nilai lp/mm yang besar dibandingkan test tool komersial. Kata kunci : Fluoroskopi, resolusi, quality control ABSTRACT High contrast resolution test tool range has been made in spatial frequency from 0,5 ? 1,67 lp/mm and tested on fluoroscopy machines Shimadzhu Multi Purpose UDT-ISO and Siemens Axiom Iconos R100 General Multi Purpose as a part of quality control. Resolution was measured as < 0,5 lp/mm for fluoroscopy machine Shimadzhu and 1 lp/mm with a 19 cm FOV and 1,25 lp/mm with 15 cm or 12 cm FoV for Siemens machine. Thus, the fluoroscopy machine Siemens is still in good condition and proper to be used for clinical examination. The home built test tool performed poorly in higher lp/mm range but otherwise comparable to the commercial one. Key words : Fluoroscopy, resolution, quality control (Skripsi S1, xi +31 hlm., 24 Gambar, 1 Tabel, Tahun 2006)"

"Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan."