Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penyakit kardiovaskular merupakan penyakit dengan angka kematian tertinggi di dunia. Fungsi jantung perlu diperiksa secara akurat dan efisien agar penyakit kardiovaskular dapat terdeteksi dengan baik. Penilaian fungsi jantung umumnya dilakukan dengan memberi tanda ventrikel kiri secara manual. Hal tersebut memiliki kekurangan karena dapat memakan waktu, rawan kesalahan karena resolusi citra yang rendah, dan memiliki perbedaan hasil yang bervariasi antar pemeriksa. Oleh karena itu, penandaan ventrikel kiri secara otomatis dengan segmentasi sangat penting agar pemeriksaan fungsi jantung dapat dilakukan lebih efektif dan efisien. Dalam penelitian ini, dilakukan pengembangan model deep learning untuk pekerjaan segmentasi ventrikel kiri pada citra ekokardiografi menggunakan encoder yang dimiliki U-Net, ditambahkan dengan modul Atrous Spatial Pyramid Pooling dan decoder yang dimiliki DeeplabV3+. Selanjutnya, ditambahkan Coordinate Attention pada tahap akhir dalam encoder untuk penyempurnaan fitur. Dilakukan uji pada dataset Echonet-Dynamic, Hasil penelitian menunjukkan bahwa melakukan penggabungan antara encoder yang dimiliki U-Net dan decoder yang dimiliki DeeplabV3+ mampu memberikan peningkatan performa dibandingkan model U-Net dan DeeplabV3+, juga memberikan hasil yang lebih baik dibandingkan penelitian sebelumnya, dengan menghasilkan nilai dice similiarity coefficient sebesar 92.91%.

---

Cardiovascular disease is a disease with the highest mortality rate in the world. Heart function needs to be checked accurately and efficiently so that cardiovascular disease can be detected properly. Assessment of cardiac function is generally done by marking the left ventricle manually. This has the drawbacks of being time-consuming, error-prone due to low image resolution, and have inter-observer variability. So that automatic marking of the left ventricle with segmentation is very important so that the examination of cardiac function can be carried out more effectively and efficiently. In this study, a deep learning model was developed for left ventricle segmentation on echocardiographic images using an encoder in U-Net, added with the Atrous Spatial Pyramid Pooling module and an decoder in DeeplabV3+. Furthermore, the Coordinate Attention Module was added at the final stage in the encoder for feature enhancements. Tests were carried out using the Echonet-Dynamic dataset. The results showed that combining the encoder in U-Net and the decoder in DeeplabV3+ was able to provide increased performance compared to the U-Net and DeeplabV3+ models, also gives better results than previous research, by producing a dice similarity coefficient of 92.91%."

"Transplantasi ginjal dapat memperbaiki fungsi jantung Penelitianeksperimental pada binatang membuktikan bahwa peningkatan kadar hormoneritropoetin memperbaiki fungsi jantung namun secara klinis masih menjadi bahanperdebatan Tujuan: Untuk menilai hubungan peningkatan kadar eritropoetin dengan perbaikanfungsi jantung pada pasien gagal ginjal yang menjalani transplantasi Metoda: Penelitian Kohor prospektif pada pasien gagal ginjal yang menjalanitransplantasi di RSCM Jumlah subyek 21 orang yang dikumpulkan dalam kurunwaktu Maret September 2013 Pengambilan data ekokardiografi dan kadareritropoetin dilakukan sebelum dan 3 bulan sesudah transplantasi ginjal Analisisstatistik dengan uji korelasi Pearson atau Spearman Hasil: Penelitian ini menunjukkan peningkatan bermakna kadar eritropoetin 7 58 2 56 mlU ml menjadi 18 1 6 4 mlU ml Terdapat hubungan peningkatan kadareritropoetin dengan LVEDD r 0 56 p0 05 Kesimpulan: Terdapat hubungan peningkatan kadar eritropoetin dengan perbaikanLVH LVEDD pada pasien gagal ginjal yang menjalani transplantasi Tidak ada hubungan peningkatan kadar eritropoetin dengan perbaikan LVEF

---

Kidney transplantation improved cardiac function Based on animaltrials elevated levels of erythropoietin hormone can improved cardiac function butin clinically still debate Aim: To determine association between elevated levels of erythropoietin andimprovement cardiac function on renal failure who underwent transplantation Methods: Prospective cohort study on renal failure who underwent kidneytransplantation at Cipto Mangunkusumo Hospital The study include 21 subjects whocollected it from Marct to September 2013 Data of echocardiography anderythropoietin level were collected at time prior to kidney transplantation and repeat 3months there after The association between elevated levels of erythropoietin andcardiac function was analyzed using Pearson correlation and Spearman test Results: The study showed a significantly elevated levels of erythropoietin from7 58 2 56 to 18 1 6 4 mlU ml There was statistically significant association between elevated levels of erythropoietin and LVEDD r 0 56 p Conclusions: There was association elevated levels of erythropoietin and improvement of LVH, LVEDD on renal failure who underwent transplantation, however, there was no association of elevated levels of erythropoietin level and improvement of LVEF."