Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kualitas berkas yang dinyatakan dalam besaran Half Value Layer (HVL) perlu diukur secara berkala pada saat proses uji jaminan mutu pesawat sinar-X. Penelitian ini mengembangkan sebuah model komputasi yang mampu memprediksi nilai HVL dari sebuah citra kosong radiografi umum untuk mengatasi permasalahan instalasi radiologi dalam pengadaan detektor radiasi. Model dibuat menggunakan teknik regresi Artificial Neural Network (ANN) dengan memanfaatkan nilai-nilai fitur yang dapat diekstrak dari sebuah citra medis sebagai masukan model. Tiga jenis model dibuat dengan memvariasikan jenis fitur masukan yang digunakan, yaitu fitur langsung, fitur tidak langsung atau properti Gray-Level Co-occurrence Matrix (GLCM), dan gabungan keduanya. Model dilatih menggunakan arsitektur dan hyper-parameters yang telah ditentukan hingga menghasilkan nilai galat terendah. Nilai HVL sebenarnya diukur menggunakan Solid-State Detector (SSD) dan digunakan untuk mengevaluasi performa model yang telah dilatih. Model Gabungan atau model dengan fitur masukan berupa gabungan antara jenis fitur langsung dan tidak langsung menghasilkan nilai performa terbaik. Pengujian performa Model Gabungan menggunakan data uji menghasilkan nilai mean absolute error, root mean squared error, dan mean absolute percentage error masing-masing sebesar 0,006, 0,009, dan 0,248%. Model harus diperlakukan sebagaimana detektor radasi pada umumnya sehingga proses akuisisi citra berulang perlu dilakukan. Perbedaan model pesawat sinar-X dan reseptor citra menghasilkan nilai dan pola fitur yang berbeda

---

The beam quality stated in Half Value Layer (HVL) value needs to be measured periodically during Quality Assurance (QA) X-rays device. This study develops a computational model that can predict the HVL value from a general radiography empty image to solve the problems of radiology installations in the procurement of radiation detectors. The model was created using Artificial Neural Network (ANN) regression technique by utilizing feature values that can be extracted from a medical image as model input. Three types of models were created by varying the type of used input features, those were direct features, indirect features or Gray-Level Co-occurrence Matrix (GLCM) properties, and combination of both. The model was trained using the predefined architecture and hyper-parameters until producing the lowest error value. The real HVL value was measured using a Solid-State Detector (SSD) and used to evaluate the performance of the trained model. Combined Model or a model with an input feature in the form of a combination of the types of direct features and indirect features produced the best performance value. The performance test of the Combined Model using the test data produced the mean absolute error, root mean squared error, and mean absolute percentage error value of 0,006, 0,009, and 0,248%, respectively. The model must be treated as a radiation detector in general so that the repeated image acquisition is necessary. Differences in the X-ray device and the image receptor model produce different feature values and patterns."

"Uji kontrol kualitas pada sistem pencitraan sinar-X diperlukan untuk mengetahui kualitas sistem pencitraan sinar-X. Kualitas sistem pencitraan sinar-X yang baik akan menghasilkan kualitas citra yang baik dengan mengikuti prinsip ALARA (as low as reasonably achievable). Penelitian ini dilakukan untuk mendapatkan analisa dalam melakukan uji kontrol kualitas dengan menggunakan fantom in-house. Parameter Modulation Transfer Function (MTF) dan Signal Difference to Noise Ratio (SDNR) digunakan sebagai parameter yang merepresentasikan kualitas sistem pencitraan sinar-X dan kualitas citra yang dihasilkan. MTF merupakan parameter performa sistem pencitraan sinar-X. Penelitian menunjukkan bahwa MTF tidak memiliki korelasi dengan faktor eksposi dan kualitas berkas sinar-X. Resolusi spasial tertinggi yang didapatkan pada penelitian ini adalah 2.57 lp/mm. Sementara itu, SDNR merupakan parameter kuantitatif dari kualitas citra yang dihasilkan. Pengukuran SDNR menunjukkan bahwa kualitas citra memiliki korelasi linear dengan kualitas berkas sinar-X. Semakin tinggi kualitas berkas sinar-X maka kualitas citra yang dihasilkan juga akan semakin tinggi. Studi ini menunjukkan perlunya penelitian lebih lanjut mengenai analisa kualitas sistem pencitraan sinar-X dengan fantom in-house untuk memudahkan uji kontrol kualitas.

---

A quality control is needed to determine the quality of the X-ray imaging system. A good quality in X-ray imaging system will produce a good image quality according to the principle of ALARA (as low as reasonably achievable). This study was conducted to analyze quality control tests using in-house phantom. Modulation Transfer Function (MTF) dan Signal Difference to Noise Ratio (SDNR) are used as representative parameters of quality of the X-ray imaging system and image quality. MTF is a performance parameter of an X-ray imaging system. Research shows that MTF has no correlation with the exposure factors and beam quality. The highest spatial resolution obtained in this study was 2.5740 cycles/mm. Meanwhile, SDNR is a quantitative parameter of the image quality produced. SDNR measurements show that image quality has a linear correlation with the beam quality. If the X-ray beam quality increased, the image quality will also be higher. This study shows the need for further research on the quality analysis of X-ray imaging systems with in-house phantom to facilitate quality control testing."