Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKLatar belakang: Mamografi merupakan pemeriksaan baku emas dan merupakan modalitas satu-satunya untuk skrining payudara perempuan. Namun efektivitas mamografi menurun terutama pada payudara berdensitas padat. Handheld ultrasonography (HHUS) sering diperlukan sebagai pelengkap mamografi dan dapat meningkatkan sensitivitas dan spesifisitas untuk deteksi kanker payudara berdensitas padat. Automated breast ultrasound (ABUS) merupakan modalitas relatif baru dengan beberapa kelebihan dibandingkan dengan HHUS antara lain reproducible, variabilitas yang rendah, waktu akuisisi lebih singkat dan konsisten, serta ukuran transduser yang lebar sehingga mencakup payudara lebih menyeluruh dan dapat melakukan karakterisasi lesi yang ukurannya melebihi lebar transduser HHUS dengan lebih baik. Saat ini penggunaan ABUS belum merata di rumah sakit di Indonesia, dan penelitian mengenai ABUS masih terbatas, sehingga perlu dilakukan penelitian mengenai ABUS dibandingkan dengan modalitas lain secara lebih obyektif. Tujuan : Penelitian ini bertujuan untuk mengetahui kesesuaian temuan, morfologis, dan lokasi lesi di payudara berdasarkan densitas mamografi dan HHUS dengan densitas mamografi dan ABUS. Metode: Dilakukan pemeriksaan payudara menggunakan mamografi, HHUS GE tipe Logic S8 dengan transduser linear 7-12 MHz, dan ABUS GE Invenia dengan transduser konkaf linear 6-12 MHz. Seluruh pemeriksaan HHUS dan ABUS dilakukan sendiri oleh peneliti di Departemen Radiologi RSCM, dan dikonfirmasi oleh Dokter Spesialis Radiologi konsultan payudara bersertifikasi ABUS untuk menentukan ada atau tidaknya lesi, morfologis, dan lokasi lesi. Kesesuaian hasil pemeriksaan mamografi-ABUS dan mamografi HHUS dianalisis menggunakan uji Mc Nemar. Hasil: Terdapat 30 subyek penelitian dan diperoleh 48 sampel payudara, dengan rentang usia 36-66 tahun (rerata ± SD 51,4 ± 8,5 tahun). Dalam menentukan ada tidaknya lesi, pemeriksaan mamografi-HHUS dan mamografi-ABUS memiliki kesesuaian dengan level sedang (moderate agreement), nilai Kappa 0,43 dan 0,49 (p 0,002 dan p 0,001); dalam menentukan morfologis lesi memiliki kesesuaian dengan level sedang (moderate agreement) dengan nilai Kappa 0,51 dan 0,43 (p 0,000 dan 0,000); serta dalam menentukan lokasi lesi memiliki kesesuaian dengan level fair agreement dengan nilai Kappa 0,37 dan 0,36 (p 0,000 dan 0,000). Simpulan: Kombinasi mamografi-HHUS memiliki kesesuaian dengan level relatif setara dalam menentukan ada tidaknya lesi dan lokasi lesi, namun sedikit lebih tinggi dalam menilai morfologis lesi dibandingkan dengan kombinasi mamografi-ABUS.

---

ABSTRACTBackground: Mammography is the gold standard and well known to be a powerful screening tool in the detection of breast cancer. However its sensitivity is reduced in women with dense breasts. Additionally, women with dense breasts have an increased risk of developing breast cancer while mammography has a lower sensitivity.Handheld ultrasonography (HHUS) is often needed as a adjunction to mammography, can increase sensitivity and specificity for detection of cancer in dense breast breasts. Automated breast ultrasound (ABUS) is a relative new modality with several advantages compared to HHUS including reproducible, low variability, shorter and consistent acquisition time, and a wide transducer size that covers the breast more thoroughly and can characterize lesions whose size exceeds the width of the transducer HHUS better. At present the use of ABUS is not evenly distributed in hospitals in Indonesia, and research on ABUS is still limited, so it is necessary to conduct research on ABUS compared to other modalities more objectively. Objective : This study aims to determine the alternative selection of HHUS and ABUS examination to detect abnormalities in the breast based on mammographic density. Method: Breast examination using mammography, HHUS GE Logic S8 with 7-12 MHz linear transducer, and GE Invenia ABUS with 6-12 MHz linear concave transducer. All HHUS and ABUS examinations are carried out solely by researchers in the Radiology Department of the RSCM, and are confirmed by an ABUS certified breast consultant radiologist to determine the presence, morphology, and location of the lesion. The suitability of ABUS mammography and HHUS mammography results were analyzed using the Mc Nemar test. Result: There were 30 subjects and 48 breast samples were obtained, with an age range of 36-66 years (mean ± SD 51.4 ± 8.5 years). In determining the presence or absence of lesions, examination of mammography-HHUS and mammography-ABUS is in accordance with moderate agreement and Kappa values 0.43 and 0.49 (p 0.002 and p 0.001); in determining the morphology of the lesion is in accordance with moderate agreement and Kappa value 0.51 and 0.43 (p 0,000 and 0,000); and in determining the location of the lesion is in accordance with fair agreement and Kappa values ​​of 0.37 and 0.36 (p 0,000 and 0,000). Conclusion : The mammographic-HHUS combination is compatible with a relatively equal level in determining the presence or absence of the lesion and location of the lesion, but is slightly higher in assessing the morphology of the lesion compared with the mammographic-ABUS combination."

"ABSTRAKPembacaan mammografi merupakan aktifitas yang memerlukan pengetahuan dan kemampuan yang handal. Keberhasilan pengobatan kanker payudara tergantung pada deteksi dini dan diagnosis kelainan payudara. Mamografi adalah pemeriksaan terbaik yang tersedia untuk mendeteksi tanda-tanda awal kanker payudara seperti massa, kalsifikasi, asimetri bilateral dan distorsi arsitektur. Karena keterbatasan pengamat manusia, komputer memiliki peran utama dalam mendeteksi tanda-tanda awal kanker. Metode watershed diharapkan dapat memberikan informasi berbagai fitur yang menentukan kelainan dan fakta bahwa mereka sering tidak bisa dibedakan dari jaringan sekitarnya.computer aided diagnosis mammography diharapkan dapat membantu dalam pembacaan ketidak normalan pada payudara . Segmentasi watershed dengan pemilihan filter yang tepat dapat menghasilkan citra yang bisa membantu dalam melakukan diagnosa. Untuk proses diagnosis diperlukan nilai spesifisitas dan sensitivitas yang tinggi. Hasil evaluasi pada metode watershed dan batas ambang untuk nilai sensitivitas dan spesifisitas memiliki perbedaan 45% dan 12%. evaluasi ROC kombinasi sobel watershed memiliki nilai akurasi 83% dan kombinasi prewitt watershed memiliki nilai akurasi 85%

---

ABSTRACTThe reading of mammography is an activity that requires knowledge and a powerful ability. Successful treatment of breast cancer depends on early detection and diagnosis of breast abnormalities. Mammography is the best available inspection to detect early signs of breast cancer such as mass, calcification, bilateral asymmetry and architectural distortion. Due to the limitations of the human observer, the computer has a major role in detecting early signs of cancer. Watershed method is expected to provide information on various features that define the disorder and the fact that they often can not be distinguished from the surrounding tissue. mammography computer-aided diagnosis is expected to assist in the reading of abnormalities in the breast. Watershed segmentation with the selection of the right filter can produce images that could help to make diagnosis. For the diagnostic process is required specificity and high sensitivity. The results of the evaluation at watershed method and the threshold for sensitivity and specificity have a difference of 45% and 12%. ROC evaluation Sobel combination watershed has a value of 83% accuracy and combination prewitt watershed has a value of 85 % accuracy"

"ABSTRAK

Kanker Payudara (KPD) merupakan salah satu penyakit penyebab kematian terbesar. Indonesia merupakan negara dengan jumlah KPD cukup besar. KPD ini merupakan benjolan. Benjolan ini dapat diperiksa menggunakan cara manual yaitu diraba bagian dekat dengan putting susu. Jika benjolan tidak kunjung mengecil dianjurkan untuk memeriksa ke dokter. Pendektesian KPD ini dapat dilakukan dengan menggunakan proses pencitraan. Data yang digunakan pada penelitian ini diambil dari website Pilot European Image Processing Archive (PEIPA) yaitu dataset Mammographic Image Analysis Society (MIAS). Pendektesian dilakukan dengan menganalisa gambar payudara (mammography) pasien dengan menggunakan metode Principal Component Analysis (PCA) mengubah gambar dalam bentuk matriks. Matriks ini akan digunakan sebagai data yang akan digunakan dalam Neural Network (jaringan saraf tiruan) dengan metode Backpropagation Neural Network (BNN). Dari hasil Percobaan dapat diketahui bahwa metode ini menghasilkan nilai akurasi pembelajaran dari deep learning supervised sebesar 98%.

---

ABSTRACTBreast Cancer is one of the biggest causes of death. Indonesia is a country with a large number of KPDs. This KPD is a lump. This lump can be examined using a manual method that is palpated near the nipple. If the lump does not go away it is recommended to see a doctor. This breast cancer assessment can be done using the imaging process. . The data used in this study was taken from the website of the Pilot European Image Processing Archive (PEIPA) namely the Mammographic Image Analysis Society (MIAS) dataset. The assessment is done by analyzing the breast image (mammography) of the patient using the Principal Component Analysis (PCA) method to change the image in the form of a matrix. This matrix will be used as data to be used in Neural Networks with the Backpropagation Neural Network (BNN) method. From the results of the Experiment it can be seen that this method produces the value of accuracy of learning from supervised deep learning about 98%.

"

"Proses pemeriksaan mamografi menggunakan sinar-X dapat memicu risiko terjadinya karsinogenesis apabila tidak diperhatikan dengan baik. Sehubungan dengan hal tersebut, perlu dilakukan perhitungan dosis yang diterima payudara. Hal ini bertujuan untuk memberikan estimasi risiko dosis terhadap potensi terbentuknya kanker akibat pemeriksaan mamografi. Perhitungan estimasi risiko dosis dapat diukur melalui Mean Glandular Dose (MGD). MGD tidak dapat diukur secara langsung, melainkan perlu adanya informasi persentase glandularity untuk mengetahui faktor konversi glandularity sehingga didapatkan nilai MGD. Agar mempermudah proses untuk mengetahui faktor konversi glandularity, maka dilakukan pengujian metode segmentasi citra mamografi menggunakan beberapa algoritma tertentu, termasuk algoritma berbasis Artificial Intelligence (AI) sehingga diperoleh metode terbaik untuk menentukan nilai persentase glandularity. Hasil uji metode terbaik pada penelitian ini yaitu metode segmentasi citra menggunakan implementasi algoritma Modified Fuzzy C-Means (MFCM) dengan menghilangkan bagian latar belakang menggunakan algoritma U2 Net pada citra 16 bit. Berdasarkan hasil uji, diketahui bahwa metode ini memiliki kriteria akurasi yang tinggi (80%) untuk dapat memprediksi 25 citra sampel yang diujikan

---

The process of mammography examination using X-rays can trigger the risk of carcinogenesis if it is not properly delivered to. In connection with this, it is necessary to calculate the dose for the breast. This aims to provide an estimate of the risk of dose to the potentially induced cancer due to mammography examination. Calculation of estimated dose risk can be measured through the Mean Glandular Dose (MGD). In general, MGD cannot be measured directly, but information on the percentage of glandularity is needed to determine the glandularity conversion factor so that the MGD value can be obtained. To simplify the process of determining the glandularity conversion factor, several mammographic image segmentation methods were tested using certain algorithms, including those based on Artificial Intelligence (AI) to obtain the best method for determining the percentage value of glandularity. The best method test results in this study are the image segmentation method using the implementation of the Modified Fuzzy C-Means (MFCM) algorithm by removing the background using the U2 Net algorithm on 16-bit images. Based on the test results, it is known that this method has a high accuracy criterion (80%) to be able to predict the 25 sample images tested"

"ABSTRAK Skrining maupun diagnostik mamografi merupakan pemeriksaan yang dianjurkan dalam mendeteksi kanker payudara sehingga dapat menurunkan angka mortalitas kanker payudara. Kekurangan mamografi adalah pada payudara dengan densitas tinggi yang banyak ditemui pada perempuan Indonesia. Pemeriksaan kombinasi mamografi dan USG dapat meningkatkan hasil sensitivitas dan spesifisitas deteksi lesi, namun tidak efisien dan efektif dalam segi pembiayaan dan waktu. Mengetahui hasil mamografi berdasarkan densitas payudara dan rasio volume lesi dan volume payudara berguna dalam optimalisasi penggunaan ultrasonografi dalam mendeteksi lesi.

Tujuan : Mengetahui penggunaan modalitas mamografi dan ultrasonografi dalam upaya mendeteksi lesi dan pengukuran rasio volume lesi pada pemeriksaan diagnostik payudara untuk efisiensi waktu dan biaya.

Metode : Menggunakan dua jenis disain penelitian yang saling terkait. Penilaian tingkat kesesuaian hasil temuan lesi berdasarkan pemeriksaan mamografi dengan ultrasonografi, dan mamografi saja dengan kombinasi mamogafi dan ultrasonografi dilakukan disain studi asosiasi. Untuk pengukuran rerata rasio volume lesi dan volume payudara menurut tingkat densitas payudara dilakukan dengan disain survei deskriptif. Kesimpulan : Deteksi lesi menggunakan mamografi pada payudara densitas a dan b dikombinasikan dengan ultrasonografi hanya dilakukan hanya bila perlu saja, namun pada payudara densitas c dan d dilakukan kombinasi dengan ultrasonografi. Volume lesi dan volume payudara dapat dicantumkan sebagai salah satu pertimbangan informasi tata laksana.

---

ABSTRACT

Mammography is recommended tool for breast cancer screening and diagnostic to decrease mortality. Lack of mammography in detecting lesions related with high breast density, which founded in Indonesian women. The use of diagnostic ultrasonography combined with mammography able to improve the specificity and sensitivity on lesions detection, but it has an issue with cost and time effective. Knowing the result of mammography based on breast density and the ratio of volume lesions and breast volume is useful in optimizing the use of ultrasonography in lesions detection. Purpose : To determine the ability of mammography and ultrasonography on lesion detection and assess the volume lesion ratio and breast volume with the purpose of cost and time efficient. Method : Using two related research design. Assessment of breast lesion findings based on mammography and ultrasonography and the combination findings were carried out with association study design, and the assessment of lesion volume ratio and breast volume was carried out with descriptive study design. Conclusion : The use of ultrasonography combined with mammography for lesions detection is carried out for breast density c and d. The implementation for this combination method for breast density a and b is only for necessary purpose. Lesions volume and breast volume can be included in the report as a consideration for therapy."

"Uji kendali mutu pada citra mamografi dengan menggunakan fantom CDMAM merupakan langkah penting dalam memastikan kualitas proses diagnostik pada pesawat mamografi. Namun, untuk mengatasi masalah variabilitas manusia dan meningkatkan efisiensi waktu, penggunaan Convolutional Neural Network (CNN) dapat menjadi solusi yang akurat dalam menganalisis citra fantom CDMAM. Penelitian ini menerapkan arsitektur CNN Resnet50 pada total 1.392 citra fantom CDMAM dengan dan tanpa regularizer L2. Hasil prediksi CNN pada rentang diameter 0,10 hingga 0,20 mm menunjukkan tingkat prediksi dengan tingkat kesalahan relatif di bawah 32% pada prediksi satuan dan di bawah 16% pada rata-rata prediksi dari 16 citra. Dari hasil prediksi yang diperoleh, diperlukan optimasi lebih lanjut untuk mencapai akurasi prediksi yang lebih tinggi.

---

Quality control testing on mammography images using CDMAM phantoms is an important step in ensuring the quality of the diagnostic process in mammography devices. However, to overcome human variability issues and improve time efficiency, the use of Convolutional Neural Network (CNN) can be an accurate solution for analyzing CDMAM phantom images. This study applied the CNN architecture ResNet50 to a total of 1.392 CDMAM phantom images with and without L2 regularizer. The CNN prediction results for the diameter range of 0,10 to 0,20 mm showed prediction with relative error below 32% for individual predictions and below 16% for average predictions from 16 images. Based on the obtained prediction results, further optimization is needed to achieve higher prediction accuracy."

"In detection of breast cancer using mammography, accurate diagnosis often depends on the visibility of small low contrast objects within the breast image. This is even more critical in the case of small tumor detection at early stage. Radiographic examination including mammography, have reduced the contrast and visibility of small objects. Due to the high X-ray penetration of the objects scattered radiation, and the limited capability of the film to develop maximum contrast over an extended range of exposure values. Density slicing method based on the interval setting of image histogram has been applied for the image enhancement and "quick classification". But for mammography it is also required to detect and identify the disease region clearly in order to decide a proper treatment. By using clustering method it was obtained some classes as training areas for the supervised classification and by selection of the operators of image enhancement the best boundaries of tissues had been detected. Finally by using the NGLDM (Neighboring Grey Level Dependence Matrix) method, the textural features of several diseases has also been extracted. From the experimental results that were obtained in this study, a simpler technique for accurate diagnostic has been yielded without increasing the dose of X-ray on patient or without any other psychological effects."

"Dalam melakukan skrinning payudara, pesawat mamografi harus dapat mencitrakan mikrokalsifikasi dengan ukuran sekecil mungkin. Namun besar dosis glandular rerata (mean glandular dose, MGD) yang sampai ke payudara tidak boleh melebihi batas yang dianjurkan. Untuk mencapai tujuan tersebut maka kombinasi target/filter yang digunakan saat melakukan pengeksposan harus disesuaikan terhadap ketebalan payudara. Evaluasi kualitas citra terhadap variasi kombinasi target/filter dapat dilakukan dengan menggunakan fantom CDMAM. Dari dua metode yang digunakan dalam mengevaluasi citra fantom CDMAM, metode digital lebih unggul dibanding metode manual. Selain evaluasi citra, nilai MGD yang diterima fantom dihitung dengan cara mengalikan nilai kerma udara disetiap ketebalan dengan faktor konversi kerma udara menjadi MGD. MGD dihitung menggunakan persamaan dan faktor konversi yang dipublikasikan IAEA Human Health Series No. 17 - Quality Assurance Programme for Digital Mammography, kemudian dibandingkan dengan perhitungan berdasarkan tiga publikasi lainnya. Kualitas citra terbaik untuk fantom ketebalan di bawah 32 mm diperoleh dengan menggunakan kombinasi target/filter Mo/Mo, sedangkan untuk ketebalan di atas 45 mm terbaik menggunakan Mo/Rh.

---

In performing breast screening, a mammography must be capable of imaging microcalcifications with the smallest possible size. However, the mean glandular dose (MGD) should not exceed the recommended limits. To achieve the goal then the utilization of target/filter combination should be adjusted to the thickness of the breast. The evaluation of image quality against variations in target/filter combinations can be done by using CDMAM phantom. There are two methods of CDMAM phantom image quality assessment, and the digital method is considered superior to the manual one. In addition to the evaluation of image quality, MGD received by the phantom was also calculated by multiplying the air kerma value at each thicknesses with the air kerma conversion factor into MGD. The calculation of MGD follow the equation and convertion factors that published by IAEA Human Health Series No. 17 – Quality Assurance Programme for Digital Mammography, then being compared with three another publication. The best image quality for the phantom thickness below 32 mm achieved by using Mo/Mo target/filter combination, meanwhile for the phantom thickness above 45 mm achieved by using Mo/Rh."

"Latar belakang: Kanker payudara merupakan kanker dengan insiden tertinggi dan penyebab kematian utama akibat kanker pada perempuan di dunia. Penggunaan implan payudara pasca mastektomi maupun tujuan kosmetik juga ikut meningkat. Ultrasonografi, mamografi dan MRI adalah modalitas pencitraan utama dalam mendeteksi lesi kanker payudara pada pengguna implan payudara. Peranan USG dalam hal tersebut masih kontroversi; sensitivitas mamografi dilaporkan menurun sementara MRI terbatas penggunaanya akibat kendala ketersediaan dan biaya pemeriksaan tinggi. Telaah sistematis ini dibuat untuk menilai akurasi diagnostik USG, mamografi dan MRI dalam mendeteksi lesi kanker payudara pada pengguna implan payudara. Metode: Pencarian sistematis dilakukan pada Januari 2022 untuk mengidentifikasi studi yang menilai akurasi diagnostik USG, mamografi dan MRI dalam mendeteksi lesi kanker payudara dengan referensi baku pemeriksaan patologi anatomi dengan menggunakan data dasar Scopus, PubMed, jurnal dan riset nasional, hand searching serta grey literature. Nilai sensitivitas dan spesifisitas pada masing-masing uji indeks diekstraksi. Penilaian kualitas metodologi studi dilakukan menggunakan QUADAS-2. Hasil: Tiga belas studi diidentifikasi. Nilai sensitivitas USG terendah 62%, tertinggi 95%, spesifitas 93%. Nilai sensitivitas mamografi terendah 22%, tertinggi 80%, spesifitas 100%. Sementara itu, nilai sensitivitas MRI terendah 86%, tertinggi 100% dengan spesifisitas terendah 17%, tertinggi 75%. Sepuluh studi menunjukkan risiko bias tinggi pada salah satu domain, tiga studi di antaranya menunjukkan risiko bias tinggi pada domain yang lain. Kesimpulan: Akurasi diagnostik modalitas USG, mamografi dan MRI dalam mendeteksi lesi kanker payudara pada pengguna implan payudara sangat bervariasi.

---

Background: Breast cancer is cancer with the highest incidence and leading cause of cancer death among women worldwide. Breast implant use for post mastectomy patients and for cosmetic purposes is also increasing. Ultrasonography, mammography and MRI are imaging modalities mostly used to detect breast lesions in patients with breast implants. Ultrasound role is still unclear; mammography has been reported to have lower sensitivity while MRI availibility is still limited and highly cost. This systematic review is written to analyze diagnostic accuracy of ultrasound, mammography and MRI in detecting breast cancer in patients with breast implants. Methods: Studies contained diagnostic accuracy of ultrasound, mammography and MRI in detecting breast cancer lesions with pathological examination as reference standard were identified. Scopus, PubMed, national journals and research, hand searching and grey literatures were systematically searched through January 2022. Sensitivity and specificity value of each index tests from eligible studies is extracted. Methodological quality was assessed using QUADAS-2. Results: Thirteen studies were identified. The lowest and the highest sensitivity value are 62% and 95 % for ultrasound, 22% and 80 % for mammography, 86% and 100% for MRI while specificity value are 93% for ultrasound, 100% for mammography, the lowest and the highest of MRI 17% and 75%, respectively. Ten studies demonstrated high risks of bias in one domain with three of them also have high risk of bias in another domain. Conclusion: Diagnostic accuracy of ultrasound, mammography and MRI to detect breast cancer in patients with breast implants is varied."

"Sistem mamografi terus mengalami perkembangan. Teknologi terbaru yang muncul, seperti detektor pencacah foton tentu menjadi harapan semakin baiknya performa pencitraan yang dihasilkan, baik ditinjau dari segi kualitas citra maupun dosis. Oleh karena itu, dibutuhkan sebuah evaluasi kualitas citra dan dosimetri agar keluaran yang dihasilkan adalah citra dengan kualitas terbaik dan dosis yang masih aman diterima pasien sesuai dengan prinsip As Low As Reasonably Achieveble (ALARA). Penelitian ini dilakukan menggunakan 5 unit pesawat mamografi dengan detektor pencacah foton. Mean glandular dose (MGD) dihitung menggunakan persamaan yang dipublikasikan oleh IAEA Human Series No.17 - Quality Assurance Programme For Digital Mammography, pada ketebalan PMMA 20-70 mm. Kualitas citra dievaluasi secara otomatis menggunakan perangkat lunak Erica2 berbasis CDCOM. European Reference Organisation for Quality Assured Breast Screening and Diagnostic Services (EUREF) digunakan untuk mendapatkan nilai batas yang „dapat diterima‟ dan „dapat dicapai‟ untuk MGD dan nilai ketebalan ambang disk. Hasilnya dibandingkan dengan kinerja pesawat mamografi dengan detektor flat-panel. Nilai MGD pada pesawat dengan detektor pencacah foton menunjukan nilai yang lebih rendah pada ketebalan 40 hingga 70 mm PMMA dibanding detektor flat-panel. Nilai ketebalan ambang disk pada detektor pencacah foton juga menunjukkan angka yang lebih rendah dibanding detektor flat-panel pada seluruh diameter.

---

The mammography system is constantly evolving. The latest emerging technologies, such as photon counting detector, certainly will be a hope for better imaging performance, both in terms of image quality and dose. Therefore, an evaluation of image quality and dosimetry is needed, so the produced output will be an image with the best quality and dose that is still safe for patients according to the As Low As Reasonably Achievable (ALARA). This research was conducted using 5 units of mammography with photon counting detector. The mean glandular dose (MGD) was calculated using the equation published by the IAEA Human Series No. 17 - Quality Assurance Programme For Digital Mammography, at a PMMA thickness of 20-70 mm. Image quality is evaluated automatically using the CDCOM-based Erica2 software. The European Reference Organization for Quality Assured Breast Screening and Diagnostic Services (EUREF) was used to obtain 'acceptable' and 'achievable' values for the MGD and threshold gold thickness values. The result was compared with the performance of a mammography systems with a flat-panel detector. The MGD on a mammography systems with a photon counting detector shows a lower value at a thickness of 40 to 70 mm PMMA compared to a flat- panel detector. The threshold gold thickness values on the photon counting detector also shows a lower number than the flat-panel detector in all diameters."