VOKASI NEWS — Deep Learning Reconstruction CT Scan
CT Scan abdomen kontras merupakan pemeriksaan medis pada rongga perut dengan menggunakan media kontras. Tujuan dari penggunaan media kontras yaitu untuk meningkatkan detail pada setiap organ dalam perut. Penggunaan media kontras dapat menunjukkan perbedaan antara jaringan normal dan patologi. Pada CT Scan abdomen kontras yang menjadi permasalahan utama yaitu deteksi lesi yang buruk pada lesi yang berukuran kecil. Hal tersebut disebabkan karena kontras rendah dan adanya noise yang dihasilkan citra.
Perkembangan Teknik Rekonstruksi Citra CT Scan
Telah banyak inovasi yang dilakukan untuk mengatasi permasalahan ini. Teknik rekonstruksi citra CT Scan yang paling umum digunakan yaitu FBP (Filtered Back Projection). Namun, FBP membutuhkan dosis yang tinggi untuk menghasilkan citra dengan kualitas yang tinggi. Selain itu, FBP tidak dapat mendeteksi lesi dengan ukuran yang kecil.
Teknik rekonstruksi IR (Iterative Reconstruction) merupakan inovasi baru yang dikembangkan untuk mengatasi kekurangan dari FBP. IR menggunakan proses berulang dalam merekonstruksi citra agar menghasilkan citra dengan kualitas tinggi. Keterbatasan pada IR ini membutuhkan waktu lama dalam merekonstruksi karena prosesnya yang dilakukan secara berulang.
Inovasi terbaru dalam teknik rekonstruksi citra yaitu DL (Deep Learning). Deep Learning merupakan salah satu metode dalam bidang AI (Artificial Intelligence) yang dilatih untuk meniru pola operasional otak manusia. DLR (Deep Learning Reconstruction) telah digunakan untuk memperbaiki kualitas citra CT Scan. DLR menggunakan algoritma neural network untuk mengenali pola kompleks dalam data.
BACA JUGA Mengetahui Hernia Nucleus Pulposus (Saraf Kejepit) Dengan Alat Canggih MRI
Pembuktian Teknik DLR Dalam Meningkatkan Kualitas Citra
Penelitian dilakukan untuk membutikan pengaruh DLR terhadap kualitas citra CT Scan abdomen kontras dengan menggunakan metode literature review. Penelitian dilakukan dengan mengumpulkan data dari jurnal yang telah disesuaikan berdasarkan kriteria penelitian dan kemudian dilakukan analisa. Nilai kualitas citra yang dianalisa yaitu CNR (Contrast to Noise Ratio), SNR (Signal to Noise Ratio), dan Noise.
Tipe deep learning terdiri dari beberapa jenis yang dapat digunakan dalam proses pengolahan citra. Hasil penelitian menunjukkan penggunaan DLR pada pemeriksaan CT Scan abdomen kontras lebih dominan menggunakan tipe deep learning DCNN dan DNN. Tipe Deep Learning tersebut digunakan karena sangat baik dalam merekonstruksi citra CT Scan.
Kinerja DLR Lebih Baik Daripada Teknik Rekonstruksi Lainnya
Teknik DLR dapat memberikan hasil citra dengan kualitas yang baik daripada metode rekonstruksi sebelumnya yaitu FBP dan IR. Hal ini disebabkan pola dan fitur yang lebih kompleks pada data gambar mampu ditangkap oleh jaringan saraf tiruan dalam DLR. Jaringan saraf tiruan DLR dapat mempelajari cara mengoptimalkan kontras dalam proses rekonstruksi sehingga mampu menghasilkan citra dengan kontras yang lebih baik.
Hasil CNR dengan menggunakan DLR memiliki nilai yang lebih tinggi. Persentase kenaikan dengan menggunakan DLR dibandingkan dengan IR yaitu 95,0%. Hasil SNR juga mengalami kenaikan pada penggunaan DLR daripada FBP yaitu sebesar 94,0%. Persentase kenaikan jika dibandingkan dengan IR yaitu 86,9%. DLR juga menghasilkan penurunan noise daripada FBP dan IR yaitu sebesar 56,3%.
Keberhasilan DLR dalam meningkatkan kualitas citra CT Scan abdomen kontras memiliki potensi besar dalam dunia medis. DLR juga dapat membantu mengurangi waktu scanning dalam proses rekonstruksi citra. DLR telah terbukti efektif dalam memperbaiki noise atau gangguan dalam citra.
Faktor yang mempengaruhi kualitas citra pada DLR
Nilai CNR, SNR, dan noise yang dihasilkan DLR pada pemeriksaan CT Scan abdomen kontras dipengaruhi beberapa faktor. Faktor tersebut yaitu slice thickness, faktor eksposi, peletakan ROI, dan ukuran ROI. Penggunaan slice thickness dan faktor eksposi yang tinggi akan menghasilkan CNR dan SNR tinggi dan noise rendah. Ukuran ROI yang besar juga dapat meningkatkan CNR dan SNR karena ukuran yang besar dapat menghasilkan nilai yang lebih akurat
BACA JUGA Ketahui Tentang CT Scan
***
Penulis: Alivia Ayuni Hermanintyas, Lailatul Muqmiroh, Pramono (D-IV Teknologi Radiologi Pencitraan)
Editor: Yusriyyah Rahmah Nabilah
