Warning: Trying to access array offset on false in /home/vokasi.unair.ac.id/public_html/wp-content/plugins/elementor-pro/modules/dynamic-tags/tags/post-featured-image.php on line 39

Warning: Trying to access array offset on false in /home/vokasi.unair.ac.id/public_html/wp-content/plugins/elementor-pro/modules/dynamic-tags/tags/post-featured-image.php on line 39

Warning: Trying to access array offset on false in /home/vokasi.unair.ac.id/public_html/wp-content/plugins/elementor-pro/modules/dynamic-tags/tags/post-featured-image.php on line 39

Warning: Trying to access array offset on false in /home/vokasi.unair.ac.id/public_html/wp-content/plugins/elementor-pro/modules/dynamic-tags/tags/post-featured-image.php on line 39
Deep Learning Reconstruction Solusi Untuk Dosis Radiasi CT Scan

Deep Learning Reconstruction Solusi Untuk Dosis Radiasi CT Scan Pasien Pediatric


Warning: Trying to access array offset on false in /home/vokasi.unair.ac.id/public_html/wp-content/plugins/elementor-pro/modules/dynamic-tags/tags/post-featured-image.php on line 39

VOKASI NEWS – CT Scan merupakan modalitas yang lebih baik dan detail dibandingkan dengan pemeriksaan konvensional dengan waktu yang relatif cepat. Namun terdapat kekurangan, yaitu dosis radiasi yang digunakan cukup tinggi jika dibandingkan pemeriksaan konvensional. Penggunaan dosis radiasi inilah perlu untuk adanya perhatian lebih, khususnya jika pada pasien pediatric. Pada pemeriksaan CT Scan pediatric yang menjadi tantangan utamanya yaitu permasalahan kualitas citra yang terkait dengan dosis radiasi. Sebagaimana diketahui dosis radiasi memiliki hubungan dengan kualitas citra yang akan dihasilkan.

Perkembangan Metode Rekonstrksi CT Scan

Standar rekonstruksi pertama kali yaitu Filtered back projection (FBP) menunjukkan dalam penggunaannya menghasilkan gambaran yang memiliki gambaran yang kabur. FBP dalam memberikan citra yang bagus sangat bergantung dengan penggunaan dosis radiasi yang tinggi. Perkembangan selanjutnya dalam metode rekonstruksi citra pada CT Scan yaitu iterative reconstruction (IR).

Iterative reconstruction (IR) menunjukkan kemampuan dalam mengatasi keterbatasan yang terdapat pada metode sebelumnya yaitu FBP. IR terbagi dalam 2 macam yaitu model based iterative reconstruction (MBIR) dan hybrid iterative reconstruction (HIR). Perbedaan diantara keduanya terdapat pada kualitas citra dan lama waktu rekonstruksi. MBIR memiliki kualitas citra yang lebih baik namun dengan lama rekonstruksi yang lebih lama. Terdapat kekurangan yang terdapat pada metode IR yaitu pada tekstur citra yang dihasilkan tidak sama dengan aslinya.

Inovasi terkini dalam rekonstruksi citra yang sudah diperkenalkan yaitu deep learning reconstruction (DLR). Pengembangan teknik deep learning didasari dari pola kerja otak manusia yang secara otomatis dalam mempelajari fitur khas yang dimiliki data. Deep learning-based image reconstruction (DLIR) dalam penggunaanya perlu dilatih menggunakan suatu hasil gambaran dari pemeriksaan pasien baik dari berbagai hal seperti anatomi dan indikasi klinis. Pada set data baik dari segi hasil gambaran dengan dosis rendah atau noise tinggi dan juga dosis tinggi atau noise rendah digunakan sebagai data awal untuk mengenali suatu kasus. Semakin banyak set data yang digunakan untuk training maka kemampuan dalam mengingkatkan citra  pada deep learning akan semakin tinggi pula.

Performa Metode Deep Learning Reconstruction Terhadap Rekonstruksi Lain

Pemeriksaan CT scan  menggunakan deep learning reconstruction didapatkan hasil dengan peningkatan SNR sebesar 18%, dan CNR sebesar 17%. Disamping itu jika mengacu terhadap dosis radiasi yang diterima oleh pasien selama pemeriksaan didapatkan hasil bahwa penggunaan teknik deep learning reconstruction memberikan penurunan dosis hingga sebesar 17% jika dibandingkan dengan  teknik rekonstruksi hybrid-IR. Kemampuan dalam peningkatan kualitas citra ditambah penurunan dosis radiasi merupakan hal yang sangat diperlukan dalam pemeriksaan CT Scan pediatric.

Penggunaan Deep Learning Reconstruction Mengatasi Permasalahan Citra

Pemeriksaan CT Scan pediatric diperlukan perhatian terlebih lagi terhadap dosis radiasi yang nantinya akan diterima oleh pasien. Sebagaimana yang diketahui pada pasien pediatric yang sering kali tidak kooperatif dalam pemeriksaan. Tentunya dibutuhkan pemeriksaan dengan waktu yang lebih singkat namun akan berpengaruh terhadap kualitas citra yang dihasilkan. Pengaturan parameter pemeriksaan menjadi kunci dalam menentukan kualitas citra. Penggunaan nilai kVp dan mAs semakin tinggi dapat menyebabkan penurunan nilai noise pada gambar yang berarti kualitas citra akan semakin naik. Namun bersamaan dengan nilai mAs dan kVp yang semakin tinggi, dosis radiasi yang akan diterima akan semakin tinggi pula.

Deep learning reconstruction (DLR) tidak memiliki keterikatan terhadap parameter yang digunakan dalam pemeriksaan. DLR dapat meningkatkan kualitas citra melalui pelatihan dengan data set citra kualitas tinggi dan rendah untuk dipelajari polanya. Penggunaan DLR memberikan penurunan nilai noise yang ada sehingga nilai CNR akan meningkat bahkan apabila menggunakan parameter yang sama. Peningkatan kualitas citra dengan penggunaan dosis radiasi yang sama atau lebih rendah lagi dibandingkan dengan IR tentunya akan berdampak dalam pemeriksaan pasien pediatric. DLR juga diketahui bahwa dapat membedakan antara signal dan noise yang ada pada citra dibanding filtered back projection (FBP) dan iterative reconstruction (IR). Kemampuan yang dimiliki oleh DLR ini dapat meningkatkan nilai SNR yang lebih baik lagi jika dibandingkan IR dengan parameter pemeriksaan yang sama. Penggunaan parameter dengan dosis radiasi yang rendah namun dengan kualitas citra baik menjadi kelebihan dari DLR khususnya dalam pemeriksaan pasien pediatric.

Penulis : Rayhan Irfanur Rizki, Amillia Kartika Sari dan Aji Akbar Firdaus

Editor: Tim Branding Fakultas Vokasi UNAIR