VOKASI NEWS – Deep Learning Reconstruction tingkatkan kualitas CT Scan kepala non kontras dengan citra lebih jernih, noise rendah, dan akurasi diagnosis lebih baik.
CT Scan kepala non kontras adalah pemeriksaan tomografi komputer yang digunakan untuk menilai kelainan pada otak, khususnya di area intrakranial. Pemeriksaan ini berperan penting dalam kondisi akut, seperti trauma kepala, stroke, tumor, infeksi, kelainan bawaan, hingga hidrosefalus, dan sering dijadikan dasar dalam penentuan perawatan pasien. CT Scan kepala non kontras banyak dipilih karena cepat, mudah diakses, serta lebih terjangkau. Namun, hasil citra kerap terganggu oleh noise atau bintik-bintik acak, yang dapat menurunkan ketajaman detail struktur otak dan memengaruhi akurasi diagnosis.
Perkembangan Rekonstruksi Citra CT Scan
Filtered Back Projection (FBP) adalah teknik rekonstruksi CT Scan yang sudah lama digunakan. Metode ini bekerja dengan memproses data hasil pemindaian menggunakan filter agar citra tidak buram. Namun, FBP memiliki kelemahan jika dosis radiasi diturunkan, gambar akan dipenuhi noise atau bintik-bintik acak, sehingga kualitas citra menurun.
Sebagai solusinya, dikembangkan Iterative Reconstruction (IR). Metode ini mampu mengurangi noise pada dosis rendah sehingga citra tetap jelas. Namun, IR membutuhkan waktu lebih lama dalam proses rekonstruksi dan terkadang mengubah tekstur gambar.
Kini hadir inovasi terbaru berbasis Artificial Intelligence (AI), yaitu Deep Learning Reconstruction (DLR). Dengan memanfaatkan jaringan saraf buatan, DLR mampu menghasilkan citra CT Scan yang lebih jernih, noise lebih rendah, resolusi lebih baik, serta tetap aman dengan dosis radiasi yang lebih rendah. Teknologi ini bahkan bisa mengatasi masalah seperti artefak gerakan maupun kontras rendah, menjadikannya solusi masa depan dalam pencitraan medis
Efektivitas Teknik DLR dalam Meningkatkan Kualitas Citra
Penelitian ini bertujuan untuk mengevaluasi pengaruh Deep Learning Reconstruction (DLR) terhadap kualitas citra CT Scan kepala non kontras melalui pendekatan literature review. Tahapan penelitian dilakukan dengan mengumpulkan jurnal sesuai kriteria inklusi yang telah ditetapkan, kemudian dianalisis menggunakan parameter kualitas citra yaitu Signal to Noise Ratio (SNR), Contrast to Noise Ratio (CNR), serta tingkat noise.
Beragam algoritma deep learning dapat diterapkan dalam rekonstruksi citra medis. Berdasarkan hasil analisis, pada pemeriksaan CT Scan kepala non kontras, DLR lebih banyak menggunakan tipe Deep Convolutional Neural Network (DCNN) dan Deep Neural Network (DNN). Kedua algoritma tersebut dipilih karena terbukti mampu menghasilkan citra rekonstruksi yang lebih optimal dan mengurangi gangguan noise. Selain itu, algoritma ini juga meningkatkan ketajaman detail anatomi otak sehingga dapat menunjang akurasi dalam penegakan diagnosis.
Kinerja DLR Dinilai Lebih Efektif Dibanding Teknik Rekonstruksi Lainnya?
Deep Learning Reconstruction (DLR) mampu membedakan sinyal dan noise dengan lebih akurat sehingga noise dapat dikurangi tanpa menghilangkan informasi penting. Teknologi ini meningkatkan resolusi citra sehingga menghasilkan gambar yang lebih tajam dan detail. Mendukung peningkatan Signal to Noise Ratio (SNR) dan Contrast to Noise Ratio (CNR) melalui identifikasi struktur halus pada otak. DLR dapat menyesuaikan parameter pemrosesan secara otomatis agar kualitas citra optimal sesuai data yang dianalisis. Dengan teknik denoising dan pelatihan model pada dataset berskala besar, DLR terbukti efektif mengurangi noise dan mengekstraksi sinyal penting secara efisien, bahkan pada penggunaan dosis radiasi yang lebih rendah.
Hasil kajian literatur dari beberapa penelitian internasional menunjukkan bahwa penggunaan DLR mampu meningkatkan kualitas citra CT Scan kepala non kontras secara signifikan. Nilai SNR meningkat hingga 87% dan CNR naik hingga 77% jika dibandingkan FBP. Selain itu, tingkat noise dapat berkurang sampai 42%. Dibandingkan dengan IR, DLR juga lebih unggul dengan peningkatan SNR sebesar 39% dan CNR sebesar 43%, serta penurunan noise hingga 17%.
Hal ini menunjukkan bahwa DLR mampu membantu radiolog dalam mendeteksi kelainan otak lebih cepat dan akurat. Terutama pada kasus stroke, trauma kepala, atau tumor otak. Dengan citra yang lebih bersih, detail struktur otak menjadi lebih jelas terlihat, sehingga mendukung penegakan diagnosis yang lebih tepat.
[BACA JUGA: Peningkatan Pelayanan Digital PLN Surabaya Selatan]
Faktor yang Mempengaruhi Kualitas Citra DLR
Kualitas citra CT Scan kepala non kontras dengan teknik DLR dipengaruhi oleh beberapa faktor teknis. Faktor eksposi dan slice thickness yang lebih tinggi dapat meningkatkan SNR dan CNR sekaligus menurunkan noise. Selain itu, pitch serta pemilihan ROI (Region of Interest) juga berperan. ROI yang lebih besar mencakup lebih banyak data, sehingga menghasilkan nilai pengukuran yang lebih akurat.
Dengan mempertimbangkan faktor-faktor tersebut, DLR dapat dimanfaatkan secara optimal untuk meningkatkan kualitas citra medis sekaligus menjaga keselamatan pasien melalui penggunaan dosis radiasi rendah.
***
Penulis: Trinita Putri Sugisnia
