VOKASI NEWS – Deep Learning Reconstruction meningkatkan kualitas citra CCTA pada pasien overweight dengan mengurangi noise, meningkatkan SNR dan CNR, serta mempercepat proses rekonstruksi untuk diagnosis yang lebih akurat.
Teknologi Rekonstruksi Citra untuk Pasien dengan Tantangan Pencitraan
Coronary CT Angiography (CCTA) merupakan metode pencitraan non-invasif untuk menilai penyakit arteri koroner. Pemeriksaan ini memanfaatkan sinar-X guna menghasilkan citra pembuluh darah jantung secara detail.
Pada pasien overweight, lapisan jaringan adiposa yang lebih tebal cenderung meningkatkan noise, sehingga kualitas citra menurun dan menyulitkan interpretasi. Kondisi ini menjadi tantangan bagi radiolog dalam memperoleh informasi diagnostik yang akurat.
Dalam perkembangannya, teknik Filtered Back Projection (FBP) menjadi metode rekonstruksi citra yang banyak digunakan. FBP menggabungkan data proyeksi sinar-X dari berbagai sudut dengan bantuan filter konvolusi untuk mengurangi blur sebelum proses back projection. Meskipun cepat dan sederhana, FBP cukup sensitif terhadap noise sehingga kurang optimal pada pasien overweight.
Alternatif lainnya adalah Iterative Reconstruction (IR) yang mengandalkan pendekatan matematis bertahap. IR mampu menurunkan noise dan artefak, serta memungkinkan penggunaan dosis radiasi lebih rendah. Namun, waktu prosesnya relatif lebih lama dibandingkan FBP.
Keunggulan Deep Learning Reconstruction dalam Pemeriksaan CCTA
Deep Learning Reconstruction (DLR) menjadi inovasi terbaru dalam teknologi rekonstruksi CT. Teknologi ini memanfaatkan jaringan saraf tiruan seperti Convolutional Neural Network (CNN) untuk menghasilkan citra berkualitas tinggi dengan detail anatomi yang lebih jelas, bahkan pada dosis rendah.
Pada pemeriksaan CCTA pasien overweight, DLR menunjukkan hasil yang menjanjikan. Algoritma seperti TrueFidelity™ dari GE Healthcare berbasis Deep Neural Network (DNN) dan AiCE dari Canon Medical berbasis Deep Convolutional Neural Network (DCNN) terbukti mampu mengurangi noise secara signifikan.
Studi menunjukkan bahwa DLR mengungguli FBP dan IR dalam berbagai aspek. Sekitar 58% laporan penelitian mencatat penurunan noise yang signifikan, sedangkan 83% menunjukkan peningkatan Signal to Noise Ratio (SNR). Peningkatan ini menandakan sinyal anatomi jantung lebih dominan dibanding noise, sehingga struktur seperti lumen pembuluh darah dan dinding jantung terlihat lebih jelas.
Selain itu, 92% penelitian mencatat peningkatan Contrast to Noise Ratio (CNR), yang berarti kontras antara pembuluh darah koroner dan jaringan sekitarnya lebih tajam. Hal ini memudahkan pembedaan struktur, terutama pada pasien dengan indeks massa tubuh tinggi atau kondisi pencitraan sulit.
Solusi Optimal untuk Visualisasi Jantung
DLR tidak hanya meningkatkan akurasi visualisasi struktur kecil pada jantung, tetapi juga mempercepat proses rekonstruksi dibanding IR. Kecepatan ini membantu meningkatkan efisiensi alur kerja radiologi dan produktivitas layanan kesehatan.
[BACA JUGA: Pentingnya Antenatal Care (ANC) Dalam Menurunkan Risiko Kehamilan]
Dengan kemampuannya mengurangi noise, meningkatkan SNR dan CNR, serta mempertahankan kualitas citra pada dosis rendah, DLR menjadi teknologi unggulan dalam pemeriksaan CCTA pada pasien overweight. Keunggulan ini menjadikannya pilihan yang relevan untuk meningkatkan keandalan diagnosis dan mendukung deteksi dini kelainan koroner.
***
Penulis: Resi Anggraini, Ayub Manggala Putra, Ghinaa Rihadatul ‘Aisy Farhah
Editor: Fatikah Rachmadianty
