Mengenal AIR™ Recon DL sebagai Sarana Optimasi Kualitas Citra Pada Pemeriksaan MRI Cervical

VOKASI NEWS – Mengenal AIR™ Recon DL, sebuah algoritma rekonstruksi berbasis deep learning untuk meningkatkan kualitas citra MRI.

Penggunaan MRI di lapangan sering dijumpai beberapa permasalahan yang sering dihadapi. Salah satunya pada MRI cervical yang memiliki struktur anatomi yang tidak homogen dan sering terjadinya motion artifacts yang disebabkan oleh pasien . Upaya optimasi kualitas citra sangat diperlukan untuk menghasilkan hasil citra MRI yang optimal dengan tetap memperhatikan waktu akuisisi data. Hadirnya AIR™ Recon DL yang merupakan algoritma rekonstruksi berbasis deep learning yang dapat meningkatkan nilai SNR, ketajaman gambar dan menurunkan waktu scanning dianggap dapat mengatasi permasalahan ini.

Evaluasi Kuantitatif Kualitas Citra (SNR dan Scan Time)

Evaluasi kuantitatif dilakukan dengan mengukur Signal-to-Noise Ratio (SNR) dan scan time. SNR dihitung dengan membagi rata-rata signal intensity jaringan dengan rata-rata standard deviation (SD) background noise. Scan time dicatat selama akuisisi gambar dan diamati langsung melalui workstation, lalu dirata-ratakan berdasarkan jumlah data.

Hasil pengukuran menunjukkan bahwa SNR meningkat secara signifikan dengan penggunaan AIR™ Recon DL. Semakin tinggi AIR™ Recon DL strength, semakin tinggi SNR yang diperoleh. Namun, penggandaan NEX (NEX 2 vs. NEX 4) tidak menunjukkan peningkatan SNR yang signifikan.

Untuk scan time, tidak terdapat perbedaan waktu antara Sagittal T2WI tanpa dan dengan AIR™ Recon DL pada NEX yang sama. Namun, terdapat selisih waktu signifikan antara NEX 2 dan NEX 4, yaitu 1 menit 20 detik (48%).

Evaluasi Kualitatif Kualitas Citra (Spatial Resolution)

Evaluasi kualitas citra MRI dilakukan oleh dua dokter spesialis radiologi dengan pengalaman lebih dari 5 tahun. Penilaian menggunakan metode blind method, di mana responden tidak mengetahui identitas relawan maupun urutan data yang diberikan. Aspek yang dinilai meliputi detail anatomi, ketajaman gambar, dan ketidaktampakan artifacts, dengan skala 1-4.

Hasil pengukuran menunjukkan perbedaan signifikan pada spatial resolution. Nilai tertinggi untuk detail anatomi dan ketajaman gambar ditemukan pada ARDL medium NEX 2 dan ARDL high NEX 2 (skor 4). Sementara itu, skor tertinggi pada ketidaktampakan artifacts tercatat pada ARDL medium NEX 2, ARDL high NEX 2, dan ARDL off NEX 4 (skor 3).

AIR™ Recon DL, algoritma berbasis deep learning, mampu meningkatkan SNR (Signal-to-Noise Ratio) dan ketajaman gambar melalui Intelligent True Resolution, sekaligus mempercepat waktu pemindaian. Algoritma ini tertanam dalam pipeline rekonstruksi, menggunakan neural network model untuk mereduksi noise dan Gibbs ringing artifacts, sehingga meningkatkan kualitas citra secara signifikan.

[BACA JUGA: Insan Kampus Berkontribusi untuk Negeri: Dialog Inspiratif Dekan Vokasi UNAIR di Radio Suara Muslim]

Untuk mencapai optimasi kualitas citra, diperlukan kombinasi nilai SNR tinggi, ketajaman gambar optimal, serta minim artifacts, dengan waktu pemindaian yang efisien. Oleh karena itu, tambahan AIR™ Recon DL high direkomendasikan sebagai solusi peningkatan kualitas pencitraan MRI.

***

Penulis : Ferdinata Saputra

Pembimbing : Muhaimin dan Eunike Serfina Fajarini

Program Studi : D-IV Teknologi Radiologi Pencitraan

Editor : Oky Sapto Mugi Saputro – Tim Branding Fakultas Vokasi UNAIR