Hasil Pencarian  ::  Simpan CSV :: Kembali

"This unique, findings-oriented guide to computed tomography is organized to reflect the way radiologists really work: progressing from general impressions to definitive diagnoses. In nearly 1000 high-quality scabs, the radiologist will find CT findings depicting frequently encountered congenital and acquired diseases and disorders. Included in the wide-ranging survey of CT findings are traumatic injuries; congenital anomalies; and infectious, inflammatory, neoplastic, and degenerative disease processes. For convenience, these are grouped anatomically by brain, head and neck, spine, musculoskeletal system, chest, abdomen, and pelvis. In addition, the book's extensive index systematically cross-references diseases and CT findings, providing even greater accessibility to key information"--Provided by publisher."

"Technology and principles using cone beam computed tomography / Matthew Jacobson -- The nature of ionizing radiation and the risks from maxillofacial cone beam computed tomography / Sanjay M. Mallya and Stuart C. White -- Diagnosis of jaw pathologies using cone beam computed tomography / Sharon Brooks -- Diagnosis of sinus pathologies using cone beam computed tomography / Aaron Miracle and Christian GuÌ?ldner -- Orthodontic and orthognathic planning using cone beam computed tomography / Lucia H.S. Cevidanes, Martin Styner, Beatriz Paniagua, JoaÌ?o Roberto Gonçalves -- Three-dimensional planning in maxillofacial reconstruction of large defects using cone beam computed tomography / Rutger Schepers, Gerry M. Raghoebar, Lars U. Lahoda, Harry Reintsema, Arjan Vissink, and Max J. Witjes -- Implant planning using cone beam computed tomography / David Sarment -- CAD/CAM surgical guidance using cone beam computed tomography / George A. Mandelaris and Alan L. Rosenfeld -- Assessment of the airway and supporting structures using cone beam computed tomography / David D. Hatcher -- Endodontics using cone beam computed tomography / Martin D. Levin -- Periodontal disease using cone beam computer tomography / Bart Vandenbergh"

"Modalitas pencitraan yang sering digunakan pada diagnosis kanker kandung kemih adalah Computed Tomography (CT). Informasi dari hasil pembacaan citra CT diharapkan berupa volume pada jaringan abnormal yang berguna untuk penentuan tindakan medis selanjutnya. Namun karena pada setiap slice citra memiliki ukuran, bentuk dan lokasi kanker kandung kemih yang berbeda-beda, maka penentuan volume menjadi tidak mudah. Oleh karena itu untuk meningkatkan keakuratan dan konsistensi penentuan diagnosa dan volume jaringan abnormalnya maka diperlukan bantuan Computer-Aided Diagnosis (CAD). CAD dapat dikembangkan menjadi perhitungan volume jaringan abnormal berdasarkan segmentasi dan klasifikasi citra. Pada penelitian ini, sistem CAD yang dikembangkan menggunakan metode segmentasi, fitur ekstrasi berbasis Gray Level Co-Occurrence Matrix (GLCM) dan klasifikasi citra normal dan abnormal menggunakan k-Nearest Neighbors (kNN). Data yang digunakan pada penelitian ini adalah 300 citra CT kandung kemih dari Rumah Sakit Kanker Dharmais, terdiri dari 100 citra normal dan 200 citra abnormal dengan 210 citra digunakan sebagai data pelatihan dan 90 citra digunakan sebagai data pengujian. Hasil performa sistem klasifikasi citra berupa akurasi sebesar 94,28% untuk data pelatihan dan 91,22% untuk data pengujian. Pada penelitian ini dilakukan kalkulasi volume jaringan abnormal kandung kemih terhadap 6 pasien dan hasilnya diperoleh volume terkecil 4,15 cm³ dan terbesar 77,40 cm³. Selain itu ditunjukkan pula volume jaringan abnormal terkecil yang dapat dideteksi adalah sekitar 0,03 cm³.

---

The most frequency using in the diagnosis of bladder cancer is computed tomography (CT). Information from CT image reading is expected to be in in the form abnormal tissue volume that is useful for determining the next treatment. However, the resulting image slices has a different size, shape and location of bladder cancer, determining the volume is not easy. Therefore, to improve the accuracy and consistency of reading medical images and abnormal tissue volume, Computer-Aided Diagnosis (CAD) can be assisted. CAD can be developed into abnormal tissue volume calculations based on image segmentation and classification. In this study, the CAD system was developed using preprocessing, segmentation, feature extraction based on Gray Level Co-Occurrence Matrix (GLCM) and normal and abnormal image classification using k-Nearest Neighbors (kNN). The data used in this study are 300 bladder CT images from Dharmais National Cancer Hospital, consisting of 100 normal images and 200 abnormal images. 210 images are used as training data, and 90 images are used as testing data. The results of CAD system performance in this study are in the form of the accuracy of 94.28% for training data and 91.22% for testing data. In this study, the volume of abnormal bladder tissue was calculated for 6 patients, and the results obtained the smallest volume is 4.15 cm³ and the largest 77.40 cm³. In addition, it is also shown that the smallest abnormal tissue slice in slice volume that can be detected is about 0.03 cm³."

"Citra Cone Beam CT (CBCT) sangat berperan dalam menentukan keberhasilan verifikasi posisi pasien radioterapi, oleh karena itu jaminan kualitas sistem CBCT sangat diperlukan. Percobaan ini dilakukan dengan menggunakan pesawat Linear accelerator yang dilengkapi dengan CBCT dan CT Simulator GE Bright Speed Edge. Fantom Catphan® 600 dan CBCT Electron DensityTM digunakan untuk menilai kualitas dari citra CBCT dan linearitas CT Number. Sesuai dengan uji kualitas, citra pada CBCT hanya dapat membedakan kontras rendah dan kontras tinggi (udara, jaringan dan tulang). Hasil uji ketebalan slice menunjukkan nilai yang didapat masih dalam batas toleransi ±0.5 mm. Pada uji kontras rendah bagian supra-slice untuk target kontras 1%, 0.5%, dan 0.3% nilai konstantanya sebesar 3, 2.5, dan 4.5, sedangkan pada bagian sub-slice untuk target kontras jarak 7, 5, dan 3 mm memiliki nilai konstanta 5 mm. Hasil pengujian resolusi tinggi pada CBCT dan CT Simulator adalah 3 lp/cm dan 7 lp/cm. Hasil pengujian uniformitas pada CBCT tidak memenuhi standar dari batas toleransi rata-rata CT Number tepi dan tengah kurang dari 5 HU, dan nilai setiap titik tepi dan tengah ±2 HU.

---

Cone Beam Computed Tomography (CBCT) image is very important in verification of patient positioning in the treatment couch radiotherapy machine so quality control of the system is required. The experiment was performed using the Linear accelerator with equipped with CBCT and CT simulator GE Bright Speed Edge. Catphan® 600 and CBCT Electron DensityTM phantom was used to evaluate the quality of CBCT and CT Number linearity. According to the image quality test, the CBCT image only be able to distinguish low contrast and high contras for air, tissue and bone.

Quantitavely, the slice thickness was in tolerance limit ±0.5 mm, low contrast with constant value of 3, 2.5, dan 4.5 for supra-slice contrast targets 1%, 0.5%, dan 0.3% whereas sub-slice targets axis lenghts for 3, 5, and 7 mm with constant value of 5 mm, the high resolution appear in 3 lp/cm and 7 lp/cm for CBCT and CT simulator, respectively. On the one hand, CBCT uniformity was out of tolerance limit with average CT number edge and central less than 5 HU, and ±2 HU for the edge and center point."

"Latar belakang: USG Doppler kerap dipakai untuk skrining awal Chronic Limb Threatening Ischemia (CLTI) dan dapat juga memantau respons terapi selama follow-up. Di Rumah Sakit Dr. Cipto Mangunkusumo (RSCM), sebagai pusat rujukan nasional dan Pusat Pendidikan Subspesialis Bedah Vaskular Endovaskular, Trainee bedah vaskular-endovaskular menjalani pendidikan mereka. Penting bagi Trainee Bedah Vaskular untuk mengkorelasikan temuan klinis dengan hasil USG Doppler, sehingga supervisi  semester 4 terhadap semester 1 menjadi krusial. Namun, dampak pengalaman terhadap akurasi USG Doppler, terutama pada pasien Chronic Limb-Threatening Ischemia (CLTI), antara Trainee semester 1 dan 4 masih belum ada, termasuk kekurangan data dan SOP terkait durasi supervisi.

Metode: Penelitian ini menggunakan metode potong lintang untuk menguji diagnosis CLTI melalui USG oleh trainee semester 1 dan 4, dibandingkan dengan CT Angiografi (CTA) sebagai standar.

Hasil: Total ada 31 pasien (62 tungkai) yang dibagi ke dalam dua kelompok dan diamati menggunakan USG oleh trainee dari kedua semester tersebut. Hasil penelitian menunjukkan bahwa kesesuaian temuan oklusi arteri berdasarkan USG dibandingkan dengan CTA lebih tinggi pada trainee semester 4. Selain itu, korelasi dalam penentuan derajat stenosis antara USG dan CTA lebih kuat pada semester 4. Hasil uji diagnosis menunjukkan bahwa secara keseluruhan trainee semester 4 memiliki akurasi diagnosis USG yang lebih tinggi dibandingkan trainee semester 1 di semua segmen arteri tungkai bawah.

Kesimpulan: Terdapat perbedaan keluaran , akurasi USG oleh semester 1 dan 4 dengan angka yang tidak jauh berbeda dalam mendiagnosis CLTI, Pada Penelitian ini peneliti juga menyarankan perlunya supervisi antara semester 1 dan 4 agar ada transfer ilmu dan patient safety

 

---

Conclusion: There are differences in the output and accuracy of ultrasound user in fourth dan first semester trainees which are not much different result in diagnosing CLTI,  in this study researchers also suggest the need for supervision between semesters first and fourth so that there will be a knowledge transfer and patient safety."