Hasil Pencarian  ::  Simpan CSV :: Kembali

"This study analyzes the accuracy of the estimated time-integrated activity coefficient (eTIAC) in Reduced-Time-Points (RTP) fitting using the Bayesian method with biokinetic data of [177Lu]Lu-PSMA-617 in kidneys. Data were collected at 1,24,48,72, and 168 hours (h) post-injection (p.i.) from 10 metastatic Hormone-Sensitive Prostate Cancer (mHSPC) patients as All-Time-Point (ATP) data. The two-, three-, and four-TP combinations in the RTP method are extracted from ATP. Data were fitted using sum-of-exponential (SOE) functions. ATP fitting provided parameters, and scaled data variance, used to calculate reference TIAC (rTIAC) and prior information for RTP fitting. Three methods were investigated: The effect of variance weighting (absolute [BFa] mean and median estimated fractional standard deviation [eFSD], and relative [BFr] variance weighting); Optimal TP in RTP fitting; The effect of the blood circulation rate parameter (lambda bc) in SOE function. Calculated root-mean-square errors (RMSE) by comparing eTIAC to rTIAC. Results: BFa median eFSD was the best variance weighting. The optimal TP was 48 h p.i. The best RTP fitting combinations were two-TP, three-TP, and four-TP is [1h,72h], [1h,24h,72h], [1h,24h,72h, 68h] with RMSE 3.28%, 1.9%, and 0.89%, respectively. The addition of the lambda bc had RMSE difference below 0.5%. The RTP method with optimal time points accurately calculates eTIAC.

---

Penelitian ini menganalisis akurasi estimasi time-integrated activity coefficient (eTIAC) dalam Reduced-Time-Points (RTP) fitting menggunakan metode Bayesian dengan data biokinetik [177Lu]Lu-PSMA-617 di ginjal. Data dikumpulkan pada 1, 24, 48, 72, dan 168 jam (h) pasca injeksi (p.i.) dari 10 pasien metastatic Hormone-Sensitive Prostate Cancer (mHSPC) sebagai data All-Time-Point (ATP). Kombinasi dua, tiga, dan empat TP dalam metode RTP diekstrak dari ATP. Data di fitting menggunakan fungsi sum-of-exponential (SOE). ATP fitting menghasilkan parameter dan Scaled data variance, yang digunakan untuk menghitung referensi TIAC (rTIAC) dan informasi awal untuk RTP fitting. Tiga metode yang diselidiki: Efek pembobotan varians (absolut [BFa] rerata dan median estimated fractional standard deviation [eFSD], dan Pembobotan relatif [BFr]); TP optimal dalam RTP fitting; Efek parameter laju sirkulasi darah (lambda bc) dalam fungsi SOE. Perhitungan root-mean-square errors (RMSE) membandingkan eTIAC dengan rTIAC. Hasil: BFa median eFSD adalah pembobotan varians terbaik. TP optimal adalah 48 h p.i. Kombinasi RTP fitting terbaik adalah dua-TP, tiga-TP, dan empat-TP adalah [1h, 72h], [1h, 24h, 72h], [1h, 24h, 72h, 168h] dengan RMSE 3,28%, 1,9%, dan 0,89%, berturut-turut. Penambahan lambda bc memiliki perbedaan RMSE di bawah 0,5%. Metode RTP dengan TP optimal dapat secara akurat menghitung eTIAC."

"Accurate electron beam dosimetry is crucial for effective radiotherapy treatment. This study aimed to validate modified electron beam calibration methods through a comprehensive cross-calibration analysis against the established IAEA TRS-398 and AAPM TG-51 protocols. A Varian Trilogy linac with electron beam energy of 6, 9, 12, 15, and 18 MeV was used to perform dosimetric assessments using cylindrical (FC65-G and CC13) and parallel-plate (PPC40) ion chambers. The sequential method was employed for cross-calibration at 18 MeV, with each chamber alternatively serving as the reference and field chambers according to TRS-398 (yielding calibration correction factor ) and TG-51 (yielding calibration correction factor ) protocols. The ratios of and compared to the calibration correction factors from Indonesian SSDL ( ) ranged from 0.990 to 1.020. Absorbed doses to water per monitor unit (cGy/MU) were calculated at maximum absorption depths. For modified calibration methods, the values of and yielded absorbed dose values between 0.977 – 1.005 cGy/MU and 0.980 – 1.009 cGy/MU, respectively. Dose ratios of the modified methods compared to TRS-398 ranged from 0.982 to 1.010, while ratios compared to TG-51 varied between 0.985 and 1.021. The average absorbed dose to water using and ranged from 0.984 – 0.996 cGy/MU and 0.986 – 0.997 cGy/MU, respectively. The results were also compared with previous studies to demonstrate that the modified calibration methods closely align with the established protocols, with discrepancies within the IAEA’s ±2% tolerance threshold. The study highlights the importance of cross-calibration in ensuring the accuracy and reliability of modified electron beam calibration methods. These findings suggest that the modified approaches can serve as effective alternatives to traditional protocols, potentially enhancing dosimetric precision and flexibility in clinical radiotherapy settings.

---

Dosimetri berkas elektron yang akurat sangat penting untuk perawatan radioterapi yang efektif. Penelitian ini bertujuan untuk memvalidasi metode kalibrasi berkas elektron yang dimodifikasi melalui analisis kalibrasi silang yang komprehensif terhadap protokol IAEA TRS-398 dan AAPM TG-51. Linac Trilogi Varian dengan energi berkas elektron 6, 9, 12, 15, dan 18 MeV digunakan untuk melakukan penilaian dosimetri menggunakan ruang ion silinder (FC65-G dan CC13) dan pelat paralel (PPC40). Metode sekuensial digunakan untuk kalibrasi silang pada 18 MeV, dengan masing-masing kamar ionisasi berperan sebagai referensi dan lapangan menurut protokol TRS-398 (menghasilkan faktor koreksi kalibrasi ) dan TG-51 (menghasilkan faktor koreksi kalibrasi ). Rasio dan dibandingkan dengan faktor koreksi kalibrasi dari SSDL Indonesia ( ) berkisar antara 0,990 hingga 1,020. Dosis serap pada medium air per unit monitor (cGy/MU) dihitung pada kedalaman maksimum. Untuk metode kalibrasi termodifikasi, nilai dan menghasilkan nilai dosis serap masing –masing antara 0.977 – 1.005 cGy/MU dan 0.980 – 1.009 cGy/MU. Rasio dosis metode termodifikasidibandingkan dengan TRS-398 berkisar dari 0,982 ke 1,010, sementara rasio dibandingkan dengan TG-51 bervariasi antara 0.985 dan 1,021. Rata-rata dosisserap untuk menggunakan air dan berkisar masing-masing dari 0.984 – 0.996 cGy/MU dan 0.986 – 0.997 cGy/MU. Hasilnya juga dibandingkan dengan penelitian sebelumnya untuk menunjukkan bahwa metode kalibrasi termodifikasii sangat selaras dengan protokol yang ditetapkan, dengan perbedaan dalam ambang toleransi ±2% IAEA. Studi ini menyoroti pentingnya kalibrasi silang dalam memastikan akurasi dan keandalan metode kalibrasi berkas elektron yang dimodifikasi. Temuan ini menunjukkan bahwa pendekatan yang dimodifikasi dapat berfungsi sebagai alternatif yang efektif untuk protokol tradisional, berpotensi meningkatkan presisi dosimetrik dan fleksibilitas dalam pengaturan radioterapi klinis."

"Translasi radiofarmaka dari hewan percobaan ke dosis manusia merupakan tugas yang menantang karena variasi biologis antar spesies dan kurangnya standarisasi dalam dosimetri kedokteran nuklir. Studi ini berfokus pada pengaruh seleksi model terhadap perhitungan dosis yang diserap radiasi pada kasus translasi biokinetik dari hewan ke manusia. Penelitian ini menggunakan data biokinetik rata-rata dan individu dari studi radiofarmaka 177Lu-OPS201 pada hewan dan manusia dengan menggunakan model Sum of Exponential (SoE). Analisis Goodness of Fit (GoF) dan corrected Akaike Information Criterion (AICc) digunakan untuk seleksi model. Model f_2 (t)=A_1 e^(-(λ_1+λ_phys )t) terpilih sebagai model terbaik untuk mencit, babi, dan manusia. Penggunaan data biokinetik rata-rata menghasilkan %wAICc sebesar 50,01%, TIAC referensi sebesar 5,41±0,29 jam (manusia), 1,35±0,07 jam (mencit), dan 2,23±0,17 jam (babi). Sementara penggunaan data biokinetik individu menghasilkan %wAICc sebesar 84,00%, TIAC referensi sebesar 5,41±0,24 jam (manusia), 1,35±0,07 jam (mencit), dan 1,68±0,12 jam - 2,85±0,28 jam (babi). Metode regresi linear dan allometric scalling digunakan dalam proses translasi biokinetik radiofarmaka 177Lu-OPS201 dari hewan ke manusia. Hasilnya, model terbaik dengan data biokinetik rata-rata dapat memprediksi TIAC sebesar 5,45±0,03 jam dan akurasi 99,20% mendekati referensi (regresi linear) dan TIAC prediksi sebesar 3,97±1,01 jam dan akurasi 73,50% mendekati referensi (allometric scalling).

---

The translation of radiopharmaceuticals from experimental animals to human doses is a challenging task due to biological variations between species and lack of standardization in nuclear medicine dosimetry. This study focuses on the influence of model selection on the calculation of radiation absorbed dose in the case of biokinetic translation from animals to humans. This study used average and individual biokinetic data from the 177Lu-OPS201 radiopharmaceutical study in animals and humans using the Sum of Exponential (SoE) model. Goodness of Fit (GoF) analysis and corrected Akaike Information Criterion (AICc) were used for model selection. The model f_2 (t)=A_1 e^(-(λ_1+λ_phys )t) was selected as the best model for mice, pigs and humans. The use of average biokinetic data resulted in %wAICc of 50.01%, reference TIAC of 5.41±0.29 hours (human), 1.35±0.07 hours (mice), and 2.23±0.17 hours (pigs). Meanwhile, the use of individual biokinetic data resulted in a %wAICc of 84.00%, a reference TIAC of 5.41±0.24 hours (human), 1.35±0.07 hours (mice), and 1.68±0.12 hours - 2.85±0.28 hours (pigs). Linear regression and allometric scaling methods were used in the process of translating the biokinetics of radiopharmaceutical 177Lu-OPS201 from animals to humans. As a result, the best model with average biokinetic data can predict TIAC of 5.45±0.03 hours and 99.20% accuracy close to the reference (linear regression) and predicted TIAC of 3.97±1.01 hours and 73.50% accuracy close to the reference (allometric scalling)."

"ABSTRAKTuberkulosis TB merupakan salah satu penyakit yang masih banyak terjadi di Negara berkembang seperti Indonesia. Penyakit ini umumnya menyerang paru-paru karena kuman TB mencari tempat yang terdapat tekanan oksigen tinggi. Pendeteksian yang paling cepat dilakukan adalah pemeriksaan citra x-ray toraks dibandingkan dengan menggunakan metode tuberculin skin test TST dan pewarnaan cepat asam yang membutuhkan waktu lebih lama. Diagnosa citra ini sering terkendala karenat tenaga spesialis radiologi tidak menyebar rata pada setiap fasilitas kesehatan, untuk mengatasi hal itu diperlukan bantuan computer untuk mendeteksi citra tersebut yang sering disebut computer aided diagnostis CAD . Metode menggunakan pendekatan fitur tekstur dimotivasi oleh pemeriksaan rutin citra x-ray toraks abnormal yang cenderung menunjukkan perubahan salah satunya perubahan tekstur konten. Data yang digunakan pada penelitian ini diambil dari website Open-I yaitu dataset Montgomery County dan Shenzen. Sistem ini dimulai dengan segmentasi citra dengan metode k-means clastering, yang kemudian dilanjutkan dengan ekstraksi fitur. Ekdtraksi fitur dilakukan dengan metode Discrete Wavelet Transform DWT dan Gray Level Co-Occurance Matrix GLCM . Hasil dari ekstraksi fitur dilakukan klasifikasi untuk mengelompokkan citra yang terdapat TB dan yang bebas TB. Hasil akhir klasifikasi dibandingkan antara metode ekstraksi DWT, GLCM , dan penggabungan keduanya. Akurasi klasifikasi yang didapat dengan metode DWT sebesar 92,86 untuk dataset Montgomery County dan 93,94 untuk dataset Shenzen. Metode GLCM menghasilkan akurasi sebesar 85,71 untuk dataset Montgomery County dan 75,76 untuk dataset Shenzen. Sedangkan penggabungan dari keduanya menghasilkan akurasi 96,43 untuk dataset Montgomery County dan 93,94 untuk dataset Shenzen. Dari nilai akurasi tersebut dapat diketahui bahwa pengabungan kedua metode menghasilkan akurasi yang paling baik kemudian disusul metode DWT dan metode GLCM memiliki nilai akurasi paling kecil.

---

ABSTRACTTuberculosis TB is one of the diseases that still occur in developing countries like Indonesia. This disease usually attacks the lungs because TB germs look for places that contain high oxygen. The quickest detection was the x ray thoracic image examination compared with the tuberculin skin test TST method and fast acid staining which took longer time. Image diagnoses that are often constrained by radiologist specialists do not spread on average at every Health facility, to gather what is needed computer help to detect what is often called computer assisted diagnostics CAD. Methods using the texture feature approach are motivated by routine x ray image inspection of the abnormal piston originating from each texture content . The data being reviewed by the Open I website is the Montgomery County and Shenzen datasets. This system starts with image segmentation with k means clustering method, which then continued with extraction feature. The feature extraction is performed by Discrete Wavelet Transform DWT method and Gray Level Co Occurance Matrix GLCM . The results of the extraction feature were performed to group the images that contained tuberculosis and the TB free ones. The final result between the DWT extraction method, GLCM, and the merging of both. The classification accuracy obtained by the DWT method is 92.86 for the Montgomery County dataset and 93.94 for the Shenzen dataset. The GLCM method obtained an accuracy of 85.71 for the Montgomery County dataset and 75.76 for the Shenzen dataset. The combination of both obtained 96.43 accuracy for the Montgomery County dataset and 93.94 for the Shenzen dataset. From the value of accuracy can be seen that the merging of both methods produce the best accuracy then followed by DWT method and GLCM method has the least accuracy value."

"Metode Bayesian memungkinkan kita mampu memperhitungkan nilai ketidakpastian dari hasil perhitungan berdasarkan data pengukuran OTP. Adanya nilai ketidakpastian dalam pengukuran menunjukkan bahwa nilai pengukuran tersebut memiliki tingkat kepercayaan tertentu. Adapun tujuan dari penelitian ini untuk mengetahui tingkat akurasi dari model OTP dengan menggunakan metode bayesian, dan untuk mengetahui ketidakpastian dari model OTP dengan fitting menggunakan metode bayesian. Data yang digunakan adalah data biokinetik organ ginjal berupa data aktivitas pada waktu tertentu dari 8 pasien NETs dengan peptide receptor radionuclide therapy (PRRT) menggunakan ¹⁷⁷Lu-DOTATATE. Data di-fitting menggunakan metode Bayesian menggunakan tiga persamaan matematis yaitu f1,f2 dan f3. Selanjutnya dilakukan perhitungan nilai TIAC untuk empat titik data yang kemudian disebut RTIAC dan nilai TIAC dari setiap satu titik data yang disebut CTIAC. Tingkat akurasi nilai TIACs hasil pengolahan menggunakan persamaan matematis f1,f2 dan f3 relatif baik dengan nilai %RD secara populasi untuk f1 ginjal gabung sebesar 10,17±8.53, %RD f1 ginjal pisah sebesar 12,89 ± 6,93, %RD f2 sebesar 11,31 ± 9,34, dan %RD f3 sebesar 23,42 ± 19,86. Selain itu ketidakpastian perhitungan nilai TIACs di analis berdasarkan CV (median[min,max]) dengan nilai CV CTIACs untuk pengolahan menggunakan f1 ginjal gabung sebesar (33,48[32,15 , 34,70])%, CV f1 ginjal pisah sebesar (33,77[32,79 , 35,55])%, CV f2 sebesar (35,49[32,72 , 54,96])%, dan CV f3 sebesar (24,22[17,96 , 27,00])%.

---

The Byesian method allows us to be able to calculate the uncertainty value of the calculation results based on OTP measurement data. The existence of an uncertainty value in the measurement indicates that the measurement value has a certain level of confidence. The purpose of this study is to determine the level of accuracy of the OTP model using the bayesian method, and to determine the range of uncertainty of the OTP model with fittings using the bayesian method. The data used were biokinetic data in the form of activity data against time in the left kidney and right kidney from 8 patients. The patients were the NET patients with receptor radionuclide therapy (PRRT) using 177Lu-DOTATATE. The data was fitted with the Bayesian method using three mathematical equations f1, f2 and f3. Next, the TIAC value was calculated for four data points, which is then called RTIAC and the TIAC value for each data point was called CTIAC. The level of accuracy of the TIAC values ​​processed using the mathematical equations f1, f2 and f3 is relatively good with the %RD value in population for f1 kidney combined of 10.17±8.53, %RD for f1 kidney separated of 12.89 ± 6.93, %RD for f2 of 11.31 ± 9.34, and %RD for f3 of 23.42 ± 19.86. Meanwhile, the uncertainty in calculating the TIACs value was analyzed based on CV (median[min,max]) with the CV CTIACs value for processing using f1 kidney combined of (33.48[32.15, 34.70])%, CV f1 kidney separated of (33.77[32.79 , 35.55])%, CV f2 "