Hasil Pencarian  ::  Simpan CSV :: Kembali

"Alzheimer’s Disease (AD) merupakan penyakit degeneratif pada organ otak yang dapat menyebabkan penurunan kognitif, sehingga mempengaruhi kualitas hidup dan perilaku penderita. Diagnosis secara dini dan akurat dari AD, termasuk mengindentifikasi tahap awal dari penyakit ini yang disebut sebagai mild cognitive impairment (MCI), merupakan hal yang penting untuk melakukan intervensi terhadap penyakit ini. Fluorodeoxyglucose Positrons Emission Tomography (FDG-PET) adalah modalitas pencitraan molekuler fungsional yang dapat digunakan untuk membantu memahami perubahan secara anatomis dan perubahan secara neural pada otak yang berhubungan dengan AD. Keberhasilan model Convolutional Neural Network (CNN) terutama dalam klasifikasi citra, kami mengembangkan sebual model CNN yang dilatih menggunakan data citra dari FDG-PET dari Alzheimer’s Disease Neuroimaging Initiative (ADNI) untuk dapat mengklasifikasikan antara citra dengan kondisi AD, MCI, dan Cognitive Normal (CN). Metode Gradient-weighted Class Activation Mapping (Grad-CAM) digunakan untuk meningkatkan interpretabiltas model, menunjukkan daerah-daerah penting dari prediksi dan membuat model menjadi lebih transparan dan dapat dijelaskan. Model multiclass yang dikembangkan memperoleh akurasi (97%), presisi (99%), recall (99%), dan F1-Score (99%). Heatmap yang dihasilkan dari Grad-CAM memberikan informasi visual terhadap proses pembuatan keputusan dari model, yang dapat membantu dalam memahami daerah-daerah penting pada citra yang diklasifikasi. Berdasarkan penelitan ini, model yang dikembangkan selain memiliki kapabilitas dalam melakukan klasifikasi penyakit Alzheimer serta tahap awal dari penyakit, model juga memberikan informasi visual yang berpotensi untuk memajukan perangkat diagnostik dalam bidang kesehatan.

---

Alzheimer’s disease (AD) is a brain degenerative disorder can cause cognitive decline, impacting daily life and behaviour of the patient. Early and accurate diagnosis of AD, including identifying its prodromal stage (mild cognitive impairment (MCI), is crucial for effective intervention of the disease. Fluorodeoxyglucose Positrons Emission Tomography (FDG-PET) is a functional molecular imaging modality, that can be used to help understand the anatomical and neural changes of brain related to AD. With the success of Convolutional Neural Network (CNN) especially in image classification, we develop a CNN model trained on FDG-PET images from Alzheimer’s Disease Neuroimaging Initiative (ADNI) dataset to discern between AD, MCI, and Cognitive Normal (CN) states. Incorporating Gradient-weighted Class Activation Mapping (Grad-CAM) enhances model interpretability, highlighting crucial image regions for disease prediction and to enhance our model interpretability and make our model more transparent and explainable. Our multiclass model achieves accuracy (97%), precision (99%), recall (99%), and F1 scores (99%). Grad-CAM-generated heatmaps give insight into the model’s decision-making process, aiding in understanding important classification regions within images. Based on our findings, not only demonstrate the model’s capability in classifying Alzheimer’s disease and its prodromal stage but it also provides visual insights that showcase its potential to advance diagnostic tools in healthcare."

"Inspeksi dan validasi secara kuantitatif dibutuhkan dalam uji kualitas SPECT dan harus dilakukan secara berkala. Identifikasi dari cincin artefak merupakan bagian dari evaluasi citra harus dianalisa karena hal ini berkaitan dengan performa dari SPECT. Hingga saat ini interpertasi dan evaluasi dari cincin artefak yang dilakukan memiliki keterbatasan, yaitu evaluasi dilakukan secara visual yang rentan terhadap subjektifitas dan tidak sensitif dengan perubahan yang kecil terhadap performa modalitas. Pada penelitian ini suatu metode dikembangkan untuk melakukan identifikasi, evaluasi, dan kuantifikasi cincin artefak. Metode ini dikembangkan dengan menggunakan bahasa pemograman Python dengan berbagai macam library untuk melakukan langkah-langkah evaluasi sebagai berikut: (1) secara otomatis menentukan perbedaan antara citra yang tidak memiliki artefak dengan citra yang memiliki artefak dengan menggunakan metode Student’s t-test, (2) mendeteksi cincin artefak dengan menggunakan metode threshold (3) mendeskripsikan posisi dari artefak cincin dengan mengkuantifikasi jari-jari dalam, luar, dan lebar dari artefak cincin. Metode yang dikembangkan berhasil mendeteksi artefak cincin pada citra. Nilai p-value untuk semua citra sampel yang diperoleh dari perhitungan dengan menggunakan metode Student’s t-test menunjukkan kurang dari 0.025. Artinya terdapat perbedaan yang signifikan antara citra yang memiliki artefak dengan citra yang tidak memilki artefak. Metode ini juga dapat melakukan kuantifikasi terhadap jari-jari luar, dalam, dan lebar cincin artefak pada citra. Metode ini diharapkan dapat memberi manfaat untuk meningkatkan kualitas identifikasi cincin artefak pada SPECT quality control.

---

The Inspection and quantitative validation are essentially needed in SPECT system quality control and must be done periodically. An identification of the ring artifact conducting by Jaszczak phantom as a part of an image quality evaluation should be analyzed since it has consequently linked with the SPECT’s performance. Until now interpretation and evaluation of these artifacts are performed visually which is prone to subjectivity and insensitive with subtle changes in the system’s performance. In this study, a method for identifying, evaluating, and quantifying the ring artifacts is developed to overcome these limitations. The method is developed using Python language with a variety of libraries to perform a sequence of evaluation steps: (1) determine the differences between the reference image with no artifacts and the one suspected image with artifacts based on Student's t-test method, (2) detect ring artifacts using threshold method and (3) describe the ring artifacts position by quantifying the radius and width of the ring artifacts. The method successfully detects the ring artifact in the system. The student's t-test method shows the p-values of all image samples smaller than 0.025 which indicates significant differences between with and without artifact images. Then, it successfully calculated the desired parameter which are the outer, inner radius and width of the detected artifacts. In conclusion, our method will be beneficial to improve SPECT system quality control for identifying the ring artifact."

"ABSTRAKMicro-milling adalah pemesinan milling dalam skala mikro, dimana terdapat beberapa kesulitan dalam konversi dari skala makro ke skala mikro. Produk berskala mikro belakangan menjadi kebutuhan di bidang kesehatan, energi, manufaktur, bahkan pertahanan Pada umumnya untuk pemesinan pada micro-milling digunakan mata pahat dengan diameter kurang dari 600 μm sampai dengan 100 μm.Penelitian yang dilakukan adalah pembuatan tekstur permukaan (micro-texture) produk mikro berbasis dari citra 2D. Proses dilakukan dengan melakukan rekayasa terhadap suatu citra dimana nilai intensitas warna menjadi nilai level ketinggian. Pada perancangan tool path, dilakukan proses gouging avoidance untuk menhindari terjadinya over cut pada saat pemesinan. Nilai intensitas tersebut yang dijadikan kumpulan CL-Point yang selanjutnya akan dikonversi menjadi NC-File untuk dilakukan pemesinan.Pemesinan menggunakan benda kerja berbahan material aluminium A1100 dengan ukuran 3 x 3 x 3 mm. Dengan tingkat kekerasan 28 HRC, ini menjadi pertimbangan dalam penentuan kedalaman pemakanan (Depth of Cut) dan kecepatan pemakanan (Feed rate). Sebagai masukan data yang menjadi CL-File digunakan citra berukuran resolusi 150 x 127 piksel dan 300 x 254 piksel. Dengan metode rekayasa citra telah dapat dihasilkan 2 micro-texture part berbeda dengan menggunakan metode ini.

---

abstractNowadays, micro products become more demanding in several aspects such as health, energy, manufacturing, even military. One of ways to produce micro products is by using micro-milling process. Micro-milling is machining in micro scale. In general, micro-milling uses cutting tool with diameter less than 600 μm. In some micro products, texturing of the part surface maybe needed. This research conducted the manufacture of micro-texture of micro part based on 2D image. The color intensity values of 2D image were converted or mapped into the contour of the texture of micro product in Cartesian domain. Then, toolpaths are generated based on the contour values with gouging avoidance. The CL-point of generated toolpaths were then post processed into NC-point also known as NC-file. The workpieces used for this micro-texturing are using Aluminium A1100 material size of 3 x 3 x 3 mm dimension. The hardness of this material is 28 HRC, which is for determine the dept of cut and feed rate. The toolpaths generated on different size of image resolution 150 x 127 pixels and 300 x 254 pixels. Two different workpieces were successfully produced using the above developed method."

"Penelitian ini membahas mengenai teknik manufaktur dengan skala mikro yang dilakukan dengan metode micro-milling berbasis kepada olah citra 2D. Tekstur part mikro dihasilkan dengan mesin micro-milling 3 axis. Pada metode olah citra yang dikembangkan pada metode olah citra 2D ini data input citra akan mengalami tiga proses sebelum dilakukan pemesinan. Pertama, data mapping digunakan untuk mengkonversi data yang di dapat dari input citra (intensitas pixel dan resolusi citra) menjadi data ukuran untuk pemesinan: tinggi maksimum, panjang dan lebar (mm) dari tekstur. Pada penelitian ini intensitas citra digunakan sebagai pengontrol kontur dari tekstur mikro dan resolusi sebagai pengatur luas pengerjaan pada benda kerja. Kedua, data intensitas dari citra tersebut dikonversi menjadi data kontur 3D dari tekstur mikro yang telah ditentukan pada langkah pertama. Ketiga, digunakan algoritma smoothing pada data kontur untuk mendapakan permukaan smooth yang dapat dilakukan pemesinan. Untuk koordinat pergerakan pemakanan pada proses pemesinan digunakan metode gouging avoidance sehingga pergerakan pemakanan mengikuti pola citra 2D yang digunakan. Hal ini dilakukan dengan citra beresolusi 127x150 pixel dan 254x300 pixel. Setelah data 3D dari tekstur mikro sudah dapat dihasilkan, perancangan tool path dilakukan untuk mendapatkan part mikro dengan tekstur yang sudah dirancang pada metode olah citra yang dilakukan pada tahapan sebelumnya. Pemesinan sudah dapat dilakukan dan dari metode olah citra 2D yang dibahas pada penelitian ini dapat dijadikan salah satu metode untuk pemesinan permukaan part mikro.

---

This research focuses on developing method to produce 3D micro-texture on micro-part based on 2D image. The micro-texture itself is manufactured by 3-axis micro-milling. In the developed method, a 2D square image with desired pattern is used as input data and a three processing-step is required afterward. First, three prescaled-mapping values are set accordingly and used to convert the image data (pixel intensity and image resolution) into specified dimension: maximum height, length and width (mm) of the texture. In this case, the image intensity is used to control maximum contour height of micro-texture, and the resolution is used to set desired dimension of the texture. Second, pixel intensity data of the image is then converted into 3D contour-height data of micro-texture based on the prescaled-mapping values determined in the first step. Third, smoothing algorithm is then carried out to the contour-height data to obtain a more reasonably smooth surface. The movement coordinate data of the machining process is generated with gouging avoidance methods that follow the pattern of 2D images. 2D input images with different resolution: 127 x 150 pixels and 254 x 300 pixels were used to test the algorithm. Once the 3D micro-texture data is ready, tool path generation is then carried out to produce micro-part with the designated texture on it. The result shows that the developed method can successfully produce 3D micro-texture thus can be further used for micro-texture surface machining."

"Salah satu masalah yang sering muncul dalam dunia fotografi adalah efek blur yang dapat diakibatkan baik oleh objek yang bergerak maupun gerakan kamera yang berhubungan dengan kecepatan rana (shutter speed) ketika gambar akan diambil. Paper ini menyajikan sebuah metode baru yang sederhana untuk mendeteksi kemunculan distorsi blur yang tidak diinginkan pada gambar digital. Metode yang diusulkan menggunakan transformasi discrete cosine transform (DCT) pada gambar yang telah mengalami distorsi dengan ukuran blok DCT yang bervariasi. Hasil dari pendeteksian ini kemudian digunakan untuk meningkatkan kualitas gambar melalui metode debluring berdasarkan korelasi pixel yang diterapkan pada area tertentu pada gambar yang mengandung distorsi blur ini. Hasil eksperimen menunjukkan bahwa kualitas gambar yang disempurnakan dihasilkan oleh metode debluring secara selektif menggunakan deteksi distorsi blur lokal akan lebih baik daripada yang tidak melalui proses seleksi. Dari berbagai ukuran blok yang digunakan dalam percobaan, blok berukuran 32×32 piksel menghasilkan kualitas gambar yang secara umum lebih baik.

---

AbstractOne of the problems that often arise in photography is a blurring effect that can be caused either by a moving object or camera movements that associated with the shutter speed when the picture is taken. This paper presents a simple new method for detecting the appearance of unwanted blur distortion in digital images. The proposed method uses the transformation of Discrete Cosine Transform (DCT) on the image that has been distorted with varying DCT block size. The results of the detection used to improve image quality through debluring method based on pixel correlation that applied to certain areas of the image that contains this blur distortion. The experimental results show that the enhanced picture quality produced by the method of selectively debluring using a local blur distortion detection is better than not through the selection process. From various block sizes used in the experiments, the block size of 32×32 pixel generates better picture quality."

"ABSTRAKTelah dilakukan percobaan penerapan tapis pada cuplikan citra skala keabuan 8 bit [0-255] yang terkubur dalam bising elektronik akibat dari perekaman pada illumiasi rendah dengan metoda logaritmik, metoda homomorfik dan difinisi sendiri metoda konvolusi dikrit dengan beberapa penopeng [masking]. Disamping itu dilakukan juga pada cuplikan citra yang terkubur dalam bising periodik dan bising acak dengan tapis metoda pemotongan puncak spektral bising, serta tapis median.Dari percobaan tersebut telah diperoleh beberpa metoda yang tepat dan dapat direkomendasikan untuk meningkatkan kualitas ketajaman kontras obyek citra, meminimalkan bising sehingga obyek citra tersebut dapat diidentifikasi. Untuk kasus citra hilal yang tampak blur diterapkan tapis metoda konvolusi diskirit difinisi sendiri, dan tapis metoda homomorfik, sedangkan untuk kasus cuplikan citra hilal dan kendaraan dalam kegelapan, selain dengan tapis seperti metoda tersebut, juga diterapkan metoda pemekaran kontras secara logaritmik.Pada percobaan ini kualitas citra secara visual [tampak mata] yang baik dinilai dari lebar spektrum intensitas skala keabuan pada analisa histogramnya, kontras simultan skala keabuan [Efek Mach Band] dan perubahan frekuensi intensitas tepi [edge] obyek citra terhadap piksel sekitarnya."