Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker payudara adalah kanker yang paling sering terjadi pada wanita, berdampak pada 2,1 juta wanita setiap tahun, dan juga menyebabkan jumlah terbesar kematian terkait kanker di antara wanita. Deteksi kanker tahap awal dapat mengurangi angka kematian akibat kanker payudara secara signifikan dalam jangka panjang. Ultrasonografi payudara adalah alat screening yang hemat biaya dan tersedia secara luas. Ultrasonografi payudara dapat digunakan untuk wanita yang berisiko tinggi terkena kanker payudara, namun tidak dapat menjalani pemeriksaan MRI atau wanita yang sedang hamil yang tidak boleh terkena sinar-x, dan juga untuk wanita yang memiliki jaringan payudara padat. Meskipun, ultrasonografi dinilai dapat digunakan dalam screening payudara, penggunaanya sangat bergantung pada pengalaman dokter dalam membaca citra. karena itu, untuk mendiagnosa kanker payudara pada ultrasonografi dengan otomatis dapat menggunakan bantuan komputer (CAD). Penelitian ini mengenai sistem CADe berbasis deep learning yaitu convolutional neural network (CNN), CNN diinginkan mengevaluasi beberapa gambar USG untuk membuat diagnosis mikrokalsifikasi. Mikrokalsifikasi merupakan bintik-bintik putih halus, mirip dengan butiran garam. Mereka biasanya bukan kanker, tetapi pola-pola tertentu dapat menjadi tanda awal kanker. Mendeteksi mikrokalsifikasi menggunakan CNN ini dapat digunakan sebagai screening payudara rutin, yang mana dapat membantu dokter untuk menemukan tanda-tanda kanker payudara lebih awal dari yang mungkin saat ini. Di mana, performa pada penelitian adalah dengan sensitivitas 87,85%, akurasi sebesar 87,34% dan presisi 98,505%.

---

Breast cancer is a very common cancer in women, affects millions of women each year, and is also one of the leading causes of cancer deaths among women. Early-stage cancer detection can reduce breast cancer mortality significantly in the long term. Breast ultrasound is a cost-effective and widely available screening tool. Breast ultrasound can be used for women who are at high risk of developing breast cancer but cannot undergo MRI examinations or for pregnant women who should not be exposed to X-rays, and also for women who have dense breast tissue. Although ultrasound is considered to be used for breast screening, its use is highly dependent on the doctor's experience in reading the images. Therefore, to diagnose breast cancer using ultrasound images automatically can use computer assistance, namely Computer-Aided Detection (CADe). This study discusses a deep learning-based CADe system, namely the convolutional neural network (CNN), CNN is desired to evaluate several ultrasound images to make a microcalcification diagnosis. Microcalcifications are fine white spots, similar to grains of salt. They are not usually cancer, but certain patterns can be an early sign of cancer. Detecting microcalcification using CNN can be used as a routine breast screening, which can help doctors find signs of breast cancer earlier than is currently possible. Where, the performance in this study is with a sensitivity of 87.85%, an accuracy of 87.34% and a precision of 98.505%."

"Kanker payudara merupakan salah satu jenis kanker dengan kasus terbanyak di dunia pada tahun 2022. Sebagai salah satu sistem deteksi awal, ultrasound digunakan sebagai pendamping mammografi untuk mendiagnosis kanker atau lesi pada payudara. Salah satu bagian dari diagnosis adalah segmentasi lesi pada citra. Pada penelitian ini, dilakukan implementasi model U-Net termodifikasi untuk melakukan segmentasi lesi secara otomatis pada citra ultrasound payudara. Penelitian ini menggunakan dua model U-Net termodifikasi, yaitu UNET++ dan UResNet-34 yang dievaluasi dengan metrik Jaccard Similarity Index (JSI) dan Dice Similarity Coefficient (DSC). Pada penelitian ini, performa U-Net termodifikasi dalam melakukan segmentasi pada data latihan yang digambarkan dengan nilai JSI secara berturut-turut pada model UNET++ variasi 1, UNET++ variasi 2, UResNet-34 variasi 1, dan UResNet-34 variasi 2 adalah 96,09%, 96,05%, 91,22%, dan 89,87%, sedangkan pada data pengujian, secara berturut-turut adalah 76,07%, 74,14%, 73,11%, dan 78,54% menggunakan metode pertama dan 79,23%, 78,91%, 80,72%, dan 79,70% menggunakan metode kedua. Model U-Net termodifikasi mampu melakukan segmentasi lebih baik daripada model U-Net biasa, baik dengan lapisan batch normalization, maupun tanpa lapisan batch normalization.

---

Breast cancer is one of the types of cancer that requires an early detection system. Ultrasound imaging is commonly used to diagnose cancer or lesions in the breast. In this study, a modified U-Net model was implemented to perform lesion segmentation on breast ultrasound images. Two modified U-Net models were utilized, namely UNET++ and UResNet-34, and evaluated using the Jaccard Similarity Index (JSI) and Dice Similarity Coefficient (DSC) metrics. In this study, the performance of the modified U-Net models on the training data, as indicated by JSI scores, were 96.09%, 96.05%, 91.22%, and 89.87% for UNET++ variation 1, UNET++ variation 2, UResNet-34 variation 1, and UResNet-34 variation 2, respectively. On the test data, the scores were 76.07%, 74.14%, 73.11%, and 78.54% using the first method, and 79.23%, 78.91%, 80.72%, and 79.70% using the second method. The modified U-Net models demonstrated better segmentation performance compared to the standard U-Net model. "

"Kurkumin merupakan senyawa polifenol yang banyak terkandung pada tanaman kunyit (Curcuma longa L.). Kurkumin terbukti memiliki aktivitas biologis seperti antibakteri, antikanker, antioksidan, antidiabetes, dan antiinflamasi. Metode microwave-ultrasound-assisted extraction (MUAE) merupakan metode ekstraksi hijau yang dikembangkan untuk meningkatkan yield kurkumin dan meningkatkan produktivitas ekstraksi. Penelitian ini bertujuan untuk meningkatkan yield kurkumin dan meningkatkan produktivitas ekstraksi dibanding dengan metode ultrasound-assisted extraction (UAE) dengan menambahkan microwave pre-treatment menggunakan natural deep eutectic solvents (NADES) sebagai pelarut yang ramah lingkungan. Kondisi operasi seperti waktu microwave pre-treatment dan waktu ekstraksi dioptimasi dengan menggunakan response surface methodology (RSM). Kondisi optimum diperoleh pada waktu microwave pre-treatment 60 detik dan waktu ekstraksi 20 menit dengan produktivitas ekstraksi tertinggi. Metode MUAE menghasilkan yield kurkumin 9,96% lebih tinggi dengan peningkatan produktivitas sebesar 2,32 kali lipat dibandingkan metode UAE. Kurkumin hasil ekstrak diseparasi dengan metode yang ramah lingkungan menggunakan air sebagai anti pelarut untuk memisahkan kurkumin dari NADES. Proses separasi kurkumin yang dilakukan, menghasilkan recovery sebesar 12,50%-54,03% dan meningkatkan kemurnian kurkumin dari 0,11%-0,31% pada ekstrak menjadi 13,79%-24,14% pada padatan kurkumin.

---

Curcumin is a polyphenolic compound that is widely contained in turmeric plants (Curcuma longa L.). Curcumin is proven to have biological activities such as antibacterial, anticancer, antioxidant, antidiabetic, and anti-inflammatory. The microwave-ultrasound-assisted extraction (MUAE) method is a green extraction method developed to increase curcumin yield and improve extraction productivity. This study aims to increase curcumin yield and increase extraction productivity compared to the ultrasound-assisted extraction (UAE) method by adding microwave pre-treatment using natural deep eutectic solvents (NADES) as an environmentally friendly solvent. Operating conditions such as microwave pre-treatment time and extraction time were optimized using response surface methodology (RSM). The optimum conditions were obtained at a microwave pre-treatment time of 60 seconds and an extraction time of 20 minutes with the highest extraction productivity. The MUAE method produced 9.96% higher curcumin yield with an increase in productivity of 2.32 times compared to the UAE method. The extracted curcumin was separated by an environmentally friendly method using water as an anti-solvent to separate curcumin from NADES. The curcumin separation process resulted in recovery of 12.50%-54.03% and increased the purity of curcumin from 0.11%-0.31% in the extract to 13.79%-24.14% in curcumin solids."

"Penelitian untuk meningkatkan hasil ekstraksi lipid biomassa mikroalga sebagai sumber energi terbarukan terus dilakukan. Salah satu permasalahan yang dihadapi dalam proses produksi biofuel dari lipid mikroalga adalah hasil ekstraksi biomassa mikroalga yang belum dapat memenuhi kebutuhan produksi dan proses harvesting yang masih memiliki keterbatasan terkait kualitas dan kuantitas hasil harvesting. Biomassa mikroalga yang diperoleh langsung dari alam dapat diteliti untuk memperoleh sumber biomassa potensial yang tidak membutuhkan penumbuhan. Sumber biomassa yang diteliti adalah mikroalga dari Situ Kenanga, Agathis, dan Rawa Besar yang tergolong Daerah Aliran Sungai (DAS) Ciliwung-Cisadane. Proses harvesting menggunakan Ultrasound Harvesting Module (UHM) yang menggunakan gelombang ultrasonik dikembangkan dengan harapan dapat mengolah biomassa secara besar-besaran dari alam. Hasil penelitian menunjukkan bahwa produksi lipid dari mikroalga di alam dapat berubah-ubah tergantung musim. Persentase lipid terbanyak diperoleh dari mikroalga Situ Kenanga pada musim kemarau, yaitu sebesar 4,548%. Persentase tersebut jauh lebih kecil dibandingkan dengan kebutuhan industri sebesar 60%, sehingga tidak dapat memenuhi persyaratan untuk produksi skala besar. Penelitian dengan tujuan meningkatkan kemampuan UHM dalam mengendapkan biomassa menunjukkan bahwa performa alat berbanding lurus dengan jumlah ultrasound generator yang dipasangkan pada alat. Hasil akhir pengendapan menunjukkan bahwa UHM dengan 5 generator dapat mengendapkan hingga 269% biomassa mikroalga dibandingkan dengan UHM purwarupa dengan 2 generator. Dari keseluruhan hasil penelitian, dapat disimpulkan bahwa UHM yang dimodifikasi dapat meningkatkan efektivitas proses harvesting biomassa skala besar, tetapi biomassa tidak bisa diperoleh secara langsung dan harus diperoleh melalui proses penumbuhan terlebih dahulu untuk memenuhi kebutuhan produksi skala besar.

---

Various researches have been done in order to find methods to increase the lipid content of microalgal biomass for a renewable fuel source. One persisting problem in the attempt to utilize microalgal lipid as biofuel raw material is the low quantity of both biomass harvested and extracted lipid. Direct harvesting from natural sources is suggested to reduce the production cost by eliminating cultivation process. Natural sources could also contain various microalgae species that could be a potential source of lipid to fulfill industrial needs. The proposed source of biomass are Kenanga, Agathis, and Rawa Besar Small Lake, which are small lakes located in Daerah Aliran Sungai (DAS) Ciliwung-Cisadane. To support this method, the usage of modified Ultrasound Harvesting Module (UHM) is suggested. Research on natural biomass and lipid yield resulted in the conclusion that natural-grown biomass is not a viable source of lipid for biofuel production on a larger scale. The highest percentage of lipids was obtained from Kenanga Small Lake microalgae during the dry season, which was 4.548%. This percentage is much smaller than the industry's requirement of 60%, so it cannot meet the requirements for large-scale production. In the meantime, research on UHM modification resulted in the conclusion that UHM performance is heightened with additional ultrasound generators. The final harvesting results show that UHM with 5 generators can harvest up to 269% of microalgae biomass compared to the prototype UHM with 2 generators. From the overall results of the study, it can be concluded that a modified UHM can increase the effectiveness of the large-scale biomass harvesting process, but biomass cannot be obtained directly and must be obtained through a growing process first to meet the needs of large-scale production."

"Extra-pulmonary tuberculosis covers all forms of tuberculosis in which the disease process occurs outside the lungs. Tuberculosis is one of the common infectious causes of splenic enlargement, but tuberculous splenic abscess is a rare presentation.We report the finding of tuberculous multiple splenic abscesses in a young male patient aged 33 years with prolonged fever. The main clinical feature was fever for 6 months prior to admission. Abdominal ultrasound revealed the spleen was normal in size but showed multiple abscesses. CT scan abdomen showed splenomegaly with multiple solid nodules. Patient underwent laparatomy and splenectomy, the spleen indeed showed multiple abscesses. Histopatology result showed Langhan's multi nucleated giant cells, caseous necrosis. The patients was diagnosed to have tuberculous multiple abscesses of the spleen. The patient was started on daily short-course antituberculosix drugs with isoniazid, rifampicin, pyrazinamide and ethambutol. He responded well to oral antituberculosis treatment."

"Tujuan : Menilai variabilitas pengukuran volume total dan zona transisional prostat dengan ultrasonografi transrektal oleh pemeriksa yang sama dan antar pemeriksa yang berbeda.Metoda : Dilakukan dua kali pengukuran volume total dan zona transisional prostat oleh satu pemeriksa yang sama dan oleh dua pemeriksa yang berbeda pada 30 pasien yang berkunjung ke klinik Urologi RS Hasan Sadikin, BandungHasil : Rerata pengukuran volume total dan zona transisional prostat pada satu pemeriksa adalah 45,7 ± 19,2 ml dengan kisaran antara 18,1 hingga 89,7 ml (median 44,1) dan 16,9 ± 10,3 ml dengan kisaran antara 3,1 hingga 34,6 ml (median 14,3), sedangkan pada dua pemeriksa adalah 45,9 ± 19,3 ml dengan kisaran antara 18,3 hingga 89,8 ml (median 44,1) dan 16,9 ± 10,2m1 dengan kisaran antara 3,1 hingga 34,6 ml(median 14,5). Beda rerata plus/minus simpang baku pengukuran volume total dan zone transisional prostat pada pemeriksa yang sama adalah -0,2 ± 1,0 dan -0,1 ± 0,1, sedangkan pada pemeriksa yang berbeda adalah -0,6 ± 2,2 dan 0,1 ± 1,7. Interval Kepercayaan (IK) 95% pengukuran volume total dan zone transisional prostat pada pemeriksa yang sama antara -0,52 hingga 0,14 dan antara -0,53 hingga 0,65 sedangkan pada pemeriksa yang berbeda antara -1,35 hingga 0,21 dan antara -0,53 hingga 0,65.Kesimpulan : Didapatkan variasi yang cukup lebar dalam pengukuran volume total dan zona transisional prostat terutama antar pemeriksa yang berbeda dibandingkan dengan pemeriksa yang sama, walaupun demikian pengukuran dengan ultrasonografi transrektal cukup diandalkan dalam menilai volume prostate.

---

Objective : To assess the intra-examiner and inter-examiner factor in the measurement of prostate volume using transrectal ultrasound.

Method : Total prostate volume and transition zone volume were measured by the first examiner (measurement I), followed by the second examiner (measurement II). Afterward the same measurements were conducted again by the first examiner (measurement III). The whole procedure were done on 30 patients in the TRUS Unit of The Department of Urology, Hasan Sadikin Hospital, Bandung.

Result : The mean total prostate volume and transition zone volume measured by the same examiner (Measurement I and Measurement III) were 45.67(±19.2) ml, ranged from 18.05 to 89.68 with a median of 44.18 ml and 16.92(±10.3) ml, ranged from 3.13 to 34.64 with a median of 14.30 ml. The mean total prostate volume and transitional zone volume measured by different examiners (Measurement I and Measurement II) were 45.86(±19.3) ml, ranged from 18.30 to 89.77 with a median of 44.18 ml and 16.8(±10.3) ml, ranged from 3.18 to 34.55 with a median of 14.51 ml. The mean difference between Measurement 1 and Measurement III using a Confidence Interval (CI) of 95 % were -0,20(±0,1),(-0.52-0.14) ml for total prostate volume and -0.07(±0.7) ml), (-0.38-0.16) ml for transitional zone volume. The mean difference between Measurement I and Measurement II using a Confidence Interval (CI) of 95 % were -0.57(±2.2) ml, (-1.35-0.21) ml for total prostate volume and -0.07(±1.7) ml, (-4.01-3.55) ml, for transition volume.

Conclusion : A considerable difference between the measurement by total and transitional zone volume of the prostate were shown if performed repeatedly by the same examiner as well as by different examiner. The variation is greater in measurement conducted by different examiner compared to the one conduct by the same examiner."

"ABSTRAKTujuan. 1. mengetahui hubungan antara FA yang lebar dengan perkembangan motorikkasar dan bahasa pada anak usia 6-24 bulan, 2. mengetahui hubungan antara fontanelanterior yang lebar dengan perkembangan otak yang abnormal dari pemeriksaan USG kepala,3. mengetahui faktor-faktor risiko yang berperan dalam perkembangan motorik kasar danbahasa pada anak dengan FA lebar.Metode. Desain penelitian adalah kasus kontrol untuk menilai perkembangan motorikkasar dan bahasa menggunakan pemeriksaan Denver II dan perkembangan otak dinilaidengan pemeriksaan USG kepala, pada anak usia 6-24 bulan dengan ukuran FA lebar (≥ 1 SD)sesuai kelompok usia. Kelompok kasus jika perkembangan motorik kasar dan bahasanyaterlambat sedangkan kelompok kontrol jika perkembangan motorik kasar dan bahasanyanormal yang dipasangkan sesuai kelompok usianya, yang berobat ke RSUPN dr. CiptoMangunkusumo antara bulan Desember 2017 sampai dengan Mei 2018. Faktor-faktor risikodianalisis secara bivariat dan multivariat.Hasil penelitian. Dari 127 anak dengan FA lebar, 9 anak dieksklusi, sehingga ada 118 anaksebagai subyek penelitian. Pada kelompok kasus maupun kontrol ada 59 subyek, terdiri dari18 anak (usia 6-<9 bulan), 16 anak (usia 9-<12 bulan), 17 anak (usia 12-<18 bulan) dan 8anak (usia 18-<24 bulan). Pada kelompok anak dengan FA lebar (>2SD) lebih banyakditemukan pada kelompok kasus, sebaliknya pada anak dengan FA ≥1 SD ≤ 2SD lebihbanyak ditemukan pada kelompok kontrol. Pada analisis bivariat didapatkan faktorrisiko yang bermakna adalah status gizi kurang, kelahiran prematur, LK abnormal danhasil USG kepala abnormal. Pada analisis multivariat didapatkan anak dengan FA lebarberhubungan bermakna dengan riwayat kelahiran prematur (OR 7,5; IK 95% 1,585-35,913)dan abnormalitas USG kepala (OR 29; IK 95% 3,82-225,37).Simpulan. Anak dengan FA lebar >2 SD lebih banyak ditemukan perkembangan motorikkasar dan bahasa yang terlambat, dan berhubungan bermakna dengan kelahiran prematurdan abnormalitas USG kepala.

---

ABSTRACTBackground. Abnormalities in head circumference (HC) and anterior fontanel (AF) size in children may reveal clues to assessment of intrauterine brain growth disorders. Brain growth disorders may lead to clinical manifestations of impaired growth and development of children. Objectives. (1) to determine the relationship between large AF with gross motor and language developmental in children aged 6-24 months, (2) to determine the relationship between large AF with abnormalities of brain growth by cerebral ultrasound, (3) to find the association of risk factors of gross motor and language developmental in children with large AF. Methodes. A case control study was to assess gross motor and language development by using Denver II and brain growth by cerebral ultrasound in children aged 6-24 months with large AF (≥ 1 SD) visiting dr. Cipto Mangunkusumo National General Hospital between December 2017 and May 2018. Case group consisted of gross motor and language developmental delay, control group consisted of similar children but who were normal of gross motor and language development. Both groups were matched according to gender and aged. Bivariate and multivariate analysis were done to identify significant risk factors. Results. Out of 127 large AF children, 9 child who meet exclusion criteria, subject in the study was 118 children. Case groups and control groups were 59 subject; 18 subject (6-<9 months), 16 subject (9-<12 months), 17 subject (12-<18 months) and 8 subject (18-<24 months). Most children of AF >2 SD with gross motor and language development delay were compared to children of AF ≥1 SD- ≤2 SD with normal of gross motor and language development. Bivariate analysis showed that significantly of risk factors were under nutrition, premature, abnormality HC and abnormality cerebral ultrasound. Multivariate analysis showed that significantly prematurity (OR 7,5; IK 95% 1,585-35,913) and abnormality cerebral ultrasound (OR 29; IK 95% 3,82-225,37) in children of large AF with gross motor and language development delay. Conclussions. The most of children of large AF (> 2 SD) were gross motor and language development delay, and significantly with prematurity and abnormality cerebral ultrasound."

"ABSTRAKPenelitian ini bertujuan untuk mengetahui akurasi parameter pola gambaran ultrasonografi dan kadar CA 125 untuk membedakan endometrioma dengan kistadenoma musinosum yang merupakan penelitian uji diagnostik dengan desain penelitian cross-sectional yang dilakukan di Rumah Sakit Cipto Mangunkusumo dengan mengambil data retrospektif dari Januari 2015 hingga Desember 2017. Pasien poliklinik rawat jalan ginekologi dengan kecurigaan memiliki neoplasma ovarium kistik direkrut. Sebagai Gold standar adalah temuan histologi dari massa adneksa yang dioperasi. Pola gambaran ultrasonografi dan kadar CA 125 akan disusun menjadi model untuk mendiagnosis endometrioma, kistadenoma musinosum, tumor jinak lain, dan tumor ganas/ borderline. Analisis statistik dari prediksi model untuk mebedakan endometrioma dengan kistadenoma musinosum dihitung berdasarkan cross tabulation sehingga didapatkan nilai akurasi, sensitivitas, spesifisitas, nilai prediksi positif dan nilai prediksi negatif. Penelitian ini melibatkan 200 pasien, sebanyak 83 kasus (41,5%) adalah endometrioma, 50 kasus (25%) adalah kistadenoma musinosum, 35 kasus (17,5%) adalah tumor jinak lain, 32 kasus (16%) adalah tumor ganas/ borderline. Karakteristik endometrioma adalah median CA 125 158,25 IU/mL, dinding tipis (72,29%), unilokuler (78,31%), bilateral ( 56,60%), ekogenisitas ground glass (66,27%), adanya perlengketan (68,7%), tanpa komponen padat (80,7%), sementara itu karakteristik kistadenona musinosum adalah median CA 125 52,85 IU/mL, dinding tipis (58 %), multilokuler (76%), unilateral (98%), ekogenisitas campuran (52%), tanpa perlengketan (84%), dan tanpa komponen padat (66%). Akurasi dari model regresi multinomial untuk membedakan endometrioma dengan kistadenoma musinosum yaitu 86%, dengan nilai sensitivitas, spesifisitas, nilai prediksi positif, dan nilai prediksi negatif masing-masing 87%, 84%, 92%, dan 77%. Model ini akurat  secara statistik (p <0,05). Sebagai kesimpulan didapatkan parameter pola gambaran ultrasonografi dikombinasikan dengan kadar CA 125 memiliki kemampuan yang baik untuk membedakan endometrioma dengan kistadenoma musinosum.

---

ABSTRACTThis study was aimed to assess the accuracy a set of parameter which are based on ultrasonography features and CA 125 level to discriminate endometrioma and mucinous cystadenoma. This was [i-[1] a diagnostic test research with cross-sectional study design conducted at Cipto Mangunkusumo Hospital with retrospective data from January 2015 through December 2017. Gynecological outpatients clinics with suspicion of having ovarian cyst neoplasms based on patient history, clinical examination and ultrasonography were recruited. The gold standard is the histological findings of discarded adnexal masses. We conducted models based on multinomial regression analysis using gray-scale ultrasound characteristics and CA 125 level variables to diagnose endometrioma, mucinous cystadenoma, other benign tumor, malignant/ borderline tumor. Statistical analysis were calculated using cross-tabulation, to get accuracy, sensitivity, specificity, positive predictive value, and negative predictive value to differentiate endometrioma and mucinous cystadenoma. This study involved 200 patients, as many as 83 cases (41.5%) were endometriomas, 50 cases (25%) were mucinous cystadenoma, 35 cases (17,5%) were other benign tumor, and 32 cases were (16%) malignant/ borderline tumor. The characteristic endometrioma patients were median CA 125 level 158,25 IU/mL, thin wall (72,29%), unilocular cysts (78,31%), bilateral ( 56,60%), ground glass echogenicity (66,27%), adhesion (68,7%), without solid component (80,7%), while the ovarian mucinous cystadenomas were median CA 125 52,85 IU/mL, thin wall (58 %), multilocular (76%), unilateral (98%), variable echogenicity (52%), without adhesion (84%), and without solid component (66%). The multinomial logistic models can discriminate endometrioma and mucinous cystadenoma with accuracy 86%, and sensitivity, specificity, positive predictive value, negative predictive value of 87%, 84%,  92%, and 77%, respectively. The models were significantly accurate (p<0,05). Inconclusion, a multinomial logistic model derived from ultrasonography features and CA 125 level can accurately to discriminate endometriomas and mucinous cystadenoma [i-[1]"