Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penggunaan kecerdasan buatan berbasis Deep Learning untuk mendukung prediksi dan pengambilan keputusan sangat populer di banyak bidang. Salah satu bidang tersebut adalah di sektor kesehatan, terutama dalam pengobatan kanker. Banyak ahli onkologi radiasi dan fisikawan medis sedang melakukan penelitian yang menjanjikan dalam histologi dan stadium kanker, prediksi hasil, segmentasi otomatis, perencanaan perawatan, dan jaminan kualitas. Penelitian ini merupakan studi pendahuluan pengembangan dan perbandingan model deep learning yang berfungsi sebagai alat konversi dari nilai piksel citra Electronic Portal Imaging Device (EPID) ke dosis. Data diambil dari dua bidang radioterapi dengan teknik yang berbeda, yang pertama dosimetri transit pada Varian Unique 6MV foton dan dosimetri non-transit pada Varian Halcyon. Selanjutnya karena data yang tersedia hanya sedikit, data tersebut direproduksi dengan teknik augmentasi sehingga data tersebut cukup untuk menjadi data latih pada berbagai model deep learning, hasilnya divalidasi menggunakan indeks gamma 3%/3mm terhadap citra dosis hasil perencanaan dari TPS. Beberapa model deep learning telah berhasil dibuat yang dapat mengubah nilai piksel EPID menjadi distribusi dosis. Pada dosimetri transit telah berhasil dibuat model Convolutional Neural Network (CNN) dengan 6 layer dengan hasil validasi terbaik mencapai 92,40% ± 28,14%. sedangkan pada dosimetri non-transit, model terbaik mencapai tingkat kelulusan gamma indeks rata-rata 90,07 ± 4,96%. Validasi lebih lanjut dalam banyak kasus dan perbaikan perlu dilakukan untuk meningkatkan akurasi kemiripan dengan citra acuan dengan mempertimbangkan karakteristik yang terkandung dalam gambar EPID dan jumlah dataset. ......The use of deep learning to support prediction and decision making is very popular in many areas. Many radiations oncologist and medical physicists are conducting promising research in cancer histology and staging, outcome prediction, automated segmentation, treatment planning, and quality assurance. This research is a preliminary study of the development and comparison of deep learning model that work as a conversion tool from the pixel value of Electronic Portal Imaging Device (EPID) images to dose. Data were taken from two radiotherapy plane with different techniques, the first was transit dosimetry on the Varian Unique 6MV Photon and the second non-transit dosimetry on the Varian Halcyon. Furthermore, due to limited of data source, the data was reproduced by augmentation techniques so that the data was sufficient to become training data on various deep learning models, the results were validated using a gamma index of 3%/3mm compared to the planned dose image from TPS. Several deep learning models has been successfully created that can convert the EPID pixel value into a dose distribution. In transit dosimetry, a Convolutional Neural Network (CNN) model with 6 layers has been successfully created with the best results from the validation reaching 92.40% ± 28.14%. while in non-transit dosimetry, the best model achieves an average gamma passing rate of 90.07 ± 4.96%. Further validation in many cases and improvements need to be made to increase the accuracy of similarity by considering the characteristics contained in the EPID image and the number of datasets.

Abstrak :
ABSTRAK
Tahapan pasien spesifik QA bertujuan untuk menjamin kualitas parameter-parameter penyinaran sesuai dengan perencanaan terapi, verifikasi dilakukan sebelum dan saat penyinaran dilakukan. Riset menunjukkan terdapat 9 dari 17 kasus tidak dapat mendeteksi kesalahan saat verifikasi pre-treatment namun terdeteksi saat verifikasi treatment. Oleh karena itu, dibutuhkan dosimetri In-vivo yang cepat dan mudah digunakan. Penelitian dilakukan menggunakan pesawat Varian Unique milik Rumah Sakit Cipto Mangunkusumo (RSCM) dengan detektor a-Si 1000 Electronic Portal imaging Device(EPID). Dosimetri In-vivo dibuat berdasarkan informasi citra EPID yang diolah menggunakan algoritma rasio korelasi. teknik pengambilan citra adalah continuous acquisition. proses pembuatan dibagi menjadi dua tahapan, yaitu tahap commissioning sebagai pengambilan data set karakter EPID dan tahap pengujian dosimetri, selain itu dilakukan pengecekan karakter EPID dengan variasi MU dan laju dosis. Pengujian dosimetri menggunakan fantom homogen tipe slab ketebalan 5 cm dengan variasi lapangan 5×5,10×10,15×15,dan 20×20 cm2 dan fantom inhomogen tipe Rando female. Pada teknik IMRT dilakukan pengujian pada satu kasus pasien yang dipindahkan medianya ke fantom homogen tipe slab. Analisis dilakukan pada profile sebelum kalkulasi dan setelah kalkulasi ,yaitu full width half maximum (FWHM), beam symmetry, dan beam flatness. Kedua citra juga dibandingkan menggunakan gamma indeks 3%/3mm dan 2%/2mm. Dihasilkan citra distribusi dosis dosimetri dengan passing-rate > 95% untuk kriteria 3%/3mm dan > 80% untuk kriteria 2%/2mm pada kasus fantom homogen dan 84.464 % untuk kriteria 5%/3mm pada fantom Rando female dengan kesesuaian profil FWHM, beam symmetry, dan beam flatness memiliki rata-rata deviasi ≤ 2%.

---

ABSTRACT
The purpose of patients specific QA stage is to ensure the quality of radiation parameters in accordance with therapeutic planning, verification is carried out pre- and during treatment. Research shows that 9 out of 17 cases cannot detect errors when verifying pretreatment but are detected verification during treatment. Therefore, fast and easy In-vivo dosimetry is needed to solve that problem. The study was using a Varian Unique Linear Accelerator (Linac) at Cipto Mangunkusumo Hospital (RSCM) with a-Si 1000 Electronic Portal Imaging (EPID). The aim of this study is to development and validation 2-D EPID In-vivo Dosimetry (IVD) based on correlation ratio algorithm. The image was taking by continuous acquisition technique. The manufacturing process is divided into two stages, namely the commissioning stage as data characteristic of EPID image and calculation stage. In addition, it also checks the EPID character of increasing MU and dose rate. The validation dosimetry was test using a 5 cm homogeneous slab phantom with variations of field are 5×5,10×10,15×15,20×20 cm2 and one cases using inhomogeneous phantom, that is female Rando phantom. The IMRT technique was tested in one of the patient cases who was transferred to a homogeneous slab phantom with the thickness is 10 cm. Analysis is carried out on the profile before calculation and after calculation, that is full width half maximum (FWHM), beam symmetry, and beam flatness, the images was also compare with gamma index 3%/3mm and 2%/2mm. The result is the doses distribution image produced by dosimetry have passing-rate > 95% for criteria 3%/3mm and > 80% for criteria 2%/2mm on homogeneous phantom cases and 84.464% for criteria 5%/3mm on female Rando phantom with profile suitability in FWHM, beam symmetry, and beam flatness parameters has an average deviation ≤ 2%.