Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pencitraan fluoresens near-infrared (NIR) merupakan metode pencitraan yang menjanjikan dalam dunia kedokteran dengan menggunakan kamera khusus dan kontras agen indocyanine green (ICG). Teknik ini menawarkan keamanan dalam penggunaannya, resolusi yang tinggi, dan sensitivitas yang baik sehingga kebutuhan akan perangkat pencitraan ini terus meningkat. Beberapa studi melaporkan penggunaan metode pencitraan fluoresens NIR dalam berbagai aplikasi medis baik menggunakan perangkat komersial, maupun perangkat rakitan sendiri. Tujuan dari penelitian ini adalah merancang sistem pencitraan fluoresens near-infrared menggunakan filter plastik mika dan kamera IP CCTV serta metode subtraksi dalam mendeteksi fluoresens ICG. Karakterisasi filter plastik mika menggunakan spektrometer dilakukan untuk mengetahui respons filter dan menentukan kombinasi warna paling efektif. Perancangan prototipe menggunakan kamera IP CCTV yang dimodifikasi sebagai komponen utama dalam mengambil citra. Metode subtraksi yang digunakan mampu menjadi alternatif dalam mendeteksi fluoresens yang dihasilkan ICG dengan mengurangi piksel dari 2 buah gambar dengan kondisi berbeda. Kombinasi filter yang paling efektif dalam meredam cahaya tampak adalah merah-kuning-hijau-biru (MKHB) yaitu pada panjang gelombang 400 nm – 680 nm dengan transmitansi sebesar 64,55%. Rata-rata koefisien absorpsi pada filter plastik mika MKHB sebesar 9,87 cm^-1 pada panjang gelombang 830 ± 20 nm. Keseluruhan prototipe berhasil dibuat dan memiliki resolusi yang masih dapat diterima serta biaya produksi sebesar Rp512.000,00. ...... Near-infrared (NIR) fluorescent imaging is a promising imaging method in medicine using a special camera and indocyanine green (ICG) contrast agent. This technique offers safety in use, high resolution, and good sensitivity so that the need for this imaging device will continue to increase. Several studies have reported the use of NIR fluorescent imaging methods in various medical applications using either commercial devices or handmade devices. The aim of this research is to design a near-infrared fluorescent imaging system using mica plastic filters and IP CCTV cameras and subtraction methods to detect fluorescent ICG. Characterization of mica plastic filters using a spectrometer was carried out to determine the response of the filter and determine the most effective color combination. The prototype design uses a modified CCTV IP camera as the main component in taking images. The subtraction method used can be an alternative in detecting fluorescence produced by ICG by subtracting pixels from 2 images with different conditions. The most effective filter combination in reducing visible light is red-yellow-green-blue, which is at a wavelength of 400 nm – 680 nm with a transmittance of 64,55%. The average absorption coefficient on MKHB plastic mica filters was 9,87 cm^-1 at a wavelength of 830 ± 20 nm. The entire prototype was successfully made and has an acceptable resolution and a production cost of 512,000.00 IDR.

Abstrak :
Kabut merupakan fenomena alami yang diakibatkan oleh keberadaan partikel kecil di atmosfer. Kabut yang ada di atmosfer dapat mengurangi kontras dan mendistorsi warna hasil citra yang diambil dalam kondisi alami. Keberadaan kabut pada citra sangat mengganggu aplikasi computer vision maupun fotografi konsumen. Sebagian besar algoritma computer vision memerlukan citra yang jernih untuk dapat berfungsi dengan baik, sehingga diperlukanlah teknik untuk menghilangkan kabut dari citra. Image dehazing bertujuan untuk memulihkan citra jernih dari citra yang dirusak oleh kabut. Image dehazing dapat dilakukan menggunakan model machine learning. Dewasa ini, banyak model machine learning yang digunakan berbasiskan arsitektur Vision Transformer. Penelitian sebelumnya mengenai Vision Transformer menunjukkan bahwa model Transformer dapat berkinerja lebih baik dibandingkan model state-of-the-art ResNet untuk image recognition jika dilatih menggunakan dataset yang besar. Pada penelitian ini, model Uformer dilatih menggunakan dataset citra berkabut dengan ukuran yang besar. Dilakukan juga implementasi Restormer untuk sebagai model alternatif untuk merestorasi citra berkabut. Pengujian kinerja model Uformer dan Restormer dilakukan menggunakan dataset HAZE dan RESIDE. Analisis terhadap model dilakukan secara kualitatif, kuantitatif, dan cross-dataset. Hasil evaluasi model Uformer dan Restormer dibandingkan dengan model Mod PDR-Net Based Conditional Generative Adversarial Network. Evaluasi hasil Uformer dan Restormer menunjukkan bahwa model berbasis Transformer dapat menyaingi Mod PDR-Net Based CGAN untuk restorasi citra berkabut pada dataset testing, namun tidak dapat mengungguli model tersebut dalam pengujian cross-dataset. ...... Haze is a natural phenomenon caused by the presence of small particles in the atmosphere. Haze present in the atmosphere can reduce the contrast and distort the color of images taken under natural conditions. The presence of haze in an image is detrimental to computer vision applications and consumer photography. Most computer vision algorithms require clear images to function properly, hence the need for techniques to remove haze from images. Image dehazing aims to recover a clear image from an image corrupted by haze. Image dehazing can be done using machine learning models. Nowadays, many machine learning models used for dehazing are based on the Vision Transformer architecture. Previous research on Vision Transformer shows that the Transformer model can perform better than the state-of-the-art ResNet model for image recognition when trained using large datasets. In this research, the Uformer model is trained using large dataset of hazy images. Restormer is also implemented as an alternative model for restoring hazy images. Performance testing of the Uformer and Restormer models was conducted using the HAZE and RESIDE datasets. The models were analyzed qualitatively, quantitatively, and through cross-dataset. The evaluation results of the Uformer and Restormer models are compared with the Mod PDR-Net Based Conditional Generative Adversarial Network model. The evaluation of the Uformer and Restormer shows that Transformer-based models can rival Mod PDR-Net Based CGAN for image dehazing on the testing dataset, but cannot outperform the model in cross-dataset testing.