Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Positron Emission Tomography (PET) telah dikenal sebagai modalitas molecular imaging yang sering memberikan informasi yang mendahului hasil pencitraan anatomi dari modalitas lain seperti Computed Tomography (CT) dan Magnetic Resonance (MR). Keunggulan PET untuk mendeteksi uptake yang sangat sedikit dari FDG dapat memberikan informasi abnormalitas pada organ, salah satunya pada otak. Pencitraan modalitas PET digunakan untuk mendiagnosis apabila terdapat abnormalitas dalam organ serta untuk memantau keberhasilan perlakuan radioterapi. Pada pencitraan otak menggunakan 2-Deoxy-2-[18F] fluoroglucose (FDG) uptake yang kecil tidak mudah dikenali secara visual, sehingga perlu menggunakan metode yang dapat membantu untuk mendeteksi. Dengan adanya teknik Computer-Aided Diagnosis (CAD) berupa segmentasi dan klasifikasi menggunakan citra PET diharapkan memberikan informasi abnormalitas dengan ukuran kecil yang tidak tampak secara visual. Pada penelitian ini, dikembangkan CAD menggunakan citra otak dengan modalitas PET untuk mendeteksi abnormalitas otak dengan metode klasifikasi menggunakan ekstraksi fitur berupa Gray Level Co-Occurrance Matrix (GLCM), intensity histogram, dan Gray Level Run Length Matrix (GLRLM) sebagai dataset dari klasifikasi teknik Artificial Neural Network (ANN). Hasil klasifikasi yang dievaluasi menggunakan Receiver Operating Characteristic (ROC) dengan hasil error pelatihan terkecil 1.92 ± 0.70 % dan error pengujian terkecil 12.30 ± 3.47%. Hasilnya menunjukkan bahwa sistem CAD yang dikembangkan dapat mengenali citra otak normal dan abnormal.

---

ABSTRACT
Positron Emission Tomography (PET) is well known as a molecular imaging modality that provides functional organ information. This information supports the results of anatomical imaging from other modalities such as Computed Tomography (CT) and Magnetic Resonance Imaging (MRI). This superiority is due to the ability of PET to detect of small amount uptake from 2-Deoxy-2-[18F] fluoroglucose (FDG) which provide for information about abnormalities of organs, especially in the brain. Therefore, PET imaging is powerful to diagnose the presence of abnormalities, staging cancer, and evaluating radiotherapy treatment results. In brain PET imaging sometimes, small uptake is not easily visual recognized, hence an additional supporting method for its detection is needed. In this study, Computer-Aided Diagnosis (CAD) of brain abnormalities from PET images using classification methods based on a feature in the form of Gray Level Co-Occurrence Matrix (GLCM), intensity histogram, dan Gray Level Run Length Matrix (GLRLM) as a dataset of Artificial Neural Network (ANN). The result based on Receiver Operating Characteristic (ROC) illustrated that the training error was 1.92 ± 0.70 % and the test error was 12.30 ± 3.47%. These results mean that this developed CAD system can recognize normal and abnormal brain images.

Abstrak :
3D Printing adalah metode manufaktur aditif yang menciptakan objek 3D dari model digital. Objek dibuat secara layer-by-layer dengan material seperti plastik, logam, atau bahan organik pada sebuah bed printer. Untuk objek yang lebih besar dari ukuran bed printer, mereka dibagi menjadi beberapa bagian dan disambung menggunakan metode interlocking. Penelitian ini menguji empat jenis balok (U beam, I beam, bar beam, dan hollow beam) yang terbuat dari bahan High Strength Low Alloy (HSLA) dengan tiga jenis pembebanan (lentur, aksial, dan puntir). Mekanisme interlocking menggunakan pengunci male-to-female dengan variasi panjang pengunci male. Analisis tegangan dilakukan menggunakan perangkat lunak Autodesk Inventor. Hasil penelitian menunjukkan mekanisme terbaik: U beam - panjang male locker 10 cm dengan posisi pengencang 5 cm dari pangkal; bar beam dan I beam model 1 - panjang male locker 10 cm dengan posisi pengencang 1,67 cm dari pangkal; H model 2 - panjang male locker 20 cm dengan posisi pengencang 13,33 cm dari pangkal; dan hollow beam - panjang male locker 5 cm dengan posisi pengencang 1,67 cm dari pangkal. Panjang dan posisi ini menghasilkan faktor keamanan terbesar, sehingga cocok untuk aplikasi dengan beban tersebut. ......3D Printing is an additive manufacturing method that creates 3D objects from a digital model. Objects are built layer-by-layer using materials like plastic, metal, or organic matter on a printer bed. For objects larger than the printer bed, they are divided into sections and joined using interlocking methods. This research tested four types of beams (U beam, H beam, bar beam, and hollow beam) made from High Strength Low Alloy (HSLA) material with three types of loading (bending, axial, and torsion). The interlocking mechanism used male-to-female locking with variations in the male locker length. Stress analysis was conducted using Autodesk Inventor software. Results showed the best mechanisms: U beam - male locker length of 10 cm with the fastener position 5 cm from the base; bar beam and H beam model 1 - male locker length of 10 cm with the fastener position 1.67 cm from the base; H beam model 2 - male locker length of 20 cm with the fastener position 13.33 cm from the base; and hollow beam - male locker length of 5 cm with the fastener position 1.67 cm from the base. These lengths and positions yielded the largest safety factors, making them suitable for applications with those loads.

Abstrak :
Aiming to reintroduce simplicity into the manufacturing process, the techniques explained in this volume substitute lightning-fast computer decision-making for human and mechanical agency in the production process, thus reducing disruptions and constraints.