Hasil Pencarian  ::  Simpan CSV :: Kembali

"Konsep penyinaran radiasi pada kasus kanker paru-paru menggunakan teknik perencanaan IMRT umumnya dikendalikan otomatis oleh komputer. Suatu perencanaan IMRT masih melibatkan langkah-langkah non intuitif, iteratif menyesuaikan keputusan subjektif perencana berdasarkan pendekatan trial and error. Guna mempermudah seorang perencana radioterapi melakukan optimasi suatu perencaan IMRT pada kasus kanker paru-paru, digunakan metode neural network untuk memprediksi distribusi dosis berdasarkan data perencanaan sebelumnya. Tujuan dari penggunaan metode neural network ini yakni untuk memprediksi distribusi dosis pada volume PTV dengan validasi pada perencanaan sebelumnya, juga memprediksi distribusi dosis untuk dosis yang mencover 95% volume target. Sehingga hal ini dapat mempermudah seorang perencana mengambil keputusan secara objektif. Hasil penelitian yang diperoleh menunjukkan bahwa kualitas perencanaan yang dihasilkan berdasarkan pemodelan neural network memiliki tingkat homogenitas (HI) yaitu 0,09 ± 0,02 dan tingkat konformitas (CI) yaitu 1,2 ± 0,27. Dengan mempertimbangkan rata-rata distribusi dosis rata-rata yang diterima OAR seperti paru-paru kanan sebesar 0,20 ± 0,15, paru-paru kiri 0,18 ± 0,15, Jantung 0,16 ± 0,09 dan Spinal Cord 0,17 ± 0,09

---

The concept of irradiation in lung cancer cases using IMRT planning techniques is generally controlled automatically by a computer. An IMRT plan still involves non-intuitive steps, iteratively adjusting the planner's subjective decisions based on a trial-and-error approach. The neural network method was used to predict the dose distribution based on the prior planning data to make it simpler for a radiotherapy planner to decide on an IMRT plan in cases of lung cancer. The goal of applying this neural network method is to predict the dose distribution for doses that cover 95% of the target volume as well as the dose distribution in the PTV volume with validation in the prior plan. As a result, a planner may find it simpler to make decisions that are objective. The results obtained indicate that the quality of planning produced based on neural network modelling has a homogeneity index (HI) of 0,09 ± 0,02, and the conformity index (CI) of 1,2 ± 0,27. Since the average dose received by OAR is taken into consideration, the right lung receives 0,2 ± 0,15, the left receives 0,18 ± 0,15, the heart receives 00,16 ± 0,09, and the spinal cord receives 0,17 ± 0,09."

"Penelitian ini bertujuan untuk mengevaluasi akurasi perhitungan dosis berdasarkan citra Cone Beam Computed Tomography (CBCT) sebagai adaptive planning. Perencanaan terapi radiasi dilakukan terhadap 3 pasien kanker laring, 7 pasien kanker paru dan 5 pasien kanker prostat dengan menggunakan teknik Intensity Modulated Radiotherapy (IMRT) dan Volumetric Modulated Arc Therapy (VMAT). Perhitungan dosis dilakukan pada TPS Eclipse v13.6 dengan variasi algoritma Analytical Anisotropic Algorithm (AAA) dan Acuros External Beam (AXB). Penelitian ini diawali dengan tahapan (1) kalibrasi HU citra CBCT menggunakan fantom CIRS 002LFC (2) analisa dose volume histogram (DVH), (3) analisa gamma index dengan kriteria DD 2% / DTA 2mm serta DD 3% / DTA 3mm menggunakan perangkat EPID. Penyimpangan D_98%, D_50% dan D_2% dari DVH dievaluasi dengan menjadikan citra CT algoritma AAA sebagai referensi. Diperoleh nilai penyimpangan D_98%, D_50% dan D_2% tertinggi pada kasus kanker laring yaitu sebesar 9,08% ± 2,21 (CBCT AXBm - CT AAA), 0,74% ± 0,37 (CBCT AXBw - CT AAA) dan 3,79% ± 0,55 (CBCT AXBw - CT AAA). Penyimpangan D_98%, D_50% dan D_2% pada kasus kanker paru dan kanker prostat diperoleh lebih kecil dari 2%. Conformity index (CI) diperoleh pada rentang 0,98 ± 0,011 dan homogeneity index (HI) diperoleh pada rentang 0,08 ± 0,015. Analisa gamma index dengan kriteria 2%/2mm diperoleh pada range 87% - 94% dan kriteria 3%/3mm diperoleh 93% - 99%. Dari hasil penelitian ini didapati bahwa hasil kalkulasi dosis berdasarkan citra CBCT hampir sama dibandingkan dengan citra FBCT sehingga citra CBCT dilihat layak digunakan sebagai adaptive planning radiotherapy.  

---

The purpose of this study was to evaluate the accuracy of dose calculation based on Cone Beam Computed Tomography (CBCT) as adaptive planning. Treatment planning was generated for 3 patients larynx, 7 patients lung and 5 patients prostate using Intensity Modulated Radiotherapy (IMRT) and Volumetric Arc Therapy (VMAT). Eclipse v13.6 treatment planning system (TPS) with Analytical Anisotropic Algorithm (AAA) and Acuros External Beam (AXB) algorithm has been used to calculate the dose.

This study was divided into three major parts : (1) HU calibration for CBCT images by using CIRS phantom 002LFC (2) dose volume histogram (DVH) analysis, (3) analysis of Gamma Passing Rate with criteria DD 2% / DTA 2mm and DD 3% / DTA 3mm using EPID. The DVH analysis for D_98%, D_50% dan D_2% deviation was evaluated and CT images with AAA algorithm used as reference. The highest deviation of D_98%, D_50% dan D_2% was found for larynx cancer with value  9,08% ± 2,21 (CBCT AXBm - CT AAA), 0,74% ± 0,37 (CBCT AXBw - CT AAA) and 3,79% ± 0,55 (CBCT AXBw - CT AAA).

Deviation of D_98%, D_50% dan D_2% for lung and prostate cancer is less than 2%. Range of conformity index based on CBCT images is 0,98 ± 0,011 and homogeneity index is in the range of 0,08 ± 0,015. The gamma criteria of dose difference and dose to agreement for 2%/2mm are 87% - 94% and for 3%/3mm are 96% - 98%. From the result, we found that the difference of dose calculation based on CBCT images is almost similar to CT images, so CBCT images are proper to be used for adaptive planning."

"ABSTRAKPerencanaan radioterapi dilakukan untuk mendapatkan hasil rasio terapeutik yang optimal. Untuk mencapai hal tersebut diperlukan perhitungan distribusi dosis yang akurat, dan hal tersebut secara signifikan dipengaruhi oleh inhomogenitas jaringan. Oleh karena itu, penelitian ini dilakukan untuk mengetahui perbandingan antara perencanaan radioterapi 3D-CRT, IMRT, dan SBRT berdasarkan citra terkalibrasi kurva bilangan CT menggunakan Fantom CIRS Model 062M, Fantom CIRS Model 002LFC, dan kurva kalibrasi bilangan CT Linier pada organ paru-paru untuk bentuk target silinder, setengah silinder, dan konkaf ‘C’ pada teknik 3D-CRT dan IMRT, serta sumsum tulang belakang untuk teknik SBRT. Kurva kalibrasi bilangan CT dimasukkan ke dalam TPS Pinnacle3, kemudian perencanaan radioterapi dilakukan untuk teknik 3D-CRT, IMRT dengan 7 lapangan radiasi, dan SBRT dengan 15 lapangan radiasi. Evaluasi dilakukan dengan membandingkan kurva DVH, indeks homogenitas, dan indeks konformitas. Pada perencanaan 3D-CRT dan IMRT dihasilkan indeks homogenitas terbaik pada kurva kalibrasi CIRS Model 002LFC dengan nilai 0.243 dan 0.1007. Sedangkan untuk SBRT, indeks homogenitas terbaik pada kurva kalibrasi linier dengan nilai 0.361. Indeks konformitas terbaik pada teknik IMRT dan SBRT didapatkan dengan menggunakan kurva kalibrasi linier yakni sebesar 0.974 dan 1.770, sedangkan untuk 3D-CRT didapatkan pada kurva kalibrasi CIRS Model 062M yakni sebesar 0.452. Dari hasil nilai indeks konformitas dan indeks homogenitas tersebut, maka dapat disimpulkan bahwa kurva kalibrasi bilangan CT yang digunakan dalam penelitian tidak berbeda jauh dengan literatur yakni kurva kalibrasi Schneider.

---

ABSTRACTRadiotherapy planning is performed to achieve the optimal therapeutic ratio. For that purpose, accurate calculation of the dose distribution is required, and the calculation is significantly affected by inhomogeneity tissue. This study was performed to determine the ratio between radiotherapy treatment planning using 3D-CRT, IMRT, and SBRT technique based on a calibrated curve of CT-number using Phantom Density Electron CIRS Model 062M, Phantom Thorax CIRS Model 002LFC, and linear calibration curve of CT-number in lung for cylindrical target, half cylinder and concave “C” in 3D-CRT, IMRT, and spinal cord for SBRT. Calibration curves of CT-number was generated under measurement basis and introduced into TPS Pinnacle3, then radiotherapy planning was performed for 3D-CRT, and IMRT technique with 7 radiation fields, and SBRT with 15 radiation fields. Afterwards, planning evaluation was performed by comparing the DVH curve, homogeneity index, and conformity index. 3D-CRT and IMRT technique produced the lowest homogeneity index at calibration curve of CIRS Model 002LFC with the value 0.243 and 0.1007. Whereas SBRT produced the lowest homogeneity index on a linear calibration curve with a value of 0.361. The highest conformity index in IMRT and SBRT technique achieved using a linear calibration curve was 0.974 and 1.770 respectively. For 3D-CRT, the highest conformity index was obtained by using calibration curve of CIRS Model 062M with the value of 0.452. From the results of conformity index and homogeneity index, it is concluded that the calibration curve of CT-number used in this study does not significantly differ with available literature (Schneider’s calibrated curve)."

"Pergerakan internal yang terjadi saat treatment radioterapi tumor hati merupakan salah satu hal yang perlu dipertimbangkan dalam keakurasian dosis. Pergerakan tersebut menghasilkan ketidakpastian posisi target pada saat treatment radiasi yang dapat mengakibatkan adanya kekurangan dosis. Penelitian terdahulu membuktikan bahwa penambahan margin internal pada PTV dapat mengurangi perbedaan dosis perencanaan dengan dosis terukur. Penelitian ini bertujuan untuk mempelajari pengaruh metode robust yang memperhitungkan ketidakpastian posisi relatif terhadap volume target dalam perencanaan radioterapi. Perencanaan dengan metode standar dan metode robust dibandingkan menggunakan data 10 pasien penderita kanker hati di RSUPN Dr. Cipto Mangunkusumo menggunakan parameter Conformity Index (CI) , Gradient Index (GI), dan Homogeneity Index (HI). Metode ini mengurangi nilai dosis target pada perencanaan standar dengan rerata 106,8% ± 4,3% menjadi 104,4% ± 5,4% untuk ketidakpastian 3 mm dan 6 mm. Dosis OAR pada metode ini lebih rendah dibandingkan dengan metode standar, namun keduanya masih di bawah batas referensi yang digunakan.

---

Internal movement during radiotherapy treatment of liver tumors is one thing that needs to be considered in the accuracy of the dose. This movement affects the uncertainty of the target position during radiation treatment, resulting in a dose deficiency. Previous studies have shown that increasing the internal margin of PTV can reduce the deviation between the planned and the measured dose. This study aims to observe the efficiency of the robust treatment planning method that calculated the uncertainty of the target volume position. We used 10 secondary patient data with liver cancer at Dr. RSUPN. Cipto Mangunkusumo using parameters Conformity Index (CI) , Gradient Index (GI), and Homogeneity Index (HI). We found that the average of maximum dose of robust treatment plan was reduced compared to the standard plan from 106,8% ± 4,3% to 104,4% ± 5,4% for the applying uncertainty of 3 mm and 6 mm in all direction. The OAR dose in this method is lower than the standard method, although both are still below the reference limit used."

"Penelitian ini bertujuan untuk mengevaluasi perhitungan dosis berdasarkan citra Cone Beam Computed Tomography (CBCT) pada pasien dengan diagnosa tumor otak. Perencanaan dan perhitungan dosis berdasarkan citra CBCT fraksinasi ke-16 yang dilakukan terhadap 13 pasien yang disinari menggunakan pesawat linac Elekta Versa HD dan 7 pasien yang disinari menggunakan pesawat linac Halcyon 2.0. Perencanaan dan perhitungan dosis dilakukan pada Treatment Planning System (TPS) Eclipse dan TPS Monaco. Hasil perhitungan dosis berdasarkan citra CBCT dibandingkan dengan citra Computed Tomography (CT) simulator. Penelitian ini memiliki beberapa tahapan, (1) kalibrasi Hounsfield Unit (HU) citra CBCT menggunakan fantom CIRS CT electron density 062M untuk melakukan perhitungan dosis di TPS dengan nilai HU yang sesuai, (2) proses pengumpulan data citra pasien yang memenuhi kriteria penelitian dan dilanjutkan dengan proses registrasi dan perencanaan citra CBCT, (3) analisis Dose Volume Histogram (DVH) untuk mengevaluasi kualitas perencanaan dengan parameter dosis yaitu Conformity Index (CI) dan Homogeneity Index (HI), (4) analisis dosis Organ at Risk (OAR) terhadap dose-constraint (batas dosis) untuk OAR batang otak, kiasma, sumsum tulang belakang, saraf optik, mata dan lensa. Nilai CI pada perencanaan berdasarkan CT tidak berbeda secara signifikan, Berdasarkan CBCT dari pesawat linac Elekta Versa HD diperoleh CI sebesar 0,05±0,21 (p=0,08) dan -0,01 ± 0,06 (p=0,02) berdasarkan CBCT dari pesawat linac Halcyon 2.0. Sementara itu, nilai HI pada perencanaan berdasarkan CBCT diamati berbeda secara signifikan terhadap CT, Berdasarkan CBCT dari pesawat linac Elekta Versa HD diperoleh HI sebesar 0,25 ± 0,43 (p=0,01) dan 0,08 ± 0,04 (p=0,01) berdasarkan CBCT dari pesawat linac Halcyon 2.0.

---

This research aims to evaluate dose calculations based on Cone Beam Computed Tomography (CBCT) images in patients diagnosed with brain tumors. Planning and dose calculations based on the 16th fraction of CBCT images were performed on 13 patients irradiated using Elekta Versa HD linear accelerator and 7 patients irradiated using Halcyon 2.0 linear accelerator. The planning and dose calculations were conducted using the Treatment Planning System (TPS) Eclipse and TPS Monaco. The results of the dose calculations based on CBCT images were compared with the Computed Tomography (CT) simulator images. The research comprised several stages: (1) calibration of Hounsfield Unit (HU) of CBCT images using CIRS CT electron density 062M phantom to perform dose calculations in TPS with appropriate HU values, (2) data collection of patient images meeting the research criteria followed by image registration and CBCT planning, (3) analysis of Dose Volume Histogram (DVH) to evaluate planning quality using dose parameters such as Conformity Index (CI) and Homogeneity Index (HI), (4) analysis of dose to Organs at Risk (OAR) against dose constraints for OARs such as brainstem, chiasm, spinal cord, optic nerves, eyes, and lenses. The CI values for the planning based on CT were not significantly different. Based on CBCT from Elekta Versa HD linear accelerator, the CI obtained was 0.05 ± 0.21 (p=0.08), and based on CBCT from Halcyon 2.0 linear accelerator, the CI obtained was -0.01 ± 0.06 (p=0.02). However, the HI values for planning based on CBCT significantly differed from CT. Based on CBCT from Elekta Versa HD linear accelerator, the HI obtained was 0.25 ± 0.43 (p=0.01), and based on CBCT from Halcyon 2.0 linear accelerator, the HI obtained was 0.08 ± 0.04 (p=0.01)."

"Terapi radiasi berperan dalam mengobati kanker dengan keberhasilannya bergantung pada penentuan dosis radiasi yang tepat untuk setiap pasien. Penelitian ini memperkenalkan sebuah metode yang menggunakan pembelajaran dan Convolutional Neural Network (CNN) dengan arsitektur VGGNet untuk meramalkan dosis radiasi yang optimal dalam perencanaan pengobatan. Dengan memanfaatkan kemampuan VGGNet dengan jaringan konvolusi dalam yang terkenal karena kesederhanaan dan kedalamannya, model dilatih pada data hasil terapi radiasi. Evaluasi kinerja model menunjukkan akurasi dalam prediksi. Bidang ini menyoroti potensi pemanfaatan teknik pembelajaran untuk mempersonalisasi dan meningkatkan pengobatan kanker terutama yang berkaitan dengan perencanaan dosis radiasi yang presisi. Dalam penelitian ini akan difokuskan pada Perhitungan CI (Conformity Index) dan HI (Homogeneity Index). Pembangunan modelnya diawali dengan mengkondisikan data yang berasal dari MRCCC yang terdapat radiomic, dosiomic. Data dosiomic akan digunakan untuk mencari index tersebut, dengan membaca csv ke dalam environment model dan membangun modelnya sesuai tipe data yang terdapat. Hasil penelitian menunjukkan bahwa model VGGNet mencapai CI rata-rata 0,86 dan HI rata-rata 0,07. CI yang kurang dari 1 menunjukkan bahwa distribusi dosis tidak sepenuhnya sesuai dengan volume target, sementara HI menunjukkan distribusi dosis yang cukup homogen dalam volume target. Metode yang menggunakan CNN dengan arsitektur VGGNet menunjukkan potensi besar dalam memprediksi dosis radiasi yang optimal dan meningkatkan personalisasi pengobatan kanker.

---

Radiation therapy plays a role in treating cancer with its success depending on determining the right radiation dose for each patient. This research introduces a method that uses learning and Convolutional Neural Network (CNN) with VGGNet architecture to forecast the optimal radiation dose in treatment planning. By utilizing the capabilities of VGGNet with deep convolutional networks that are well-known for their simplicity and depth, the model is trained on radiation therapy outcome data. Evaluation of the model performance showed accuracy in prediction. This field highlights the potential of utilizing learning techniques to personalize and improve cancer treatment especially with regard to precision radiation dose planning. This research will focus on the calculation of CI (Conformity Index) and HI (Homogeneity Index). The construction of the model begins with conditioning the data coming from MRCCC which contains radiomic, dosiomic. Dosiomic data will be used to find the index, by reading csv into the model environment and building the model according to the data type contained. The results showed that the VGGNet model achieved an average CI of 0,86 and an average HI of 0,07. CI less than 1 indicates that the dose distribution does not fully match the target volume, while HI indicates a fairly homogeneous dose distribution within the target volume. Methods using CNN with VGGNet architecture show great potential in predicting optimal radiation dose and improving the personalization of cancer treatment."