Hasil Pencarian  ::  Simpan CSV :: Kembali

"Electrical Impedance Tomography (EIT) adalah salah satu teknik pencitraan dengan merekronstruksi gambar dari wilayah tertentu dalam tubuh manusia berdasarkan konduktivitas dari jaringan biologis. Terdapat perangkat EIT yang telah dirancang bangun dan mampu mengambil data berbasis Arduino dan MATLAB EIDORS. Namun, untuk mengakuisisi data, menyimpan, mengubah, dan melakukan visualisasi datanya kembali masih cukup sulit dilakukan.  Terdapat salah satu teknik rekonstruksi citra EIT sejak tahun 2017 berbasis Python bernama pyEIT yang dapat memudahkan pengguna untuk melakukan visualisasi data EIT. Sehingga, penulis berharap untuk merancang sebuah software berbasis pyEIT dan Tkinter yang memudahkan pengguna untuk mengakuisisi data dari perangkat EIT secara otomatis dan melakukan visualisasi data EIT dengan berbagai parameter.

---

Software berbasis pyEIT dan Tkinter telah berhasil dirancang yang dapat memudahkan pengguna untuk melakukan akuisisi data dari perangkat EIT secara otomatis dan menyimpan serta melakukan visualisasi data EIT dalam bentuk pyEIT. Jumlah mesh yang dihasilkan oleh software berbasis pyEIT adalah 376 elemen yang dapat diatur lagi dengan elektrodanya yang berputar secara clockwise. Beberapa parameter yang dapat ditentukan oleh pengguna akan mempengaruhi grafik dan citra data EIT yang dihasilkan. Selain itu, software ini mampu memiliki SSIM tertinggi 0.8819 namun bergantung juga dengan tipe rekonstruksi, urutan pengambilan data, dan salinitas dari phantom yang digunakan. Electrical Impedance Tomography (EIT) is an imaging technique that reconstructs images of certain areas of the human body based on the conductivity of biological tissue. An EIT device has been designed and capable of retrieving data based on Arduino and MATLAB EIDORS. However, to acquire data, store, modify, and visualize the data again is still quite difficult. There is a Python-based EIT image reconstruction technique since 2017 called pyEIT which can make it easier for users to visualize EIT data. Thus, the authors hope to design a software based on pyEIT and Tkinter that makes it easier for users to acquire data from EIT devices automatically and visualize EIT data with various of parameters. Software based on pyEIT and Tkinter has been successfully designed, making it easier for users to automatically acquire data from EIT devices and store and visualize EIT data in the form of pyEIT. The number of meshes generated by the pyEIT-based software is 376 elements which can be rearranged with the electrodes rotating clockwise. Several parameters that can be defined by the user will affect the graphs and images of the resulting EIT data. In addition, this software is capable of having the highest SSIM 0.8819 but it also depends on the type of reconstruction, the sequence of data retrieval, and the salinity of the phantom used."

"Electrical Impedance Tomography (EIT) adalah teknik pencitraan non-invasif dan bebas radiasi yang memanfaatkan variasi impedansi elektrik untuk memvisualisasikan kondisi organ, khususnya pada paru-paru. Penelitian ini bertujuan untuk merancang sebuah sistem EIT berbasis mikrokontroler (MCU) STM32 dan pyEIT untuk meningkatkan kecepatan akuisisi data dibandingkan dengan penelitian sebelumnya. Sistem yang diusulkan mengintegrasikan STM32 dengan pyEIT untuk rekonstruksi citra. AD5933 digunakan untuk menghasilkan sinyal sinusoidal 50 kHz dengan amplitudo 2 Vpp dan untuk mengukur impedansi. Mikrokontroler juga berfungsi untuk mengatur multiplexer dalam melakukan pergantian antar elektroda. Sumber arus konstan berjenis load-in-the-loop yang menggunakan Op-amp TL084 yang menghasilkan sinyal eksitasi stabil dengan arus keluaran sebesar 2.96 mA. Enam belas elektroda disusun dalam konfigurasi melingkar dengan menggunakan metode Adjacent untuk akuisisi data. Hasil pengukuran tegangan didiferensiasi dan diperkuat menggunakan instrumentation amplifier AD620 dan diproses oleh AD5933. Data impedansi yang dihasilkan oleh AD5933 akan dikirimkan oleh STM32 ke PC untuk direkonstruksi dan ditampilkan melalui GUI berbasis Python. Kinerja sistem dievaluasi menggunakan phantom resistor dan tabung. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan satu paket data citra EIT dalam waktu 1.9 detik. Selain itu, kualitas citra yang direkonstruksi, menunjukkan nilai SSIM yang konsisten di angka 0,9 dan RMSE antara 17,1-28,4 dibandingkan citra referensi. Meskipun perbaikan lebih lanjut masih diperlukan untuk meningkatkan resolusi citra dan kecepatan akuisisi, sistem yang diusulkan ini menunjukkan potensi yang kuat untuk aplikasi pemantauan paru-paru secara real-time di lingkungan klinis.

---

Electrical Impedance Tomography (EIT) is a non-invasive and radiation-free imaging technique that utilizes variations in electrical impedance to visualize organ conditions, particularly in the lungs. This study aims to design an EIT system based on the STM32 microcontroller (MCU) and pyEIT to improve data acquisition speed compared to previous studies. The proposed system integrates the STM32 with pyEIT for image reconstruction. The AD5933 is used to generate a 50 kHz sinusoidal signal with a 2 Vpp amplitude and to measure impedance. The microcontroller also functions to control the multiplexer for switching between electrodes. A load-in-the-loop constant current source using the TL084 Op-amp generates a stable excitation signal with an output current of 2.96 mA. Sixteen electrodes are arranged in a circular configuration using the Adjacent method for data acquisition. The resulting voltage measurements are differentiated and amplified using the AD620 instrumentation amplifier and processed by the AD5933. The impedance data generated by the AD5933 is sent by the STM32 to a PC to be reconstructed and displayed via a Python-based GUI. The system's performance was evaluated using resistor and tube phantoms. Test results show that the system can generate one packet of EIT image data in 1.9 seconds. Furthermore, the quality of the reconstructed image shows a consistent SSIM value of 0.9 and an RMSE between 17.1-28.4 compared to the reference image. Although further improvements are needed to enhance image resolution and acquisition speed, the proposed system shows strong potential for real-time lung monitoring applications in clinical settings. "

"Perkembangan modalitas pencitraan saat ini mendorong kemunculan metode-metode baru untuk mendapatkan prosedur pencitraan yang lebih baik dan potensial. Salah satu modalitas tersebut yaitu Electrical Impedance Tomography (EIT). EIT merupakan pencitraan yang menginjeksikan arus listrik tingkat rendah ke jaringan dengan kelebihan non-invasive, non-ionisasi, dan mendukung pencitraan real-time dikarenakan resolusi temporalnya yang tinggi. Dengan keunggulannya, EIT potensial digunakan untuk lung monitoring. Optimalisasi hal tersebut direpresentasikan dengan menggunakan model phantom agar sebagai phantom yang menyerupai paru-paru dengan nilai konduktivitas tertentu. Pengujian dan integrasi perangkat pada penelitian ini digunakan EIT multifrekuensi untuk mengetahui frekuensi terbaik dalam pencitraan paru-paru berdasarkan model phantom. Rancangan program berbasis Arduino Nano digunakan untuk mengatur multifrekuensi dan Python digunakan untuk program rekonstruksi PyEIT serta visualisasi menggunakan Tkinter. Analisis multifrekuensi hasil rekonstruksi citra dilakukan terhadap rentang frekuensi 20 kHz – 90 kHz dengan skala per 10 kHz. Hasil penelitian diproyeksikan untuk mengidentifikasi frekuensi optimal pemantauan paru-paru serta mengkaji efisiensi dan keandalan sistem EIT multifrekuensi. Frekuensi optimal diperoleh 50 kHz – 70 kHz dengan membandingkan visualisasi citra EIT multifrekuensi pada phantom agar dan phantom resistor.

---

The advancement of imaging modalities has driven the development of new methods to achieve better and more potential imaging procedures. One such modality is Electrical Impedance Tomography (EIT). EIT is an imaging technique that injects low-level electrical currents into tissues, offering advantages such as being non-invasive, non-ionizing, and supporting real-time imaging due to its high temporal resolution. With these advantages, EIT holds great potential for lung monitoring. This optimization is represented by using an agar phantom model designed to mimic lung tissues with specific conductivity values. In this study, a multifrequency EIT system was employed to determine the optimal frequency for lung imaging based on the phantom model. An Arduino Nano-based program was developed to manage multifrequency control, while Python was used for image reconstruction via PyEIT and visualization using Tkinter. The multifrequency analysis of reconstructed images was conducted over a frequency range of 20 kHz to 90 kHz, with intervals of 10 kHz. The results of this study are expected to identify the optimal frequency for lung monitoring and evaluate the efficiency and reliability of the multifrequency EIT system. The optimal frequency range of 50 kHz-0 kHz was determined by comparing the EIT image visualizations using a multi frequency approach on agar phantom and resistor phantom. "