Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemanfaatan radiasi pengion pada sektor medis seperti diagnostik dan terapi meningkat setiap tahunnya. Penggunaan radiasi pengion perlu dikalibrasi menggunakan dosimeter supaya pemberian dosis yang diterima pasien sudah akurat untuk meminimalisir risiko di kemudian hari. Dosimeter termoluminesensi (TLD) merupakan salah satu dosimeter untuk pengukuran radiasi dengan hasil yang presisi karena dapat menghasilkan distribusi dosis yang homogen. Salah satu jenis TLD yang banyak digunakan yaitu kalsium sulfat (CaSO4) karena memiliki sensitivitas tinggi terhadap radiasi. Penambahan pendadah Mg pada TLD LiF:Mg,Ti dilaporkan dapat meningkatkan sensitivitas TLD. Penelitian ini bertujuan mengetahui konsentrasi pendadah Mg paling optimal untuk CaSO4. Sintesis TLD dilakukan dengan metode ko-presipitasi dari bahan CaCl2.H2O, (NH4)2SO4, dan MgCl2. Konsentrasi pendadah Mg divariasikan dalam jumlah 0,05; 0,1; dan 0,15 mol%. Hasil akhir sintesis berupa pellet yang telah dikompaksi. Analisis uji komposisi dan morfologi sampel dilakukan dengan metode XRF, XRD, dan SEM. Hasil XRF menunjukkan kadar komposisi Mg pada tiap konsentrasi sampel, hasil XRD menunjukkan struktur kristal berbentuk ortorombik, dan hasil SEM menunjukkan morfologi ukuran sampel mengecil karena pemberian pendadah Mg. Hasil uji respons terhadap sinar-X menunjukkan TLD CaSO4:Mg 0,1 mol% memiliki sensitivitas terbaik terhadap radiasi sinar-X berenergi 70 kVp sehingga TLD CaSO4:Mg dapat dipertimbangkan dalam aplikasi medis berenergi radiasi rendah.

---

The utilization of ionizing radiation in the medical sector for diagnostics and therapy increases yearly. The use of ionizing radiation needs to be calibrated using dosimeters to ensure accurate dosage administration to patients to minimizing long-term risks. Thermoluminescence dosimeters (TLD) are widely used for precise radiation measurement due to its ability to provide a uniform dose distribution. Calcium sulfate (CaSO4) is one of TLD that widely used due to its high sensitivity to radiation. Mg dopant addition to LiF:Mg,Ti TLD has been reported to enhance its sensitivity. This research aims to determine the most optimal concentration of Mg dopant for CaSO4. The TLD synthesis involved co-precipitation method using CaCl2.H2O, (NH4)2SO4, and MgCl2 with the concentration of Mg dopant is varied at 0.05, 0.1, and 0.15 mol%, resulting in compacted pellets. Sample composition and morphology analysis are performed by XRF, XRD, and SEM methods. XRF showed the Mg composition for each sample concentration, XRD showed an orthorhombic crystal structure, and SEM demonstrated that the sample size decreases due to the addition of Mg dopant. X-ray response results indicated that CaSO4:Mg 0.1 mol% TLD has the best sensitivity to 70 kVp X-ray radiation, making it suitable for low-energy radiation medical applications."

"Digital Breast Tomosynthesis (DBT) adalah jenis mamografi baru yang secara luas telah digunakan dalam pencitraan payudara terutama pada payudara yang padat. Meskipun DBT telah banyak digunakan dalam praktik klinis namun, protokol kendali mutu untuk pesawat DBT masih berkembang dan belum tersedia di Indonesia. Penelitian ini ditujukan untuk mengevaluasi nilai MGD serta menyediakan program perhitungan otomatis (In- House Kalkulator), reproduksibilitas DBT, juga perbandingan nilai MGD pesawat DBT dengan pesawat DM berdasarkan hasil uji kendali mutu yang dilakukan tim UZ Leuven sesuai protokol European Guidelines. In-House Kalkulator ikut dirancang untuk digunakan dalam perhitungan MGD pada objek (PMMA dan breast). Terdapat enam tipe pesawat yaitu Inspiration, Revelation, Innovality, Pristina, Class, serta 3Dimensions yang dipilih dan dievaluasi. Pesawat DBT memiliki hasil nilai rata-rata MGD yang meningkat dari 0,5 mGy hingga 4.08 ± 0,21 mGy dan untuk ketebalan 50 mm berkisar 1,4 mGy hingga 2,25 ± 0,25 mGy. Uji reproduksibilitas menunjukkan nilai CV untuk pesawat DBT sebesar 0,03, 0,04, dan 0,11 dan pada ketebalan 50 mm sebesar 0,05, 0,02, 0,15 untuk Inspiration, Revelation, dan 3Dimensions. Pesawat DBT menghasilkan nilai MGD yang lebih tinggi dari pesawat DM sebesar 30% untuk Innovality, 3Dimensions, dan Class, 1% untuk Pristina, serta 80-90% untuk Revelation dan Inspiration. T-Dose Calculator merupakan In-House Kalkulator yang telah berhasil dibuat dengan nilai rerata eror untuk perhitungan PMMA <5%.  

---

Digital Breast Tomosynthesis (DBT) is a new type of mammography that has been widely used in breast imaging especially in dense breasts. Although DBT has been widely used in clinical practice, quality control protocols for DBT are still evolving and not yet available in Indonesia. This study aimed to evaluate the MGD value and provide an automatic calculation program (In-House Calculator), DBT reproducibility, as well as comparison of MGD value between DBT with DM based on the results of quality control tests conducted by the UZ Leuven team according to the European Guidelines protocol. The In-House Calculator was also designed to be used for MGD calculations on objects (PMMA and breast). Six planes namely Inspiration, Revelation, Innovality, Pristina, Class, and 3Dimensions were selected and evaluated. The DBT had a mean MGD value result that increased from 0.5 mGy to 4.08 ± 0.21 mGy and for 50 mm thickness it ranges from 1.4 mGy to 2.25 ± 0.25 mGy. Reproducibility tests showed CV values for the DBT of 0.03, 0.04, and 0.11 and at 50 mm thickness of 0.05, 0.02, 0.15 for Inspiration, Revelation, and 3Dimensions.The DBT produced higher MGD values than the DM by 30% for Innovality, 3Dimensions, and Class, 1% for Pristina, and 80-90% for Revelation and Inspiration. T-Dose Calculator is an In-House Calculator that has been successfully created with an average error value for PMMA calculations <5%."

"Proses segmentasi organ secara manual memakan waktu dan hasilnya subyektif terhadap definisi batas-batas kontur. Pemanfaatan teknologi Machine Learning (ML) berjenis 3D convolutional neural network (3D CNN) untuk mensegmentasi organ secara otomatis dapat mempercepat dan menstandarisasi hasil segmentasi organ. Penelitian ini mengimplementasilan network ML berbasis VoxResNet dan memanfaatkan 60 dataset CT Scan toraks dari Grand Callenge AAPM 2017 untuk melatih, memvalidasi, dan menguji model-model ML dengan berbagai variasi hyperparameter. Pengaruh variasi hyperparameter terhadap hasil segmentasi model juga dipelajari. Dataset dibagi menjadi 3 yaitu, 36 untuk perlatihan, 12 untuk validasi, dan 12 untuk pengujian. Dalam penelitian ini paru-paru kiri dan paru-paru kanan dijadikan satu jenis OAR bernama paru-paru, esophagus dan spinal cord dijadikan satu OAR bernama ESP, sedangkan jantung tetap OAR tersendiri. Variasi hyperparameter adalah variasi ukuran patch, jumlah batch, dan weight class. Hasil segmentasi model-model dievaluasi dan diperbandingkan untuk mencari model terbaik dengan hyperparameter-nya yang mampu menghasilkan kualitas hasil segmentasi organ terbaik. Kemampuan network dalam proses perlatihan dan validasi dievaluasi menggunakan kurva pembelajaran. Kualitas hasil segmentasi model organ dievaluasi menggunakan boxplot distribusi populasi nilai metrik Dice Similiarity Coefficient (DSC) dan Housdorf Distance (HD) setiap slice. Peningkatan atau penurunan kinerja model akibat variasi hyperparameter dinilai menggunakan skor peningkatan metrik. Terakhir, metrik DSC dan HD95 secara 3D hasil segmentasi model terbaik dibandingkan dengan hasil segmentasi oleh interrater variability AAPM 2017 dan hasil segmentasi team virginia. Hasil kurva pembelajaran tidak mengalami underfitting menunjukkan bahwa network mampu mempelajari data perlatihan dengan baik. Overfitting terjadi pada model organ jantung dan ESP. Hasil eksperimen variasi ukuran patch menunjukkan bahwa besar ukuran patch tidak selalu linier dengan kinerja moukuran patch menunjukkan bahwa besar ukuran patch tidak selalu linier dengan kinerja model. Model ukuran patch tengah memberikan kualitas distribusi metrik dan skor paling baik dibandingkan model ukuran patch terkecil dan terbesar pada semua OAR dengan skor 11, 13, dan 13 dari 16. Hasil eksperimen variasi jumlah batch menunjukkan bahwa peningkatan jumlah batch tidak selalu berdampak positif terhadap kinerja model. Untuk model jantung ukuran patch terbesar, peningkatan batch dapat meningkatkan skor dari 2 menjadi 12. Untuk model ESP ukuran patch terbesar, peningkatan batch menurunkan skor dari 13 menjadi 2. Hasil eksperimen variasi weight class (W) menunjukkan bahwa baik model jantung maupun ESP cenderung memberikan distribusi metrik dan skor terbaik di sekitar W = [1,3.67] atau W = [1, C1 < 11]. Dibandingkan dengan interrater variability AAPM, model jantung terbaik menghasilkan nilai metrik yang comparable, yaitu untuk DSC 3D 0.932 ± 0.016 = 0.931 ± 0.015 dan untuk HD95 4.00 ± 0.25 < 6.42 ± 1.82. Sedangkan untuk model paru-paru memberikan metrik lebih baik, yaitu 0.964 ± 0.025 > 0.956 ± 0,019 dan 4,72± 0,21 < 6.71 ± 3,91. Dibandingkan dengan team virginia, model jantung terbaik berhasil memberikan nilai metrik yang lebih baik. yaitu 0.932 ± 0.016 > 0.925 ± 0.015 dan 4.00 ± 0.25 < 6.57 ± 1.50, sedangkan model ESP terbaik menghasilkan metrik yang comparable, yaitu 0.815 ± 0.049 = 0,810 ± 0,069 dan 4,68 ± 0,17 < 8,71 ± 10,59. Dari hasil-hasil ini memberikan potensi adanya perpaduan ukuran patch, jumlah batch, dan weight class tertentu yang dapat menyebabkan hasil segmentasi model ukuran patch lebih kecil dapat mengimbangi hasil segmentasi model ukuran patch lebih besar sehingga tuntutan akan perangkat dengan spesifikasi tinggi dan mahal dapat berkurang.

---

The process of manual organ segmentation is time consuming and the results are subjective in term of definition of contour boundaries. The utilization of Machine Learning (ML) technology using 3D convolutional neural network (3D CNN) to segment organs automatically can speed up the procces as well as standardizing the results of organ segmentation. This study implements a VoxResNet-based ML network and utilizes 60 thoracic CT scan datasets obtained from Grand Callenge AAPM 2017 to train, validate, and test ML models with various hyperparameter variations. The effects of hyperparameter variations on the segmentation results of models are also studied. The dataset is divided into 3 parts, namely 36 for training, 12 for validation, and 12 for testing. In this study the left lung and right lung were combined into one type of OAR called the lung, the esophagus and spinal cord were combined into one OAR called ESP, while the heart remained a separate OAR. Hyperparameter variations are variations in patch size, number of batches, and weight loss. The segmentation results of the models are evaluated and compared each other to find the best model and it’s hyperparameters which is able to produce the best segmentation’s quality. The ability of the network in training and validation procceses is evaluated using learning curve. The quality of the organ model’s segmentation results is evaluated using boxplot of population’s distribution of the Dice Similiarity Coefficient (DSC) and Housdorf Distance (HD) metrics for each slice. The increases or decreases in model performance due to variations in hyperparameters are assessed using the metric improvement score. Finally, the 3D DSC and HD95 metrics of the best model’s segmentation results are compared to the results of segmentation by the AAPM 2017’s interrater variability and to the segmentation results by team virginia. There is no underfitting of learning curve indicates that the network is able to learn the training data. Overfitting occurs in the heart and ESP models. The experimental results from patch size variations show that the size of the patch is not always linear with the performance of the model. The middle patch sized models give the best metric distribution’s quality as well as scores compared to the smallest and largest patch sized models for all OARs with scores of 11, 13, and 13 out of 16. The experimental results from batch number variations show that an increase in batch does not always have a positive impact on model performance. For the largest patch sized heart’s model, the increase increases the score from 2 to 12. For the largest patch sized ESP's model, the increase reduces the score from 13 to 2. The results from variations in weight loss (W) experiment show that both heart’s and ESP's models tend to provide the best distributions in term of metrics and scores around W = [1, 3.67] or W = [1, C1 < 11]. By comparing with AAPM's interrater’s variability, the best heart model produces comparable metric's result, that is 0.932 ± 0.016 = 0.931 ± 0.015 for DSC 3D and 4.00 ± 0.25 < 6.42 ± 1.82 for HD95. The best lungs model produces better metrics, that is 0.964 ± 0.025 > 0.956 ± 0,019 and 4,72 ± 0,21 < 6.71 ± 3,91. By comparing with team virginia's results, the best heart model produces better results that is 0.932 ± 0.016 > 0.925 ± 0.015 and 4.00 ± 0.25 < 6.57 ± 1.50. Meanwhile the best ESP model produces comparable results that is 0.815 ± 0.049 = 0,810 ± 0,069 and 4,68 ± 0,17 < 8,71 ± 10,59. The results of this study suggests that there is a certain combination of patch size, batch, and weight class by which enables smaller patch sized model to produce comparable metric's result produced by larger patch sized model thus decreasing the need to use higher specificationed and expensive computer."

"Translasi radiofarmaka dari hewan percobaan ke dosis manusia merupakan tugas yang menantang karena variasi biologis antar spesies dan kurangnya standarisasi dalam dosimetri kedokteran nuklir. Studi ini berfokus pada pengaruh seleksi model terhadap perhitungan dosis yang diserap radiasi pada kasus translasi biokinetik dari hewan ke manusia. Penelitian ini menggunakan data biokinetik rata-rata dan individu dari studi radiofarmaka 177Lu-OPS201 pada hewan dan manusia dengan menggunakan model Sum of Exponential (SoE). Analisis Goodness of Fit (GoF) dan corrected Akaike Information Criterion (AICc) digunakan untuk seleksi model. Model f_2 (t)=A_1 e^(-(λ_1+λ_phys )t) terpilih sebagai model terbaik untuk mencit, babi, dan manusia. Penggunaan data biokinetik rata-rata menghasilkan %wAICc sebesar 50,01%, TIAC referensi sebesar 5,41±0,29 jam (manusia), 1,35±0,07 jam (mencit), dan 2,23±0,17 jam (babi). Sementara penggunaan data biokinetik individu menghasilkan %wAICc sebesar 84,00%, TIAC referensi sebesar 5,41±0,24 jam (manusia), 1,35±0,07 jam (mencit), dan 1,68±0,12 jam - 2,85±0,28 jam (babi). Metode regresi linear dan allometric scalling digunakan dalam proses translasi biokinetik radiofarmaka 177Lu-OPS201 dari hewan ke manusia. Hasilnya, model terbaik dengan data biokinetik rata-rata dapat memprediksi TIAC sebesar 5,45±0,03 jam dan akurasi 99,20% mendekati referensi (regresi linear) dan TIAC prediksi sebesar 3,97±1,01 jam dan akurasi 73,50% mendekati referensi (allometric scalling).

---

The translation of radiopharmaceuticals from experimental animals to human doses is a challenging task due to biological variations between species and lack of standardization in nuclear medicine dosimetry. This study focuses on the influence of model selection on the calculation of radiation absorbed dose in the case of biokinetic translation from animals to humans. This study used average and individual biokinetic data from the 177Lu-OPS201 radiopharmaceutical study in animals and humans using the Sum of Exponential (SoE) model. Goodness of Fit (GoF) analysis and corrected Akaike Information Criterion (AICc) were used for model selection. The model f_2 (t)=A_1 e^(-(λ_1+λ_phys )t) was selected as the best model for mice, pigs and humans. The use of average biokinetic data resulted in %wAICc of 50.01%, reference TIAC of 5.41±0.29 hours (human), 1.35±0.07 hours (mice), and 2.23±0.17 hours (pigs). Meanwhile, the use of individual biokinetic data resulted in a %wAICc of 84.00%, a reference TIAC of 5.41±0.24 hours (human), 1.35±0.07 hours (mice), and 1.68±0.12 hours - 2.85±0.28 hours (pigs). Linear regression and allometric scaling methods were used in the process of translating the biokinetics of radiopharmaceutical 177Lu-OPS201 from animals to humans. As a result, the best model with average biokinetic data can predict TIAC of 5.45±0.03 hours and 99.20% accuracy close to the reference (linear regression) and predicted TIAC of 3.97±1.01 hours and 73.50% accuracy close to the reference (allometric scalling)."

"Dalam penggunaan radiofarmaka secara klinis, perlu memperhatikan keamanan dan efektivitas dengan pengujian praklinis dan klinis. Pengujian praklinis bertuujuan untuk mengevaluasi potensi toksisitas pada manusia, sementara pengujian klinis dilakukan untuk memvalidasi hasil translasi estimasi dosis dari hewan ke manusia. Proses pengambilan data biokinetika dalam pengujian klinis melibatkan pengukuran pada beberapa titik waktu, yang disebut sebagai Full Time Point (FTP). Namun, pengumpulan data berkali-kali ini tidak efisien. Untuk mengefisiensikan pengambilan data biokinetika tersebut dapat dengan menggunakan metode Single Time Point (STP), yang hanya mengambil satu titik data biokinetika saja dapat merepresentasikan hasil FTP. Telah banyak penelitian untuk STP. Akan tetapi, belum ada penelitian penyederhanaan protokol dosimetri pada model translasi. Sehingga pada penelitian ini bertujuan untuk menganalisis tingkat akurasi STP pada model terbaik translasi. Penelitian ini menggunakan radiofarmaka 89Zr-Pembrolizumab dan menerapkan pendekatan Bayesian. Nilai TIACs manusia pada FTP hasil translasi menjadi TIACs referensi terhadap hasil STP. TIACs ginjal manusia untuk FTP pada 89Zr-Pembrolizumab yaitu 5.41E-01 ± 1.42E-02 jam. TIACs ginjal manusia yang diperoleh dari hasil simulasi STP akandievaluasi pada visualisasi kurva yang dihasilkan dan pendekatan relative deviation (RD) terhadap TIACs referensi dan RMSE. RD dikatakan baik jika RD < 10%. Visualisasi kurva pada STP pada time point (TP) 1 hampir presisi terhadap kurva FTP dibandingkan dengan TP 2 – TP 4. Dengan variasi FSD baru metode Jackknife, rata-rata RD pada TP 1 pada organ ginjal manusia yaitu 0.49%, TP 2 yaitu 6.56%, TP 3 yaitu 9.16%, dan TP 4 yaitu 24.8%. Temuan dari penelitian ini dapat mengindikasikan bahwa metode STP dengan pendekatan Bayesian mampu memberikan estimasi yang cukup presisi pada TP 1.

---

In the clinical use of radiopharmaceuticals, it is necessary to pay attention to safety and effectiveness with preclinical and clinical testing. Preclinical testing aims to evaluate potential toxicity in humans, while clinical testing is carried out to validate the translational results of dose estimates from animals to humans. The process of capturing biokinetic data in clinical testing involves measurements at multiple points in time, referred to as Full Time Point (FTP). However, collecting data multiple times is inefficient. To make biokinetic data collection more efficient, you can use the Single Time Point (STP) method, which only takes one biokinetic data point to represent the FTP results. There has been a lot of research into STP. However, there has been no research on simplifying dosimetry protocols in translational models. So this research aims to analyze the level of STP accuracy in the best translation model. This study used the radiopharmaceutical 89Zr-Pembrolizumab and applied a Bayesian approach. The value of human TIACs in FTP results is translated into reference TIACs for STP results. Human renal TIACs for FTP on 89Zr-Pembrolizumab were 5.41E-01 ± 1.42E-02 hours. Human kidney TIACs obtained from STP simulation results will be evaluated on the resulting graphic visualization and relative deviation (RD) approach to reference TIACs and RMSE. RD is said to be good if RD < 10%. The graphic visualization on STP at time point (TP) 1 is almost precise on the FTP graph compared to TP 2 – TP 4. With the new FSD variation of the Jackknife method, the average RD at TP 1 in human kidney organs is 0.49%, TP 2 is 6.56 %, TP 3 is 9.16%, and TP 4 is 24.8%. The findings from this research may indicate that the STP method with a Bayesian approach is able to provide fairly precise estimates at TP 1."

"Hidroksiapatit (HA) dengan rumus kimia Ca10(PO4)6(OH)2 dan Hidroksiapatit tersubstitusi seng (Zn) merupakan salah satu bahan yang bertindak sebagai jembatan antara implan dan jaringan manusia. Pada penelitian ini, Hidroksiapatit (HA) tersubstitusi seng (Zn) disintesis menggunakan metode sol-gel berbantukan iradiasi gelombang mikro dengan memvariasikan persentase molar Zn yaitu 3% Zn/HA dan 5% Zn/HA. Hidroksiapatit (HA) tersubstitusi Zn yang disintesis dilapisi pada substrat SS 316L dengan metode Dip Coating. Ketebalan lapisan yang diendapkan diukur dan analisis struktural, fase dan morfologi dikarakterisasi masing-masing dengan uji XRD, FTIR, dan SEM – EDX. Karakterisasi XRD menghasilkan ukuran kristal 17,817 nm (HA) menjadi 17,326 nm (3% Zn/HA) dan 16,470 nm (5% Zn/HA) dimana kehadiran Zn mengubah ukuran kristal menjadi menurun. Hasil FITR menunjukan terjadinya pergeseran spektrum FTIR pada kisaran 400-900 cm−1 menegaskan keberhasilan doping Zn. Evaluasi SEM menunjukkan bahwa apatit mengandung partikel halus dengan bentuk hampir bulat dengan pori-pori yang saling berhubungan dan didapatkan nilai rasio Ca/P pada HA, 3% Zn/HA, dan 5% Zn/HA yaitu 1,78, 1,71, dan 1,66. Dalam penelitian ini dapat dikatakan bahwa ion seng berhasil disubstitusi ke dalam struktur HA dimana rasio Ca/P menurun seiring dengan meningkatnya konsentrasi ion Zn. Hidroksiapatit pada penelitian ini menunjukkan bahwa rasio Ca/P dengan metode solgel dip coating lebih mendekati rasio tulang manusia sebenarnya.

---

Hydroxyapatite (HA) with the chemical formula Ca10(PO4)6(OH)2 and zinc substituted hydroxyapatite (Zn) is a material that acts as a bridge between implants and human tissue. In this research, hydroxyapatite (HA) substituted with zinc (Zn) was synthesized using a sol-gel method assisted by microwave irradiation by varying the molar percentage of Zn, namely 3% Zn/HA and 5% Zn/HA. The synthesized Zn-substituted hydroxyapatite (HA) was coated on SS 316L substrate using the Dip Coating method. The thickness of the deposited layer was measured and the structural, phase and morphological analyzes were characterized by XRD, FTIR, and SEM – EDX tests respectively. XRD characterization resulted in a crystal size of 17.817 nm (HA) to 17.326 nm (3% Zn/HA) and 16.470 nm (5% Zn/HA) where the presence of Zn changed the crystal size to decrease. The FITR results show a shift in the FTIR spectrum in the range of 400-900 cm−1 confirming the success of Zn doping. SEM evaluation shows that apatite contains fine particles with an almost spherical shape with interconnected pores and the Ca/P ratio values obtained for HA, 3% Zn/HA, and 5% Zn/HA are 1.78, 1.71, and 1.66. In this study it can be said that zinc ions were successfully substituted into the HA structure where the Ca/P ratio decreased as the Zn ion concentration increased. Hydroxyapatite in this study shows that the Ca/P ratio using the sol-gel dip coating method is closer to the ratio of actual human bone."

"Pedoman AAPM TG-238 memberikan rekomendasi mengenai prosedur kajian mutu dalam menjaga kualitas citra angiografi rotasi tiga dimensi (3DRA). Dalam pedoman tersebut, uji uniformitas masih dilakukan menggunakan metode sampling sehingga belum dapat memberikan hasil informasi secara menyeluruh serta kurang akurat dalam mendeteksi masalah kualitas citra yang dapat diamati secara klinis. Meskipun demikian, banyak perangkat lunak yang telah dikembangkan menggunakan metode evaluasi tersebut. Oleh karena itu, penelitian ini bertujuan untuk mengusulkan metode evaluasi uji uniformitas yang baru serta mengembangkan perangkat lunak guna memberikan hasil evaluasi uji uniformitas citra 3DRA yang lebih komprehensif. Metode evaluasi uji uniformitas yang dikembangkan diadaptasi dari pedoman AAPM TG-238 dan pedoman EUREF. Parameter untuk menilai uniformitas dilakukan berdasarkan perhitungan mean pixel value (MPV) dan signal-to-noise ratio (SNR) yang sesuai dengan rekomendasi EUREF, namun dengan nilai limitasi yang direkomendasikan oleh AAPM-TG-238. Nilai limitasi yang digunakan dalam menilai keberhasilan pengujian ditemukan kurang relevan dengan metode pengujian yang dikembangkan dalam penelitian ini. Oleh karena itu, rekomendasi metode pengujian uniformitas dilakukan berdasarkan tingkat sensitivitas dalam mendeteksi dan menampilkan ketidakseragaman yang terjadi. Metode evaluasi yang dikembangkan mampu memberikan hasil evaluasi uji uniformitas citra 3DRA yang lebih komprehensif, namun diperlukan studi lebih lanjut mengenai nilai limitasi yang digunakan dalam menentukan kelayakan lolos uji uniformitas.

---

AAPM TG-238 provides guidance on quality control procedures to ensuring optimal three-dimensional rotational angiography (3DRA) image quality. The uniformity test outlined in this guideline utilizes a sampling method, which provide limited information on image uniformity and has been found to be a sub-optimum predictor of human-observable image quality issues. Despite this limitation, numerous automated quality control software solutions have been developed using the available method. Therefore, this study was aimed to propose new methods and develop an in-house software to generate more comprehensive uniformity testing of 3DRA images. The uniformity evaluation techniques are adopted from both AAPM TG 238 and EUREF guidelines. The parameters assesses included mean pixel value (MPV) and signal to noise ratio (SNR) following EUREF recommendations with limiting values adapted from AAPM TG-238. In new evaluation methods, the previously established limiting values could not be employed as a reference for determining image uniformity. Therefore, the selection of the optimal uniformity testing method will be based on its sensitivity in detecting and visually displaying non-uniformities. The new evaluation techniques provide a more comprehensive assessment of 3DRA image uniformity. However, further investigation is reserved to refine the limitation values used in determining the pass/fail criteria for the uniformity test."

"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."

"Saat ini, salah satu prosedur yang paling umum digunakan dalam radiologi untuk mendiagnosa suatu penyakit adalah sinar-X diagnostik. Prosedur ini sering kali diterapkan dalam berbagai pemeriksaan medis, seperti medical checkup, deteksi dini kanker, dan pendarahan otak. Oleh karena itu, penting untuk menentukan jumlah radiasi hambur yang dihasilkan selama prosedur ini guna mengevaluasi dosis radiasi yang diterima oleh pasien, staf medis, dan masyarakat umum. Penelitian ini bertujuan mengevaluasi radiasi hambur terhadap variasi sudut hambur dan tegangan tabung dengan metode Monte Carlo, serta distribusi radiasi hambur yang dihamburkan oleh pasien dalam prosedur Trout dan Kelly dan radiografi toraks posisi supine AP. Penelitian ini menggunakan pendekatan simulasi Monte Carlo menggunakan software PHITS untuk memodelkan radiasi hambur terhadap variasi posisi dan tegangan tabung. Variabel kontrol mencakup arus tabung (5 mAs), luas lapangan (20×20 cm² untuk prosedur Trout dan Kelly, 35×43 cm² untuk radiografi toraks supine AP), jarak fokus ke detektor (100 cm untuk Trout dan Kelly, 180 cm untuk radiografi toraks supine AP), dan dimensi fantom. Fantom yang digunakan berupa slab (balok air) berdensitas setara jaringan, balok masonit, dan ellipsoid air. Variabel yang diubah adalah sudut hambur (30° - 135°) dan tegangan tabung (70 kV - 100 kV). Variabel yang diamati adalah kerma primer dan kerma hambur, diukur pada jarak 1 m dari titik fokus dan pusat fantom. Kurva fraksi hambur dari simulasi dibandingkan dengan data literatur dan pengukuran untuk verifikasi hasil. Hasil simulasi menunjukkan bahwa sudut 30° mengalami peningkatan radiasi hambur terbesar hingga faktor 2,71, sedangkan sudut 135° menunjukkan peningkatan terendah, yaitu faktor 1,21. Kurva fraksi hambur simulasi memiliki pola yang menyerupai kurva fraksi hambur data literatur dan pengukuran, dengan sudut 80° paling mendekati literatur referensi dan 90° untuk verifikasi pengukuran. Dibandingkan prosedur Trout dan Kelly, prosedur radiografi toraks posisi supine AP menghasilkan fraksi hambur lebih besar hingga faktor 4,27. Perhitungan shielding radiasi sekunder perlu ditingkatkan dengan mengubah jarak fokus ke detektor menjadi 180 cm dan luas lapangan menjadi 35×43 cm².

---

Currently, one of the most used procedures in radiology for diagnosing diseases is diagnostic X-ray. This procedure is often applied in various medical examinations, such as medical check-ups, early cancer detection, and brain hemorrhage detection. Therefore, it is important to determine the amount of scattered radiation produced during this procedure to evaluate the radiation dose received by patients, personnel, and the members of the public. This study aims to evaluate how scattered radiation changes with scatter angle and tube voltage using the Monte Carlo method. This study also evaluates the scattered radiation distribution from patients during Trout and Kelly procedures and supine AP chest radiography. The study uses the Monte Carlo simulation using PHITS software to model scattered radiations with variations of position and tube voltage. The controlled variables are tube current (5 mAs), field size (20×20 𝑐𝑚2 for Trout and Kelly procedures, 35×43 𝑐𝑚2 for supine AP chest radiography), focus-to-detector distance (100 cm for Trout and Kelly, 180 cm for supine AP chest radiography), and phantom dimensions. The phantoms used are water blocks with tissue-equivalent density, masonite blocks, and water ellipsoids. The independent variables are scatter angle (30° to 135°) and tube voltage (70 kV to 100 kV). The dependent variables are primary kerma and scatter kerma, measured at 1 m from the focal point and the center of the phantom. Scatter fraction curves from the simulation are compared with literature data and measurements for result verification. Study results show that the 30° angle shows the highest increase in scattered radiation, up to a factor of 2.71, while the 135° angle shows the lowest increase, at a factor of 1.21. The simulated scatter fraction curves have a pattern similar to those from literature data and measurements, with the 80° angle most closely matching the reference literature and the 90° angle for measurement verification. Compared to the Trout and Kelly procedures, the supine AP chest radiography procedure produces a greater scatter fraction, up to a factor of 4.27. Secondary radiation shielding calculations need to be improved by changing the focus-to-detector distance to 180 cm and the field size to 35×43 𝑐𝑚2.

"

"Dosimetri berbasis pengukuran pencitraan single-time-point (STP) diperlukan dalam terapi radionuklida untuk mengurangi beban kerja dan beban pasien. Meski demikian, metode untuk menghitung simpangan baku dari time-integrated activity coefficient (TIAC) individu dari metode STP belum pernah dilaporkan dalam literatur. Studi ini bertujuan untuk memperkenalkan metode menggunakan Bayesian fitting (BF) untuk menghitung SB TIAC individu dalam dosimetri STP, serta menganalisis penggunaan data biokinetik dari populasi yang berbeda. Data biokinetik 177Lu-DOTATATE ginjal dari tujuh pasien yang diukur menggunakan SPECT/CT pada empat titik waktu diperoleh dari PMID33443063. Persamaan fitting menggunakan fungsi mono eksponensial. Bayesian fitting dengan metode varians relatif (BFr) dan varians absolut (BFa) digunakan untuk memperoleh TIAC kalkulasi (cTIAC) dari dosimetri STP. Performa metode STP dinilai melalui deviasi relatif (RD) antara cTIAC dengan rTIAC. Akurasi cTIAC dari metode BF dibandingkan terhadap akurasi metode STP dari studi Hänscheid. Data biokinetik 111In-DOTATATE dari PMID26678617 dilakukan crossed dan combined dengan data PMID33443063 untuk dianalisis perbedaannya dengan data awal (origin). Inspeksi visual dari fitting ATP menunjukkan hasil yang baik dengan CV dari parameter fitting <50%. Nilai RMSE dari %RD cTIAC untuk BFr, BFa dan metode Hänscheid masing-masing yaitu: 26.2%; 9.3%; dan 8.5%. SB dari cTIAC lebih besar dari rTIAC pada sebagian besar pasien. Nilai RMSE dari %RD untuk BF origin, crossed, dan combined masing-masing yaitu: 20.26%; 26.48%; dan 21.11%. Kesimpulannya, penelitian ini memperkenalkan metode BF untuk menghitung SB dari TIAC individu dalam dosimetri STP dengan tingkat akurasi yang baik. Penggunaan data populasi dari jenis radiofarmaka yang berbeda melalui metode combined tidak signifikan dalam mempengaruhi akurasi dosimetri STP. Metode BF dapat digunakan sebagai metode alternatif untuk analisis ketidakpastian dalam dosimetri STP.

---

Dosimetry method based on single-time-point (STP) imaging measurement is desirable in radionuclide therapy to reduce the workload and patient burden. Nevertheless, a method to calculate the standard deviation (SD) of the individual time-integrated activity coefficient (TIAC) from the STP method has never been reported in the literature. Therefore, this study aims to present a method based on the Bayesian fitting (BF) framework to calculate the SD of individual TIAC in the STP dosimetry, and to analyze the use of biokinetic data from different populations. Biokinetic data of 177Lu-DOTATATE in kidneys from seven patients measured by SPECT/CT at four-time points were obtained from PMID33443063. The mono exponential function was used for fitting. BF with relative (BFr) and absolute-based (BFa) variance methods were used to obtain the calculated TIACs (cTIACs) from the STP dosimetry. Performance of the STP method with BF methods was obtained by calculating the relative deviation (RD) between cTIACs and rTIACs. The accuracy of the cTIACs from the BF methods was compared to the accuracy of cTIACs from the STP method reported by Hänscheid. The 111In-DOTATATE biokinetic data from PMID26678617 were crossed and combined with PMID33443063 data to analyze the difference with the origin data. The visual inspection of ATP fittings showed a good fit for all patients with a CV of the fitted parameters <50%. The RMSE of cTIAC’s were 26.2% for BFr; 9.3% for BFa; and 8.5% for Hänscheid. The SD from cTIACs was greater than the rTIACs in most of the patients. The RMSE of %RD for BF origin, crossed, and combined were: 20.26%; 26.48%; and 21.11%, respectively. To conclude, this study introduces the BF method to calculate the SD of individual TIACs in STP dosimetry with good accuracy. The use of population data from different types of radiopharmaceuticals through the combined method did not significantly affect the accuracy of STP dosimetry. The BF method can be used as an alternative method for uncertainty analysis in STP dosimetry."