Analisis Perbandingan Algorithma Pemeriksaan MSCT Kepala dengan Klinis SOL Serebri di Instalasi Radiologi RSUD Tabanan Comparative Analysis of the Head MSCT Examination Algorithma with Cerebral SOL Clinical in the Radiology Installation of Tabanan Regional Hospital
Main Article Content
Abstract
SOL adalah istilah yang umum digunakan untuk menggambarkan lesi yang mengisi ruang tengkorak. Diperlukan diagnosa yang tepat agar SOL dapat segera ditangani. Salah satu modalitas radiologi yang dapat digunakan adalah MSCT. Agar gambaran MSCT yang dihasilkan berkualitas maka diperlukan parameter pemeriksaan yang sesuai. Salah satunya adalah algorithma. Berdasarkan manual book yang diterbitkan oleh vendor MSCT 128 slice untuk pemeriksaan kepala pada SOL, digunakan algorithma J30s, J40s dan J45s. Namun di instalasi Radiologi RSUD Tabanan selalu menggunakan algorithma J30s. Berdasarkan hal tersebut, penulis ingin mengkaji lebih lanjut mengenai algoritma mana yang terbaik untuk memvisualisasikan citra anatomi pemeriksaan MSCT kepala pada kasus SOL. Jenis penelitian ini adalah penelitian kuantitatif analitik dengan pendekatan eksperimen dan desain crossectional retrospectif. Penelitian ini dilakukan dengan merekonstruksi raw data dengan algorithma J30s, J40s dan J45s pada 15 sampel. Kemudian dilanjtkan dengan pengukuran nilai CNR pada patologi, sulcus gyrus dan cerebrosfinal fluid. Nilai CNR yang diperoleh kemudian dituangkan kedalam Microsoft Excel untuk dilakukan analisa menggunakan SPSS. Berdasarkan hasil uji SPSS, pada seluruh area pengujian diperoleh nilai Sig>0,05, yang berarti bahwa H0 diterima dan Ha ditolak. Meskipun demikian, untuk menampilkan gambaran SOL yang terbaik dapat dilakukan dengan memilih algorithma J40s yang dapat menghasilkan gambaran dengan resolusi spasial yang lebih tajam jika dibandingkan dengan J30s namun dengan noise yang lebih rendah jika dibandingkan dengan J45s.
Downloads
Article Details

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
References
Baer, M. 2016. Kernel Concept Somaris / 10.
Dr. H. Wallschlager. 2014. SIEMENS A New System of Siemens CT Convolution Kernels Application Aspects.
Gmbh, S. H. 2015. Computed Tomography Kernel & Filter.
Kapakisan I Ketut S, Kesanda I Made Phala, A. P. I. M. A. 2022. SPACE OCCUPYING LESION (SOL) CEREBRI. In Ganesha Medicina Journal (Vol. 2).
Nurhasan, Rini Indarti, D. 2019. Information differences of image anatomic msct head on filter variation. Information Differences of Image Anatomic Msct Head on Filter Variation, 5. https://repository.poltekkes-smg.ac.id/?p=show_detail&id=19891
Perangin-angin, R. W. E. P., Azis Mangara, Perangin-angin, N., Maria, S. L. F., & Noradina. (n.d.). KEPERAWATAN MEDIKAL BEDAH. Penerbit Adab. https://books.google.co.id/books?id=59eyEAAAQBAJ
Putte, C. Van, Regan, J., & Russo, A. 2017. Seeley’s Essentials of Anatomy and Physiology. In Journal of Thoracic Disease (Vol. 9, Issue 8).
Ramirez-giraldo, J. C., Grant, K. L., Raupach, R., & Raupach, R. 2017. White Paper ADMIRE : ADMIRE : Advanced Modeled Iterative Reconstruction. Technical Report, 6.
Seeram, E. 2015. Computed Tomography: Physical Principles, Clinical Applications, and Quality Control. Elsevier. https://books.google.co.id/books?id=lmzvrQEACAAJ
Supawitoo Sookpeng, C. J. M., & Chitsanupong Butdee. 2019. The investigation of dose and image quality of chest computed tomography using different combinations of noise index and adaptive statistic iterative reconstruction level. 53–60. https://doi.org/10.4103/ijri.IJRI