Perpustakaan Digital ITB

Pada prosedur radioterapi, posisi pasien ketika treatment harus tepat sama dengan posisi pada saat planning scan, oleh karena itu, posisi pasien perlu dipantau selama proses terapi. Posisi pasien dapat dipantau dari internal tubuh pasien misalnya menggunakan EPID (Electronic Portal Imaging Device), tetapi metode ini memberikan paparan radiasi tambahan untuk pasien. Metode lainnya adalah pemantauan dari permukaan pasien misalnya dengan menggunakan penanda permukaan atau range image camera. Di sisi lain, ada range image camera yang telah populer dipergunakan untuk video game disebut kamera Kinect. Kamera Kinect memiliki sumber inframerah dan range image camera yang dapat memberikan koordinat objek setiap piksel pada permukaan yang diakuisisinya sehingga dapat digunakan untuk mendeteksi perubahan posisi. Namun, untuk mendeteksi posisi pasien kita harus mendeteksi feature points dari permukaan permukaan objek. Untuk itu, kami telah mengembangkan pendekatan otomatis untuk merekonstruksi permukaan matematis dari range image phantom kepala ini diakuisisi oleh kamera Kinect. Tiga ratus frame permukaan phantom kepala diperoleh oleh kamera Kinect yang ditempatkan 1 meter dari hidung phantom dengan sudut 45 derajat terhadap garis vertikal. Pengukuran jarak kemudian dikoreksi dengan menggunakan metode interpolasi linear untuk mengurangi kesalahan pengukuran antara jarak referensi dan jarak yang diukur yang disebabkan oleh distorsi lensa. Langkah berikutnya adalah untuk melokalisasi Region of Interest (ROI) dengan menggunakan teknik template matching pada depth image yang diambil oleh kamera Kinect. Karena jarak diukur pada piksel yang sama dari range image dapat berfluktuasi, filter temporal menggunakan Kalman filter dan moving average filter diaplikasikan untuk mengurangi fluktuasi dan noise. Kemudian, range image diinterploasi dengan interval 0,1 mm agar point distribution menjadi homogen pada arah x dan y, diikuti oleh filter spasial menggunakan filter bilateral untuk memperhalus gambar tetapi tetap mempertahankan tepi gambar. Langkah terakhir adalah rekonstruksi permukaan matematis menggunakan NURBS dengan asumsi bahwa semua bobot titik memiliki nilai yang sama. Parameter NURBS dioptimalkan dengan mengubah derajat fungsi B-spline dan interval antara titik kontrol. Kualitas permukaan NURBS dihitung dengan mengevaluasi kekasaran (roughness) dan edge slope ratio (ESR). Kekasaran permukaan NURBS dihitung menggunakan perbandingan antara standar deviasi dari ROI berukuran 10x10 piksel pada gambar asli dan permukaan NURBS. Hasil permukaan NURBS lebih tinggi memiliki kekasaran yang lebih rendah yang berarti bahwa permukaan halus diperoleh. Untuk mengukur tingkat mempertahankan bagian tepi gambar, rasio antara kemiringan tepi NURBS dan gambar asli dihitung (direpresentasikan sebagai edge slope ratio: ESR). Semakin besar nilai ESR semakin baik permukaan tersebut mempertahankan bagian tepi. Hasil penelitian menunjukkan bahwa permukaan dengan sampling interval 10 titik dan derajat NURBS sama dengan 3 memberikan permukaan yang lebih baik dengan kekasaran 0,0962 dan ESR tertinggi yaitu 0,6919 dengan rata-rata error 4,81% dari nilai optimum masing-masing parameter. Kami menyimpulkan bahwa pendekatan yang diusulkan untuk merekonstruksi permukaan matematika dapat memberikan permukaan yang halus, yang dapat mendeteksi posisi kesalahan pasien dengan menggunakan kamera Kinect.