Perpustakaan Digital ITB

CT scan merupakan salah satu sistem pencitraan medis yang kompleks sehingga menyebabkan munculnya beberapa risiko. Oleh karena itu, program quality control (QC) diperlukan. Pada pelaksanaan QC di CT scan, American Association of Physicists in Medicine (AAPM) CT Perfomance Phantom diperlukan. Penelitian tugas akhir ini bertujuan untuk menentukan slice thickness dari suatu citra CT scan yang diperoleh dengan menggunakan AAPM CT Perfomance Phantom. Penentuan slice thickness pada penelitian ini menggunakan metode segmentasi robust automatic threshold selection (RATS). Selain itu, penelitian ini juga bertujuan untuk mengkaji pengaruh slice thickness terhadap nilai parameter RATS yang memberikan hasil dengan akurasi yang tinggi. Data yang digunakan pada penelitian ini merupakan data dari tugas akhir Nazliah Azzahra. Parameter akuisisi tersebut adalah tegangan sebesar 120 kVp dan arus sebesar 200 mA. Dengan variasi slice thickness yang digunakan 2, 3, dan 8 mm. Proses selanjutnya data tersebut diolah dengan metode segmentasi RATS. Nilai parameter RATS divariasikan menggunakan metode trial and error. Variasi nilai parameter RATS yang digunakan pada penelitian ini, yaitu lambda factor 3, 4, dan 5, min leaf size 10, 20, dan 30, dan noise threshold 10, 20, dan 30. Setelah dilakukan segmentasi diperoleh citra anak tangga dan terdapat tiga buah anak tangga. Pada tahapan selanjutnya, dibuat tiga garis sejajar pada setiap anak tangga untuk semua hasil segmentasi tersebut. Kemudian diperoleh profil dari setiap garis tersebut. Lalu, lebar dari profil tersebut akan dihitung dan dirata-ratakan untuk memperoleh slice thickness dari hasil segmentasi tersebut. Lebar yang didapat dari profil tersebut dibandingkan dengan nilai sebenarnya dengan batas error yang diizinkan. Pada penelitian ini diperoleh hasil bahwa setiap slice thickness yang berbeda diperlukan nilai parameter RATS yang berbeda untuk memperoleh error yang rendah. Pada saat slice thickness 2 mm, nilai paling akurat didapat saat variasi parameter RATS lambda factor 5, min leaf size 20, dan noise threshold 30 dengan nilai error 6%. Selanjutnya, saat slice thickness 3 mm nilai paling akurat didapat saat variasi parameter RATS lambda factor 4, min leaf size 30, dan noise threshold 30 dengan nilai error 0,5%. Terakhir nilai parameter RATS untuk slice thickness 8 mm yang memiliki akurasi paling baik adalah pada saat lambda factor 5, min leaf size 10, dan noise threshold 10 dengan nilai error 3%. Dari penelitian ini diperoleh simpulan bahwa metode segmentasi RATS dapat digunakan untuk menentukan slice thickness karena sebagian besar atau 94,4% hasil segmentasi RATS berada di bawah batas maksimum error yang diizinkan.