OPTIMASI SUDUT PROYEKSI PADA REKONSTRUKSI CITRA CT

Endang Haryati1, Rena Widita1, Sparisoma Viridi1

1

Departemen Fisika, Fakultas Matematika dan Ilmu Pengeahuan Alam, Institut Teknologi Bandung Jl. Ganesha No. 10 Bandung, Indonesia 40132 e-mail : endangh@student.itb.ac.id

Abstrak Citra CT untuk diagnosis juga digunakan untuk verifikasi dosis selama terapi. Untuk menghasilkan sebuah citra CT diperlukan sejumlah data proyeksi. Semakin banyak data proyeksi yang digunakan maka kualitas citra CT yang dihasilkan semakin bagus. Dalam radioterapi, data proyeksi yang digunakan untuk merekonstruksi citra pada saat diagnosis dan selama terapi diambil pada posisi sudut yang sama, biasanya <10 sudut. Tujuan dari penelitian ini adalah mengoptimasi sudut-sudut proyeksi dengan metode optimasi gradient descent pada rekonstruksi citra CT dengan ART. Image Correlation (IC) telah dihitung pada dua model citra dan optimasi gradient descent telah dilakukan untuk merekonstruksi citra CT paru-paru dengan menggunakan data proyeksi terbatas. Hasil tersebut menunjukan bahwa dengan jumlah data proyeksi terbatas dan jumlah iterasi yang kecil dihasilkan kualitas citra CT yang bagus. Dengan demikian metode optimasi gradient descent merupakan metode optimasi yang efektif untuk mengoptimasi sudut pencitraan dalam merekonstruksi citra dengan ART. kunci: citra CT, ART, optimasi I. PENDAHULUAN Dalam bidang medis, citra CT digunakan untuk diagnosis dan juag untuk verifikasi dosis selama terapi. Untuk menghasilkan sebuah citra CT diperukan sejumlah data proyeksi. Semakin banyak data proyekasi yang digunakan, maka semakin bagus. Dalam radioterapi, data proyeksi yang digunakan untuk merekonstruksi citra pada saat diagnosis dan selama terapi diambil pada posisi sudut yang sama. Idealnya, jumlah sudut yang digunakan selama terapi biasanya <10 sudut. Tujuan dari penelitian ini adalah mengoptimasi sudut-sudut proyeksi untuk merekonstruksi citra CT dengan ART. Metode optimasi yang digunakan adalah metode optimasi gradient descent. II. METODE YANG DIGUNAKAN Dalam penelitian ini, rekonstruksi citra dilakukan dengan metode ART dan optimasi sudut proyeksinya dengan metode optimasi gradient descent. ART merupakan metode iteratif rekonstruksi citra yang nilai koreksinya dihitung sekaligus selama iterasi. Algoritma ART

dapat di lihat pada gambar 1 dan algoritma optimasi gradient descent dapat dilihat pada gambar 2. Model citra yang direkonstruksi adalah citra CT paru-paru (gambar 3). Citra Ct paru-paru dibagi menjadi 100 100 pixel dan dianggap bahwa lebar sinar sama dengan lebar pixel. Inisial citra Data Proyeksi

Tebakan awal

Rotasi citra pada sudut U Data proyeksi pada U

Menghitung error

Pixel citra yang diestimasi pada U

NoN

Rotasi komplit? Yes Y No N iterasi? N

Yes

Y STOP

Gambar 1. Algoritma simulasi ART

START

r0<ri Starti poi t 1. {X} = {X0} 2. W0 3. Konstanta Y {X0} = {Xi} r0 =ri Hitung korelasi awal r Konfigurasi baru {X} = {Xi} W0 =Wi Hitung korelasi ke -i r Y Wi =0.01 Wi =W0 - L * r0

{X0} = {X0}

r0 =r0

STOP

Gambar 2. Al ritma Optimasi gradi t descent

Gambar 3. Citra C paru-paru

III. HASIL DAN PEMBAHASAN Optimasi sudut proyeksi pada rekonstruksi citra CT dilakukan dengan menggunakan komputer PC spesifikasi intel pentium core 2 duo, 2GB, namun untuk kombinasi susut 7-12 dilakukan menggunakan komputer PC Lenovo intel pentium core 2 duo, 2 GB. Hasil optimasi sudut-sudut poryeksi pada rekonstruksi citra CT paru-paru dapat dilihat pada tabel 1 dan 2, sedangkan citra CT rekonstruksinya dapat dilihat pada gambar 4. Rekonstruksi citra CT untuk masing-masing kombinasi sudut dilakukan dengan jumah iterasi 5 dan optimasinya dimulai dari titik awal W0 = 0.5, L = 0.05. Nilai Image Correlation (IC) dihitung dengan menggunakan persamaan 1.



Tabel 1. Posisi sudut optimum untuk 7 data proyeksi No.

1. 2. 3. 4.

Kombinasi
7 - 12 7 - 15 7 - 16 7 360

Posisi Sudut
30, 60, 90, 120, 150, 270, 360 24, 48, 72, 96, 144, 168, 360 22.5, 45, 67.5, 90, 112.5, 337.5, 360 29, 238, 256, 263, 285, 345, 360

IC
0.925793 0.933832 0.936235 0.930799

Tabel 2. Posisi sudut optimum untuk 9 data proyeksi No.

1. 2. 3. 4.

Kombinasi
9 12 9 15 9 16 9 360

Posisi Sudut
30, 60, 90, 120, 150, 180, 240, 270, 360 24, 48, 72, 96, 120, 144, 168, 288, 360 22.5, 45, 67.5, 90, 112.5, 135, 157.5, 270, 360 12, 19, 48, 70, 96, 113, 127, 279, 360

IC
0.925247 0.94073 0.94018 0.932178

Gambar 4. Citra hasil rekonstruksi dengan optimasi sudut

Tabel 3. Waktu optimasi No.

1. 2. 3. 4. 4. 5. 6. 8.

Kombi
7 12 7 15 7 16 7 360 9 12 9 15 9 16 9 - 360

Waktu (detik)
3.82 8.95 5.05 3.24 5.67 8.72 8.43 9.14

Dari hasil tersebut dapat diketahuai bahwa kombinasi sudut-sudut proyeksi yang menghasilkan nilai IC yang besar dan memilki waktu iterasi yang relatif singkat dibandingkan dengan yang lain terjadi pada kombinasi 7 dari 16 sudut dan 9 dari 16 sudut.

IV.

KESIMPULAN Dari hasil penelitian ini, maka dapat disimpulkan bahwa, ART merupakan metode yang

efektif untuk merekonstruksi citra CT dengan menggunakan jumlah data proyeksi yang terbatas. Penggunaan metode optimasi gradient descent pada rekonstruksi citra CT dengan ART membuat waktu iterasi menjadi efesien, karena optimasi gradient descent memiliki waktu iterasi yang singkat sedangkan waktu iterasi ART memerlukan waktu yang cukup lama. Namun optimasi dengan metode gradient descent hanya menemukan nilai minimum lokal, sehingga untuk penelitian selanjutnya disarankan untuk menggunakan metode optimasi stokastik gradien descent untuk menemukan nilai minimum global.

UCAPAN TERIMA KASIH Penelitian ini tentunya tidak lepas dari bantuan pihak lain. Oleh karena itu peneliti mengucapkan terimakasih kepada Ibu Rena Widita dan bapak Sparisoma Viridi yang telah banyak membantu dalam penelitian ini. DAFTAR PUSTAKA Ali, A.M, dkk. 2004. Image Reconstruction Techniques using Projection Data from Transmission Method. Annals of Nuclear Energy 31 (2004), 1415-1428 Anderson, C. 2009. Gradient Descent. Fall : Department of Computer Science Bortfeld, T. 1999. Optimized Planning using Physical Objective and Constraints. Seminars in Radiation Oncology, Vol 9, No.1, 20-34 Brame, A.1988. Optimization of Stationary and Moving Beam Radiation Therapy Techniques. Radiotheraphy and Oncology, 12, 129-140 Breacewell, R.N. & Riddle, A.C. 1967. Inversion of Fan-Beam scan in Radioastronomy. Astrophysics Journal, 150, 427-434 Brooks, R & Di Chiro, G.1976. Theory of Image Reconstruction in Computed Tomography. RadiologyColorado State University

Cunningham, I. A., Judy, P. F. 2000. The Biomedical Engineering Handbook: Second Edition. CRC Press LLC : Boca Raton Dove, E.L. 2003. Physics Of Medical Imaging (An Introduction). Biomedical Engineering The University of Lowa Hendee, W.,R., Ritenour, E., R. 2002. Medical Imaging Physics 4nd. A Jhon Wiley & Sons, Inc, Publication: New York Herman, G. T. 1980. Image Reconstruction from Projection: The Fundamentals of Computerized Tomography. New York : Academic Press. Ikawati, V. 2008. Software Automasi Perhitungan Film Dosimetri Menjadi Dosis Radioterapi . Insitut Teknologi Bandung Kak and Slaney.1999.Principle of Computed Tomography Imaging. IEEE Inc: New York Morgan, C.L. 1983. Basic Principles of Computed Tomography. Baltimore MD: University Park Press Rajagukguk, R. 2009. Simulation of CT Image Reconstruction using algebraic

Reconstruction Technique (skripsi). Institut Teknologi Bandung Roux, N. L. 2009. Using Gradient Descent for Optimization and Learning Widita, R.2006.Simultaneous Optimization of Beam Positionfor Treatment Planning and for Image Reconstruction in Radioteraphy (Thesis). The University of New South Wales. Zeng, G.L. 2000. Image Reconstruction-a Tutorial. Computerized Medical Imaging and Graphycs 25 (2001), 97-103