Tesis disusun untuk memenuhi salah satu syarat mencapai derajat pendidikan
Strata Dua (S-2) Sebagai Magister Sains Ilmu Fisika pada Jurusan Fisika
Disusun Oleh:
Disusun Oleh:
Ummu Mar’atu Zahro
NIM. 24040117420015
Pembimbing I Pembimbing II
ii
HALAMAN PENGESAHAN
TESIS
Analisis Noise Reduction dengan Metode Selected Mean Filter pada Citra
Klinis Ct Scan Kepala
Disusun Oleh:
iii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT, Tuhan Yang Maha
Esa karena atas segala rahmat dan hidayah-Nya sehingga penulis dapat
menyelesaikan proposal penelitian dengan judul “Analisis Noise Reduction
dengan Metode Selected Mean Filter pada Citra Klinis Ct Scan Kepala”. Proposal
ini dibuat atas dasar syarat kelulusan untuk pembuatan tugas akhir dalam rangka
memperoleh kelulusan. Proposal penelitian ini dapat terselesaikan karena penulis
mendapatkan banyak bantuan dan dukungan dari berbagai pihak baik berupa
informasi, arahan, dan bimbingan. Oleh karena itu penulis mengucapkan
terimakasih kepada:
1. Prof. Wahyu Setia Budi selaku pembimbing I yang bersedia dengan sabar
meluangkan waktu dan tenaga untuk membimbing dan memberikan ilmu
sehingga penulis dapat menyelesaikan proposal penelitian dengan lancar.
2. Dr. Choirul Anam, M. Si selaku pembimbing II yang bersedia dengan sabar
meluangkan waktu dan tenaga untuk membimbing dan memberikan ilmu
sehingga penulis dapat menyelesaikan proposal penelitian dengan baik dan
benar.
3. Dr. Eng. Eko Hidayanto selaku dosen wali yang telah memberikan dukungan
kepada penulis dalam penulisan proposal penelitian.
4. Dr. Iis Nurhasanah selaku Penguji I Departemen Fisika Universitas
Diponegoro Semarang.
5. Dr. Gatot Yuliyanto selaku Penguji II Departemen Fisika Universitas
Diponegoro Semarang.
6. Seluruh dosen Magister Ilmu Fisika Fakultas Sains dan Matematika
Universitas Diponegoro yang telah memberikan ilmu yang sangat bermanfaat
bagi penulis.
7. Suami tercinta Agustyandika Putra, Afifah Maryam Dizar malaikat kecilku,
dan Laila Fitratunnisa adik kecilku. My best support system.
8. Kedua orang tua dan mertua yang selalu memberikan dukungan penuh. Baik
berupa doa ataupun semangat untuk penulis.
1
2
Penulis
3
BAB I
PENDAHULUAN
harga software tersebut sangat mahal sehingga masih banyak Rumah Sakit yang
tidak memiliki software bawaan vendor alat tersebut.
Hasil converence SEACOMP dan Pertemuan Ilmiah Tahunan Fisika Medis
dan Biofisika tanggal 06-10 Agustus 2019 di Bali, Anam, (2019) menyampaikan
pengembangan algoritma noise reduction baru, yaitu Selected Mean Filter (SMF).
Metode SMF dapat menurunkan noise dan spasial citra hasil filter mendekati
spasial citra asli. Namun pada penelitian sebelumnya belum dilakukan
implementasi secara klinis. Teknik ini didukung dengan komputasi ringan dan
diharapkan dapat diimplementasikan pada citra klinis. Pada penelitian kali ini,
implementasi SMF pada citra CT Scan kepala diharapkan dapat menurunkan dosis
hingga 50% lebih rendah. Peneliti melakukan pengujian secara langsung
algoritma selected mean filter kepada citra CT Scan kepala dengan dosis eksposi
rendah. Kemudian sebagai pembanding, analisa citra CT Scan kepala hasil filter
menggunakan algoritma selected mean filter dibandingkan dengan citra CT Scan
kepala hasil filter algoritma iterative reconstruction bawaan vendor.
1.2 Tujuan Penelitian
1. Mengimplementasikan algoritma noise reduction untuk reduksi dosis radiasi
pada pemeriksaan CT Scan Kepala.
2. Menganalisa penurunan dosis dari noise reduction metode baru pada
pemeriksaan CT Scan Kepala.
3. Membandingkan citra hasil algoritma SMF dan IR.
1.3 Manfaat Penelitian
1. Hasil penelitian dapat digunakan untuk bidang medis khususnya maupun
secara luas dalam ilmu penelitian dan kehidupan.
2. Sebagai alternatif baru dalam pemilihan teknik noise reduction khususnya
pada pemeriksaan CT Scan Kepala
BAB II
DASAR TEORI
6
7
Pada sebuah pesawat CT Scan jika ada satu gambar dengan material yang
homogen misal air dan tampak CT Number pada daerah tersebut, akan ditemukan
bahwa CT number tidak akan bernilai sama tetapi bervariasi di sekitar nilai rata-
rata atau nilai mean. Variasi CT number di atas atau di bawah nilai rata-rata
disebut dengan noise. Jika semua pixel adalah sama, noise akan bernilai nol.
Variasi yang terlalu besar pada nilai pixel akan menghasilkan noise yang tinggi
(Dance dkk., 2014).
8
dengan I(x) adalah intensitas yang ditransmisikan oleh medium dengan ketebalan
x dan I0 adalah intensitas foton sebelum melewati medium. Jika ketebalan x
dinyatakan dengan satuan panjang, maka µ disebut sebagai koefisien atenuasi
linear dengan satuan cm-1. Besarnya pelemahan intensitas sinar-x setelah
menembus objek ditentukan oleh koefisien serapan (µ) terhadap sinar-x. Koefisien
serapan objek ditentukan oleh materi penyusunnya. Nilai koefisien serapan objek
yang tidak seragam akan menyebabkan variasi intensitas sinar-x setelah
menembus objek. Variasi ini dideteksi oleh detektor yang diletakkan tepat
9
dibelakang objek, akan tampak secara fisis bahwa intensitas I(x) selalu lebih kecil
dari intensitas awal I0.
2.2 Kualitas Citra
Citra CT Scan diperoleh dari hasil berkas sinar-x yang mengalami
perlemahan setelah menembus objek, ditangkap oleh detector dan dilakukan
pengolahan dalam computer. Tampilan citra yang baik tergantung pada kualitas
citra yang dihasilkan sehingga aspek klinis dari citra tersebut dapat dimanfaatkan
untuk menegakkan diagnosis. Kualitas citra dalam hal ini adalah citra tersebut
dapat menampilkan gambaran anatomi yang sesuai dan dapat memberikan nilai
akurasi diagnostik yang tinggi (Bushberg,JT dan Seibert, 2012). Faktor faktor
yang mempengaruhi kualitas citra CT Scan adalah sebagai berikut.
2.2.1 Spatial resolution
Spatial resolution adalah kemampuan suatu citra untuk membedakan dua
titik yang terpisah secara jelas (Seeram, 2016). Spatial resolution dipengaruhi
oleh:
a. Faktor Geometri
Faktor geometri merupakan salah satu faktor yang berhubungan dengan
proses akuisisi data, antara lain meliputi ukuran focal spot, ukuran dan
kemampuan detektor dan slice thickness. Ukuran focal spot berpengaruh
terhadap ketidaktajaman geometri. Makin besar ukuran focal spot, citra
transaxial yang dihasilkan mengalami penurunan ketidaktajaman geometri
dan tepi struktur organ berkurang pada gambar transaxial (Bushberg,JT dan
Seibert, 2012).
b. Rekonstruksi Algoritma
Spatial resolution dipengaruhi langsung oleh bentuk rekonstruksi
algoritma yang digunakan (Bushberg,JT dan Seibert, 2012).
c. Ukuran matrix
Resolusi display ditentukan oleh jumlah pixel atau dimensi horizontal
dan vertikal dari matriks pada monitor. Semakin tinggi ukuran matriks maka
akan semakin tinggi resolusi yang bisa ditampilkan (Seeram, 2016).
d. Field of View
10
Hal ini membuat hasil citra berbeda untuk setiap vendor. Algoritma untuk
resolusi tinggi, yaitu yang mampu memperjelas tepian atau ujung ujung
gambar akan menghasilkan citra yang lebih bagus, tetapi level noisenya akan
lebih tinggi. Sebaliknya, algoritma smooth yang memiliki level noise rendah,
tetapi tepian dan ujung-ujung citra menjadi tidak jelas.
d. Slice thickness
slice thickness adalah tebal irisan atau potongan dari objek yang
diperiksa. Nilainya dapat dipilah antara 1mm – 10 mm sesuai keperluan
klinis. Semakin tebal slice thickness maka detail citra menurun, sebaliknya
semakin tipis slice thickness maka detail citra semakin tinggi. Memilih slice
thickness yang sesuai merupakan faktor keseimbangan antara definisi tepian
citra dengan noise, karena adaya efek off-set antara keduanya.
1) Slice thickness yang tebal berarti noise rendah, contrast resolution lebih
baik, definisi tepian dan ujung citra buruk, terjadi artefak volume parsial.
2) Slice thickness yang tipis berarti noise tinggi, resolusi kontras rendah,
definisi tepian citra lebih baik, tidak ada artefak volume parsial. Slice
thickness ini memberikan spatial resolution yang lebih baik untuk
struktur tulang.
e. Signal to noise ratio (SNR)
SNR didefinisikan sebagai perbdaningan antara besarnya amplitudo
sinyal objek dengan amplitudo noise. SNR ini juga sangat berkaitan dengan
jumlah energi sinar x yang digunakan per-pixel dalam citra. Pengurangan
ukuran pixel (menyebabkan peningkatan spatial resolution) dan tingkat dosis
menyebabkan jumlah sinar-x per-pixel berkurang (Bushberg,JT dan Seibert,
2012).
2.3 Kualitas Citra CT Scan Kepala
Kualitas citra pada CT scan kepala sangat berpengaruh pada hasil diagnosis
yang akan diambil oleh dokter Radiologi. Kualitas citra pada CT Scan kepala
dapat diukur melalui beberapa kriteria, yakni artefak garis, soft tissue di sekitar
kepala, terlihatnya lesi, perbedaan gray matter dan white matter, serta noise citra
secara keseluruhan (Park dkk., 2017).
13
^f ( x , y )= 1 ∑ g ( s ,t ) (2.6)
mn (s , t) ϵ S
xy
deviasi global (σ 2N ) (Hilts dan Jirasek, 2008). Secara matematis dapat dijelaskan
sebagai berikut
σ 2N
I f ( x , y )=I ( x , y )− ( I ( x , y )−mL ) ( 2.7 )
σ 2L
If(x,y) adalah intensitas citra setelah pemfilteran, I(x,y) adalah intensitas citra
sebelum pemfilteran, σL adalah stdanar deviasi lokal, σN adalah stdanar deviasi
global, dan mL adalah nilai rerata pixel lokal. Pada sebuah area yang homogeny,
σL kecil dan filter akan mereduksi lebih banyak noise sehingga persamaan akan
cenderung ke nilai I f ( x , y ) sedangkan untuk area tepi, nilai σL besar menyebabkan
filter mereduksi lebih sedikit noise dan persamaan akan cenderung ke I ( x , y ).
15
Keadaan itu akan membuat citra hasil filter memiliki noise yang rendah dengan
spatial resolution yang seperti citra asli (Dougherty, 2009) .
Jika nilai stdanar deviasi lokal tinggi akan menghasilkan citra hasil restorasi
yang mendekati citra asli; hal ini dikarenakan deviasi yang tinggi menyebabkan
perubahan tepi, yang seharusnya itu tidak boleh terjadi. Sebaliknya, jika deviasi
lokal rendah misal mendekati σ 2N , output citra akan mendekati nilai rerata pixel
lokal. AMF dapat mereduksi noise sementara perubahan tepi tetap terjaga.
Hielts dan Jirasek (2008), mengatakan bahwa strategi pemfilteran terbaik
yakni penggunaannya tergantung pada karakteristik distribusi dosis dan tingkat
noise citra asli. Untuk citra noise rendah (SNR~20), AMF direkomendasikan
untuk filter stdanar. Namun untuk citra noise tinggi (SNR~5), hasil pemfilteran
menggunakan AMF dikatakan baik, tetapi untuk distribusi dosis yang sangat
bervariasi, penggunaan AMF perlu diperhatikan dengan seksama karena dapat
terjadi distorsi spasial dan dosis.
2.4.3 Filter back projection (FBP) dan iterative reconstruction (IR)
Metode Filter Back Projection (FBP) adalah metode matematika umum
yang digunakan untuk merekonstruksi citra pada CT Scan. FBP paling sering
digunakan. Secara sederhana, prinsip rekonstruksi FBP adalah seperti mengulang
dari proses scaning. Namun, ketika penggunaan rekonstruksi FBP dikombinasikan
dengan penurunan dosis radiasi akan meningkatkan noise, streak articaft, dan
penurunan spatial resolution. Salah satu metode stdanart yang disediakan oleh
vendor, untuk mengurangi noise yang dihasilkan dari teknik rekonstruksi stdanar
FBP dengan dosis radiasi rendah adalah menggunakan iterative recontruction
(Seeram, 2016).
Iterative Recontruction (IR) adalah rekonstruksi algoritma dimana data citra
didapat dan dikoreksi dengan berbagai macam model. Teknik ini berusaha akurat
mendapatkan kembali citra ideal dengan berkonsentrasi pada pengurangan noise.
Setiap vendor memiliki nama yang berbeda untuk aplikasi IR, antara lain
Adaptive Statistical iterative Reconstruction (ASIR) , Sinogram-affirmed Iterative
Reconstruction (SAFIRE), iDose , dan Adaptive Iterative Dose Reduction 3D
16
(AIDR3D). Sebuah penelitian menyatakan dosis pada otak menurun 20% - 40%
pada pemeriksaan CT Scan kepala dengan menggunakan ASIR, iDose, IRIS dan
SAFIRE (Geyer dkk., 2015).
ASIR menggunakan informasi yang didapat dari algoritma FBP sebagai citra
awal untuk direkonstruksi. Citra awal dari ASIR ini menggunakan matriks aljabar,
untuk mengubah nilai yang terukur dari masing masing pixel (y) menjadi
perkiraan baru dari nilai pixel (y’). Nilai pixel ini kemudian dikomputasi langsung
untuk mendapat nilai ideal dari noise pada citra. Proses ini diulangi berturut-turut
dan berulang-ulang sampai nilai ideal dari pixel akhirnya ditemukan.
I ' ( x+ i, y + j ) =¿ (2.8)
+ n−1 m−1
,+
Σ 2
−n−1
2
−m−1 I ' ( x+i , y + j )
i= , j=
2 2
I s ( x , y )= '
( 2.9 )
N (x , y )
tetangga dari nilai pixel pusat lebih kecil dari nilai h. Dalam hal ini, nilai pixel
I s ( x , y ) sama dengan I f ( x , y ).
Sementara pixel-pixel di luar daerah biru dianggap sebagai objek lain yang
dipisahkan oleh batas objek (edge) meskipun masih dalam kernel yang sama.
Dengan kata lain, besar nilai pixel – pixel tetangga di luar daerah biru lebih tinggi
atau lebih rendah dari nilai ambang h dan pixel pusat, sehingga tidak
diikutsertakan dalam perhitungan rata-rata.
Secara teknis nilai ambang h diambil berdasarkan besarnya nilai stdanar
deviasi (σ) dari nilai pixel citra, σ juga menyatakan besarnya jumlah noise pada
citra tersebut. Nilai σ didapatkan menggunakan metode perhitungan noise
otomatis (Anam dkk., 2019). Seperti pada Gambar 2.5 di bawah, ketika noise
ditdanai sebesar σ, pada bagian luar masih terdapat noise. Dilihat dari batas σ ke
kanan dan ke kiri dari nilai rerata, besar populasi noise adalah sekitar 68%.
Artinya masih ada sekitar 32% noise. Oleh karena itu nilai ambang h masih
mungkin untuk dinaikkan menjadi 2σ atau 3σ. Metode ini lebih fleksibel karena
besarnya threshold dapat diatur sedemikian rupa. Jika dipilih batas 3σ, maka noise
yang tereduksi semakin besar, tetapi nilai-nilai tertentu yang bukan noise akan
terdeteksi sebagai noise. Akibatnya spatial resolution citra pada suatu tepi
mungkin sedikit terkorupsi jika nilai pixel suatu tepi berada pada batas 3σ.
19
Dengan teknik ini, dapat menghasilkan penurunan noise yang lebih besar, tetapi
spatial resolution citra tidak akan terdegradasi secara signifikan. Selain itu, waktu
komputasi SMF cukup cepat dan pemodelan sistem fisisnya tidak terlalu
kompleks. Proses filtering pada SMF dapat dilihat pada Gambar 2.6.
mengevaluasi perlakuan (treatment) tertentu pada satu sampel yang sama pada
dua periode pengamatan yang berbeda. Paired sample t-test digunakan apabila
data berdistribusi normal (Sugiyono, 2013).
Menurut Widiyanto (2013), paired sample t-test merupakan salah satu
metode pengujian yang digunakan untuk mengkaji keefektifan perlakuan, ditandai
dengan adanya perbedaan rata-rata sebelum dan rata-rata sesudah diberikan
perlakuan. Dasar pengambilan keputusan untuk menerima atau menolak Ho pada
uji ini adalah sebagai berikut (WIdiyanto, 2013).
1. Jika t hitung > t tabel dan probabilitas (Asymp.Sig) < 0,05, maka Ho ditolak
dan Ha diterima.
2. Jika t hitung < t tabel dan probabilitas (Asymp.Sig) > 0,05, maka Ho diterima
dan Ha ditolak.
Prosedur uji paired sample t-test (Siregar, 2013) :
1. Menentukan hipotesis; yaitu sebagai berikut:
Ho1 : tidak terdapat perbedaan antara citra low dose hasil filter ASIR
dan citra standart dose.
Ha1 : terdapat perbedaan antara citra low dose hasil filter ASIR dan
citra standart dose.
Ho2 : tidak terdapat perbedaan antara citra low dose hasil filter SMF
dan citra low dose hasil filter ASIR.
Ha2 : terdapat perbedaan antara citra low dose hasil filter SMF dan citra
low dose hasil filter ASIR.
Ho3 : tidak terdapat perbedaan antara citra low dose hasil filter SMF dan
citra standart dose.
Ha3 : terdapat perbedaan antara citra low dose hasil filter SMF dan citra
standart dose.
2. Menentukan level of significant sebesar 5% atau 0,05.
3. Menentukan kriteria pengujian
4. Penarikan kesimpulan berdasarkan pengujian hipotesis
21
START
Input Citra
Ya
+ n−1 m−1
,+
Σ 2
−n−1
2
−m−1 I ' ( x+i , y + j )
i= , j=
2 2
I s ( x , y )= '
N (x , y )
END
BAB III
METODE PENELITIAN
Analisis Data
6) Analisis uji beda informasi anatomi citra reduce-dose hasil filter SMF
dan citra reduce-dose hasil filter ASIR dilakukan dengan uji statistik
paired t-test dengan tingkat nilai kepercayaan α = 95%.
7) Analisis uji beda informasi anatomi citra reduce-dose hasil filter SMF
dan citra standart-dose dilakukan dengan uji statistik paired t-test dengan
tingkat nilai kepercayaan α = 95%.
3.8 Jadwal penelitian
Penelitian akan dilaksanakan pada rentang waktu bulan Oktober s.d
Desember 2019 yang akan dilaksanakan di RS Indriyati Solo Baru. Adapun
jadwal penelitian adalah sebagai berikut.
Bulan ke-
No Kegiatan
1 2 3
1. Persiapan Alat
2. Pengambilan Data
Penulisan Manuskrip
6.
dan laporan
DAFTAR PUSTAKA
Al-Hinnawi, A.R., Daear, M., Huwaijah, S., 2013. Assessment of bilateral filter
on 1/2-dose chest-pelvis CT views. Radiol. Phys. Technol. 6, 385–398.
Alkhorayef, M., Sulieman, A., Alonazi, B., Alnaaimi, M., Alduaij, M., Bradley,
D., 2019. Estimation of radiation-induced cataract and cancer risks during
routine CT head procedures. Radiat. Phys. Chem. 155, 65–68.
https://doi.org/10.1016/j.radphyschem.2018.08.019
Anam, C., Budi, W.S., Adi, K., Sutanto, H., Haryanto, F., Hana, M., Fujibuchi, T.,
Dougherty, G., 2019. Assessment of patient dose and noise level of clinical
CT images : automated measurements. J. Radiol. Prot. 39, 783–793.
Anam, C., Haryanto, F., Widita, R., Arif, I., 2015. New noise reduction method
for reducing CT scan dose: Combining Wiener filtering and edge detection
algorithm. AIP Conf. Proc. 1677, 1–5. https://doi.org/10.1063/1.4930648
Andersen, H.K., Völgyes, D., Martinsen, A.C.T., 2018. Image quality with
iterative reconstruction techniques in CT of the lungs—A phantom study.
Eur. J. Radiol. Open 5, 35–40. https://doi.org/10.1016/j.ejro.2018.02.002
Bushberg, J., Seibert, J., 2012. The Essential Physics of Medical Imaging: Third
Edition, Third Edit. ed. Lippincott Williams & Wilkins, a Wolters Kluwer
business, Philadelphia.
Dance, D.R., Christofides, S., Maidment, A.D.A., McLean, I.D., Ng, K.H., 2014.
Diagnostic Radiology Physics : A Handbook for Teachers and Students.
IAEA, Vienna.
Geyer, L.L., Schoepf, U.J., Meinel, F.G., John W. Nance, J., Bastarrika, G.,
Leipsic, J.A., Paul, N.S., Rengo, M., Laghi, A., Cecco, C.N. De, 2015. State
of the art: iterative CT reconstruction techniques. Radiology 276, 339–357.
https://doi.org/doi:10.1148/radiol.2015132766
Greess, H., Lutze, J., Nomayr, A., Wolf, H., Hothorn, T., Kalender, W.., W, B.,
2004. Dose reduction in subsecond multislice spiral CT examination of
children by online tube current modulation. Eur. Radiol. 14, 995–999.
https://doi.org/10.1007/s00330-004-2301-9
Gupta, G., 2011. Algorithm for Image Processing Using Improved Median Filter
and Comparison of Mean , Median and Improved Median Filter. Int. J. Soft
Comput. Eng. 1, 304–311.
Hilts, M., Jirasek, A., 2008. Adaptive mean filtering for noise reduction in CT
polymer gel dosimetry. Med. Phys. 35, 344–355.
https://doi.org/10.1118/1.2818742
Ibrahim, M., Parmar, H., Christodoulou, E., Mukherji, S., 2014. Raise the Bar and
Lower the Dose : Current and Future Strategies for Radiation Dose
Reduction in Head and Neck Imaging. Am. J. Neuroradiol. 35(4), 619–624.
Irdawati, Y., Sutanto, H., Anam, C., Fujibuchi, T., Zahroh, F., Dougherty, G.,
2019. Development of a Novel Artifact-free Eye Shield Based on Silicon
Rubber-lead Composition in the CT Examination of the Head. J. Radiol.
Prot.
Kalra, M.K., Maher, M.M., Sahani, D., Blake, M.A., Hahn, P.F., Avinash, G.B.,
Toth, T.L., Halpern, E., Saini, S., 2003. Low-Dose CT of the Abdomen:
Evaluation of Image Improvement with Use of Noise Reduction Filters—
Pilot Study. Radiology 228, 251–256.
https://doi.org/10.1148/radiol.2281020693
Krille, L., Hammer, G.P., Merzenich, H., Zeeb, H., 2010. Systematic review on
physician’s knowledge about radiation doses and radiation risks of computed
tomography. Eur. J. Radiol. 76, 36–41.
https://doi.org/10.1016/j.ejrad.2010.08.025
Mas’uul, A.R., Sutanto, H., 2014. Uji Kesesuaian Ct Number Pada Pesawat Ct
Scan Multi Slice Di Unit Radiologi Rumah Sakit Islam Yogyakarta.
Youngster Phys. J. 3, 335–340.
Mullins, M.E., Lev, M.H., Bove, P., Reilly, C.E.O., Saini, S., Rhea, J.T., Thrall,
J.H., Hunter, G.J., Hamberg, L.M., Gonzalez, R.G., 2004. Comparison of
Image Quality Between Conventional and Low-Dose Nonenhanced Head
CT. Am. Soc. Neuroradiol. 25, 533–538.
Parakh, A., Macri, F., Sahani, D., 2018. Dual-Energy Computed Tomography:
Dose Reduction, Series Reduction, and Contrast Load Reduction in Dual-
Energy Computed Tomography. Radiol. Clin. North Am. 56, 601–624.
https://doi.org/10.1016/j.rcl.2018.03.002
Park, J.E., Choi, Y.H., Cheon, J.E., Kim, W.S., Kim, I.O., Cho, H.S., Ryu, Y.J.,
Kim, Y.J., 2017. Image quality and radiation dose of brain computed
tomography in children: effects of decreasing tube voltage from 120 kVp to
80 kVp. Pediatr. Radiol. 47, 710–717. https://doi.org/10.1007/s00247-017-
3799-8
Paterson, A., Frush, D.P., 2007. Dose reduction in paediatric MDCT: general
principles. Clin. Radiol. 62, 507–517.
https://doi.org/10.1016/j.crad.2006.12.004
Sastroasmoro, S., Ismael, S., 2011. Dasar-dasar Metodologi Penelitian Klinis, IV.
ed. CV. Sagung Seto, Jakarta.
Sheppard, J.P., Nguyen, T., Alkhalid, Y., Beckett, J.S., Salamon, N., Yang, I.,
2018. Risk of Brain Tumor Induction from Pediatric Head CT Procedures: A
Systematic Literature Review. Brain Tumor Res. Treat. 6, 1.
https://doi.org/10.14791/btrt.2018.6.e4
Singh, S., Kalra, M.K., Khawaja, R., Padole, A., Pourjabbar, S., Lira, D., Shepard,
J.O., Digumarthy, S.R., 2014. Radiation Dose Optimization and Thoracic
Computed Tomography. Radiol. Clin. North Am. 52, 1–15.
https://doi.org/10.1016/j.rcl.2013.08.004
Siregar, S., 2013. Statistik Parametrik untuk Penelitian Kuantitatif. PT. Bumi
Aksara, Jakarta.
Sugiyono, 2013. Metode Penelitian Kuantitatif dan Kualitatif dan R&D. Alfabeta,
Bandung.
Sun, T., Gabbouj, M., Neuvo, Y., 1994. Center weighted median filters : Some
properties and their applications in image processing. Signal Processing 35,
213–229.
Tipnis, S., Thampy, R., Rumboldt, Z., Spampinato, M., 2016. Radiation intensity (
CTDI vol ) and visibility of anatomical structures in head CT examinations.
J. Appl. Clin. Med. Phys. 17, 293–300.
Weinman, J.P., Mirsky, D.M., Jensen, A.M., Stence, N. V, 2019. Dual energy
head CT to maintain image quality while reducing dose in pediatric patients.
Clin. Imaging 55, 83–88. https://doi.org/10.1016/j.clinimag.2019.02.005
WIdiyanto, A., 2013. Statistik Terapan. PT. Elex Media Komputindo, Jakarta.
Wittram, C., Maher, M.M., Sharma, A., Avinash, G.B., Karau, K., Toth, T.L.,
Halpern, E., 2003. Radiology Improve Low-Radiation-Dose Chest CT
Images ? Pilot Study 1.
Yabuuchi, H., Kamitani, T., Sagiyama, K., Yamasaki, Y., Matsuura, Y., Hino, T.,
Tsutsui, S., Kondo, M., Shirasaka, T., Honda, H., 2018. Clinical application
of radiation dose reduction for head and neck CT. Eur. J. Radiol. 107, 209–
215. https://doi.org/10.1016/j.ejrad.2018.08.021