Registrasi Modalitas Gambar Diffusion Weighted Imaging Dan Magnetic Resonance Imaging Untuk Integrasi Informasi Struktural dan Tractography

Sihaj, Gerry (2025) Registrasi Modalitas Gambar Diffusion Weighted Imaging Dan Magnetic Resonance Imaging Untuk Integrasi Informasi Struktural dan Tractography. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025222016-Master_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Gangguan pada sistem saraf pusat khususnya otak dapat menimbulkan dampak yang serius terhadap kualitas hidup seseorang. Dalam praktiknya, prosedur bedah saraf otak menggunakan bantuan mesin Computed Tomography (CT) scan, Magnetic Resonance Imaging (MRI) dan Diffusion Weighted Image (DWI) yang menghasilkan citra medis untuk melihat struktur isi otak sebelum melakukan diagnosis maupun tindakan operasi. MRI menghasilkan visualisasi struktur otak secara jelas. Sedangkan DWI menghasilkan visualisasi dari arah difusi air didalam otak dari berbagai arah. Kedua citra medis ini diambil di dua saat yang berbeda sehingga dapat terjadi perbedaan lokasi dari visualisasi. Sehingga penelitian ini mengusulkan metode untuk melakukan registrasi dari kedua citra medis menggunakan informasi struktural dari citra MRI dan pemetaan konektivitas yang dihasilkan dari citra DWI. Citra DWI diproses menggunakan Fractional Anisotropy (FA) untuk menentukan konektivitas saraf pada lokasi tertentu didalam otak. Hasil dari FA akan digunakan untuk melakukan Tractography yang akan memvisualisasikan pemetaan konektivitas jaringan saraf pada otak. Dalam proses registrasi pemetaan ini akan diambil per lapisan untuk dibadingkan dengan informasi struktural dari citra MRI. Registrasi ini akan dioptimasi menggunakan metode Powell dan akan dievaluasi menggunakan Mutual information (MI). Penggunaan Tractography pada penelitian ini dikarenakan pemetaan saraf yang dihasilkan berdasarkan informasi dari 16 arah difusi air. Data pasangan MRI dan DWI yang digunakan berjumlah empat data. Metode dari penelitian ini mampu meningkatkan akurasi, dengan memperkecil jarak Anterior Commisure (AC) dan Posterior Commisure (PC) sebanyak 28%.
==================================================================================================================================
Disruption in the central nervous system, particularly the brain, can have profound implications for an individual's quality of life. In practical applications, neurosurgical procedures involving the brain utilize imaging techniques such as Computed Tomography (CT) scans, Magnetic Resonance Imaging (MRI), and Diffusion Weighted Imaging (DWI) to generate medical images for examining the structural content of the brain before making diagnoses or conducting surgical interventions. MRI provides clear visualization of brain structures, while DWI generates images depicting the diffusion of water within the brain from various directions. Both medical images are captured at different time points, leading to potential disparities in visualization locations. Consequently, this research proposes a method for registering medical images using structural information from MRI images and connectivity mapping derived from DWI images. DWI images are processed using Fractional Anisotropy (FA) to determine neural connectivity at specific locations within the brain. The FA results will be utilized for Tractography, a technique that visualizes the mapping of neural network connectivity in the brain. In the registration process, these mapping results will be segmented for layer-by-layer comparison with structural information from MRI images. The registration will be optimized using the Powell method and evaluated using Mutual information (MI). Tractography is employed in this study due to the neural mapping being based on information from 16 directions of water diffusion. The paired MRI and DWI data used consisted of four data sets. The method in this study was able to improve accuracy by reducing the distance between the Anterior Commissure (AC) and Posterior Commissure (PC) by 28%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Diffused Weighted Image, Fractional Anisotropy, Image Registration, Magnetic Resonance Imaging, Mutual information, Tractography.
Subjects:	Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA401 Mathematical models. Q Science > QA Mathematics > QA76.6 Computer programming.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Unnamed user with email 6025222016@student.its.ac.id
Date Deposited:	06 Aug 2025 03:04
Last Modified:	06 Aug 2025 03:04
URI:	http://repository.its.ac.id/id/eprint/127545

Actions (login required)

View Item