Analisa Keakurasian Titik Sefalometrik Berbasis 3D dengan d S Softwere ft A Amira i untuk t kD Data t MRI
y y
y y y
Nama: Tony Okta Wibowo Nrp : 2208 100 553
Dosen Pembimbing : B Moch Bp. M h Hariadi H i di , ST M.Sc M S PhD Bp. Dr. I ketut eddy Purnama, ST ,MT
Latar belakang MRI (Magnetic (M i Resonance R I Imaging). i ) Adalah Ad l h suatu alat l diagnostik di ik mutakhir untuk memeriksa dan mendeteksi tubuh adengan menggunakan medan magnet dan gelombang frekuensi radio. kelebihan y yang g dimiliki oleh MRI adalah kemampuannya p y membuat potongan koronal, sagital, aksial tanpa banyak memanipulasi posisi tubuh pasien. Cephalometry adalah pengukuran tulang tengkorak manusia dengan metode imaging atau pencitraan tradisional dari film X-RAY. X-RAY Dari berbagai macam cara pengambilan citra diatas dan metode pengambilan gambarnya,saya mencoba untuk menganalisa hasil pengolahan citra dari MRI yang berupa foto tulang tengkorak untuk di li kembali dianalisa k b li mengunakan k software ft A i untuk Amira t k ditentukan dit t k dan d diambil nilai kordinat titik sefalometrinya.
Batasan Masalah Batasan masalah pada tugas akhir ini adalah : y Data D citra tulang l yang d digunakan k berasal b l dari citra foto MRI Cephalometry tulang Rahang manusia. y Mengoptimalkan pengunaan software AMIRA untuk menganalisa dan mencari titik sefalometrinya f l ti y Perhitungan statistik kordinat titik cephalometry dari hasil program AMIRA dengan mengunakan metode distribusi normalisasi dan perbandingan nilai rata-rata dengan mengunakan Software SPSS
Tujuan tugas Akhir Penelitian pada tugas akhir ini bertujuan untuk Mengoptimalkan kinerja sebuah Softewere yang bernama AMIRA untuk menghasilkan sebuah Analisa Interface yang dapat memvisualisasikan sebuah model foto dua dimensi, pada tulang tengkorak dari sebuah citra MRI menjadi 3D untuk menentukan keakurasian lokasi titik sefalometrinya. Dan data tersebut di Analisa kembali mengunakan Softwere yang bernama AMIRA untuk mendapatkan nilai kordinat titik sefalometri yyangg akan di hitungg secara Statistik keakurasian datanya .dan membantu para Ahli Medis khususnya Orthodonti untuk menganalisa dan mengukur spasial ukuran gigi , rahang , dan d tengkorak k k
TitikTitik Sefalometri beserta lokasi pada Sefalogram . Titik –titik yang dicari dalam analisa Cephalometry saya adalah : y
Sella tursika (S) : titik pusat geometrik dari Pituitary fossa
y
Nasion kulit (N’) : titik paling cekung pada pertengahan dahi dan hidung.
y
Porion, (Po ): titik yang paling superior dari meatus
y
acusticus eksternus, menyinggung bidang frankfort..
y
Orbitale (Or) : titik terendah dari dasar rongga mata yang terdepan. terdepan
y
Gonion (Go ) : titik persimpangan antara garis singgung ramus posterior dengan bidang mandibula dengan pertumbuhan untuk tindakan perawatan bedah
y
Gnation (Gn) : titik yang berada di antara titik MENTON dan POG
y
Titik A: Subspinale, : titik yang paling cekung dari lengkung yang dibentuk antara spina nasalis anterior dan prosthion.
y
Titik B : Supramental, : titik yang paling cekung dari lengkung yang dibentuk antara infra dental dan pogonion.
y
Posterior maxillary point (PMP ) : dikarenakan kordinat titik berada berada daerah tengah tulang mata bagian atas.
y
Anterior Nasal Spine( ANS ) berada : titik dimana septum nasal berbatasan dengan bibir atas
y
Posterior Nasal spine p ((PNS)) : titik yyangg berada di perbatasan p pertengahan p g dahi dan hidung. g .
y
Upper Incisor ( UI) berada : titik perbatasan antara membran bibir bawah dan atas atau titik tengah gigi.
Gambar skema titik cephalometry p y
Diagram Proses kerja file foto MRI . dcm Dikompres dengan software DCMTK Converter
file .dcm yang sudah dikompres dijalankan di software Amira.
data dikumpulkan dan dianalisa dengan metode Kolmogorov-Smirnov untuk dicari data yang berdistribusi normal
mendapatkan data titik kordinat sefalometrinya.
jika semua data berdistribusi normal , dilakukan uji statistik TTEST untuk mendapatkan keakuratan titik sefalomatri.
membuat kesimpulan hasil dari keakurasian penandaan titik sefalometri dengan mengunakan software AMIRA .
file hasil pengolahan di AMIRA berubah format menjadi . hx
membuat b t landmarks l d k untuk t k memberikan nama-nama titik sefalometri yang akan dicari.
melakukan rekonstruki wajah 3D sesuai bentuk tulang tengkorak pasien untuk membantu mengetahui h i akurasi k i letak l k titik sefalometrinya.
mencari per slice titik-titik sefalometriknya dari data foto yang di jalankan .
Diagram proses data pada Amira
Aplikasi analisa di softwere Amira (f (foto MRI pada d Amira A i sebelum b l di carii titik i ik C Cepahalometry h l nya))
Pemberian Titik Cephalometry p y pper Slice
Rekonstruksi visual wajah 3D setelah pemberian titik cephalometry h l t di softwere ft A Amira. i
Pengumpulan data titik kordinat
Letak titik kordinat sumbu x,y,z
Pengumpulan data titik kordinat
Ujij distribusi normal dengan g metode Ujij Kolmogorov g Smirnov
•
uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku . Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.
•
y
Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
y
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di b bawah h 0,05 0 05 berarti b ti data d t yang akan k diuji di ji mempunyaii perbedaan b d yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
Analisa ppengujian g j Kolmogorov g Smirnov
y
Interpretasi:
y
Nilai Most Extreme Differences Absolute diatas merupakan nilai statistik D pada uji K-S, p masing-masing g g variabel diatas adalah 0,158 , 0,195 dan nilai D ppada ujij terhadap 0,184 , artinya (p>0,05), maka cukup bukti untuk menerima H0, dimana data terdistribusi secara normal.
y
Nilai Z pada uji ini juga dapat dilihat dan paling sering digunakan sebagai indikator, dimana nilainya berturut berturut-turut turut adalah 0,6997 0 6997 , 0,871dan 0 871dan 0,821, 0 821 berarti p>0,05, p>0 05 maka H0 dapat diterima bahwa data terdistribusi secara normal.(yoz)
parameter untuk mendapatkan sebuah hi hipotesis i normall pada d analisa li KK-S Uji statistik K-S ini mempunyai sebuah parameter untuk mendapatkan sebuah hipotesis data yang bersifat normal atau tidak dengan g syarat y : y Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan (data tidak terdistribusi normal), dan jika signifikansi di atas 0,05 maka tidak id k terjadi j di perbedaan b d yang signifikan. i ifik (d (data terdistribusi di ib i normal) y Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 0 05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
Pengujian perbandingan nilai ratarata-rata dengan metode Paired--Sample T Test Paired y
Uji-t berpasangan (paired t-test) adalah salah satu metode pengujian hipotesis g tidak bebas ((berpasangan). p g ) Ciri-ciri yyangg paling p g seringg dimana data yyangg digunakan ditemui pada kasus yang berpasangan adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang berbeda. Walaupun menggunakan individu yang sama, peneliti tetap memperoleh 2 macam data sampel, yaitu data dari perlakuan pertama dan data g saja j berupa p kontrol, yyaitu tidak dari pperlakuan kedua. Perlakuan ppertama mungkin memberikan perlakuan sama sekali terhadap objek penelitian. t-test (Student’s t-test) merupakan statistik inferensial untuk melihat perbedaan rata-rata.
Tabel kalkulasi total ppaired samples p Test
Paired--Sample Paired p T Test y
N menunjukkan jumlah data yang diproses yaitu 20 buah data.
y
Mean menunjukkan nilairata-rata dari 20 responden
y
Standard deviasi adalah menunjukkan dispersi rata rata-rata rata dari sampel. sampel
y
distribusi data diatas adalah normal, sehingga data di atas masih berdistribusi normal.
y
Sehingga lebih meyakinkan bahwa distribusi dari data adalah normal. Dasar pengambilan keputusan : - Ho : Rata-rata populasi sebelum dan sesudah adalah identitik. - H1 : Rata-rata populasi sebelum dan sesudah adalah tidak identik. - Jika probabilitas > 0.05, Ho diterima, tetapi jika prob < 0.05, Ho ditolak.
y
Dari output paired sample corelation dapat kita lihat bahwa Sig (2 tailed) = 0.000. Hal itu berarti bahwa probabilitas kurang dari 0.05 yang berarti juga bahwa Ho ditolak
y
Std error mean dengan standar kesalahan rata-rata rata rata
y
simpangan baku atau standar deviasi sebesar
y
t (hitung ) dan derajat kebebasan (df) pada taraf kesalahan 5 % atau kepercayaan 95%.
Kesimpulan Setelah melalui tahapan implementasi dan pengujian sistem, maka p diperoleh p kesimpulan p antara lain : dapat Faktor usia pasien bisa mempengaruhi analisa foto sefalometriknya. semakin muda usia sangg pasien p semakin jjelas foto tulangg rahangg dan tengkoraknya.Usia ideal untuk pengujian ini adalah (10 tahun 40 tahun) y Data tersebut memenuhi syarat untuk dijadikan acuhan penentuan titik sefalometri yang diolah dari data MRI dikarenakan : a. Semua data yang dianalisa mengunakan metode KolmogorovSmirnov dan di uji dengan SPSS menghasilkan data yang terdistribusi normal atau semua data titik kordinat memiliki nilai sig > 0,05 b l rata-rata / mean pada b.nilai d hhasill uji SPSS mengasilkan lk nila l rata-rata normal juga karena mengandung nilai sig > 0.05 dan nilai rata-rata standart error atau std- err- mean nya masih berada di nilai batas atas dan nilai batas bawah interval convidence 95% nya. y
TERIMAH KASIH