REDUKSI NOISE PADA CITRA CT SCAN HASIL REKONSTRUKSI METODE FILTERED BACK-PROJECTION (FBP) MENGGUNAKAN FILTER WIENER DAN MEDIAN

PTKMR-BATAN, KEMENKES-RI, Departemen Fisika FMIPA-ITB dan FKM-Universitas Indonesia

REDUKSI NOISE PADA CITRA CT SCAN HASIL REKONSTRUKSI METODE

(FBP) MENGGUNAKAN FILTER WIENER DAN ₁ ₂ MEDIAN ₃ ₄ ₅ ₁ Choirul Anam , Freddy Haryanto , Rena Widita , Idam Arif , Geoff Dougherty

Departemen Fisika, Fakultas MIPA, Institut Teknologi Bandung, Bandung, Indonesia dan Jurusan _2,3,4 Fisika, Fakultas MIPA, Universitas Diponegoro, Semarang, Indonesia.

Departemen Fisika, Fakultas MIPA, Institut Teknologi Bandung, Bandung, Indonesia. ₅ California State University Channel Islands (CSUCI), California, USA.

Email :

ABSTRAK

REDUKSI NOISE PADA CITRA CT SCAN HASIL REKONSTRUKSI METODE FILTERED BACK-

PROJECTION

(FBP) MENGGUNAKAN FILTER WIENER DAN MEDIAN. Studi ini bertujuan

mengevaluasi reduksi noise menggunakan Wiener dan median filter pada citra CT scan (512 x 512) hasil

rekonstruksi metode filtered back-projection (FBP). Pada studi ini digunakan fantom homogen, yang terdiri

dari dua lingkaran dengan diameter 255 piksel (radius dalam) dan 256 piksel (radius luar). Nilai piksel

lingkaran luar 1,8 dan lingkaran dalam 0,8. Proyeksi citra menggunakan transformasi Radon dengan berkas

paralel untuk sudut 0 hingga 180 dengan step 1 . Kemudian dilakukan reksontruksi citra dengan metode

filtered back-projection (FBP) menggunakan invers transformasi Radon. Tipe-tipe filter yang digunakan saat

rekonstruksi adalah Ram-Lak, Cosine, Hamming and Hann. Citra hasil rekosntruksi tersebut kemudian

dilakukan post-processing dengan difilter menggunakan filter Wiener dan filter median. Penentuan jenis citra

dilakukan dengan cara fitting dari histogram masing-masing citra, sementara besarnya noise dikarakterisasi

dengan besarnya nilai variance kurva fitting. Diperoleh bahwa citra hasil rekonstruksi memiliki noise jenis

gaussian untuk semua tipe filter. Namun besarnya noise berbeda-beda tergantung jenis filter (0,0184, 0,0086,

0,0063 dan 0,0055 untuk filter Ram-Lak, Cosine, Hamming and Hann secara berurutan). Sedangkan

pemfilteran post-processing menghasilkan bahwa filter Wiener lebih efektif dalam menurunkan noise

dibandingkan dengan filter median.

Kata kunci: CT scan, noise, metode filtered back-projection (FBP), filter Wiener, filter median.

ABSTRACT

NOISE REDUCTION IN CT IMAGES RECONSTRUCTED BY FILTERED BACK-PROJECTION

USING WIENER AND MEDIAN FILTERS. The aim of this study was to reduce noise in CT images (512 x

512) reconstructed by filtered back-projection (FBP) using Wiener and median filters. A homogeneous

phantom was used, consisting of two circles with diameters 255 (inner circle) and 256 (outer circle) pixels.

The pixel values of the outer and inner circles were 1.8 and 0.8, respectively. The projection data from the

homogeneous phantom used the Radon transformation with parallel rays for angles 0 up to 180 , with step

1 . The reconstruction of images used the inverse Radon transformation with filtered back-projection (FBP).

We used Ram-Lak, Cosine, Hamming and Hann filters, and post-processed the reconstructed images using

Wiener and median filters. The type of noise in each image was determined by fitting of its histogram and the

magnitude of the noise was calculated as the variance of the fitted curves. It was concluded that the type of

noise in all the reconstructed images was gaussian, with magnitude depending on the filters (0.0184, 0.0086,

0.0063 and 0.0055 for Ram-Lak, Cosine, Hamming and Hann respectively). Post-processing the images using

a Wiener filter was more effective in noise reduction than using a median filter.

Keywords: CT scan, noise, filtered back-projection (FBP), Wiener filtering, median filtering.

I. PENDAHULUAN

gaussian [20]. Shinde dan Dani [7] melaporkan bahwa algoritma yang digunakan pada noise reduction sangat bergantung dari jenis noise yang ada pada citra. Noise jenis

Dalam studi ini digunakan software Matlab. Dalam riset ini diawali dengan penentuan jenis noise. Untuk menentukan jenis noise digunakan fantom berbentuk lingkaran homogen. Jumlah piksel fantom homogen adalah 512x512. Fantom homogen didesain dengan dua lingkaran. Lingkaran bagian dalam dengan jejari 255 piksel dan nilai untuk tiap piksel sebesar 0,8. Lingkaran bagian luar dengan jejari 256 piksel (tebalnya

II. METODE Desain Fantom

dua algoritma, yaitu Wiener filtering dan median filtering .

noise reduction untuk noise gaussian dengan

Pada studi sebelumnya, Anam et al. [21] telah melaporkan bahwa jenis noise pada CT Scan yang ditimbulkan oleh algoritma rekonstruksi citra filtered back-projection, dengan menggunakan beberapa filter yang banyak dikenal, yaitu filter Ram-Lak, Cosine, Hamming dan Hann adalah noise jenis gaussian. Pada studi ini akan dilakukan upaya

dengan nilai rerata dari piksel sekitarnya berdasarkan nilai ambang yang telah diperoleh (based on a threshold value). Sementara Nobi dan Yousuf [17] melaporkan bahwa citra yang terkorup noise jenis rician dan jenis speckel, dapat kombinasi dua jenis untuk noise reduction, yaitu median filtering dan mean filtering, dan memberikan hasil yang lebih baik, dibanding jika filter tersebut digunakan sendiri-sendiri.

noise , kemudian nilai center pixel diganti

dengan median filter. Noise jenis gaussian, algoritma noise reduction yang paling bagus adalah adaptive filtering atau filter Wiener [7]. Selain filter Wiener, filter bilateral dilaporkan juga sangat baik untuk mengurangi noise gaussian [8]. Vijaykumar et al. [20] juga telah mengusulkan algoritma yang lebih efisien untuk pengurangan noise pada citra yang terkorupsi oleh noise gaussian, yaitu dengan menghitung besarnya

salt and pepper sangat bagus diselesaikan

Penggunaan CT scan untuk keperluan medis meningkat setiap tahunnya [1,2]. Aplikasi CT scan untuk keperluan medis harus dipastikan bahwa kualitas citra yang diperoleh harus baik dengan dosis yang relatif rendah [3]. Kualitas citra dikarakterisasi oleh beberapa parameter, diantaranya adalah rendahnya noise dan tingginya resolusi spasial [4-6]. Saat noise diturunkan, resolusi spasial biasanya akan mengalami penurunan. Untuk itu biasanya dilakukan optimisasi sesuai dengan aplikasi klinis yang digunakan, yaitu noise relatif rendah dengan resolusi spasial yang relatif tinggi. Untuk tulang biasanya dipilih resolusi spasial yang tinggi, sementara untuk jaringan lunak dipilih noise yang rendah [4]. Hal lain yang dapat dilakukan adalah dengan mengembangkan algoritma penurunan noise dengan menjaga resolusi spasial tetap bagus [7,8].

Demikian pula, perlu dilakukan optimasi antara

Aplikasi noise reduction harus memerhatikan jenis noise pada citra. Citra medis biasanya terkorupsi oleh noise yang berbeda-beda, yang umum ditemui adalah

sama dengan arus tabung hanya 110-140 mA namun dengan noise reduction.

reduction , memberikan kualitas citra yang

memanfaatkan noise reduction algorithm [17]. Kalra et al. [10] melaporkan bahwa penggunaan noise reduction dapat menurunkan dosis hingga 50%. Penggunakan arus tabung standar 220-280 mA tanpa noise

patient’s shape ) [16]. Strategi lainnya adalah dengan

dengan teknik otomatisasi modulasi arus tabung (tube current modulation, TCM) [11- 15]. Dilaporkan bahwa aplikasi TCM dapat menurunkan dosis pada range 10-60% tergantung dari bentuk pasien (

noise relatif rendah dan konstan adalah

Pangaturan arus tabung merupakan pendekatan paling umum untuk optimasi dosis. Arus tabung sebanding dengan jumlah foton sinar-x dan berhubungan langsung dengan dosis [9]. Noise berbanding terbalik dengan square root dari arus tabung yang digunakan. Jadi saat arus diturunkan setengahnya, dosis akan menurun sekitar 50% dan sebagai akibatknya noise akan meningkat sekitar 40% [10]. Salah satu strategi untuk menurunkan dosis dengan tetap menjaga

noise dengan dosis.

noise jenis rician [18], speckle [19], dan hanya satu piksel dari lingkaran dalam) dengan nilai untuk tiap piksel sebesar 1,8. Di luar fantom nilai piksel sebesar nol.

Rekonstruksi Citra

noise pada setiap filter.

III. HASIL DAN PEMBAHASAN Jenis Noise

untuk noise gaussian [7,27]. Baik filter median atau filter gaussian menggunakan metode konvolusi dengan kernel matriks berukuran 5x5. Citra yang telah difilter baik dengan filter median atau filter gaussian, ditampilkan lagi nilai histogramnya.

speckel . Sementara filter Wiener sangat cocok

Untuk reduksi noise digunakan dua jenis filter, yaitu filter median dan filter Wiener. Telah diketahui bahwa filter median sangat bagus untuk menurunkan noise tetapi resolusi spasial mengalami penurunan dengan tajam, filter ini sangat cocok untuk noise jenis

Reduksi Noise

Karakteristik noise ini dapat diamati menggunakan noise power spectra (NPS) [22-26]. NPS dapat diperoleh dengan melakukan transformasi Fourier pada daerah homogen citra. Namun pada studi ini, tidak dilakukan transformasi Fourier pada seluruh citra, namun hanya bagian tengah yaitu dari posisi piksel (90,90) hingga posisi piksel (422,422). Hal ini dilakukan agar transformasi Fourier hanya pada daerah yang benar-benar homogen.

Pada studi ini, juga akan dilihat karakteristik

Proyeksi citra menggunakan transformasi Radon dengan berkas paralel untuk sudut 0 hingga 180 dengan step 1 . Kemudian dilakukan reksontruksi citra dengan metode filtered back-projection (FBP) menggunakan invers transformasi Radon. Tipe-tipe filter yang digunakan adalah Ram-Lak, Cosine, Hamming and Hann (Gambar 1). Secara teknis, proses pemfilteran dapat dilakukan pada domain spasial atau domain frekuesi. Pemfilteran pada doman spasial menggunakan operator konvolusi, yaitu antara data proyeksi dengan kernel masing-masing filter. Jika dilakukan pemfilteran pada domain frekuensi, maka baik data proyeksi maupun kernel masing- masing filter harus dilakukan transformasi Fourier sehingga data-data tersebut berada dalam domain frekuensi. Dalam prosesnya, lebih disukai bahwa proses pemfilteran dilakukan dalam doamian frekuensi, karena prosesnya yang relatif lebih cepat.

Gambar 1. Filter Ram-Lak, Cosine, Hamming dan Hann.

untuk menentukan jenis noise yang sesuai. Dalam studi ini digunakan metode yang kedua saja. Perbandingan metode satu dan dua telah dilakukan oleh Anam et al. [21]. Dalam studi ini, hanya dilakukan untuk piksel dengan nilai 0,8 atau piksel untuk area lingkaran bagian tengah. Sedangkan piksel dengan nilai 1,8 (atau pada lingkaran pagian pinggir) dan piksel dengan nilai 0 (di luar lingkaran) tidak dibuat histogramnya.

fitting

ini hanya dapat menentukan besarnya noise, tetapi tidak bisa menentukan jenis noise. Metode kedua (b) dengan menentukan histogram citra. Dengan melihat pola histogram pada ROI pada daerah homogen, maka dapat ditentukan besarnya noise dan juga jenis noise. Penentuan jenis noise dilakukan dari distribusi piksel pada kurva histogram tersebut, kemudian dilakukan

interest (ROI) pada daerah homogen. Metode

Penentuan besarnya noise dapat dilakukan dengan dua cara, yaitu (a) dengan metode standar, yaitu dengan menghitung standar deviasi pada citra pada region of

Penentuan Jenis dan Besarnya Noise

Gambar 2 menunjukkan citra asli (a), citra hasil rekonstruksi dengan metode back-

projection tanpa filter (b), dan citra hasil

rekonstruksi dengan metode filtered back- , dengan filter Ram-Lak (c), dengan

projection

filter Cosine (d), dengan filter Hamming (e) dan filter Hann (d). Tampak bahwa pada citra hasil rekonstruksi tanpa filter (2b), citra mengalami blurring, sehingga batas-batas obyek tidak kelihatan dengan jelas. Blurring merupakan konsekuensi dari hadirnya noise dengan frekuensi rendah [4]. Untuk menekan

noise frekuensi rendah dan membiarkan citra

dengan frekuensi tinggi, maka digunakan

high pass filter , yang dinamakan dengan filter

Ram-Lak. Namun, pada kenyataannya, pada citra noise bukan hanya memiliki frekuensi rendah, bahwa pada citra hampir selalu terganggu juga oleh noise frekuensi tinggi, yang dinamakan quantum noise. Dengan demikian, penggunakan filter Ram-Lak mengijinkan frekuensi tinggi masih berada dalam citra. Untuk mendapatkan citra yang lebih optimal, biasanya digunakan band-pass

, artinya noise frekuensi tinggi dan noise

filter

frekuensi rendah ditekan, dan hanya frekensi menengah yang diijinkan berada dalam citra. Untuk rekonstruksi citra CT scan, biasanya

Gambar 2. a. Citra fantom homogen (sebelum digunakan beberapa filter jenis ini, rekonstruksi)

b. Citra fantom hasil diantaranya filter Cosine, Hamming dan rekonstruksi metode back-projection (tanpa Hann. filter) c. Citra rekonstruksi metode FBP dengan filter Ram-Lak d. Sama dengan c

Dari Gambar 2. tampak bahwa tetapi dengan filter Cosine e. Sama dengan c penggunaan filter dapat mengeliminasi tetapi dengan filter Hamming f. Sama dengan

blurring pada citra, sebagaimana tampak c tetapi dengan filter Hann.

pada Gambar 2c-f. Sebenarnya dengan pengamatan yang seksama, tampak bahwa penggunaan filter Ram-Lak menghasilkan citra yang lebih banyak noise-nya (Gambar 2c) dibanding penggunaan filter-filter yang lain (Gambar 2d-f). Untuk analisis lebih komprehensif tentang keberadaan noise pada citra dapat dilihat kurva NPS seperti pada Gambar 3. Tampak bahwa penggunaan filter Ram-Lak, noise naik seiring dengan kenaikan frekuensi. Hal yang sama sebetulnya juga tampak pada penggunaan filter yang lain, hanya saja penggunaan jenis filter yang lain,

noise tampak turun kembali pada frekuensi

tinggi (pada frekuensi mendekati nilai normalisasi 1).

Gambar

3. Kurva NPS untuk citra rekosntruksi dan difilter menggunakan filter Ram-Lak (a), Cosine (b), Hamming (c) dan Hann (d). Penentuan jenis noise pada citra dilakukan dengan membuat histogram pada daerah homogen. Pola yang terbentuk dari histogram tersebut menggambarkan jenis

noise yang ada pada citra. Kurva histogram

untuk citra asli, dan citra hasil rekosntruksi dengan beberapa jenis filter dapat dilihat pada Gambar 4. Agar histogram tampak lebih jelas hanya ditampilkan nilai piksel (sumbu-x) dari 0,724 sampai 0,8585. Nilai piksel pada fantom homogen adalah 0,8.

Dari histogram tersebut tampak, bahwa terdapat piksel dengan nilai di sekitar 0,8. Nilai-nilai inilah yang dinamakan noise. Dengan melakukan fitting pada histogram tersebut, dapat diketahui jenis noise. Tampak dari Gambar 4, bahwa dengan distribusi noise dapat di-fitting dengan persamaan gaussian. Ini menunjukka bahwa jenis noise adalah gaussian. Kemudian besarnya noise dapat diketahui dari besarnya nilai variance

(σ) dari persamaan gaussian yang digunakan. Tampak bahwa nilai variance sebesar 0,0184, 0,0086, 0,0063 dan 0,0055. Dari sini dapat diketahui bahwa noise paliang besar adalah citra yang difilter dengan filter Ram-Lak, dan noise paling kecil adalah yang difilter dengan filter

Hann. Hal ini sebagaimana telah dibahas, bahwa filter Ram-Lak hanya menekan noise frekuensi rendah, sementara filter Hann menekan frekuensi rendah dan menekan frekuensi tinggi dengan jumlah yang lebih banyak dibandingkan jenis filter yang lain.

Meskipun dari studi ini dapat diketahui jenis

noise pada citra CT scan yang ditimbulkan

dari metode rekosntruksi citra dengan beberapa jenis filter yang biasa digunakan, namun noise pada citra CT scan yang nyata diakibatkan oleh banyak faktor, misalnya hamburan dari pasien, detektor, quantum

mottle dan lain-lain. Oleh karena itu perlu

dilakukan penentuan jenis citra secara langsung pada citra CT yang sebenarnya.

Reduksi Noise

Setelah citra hasil rekonstruksi diperoleh, citra inilah yang digunakan dalam aplikasi medis. Citra-citra tersebut, terkadang masih diolah lagi, yang dinamakan post

processing

. Salah satunya dengan menurunkan noise-nya, dengan cara diflter.

Gambar 4. Histogram citra hasil rekonstruksi. (a) Filter Ram-lak (b) Filter Cosine (c) Filter Hamming dan (d) Filter Hann.

PTKMR-BATAN, KEMENKES-RI, Departemen Fisika FMIPA-ITB dan FKM-Universitas Indonesia

Variance

noise dan resolusi spasial pada tiap-tiap organ penting untuk dilakukan.

resolusi spasial merupakan dua variabel yang saling berkebalikan. Saat noise diturunkan (citra semakin baik), resolusi juga turun (citra semakin buruk). Untuk itu studi berikutnya perlu melakukan studi optimasi antara noise dan resolusi spasial. Optimasi ini biasanya sangat berpengaruh terhadap organ yang dicitrakan. Sebab, terdapat beberapa organ yang diijinkan dengan noise besar seperti tulang, namun beberapa organ disarankan dengan noise rendah seperti ginjal dan lain- lain. Untuk itu, studi tentang optimalisasi

transfer function (MTF) [28]. Noise dan

Dalam studi ini belum dikaji resolusi spasial citra. Meski noise berhasil diturunkan, tetapi secara subyektif juga tampak bahwa resolusi spasial juga mengalami penurunan. Untuk kajian yang obyektif tentang resolusi spasial, dapat digunakan kurva modulation

Hamming 0.0063 0.0013 0.0009 Hann 0.0055 0.0012 0.0009

Ram-Lak 0.0184 0.0036 0.0021 Cosine 0.0086 0.0018 0.0012

Difilter Wiener

Difilter Median

Sebelum Difilter

Filter:

Filter yang dimaksud di sini, bukan filter saat proses rekonstruksi citra, seperti Ram-Lak, Cosine, Hamming dan Hann. Tetapi filter yang digunakan adalah filter post

Tabel 1. Nilai variance sebelum dan sesudah difilter FBP dengan

5 juga tampak pada bagian pinggir lingkaran dalam, bahwa garis lingkaran semakin kurang tajam, ini menunjukkan bahwa resolusi spasial citra sedikit menurun.

noise yang lebih besar. Namun, dari Gambar

Wiener ditunjukkan oleh Gambar 5, dan nilai histogramnya ditunjukkan oleh Gambar 6. Nilai variance sebelum dan sesudah difilter ditunjukkan oleh Tabel 1. Tampak bahwa setelah dilakukan pemfilteran dengan dua jenis filter ini, noise pada citra semakin turun. Filter Wiener lebih efektif dibanding filter median, karena menyebabkan penurunan

noise menggunakan filter median dan filter

Dalam studi ini digunakan filter median dan filter Wiener. Citra hasil reduksi

Jenis noise yang berbeda menghasilkan efektivitas reduksi noise yang berbeda. Dari beberapa literatur, bahwa untuk reduksi noise gaussian digunakan filter Wiener [7] atau modifikasi Wiener [27].

reduction diperlukan pengetahuan tentang jenis dan karakteristik noise yang direduksi.

Wiener atau modifikasi Wiener. Pada noise

processing , seperti filter median atau filter

Gambar 5. a. Ramlak dengan filter median b. Ramlak dengan filter Wiener c. Cosine dengan filter median d. Cosine dengan filter Wiener e. Hamming dengan filter median f. Hamming dengan filter Wiener g. Hann dengan filter median h. Hann dengan filter Wiener.

PTKMR-BATAN, KEMENKES-RI, Departemen Fisika FMIPA-ITB dan FKM-Universitas Indonesia

Gambar 6. Kurva histogram sebelum difilter dan setelah difilter dengan filter median dan filter Wiener. (a). Ramlak (b). Cosine (c). Hamming dan (d). Hann

IV. KESIMPULAN dosimetry for wide cone beam scanners, IAEA-Human Health Reports No. 5.

Dari studi ini dapat disimpulkan bahwa citra CT rekonstruksi metode filtered back-

2. Tsapaki V. and Rehani M. (2007), Dose menghasilkan citra dengan noise management in CT facility, Biomed

projection yang berbeda. Untuk itu, penggunaannya Imaging Interv J . 3, 1-7.

harus disesuaikan dengan keperluan klinis.

3. International Atomic Energy Agency. Jenis noise citra CT dengan metode

(2009), Dose reduction in CT while rekosntruksi ini adalah gaussian. Untuk lebih maintaining diagnostic confidence: a mengurangi noise, penggunaan filter Wiener feasibility/demonstration study, IAEA- menghasilkan reduksi noise yang sangat TECDOC-1621. signifikan dibanding menggunakan filter 4. median.

Bushberg J.T., Seibert J.A., Leitholdt E.M., and Boone J.M. (2002), The essential physics of medical imaging, Lippicott Williams & Wilkins,

UCAPAN TERIMA KASIH Philadelphia.

Terima kasih kami ucapkan kepada 5.

Handee W.R., and Ritenour E.R., (2002), Institut Teknologi Bandung yang telah

Medical imaging physics, Wiley-Liss, membiayai kegiatan penelitian ini dalam Inc, New York. Program Riset dan Inovasi ITB 2015 dengan nomor kontrak 237h/I1.C01/PL/2015.

6. McCollough C.H. and Zink F.E. (1999), Performance evaluation of a multi-slice CT system, Med Phys, 26, 2223-2230.

DAFTAR PUSTAKA 7.

Shinde B. and Dani A.R., (2012), Noise 1. International Atomic Energy Agency. detection and removal filtering

(2011), Status of computed tomography:

PTKMR-BATAN, KEMENKES-RI, Departemen Fisika FMIPA-ITB dan FKM-Universitas Indonesia

techniques in medical images, IJERA, 2, 311-316.

8. Tomasi C. and Manduchi R., (1998), Bilateral filtering for gray and color images, Proc. IEEE Int. Conf. Computer

Vision , 839 –846.

9. Bryan P.J., and Wiesen E., (1981), The effect of mAs variation upon computed tomography image quality as evaluated by in vivo and in vitro studies,

Radiology , 138, 449 –454.

10. Kalra M.K., Maher M.M., Toth T.L., et al., (2004), Strategies for CT radiation dose optimization, Radiology, 230, 619- 628.

11. Gies M., Kalender W.A., Wolf H., et al., (1999), Dose reduction in CT by anatomically adapted tube current modulation. I. Simulation studies, Med Phys , 26, 2235-2247.

12. Kalender W.A., Wolf H., and Suess C., (1999), Dose reduction in CT by anatomically adapted tube current modulation. II. Phantom measurements, Med Phys , 26, 2248-2253.

22. Hanson KM. A simplified method of estimating noise power spectra, Proc.

21. Anam C., Sutresno A., Haryanto F., Widita R., and Arif I., (2013), Determination the type of noise and its characteristics in the CT scan image generated by filtered back-projection (FBP) method, Proceeding Seminar 13th AOCMP and 11th SEACOMP , 93-96.

20. Vijaykumar V.R., Vanathi P.T., Kanagasabapathy P., (2010), Fast and efficient algorithm to remove gaussian noise in digital images, IJCS, 37, 9-16.

Medical Imaging Conference Proceedings , 4687, 324.

19. Stippel G., Philips N., and Lemahieu I., (2002), A new denoising technique for ultrasound images using morphological properties of speckle combined with tissue classifying parameters, SPIE

Medical Imaging , 22, 1089-1099.

SPIE 3336, 1998: 243-250 23.

17. Nobi M.N., and Yousuf M.A., (2011), A new method to remove noise in magnetic resonance and ultrasound images, J Sci Res , 3, 81-89.

16. Kalra M.K., Wittram C., Maher M.M., et al. (2003), Can noise reduction filters improve low-radiation-dose chest CT images? Pilot study, Radiology, 228, 257-264.

59, R129 –R150.

15. Kalender W.A., (2014), Dose in x-ray computed tomography, Phys Med Biol,

14. McCollough C.H., (2005), Automatic exposure control in CT: are we done yet?, Radiology, 237, 755-756.

13. Kalra M.K., Maher M.M., Toth T.L., et al. (2004), Techniques and applications of automatic tube current modulation for CT, Radiology, 233, 649-657.

Faulkner K., Moores B.M., (1984), Analysis of x-ray computed tomography images using the noise power spectrum and autocorrelation function, Phys Med Biol , 29, 1343-1352.

24. Pineda A.R., Tward D.J., Gonzalez A., Siewerdsen J.H., (2012), Beyond noise power in 3D computed tomography: The local NPS and off-diagonal elements of the fourier domain covariance matrix,

Med Phys , 39, 3240-3252.

25. Kijewski M.F. and Judy P.F., (1987), The noise power spectrum of CT images, Phys Med Biol , 32, 565-575.

26. Siewerdsen J.H., Cunningham I.A., and Jaffray D.A., (2002), A framework for noise-power spectrum analysis of multidimensional images, Med Phys, 29, 2655-2671.

27. Oke A.O., Omidiora E.O., Fakolujo O.A., Falohun A.S., Olabiyisi S.O., (2012), Effect of modified wiener algorithm on noise models, IJET, 2, 1439-1448.

28. Kayugawa A., Ohkubo M., Wada S., (2013), Accurate determination of CT

18. Bao P. and Zhang L., (2003), Noise reduction for magnetic resonance images via adaptive multiscale products thresholding, IEEE Transactions on

PTKMR-BATAN, KEMENKES-RI, Departemen Fisika FMIPA-ITB dan FKM-Universitas Indonesia

point-spread-function with high precision, JACMP, 14, 216-226.

TANYA JAWAB 1. Penanya: Diah Shanti

Pertanyaan:

rendahnya resolusi spasial, apa yang terjadi bila resolusi spasial menurun?

noise menyebabkan

Rendahnya

Jawaban: Jika resolusi spasial turun, maka batas

antara 2 objek yang berbeda akan lebih kabur. Untuk objek-objek yang kecil, resolusi spasial yang rendah, dua objek kecil tidak bisa atau sulit dipisahkan 2.

Penanya: Fadil Nasir

Pertanyaan: Apakah dengan pemfilteran pasti dapat

menurunkan atau menghilangkan

noise ?

Jawaban: Noise reduction algorithm bukan untuk

menghilangkan noise , tetapi mengurangi noise. Tetapi sayangnya, dengan noise turun, resolusi spasien juga ikut turun. Oleh karena itu, pemfilteran noise harus dilakukan dengan hati-hati.

REDUKSI NOISE PADA CITRA CT SCAN HASIL REKONSTRUKSI METODE FILTERED BACK-PROJECTION (FBP) MENGGUNAKAN FILTER WIENER DAN MEDIAN