Pengembangan Algoritma Perhitungan Modulation Transfer Function (MTF) secara Radial pada Fantom Polymethyl Methacrylate (PMMA)

Dalam bidang pencitraan medis, khususnya radiologi diagnostik seperti Computed Tomography (CT), kualitas citra merupakan parameter kritis untuk menjamin akurasi diagnosis. Salah satu metrik kuantitatif yang paling umum digunakan untuk mengevaluasi resolusi spasial sistem pencitraan adalah Modulation Transfer Function (MTF). Pengembangan algoritma untuk menghitung MTF secara radial pada fantom Polymethyl Methacrylate (PMMA) menjadi sangat penting untuk menilai performa sistem secara komprehensif dari berbagai sudut pandang.

Definisi dan Pentingnya MTF

MTF adalah fungsi yang menggambarkan kemampuan sistem pencitraan untuk mentransfer kontras objek pada berbagai frekuensi spasial. Semakin tinggi nilai MTF pada frekuensi yang lebih tinggi, semakin baik sistem dalam menangkap detail halus. Dalam praktiknya, perhitungan MTF sering kali dilakukan menggunakan metode Edge Spread Function (ESF) atau Line Spread Function (LSF) yang diturunkan dari tepi objek berdensitas tinggi.

Peran Fantom PMMA

Fantom PMMA sering digunakan dalam pengujian kualitas citra karena sifat fisikokimianya yang stabil dan koefisien atenuasi linear yang mendekati jaringan lunak manusia. Penggunaan fantom ini memungkinkan pengujian yang konsisten dan dapat direproduksi di berbagai instrumen pencitraan. Dalam konteks analisis radial, fantom berbentuk silinder dari PMMA memberikan geometri yang ideal untuk mengukur resolusi spasial ke segala arah (360 derajat), yang membantu mendeteksi ketidakseragaman dalam sistem fokus atau rekonstruksi citra.

Metodologi Pengembangan Algoritma

Pengembangan algoritma perhitungan MTF secara radial melibatkan beberapa tahapan teknis yang krusial:

1. Akuisisi Citra: Fantom PMMA dicitrakan dengan protokol standar CT. Data mentah (raw data) atau citra hasil rekonstruksi (DICOM) diekstraksi untuk dianalisis.
2. Deteksi Tepi (Edge Detection): Algoritma harus mampu mengidentifikasi batas antara fantom PMMA dan lingkungan sekitar (biasanya udara atau media lain) dengan presisi sub-piksel. Teknik seperti operator Canny atau fitting kurva radial digunakan untuk mendapatkan tepi yang akurat.
3. Ekstraksi Profil Tepi (ESF): Profil intensitas diambil secara radial dari pusat fantom ke arah luar. Garis-garis ini harus mencakup transisi dari PMMA ke latar belakang.
4. Transformasi Fourier: ESF diturunkan untuk mendapatkan LSF. Selanjutnya, Fast Fourier Transform (FFT) diterapkan pada LSF untuk menghasilkan MTF.
5. Normalisasi: Nilai MTF dinormalisasi sehingga pada frekuensi nol, nilai MTF adalah satu.

Kelebihan Pendekatan Radial

Berbeda dengan analisis MTF satu arah (hanya horisontal atau vertikal), metode radial memberikan gambaran tentang isotropi sistem. Seringkali, sistem pencitraan menunjukkan performa yang berbeda pada sumbu yang berbeda akibat keausan mekanis atau artefak rekonstruksi. Dengan menghitung MTF pada berbagai sudut radial, pengembang dapat mengidentifikasi apakah terdapat penurunan resolusi pada sudut-sudut tertentu, yang memberikan informasi berharga bagi teknisi untuk melakukan kalibrasi ulang atau perbaikan sistem.

Tantangan dalam Pengembangan

Salah satu tantangan utama dalam algoritma ini adalah pengaruh derau (noise) pada citra CT. Derau dapat menyebabkan fluktuasi pada kurva ESF yang secara langsung mempengaruhi akurasi MTF, terutama pada frekuensi tinggi. Oleh karena itu, penggunaan filter penghalus (seperti filter Butterworth atau fungsi windowing lainnya) sebelum melakukan transformasi Fourier sangat dianjurkan untuk menstabilkan hasil.

Kesimpulan

Pengembangan algoritma perhitungan MTF secara radial pada fantom PMMA merupakan langkah maju dalam standarisasi kualitas citra medis. Dengan menerapkan metode yang presisi, fasilitas kesehatan dapat memastikan bahwa perangkat pencitraan mereka bekerja pada performa optimal, sehingga mendukung diagnosis yang lebih tepat dan aman bagi pasien. Inovasi lebih lanjut dalam algoritma ini diharapkan dapat mengintegrasikan pemrosesan otomatis yang lebih cepat, memungkinkan evaluasi kualitas citra secara real-time pada lingkungan klinis.