Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal ELKHA : Jurnal Teknik Elektro Berkala Ilmiah Kedokteran dan Kesehatan Masyarakat
Gunarti, Hesti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering Medicine & Pharmacology

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Skoring Lesi Gambaran Radiologis Foto Toraks Dalam Diagnosis Tuberkulosis Anak : Sebuah Tinjauan Pustaka Endrawati Tri Bowo; Gunarti, Hesti; Moeljono, Edy
Berkala Ilmiah Kedokteran dan Kesehatan Masyarakat Vol. 1 No. 2 (2023)
Publisher : Fakultas Kedokteran, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

LATAR BELAKANG : Tuberkulosis (TB) paru anak menjadi penyebab tersering kesakitan dan kematian anak di beberapa negara endemik TB, termasuk Indonesia. Kendala utama dalam tatalaksana TB paru anak adalah penegakan diagnosis. Foto toraks berguna untuk menegakkan diagnosis, mengetahui tingkat keparahan penyakit dan mengevaluasi respon terapi, tetapi tidak mengkonfirmasi etiologi penyakit. TUJUAN : Tujuan penulisan ini untuk membuat skoring lesi gambaran radiologi pada foto toraks sebagai standarisasi penilaian hasil expertise radiologi. METODE : Studi literatur kepustakaan meliputi jurnal online, buku teks dan pedoman operasional dengan menggunakan kata kunci “Chest X Ray diagnostic childhood TB” atau Foto toraks diagnosis TB paru anak. Hasil pustaka  dipelajari mendalam dan di temukan lesi gambaran radiologi yang khas dan spesifik meliputi TB paru primer dan post primer. Sistem baru yang sistematis untuk menganalisis foto toraks pada kasus TB paru anak di buat skoring dalam bentuk form tabel berikut dengan tatacara analisisnya. HASIL : Analisis skoring lesi gambaran radiologi disusun berdasarkan tanda-tanda khas TB primer dan post primer terdiri dari 10 kriteria dengan penilaian yang ditetapkan untuk setiap kriteria. Gambaran radiologi TB primer meliputi  limfadenopati dan airspace konsolidasi atau infiltrat dinilai dengan skor 0-3 berdasarkan banyak lokasi lesi,sedangkan cavitas dinilai dengan skor 0 atau 3 berdasar ada tidaknya. Gambaran TB post primer meliputi lesi milier, nodul/ tuberculoma dan kalsifikasi juga dinilai dengan skor 0 atau 3 berdasar ada tidaknya., sedangkan hiperinflasi, efusi pleura, collaps/atelektasis dan efusi pericardium dinilai dengan skor 0 atau 1 berdasar ada tidaknya. SIMPULAN : Skoring lesi gambaran radiologi foto toraks TB paru anak yang diidentifikasi meliputi limfadenopati, airspace konsolidasi atau infiltrat, cavitas, milier, nodul/ tuberculoma, kalsifikasi, hiperinflasi, efusi pleura, collaps/atelektasis dan efusi pericardium, Tabel skoring lesi diisusun dalam bentuk form dengan jumlah minimal skor 0 dan jumlah maksimal 22. Kata kunci : TB paru anak, foto toraks, lesi gambaran radiologi, sistem skoring TB
Computer Aided Classification of X-ray Images from Pediatric Pneumonia Subjects Collected in Developing Countries Amrulloh, Yusuf Aziz; Prasetyo, Bayu Dwi; Khoiriyah, Ummatul; Gunarti, Hesti; Setyowireni, Dwikisworo; Triasih, Rina; Naning, Roni; Setyati, Amalia
ELKHA : Jurnal Teknik Elektro Vol. 15 No.2 October 2023
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/elkha.v15i2.69981

Abstract

Pneumonia is a lower tract respiratory infection due to bacteria or viruses. It is a severe disease in the pediatric population. Pneumonia is the leading cause of mortality in children under five years worldwide. One of the problems with pneumonia is the diagnosis, as the symptoms of pneumonia may overlap with other diseases, such as asthma and bronchiolitis. In this work, we propose to develop a method for classifying pneumonia and non-pneumonia using X-ray images. We collected 60 X-ray images from Dr. Sardjito Hospital, Yogyakarta, Indonesia, and the dataset from Kaggle. We processed these images through pre-processing algorithms to enhance the image quality, segmentation, white pixel computation, and classification. The novelty of our method is using the ratio of the white pixels from edge detection using the Canny algorithm with the white pixels from segmentation for classifying pneumonia/non-pneumonia. In the Kaggle dataset, our proposed method achieved an accuracy of 86.7%, a sensitivity of 100%, and a specificity of 85%. The classification using the dataset from Dr. Sardjito Hospital yields sensitivity, specificity, and accuracy of 80%, 60%, and 66.7%, respectively. Despite the low performance in the results, we proved our novel feature, ratio of white pixels, can be used to classify pneumonia/non-pneumonia. We also identified that the local dataset is essential in the algorithm development as it has a different quality from the dataset from modern countries. Further, our simple method can be developed further to support pneumonia diagnosis in resource-limited settings where the advanced computing devices or cloud connection are not available.
Co-Authors Amalia Setyati Amrulloh, Yusuf Aziz Dwikisworo Setyowireni Endrawati Tri Bowo Khoiriyah, Ummatul Moeljono, Edy Prasetyo, Bayu Dwi Rina Triasih Roni Naning