Deteksi Lesi Serviks Berdasarkan Citra Colposcopy Menggunakan YOLO

Abstract

Kanker serviks merupakan penyakit dengan tingkat mortalitas tinggi yang memerlukan deteksi dini berbasis citra medis, khususnya citra colposcopy. Penelitian ini menerapkan YOLO berbasis instance segmentation untuk segmentasi area serviks dan lesi secara terintegrasi. Dataset yang digunakan berupa citra colposcopy beranotasi dua kelas, yaitu serviks dan lesi. Tiga arsitektur YOLO, yaitu YOLOv8, YOLO11, dan YOLO26, dievaluasi secara komparatif dengan beberapa variasi ukuran model. Evaluasi menggunakan metrik Intersection over Union (IoU) untuk mengukur kesesuaian segmentasi prediksi terhadap ground truth. Hasil eksperimen menunjukkan bahwa YOLO26s memperoleh performa terbaik dengan IoU sebesar 0,97 pada kelas serviks dan 0,90 pada kelas lesi. Nilai tersebut menunjukkan bahwa YOLO26s mampu menghasilkan segmentasi yang presisi, terutama pada area serviks, dan cukup baik pada area lesi yang lebih kompleks. Pengembangan lebih lanjut diperlukan melalui perluasan variasi dataset dan evaluasi pada kondisi data yang lebih beragam untuk meningkatkan robustness model.