Image Captioning untuk Diagnosis Medis Berbasis Citra Serviks

Abstract

Deteksi dini kanker serviks sangat penting untuk mencegah perkembangan kanker serviks pada pasien, namun skrining manual saat ini memiliki keterbatasan signifikan terkait subjektivitas, waktu, dan biaya. Penelitian ini bertujuan untuk menerapkan image captioning sebagai alat bantu diagnosis berbasis deep learning yang mampu menghasilkan laporan medis deskriptif dari data citra serviks. Metode yang diusulkan menggunakan arsitektur encoder-decoder yang mengombinasikan EfficientNetV2M untuk ekstraksi fitur visual dan arsitektur Transformer sebagai encoder-decoder untuk generasi teks. EfficientNetV2M dipilih karena efisiensinya dalam ekstraksi fitur, sementara Transformer digunakan karena kemampuannya yang unggul dalam menangkap dependensi kontekstual melalui mekanisme self-attention. Model dilatih dan dievaluasi menggunakan data citra serviks yang telah memiliki laporan medis sebagai ground truth. Hasil evaluasi kuantitatif menunjukkan performa yang menjanjikan, dengan model berhasil mencapai skor yang kompetitif pada metrik Bilingual Evaluation Understudy (BLEU) dan Metric for Evaluation of Translation with Explicit Ordering (METEOR), yaitu 0.677 (BLEU-1), 0.6038 (BLEU-2), 0.5570 (BLEU-3), dan 0.5189 (BLEU-4), serta 0.7038 pada METEOR. Selain itu, analisis kualitatif menunjukkan kemampuan model dalam mengidentifikasi atribut-atribut klinis utama dengan benar, meskipun masih ditemukan ketidakakuratan minor pada detail visual yang sangat halus. Penelitian ini menunjukkan bahwa arsitektur EfficientNet-Transformer merupakan pendekatan yang efektif dan berpotensi untuk dikembangkan sebagai alat bantu diagnosis, guna meningkatkan konsistensi dan efisiensi dalam pelaporan medis kanker serviks.