Implementasi YOLOv11 pada Video Ekokardiografi untuk Deteksi Ventricular Septal Defect pada Anak

Abstract

Penyakit Jantung Bawaan (PJB) merupakan kelainan yang umum terjadi pada bayi. Di Indonesia, kasus PJB setiap tahunnya diperkirakan mencapai sekitar 50.000 kasus, namun hanya sekitar 7.500 kasus yang mendapatkan layanan intervensi medis. Salah satu jenis PJB yang paling sering dijumpai pada anak adalah Ventricular Septal Defect (VSD), yaitu kelainan dengan lubang pada dinding pemisah antara bilik jantung. Kondisi ini dapat menyebabkan aliran darah tidak normal dan berdampak pada fungsi jantung. Penelitian ini bertujuan untuk memprediksi letak kebocoran pada bilik jantung berdasarkan video ekokardiografi jantung. Hasil deteksi tersebut diharapkan dapat membantu deteksi dini VSD yang menjadi rujukan bagi tenaga medis dalam penanganan pasien. Untuk mendukung proses diagnosis yang efisien dan akurat, penelitian ini menerapkan model transfer learning dengan algoritma YOLOv11 yang dilatih ulang menggunakan data video ultrasound dengan tampilan apical four chamber. YOLO dipilih karena keunggulannya dalam mendeteksi objek secara cepat dan presisi. Proses pembangunan model dilakukan melalui beberapa tahapan, yaitu ekstraksi frame dari video ultrasound, pelabelan data, augmentasi, pembuatan model deteksi, hingga pengujian model. Hasil pengujian menunjukkan bahwa model YOLOv11 memiliki nilai mAP yang cukup baik dan mampu mendeteksi area defek secara tepat. Temuan ini menunjukkan bahwa metode YOLOv11 berpotensi mempercepat proses diagnosis serta meningkatkan akurasi deteksi VSD pada anak.