본 연구는 전 세계적으로 주요 사망 원인 중 하나인 대장암의 조기 진단 및 예방에 중요한 역할을 하는 대장 용종의 시기적절하고 정확한 탐지를 위한 새로운 경량화된 효율적인 프레임워크를 제시한다. 이 프레임워크는 잡음 데이터 필터링을 위한 Local Outlier Factor (LOF) 알고리즘과 YOLO-v11n 심층 학습 모델을 결합한다. 다양한 공개 데이터셋(CVC-ColonDB, CVC-ClinicDB, Kvasir-SEG, ETIS, EndoScene)을 사용하여 실험적 연구를 진행하였으며, 5-fold cross-validation과 LOF 방법을 이용한 이상치 제거를 통해 모델의 강건성과 일반화 성능을 향상시켰다. 결과적으로 높은 정확도(precision 95.83%, recall 91.85%, F1-score 93.48%, mAP@0.5 96.48%, mAP@0.5:0.95 77.75%)를 달성하여 기존 YOLO 기반 방법보다 향상된 정확도와 효율성을 보였다.
