ETD

• Classification
• CNN
• Deep Learning
• Multi-View
• Thyroid Ultrasound Image

Automatic classification of thyroid nodules from ultrasound images still represents an open challenge in the context of computer-aided diagnosis, where predictive accuracy, robustness, and interpretability are essential for clinical support.
The strong class imbalance between benign and malignant nodules, the limited availability of annotated data, and the high variability of ultrasound acquisitions make this problem particularly complex.
This thesis work began with the analysis and study of an existing framework, developed on the public TN5000 dataset for the automatic classification of thyroid nodules through a pipeline based on ResNet50 and explainability strategies.
Starting from this baseline, the framework was progressively adapted and validated on a real clinical dataset from the Azienda Ospedaliero-Universitaria Pisana of Cisanello, characterized by greater heterogeneity, severe class imbalance, and higher diagnostic complexity.
The first experimental phase focused on extending the original ResNet50 pipeline, initialized through self-supervised pretraining by means of an autoencoder, with the aim of learning representations better suited to the real ultrasound domain.
Subsequently, a localization-aware training strategy was introduced, exploiting bounding boxes and spatial supervision based on Class Activation Maps, thereby improving the spatial consistency of the model’s decisions.
The evolution of the work then led to a reformulation of the problem in terms of TIR categories, moving from a simple benign/malignant classification task to a more structured modeling of clinical risk.
On this basis, Metric Learning approaches in a dual-view configuration were explored, using the MultiSimilarity Loss to learn more discriminative latent spaces.
A variant based on ResNet101 was also investigated to assess the impact of greater architectural depth.
Finally, the framework was further evolved toward a final solution based on YOLO in a dual-view configuration, explicitly integrating localization and classification into a single end-to-end architecture.
The experimental results show that the final YOLO-based dual-view framework achieved the best overall trade-off between accuracy, robustness, and interpretability, reaching an accuracy of 92.75%, a precision on the positive class of 80.0%, an F1-score of 61.54%, and a specificity of 98.36%.
Overall, this work demonstrates how the progressive integration of multi-view learning, explicit spatial modeling, and representation learning can significantly improve the reliability of automatic support systems for ultrasound-based thyroid nodule diagnosis.

La classificazione automatica dei noduli tiroidei mediante immagini ecografiche rappresenta ancora una sfida aperta nel contesto della diagnosi assistita da computer, dove accuratezza predittiva, robustezza e interpretabilità risultano fondamentali per il supporto clinico.
La forte presenza di class imbalance tra noduli benigni e maligni, la limitata disponibilità di dati annotati e l’elevata variabilità delle acquisizioni ecografiche rendono questo problema particolarmente complesso.
Il lavoro di questa tesi è iniziato dall’analisi e dallo studio di un framework esistente, sviluppato sul dataset pubblico TN5000 per la classificazione automatica di noduli tiroidei mediante una pipeline basata su ResNet50 e strategie di explainability.
A partire da questa baseline, il framework è stato progressivamente adattato e validato su un dataset clinico reale proveniente dall’Azienda Ospedaliero-Universitaria Pisana di Cisanello, caratterizzato da maggiore eterogeneità, forte sbilanciamento e maggiore complessità diagnostica.
La prima fase sperimentale ha riguardato l’estensione della pipeline originale ResNet50, inizializzata tramite pretraining auto-supervisionato mediante autoencoder, con l’obiettivo di apprendere rappresentazioni più adatte al dominio ecografico reale.
Successivamente è stata introdotta una strategia di localization-aware training, sfruttando bounding box e supervisioni spaziali basate su Class Activation Maps, migliorando la coerenza spaziale delle decisioni del modello.
L’evoluzione del lavoro ha poi portato ad una riformulazione del problema in termini di categorie TIR, passando da una semplice classificazione benigno/maligno ad una modellazione più strutturata del rischio clinico.
Su queste basi sono stati esplorati approcci di Metric Learning in configurazione dual-view, utilizzando la MultiSimilarity Loss per apprendere spazi latenti maggiormente discriminativi.
È stata inoltre investigata una variante basata su ResNet101 per valutare l’impatto di una maggiore profondità architetturale.
Infine, il framework è stato ulteriormente evoluto verso una soluzione finale basata su YOLO in configurazione dual-view, integrando esplicitamente localizzazione e classificazione in un’unica architettura end-to-end.
I risultati sperimentali mostrano come il framework finale basato su YOLO dual-view abbia ottenuto il miglior compromesso complessivo tra accuratezza, robustezza e interpretabilità, raggiungendo un’accuracy del 92.75%, una precisione sulla classe positiva dell’80.0%, un F1-score del 61.54% e una specificità del 98.36%.
Nel complesso, il lavoro dimostra come la progressiva integrazione di apprendimento multi-view, modellazione spaziale esplicita e representation learning possa migliorare significativamente l’affidabilità dei sistemi automatici di supporto alla diagnosi ecografica dei noduli tiroidei.