SISTEMA DI SUPPORTO ALLA DIAGNOSI DELLA LEUCEMIA LINFOIDE ACUTA TRAMITE DEEP LEARNING

This thesis proposes a diagnostic support system for pediatric Acute Lymphoblastic Leukemia (ALL), automating the classification of leukemic blasts from microscopic images using Deep Learning. The study focuses on the development, optimization (via Transfer Learning), and comparison of the two highest-performing architectures: EfficientNet and ConvNeXt. Dataset challenges were addressed by implementing Data Augmentation, Oversampling, and Binary Focal Loss. Finally, the integration of Test-Time Augmentation (TTA) and Explainable AI (XAI) maximized predictive accuracy and ensured the necessary clinical interpretability of the results.

Questo lavoro di tesi propone un sistema di supporto alla diagnosi della Leucemia Linfoide Acuta (ALL) in ambito pediatrico, automatizzando la classificazione di blasti leucemici da immagini microscopiche tramite Deep Learning. Lo studio si concentra sullo sviluppo, l'ottimizzazione (tramite Transfer Learning) e il confronto delle due architetture più performanti: EfficientNet e ConvNeXt. Le criticità del dataset sono state gestite implementando Data Augmentation, Oversampling e Binary Focal Loss. Infine, l'integrazione del Test-Time Augmentation (TTA) e dell'Explainable AI (XAI) ha permesso di massimizzare l'accuratezza predittiva e garantire la necessaria interpretabilità clinica dei risultati.