초음파 기반 갑상선 결절 위험도 분류는 임상적으로 중요한 과제이나, 높은 관찰자 간 변동성을 가진다. 본 논문은 해석 가능한 악성 종양 예측을 위한 완전 자동화된 2단계 프레임워크를 제안한다. TransUNet 모델을 사용하여 갑상선 결절을 자동 분할하고, 분할된 마스크를 기반으로 관심 영역을 설정한 후, ResNet-18 분류기를 사용하여 국소화된 이미지를 분류한다. 349개의 이미지로 구성된 임상 데이터셋에서 5겹 교차 검증을 수행하여 악성 종양 예측에 대한 0.852의 F1 점수를 달성했다. 수작업으로 제작된 형태학적 특징을 사용한 Random Forest 분류기보다 더 높은 성능을 보였다.
