分割是一种将图像分割成离散区域的技术，以便将感兴趣的对象与周围环境分开。为了制定治疗计划，分割可以帮助医生测量乳房中的组织量。 二元分类问题的目的是将输入数据分为两组互斥的数据。在这种情况下，训练数据根据要解决的问题以二进制格式标记。准确识别乳房 X 线照片中的乳房肿块对于乳腺癌的产前检测至关重要。提出的基于 TLA（迁移学习方法）的 CNN（卷积神经网络）。 基于 TLA（迁移学习方法） 的

在本研究中，我们研究了基于 You-Only-Look-Once (YOLO) 架构的端到端融合模型的有效性，该模型可同时检测和分类数字乳房 X 光检查中的可疑乳腺病变。包括四类病例：肿块、钙化、结构扭曲和正常，这些病例来自包含 413 个病例的私人数字乳房 X 光检查数据库。 对于所有病例，先前的乳房 X 光检查（通常是 1 年前扫描的）均报告为正常，而当前的乳房 X 光检查被诊断为癌变（经活

开发了一种深度学习算法，该算法可以使用“端到端”训练方法在筛查乳房 X 光检查中准确检测出乳腺癌，该方法有效地利用了具有完整临床注释或仅具有整个图像的癌症 标签 的训练数据集。 在这种方法中，仅在初始训练阶段才需要病变注释，后续阶段只需要图像级标签，从而消除了对很少可用的病变注释的依赖。与以前的方法相比，我们用于对筛查乳房 X 光检查进行分类的全卷积网络方法获得了出色的性能。 作为图像分类