本研究通过自研机器学习算法分析乳腺MRI中的乳腺密度，发现MRI乳腺密度与X线摄影密度相关，但某些成分仅MRI可得，提出整合MRI密度以改进乳腺癌风险预测的新方向。

本文研究了联邦学习在医学成像分类中的应用，成功训练了乳腺密度分类模型，性能提升6.3%。分析不同机构的数据表明，合作培训在域外任务上更具优势。此外，研究提出了针对磁共振图像重建的解决方案，既保护患者隐私，又提高重建效果。整体上，联邦学习增强了模型的诊断隐私和可靠性，优化了医疗结果。