本文介绍了一种基于深度卷积神经网络的乳腺癌筛查分类方法，通过训练和评估超过200,000个检查，该网络在筛查人群中预测乳腺癌的AUC为0.895。研究发现，结合神经网络预测和放射科医生的预测平均值可以提高准确性。

本文介绍了一种基于深度卷积神经网络的乳腺癌筛查方法，通过训练和评估超过200,000个检查，该网络在筛查人群中预测乳腺癌的准确度高。研究发现将神经网络预测的恶性概率与放射科医生的预测结合可以提高准确性。

数字乳腺断层摄影（DBT）是一种用于乳腺癌筛查和诊断的医学影像模态。研究提出了一种名为SIFT-DBT的新方法，通过视角级对比自我监督初始化和微调来识别异常DBT图像，并使用基于补丁级的多实例学习方法来保持空间分辨率。该方法在评估中达到了92.69％的卷积AUC。