本研究提出了一种混合多任务深度神经网络(Hybrid-MT-ESTAN)，用于乳腺超声图像的肿瘤分类和分割。该网络结合了CNN和Swin Transformer组件，实现了对全局上下文信息的捕捉和局部图像模式的保留。在3320个超声图像的数据集上，与九种分类方法进行了比较，结果表明Hybrid-MT-ESTAN取得了82.7%的准确率、86.4%的灵敏度和86.0%的F1分数。

本研究提出了一个基于推理可靠性和预测可靠性评分的双通道评估框架，用于乳腺超声图像分类。通过改进的特征归因算法和不确定性量化，验证了该框架在临床数据集和公共数据集上的有效性和鲁棒性。