本研究探讨了XceptionNet、DenseNet和EfficientNet三种分类网络在乳腺肿块分类中的应用，利用集成学习技术提高识别能力，取得88%的准确率和76%的召回率。研究表明，Stacking技术效果最佳，显著提升F1得分。此外，提出了一种基于深度学习的乳腺癌筛查方法，准确率高达98%，有效减少假阳性和假阴性。

本文研究了分类网络在面对数据异常和对抗攻击时准确性和可校准概率分布的平衡。提出了正则化软标签的方法，探讨了标签平滑正则化和标准化方法对数据泛化性和校准概率分布的影响。通过将传统卷积转化为基于填充的局部卷积，加强了性能和收敛速率。