本文提出了一种可解释的机器学习框架，用于乳腺 X 线摄影，旨在预测病变性质并辅助放射科医生理解决策过程。该框架通过突出分类相关部分，提高了模型的准确性和可解释性，促进了医学 AI 的应用。同时，研究探讨了迁移学习和无监督自学习在乳腺癌筛查中的有效性，显示出优于传统方法的性能。