深度学习（DL）在医疗图像分析和诊断中得到了广泛应用。许多研究探讨了乳腺X光图像在乳腺癌筛查中的分析。我们研究了基于感兴趣区域（ROI）有无对乳腺X光图像进行分层是否可以提高正常-异常和良性-恶性分类的准确性。我们的方法论包括独立训练模型，并在每个子组上进行预测，随后整合结果。我们使用了多个深度学习模型，包括ResNet、EfficientNet、SwinTransformer、ConvNeXt和MobileNet。实验中，我们使用了公开可用的VinDr.、CDD-CESM和DMID数据集。与未使用基于ROI分层的预测结果进行比较表明，考虑ROI存在以提高乳腺X光诊断准确性的有效性随着数据量的增加而增强。这些发现支持我们的分层方法的实用性，特别是随着数据集规模的增加。
Yoshitsugu等人（周四）研究了这个问题。