كل عام، تُعتمد قرارات العلاج لأكثر من 230 ألف مريض بسرطان الثدي في الولايات المتحدة على ما إذا كان السرطان قد انتشر خارج الثدي. ويتم حاليًا اكتشاف الانتشار (المنشأ) من خلال فحص مسؤولي الأمراض النسيجية لمساحات واسعة من الأنسجة الحيوية. ويعتبر هذا الإجراء مجهدًا من حيث الجهد البشري وعرضة للأخطاء. نقدم إطارًا للكشف التلقائي وتحديد مواقع الأورام الصغيرة بحجم 100 × 100 بكسل في صور ميكروسكوبية بحجم جيجابكسل بحجم 100,000 × 100,000 بكسل. تعتمد طريقةنا على بنية شبكة عصبية تلافيفية (CNN)، وتحصل على نتائج متقدمة على مستوى الحالة الحالية في مجموعة بيانات Camelyon16 ضمن مهمة الكشف عن الأورام على مستوى البقع الصغيرة، وهي مهمة صعبة. وبمعدل 8 أخطاء إيجابية كاذبة لكل صورة، نتمكن من كشف 92.4% من الأورام، مقارنة بـ 82.7% التي حققتها أفضل طريقة آلية سابقة. وبالمقارنة، بلغت حساسية طبيب مرض نسيجي يحاول البحث الشامل 73.2%. وحققنا معدلات مساحة تحت المنحنى (AUC) على مستوى الصورة تفوق 97% على كل من مجموعة اختبار Camelyon16 والمجموعة المستقلة المكوّنة من 110 شريحة. بالإضافة إلى ذلك، اكتشفنا أن شريحتين من شرائح مجموعة التدريب في Camelyon16 تم تصنيفهما خطأً على أنهما طبيعيتان. ويمكن أن يقلل هذا النهج بشكل كبير من معدلات الأخطاء السلبية في اكتشاف الانتشار.