يمكن أن يُسهم التعرف التلقائي على المرضى المصابين بأنواع فرعية لومينال وغير لومينال أثناء فحص الأشعة السينية للثدي العادي في تمكين الأطباء من تبسيط تخطيط علاج سرطان الثدي. أظهرت التقنيات الحديثة للتعلم الآلي نتائج واعدة في تصنيف الأنواع الجزيئية باستخدام الأشعة السينية للثدي؛ ومع ذلك، تعتمد هذه التقنيات بشكل كبير على التسميات على مستوى البكسل، والسمات المُصاغة يدويًا، والسمات المُستمدة من التصوير الطبي (Radiomic Features). في هذا العمل، نقدم رؤى أولية حول تصنيف النوع الفرعي اللومينال في صور الأشعة السينية الكاملة للثدي، باستخدام تدريب مبني فقط على تسميات على مستوى الصورة. تم تطبيق التعلم المنقول من مهمة تصنيف التشوهات في الثدي، بهدف تحسين دقة نموذج تصنيف النوع الفرعي اللومينال مقابل غير اللومينال باستخدام نموذج ResNet-18. نعرض ونقارن نتائجنا على مجموعة البيانات CMMD المتاحة للعامة، ونُظهر أن نهجنا يتفوق بشكل ملحوظ على النموذج الأساسي، حيث حقق متوسط درجة AUC قدره 0.6688، ومتوسط درجة F1 قدره 0.6693 على مجموعة الاختبار. وتشير التحسينات مقارنة بالنموذج الأساسي إلى معنى إحصائيًا مهم، مع قيمة P تقل عن 0.0001.