في هذا العمل، ولتحسين أداء أنظمة التشخيص المساعد بالحوسبة في تحليل الصور الهيستوباثولوجية، تم اقتراح منهجية تتضمن معالجة مسبقة للصور تتبعها طريقة تعلم عميق لتصنيف صور أنسجة الثدي المصابة بسرطان الثدي إلى أربع فئات: (أ) نسيج طبيعي، (ب) خراج حميد، (ج) سرطان في الموضع (In-situ Carcinoma)، (د) سرطان غازي (Invasive Carcinoma). تم معالجة الصور مسبقاً لمعايرة الشدة والصبغة باستخدام طريقة مساواة التوزيع التكراري (Histogram Equalization). واستُخدمت طريقة التعلم المنقح بالتحويل (Fine-tuning ConvNet transfer learning) مع نموذج ResNet152 لتدريب الصور وتصنيفها. وقد حققت هذه المنهجية المقترحة دقة متوسطة قدرها 83% في التحقق المتقاطع الخمسي (Fivefold Cross Validation)، وهي تحسن ملحوظ مقارنة بأحدث التقنيات الحالية.