摘要
乳腺X线摄影分类与计算机辅助乳腺癌诊断密切相关。传统方法依赖于感兴趣区域（ROIs），而这些区域的标注需要大量的人工努力。受深度卷积特征在自然图像分析中以及多实例学习（MIL）在实例/补丁集标记中取得成功的启发，我们提出了一种端到端训练的深度多实例网络，用于基于整幅乳腺X线摄影图像进行肿块分类，无需上述的感兴趣区域。我们探索了三种不同的方案来构建用于整幅乳腺X线摄影图像分类的深度多实例网络。在INbreast数据集上的实验结果表明，所提出的网络相比之前使用分割和检测注释的方法具有更高的鲁棒性。