マンモグラムの分類は、乳房がんのコンピュータ支援診断と直接関連しています。従来の方法では、大変な労力を要する領域指定（ROI: Region of Interest）に依存していました。自然画像解析における深層畳み込み特徴量の使用や、複数インスタンス学習（MIL: Multi-Instance Learning）による一連のインスタンス/パッチのラベリングの成功を受けて、当研究では全体的なマンモグラムを使用し、上述のROIを必要としないマス分類向けにエンドツーエンドで学習された深層複数インスタンスネットワークを提案します。我々は、全体的なマンモグラム分類のために深層複数インスタンスネットワークを構築する3つの異なる手法を探求しました。INbreastデータセットでの実験結果は、セグメンテーションおよび検出アノテーションを使用した先行研究と比較して、提案されたネットワークの堅牢性を示しています。