최근 딥러닝(DL) 기술의 발전으로 유방암 스크리닝을 위한 딥러닝 기반 컴퓨터 보조 진단(CAD) 시스템에 대한 관심이 재부각되고 있다. 2차원 유방촬영 영상 분류에 있어 패치 기반 접근법은 주요 최신 기술 중 하나이지만, 패치 크기 선택에 의해 본질적으로 한계를 지닌다. 다양한 병변 크기에 적합한 유일한 패치 크기가 존재하지 않기 때문이다. 또한 입력 영상의 해상도가 성능에 미치는 영향에 대해서는 아직 완전히 이해되지 않은 상태이다. 본 연구에서는 패치 크기와 영상 해상도가 2차원 유방촬영 영상 분류 성능에 미치는 영향을 탐구한다. 다양한 패치 크기와 해상도의 장점을 극대화하기 위해, 다중 패치 크기 분류기 및 다중 해상도 분류기를 제안한다. 이러한 새로운 아키텍처는 서로 다른 패치 크기와 입력 영상 해상도를 결합함으로써 다중 스케일 분류를 수행한다. 공개된 CBIS-DDSM 데이터셋에서는 AUC가 3% 향상되었으며, 내부 데이터셋에서는 5% 향상되었다. 기준 모델인 단일 패치 크기 및 단일 해상도 분류기 대비, 본 연구에서 제안한 다중 스케일 분류기는 각각 0.809 및 0.722의 AUC를 달성하였다.