首先在数据集方面本文使用的DDS和CBIS-DDSM数据集都是由西方国家收集标注的。然而不同人种的乳腺组织结构存在一定的差异比如说欧洲人乳房中脂肪组织占比较大亚洲人则腺体组织占比较大。因此为了使神经网络算法能够广泛应用于乳腺肿块分割和分类需要收集更多人种的乳腺数据来丰富数据集。 其次本文中的方法还未在诊断其他病理分类如微钙化和结构变形中进行测试。在未来的研究中需要进一步优化网络结构以适应不同类型

另外，本文中使用的神经网络算法只是一种方法，还有其他的人工智能技术可以用于乳腺肿块分割和分类，例如支持向量机、决策树和随机森林等。未来研究可以比较不同算法的性能和效果，以选择最优的方法。

此外，本文中的方法只是一种自动化的辅助诊断工具，不能完全替代医生的判断和决策。医生在使用该工具时需要结合临床经验和其他检查结果综合判断。

最后，考虑到医疗保密性和隐私问题，未来研究需要更加严格的数据保护和隐私保护措施。同时，还需要制定相应的法律和规定来规范人工智能技术在医疗领域的应用。