乳腺肿块分割和分类：数据集、病理分类和多模态分析的未来方向

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，以适应不同类型的乳腺病理分类。此外，考虑到乳腺钼靶图像的大小和格式存在很大的差异性，下一步的研究可以探索更为高效的方法来处理任何大小和格式的输入图像。

最后，在医学上，医生进行判断的时候通常会结合多张图片进行多视图分析。然而，本文中只是将单张图片作为研究对象，缺少多模态的乳腺肿块分析。因此，今后的研究可以尝试结合病人的病例详细信息和多张图片进行分析，以更准确地进行肿块的诊断。