##semicolon##
маммология, балльная шкала, стратификация риска, BI RADS, диагностика молочной железы.##submission.citations##
1. Ahuja S., Bhayana A., Zaheer S. Evaluating the combined Yokohama and BI-RADS scoring system for breast lesions // Rev Esp Patol. 2025. Vol. 58, № 1. P. 100793. DOI: 10.1016/j.patol.2024.100793.
2. Алиева Г. С., Корженкова Г. П., Колядина И. В. Предсказательная ценность цифровой маммографии и УЗИ в диагностике раннего рака молочной железы // Современная онкология. 2019. Т. 21, № 3. С. 38–45. DOI: 10.26442/18151434.2019. 3.190550.
3. Brentnall A. R., Cuzick J., Buist D. S. et al. Mammographic density adds accuracy to Tyrer-Cuzick and Gail models // Breast Cancer Res. 2015. Vol. 17. Art. № 217. DOI: 10.1186/s13058-015-0570-4.
4. D’Orsi C. J., Sickles E. A., Mendelson E. B., Morris E. A. ACR BI-RADS® Atlas: Breast Imaging Reporting and Data System. Reston, VA: American College of Radiology, 2025.
5. Elmore J. G., Wells C. K., Lee C. H., Howard D. H., Feinstein A. R. Variability in radiologists’ interpretations of mammograms // N Engl J Med. 1994. Vol. 331, № 22. P. 1493–1499. DOI: 10.1056/NEJM19 9411243312206.
6. Kerlikowske K. et al. Automated and clinical BI-RADS density measures predict risk // Ann Intern Med. 2018. Vol. 168, № 11. P. 757–765. DOI: 10.7326/M17-1802.
7. Magny S. J., Shikhman R., Keppke A. L. Breast Imaging-Reporting and Data System (BI-RADS) // StatPearls [Электронный ресурс]. 2025. URL: https://www.ncbi.nlm.nih.gov/books/NBK45 9169/
8. Nguyen H. T. X., Tran S. B., Nguyen D. B. et al. A novel multi-view deep learning approach for BI-RADS // ArXiv. 2021. Арт. № 2112.04490. URL: https://arxiv.org/abs/2112.04490
9. Zhang B., Vakanski A., Xian M. BI-RADS-Net: Explainable Multitask Learning for Breast Cancer Diagnosis // ArXiv. 2021. Арт. № 2110.04069. URL: https://arxiv.org/abs/2110.04069