目的 乳腺癌是女性中最常见的恶性肿瘤之一，其早期诊断对提高治愈率至关重要。本文提出一种融合 ResNet 和 Transformer 的乳腺癌超声图像分类方法，旨在结合卷积神经网络 (CNN) 的局部特征提取能力和 Transformer 的全局特征建 模能力，提升乳腺癌超声图像的分类性能。方法 通过 ResNet 网络提取图像局部特征，并利用 Transformer 结构对这些特征 进行全局建模，进一步增强特征的表达能力。实验在 Kaggle 乳腺癌超声图像数据集上进行。结果 所提方法在良恶性及正常 三分类任务中取得了优异的性能，分类准确率、精确率、召回率分别达到 93.2%、92.1% 及 92.6%，显著优于单一模型方法。 结论 本文研究为乳腺癌超声图像的自动化诊断提供了一种有效的解决方案。