近年来，乳腺癌已成为威胁女性健康的头号恶性肿瘤，对其实现快速精准的筛查和诊断变得尤为重要。针对现有临床病理学检查需要染色突显细胞形态并依赖医生主观经验判断的局限性，立足于明场显微成像和偏振显微成像构建多模态显微成像技术，获取正常与癌变乳腺组织未染色冰冻切片的形态结构及其异质性信息并对之进行分析和诊断研究。首先对正常与癌变组织切片进行多角度正交偏振成像、明场显微成像并分析图像差异性；然后实施像素级图像融合；接着利用卷积神经网络模型，对多模态融合图像进行深度学习的特征提取与分类，有效提升准确率(0.8727)和受试者特征曲线下面积(AUC，0.9400)等参数，进而实现精准的乳腺癌智能诊断。该技术有助于医生进行快速准确的临床诊断，为实施乳腺癌术中快检以辅助精准手术治疗提供有效的技术手段，具有突出的临床潜力和应用前景。