乳腺癌作为全球女性高发恶性肿瘤，不同民族乳腺癌患者的临床病理特征具有显著性差异，然而对不同民族的影像学特征的研究仍然有限。本研究纳入了来自多个民族的366名乳腺癌患者(汉族153例、藏族134例、彝族79例),分析了各民族临床和影像学特征，以探讨跨种族差异并为个体化诊疗提供依据。基于临床病理数据及乳腺X线摄影数据，利用不同深度的ResNet深度学习网络分别构建多民族分类及Ki-67预测模型。结果显示，与汉族相比，藏族和彝族患者的确诊年龄更小，且乳腺密度更高，藏族患者HER2阳性占比更大(P(0.05)。在多民族分类任务中，ResNet34模型展现了最优的民族分类性能，测试集上的宏平均AUC为0.880(汉族0.911,藏族0.974,彝族0.742)。模型可视化发现模型对藏族患者更关注腺体区域，而对汉族患者则更关注肿瘤区域。在多民族Ki-67预测任务中，民族特异性模型(汉族AUC=0.820,藏族0.842,彝族0.970)显著优于混合民族模型(AUC=0.818),其中彝族模型预测效能提升最显著。综上所述，不同民族乳腺癌患者在临床特征及影像学特征方面存在显著差异，基于民族特异性的深度学习预测模型在评估Ki-67增殖指数方面展现出更优的预测效能，为针对不同民族乳腺癌患者临床特征及影像表型建立个体化诊疗方案提供参考依据。