En DCE-MRI, el grado de captación de contraste en tejido fibroglandular normal, es decir, el realce parenquimal de fondo (BPE), es un biomarcador crucial vinculado al riesgo de cáncer de mama y al resultado del tratamiento. De acuerdo con el Sistema de Informes y Datos de Imágenes Mamarias (BI-RADS), debe ser clasificado visualmente en cuatro clases. La susceptibilidad de tal evaluación a la variabilidad entre lectores destaca la necesidad urgente de un algoritmo de clasificación estandarizado. En este estudio retrospectivo, se incluyeron las primeras imágenes de sustracción post-contraste de 27 sujetos femeninos sanos. El BPE fue clasificado por rebanada por dos radiólogos expertos. La extracción de características radiómicas del BPE segmentado fue seguida por la división del conjunto de datos y la reducción de la dimensionalidad. Las representaciones latentes fueron luego utilizadas como entradas a una red neuronal profunda que clasificaba el BPE en clases BI-RADS. Las predicciones de la red fueron elucidadas a nivel de características radiómicas con valores de Shapley. La red neuronal profunda logró una precisión de clasificación de BPE del 84 +/- 2% (valor p < 0.00001). La mayoría de las clasificaciones erróneas involucraron clases adyacentes. Diferentes características radiómicas fueron decisivas para la predicción de cada clase de BPE subyacente a la complejidad de los límites de decisión. Se logró un pipeline altamente preciso y explicativo para la clasificación de BPE sin selección de características radiómicas dependiente del usuario o del algoritmo.