AI辅助发展中国家细胞学样本的宫颈癌筛查
计算机视觉与模式识别
2025-04-30 v1
摘要
宫颈癌仍然是重大健康挑战，尤其在正在转型的国家，发病率和死亡率居高不下。传统的液体基细胞学(LBC)是一项耗时的过程，需要专家病理学家，并且高度易出错，凸显了需要更高效筛查方法的需求。本文提出了一种创新方法，将低成本生物显微镜与我们简单高效的AI算法集成，用于自动化整片滑片分析。该系统使用带有驱动的显微镜捕获细胞学图像，然后通过包括图像拼接、细胞分割和分类的AI管道进行处理。我们利用轻量级UNet-based模型结合人类在环方法来训练分割模型，所需的ROI最小。基于CvT的分类模型在SIPaKMeD数据集上进行训练，能够准确地对五种细胞类型进行分类。我们的框架在各种评估指标上显示，相较于各种最先进的方法，在宫颈癌筛查中具有更高的准确率和效率。
引用
@article{arxiv.2504.20435,
title = {AI Assisted Cervical Cancer Screening for Cytology Samples in Developing Countries},
author = {Love Panta and Suraj Prasai and Karishma Malla Vaidya and Shyam Shrestha and Suresh Manandhar},
journal= {arXiv preprint arXiv:2504.20435},
year = {2025}
}