基于轻量深度学习模型在资源匮乏环境下实现通过乙酸视觉检查的自动化宫预癌检测
图像与视频处理
2025-08-20 v1 计算机视觉与模式识别
机器学习
摘要
宫预癌是女性最常见的癌症之一，在中低收入国家造成巨大的死亡人数，尽管该疾病相对容易治疗。尽管有多种筛查检测可用，但视觉检查加乙酸(VIA)因其可负担和操作简便，在资源匮乏环境中表现为最可行的选项。VIA 需要受训的医护人员解读检查结果，具有主观性。利用AI自动化VIA可消除主观性，使任务可转向培训不足的卫生工作者，从而进一步加速资源匮乏地区的筛查计划。本研究提出一种轻量级深度学习算法，包括用作区域感兴趣(ROI)检测器的 EfficientDet-Lite3 和用于分类的 MobileNet-V2 模型。这些模型将部署在基于 Android 的设备上，可远程运行并在无需高度培训的医护人员、实验室、复杂基础设施或互联网连接的情况下提供近即时结果。分类模型在测试数据集上达到 92.31% 的准确率，灵敏度为 98.24%，特异度为 88.37%，呈现出一种有前景的低资源筛查方法。
引用
@article{arxiv.2508.13253,
title = {Automated Cervical Cancer Detection through Visual Inspection with Acetic Acid in Resource-Poor Settings with Lightweight Deep Learning Models Deployed on an Android Device},
author = {Leander Melroy Maben and Keerthana Prasad and Shyamala Guruvare and Vidya Kudva and P C Siddalingaswamy},
journal= {arXiv preprint arXiv:2508.13253},
year = {2025}
}