CerviXpert：用于预测子宫颈类型和子宫颈细胞异常的多结构卷积神经网络

子宫颈癌是全球妇女癌症死亡原因的主要原因之一，其生存率通过早期检测显著提高。传统诊断方法如滴漏检查和子宫颈活检高度依赖细胞学家的专业知识，易受人为错误影响。本研究引入 CerviXpert，这是一个用于高效分类子宫颈类型和检测子宫颈细胞异常的多结构卷积神经网络模型。CerviXpert 采用计算效率高的模型，对来自公开可用 SiPaKMeD 数据集的图像进行子宫颈癌分类。该模型架构强调简单性，使用有限的卷积层后接最大池化和密集层，从头训练。我们将 CerviXpert 的性能与其他领先卷积神经网络模型（包括 ResNet50、VGG16、MobileNetV2 和 InceptionV3）进行比较，在准确率、计算效率和鲁棒性方面采用五折交叉验证评估。CerviXpert 在将子宫颈细胞异常分为三类时实现了 98.04% 的准确率，在五类子宫颈类型分类中实现了 98.60% 的准确率，在准确率和计算要求方面超越了 MobileNetV2 和 InceptionV3。它在降低计算复杂度和资源需求方面表现与 ResNet50 和 VGG16 相当。CerviXpert 提供了一种高效的子宫颈癌筛查和诊断解决方案，在准确率与计算效率之间取得平衡。其简洁的设计使其能够在资源受限的环境中部署，从而可能提高子宫颈癌的早期检测和管理。