自动仔涌原癌风格变换器的系统性评估：优化、统计验证与临床可解释性
计算机视觉与模式识别
2026-05-19 v1 人工智能
摘要
手动Pap smear分析用于仔涌原癌筛查存在观察者间变异性大、时间成本高以及专家资源有限等局限。虽然卷积神经网络（CNN）已实现仔涌细胞分类的自动化，但其在建模长程空间依赖方面有限，往往缺乏临床可解释性。本研究系统优化了视觉变换器（Vision Transformer, ViT）架构，以提升自动化仔涌原癌筛查效果，同时增强可解释性。利用Herlev数据集（917幅图像：242幅正常，675幅异常）进行优化，针对ViT-Tiny架构（设计用于降低计算复杂度），全面评估了数据增强策略、类别权重和超参数。最终得到的最佳配置实现了94.9%~95.2%的交叉验证准确率，其中随机水平翻转和类别权重（0.7乘以1.3）被识别为最有效的配置。梯度加权类激活映射（Grad-CAM）分析确认，模型注意力对应于临床相关的形态学特征，包括核区、细胞边界和染色质纹理，这些特征符合细胞病理学标准。这些发现表明，视觉变换器能够为仔涌原癌筛查提供准确且可解释的决策支持，满足医学人工智能部署中必需的临床性能和透明度要求。
引用
@article{arxiv.2605.17236,
title = {Systematic Evaluation of Vision Transformers for Automated Cervical Cancer Classification: Optimization, Statistical Validation, and Clinical Interpretability},
author = {Nisreen Albzour and Sarah S. Lam},
journal= {arXiv preprint arXiv:2605.17236},
year = {2026}
}