精选理由
医疗AI团队终于有了兼顾准确率和可解释性的宫颈癌筛查方案——ViT-Tiny在轻量级下达到95%准确率，且注意力热图与病理标准对齐，做细胞学自动分析的开发者可以直接参考其优化策略。
本研究系统优化了轻量级Vision Transformer（ViT-Tiny）用于宫颈癌细胞自动分类，在Herlev数据集上达到94.9%-95.2%的交叉验证准确率。通过对比数据增强、类别加权和超参数，发现随机水平翻转和类别权重(0.7×1.3)组合最有效。Grad-CAM分析显示模型注意力聚焦于细胞核、细胞边界和染色质纹理等临床相关形态特征。这项工作表明Vision Transformer能在保持临床性能的同时提供可解释的决策支持，满足医疗AI部署对透明度的要求。
AI 翻译 · 中文
本研究系统优化了轻量级Vision Transformer（ViT-Tiny）用于宫颈癌细胞自动分类，在Herlev数据集上达到94.9%-95.2%的交叉验证准确率。通过对比数据增强、类别加权和超参数，发现随机水平翻转和类别权重(0.7×1.3)组合最有效。Grad-CAM分析显示模型注意力聚焦于细胞核、细胞边界和染色质纹理等临床相关形态特征。这项工作表明Vision Transformer能在保持临床性能的同时提供可解释的决策支持，满足医疗AI部署对透明度的要求。
Manual Pap smear analysis for cervical cancer screening is limited by inter-observer variability, time constraints, and restricted expert availability. Although convolutional neural networks (CNNs) have automated cervica…