AI-Assisted Cervical Cancer Screening

在低收入和中等收入国家（LMICs）的资源匮乏环境下，乙酸可视检查（VIA）仍然是最可行的宫颈癌筛查方法，通常由护士在筛查营或初级/社区卫生中心进行，而不是首选但无法得到的专家妇科医生。为了解决该检查高度主观的特点，近年来已经探索了各种手持设备，包括集成相机或智能手机，用于在VIA期间捕捉宫颈图像，并通过远程医疗或AI模型辅助决策。大多数提出AI模型的研究是回顾性地使用特定设备、数码相机或智能手机收集的相对较少的图像；在资源匮乏的营地环境中获取高标准、数据不平衡等挑战往往被忽视。我们提出了一种新的方法，并描述了端到端的设计过程，以构建一个强大的基于智能手机的AI辅助系统，不需要购买单独的集成设备：提出了在资源匮乏环境中获取高质量图像的协议、收集了1,430名女性在筛查营中由护士进行VIA时的数据集、预处理管道以及训练和评估基于深度学习的分类模型，旨在识别（早期）癌变病变。我们的工作表明，易于获取的智能手机和适当的协议可以很好地捕捉需要的VIA测试的宫颈图像；基于深度学习的分类模型为护士在VIA筛查中提供了有希望的结果；并为资源匮乏环境中的大规模数据收集和验证提供了方向。

本论文旨在解决低收入和中等收入国家（LMICs）中资源匮乏的情况下，通过智能手机辅助进行宫颈癌筛查的问题。同时，论文还试图解决VIA测试的主观性问题。

本文提出了一种基于智能手机的AI辅助系统，可用于宫颈癌筛查。通过特定的图片获取协议，以及从1,430名妇女的VIA测试中收集的数据集，使用深度学习模型进行训练和评估，以识别（癌前）癌变病变。

本文的亮点在于提出了一种简单易行的方法，使用普通的智能手机即可进行宫颈癌筛查。同时，该论文提供了一个数据集，深度学习模型的分类结果也很有前景。此外，该论文还介绍了数据预处理流程和模型训练的细节。

最近在这个领域中，也有一些相关的研究。例如，"A Smartphone-Based Tool for Automated Cervical Cancer Screening Using Deep Learning"和"Development of an AI System for Cervical Cancer Screening Among Women of Reproductive Age in Rural China: A Feasibility Study"等。