本研究提出了一种新的符合性预测方法，解决了深度学习模型在子宫颈癌分类中对诊断不确定性反映不足的问题，提升了模型与人类标签的一致性，从而增强了用户信任度和应用价值。

通过使用变分自编码器进行单类分类，本研究提出了一种学习解释性深度宫颈细胞表示的方法，以实现宫颈细胞异常的评分和定位，结果表明该方法能够在不使用异常样本进行模型训练的情况下，实现异常细胞的区分和解释。