本研究提出Cervix-AID-Net模型，通过阴道镜图像对宫颈癌前期风险进行分类，分类精度达到99.33%和99.81%，对宫颈癌的预防和早期检测具有重要意义。

该研究提出了一种基于原型的知识过滤方法，利用不同但相关临床研究中收集的跨领域子宫颈图像，改善了定向子宫颈数据集上模型的性能。实验证据表明，该方法在顶级准确率、精确度、召回率、F1分数和ROC-AUC上分别比最先进的子宫颈畸形视觉检查法提高了4.7%、7.0%、1.4%、4.6%和0.05。