针对基于细胞图像分割的病变宫颈细胞筛查中由于细胞精细分割复杂而不能实现筛查自动化的问题，提出一种省略精细分割步骤的宫颈细胞分类算法。首先，定义一种新的用于描述像素值分布的特征——最大截面（MAXSection）特征，将该特征与反向传播（BP）神经网络和Selective Search算法结合，实现细胞核感兴趣区域（ROI）的准确提取（最高正确率100%）；其次，基于最大截面特征定义了两个参数——估计长与估计宽，用于描述病变细胞核的形态变化；最后，根据宫颈细胞发生癌变时其核会绝对增大的特点，利用以上两参数实现病变细胞核（估计长与估计宽中至少一个参数大于65）与正常细胞核（估计长与估计宽均小于等于65）的分类。实验结果表明，该自动筛查算法的准确率为98.89%，敏感度为98.18%，特异度为99.20%。该算法可以完成从输入整幅巴氏涂片到输出最终筛查结果的全部过程，实现病变宫颈细胞筛查的自动化。