目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型（Trans-YOLOv5），为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法 使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据扩增方式与标签平滑等技巧的YOLOv5网络结构实现对宫颈病变细胞的多分类检测。在YOLOv5骨干网络引用CBT3以增强深层全局信息提取能力，设计ADH检测头提高检测头解耦后定位分支对纹理特征的结合能力，从而实现全局-局部注意机制的融合。结果 实验结果表明Trans-YOLOv5优于目前最先进的方法。mAP和AR分别达到65.9%和53.3%，消融实验结果验证了Trans-YOLOv5各组成部分的有效性。结论 本文发挥不同注意力机制分别在全局特征与局部特征提取能力的差异，提升YOLOv5对宫颈细胞图像中异常细胞的检测精度，展现了其在自动化辅助宫颈癌筛查工作量的巨大潜力。