Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning

Resumen Técnico: Clasificación Interpretable de la Morfología Espermática mediante Aprendizaje Profundo Guiado por Atención

Planteamiento del Problema
La infertilidad masculina, que afecta a casi el 15% de las parejas a nivel mundial, está frecuentemente vinculada a una morfología espermática anormal. Aunque el análisis de semen es la principal herramienta diagnóstica, la evaluación manual actual realizada por especialistas de laboratorio es lenta, subjetiva y propensa a una baja concordancia interobservador (60–70%). Si bien el aprendizaje profundo (DL) ofrece alternativas automatizadas, la mayoría de los modelos existentes funcionan como "cajas negras", careciendo de la interpretabilidad necesaria para la adopción clínica. El desafío central abordado es la necesidad de un sistema que no solo logre una alta precisión de clasificación, sino que también proporcione procesos de toma de decisiones transparentes y clínicamente verificables, particularmente cuando se trabaja con conjuntos de datos médicos limitados.

Metodología
Los autores proponen un marco de aprendizaje profundo guiado por atención diseñado para equilibrar el rendimiento con la explicabilidad. El flujo de trabajo consta de cuatro etapas:

1. Arquitectura: El modelo utiliza un esqueleto (backbone) EfficientNet-B0 preentrenado para la extracción de características, mejorado por un Módulo de Atención de Bloque Convolucional (CBAM). El CBAM aplica secuencialmente mecanismos de atención de canal y espacial para obligar a la red a centrarse en regiones de diagnóstico crítico de la cabeza del espermatozoide, suprimiendo el ruido de fondo y los artefactos.
2. Estrategia de Entrenamiento: Para abordar la escasez de datos médicos etiquetados (específicamente el pequeño conjunto de datos HuSHem), se emplea una estrategia de congelar-luego-descongelar (freeze-then-unfreeze). Inicialmente, el esqueleto y las capas CBAM se mantienen congelados mientras solo se entrena la cabeza de clasificación. Posteriormente, todos los parámetros se ajustan conjuntamente mediante un proceso de ajuste fino (fine-tuning) con una tasa de aprendizaje más baja.
3. Aumento de Datos: Se utilizan aumentos estándar (volteo, rotación, fluctuación de color). Para el pequeño conjunto de datos HuSHem, se aplican las estrategias de regularización MixUp y suavizado de etiquetas (label smoothing).
4. Explicabilidad: Se integra Grad-CAM++ para generar mapas de calor visuales específicos de clase a partir de las capas convolucionales finales, resaltando las regiones de la imagen que influyen en las predicciones del modelo.

Contribuciones Clave
El artículo describe tres contribuciones principales:

• Propuesta de Marco: Una arquitectura EfficientNet-B0 + CBAM diseñada específicamente para una clasificación de morfología espermática precisa e interpretable.
• Optimización del Entrenamiento: La integración de una estrategia de entrenamiento de congelar-luego-descongelar, demostrada como efectiva para mejorar el rendimiento en conjuntos de datos médicos de pequeña escala.
• Transparencia Clínica: La generación de explicaciones visuales mediante Grad-CAM++ para validar que la toma de decisiones del modelo se alinea con los criterios clínicos, fomentando así la confianza.

Resultados Experimentales
El marco fue evaluado en dos conjuntos de datos públicos: SMIDS (3,000 imágenes, 3 clases) y HuSHem (216 imágenes, 4 clases). El modelo propuesto se comparó contra un SimpleCNN base y un EfficientNet-B0 preentrenado estándar.

• Rendimiento de SMIDS: El modelo propuesto alcanzó un 90.2% de precisión y un F1-score macro de 0.913, superando tanto al SimpleCNN (82.67%) como al EfficientNet-B0 estándar (88.00%).
• Rendimiento de HuSHem: La mejora fue más pronunciada en el conjunto de datos más pequeño. El modelo propuesto alcanzó un 93.9% de precisión y un F1-score de 0.948. En contraste, el EfficientNet-B0 estándar cayó al 63.64% de precisión y el SimpleCNN logró un 72.73%.
• Estudio de Ablación: El estudio reveló que, si bien un esqueleto preentrenado estándar funcionó peor que un simple modelo base en el pequeño conjunto de datos HuSHem (debido al sobreajuste en las variaciones del fondo), la adición del módulo CBAM mejoró la precisión en un 16.16%. La estrategia de congelar-luego-descongelar contribuyó con una ganancia adicional del 9.60%.
• Validación Visual: Las visualizaciones de Grad-CAM++ confirmaron que el modelo se centró en estructuras de la cabeza del espermatozoide clínicamente relevantes (por ejemplo, formas ovales suaves para espermatozoides normales, límites irregulares para los anormales) en lugar de artefactos del fondo.

Significancia y Reivindicaciones
Los autores afirman que este trabajo demuestra que los marcos precisos y transparentes son herramientas viables para el análisis automatizado de la morfología espermática en clínicas de fertilidad. El estudio destaca una lección crítica para la IA médica: las redes preentrenadas estándar pueden tener un bajo rendimiento en datos limitados debido al sobreajuste, pero la integración de mecanismos de atención espacial/canal con estrategias de ajuste fino dirigido puede revertir esta tendencia. Al asegurar que el enfoque del modelo se alinee con los criterios clínicos manuales, el marco propuesto aborda la limitación de la "caja negra", haciendo de la transparencia un requisito central en lugar de una ocurrencia tardía. Este enfoque se presenta como un paso práctico hacia el despliegue de herramientas automatizadas en laboratorios de fertilidad del mundo real.