Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning

Résumé technique : Classification interprétable de la morphologie des spermatozoïdes via l'apprentissage profond guidé par l'attention

Énoncé du problème
L'infertilité masculine, qui affecte près de 15 % des couples dans le monde, est fréquemment liée à une morphologie anormale des spermatozoïdes. Bien que l'analyse du sperme soit l'outil de diagnostic principal, l'évaluation manuelle actuelle par les spécialistes de laboratoire est chronophage, subjective et sujette à un faible accord inter-observateurs (60–70 %). Bien que l'apprentissage profond (DL) offre des alternatives automatisées, la plupart des modèles existants fonctionnent comme des « boîtes noires », manquant de l'interprétabilité requise pour une adoption clinique. Le défi central abordé est la nécessité d'un système qui non seulement atteigne une grande précision de classification, mais fournisse également des processus de prise de décision transparents et cliniquement vérifiables, particulièrement lorsqu'il travaille avec des ensembles de données médicales limités.

Méthodologie
Les auteurs proposent un cadre d'apprentissage profond guidé par l'attention conçu pour équilibrer performance et explicabilité. Le pipeline se compose de quatre étapes :

1. Architecture : Le modèle utilise un backbone EfficientNet-B0 pré-entraîné pour l'extraction de caractéristiques, amélioré par un Module d'Attention de Bloc Convolutionnel (CBAM). Le CBAM applique séquentiellement des mécanismes d'attention de canal et d'espace pour forcer le réseau à se concentrer sur les régions diagnostiquement critiques de la tête du spermatozoïde, supprimant ainsi le bruit de fond et les artefacts.
2. Stratégie d'entraînement : Pour remédier à la rareté des données médicales étiquetées (spécifiquement le petit ensemble de données HuSHem), une stratégie de gel puis dégel (freeze-then-unfreeze) est employée. Initialement, le backbone et les couches CBAM sont gelés pendant que seule la tête de classification est entraînée. Par la suite, tous les paramètres sont ajustés conjointement avec un taux d'apprentissage plus faible.
3. Augmentation des données : Des augmentations standards (retournement, rotation, modification de la couleur) sont utilisées. Pour le petit ensemble de données HuSHem, l'augmentation MixUp et le lissage de labels (label smoothing) sont appliqués comme stratégies de régularisation pour prévenir le surapprentissage.
4. Explicabilité : Grad-CAM++ est intégré pour générer des cartes thermiques visuelles spécifiques à la classe à partir des dernières couches convolutionnelles, mettant en évidence les régions d'image spécifiques influençant les prédictions du modèle.

Principales contributions
L'article expose trois contributions principales :

• Proposition de cadre : Une architecture EfficientNet-B0 + CBAM spécifiquement conçue pour une classification précise et interprétable de la morphologie des spermatozoïdes.
• Optimisation de l'entraînement : L'intégration d'une stratégie d'entraînement de type gel puis dégel, démontrée comme étant efficace pour améliorer les performances sur des ensembles de données médicales à petite échelle.
• Transparence clinique : La génération d'explications visuelles via Grad-CAM++ pour valider que la prise de décision du modèle s'aligne sur les critères cliniques, favorisant ainsi la confiance.

Résultats expérimentaux
Le cadre a été évalué sur deux ensembles de données publics : SMIDS (3 000 images, 3 classes) et HuSHem (216 images, 4 classes). Le modèle proposé a été comparé à un SimpleCNN de référence et à un EfficientNet-B0 standard pré-entraîné.

• Performance SMIDS : Le modèle proposé a atteint une précision de 90,2 % et un score F1 macro de 0,913, surpassant à la fois le SimpleCNN (82,67 %) et l'EfficientNet-B0 standard (88,00 %).
• Performance HuSHem : L'amélioration est plus prononcée sur le plus petit ensemble de données. Le modèle proposé a atteint 93,9 % de précision et un score F1 de 0,948. En revanche, l'EfficientNet-B0 standard est tombé à 63,64 % de précision, et le SimpleCNN a atteint 72,73 %.
• Étude d'ablation : L'étude a révélé que si un backbone pré-entraîné standard seul performait moins bien qu'un simple modèle de base sur le petit ensemble de données HuSHem (en raison du surapprentissage sur les variations de fond), l'ajout du module CBAM a amélioré la précision de 16,16 %. La stratégie de gel puis dégel a contribué à un gain supplémentaire de 9,60 %.
• Validation visuelle : Les visualisations Grad-CAM++ ont confirmé que le modèle se concentrait sur les structures de la tête du spermatozoïde cliniquement pertinentes (par exemple, des formes ovales lisses pour les spermatozoïdes normaux, des contours irréguliers pour les anormaux) plutôt que sur les artefacts de fond.

Signification et affirmations
Les auteurs affirment que ce travail démontre que des cadres précis et transparents sont des outils viables pour l'analyse automatisée de la morphologie des spermatozoïdes dans les cliniques de fertilité. L'étude souligne une leçon critique pour l'IA médicale : les réseaux pré-entraînés standards peuvent sous-performer sur des données limitées en raison du surapprentissage, mais l'intégration de mécanismes d'attention spatiale/de canal avec des stratégies de fine-tuning ciblées peut inverser cette tendance. En garantissant que l'attention du modèle s'aligne sur les critères cliniques manuels, le cadre proposé répond à la limitation de la « boîte noire », faisant de la transparence une exigence centrale plutôt qu'une réflexion après coup. Cette approche est présentée comme une étape pratique vers le déploiement d'outils automatisés dans les laboratoires de fertilité du monde réel.