Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning

Resumo Técnico: Classificação Interpretável de Morfologia Espermática via Aprendizado Profundo Guiado por Atenção

Declaração do Problema
A infertilidade masculina, que afeta quase 15% dos casais globalmente, está frequentemente relacionada à morfologia anormal dos espermatozoides. Embora a análise de sêmen seja a principal ferramenta diagnóstica, a avaliação manual atual realizada por especialistas laboratoriais é demorada, subjetiva e propensa a uma baixa concordância interobservador (60–70%). Embora o aprendizado profundo (DL) ofereça alternativas automatizadas, a maioria dos modelos existentes funciona como "caixas pretas", carecendo da interpretabilidade necessária para a adoção clínica. O desafio central abordado é a necessidade de um sistema que não apenas alcance alta precisão de classificação, mas também forneça processos de tomada de decisão transparentes e clinicamente verificáveis, particularmente ao trabalhar com conjuntos de dados médicos limitados.

Metodologia
Os autores propõem um framework de aprendizado profundo guiado por atenção, projetado para equilibrar desempenho com explicabilidade. O pipeline consiste em quatro estágios:

1. Arquitetura: O modelo utiliza um backbone EfficientNet-B0 pré-treinado para extração de características, aprimorado por um Módulo de Atenção de Bloco Convolucional (CBAM). O CBAM aplica sequencialmente mecanismos de atenção de canal e espacial para forçar a rede a focar em regiões diagnosticamente críticas da cabeça do espermatozoide, suprimindo ruídos de fundo e artefatos.
2. Estratégia de Treinamento: Para lidar com a escassez de dados médicos rotulados (especificamente o pequeno conjunto de dados HuSHem), é empregada uma estratégia de congelar-então-descongelar (freeze-then-unfreeze). Inicialmente, o backbone e as camadas CBAM são congelados enquanto apenas a cabeça de classificação é treinada. Posteriormente, todos os parâmetros são ajustados conjuntamente com uma taxa de aprendizado mais baixa.
3. Aumento de Dados: Aumentos padrão (rotação, inversão, jittering de cor) são utilizados. Para o pequeno conjunto de dados HuSHem, o aumento MixUp e o suavizamento de rótulos (label smoothing) são aplicados como estratégias de regularização para evitar o overfitting.
4. Explicabilidade: O Grad-CAM++ é integrado para gerar mapas de calor visuais específicos de classe a partir das camadas convolucionais finais, destacando as regiões da imagem que influenciam as previsões do modelo.

Principais Contribuições
O artigo delineia três contribuições primárias:

• Proposta de Framework: Uma arquitetura EfficientNet-B0 + CBAM especificamente projetada para classificação precisa e interpretável da morfologia espermática.
• Otimização de Treinamento: A integração de uma estratégia de treinamento de congelar-então-descongelar, demonstrada como eficaz para aumentar o desempenho em conjuntos de dados médicos de pequena escala.
• Transparência Clínica: A geração de explicações visuais via Grad-CAM++ para validar que a tomada de decisão do modelo se alinha aos critérios clínicos, promovendo assim a confiança.

Resultados Experimentais
O framework foi avaliado em dois conjuntos de dados públicos: SMIDS (3.000 imagens, 3 classes) e HuSHem (216 imagens, 4 classes). O modelo proposto foi comparado contra um baseline SimpleCNN e um EfficientNet-B0 padrão pré-treinado.

• Desempenho SMIDS: O modelo proposto alcançou 90,2% de acurácia e um F1-score macro de 0,913, superando tanto o SimpleCNN (82,67%) quanto o EfficientNet-B0 padrão (88,00%).
• Desempenho HuSHem: A melhoria foi mais pronunciada no conjunto de dados menor. O modelo proposto atingiu 93,9% de acurácia e um F1-score de 0,948. Em contraste, o EfficientNet-B0 padrão caiu para 63,64% de acurácia, e o SimpleCNN alcançou 72,73%.
• Estudo de Ablação: O estudo revelou que, embora um backbone pré-treinado padrão sozinho tenha tido desempenho inferior a um baseline simples no pequeno conjunto de dados HuSHem (devido ao overfitting em variações de fundo), a adição do módulo CBAM melhorou a acurácia em 16,16%. A estratégia de congelar-então-descongelar contribuiu com um ganho adicional de 9,60%.
• Validação Visual: As visualizações do Grad-CAM++ confirmaram que o modelo focou em estruturas da cabeça do espermatozoide clinicamente relevantes (ex: formas ovais suaves para espermatozoides normais, contornos irregulares para anormais) em vez de artefatos de fundo.

Significância e Alegações
Os autores afirmam que este trabalho demonstra que frameworks precisos e transparentes são ferramentas viáveis para a análise automatizada de esperma em clínicas de fertilidade. O estudo destaca uma lição crítica para a IA médica: redes pré-treinadas padrão podem ter um desempenho inferior em dados limitados devido ao overfitting, mas a integração de mecanismos de atenção espacial/canal com estratégias de ajuste fino direcionadas pode reverter essa tendência. Ao garantir que o foco do modelo se alinhe aos critérios clínicos manuais, o framework proposto aborda a limitação da "caixa preta", tornando a transparência um requisito central, e não um pensamento tardio. Esta abordagem é apresentada como um passo prático para a implementação de ferramentas automatizadas em laboratórios de fertilidade do mundo real.