論文の概要: Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning

• arxiv url: http://arxiv.org/abs/2606.20438v1
• Date: Thu, 18 Jun 2026 16:19:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.980133
• Title: Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning
• Title（参考訳）: 注意誘導深層学習による解釈可能な精子形態分類
• Authors: Zahra Asghari Varzaneh, Reza Khoshkangini, Thomas Ebner, Lars Johansson,
• Abstract要約: 男性の不妊はカップルの不妊の主要な原因であり、しばしば異常な精子の形態と結びついている。 本研究では,精子形態分類のための注意誘導型深層学習フレームワークを提案する。 我々は、トレーニング済みのEfficientNet-B0とCBAM(Convolutional Block Attention Module)を組み合わせることで、精子ヘッドのキー領域に焦点を当てる。
• 参考スコア（独自算出の注目度）: 2.0905892483501125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Male infertility is a major cause of couple infertility, often linked to abnormal sperm morphology. While deep learning models offer automated analysis, most lack interpretability, limiting their clinical adoption. This study proposes an attention-guided deep learning framework for sperm morphology classification. We combine a pretrained EfficientNet-B0 with a Convolutional Block Attention Module (CBAM) to focus on key areas of the sperm head, improving both accuracy and interpretability. Evaluated on the SMIDS and HuSHem public datasets, our model achieves accuracies of 90.2% and 93.9% (macro F1 scores of 0.913 and 0.948), outperforming SimpleCNN and standard EfficientNet-B0. Furthermore, we use Grad-CAM++ visualizations to highlight features influencing the model's decisions. The results demonstrate that this accurate and transparent framework is a practical tool for automated sperm analysis in fertility clinics.
• Abstract（参考訳）: 男性の不妊はカップルの不妊の主要な原因であり、しばしば異常な精子の形態と結びついている。 ディープラーニングモデルは自動分析を提供するが、ほとんどのモデルは解釈可能性に欠け、臨床応用が制限される。 本研究では,精子形態分類のための注意誘導型深層学習フレームワークを提案する。 我々は、トレーニング済みのEfficientNet-B0とCBAM(Convolutional Block Attention Module)を組み合わせることで、精子ヘッドのキー領域に集中し、精度と解釈性の両方を改善した。 SMIDSとHuSHemの公開データセットに基づいて、我々のモデルは90.2%と93.9%(マクロF1スコア0.913と0.948)の精度を達成し、SimpleCNNと標準のEfficientNet-B0を上回った。 さらに、Grad-CAM++視覚化を使用して、モデルの判断に影響を与える機能を強調します。 その結果、この正確で透明な枠組みは、受精クリニックにおける精子の自動分析の実践的ツールであることが示された。

関連論文リスト

• Annotation-free deep learning for detection and segmentation of fetal germinal matrix-intraventricular hemorrhage in brain MRI [35.75434967398725]
  出生前胚性マトリックス-心室性出血(GMH-IVH)は乳児の死亡と神経発達障害の原因である。 ディープラーニングモデルは自動化の可能性を秘めているが、通常は大きな注釈付きデータセットを必要とする。 FreeHemoSegは、通常の胎児データから合成された擬似GMH-IVH画像を用いて開発、訓練された。
  論文  参考訳（メタデータ） (2026-05-10T14:39:30Z)
• PathMoE: Interpretable Multimodal Interaction Experts for Pediatric Brain Tumor Classification [30.58342408480846]
  PathMoEは、H&Eスライド、病理報告、核レベルセルグラフを統合する、解釈可能なマルチモーダルフレームワークである。 内科的脳腫瘍データセットと外部TGAデータセットの2つのデータセット固有の分類タスクについて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-02T07:17:44Z)
• Automatic Cough Analysis for Non-Small Cell Lung Cancer Detection [33.37223681850477]
  非小細胞肺癌(NSCLC)の早期発見は患者の予後改善に重要である。 本研究では,NSCLC患者と健常者との鑑別のためのスクリーニングツールとして,自動コークス分析の利用について検討する。 記録は、サポートベクタマシン(SVM)やXGBoostといった機械学習技術を用いて分析された。
  論文  参考訳（メタデータ） (2025-07-25T11:30:22Z)
• Performance Analysis of Post-Training Quantization for CNN-based Conjunctival Pallor Anemia Detection [0.0]
  貧血は世界的な健康問題であり、特に低リソース環境の幼児に多い。 従来の貧血検出法は高価な機器と専門家の知識を必要とすることが多い。 これらの課題に対処するために、結膜口蓋を通して貧血を検出するためのディープラーニングモデルの利用について検討する。
  論文  参考訳（メタデータ） (2025-07-20T23:02:58Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• VISEM-Tracking, a human spermatozoa tracking dataset [3.1673957150053713]
  湿式精子製剤の30秒間(29,196フレームを含む)のビデオ録画を20回行うVISEM-Trackingというデータセットを提供する。 本研究では,VISEM-Trackingデータセットを用いて学習したYOLOv5ディープラーニング(DL)モデルを用いた精子検出性能について述べる。
  論文  参考訳（メタデータ） (2022-12-06T09:25:52Z)
• End-to-End Zero-Shot HOI Detection via Vision and Language Knowledge Distillation [86.41437210485932]
  我々は、ゼロショットHOI検出を前進させ、同時に見えないHOIと見えないHOIの両方を検出することを目指している。 本稿では,視覚言語による知識蒸留によるエンドツーエンドのゼロショットHOI検出フレームワークを提案する。 本手法は, 従来のSOTAを8.92%, 全体の10.18%で上回っている。
  論文  参考訳（メタデータ） (2022-04-01T07:27:19Z)
• Improving Human Sperm Head Morphology Classification with Unsupervised Anatomical Feature Distillation [3.666202958045386]
  近年のDeep Learning (DL) 形態素解析手法は有望なベンチマーク結果を実現するが、性能と堅牢性は表に残されている。 本稿では,ヒト精子顕微鏡作物の解剖学的,画像的先行性を利用して,ラベル付けコストを伴わずに有用な特徴を抽出する新しいDLトレーニングフレームワークを提案する。 2つの公開精子データセットに対する我々の新しいアプローチを評価し、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-02-15T04:58:29Z)
• IA-GCN: Interpretable Attention based Graph Convolutional Network for Disease prediction [47.999621481852266]
  タスクに対する入力特徴の臨床的関連性を解釈する,解釈可能なグラフ学習モデルを提案する。 臨床シナリオでは、そのようなモデルは、臨床専門家が診断および治療計画のためのより良い意思決定を支援することができる。 本研究では,Tadpoleの平均精度が3.2%,UKBBジェンダーが1.6%,UKBB年齢予測タスクが2%と,比較方法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2021-03-29T13:04:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。