어텐션 가이드 딥러닝 (Attention-Guided Deep Learning)을 통한 해석 가능한 정자 형태 분류
요약
정자 형태 분류의 정확도와 해석 가능성을 높이기 위해 어텐션 메커니즘을 결합한 딥러닝 프레임워크를 제안합니다. EfficientNet-B0와 CBAM을 결합하여 정자 머리의 핵심 영역을 집중 분석하며, 기존 모델보다 높은 성능을 입증했습니다.
핵심 포인트
- EfficientNet-B0와 CBAM을 결합한 어텐션 가이드 프레임워크 제안
- SMIDS 및 HuSHem 데이터셋에서 최대 93.9%의 높은 정확도 달성
- Grad-CAM++를 활용하여 모델의 판단 근거를 시각적으로 제시
- 임상 도입이 가능한 수준의 해석 가능한 정자 분석 도구 구현
남성 불임은 부부 불임의 주요 원인이며, 종종 비정상적인 정자 형태 (sperm morphology)와 연관됩니다. 딥러닝 (deep learning) 모델이 자동화된 분석을 제공하지만, 대부분 해석 가능성 (interpretability)이 부족하여 임상 도입에 한계가 있습니다. 본 연구는 정자 형태 분류를 위한 어텐션 가이드 딥러닝 (attention-guided deep learning) 프레임워크를 제안합니다. 우리는 사전 학습된 EfficientNet-B0와 컨볼루션 블록 어텐션 모듈 (Convolutional Block Attention Module, CBAM)을 결합하여 정자 머리의 핵심 영역에 집중함으로써 정확도와 해석 가능성을 모두 향상시켰습니다. SMIDS 및 HuSHem 공개 데이터셋을 통해 평가한 결과, 우리 모델은 90.2%와 93.9%의 정확도 (macro F1 score 각각 0.913 및 0.948)를 달성하였으며, 이는 SimpleCNN 및 표준 EfficientNet-B0를 능가하는 성능입니다. 또한, Grad-CAM++ 시각화를 사용하여 모델의 결정에 영향을 미치는 특징들을 강조합니다. 결과는 이 정확하고 투명한 프레임워크가 난임 클리닉에서 자동화된 정자 분석을 위한 실용적인 도구임을 입증합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기