在过去的二十年中,男性不育引起了广泛的关注,在世界范围内,精子质量在精子数量和活力方面普遍呈下降趋势。精液质量的下降不仅代表男性生育能力下降,还有研究指出精液质量下降会导致男性患有心血管疾病、糖尿病、癌症的几率甚至死亡率的增加。所以精液质量的检查具有一定的意义,它可以一定程度的表明男性心理健康和身体健康,需要引起人们和社会的关注。世界卫生组织（World Health Organization,WHO）在2010出版了最新版的人类精液实验室检验手册（第五版）,但是该手册基于的男性样本主要源于欧洲,缺少亚洲尤其是中国人的样本作为参考。精子活力作为精液分析内的重要组成部分,人工精液分析需要受过一定专业培训的医生并且存在主观性的问题。而自动精液分析系统（Computer-aided Sperm Analysis,CASA）在精子活力分析方面也存在一定的问题,不同厂家的CASA对于不同精子活力的运动指标没有统一的标准。为了解决上述问题,本文研究了一种基于卷积神经网络的智能精子活力分类系统。从天津医科大学总医院生殖医疗中心收集了40名受试者的精液样本,严格遵循WHO的实验步骤要求,系统规范地进行精液质量评估分析,从而获取可靠的标准结果对算法验证。本文算法采用Lucas-Kanade算法和Harris角点检测算法完成单个精子运动轨迹提取,在此基础上提出一种基于椭圆拟合定量评价方法来描述精子运动的各向异性。经过预处理和标准化后,将精子运动轨迹的连续点坐标输入到一维卷积神经网络（One-dimensional Convolutional Neural Network）模型中,并将最新提出的Mish激活函数应用于卷积层输出的激活函数,最后通过最大池化层和全连接层将运动精子分为两类:渐进性和非渐进性。1D-CNN模型经过5折交叉验证训练,具有良好的预测能力,平均准确度为85.56%,方差为2.62%。使用混淆矩阵作为评估指标,灵敏度和特异性分别为85.4%和86.2%,曲线下平均面积为0.93。本研究将深度学习模型应用于精子活力分析领域,取得较好的分类效果。未来有望在精度、速度和吞吐量方面取得更好的改进效果,并且可以根据改变训练样本帮助不同地区的男性精子活力制定指标,进而促进世界范围内不同人种在男性生殖方面的对比研究。