El clasificador de centroide más cercano alcanza una precisión del 94,2% en el conjunto de datos VISEM de semen

Un estudio utilizó el conjunto de datos VISEM, que comprende muestras de semen de 85 participantes clasificadas como fértiles, subfértiles o infértiles, para evaluar algoritmos de aprendizaje automático para predecir el estado de fertilidad masculina basado en la concentración, motilidad y morfología del esperma.

• El clasificador Nearest Centroid alcanzó una precisión del 94,2%, superando a Support Vector Machines y Quadratic Discriminant Analysis entre más de 40 algoritmos probados.
• La robustez del modelo se validó utilizando validación cruzada de 5 pliegues y análisis multiclass ROC-AUC.
• La investigación demuestra que el aprendizaje automático puede proporcionar evaluaciones rápidas, precisas y objetivas de la calidad del semen para apoyar la toma de decisiones clínicas en andrología.