एक अध्ययन ने VISEM डेटासेट का उपयोग किया, जिसमें 85 प्रतिभागियों के शुक्राणु नमूने शामिल हैं जिन्हें Fertile (उर्वर), Sub-Fertile (अर्ध-उर्वर) या Infertile (अवर्धक) के रूप में वर्गीकृत किया गया था, ताकि शुक्राणु सांद्रता, गतिशीलता और आकार के आधार पर पुरुष उर्वरता स्थिति की भविष्यवाणी करने के लिए मशीन लर्निंग एल्गोरिदम का मूल्यांकन किया जा सके।
- Nearest Centroid क्लासिफायर ने 94.2% सटीकता हासिल की, जिसने 40 से अधिक परीक्षण किए गए एल्गोरिदम में Support Vector Machines और Quadratic Discriminant Analysis को हरा दिया।
- मॉडल की मजबूती को 5-fold cross-validation और multiclass ROC-AUC विश्लेषण का उपयोग करके सत्यापित किया गया।
- शोध दिखाता है कि मशीन लर्निंग शुक्राणु गुणवत्ता के लिए तेज़, सटीक और वस्तुनिष्ठ आकलन प्रदान कर सकता है ताकि नरत्वविज्ञान में चिकित्सा निर्णय लेने का समर्थन किया जा सके।