一项研究利用了VISEM数据集，该数据集包含来自85名参与者的精液样本，这些参与者被分类为 fertile（可育）、sub-fertile（亚可育）或 infertile（不育），用于评估基于精子浓度、活力和形态预测男性生育状态的机器学习算法。

  • Nearest Centroid 分类器达到了94.2%的准确率，在超过40种测试算法中优于 Support Vector Machines 和 Quadratic Discriminant Analysis。
  • 模型鲁棒性通过5折交叉验证和 multiclass ROC-AUC 分析得到验证。
  • 研究表明，机器学习可以提供快速、准确且客观的精液质量评估，以支持男科临床决策。