一项研究调查了使用机器学习基于精子浓度、活力和形态，利用包含85名参与者的VISEM数据集来分类男性生育状态。

  • 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折交叉验证和多类 ROC-AUC 分析进行了验证。
  • 该数据集根据世界卫生组织的标准将样本分类为可育、亚不育和无精症类别。

研究结果表明，机器学习模型可以提供快速、准确且客观的精液质量评估，以支持男科的临床决策。