基于机器学习的模型根据生活方式行为预测精液质量
Aykut Aykaç1, Coşkun Kaya2, Özer Çelik3
1Department of Urology, Eskisehir City Health Application and Research Center, Health Science University, Eskisehir, Turkey. aykutdr@gmail.com.
Reproductive biology and endocrinology : RB&E
|August 29, 2024
概括
机器学习模型可以使用生活方式数据预测男性精液质量. 不同的算法擅长预测特定的精液参数,为非侵入性生育能力评估提供了潜力.
科学领域:
- 生殖医学是一种生殖医学.
- 生物统计学 生物统计学
- 计算生物学是一种计算生物学.
背景情况:
- 男性不孕症影响了大量寻求生育治疗的夫妇.
- 精液质量分析对于诊断男性不孕症至关重要.
- 已知生活方式因素会影响精液参数.
研究的目的:
- 确定最准确的机器学习 (ML) 方法来预测精液质量.
- 用基本的生活方式问卷数据评估精液质量的可预测性.
主要方法:
- 利用了734名男性的医疗记录,并提供精液分析和生活方式数据.
- 根据世卫组织2021年指导方针将精液质量分为常态精子,小精子,精子和精子.
- 应用并比较了ML算法:额外树木分类器,AVG混合器,LGBM,XGBoost,物流回归和随机森林.
主要成果:
- 在48.5%的参与者中观察到异常的精液结果.
- 在AVG Blender的测试中,对常态精子和高精子精子的准确度最高.
- 额外树木分类器和随机森林分类器分别对类精子和类精子表现最好.
结论:
- 机器学习模型在基于生活方式行为的预测男性精液质量方面显示出显著的潜力.
- 这种方法可能为初始生育率评估提供一种非侵入性方法.
