催化试管婴儿结果预测:探索先进的机器学习范式,以提高成功率预测
Seyed-Ali Sadegh-Zadeh1, Sanaz Khanjani2, Shima Javanmardi3
1Department of Computing, School of Digital, Technologies and Arts, Staffordshire University, Stoke-on-Trent, United Kingdom.
Frontiers in artificial intelligence
|November 20, 2024
概括
这项研究使用机器学习增强了体外受精 (IVF) 成功预测. 组合模型,特别是Logit Boost,实现了96.35%的准确性,改善了生育治疗的结果.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 生物医学数据科学 生物医学数据科学
背景情况:
- 在体外受精 (IVF) 的成功率差异很大.
- 准确预测试管婴儿结果对于患者咨询和治疗计划至关重要.
- 将机器学习与临床专业知识相结合,可以提高预测准确度.
研究的目的:
- 改善对体外受精 (IVF) 成功率的预测.
- 评估各种机器学习模型的有效性,包括组合方法,用于试管婴儿结果预测.
- 通过数据分析,确定影响试管婴儿成功的关键因素.
主要方法:
- 对2010-2016年和2017-2018年的综合性试管婴儿数据集的分析.
- 机器学习模型的实施和比较:物流回归,高斯 NB,SVM,MLP,KNN.
- 集体学习技术的应用:随机森林,AdaBoost,Logit Boost,RUS Boost,RSM. 这三种学习技术的应用.
主要成果:
- 患者人口统计,不孕症因素和治疗方案是试管婴儿成功的重要预测因素.
- 集体学习方法在预测试管婴儿结果方面表现出卓越的准确性.
- 在预测试管婴儿成功方面,Logit Boost实现了96.35%的高准确率.
结论:
- 机器学习,特别是组合方法,可以显著提高试管婴儿成功预测.
- 这些发现支持开发个性化试管婴儿治疗和改善临床决策支持.
- 妇科医生和数据科学家之间的合作对于优化生育治疗至关重要.
