Male infertility represents a complex clinical condition requiring an accurate multilevel assessment, in which machine learning (ML) technology, combining large data series in nonlinear and highly interactive ways, could be innovatively applied.

Multilevel approach to male fertility by machine learning highlights a hidden link between haematological and spermatogenetic cells / Santi, Daniele; Spaggiari, Giorgia; Casonati, Andrea; Casarini, Livio; Grassi, Roberto; Vecchi, Barbara; Roli, Laura; De Santis, Maria Cristina; Orlando, Giovanna; Gravotta, Enrica; Baraldi, Enrica; Setti, Monica; Trenti, Tommaso; Simoni, Manuela. - In: ANDROLOGY. - ISSN 2047-2919. - 8:5(2020), pp. 1021-1029. [10.1111/andr.12826]

Multilevel approach to male fertility by machine learning highlights a hidden link between haematological and spermatogenetic cells

Santi, Daniele;Spaggiari, Giorgia;Casarini, Livio;Baraldi, Enrica;Simoni, Manuela
2020

Abstract

Male infertility represents a complex clinical condition requiring an accurate multilevel assessment, in which machine learning (ML) technology, combining large data series in nonlinear and highly interactive ways, could be innovatively applied.
2020
21-giu-2020
8
5
1021
1029
Multilevel approach to male fertility by machine learning highlights a hidden link between haematological and spermatogenetic cells / Santi, Daniele; Spaggiari, Giorgia; Casonati, Andrea; Casarini, Livio; Grassi, Roberto; Vecchi, Barbara; Roli, Laura; De Santis, Maria Cristina; Orlando, Giovanna; Gravotta, Enrica; Baraldi, Enrica; Setti, Monica; Trenti, Tommaso; Simoni, Manuela. - In: ANDROLOGY. - ISSN 2047-2919. - 8:5(2020), pp. 1021-1029. [10.1111/andr.12826]
Santi, Daniele; Spaggiari, Giorgia; Casonati, Andrea; Casarini, Livio; Grassi, Roberto; Vecchi, Barbara; Roli, Laura; De Santis, Maria Cristina; Orlando, Giovanna; Gravotta, Enrica; Baraldi, Enrica; Setti, Monica; Trenti, Tommaso; Simoni, Manuela
File in questo prodotto:
File Dimensione Formato  
andr.12826.pdf

Accesso riservato

Tipologia: Versione pubblicata dall'editore
Dimensione 802.36 kB
Formato Adobe PDF
802.36 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
Pubblicazioni consigliate

Licenza Creative Commons
I metadati presenti in IRIS UNIMORE sono rilasciati con licenza Creative Commons CC0 1.0 Universal, mentre i file delle pubblicazioni sono rilasciati con licenza Attribuzione 4.0 Internazionale (CC BY 4.0), salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11380/1203298
Citazioni
  • ???jsp.display-item.citation.pmc??? 3
  • Scopus 8
  • ???jsp.display-item.citation.isi??? 4
social impact