UneatlanticoSEED-ML: A multi-parametric clinical dataset on male infertility for predictive modeling and AI researchN.Sánchez-GómezauthorJ.A.García-GarcíaauthorJosé ManuelNavarro-PandoauthorM.J.Escalona-CuaresmaauthorSEED-ML (Semen Examination and Evaluation Dataset for Machine Learning) is an openly available, multi-parametric clinical dataset specifically designed to support research in male infertility diagnostics and prediction. SEED-ML refers specifically to the dataset repository and its clinical structure, and not to a specific machine learning model or diagnostic method. In this sense, SEED-ML comprises records from 10,124 patients, including detailed semen analysis parameters (pre- and post-capacitation), morphological classifications, and clinical alterations. Infertility diagnosis is categorized into nine clinically relevant classes, ranging from normal fertility to complex multi-factor conditions such as oligoasthenoteratozoospermia. All data were anonymized and curated following strict ethical and privacy guidelines to ensure compliance with applicable medical data protection regulations. The dataset reflects real-world clinical distributions across nine diagnostic classes: Normozoospermia (62.68%), Oligoasthenoteratozoospermia (14.22%), Asthenozoospermia (11.66%), Teratozoospermia (6.71%), Oligozoospermia (1.90%), Asthenoteratozoospermia (1.38%), Oligoasthenozoospermia (0.96%), Oligoteratozoospermia (0.34%), and Azoospermia (0.16%). This detailed categorization provides a realistic clinical distribution for machine learning evaluation. SEED-ML offers a resource for developing and benchmarking machine learning models, enabling research in predictive analytics, decision support systems, and computational andrology. This dataset aims to facilitate interdisciplinary collaboration between clinicians, data scientists, and AI (artificial intelligence) researchers. The dataset is publicly available in Mendeley under a CC BY 4.0 license.Biomedicina2026-04Artículo

Para trabajos depositados por su propio autor: Al auto-archivar esta colección de ficheros y metadatos bibliográficos asociados, otorgo a Uneatlantico el derecho para almacenarlos y ponerlos a disposición pública permanentemente de un modo gratuito y en línea. Declaro que este material es de mi propiedad intelectual y entiendo que Uneatlantico no asume ninguna responsabilidad en caso de que se produzca una violación de derechos de propiedad al distribuir estos ficheros o metadatos. (Se insta encarecidamente a todos los autores a destacar sus derechos de autor en la página de título de su trabajo.)

Para trabajos depositados por otras personas distintas a su autor: Por la presente, declaro que la colección de ficheros y metadatos bibliográficos asociados que estoy archivando en Uneatlantico) es de dominio público. Si este no fuese el caso, acepto totalmente la responsabilidad por cualquier infracción de derechos de autor que conlleve la distribución de estos ficheros o metadatos.

Pulsar sobre el botón de depósito indica que está de acuerdo con estos términos.