原始文章

這篇評論強調智慧農業中控制作物疾病和害蟲的重要性,並指出這些問題對產量和品質的影響。文章聚焦無人機在農業健康監測中的應用,這些無人機搭載先進感測器,結合人工智慧和深度學習技術。研究透過文獻計量學方法,識別該領域的關鍵趨勢。 評論提供作物疾病和害蟲的基礎知識,討論傳統機器學習的表現,並總結深度學習技術的應用。最後,針對研究空白和挑戰,提出實用解決方案及未來建議。 PubMed DOI


站上相關主題文章列表

研究分析了2010年至2023年間2,860篇文章,探討人工智慧在遠距醫療的應用。研究指出文章數逐漸增加,美國和中國為主要產出國家。主題包括AI、遠距醫療、機器學習、數位健康和深度學習。新興詞如ChatGPT和行動健康指出未來研究方向。研究旨在推動AI在遠距醫療的創新應用。 PubMed DOI

人工智慧(AI)模擬人類智慧,深度學習是其一部分,利用人工神經網絡。AI在影像分析、語言處理等方面有用,但也引發安全和就業問題。在醫療領域,AI可提高效率,但需安全標準。必須有規範確保負責任使用AI。歐盟的AI法案是處理規範問題的法律框架。結合AI與人類特質是未來醫療進步的關鍵。 PubMed DOI

基因組時代的來臨促進了高通量數據和先進計算方法的發展,幫助我們探索植物抗逆境的遺傳與功能。儘管有許多實驗和分析技術,但龐大的數據量仍帶來挑戰。深度學習模型在預測基因結構和功能方面表現優異,並在農業高通量表型學中越來越常見。這篇綜述強調了數據資源和生物信息學工具,以及機器學習和人工智慧在植物抗逆境研究中的應用,並展示如何利用大型語言模型(如ChatGPT)創建相關知識圖譜,促進跨領域合作。 PubMed DOI

近年來,利用人工智慧(AI)進行嬰兒疾病檢測和預測的研究逐漸增多。研究回顧了2018至2022年間的154篇相關文章,顯示研究活動明顯上升,涵蓋十二種ICD-11疾病類別,特別是產前疾病。AI模型主要使用臨床、人口統計和實驗室數據進行訓練,深度神經網絡成為主流方法。研究結果顯示,AI在嬰兒診斷中具潛力,未來大型語言模型的發展預期將進一步推動這一領域的進步。 PubMed DOI

深度學習已成為植物生物學的重要工具,特別是在處理大型數據和揭示複雜關係方面。這篇綜述提到幾個關鍵應用: 1. **基因組序列分析**:用於預測基因表達和表觀遺傳特徵。 2. **基序挖掘與功能組件設計**:探討生成對抗網絡等技術的進展。 3. **蛋白質結構與功能預測**:展示深度學習在這些領域的影響。 4. **未來展望**:強調多組學數據整合和智能育種策略的潛力。 總之,深度學習在植物生物學的應用正快速發展,對理解植物系統有重要意義。 PubMed DOI

這篇評論強調綠色基礎設施(GI)在可持續城市發展中的關鍵角色,並探討目前繪製與分析GI特徵的方法。文章著重於感測器和影像數據的應用,以及機器學習和深度學習在分類與分割任務中的運用。透過PRISMA系統性回顧,分析了55篇相關文獻,顯示深度學習的趨勢,其中33篇使用深度學習,22篇則採用傳統機器學習技術。此外,評論還介紹了一種新穎的自動驗證方法,顯示其潛在有效性並指出改進空間。 PubMed DOI

這篇綜述探討卷積神經網絡(CNNs)在智慧農業的應用,涵蓋雜草與疾病檢測、作物分類、水資源管理及產量預測等領域。透過分析115項研究,文章強調科技如何提升農業效率,並介紹影像分類、分割、回歸和物件檢測等方法,利用RGB、多光譜、雷達和熱成像數據。CNNs應用於無人機和衛星數據,實現即時作物監測,助力農場管理。未來建議整合物聯網和雲端平台,改善數據可及性,以應對氣候變化和糧食安全挑戰。 PubMed DOI

這篇論文探討在東歐推行自動灌溉系統和AI驅動的氣候監測,以應對氣候變遷並確保糧食安全。透過物聯網技術,系統持續收集溫度、濕度和土壤濕度的數據,並利用AI分析,提供最佳灌溉建議。這樣可以減少水和能源消耗,增強植物健康,提高農業生產力。數據無線傳輸至中央數據庫,便於進行國家級氣候評估。AI在農業監測中的應用,為可持續農業和應對氣候挑戰邁出了重要一步,並可作為其他脆弱地區的參考模型。 PubMed DOI

番茄(<i>Solanum lycopersicum</i> L.)的栽培對全球營養和經濟有重要意義,但面臨如<i>Tuta absoluta</i>等害蟲威脅,影響產量並提高生產成本。傳統檢測方法勞動密集且易出錯,因此需要先進技術。本研究利用人工智慧,整合YOLOv8進行害蟲檢測與分割,並使用ChatGPT-4提供建議。結果顯示,該模型在檢測精確度上達98.91%,顯著優於傳統方法,並能為未受訓練的生產者提供即時諮詢,推動更環保的農業實踐。未來應專注於特定數據訓練以提升準確性。 PubMed DOI

視網膜影像提供了一種非侵入性的方法,能夠觀察眼睛中的血管和神經纖維,並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯,並結合人工智慧(AI)提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描(OCT)等技術被應用於篩檢和早期檢測。儘管AI展現潛力,但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源,促進AI在臨床的應用。 PubMed DOI