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

人工智慧（AI）技術的迅速發展，特別是在深度學習和神經網絡方面，對腸胃道腫瘤的研究影響深遠。這些腫瘤複雜且多樣，讓早期檢測和個性化治療變得困難。AI能提高腫瘤篩檢的準確性和敏感性，協助識別生物標記、預測治療反應，並設計個性化治療計畫，最終改善病人治療效果。此外，AI與多組學分析及影像技術的結合，推進了腫瘤微環境的研究，並增強了醫學影像分析的能力。 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

生物醫學檢測技術的進步讓我們能獲得更多個人生物醫學資訊，像是分子、細胞、影像及電子健康紀錄。整合這些資訊能提升疾病診斷和治療策略的準確性。人工智慧，特別是深度學習，已在生物醫學領域展現出更高的精確度和效率。不過，處理多模態數據時仍面臨數據隱私和模型可解釋性等挑戰。這篇綜述探討了不同數據類型、AI的角色及未來發展方向，期望透過模型預訓練來進一步推進生物醫學研究。 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

這篇文章探討人工智慧在乳牛養殖的應用，特別是電腦視覺系統（CVS）和大型語言模型（LLMs）。CVS能非侵入性地同時監控多隻牛，並透過演算法識別個體特徵。LLMs則能整合各種數據，包括非結構化文本，提升數據分析能力。文章也提到在多模態機器學習中，結合不同數據來源進行表型預測的挑戰。總的來說，CVS和LLMs的結合有潛力改善乳牛的健康監測和農場管理。 PubMed DOI

近年來，AI技術像是機器學習和智慧感測器，已廣泛應用在稻米、小麥機能性食品的研發，提升栽培、加工和品質檢測效率。結合光譜分析後，分析更快又不破壞樣品，有助解決產量低或過度加工等問題。不過，目前還有應用受限、資料不足和成本高等挑戰。未來隨AI進步，預期會成為研發關鍵推手。 PubMed DOI

大型語言模型（LLMs）在自然語言處理很強，但在植物育種的應用還有很大發展空間。這篇綜述說明LLMs能協助分析複雜生物資料、預測重要性狀，並整合基因體和環境等多元資料，有助於提升基因發現和決策效率。文章也討論目前進展、挑戰及未來展望，期望推動永續農業與糧食安全。 PubMed DOI

這篇文章整理了最新AI技術，像是深度學習、大型語言模型和多模態模型，如何徹底改變植物疾病偵測和抗病性預測。內容涵蓋AI在疾病辨識、組學資料分析和性狀選拔的進展，也討論多元資料整合的應用。文中同時指出資料、模型和隱私等挑戰，並提出未來可結合大型語言模型與聯邦學習。整體來說，這是加速抗病作物育種的實用參考。 PubMed DOI

這篇論文提出 VisionTrack 多模態 AI 系統，能整合影像、臨床資料和醫療報告，提升視網膜疾病診斷的準確度。系統結合 CNN、GNN 和 LLM 技術，在公開資料集上測試表現優異，展現早期偵測和個人化眼科照護的應用潛力。 PubMed DOI