• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

A benchmarking crisis in biomedical machine learning.

作者信息

Mahmood Faisal

机构信息

Mass General Brigham, Harvard Medical School and the Broad Institute of Harvard and MIT, Cambridge, MA, USA.

出版信息

Nat Med. 2025 Apr;31(4):1060. doi: 10.1038/s41591-025-03637-3.

DOI:10.1038/s41591-025-03637-3
PMID:40200055
Abstract
摘要

相似文献

1
A benchmarking crisis in biomedical machine learning.生物医学机器学习中的基准测试危机。
Nat Med. 2025 Apr;31(4):1060. doi: 10.1038/s41591-025-03637-3.
2
Recommendations for machine learning benchmarks in neuroimaging.神经影像学中机器学习基准的建议。
Neuroimage. 2022 Aug 15;257:119298. doi: 10.1016/j.neuroimage.2022.119298. Epub 2022 May 10.
3
CuMiDa: An Extensively Curated Microarray Database for Benchmarking and Testing of Machine Learning Approaches in Cancer Research.CuMiDa：一个经过广泛整理的微阵列数据库，用于癌症研究中机器学习方法的基准测试和验证。
J Comput Biol. 2019 Apr;26(4):376-386. doi: 10.1089/cmb.2018.0238. Epub 2019 Feb 21.
4
Dyport: dynamic importance-based biomedical hypothesis generation benchmarking technique.Dyport：基于动态重要性的生物医学假说生成基准测试技术。
BMC Bioinformatics. 2024 Jun 13;25(1):213. doi: 10.1186/s12859-024-05812-8.
5
ML-Net: multi-label classification of biomedical texts with deep neural networks.ML-Net：基于深度神经网络的生物医学文本多标签分类
J Am Med Inform Assoc. 2019 Nov 1;26(11):1279-1285. doi: 10.1093/jamia/ocz085.
6
Benchmarking machine learning models for late-onset alzheimer's disease prediction from genomic data.基于基因组数据的迟发性阿尔茨海默病预测的机器学习模型基准测试。
BMC Bioinformatics. 2019 Dec 16;20(1):709. doi: 10.1186/s12859-019-3158-x.
7
radMLBench: A dataset collection for benchmarking in radiomics.radMLBench：用于放射组学基准测试的数据集集合。
Comput Biol Med. 2024 Nov;182:109140. doi: 10.1016/j.compbiomed.2024.109140. Epub 2024 Sep 12.
8
Benchmarking cesarean delivery rates using machine learning-derived optimal classification trees.利用机器学习衍生的最优分类树对剖宫产率进行基准测试。
Health Serv Res. 2022 Aug;57(4):796-805. doi: 10.1111/1475-6773.13921. Epub 2022 Jan 12.
9
BioADAPT-MRC: adversarial learning-based domain adaptation improves biomedical machine reading comprehension task.BioADAPT-MRC：基于对抗学习的领域自适应提高生物医学机器阅读理解任务。
Bioinformatics. 2022 Sep 15;38(18):4369-4379. doi: 10.1093/bioinformatics/btac508.
10
Benchmarking and Testing Machine Learning Approaches with BARRA:CuRDa, a for Cancer Research.
J Comput Biol. 2021 Sep;28(9):931-944. doi: 10.1089/cmb.2020.0463. Epub 2021 Jul 14.

引用本文的文献

1
Real AI advances require collaboration.真正的人工智能进步需要合作。
Nat Rev Chem. 2025 Sep;9(9):573-574. doi: 10.1038/s41570-025-00750-2.
2
Benchmarking the AI-based diagnostic potential of plasma proteomics for neurodegenerative disease in 17,170 people.对17170人的血浆蛋白质组学用于神经退行性疾病的基于人工智能的诊断潜力进行基准测试。
medRxiv. 2025 Jul 1:2025.06.27.25330344. doi: 10.1101/2025.06.27.25330344.

本文引用的文献

1
A foundation model for generalizable disease detection from retinal images.基于视网膜图像的通用疾病检测的基础模型。
Nature. 2023 Oct;622(7981):156-163. doi: 10.1038/s41586-023-06555-x. Epub 2023 Sep 13.
2
Foundation models for generalist medical artificial intelligence.通用型医学人工智能的基础模型。
Nature. 2023 Apr;616(7956):259-265. doi: 10.1038/s41586-023-05881-4. Epub 2023 Apr 12.
3
Multimodal biomedical AI.多模态生物医学人工智能。
Nat Med. 2022 Sep;28(9):1773-1784. doi: 10.1038/s41591-022-01981-2. Epub 2022 Sep 15.