深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
81	2026-10-09	LPC-transformer: a training strategy optimized framework for multiclass pneumonia medical image classification 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1960913 PMID:42839923	研究论文	该文章提出了LPC-Transformer框架，通过改进训练策略优化Swin Transformer，用于多类肺炎医学图像分类	提出LMF混合损失整合Focal Loss和LDAMLoss以缓解类别不平衡；采用SCION优化器稳定训练；在MLP模块中使用PolyReLU建模复杂非线性特征；在不加深网络的情况下提升性能	未明确提及	提高多类肺部疾病识别的分类准确率和泛化能力，增强临床决策支持价值	11类肺部CT图像	计算机视觉, 数字病理学	肺炎	深度学习	Swin Transformer	图像	CL-COVIDset包含11类肺部CT图像（具体数量未提及）	未明确提及	Swin Transformer	准确率, 召回率, 精确率, F1分数	未明确提及
82	2026-10-09	An optimized EfficientNetB7 deep learning model for lung cancer tissue pathology image recognition 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1862407 PMID:42839941	研究论文	该研究构建并优化了一个深度学习模型，用于识别肺癌病理图像并进行智能分类	对EfficientNetB7进行超参数调优，使其在独立验证集上的泛化能力显著优于九种基线模型和三种集成策略	需要多中心大样本临床验证以支持未来的临床转化	构建并优化深度学习模型以识别肺癌病理图像，为智能诊断提供技术支持	肺癌病理图像	数字病理学	肺癌	NA	CNN	图像	LC25000数据集用于训练，LungHist700数据集作为独立验证	NA	DenseNet201, EfficientNetB7, EfficientNetV2S, InceptionResNetV2, MobileNetV3Large, NASNetLarge, ResNet50V2, VGG19, Xception, XGBoost	F1分数, AUC, 准确率, 精确率, 召回率	NA
83	2026-10-09	Enhanced YOLOv8-seg-SPDConv for accurate Schatzker classification of tibial plateau fractures 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1843762 PMID:42839960	研究论文	本研究开发并验证了一种轻量级的YOLOv8n-seg-SPDConv模型，用于胫骨平台骨折的联合实例分割和Schatzker分型，使用552例患者的薄层轴位CT图像	将Space-to-Depth Convolution（SPDConv）模块集成到YOLOv8n-seg网络中，在保留亚2毫米皮质中断的同时降低模型复杂度，实现实时推理（226 FPS），适合资源受限平台部署	在简单线性骨折中观察到边际性能变化；模型性能在复杂低对比度亚型中提升显著，但在简单骨折类型上的改进有限	开发和验证一种轻量级深度学习模型，用于胫骨平台骨折的自动Schatzker分型，作为急诊和围手术期决策的实时临床辅助工具	552例独特患者的薄层轴位CT图像，每张图像根据Schatzker分型独立标注为六个临床相关类别	计算机视觉, 数字病理学	胫骨平台骨折	薄层轴位CT成像	CNN	图像	552例独特患者的轴位CT切片	PyTorch	YOLOv8n-seg, SPDConv	mAP50, 参数量, FLOPs, 推理速度（FPS）	边缘部署平台（资源受限平台）
84	2026-10-09	Automatic diagnosis of retinoblastoma and quantitative analysis of retinal vascular morphology using deep learning 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1962785 PMID:42840048	研究论文	本研究开发了一种基于DenseNet的深度学习人工智能系统，用于超广角眼底图像中视网膜母细胞瘤的自动诊断，并定量分析其视网膜血管形态特征	首次将基于DenseNet的卷积神经网络应用于超广角眼底图像中视网膜母细胞瘤的自动识别诊断，并结合数学模型对RB患者的视网膜血管形态特征进行定量分析	样本量相对较小（共433张图像，来自54例RB患者及健康对照），且为回顾性研究，测试集的特异性（0.79）相对较低	开发基于卷积神经网络的人工智能识别诊断系统，用于超广角眼底图像中视网膜母细胞瘤的自动诊断，并量化其血管形态特征	54例确诊为视网膜母细胞瘤的患者的183张超广角眼底图像，以及250张健康对照图像	计算机视觉	视网膜母细胞瘤	超广角眼底成像	CNN	图像	433张超广角眼底图像（183张来自54例RB患者，250张来自健康对照），其中277张用于训练，100张用于验证，56张用于测试	NA	DenseNet	灵敏度, 特异性, F1分数	NA
85	2026-10-09	Multi-omics graph attention network reveals neuro-immune-tumor pathways in breast cancer liver depression syndrome 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1873977 PMID:42840054	研究论文	该研究利用多组学图注意力网络（MOGAT）整合转录组、蛋白质组和代谢组数据，探索乳腺癌肝郁证候的神经-免疫-肿瘤相关分子通路	首次将图注意力网络与Transformer多头自注意力模块结合，用于中医证候的多组学数据整合分析，提出乳腺癌肝郁证的神经-免疫-肿瘤相关通路假说	样本量相对较小（146例），仅在内部五折交叉验证中评估，缺乏外部验证队列；证候诊断依赖中医辨证，可能存在主观性；MOGAT作为探索性工具，其发现的分子标志物尚未在独立队列中验证	探究乳腺癌肝郁证的分子机制，建立中医证候多组学数据与深度学习相结合的分析范式	乳腺癌肝郁证患者、乳腺癌非肝郁证患者及健康对照者的外周血样本	机器学习	乳腺癌	转录组学、蛋白质组学、代谢组学、酶联免疫吸附试验（ELISA）	图注意力网络（GAT）、Transformer	多组学数据（转录组、蛋白质组、代谢组）	146例参与者（乳腺癌肝郁证患者、乳腺癌非肝郁证患者及健康对照）的外周血样本	NA	Multi-Omics Graph Attention Network (MOGAT), Transformer	准确率（accuracy）	NA
86	2026-10-09	Frequency response compensation to optimize pretrained deep learning models in lung nodule malignancy classification 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1934912 PMID:42840124	研究论文	本文提出了一种频率响应双线性超前-滞后（BT-LL）EfficientNetB3框架，用于肺结节良恶性分类，通过频率补偿优化预训练深度学习模型的中间特征表示	将超前-滞后频率补偿机制集成到预训练特征提取过程中，Lag分量进行结构平滑以保留低频信息，Lead分量增强高频边界和纹理特征，并通过专门的融合操作将补偿后的表示与原始特征图整合；补偿滤波器为固定参数，避免了滤波操作中的额外参数学习	摘要中未明确提及研究局限性	提高肺结节良恶性分类的准确性，解决良恶性结节在纹理、边缘不规则性、边界锐利度和内部形态方面的细微差异难以被传统卷积特征提取充分表示的问题	肺部CT图像中的良恶性肺结节	数字病理学, 计算机视觉	肺癌	CT	CNN	图像	NA	NA	EfficientNetB3, 双线性超前-滞后（BT-LL）框架	准确率, 灵敏度, 特异性, F1分数, AUROC, 平衡准确率, McNemar检验, Holm校正, Cochran's Q检验	NA
87	2026-10-09	From time-series deep learning to physics-constrained population pharmacokinetics: AI-driven prediction of drug concentrations and exposure for model-informed dosing 2026, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2026.1963219 PMID:42840665	综述	综述了2019至2026年间从时间序列深度学习到物理约束群体药代动力学在药物浓度预测与模型引导给药中的应用，涵盖松散、中等和紧密耦合三个层次的机制-学习关系，以儿科抗癫痫药物（尤其是拉考沙胺、拉莫三嗪和奥卡西平）的治疗药物监测为引导临床场景	提出了机制-学习关系的三层次分类框架（松散耦合、中等耦合、紧密耦合），并基于预测准确性、外推能力、可解释性、数据需求、计算成本和临床可接受性对三个层次进行了系统比较，同时构建了研究级证据图谱和区分浓度预测、剂量推荐与临床获益的证据层级	机制约束在内分布准确性上相比经过良好调优的PopPK + MAPB估计提升有限，且若干重要结果仅基于预印本或合成数据验证，缺乏充分的临床验证	系统综述时间序列深度学习和物理约束群体药代动力学两条研究路线在药物浓度预测和模型引导给药中的进展，比较不同机制耦合层次的优劣，并绘制通向机制驱动、临床可部署精准给药系统的路线图	2019至2026年间关于时间序列深度学习和物理约束群体药代动力学的研究文献，临床应用场景聚焦于儿科抗癫痫药物治疗药物监测，主要涉及拉考沙胺、拉莫三嗪和奥卡西平	机器学习	癫痫	治疗药物监测（TDM）、群体药代动力学（PopPK）、贝叶斯最大后验估计（MAPB）、时间序列深度学习、物理信息神经网络（PINNs）、科学机器学习（SciML）	LSTM、神经常微分方程（neural-ODEs）、注意力机制架构、物理信息神经网络（PINNs）	纵向电子健康记录（EHR）数据、药物浓度数据	NA	NA	LSTM, 神经常微分方程（neural-ODEs）, 注意力机制架构, 物理信息神经网络（PINNs）	预测准确性、外推能力、可解释性、数据需求、计算成本、临床可接受性	NA
88	2026-10-09	Hematoma expansion in intracerebral hemorrhage: neuroimaging biomarkers, radiomics-based prediction models, and clinical translation 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1955696 PMID:42840687	综述	本文综述了脑出血后血肿扩大的神经影像学生物标志物、基于放射组学的预测模型及其临床转化进展	系统梳理了从单变量预测因子到人工智能整合系统的预测模型演进，特别关注生成式架构等新兴方法	作为叙述性综述，未进行系统性文献检索和定量综合分析	探讨血肿扩大预测模型的发展历程、验证现状及临床转化面临的方法学和实践障碍	脑出血患者、血肿扩大预测模型及相关临床研究	数字病理学	心血管疾病	CT血管造影、非增强CT、放射组学	机器学习、深度学习、生成式模型	图像	NA	NA	NA	NA	NA
89	2026-10-09	The impact of deep learning and omics data in transforming precision therapy for brain cancer 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1811813 PMID:42840693	综述	本文综述了深度学习和组学数据在脑癌精准治疗中的应用，涵盖多种组学模态的深度学习方法和整合多组学框架	系统综述了深度学习在不同组学模态中的应用，并深入探讨了整合多组学框架以提高诊断模型的准确性和可解释性	数据异质性、模型可解释性、计算资源需求和基因组数据使用的伦理问题	综述深度学习与高通量基因组学结合在脑癌精准肿瘤学中的应用，以提高诊断精度、预后准确性和个性化治疗开发	脑癌（脑肿瘤）	机器学习	脑癌	高通量基因组学、多组学数据（基因表达、体细胞突变、DNA甲基化、拷贝数变异、miRNA谱）	深度学习	组学数据	NA	NA	NA	NA	NA
90	2026-10-09	A structured and comprehensive review of Sino-Tibetan languages PoS taggers 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1869572 PMID:42840815	综述	本文全面综述了汉藏语系语言的词性标注方法，涵盖从基于规则到深度学习及Transformer模型的各类技术，并分析了现有数据集、模型性能及低资源语言的挑战	首次专门针对汉藏语系低资源语言的词性标注进行结构化全面综述，系统比较了不同方法的性能并指出了研究空白	作为综述文章，未提出新的模型或实验验证，主要依赖已有研究的报告结果，可能受限于原始研究的数据和质量	综述汉藏语系语言词性标注的现有方法、数据集和模型，识别研究差距和未来方向，以推动低资源语言词性标注系统的发展	汉藏语系语言的词性标注任务及相关研究	自然语言处理	NA	NA	CNN, LSTM, GAN, Transformer	文本	NA	NA	NA	准确率	NA
91	2026-10-09	Validating the Longitudinal Assessment of Sedentary Behavior in a Randomized Controlled Trial via a Deep Learning Algorithm 2026, Journal for the measurement of physical behaviour DOI:10.1123/jmpb.2025-0086 PMID:42840830	研究论文	本研究通过深度学习算法CHAP对外部随机对照试验中的久坐行为进行验证，评估其分类坐姿与非坐姿以及估计干预相关久坐行为变化的准确性	将先前开发的CHAP深度学习算法应用于独立随机对照试验进行外部验证，证明了CHAP在检测久坐行为干预变化方面优于传统切点方法AG100	CHAP的灵敏度低于activPAL设备，且研究中仅使用了臀戴ActiGraph-GT3X+加速度计数据	外部验证CHAP算法在随机对照试验中分类坐姿与非坐姿以及估计久坐行为干预相关变化的准确性	超重（≥55岁）绝经后女性的自由生活加速度计数据	机器学习	心血管疾病	加速度计	CNN	加速度计信号数据	406名参与者（来自Rise for Health随机对照试验）	NA	卷积神经网络	灵敏度	NA
92	2026-10-09	Exposure-shaped immunometabolic networks in chronic liver disease: translating multi-omics and artificial intelligence into preventive biomarkers 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1866951 PMID:42840869	综述	本综述将慢性肝病视为暴露塑造的免疫代谢网络状态，探讨如何通过多组学和人工智能整合暴露、免疫、代谢等多层次信息，开发面向预防的生物标志物	提出将慢性肝病重新概念化为暴露塑造的免疫代谢网络状态，强调跨脂肪变性、炎症、纤维化、肝硬化和肝细胞转化的连续性；系统整合暴露科学、多组学与人工智能，构建面向预防的生物标志物框架	需要更好的暴露评估、纵向采样、检测标准化以及跨真实世界人群可迁移的模型；当前多组学数据整合仍面临可解释性、队列结构和外部验证等挑战	探讨如何将多组学和人工智能转化为慢性肝病的预防性生物标志物，以早期识别易进展状态并指导监测、转诊、治疗选择或生活方式干预	慢性肝病患者及其多组学数据，涵盖脂肪变性、炎症、纤维化、肝硬化和肝细胞转化等疾病阶段	机器学习	慢性肝病	多组学（基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学、微生物组分析、单细胞和空间方法）	NA	多组学数据、暴露数据、临床数据	NA	NA	NA	NA	NA
93	2026-10-09	Advances in deep learning for antimicrobial research 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1934619 PMID:42840943	综述	本文综述了深度学习在抗菌研究中的应用现状，涵盖背景知识、相关案例研究和未来展望	系统全面地综述了深度学习在抗菌药物研究和耐药性预测中的应用，包括技术原理、案例研究和未来方向	作为综述文章，未涉及原始实验数据，可能受限于已发表文献的覆盖范围	综述深度学习在抗菌研究中的应用现状，为研究人员提供全面概述和建议	深度学习在抗菌研究中的应用，包括耐药性机制预测和抗菌药物发现	机器学习	NA	深度学习，测序技术	NA	文本	NA	NA	NA	NA	NA
94	2026-10-09	Quorum-sensing microbial dark matter enables core functions in wastewater microbiomes 2026-Jan, ISME communications IF:5.1Q1 DOI:10.1093/ismeco/ycag264 PMID:42841094	研究论文	该研究通过大规模宏基因组组装基因组分析，揭示了活性污泥中具有群体感应能力的微生物暗物质，并阐明其在废水微生物组中的核心功能	首次系统鉴定废水处理系统中具有群体感应能力的微生物暗物质谱系，发现127个新属，并揭示其在共现网络中的关键地位及广泛的交叉喂养代谢互作	基于宏基因组组装基因组的预测分析，缺乏纯培养验证和原位功能实验证据	探究废水微生物组中群体感应微生物暗物质的多样性、生态功能及其在群落代谢协调中的作用	69座全规模污水处理厂活性污泥中的微生物暗物质和群体感应细菌	微生物组学	NA	宏基因组组装基因组、基因组尺度代谢建模、深度学习、共现网络分析	深度学习模型	宏基因组序列数据	69座全规模污水处理厂，3569个高质量和中等质量宏基因组组装基因组，1289个具有QS能力的MDM谱系	NA	NA	NA	NA
95	2026-10-08	Artificial intelligence-supported total parenteral nutrition management in neonatal intensive care units: A systematic review of clinical efficacy, safety, and system integration 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106681 PMID:42697157	系统综述	本文系统综述了人工智能支持的新生儿重症监护病房全肠外营养管理的临床疗效、安全性及系统整合证据	综合评估了从CPOE自动化向深度学习模型演进的研究趋势，并提出三个优先研究方向：多中心随机对照试验、标准化TPN数据仓库和可解释AI设计	仅纳入十三项定量原始研究，证据确定性以中低为主，系统整合方面的GRADE证据质量较低，且仅三分之一的美国NICU使用了CDSS	综合评估AI支持的全肠外营养管理在新生儿重症监护病房中的临床疗效、患者安全及系统整合证据	新生儿重症监护病房中接受全肠外营养管理的新生儿	医学信息学	新生儿疾病	人工智能，机器学习，计算机化医嘱录入，临床决策支持系统	Transformer，机器学习算法	文本	13项定量原始研究，样本量范围为30至9330，另3项记录仅提供历史与架构背景	NA	Transformer	Pearson R，R2，用药错误率	NA
96	2026-10-08	Bridging the gap between model performance and clinical practice: A scoping review of artificial intelligence models for drug-drug interaction prediction 2026-Dec, Research in social & administrative pharmacy : RSAP IF:3.7Q1 DOI:10.1016/j.sapharm.2026.08.002 PMID:42581000	综述	本文是一项范围综述，系统梳理了基于人工智能的药物相互作用预测研究，分析了输入特征、训练策略、验证方法、性能指标及临床应用性	首次通过范围综述系统性地绘制了AI驱动DDI预测研究的方法学稳健性与临床就绪度之间的差距，揭示了外部验证和患者层面变量整合的严重不足	仅纳入五个数据库的963条记录中的131项研究，可能存在发表偏倚和选择偏倚；未进行定量荟萃分析；对模型可解释性和临床工作流整合的评估有限	绘制AI-based DDI预测研究的全景，评估其方法学稳健性和临床转化准备度，识别从算法性能到临床实践之间的转化差距	131项符合纳入标准的基于人工智能的药物相互作用预测研究	机器学习	NA	深度学习、监督学习	CNN, LSTM, GAN	文本、分子结构数据、知识库数据	963条筛选记录，最终纳入131项研究	NA	NA	AUROC, AUPR, F1-score	NA
97	2026-10-08	Noise removal and intensity inhomogeneity correction in brain MRI: A comprehensive review from classical filters to transformer and diffusion models 2026-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110779 PMID:42674231	综述	本文综述了151篇关于脑部MRI噪声去除和强度不均匀性校正的文献，涵盖从经典滤波器到Transformer和扩散模型的各类方法	对深度学习偏置场校正方法进行了独立分类（直接场回归、对抗翻译、联合估计、频域概率公式），并强调了监督方式而非架构是该领域的限制因素；同时系统梳理了2023-2026年最新模型如Swin-UNet Transformer、扩散概率模型和自监督框架等	仍存在跨扫描仪泛化、超越PSNR和SSIM的临床意义评估、以及缺乏公开可用的多厂商脑MRI去噪基准等开放挑战	综述脑部MRI中噪声去除和强度不均匀性校正的方法，从经典滤波器到最新的Transformer和扩散模型，并分析该领域的发展趋势和开放挑战	脑部MRI图像中的Rician噪声和强度非均匀性（偏置场）	医学图像处理	脑部疾病	磁共振成像	CNN, GAN, 去噪自编码器, Transformer, 去噪扩散概率模型, 自监督框架	图像	151篇出版物，涵盖1985年至2026年初的四十年间	NA	3D-Parallel-RicianNet, BM3D, Swin-UNet Transformer, Imaging Transformer, HTC-Net, CHARMS CNN-Transformer, 去噪扩散概率模型, Coil2Coil, SURE-Net, Rep2Rep, Efficient Collaborative Diffusion Model	PSNR, SSIM	NA
98	2026-10-08	Exposing and addressing the clinical safety gap in ESI-free emergency department triage: Imbalance-aware, interpretable deep learning 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106682 PMID:42691868	研究论文	该研究揭示了无ESI急诊分诊中准确率优化模型存在临床安全缺口，并提出使用不平衡感知训练和双注意力模型DA-V2来提高高风险患者检测率	首次暴露了无ESI急诊分诊中普遍存在的临床安全缺口，即AUROC接近0.80但高风险患者检测率低于1%；证明了不平衡感知训练而非特定架构是解决该缺口的关键；提出了可解释且经外部验证的DA-V2模型	外部验证仅基于代理标签且为近似检查；注意力与SHAP仅显示秩一致性，而非因果忠实性	暴露并解决无ESI急诊分诊中的临床安全缺口，评估不平衡感知训练对不同模型家族的效果	MIMIC-IV-ED中的成年急诊就诊记录以及NHAMCS-ED 2022数据	机器学习	NA	NA	双注意力模型, MLP, TabNet	表格数据	MIMIC-IV-ED中407,735次成年就诊；NHAMCS-ED 2022中12,598名成人	NA	DA-V2（双注意力模型）, MLP, TabNet	AUROC, 高风险召回率, Spearman相关系数	NA
99	2026-10-08	Multimodal multi-task deep learning for preoperative prediction of central and lateral lymph node metastasis in papillary thyroid carcinoma 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106700 PMID:42705040	研究论文	该研究开发了一种多任务深度学习模型，利用术前肿瘤超声和C6水平脂肪组织CT图像，预测甲状腺乳头状癌患者不同解剖部位的颈部淋巴结转移	构建了多任务特征交互网络（MT-FINet），整合肿瘤超声、脂肪CT和临床特征，并通过多任务策略缓解中央区和侧区淋巴结转移任务之间的特征竞争	回顾性研究设计，样本仅来自两个医疗中心，可能存在选择偏倚，外部验证集规模有限	开发多任务深度学习模型，用于甲状腺乳头状癌患者中央区和侧区淋巴结转移的术前预测	620例经病理确诊的甲状腺乳头状癌患者	医学图像分析，数字病理学	甲状腺癌	超声成像，CT成像，逻辑回归	多任务深度学习，ResNet50	图像，临床数据	620例经病理确诊的甲状腺乳头状癌患者，来自两个医疗中心	NA	ResNet50，多任务特征交互网络（MT-FINet）	AUC	NA
100	2026-10-08	Scalable multiple imputation for national-scale healthcare registries and EHR pipelines 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106717 PMID:42743616	研究论文	开发并评估了一个名为bigMICE的可扩展多重插补框架，用于在标准个人计算机上处理国家规模医疗登记和电子健康记录中的缺失数据	通过内存与存储之间的动态数据交换以及本地机器多线程分布式计算来限制内存使用，使MICE能够在大规模登记数据上运行，并且在插补质量和计算效率上优于传统MICE和深度学习方法MIWAE	未明确说明在不同数据模态或极端缺失模式下的适用性，也未详述对非数值型变量的支持情况	开发并评估一个可扩展的多重插补框架，使其能够在标准个人计算机上运行，适用于大规模医疗登记数据	瑞典国家糖尿病登记（NDR）数据集及其他登记数据	机器学习	糖尿病	多重插补链式方程（MICE）	NA	表格数据	来自瑞典国家糖尿病登记（NDR）的大型数据集，包含不同样本量、变量数和缺失水平	NA	NA	运行时间, 内存消耗, 插补质量	标准个人计算机