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
1421	2026-09-18	PD-YOLO: a high-precision detection network for fine-grained lung cancer and multi-scale pulmonary nodules in CT images 2026-Jun-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58746-x PMID:42331889	研究论文	本文提出了一种名为PD-YOLO的高精度检测网络，通过将A2C2f_DFFN、SPPF_LSKA和DySample三个模块集成到YOLOv12n框架中，用于CT图像中细粒度肺癌和多尺度肺结节的检测	主要创新在于三个互补模块的协同优化：A2C2f_DFFN模块利用动态前馈网络增强低对比度早期病变的非线性特征表示；SPPF_LSKA模块将空间金字塔池化与大分离核注意力结合，以极低计算开销扩展有效感受野；DySample超轻量动态上采样模块自适应重建高分辨率特征，减轻边缘纹理和微小浸润的损失	论文未明确说明局限性	解决现有深度学习模型在CT图像肺结节检测中难以在计算成本、感受野大小和精细细节精确重建之间取得最优平衡的问题，实现高精度细粒度肺癌检测	CT图像中的肺癌病变和肺结节	计算机视觉, 医学图像分析	肺癌	CT扫描	CNN	图像	4200张胸部CT图像	NA	YOLOv12n, A2C2f_DFFN, SPPF_LSKA, DySample	mAP@0.5	NA
1422	2026-09-18	FD-MSP: feature decoupling network with multi-scale prototypes for domain-adaptive polyp segmentation 2026-Jun-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02446-5 PMID:42321673	研究论文	提出了一种特征解耦网络与多尺度原型（FD-MSP）方法，用于跨域息肉分割的无监督域适应	1. 结构上重新设计UDA流程，将特征分布对齐与多尺度语义原型学习显式解耦；2. 引入双流浅层编码器解耦模块，通过对抗对齐和像素级正交正则分离域不变特征与设备相关变化；3. 提出在线伪融合适配器，基于类别置信度门控融合离线软标签与当前预测；4. 设计多尺度分组原型层（三组七个原型），通过扩张卷积捕获多粒度息肉模式；5. 采用双分支门控头自适应融合卷积和原型预测	未明确说明	解决无监督域适应下息肉分割中域不变与域特定特征纠缠以及单尺度特征无法捕获息肉尺寸变化的问题	结肠镜图像中的息肉	计算机视觉	结直肠癌	深度学习，无监督域适应	CNN，多尺度原型网络	图像	三个公共结肠镜数据集	未明确说明	双流浅层编码器，多尺度分组原型层，双分支门控头	未明确说明	未明确说明
1423	2026-09-18	Denoising of 4D dynamic PET images using spatiotemporal regularization with integrated temporal restoration (SPRINTER) 2026-Jun-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00898-w PMID:42315816	研究论文	该论文提出了一种新型的时空去噪方法SPRINTER，用于4D动态PET图像去噪，该方法整合了解剖先验、自监督自适应主成分分析和深度学习，以提高图像质量并保持时间活动保真度。	SPRINTER整合了解剖先验、自监督自适应主成分分析和深度学习，利用时空正则化进行4D动态PET去噪，不依赖真实数据。	未明确提及。	提高4D动态PET图像质量，保留时间活动保真度，增强临床实用性和定量准确性。	4D动态PET脑部图像。	医学图像处理	NA	4D动态PET成像	ResUNet	图像	220名参与者的脑部扫描数据集	NA	3D ResUNet	SNR, NRMSE, CNR, SSIM	NA
1424	2026-09-18	A multimodal epilepsy dataset of paired 3-Tesla and 7-Tesla MRI and intracranial EEG 2026-Jun-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07540-5 PMID:42259832	研究论文	该研究发布了一个包含30名耐药性局灶性癫痫患者的配对3T和7T MRI及颅内脑电的多模态数据集，并展示了利用深度学习从3T合成7T T1w图像的潜在应用	提供了同一批癫痫患者的配对3T和7T MRI多模态数据（包括T1w、T2w、FLAIR、rs-fMRI），并结合颅内脑电数据，同时展示了从3T合成7T T1w图像的深度学习应用	样本量较小（30名患者），仅有15名患者具有颅内脑电数据	整合多模态数据集以促进癫痫研究，特别是将电生理学与影像学相关联，并推动未来多尺度分析	30名耐药性局灶性癫痫患者（18名女性，平均年龄38.8±11.7岁），其中15名后续接受了颅内脑电监测	数字病理学, 机器学习	癫痫	3T MRI, 7T MRI, T1加权成像, T2加权成像, FLAIR, 静息态功能MRI, 颅内脑电	深度学习模型	图像, 信号	30名癫痫患者的配对3T和7T MRI数据，其中15名患者的颅内脑电数据	NA	NA	NA	NA
1425	2026-09-18	Deep learning-based spatiotemporal estimation of lesion changes for patient-level assessment of breast cancer lung metastases on longitudinal CT 2026-Jun-08, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01473-3 PMID:42260099	研究论文	该文章提出了一种基于深度学习的无需配准的患者级时空评估框架，用于分析纵向CT图像上乳腺癌肺转移病灶的变化	无需图像配准的患者级时空评估框架，能够处理大小不一、与血管和骨骼等复杂结构重叠的转移病灶，并避免配准误差	未明确提及	开发一种患者级框架，用于纵向监测乳腺癌肺转移病灶的演变，以辅助治疗监测	乳腺癌肺转移患者	医学图像分析、数字病理学	乳腺癌、肺癌	纵向CT成像	深度学习	图像（CT）	北京协和医院乳腺癌肺转移数据集和公开数据集；四个医疗中心的多中心验证	NA	NA	优于现有最先进方法	NA
1426	2026-09-18	A deep learning system for bacterial identification and resistance prediction from MALDI-TOF data 2026-Jun-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02879-w PMID:42260134	研究论文	开发了一个名为ANTIBIOTIC的深度学习系统，直接从原始MALDI-TOF质谱数据中识别细菌种类、预测抗菌药物耐药性并推荐抗生素	利用MALDI-TOF质谱数据中未充分利用的信息，构建了深度学习系统同时实现细菌鉴定和耐药性预测，并整合大语言模型提供抗生素推荐聊天机器人	耐药性预测模型在时间外部数据上性能显著下降（AUC从0.94降至0.55），即使微调后也仅提升至0.61，需要定期更新以维持性能	开发深度学习系统从MALDI-TOF质谱数据中识别细菌种类、预测抗菌药物耐药性，并推荐抗生素	MALDI-TOF质谱数据，包括公共数据集DRIAMS（2015-2018）和本地医院数据集NTUHYL（2017-2023）	机器学习	细菌感染	MALDI-TOF质谱	LightGBM, Temporal Convolutional Network, 大语言模型	质谱数据	89,026条来自NTUHYL数据集的MS记录，以及公共数据集DRIAMS	NA	LightGBM, Temporal Convolutional Network, 大语言模型	AUC	NA
1427	2026-09-18	Understanding the spatial determinants of the Oxford Classic prognostic signature for high-grade serous ovarian cancer 2026-Jun-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01708-1 PMID:42251166	研究论文	该研究开发了Sig-ZIB-VAE深度学习方法，对94例高级别浆液性卵巢癌的空间转录组数据进行分析，揭示了EMT细胞的空间组织特征及其与预后的关系	首次将零膨胀Beta变分自编码器应用于空间转录组数据解卷积，揭示了Oxford Classic预后特征在肿瘤微环境中的空间组织模式，发现空间免疫细胞组织指标比单独的EMT比例具有更强的预后判别能力	样本量相对有限（94例肿瘤），未在独立队列中验证空间指标的预后价值，深度学习解卷积方法的泛化性有待进一步评估	探索Oxford Classic预后特征所定义的转录程序在高级别浆液性卵巢癌肿瘤微环境中的空间组织模式及其预后意义	94例高级别浆液性卵巢癌（HGSOC）肿瘤样本	空间转录组学	卵巢癌	空间转录组学，转录组学	变分自编码器（VAE）	空间转录组数据，临床数据，分子数据	94例肿瘤	NA	Sig-ZIB-VAE	NA	NA
1428	2026-09-18	Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05249-4 PMID:41217478	研究论文	开发深度学习模型在动态对比增强MRI中自动检测肝细胞癌，并分析其在患者和病灶级别的性能	使用注意力U-Net模型在动态对比增强MRI中自动检测肝细胞癌，并在患者和病灶级别评估性能，与nnU-Netv2相比有显著提升	回顾性研究，样本量相对较小，需要进一步验证	开发深度学习模型用于肝细胞癌自动检测	肝细胞癌患者	计算机视觉, 数字病理学	肝癌	动态对比增强MRI	CNN	图像	363名患者（58±11岁；284名男性；247个病灶）	NA	注意力U-Net, nnU-Netv2	灵敏度, 特异性, 平均假阳性数, 阳性预测值, 阴性预测值, AUC, FROC曲线, ROC曲线	NA
1429	2026-09-18	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	本文验证了基于深度学习的全自动模型在全身CT图像上检测和分割淋巴结的性能，并比较了全剂量与模拟降低剂量CT的影响。	研究了深度学习模型在降低剂量CT上的淋巴结分割性能，并比较了仅使用全剂量CT训练与使用全剂量和降低剂量CT联合训练的效果。	降低剂量导致图像质量下降，影响淋巴结描绘，模型性能随剂量降低而下降。	验证全自动深度学习模型在全剂量和模拟降低剂量CT上检测和分割淋巴结的性能。	淋巴结	医学图像分割	淋巴结疾病	CT	nnU-Net	3D CT图像	训练集：90例CT扫描；内部验证集：61例CT扫描；外部验证集：120例CT扫描（TCIA Mediastinal LNQ数据集）；共标注15,341个淋巴结	NA	3D nnU-Net	精确率, 灵敏度, Dice相似系数, Hausdorff距离	NA
1430	2026-09-18	Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review 2026-Jun, European journal of neurology IF:4.5Q1 DOI:10.1111/ene.70661 PMID:42237746	系统综述	该文章系统回顾了机器学习在中央嗜睡障碍诊断和分型中的应用，分析了现有研究的局限性和未来方向	首次系统性地综述机器学习在中央嗜睡障碍诊断和分型中的应用，涵盖神经影像、睡眠评估、人口统计学和标准化问卷等多种数据源，并评估了监督学习和无监督学习在该领域的表现	许多研究虽然报告了高准确率，但临床相关性常因僵化的诊断标签而受限，这些标签可能无法反映中央嗜睡障碍的真实复杂性；深度学习模型的黑箱性质和高数据需求阻碍了临床应用；大多数研究对NT1表现良好，但在其他CDH亚型中的泛化能力有限	系统探索机器学习在中央嗜睡障碍中的应用现状，评估其局限性，并提出未来发展方向	中央嗜睡障碍（CDH）患者，包括发作性睡病1型（NT1）和其他CDH亚型	机器学习	睡眠障碍	机器学习	监督学习，无监督学习，深度学习	影像（fMRI、PET），睡眠评估数据（MSLT、多导睡眠图），人口统计学数据，标准化问卷	3274篇研究中筛选出41篇符合纳入标准（37篇同行评审文章和4篇预印本）	NA	NA	准确率	NA
1431	2026-09-18	Benchmarking co-folding methods to predict the structures of covalent protein-ligand complexes 2026-May, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01721-5 PMID:41526649	研究论文	文章介绍了CoFD-Bench基准数据集，用于系统评估经典对接方法和深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能	首次构建了包含218个近期解析的共价复合物的综合基准数据集CoFD-Bench，系统比较了经典对接方法与深度学习共折叠模型在共价复合物预测中的表现，并发现AF3可通过非共价共折叠识别天然共价残基	共折叠方法对新型口袋-配体对的性能显著下降，且计算效率低于经典方法，难以进行大规模预测	系统评估和比较经典对接方法与深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能，为未来基于共折叠的靶向共价抑制剂设计提供指导	共价蛋白质-配体复合物，包括218个近期解析的共价复合物结构	机器学习	NA	NA	深度学习共折叠模型	分子结构数据	218个近期解析的共价复合物	NA	AlphaFold3 (AF3), Chai-1, Boltz-1x	配体RMSD, 蛋白质-配体相互作用恢复率, 计算效率	NA
1432	2026-09-18	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-04-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究开发并验证了一种基于迁移学习的深度学习模型，用于检测左心室收缩功能障碍，并通过患者个性化重校准方法提高预测准确性	引入了基于纵向患者数据的重校准方法，结合历史左心室射血分数测量值和先前的AI-ECG输出，以调整未来预测，从而经验性地减轻混杂效应，并实施了预训练以增强模型性能	摘要中未明确提及	介绍并验证一种使用纵向患者数据的重校准方法，以提高预测准确性，并模拟其在持续监测中的临床实用性	来自韩国2家医院的患者，使用配对的经胸超声心动图和心电图数据	医学人工智能	心血管疾病	心电图、经胸超声心动图、迁移学习	深度学习模型	心电图信号、超声心动图数据	摘要中未明确提及具体样本量	NA	DeepECG LVSD模型	曲线下面积（AUC）	NA
1433	2026-09-18	Automated Objective Scoring of Osteoarthritis Severity in Mouse Medial Tibial Cartilage Using Deep Learning 2026-Apr-24, Cartilage IF:2.7Q1 DOI:10.1177/19476035261435798 PMID:42028840	研究论文	本研究开发和优化了一个深度学习模型，用于自动化小鼠内侧胫骨软骨的OARSI组织学评分，以评估骨关节炎严重程度	结合VGG16回归模型进行水平软骨对齐和YOLO-v7检测胫骨软骨区域，通过旋转和裁剪调整生成标准化数据集，显著提高了软骨退化评分的准确性	初始分类准确率较低，需要扩大数据集来提升模型性能；模型精度和召回率仍有提升空间	开发自动化深度学习模型，用于小鼠内侧胫骨软骨的OARSI组织学评分，以评估骨关节炎严重程度	小鼠内侧胫骨软骨组织切片图像	数字病理学	骨关节炎	番红O染色组织学成像	CNN	图像	来自520只小鼠的1000个膝关节的2788张图像	NA	VGG16, YOLO-v7	平均绝对误差, 精确率, 召回率, F1分数, 准确率	NA
1434	2026-09-18	Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species 2026-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag086 PMID:41964531	研究论文	该研究使用深度卷积神经网络检测伊比利亚猞猁和欧亚猞猁两个物种间基因渗入的基因组区域，并分析其模式与后果	应用深度卷积神经网络识别基因组中基因渗入信号的具体区域，而非仅检测全基因组水平的渗入；发现伊比利亚猞猁和西欧欧亚猞猁中超过6%的基因组存在来自另一物种的渗入，而东欧欧亚猞猁仅为2%；揭示西欧欧亚猞猁在遗传上最接近欧亚猞猁基因渗入的来源（可能已灭绝的类群）；发现渗入区域局部遗传多样性提升约3倍，包括伊比利亚猞猁的MHC区域	未明确说明深度卷积神经网络模型的具体结构细节和超参数；样本量和种群数量的具体信息未在摘要中提供；可能已灭绝的源种群推断基于间接证据，缺乏直接验证	表征种群规模历史上较低且近期急剧下降导致遗传侵蚀的物种中基因渗入的模式和后果，以伊比利亚猞猁和欧亚猞猁为案例	伊比利亚猞猁和欧亚猞猁的三个种群	机器学习	NA	全基因组测序分析，深度卷积神经网络	CNN	基因组序列数据	NA	NA	深度卷积神经网络	NA	NA
1435	2026-09-18	Carafe2 enables high quality in silico spectral library generation for timsTOF data-independent acquisition proteomics 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714846 PMID:41959400	研究论文	该文章介绍了 Carafe2，一个基于深度学习的软件，能够直接从 timsTOF DIA 原始数据生成高质量、实验特异性的谱图库，包含保留时间、碎片离子强度和离子淌度注释。	Carafe2 首次支持 timsTOF DIA 数据，能够直接从 Bruker .d 原始数据生成谱图库，无需数据转换，并针对 DIA 数据微调保留时间、碎片离子强度和离子淌度预测模型，克服了基于 DDA 数据训练的模型在 DIA 数据上的偏差。	摘要中未明确提及研究的局限性。	扩展 Carafe 以支持 timsTOF DIA 数据的谱图库生成，并验证其性能。	timsTOF DIA 蛋白质组学数据，包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组数据集。	计算蛋白质组学	NA	数据非依赖采集（DIA）蛋白质组学，捕获离子淌度谱（TIMS）	深度学习模型	质谱数据	多个 timsTOF DIA 数据集（包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组）	NA	NA	NA	NA
1436	2026-09-18	Identifying key convection-sensitive oceanic regions to weaken the ENSO spring predictability barrier 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2512725123 PMID:41838918	研究论文	该研究通过引入海表温度范围指数识别对对流敏感的关键海洋区域，并利用LSTM模型提高ENSO春季预测能力	提出海表温度范围指数（SRI）量化有利于对流的SST空间范围，并发现东太平洋中部超过26°C和东大西洋超过28.5°C的区域对触发持续强对流至关重要	未明确提及	识别对对流敏感的关键海洋区域以减弱ENSO春季可预测性障碍	厄尔尼诺-南方涛动（ENSO）现象及相关的海表温度和对流活动	机器学习	NA	海表温度范围指数（SRI）分析	LSTM	海表温度数据、对流数据	NA	NA	LSTM	预测技巧	NA
1437	2026-09-18	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	本文提出了一种基于YOLOv5轨道定位网络和进化策略训练的二分类器的两步半自动化深度学习框架，用于在脑部MRI上检测脉络膜转移瘤	提出了一种新颖的层次化深度学习框架，采用先定位后分类的序贯策略，结合YOLOv5进行轨道定位以隔离感兴趣区域，并利用数据高效的进化策略解决小数据集训练中的过拟合和欠拟合问题	数据集规模较小（97例患者的386张T2加权脑MRI轴位切片用于定位，33例正常和33例含脉络膜转移的脑MRI用于分类），模型无法区分左右眼眶导致mAP(0.5:0.95)较低	利用人工智能区分包含正常眼眶和脉络膜转移瘤的脑部MRI扫描，以提高脉络膜转移瘤的检测率	脑部MRI扫描中的眼眶区域及脉络膜转移瘤	计算机视觉	脉络膜转移瘤	MRI	CNN	图像	97例患者的386张T2加权脑MRI轴位切片（定位网络），33例正常和33例含脉络膜转移的脑MRI（分类网络）	NA	YOLOv5, CNN	准确率, mAP(0.5:0.95), AUC, 敏感度, 特异度	NA
1438	2026-09-18	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	该研究利用人工智能驱动的nnUNet模型对胎儿脑MRI中的脑室进行分割和体积量化，建立正常参考范围，以预测胎儿脑室扩大及出生后脑脊液干预需求	首次将nnUNet深度学习模型应用于胎儿脑室分割，并基于自动分割体积建立跨孕龄的正常参考标准，用于预测胎儿脑室扩大及出生后脑脊液干预需求	回顾性研究设计，样本量相对有限（222例），仅使用20例手动分割的机构MRI与80例公共数据集训练模型，需进一步外部验证	开发一种基于人工智能的方法，对胎儿脑MRI中的脑室进行分割、体积量化和分类，以预测胎儿脑室扩大及出生后是否需要手术干预	222例单胎妊娠患者的胎儿脑MRI，包括138例正常胎儿、64例脑室扩大胎儿（其中14例需要出生后干预）	数字病理学	胎儿脑室扩大	胎儿脑MRI	CNN	图像	222例单胎妊娠胎儿脑MRI（20例手动分割机构MRI + 80例公共数据集训练，138例正常胎儿用于建立参考范围，64例脑室扩大胎儿用于评估，其中14例需要出生后干预）	NA	nnUNet	Dice系数, AUC, 灵敏度, 特异度	NA
1439	2026-09-18	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	该研究评估了深度学习重建（DLR）的高分辨率3D重T2加权TSE MRI序列在显示内耳迷路结构方面的效果，并与传统3D-T2序列进行了比较	将深度学习重建技术应用于高分辨率3D重T2加权TSE序列，在不延长采集时间的情况下提高空间分辨率，从而更详细地显示迷路微解剖结构，并以内耳离体9.4T MRI作为解剖学参考	DLR仍无法提供完整的解剖评估；球囊显示困难，半规管仅部分显示，耳蜗顶转显示不佳；需要进一步技术改进	评估DLR高分辨率3D-T2 MRI序列对迷路结构的显示能力，与传统3D-T2序列对比，以在不延长采集时间的前提下提高空间分辨率，获得更详细的迷路微解剖视图	患者内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊斑和球囊斑、膜性半规管和壶腹神经	计算机视觉, 医学图像处理	内耳疾病	3D重T2加权TSE MRI, 深度学习重建, 离体9.4T MRI	深度学习重建	MRI图像	NA（涉及患者和离体标本，具体样本量未在摘要中说明）	NA	NA	4分定性评分（结构可见度等级）	NA
1440	2026-09-18	CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning 2026-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.108896 PMID:41189712	研究论文	本文提出了一种结合CNN和Autoformer的混合深度学习框架CNN-Autoformer，用于基于EEG的自动癫痫发作检测和定位	结合了CNN的跨通道空间特征提取能力和Autoformer的自相关机制与趋势-季节性分解，用于建模EEG的复杂时空动态，并生成与专家标注一致的发作起始热图实现定位	摘要中未明确提及局限性	解决现有深度学习方法在噪声和非平稳EEG信号中建模复杂时空动态的困难以及发作起始区定位能力有限的问题	多通道EEG信号	机器学习	癫痫	EEG	CNN, Autoformer	信号	CHB-MIT公共数据集和专有SH-SDU数据集，具体样本量未在摘要中提及	NA	CNN, Autoformer	准确率, 灵敏度, 特异性, 精确率, F1分数, 每小时误报事件数	NA