[1] 张学博,朱成姝,刘晓,等. 数字医疗发展态势与展望[J]. 生命科学,2025,37(1):67-76. [2] 张荣江,耿鸿武,王学锋. 中国输血行业发展报告(2024)[M]. 北京:社会科学文献出版社,2024:166-175. [3] Katsoulakis E,Wang Q,Wu H M,et al.Digital twins for health:a scoping review[J]. NPJ Digit Med,2024,7(1):77. [4] Zhang J Q,Du Y Y,Li J,et al.Stage-dependent neural mechanisms in human methamphetamine abstinence:insights from the digital twin brain model[J]. Biol Psychiatry,2025,98(8):634-645. [5] Lei Z C,Zhou H,Dai X R,et al.Digital twin based monitoring and control for DC-DC converters[J]. Nat Commun,2023,14(1):5604. [6] Zhang K,Zhou H Y,Baptista-Hon D T,et al. Concepts and applications of digital twins in healthcare and medicine[J]. Patterns,2024,5(8):101028. [7] Elkefi S,Asan O.Digital twins for managing health care systems:rapid literature review[J]. J Med Internet Res, 2022,24(8):e37641. [8] Coorey G,Figtree G A,Fletcher D F,et al.The health digital twin:advancing precision cardiovascular medicine[J]. Nat Rev Cardiol,2021,18(12):803-804. [9] 赵霞,曹晓均,李小华. 医学数字孪生应用研究与关键技术探析[J]. 医学信息学杂志,2023,44(4):12-16. [10] 陈亚飞,刘琼,关双,等. 医学数字孪生方法及其应用[J]. 协和医学杂志,2023,14(6):1155-1161. [11] 陈岳飞,王思思,田明棋,等. 数字孪生技术在医疗健康领域的应用及研究进展[J]. 计量科学与技术,2021,65(10):6-9. [12] 王博. 数字孪生技术在产业数字化进程中的应用价值与潜在风险研究[J]. 信息系统工程,2025(3):121-124. [13] 陈娟,赵作彦,田金玥,等. 基于机器学习的南京地区献血者精准招募方法的建立和应用[J]. 临床输血与检验, 2024,26(4):535-543. [14] 李聚林. 献血管理与临床输血安全[J]. 微创医学,2018, 13(5):571-575. [15] Al-Riyami A Z,Gammon R R,Seheult J,et al. Artificial intelligence and transfusion education,research and practice:The view from the ISBT Clinical Transfusion Working Party[J]. Vox Sang,2025.doi:10.1111/vox. 13793. [16] 肖潇,陈雪梅,陈龙,等. 输血信息管理系统对输血工作的优化效果[J]. 影像研究与医学应用,2018,2(8):19-21. [17] 周文彪. 输血存在的问题及提高输血质量策略研究[J]. 中国卫生产业,2017,14(15):127-128. [18] 邓伟,曾艳,邓涛,等. 机器学习算法在建立术中输血模型中的应用[J]. 中国医院统计,2025,32(1):31-38. [19] 周虹,王全立,詹林盛,等. 血液安全与保障——军事医学科学院输血研究进展[J]. 中国科学(生命科学),2011, 41(10):832-837. [20] 贾洪娟,白雪,韩硕. 浅谈输血存在的问题及提高输血质量策略研究[J]. 世界最新医学信息文摘,2019,19(15):227-228. [21] 陈珊,刘景福,李珍,等. 食管癌围手术期患者输血预测模型的建立[J]. 临床输血与检验,2023,25(6):743-748. [22] 任立明. 浅谈输血感染和输血安全[J]. 中国卫生产业, 2017,14(12):28-29. [23] 陈妍,谯铭铭,王玉霞,等. 新时期采供血机构感染防控现状与展望[J]. 临床输血与检验,2025,27(3):319-325. [24] 李飞. 医学数字孪生场景下健康数据的风险与治理[J]. 信息安全研究,2024,10(7):682-688. [25] 欧洋,邵艳梅. 医疗数字孪生技术的利维坦式隐忧与思考[J]. 医学与哲学,2025,46(8):12-17. [26] Coorey G,Figtree G A,Fletcher D F,et al.The health digital twin to tackle cardiovascular disease-a review of an emerging interdisciplinary field[J]. NPJ Digit Med, 2022,5(1):126. [27] Zhang J Q,Wang J T,Sun Z X,et al. FastDINOv2:frequency based curriculum learning improves robustness and training speed[EB/OL].2025:arXiv:2507.03779. https://arxiv.org/abs/2507.03779. [28] Ghouri A M,Khan H R,Mani V,et al.An Artificial-Intelligence-Based omnichannel blood supply chain:A pathway for sustainable development[J]. J Bus Res, 2023,164:113980. [29] Li N,Goel R,Raza S,et al.Artificial intelligence and machine learning in transfusion practice:an analytical assessment[J]. Transfus Med Rev,2025,39(4):150926. [30] Page K M,Mendizabal A,Betz-Stablein B,et al.Optimizing donor selection for public cord blood banking:influence of maternal,infant,and collection characteristics on cord blood unit quality[J]. Transfusion, 2014,54(2):340-352. |