本文综述了深度学习插补方法，提出了分类法并评估其优缺点。实证实验表明，插补效果受数据类型和缺失率影响，强调选择方法时需考虑具体情况。此外，介绍了TSGBench基准，评估合成时间序列生成方法的有效性，并提出新的插补方法TDI，提升了临床数据的风险预测准确性。