深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 9603 篇文献，本页显示第 781 - 800 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-07-03 |
Artificial intelligence in the care of systemic lupus erythematosus: Current capabilities and translational barriers
2026-Aug, Lupus
IF:1.9Q3
DOI:10.1177/09612033261454511
PMID:42161343
|
综述 | 这篇综述批判性地评估了人工智能在系统性红斑狼疮临床工作流程中的应用现状，包括计算表型、诊断、疾病活动监测、器官特异性预测建模和治疗个性化，并讨论了从模型到临床实践的转化障碍 | 系统性地分析了人工智能在系统性红斑狼疮整个临床工作流程中的方法学成熟度，强调了外部验证、前瞻性测试、算法公平性、可解释性和监管状态的不足 | 大多数人工智能模型缺乏外部验证，没有工具获得监管批准，受影响最严重的人群在训练数据中代表性不足 | 评估人工智能在系统性红斑狼疮临床工作流程中的应用证据，并识别转化的关键障碍 | 系统性红斑狼疮的临床工作流程，包括诊断、监测、预测建模和治疗个性化 | 机器学习 | 系统性红斑狼疮 | NA | LSTM, 深度学习 | 文本, 图像 | 多中心研究, 包括3个外部中心 | NA | LSTM | C-index, AUC | NA |
| 782 | 2026-07-03 |
Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review
2026-Jul, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251317521
PMID:39960227
|
综述 | 基于数字图像分析的人工智能糖尿病足筛查系统综述 | 系统评估了2018-2023年间基于数字图像分析的AI模型在糖尿病足筛查中的应用，重点分析了热成像技术和深度学习方法的性能 | 仅纳入9篇符合标准的研究，数据来源有限；未深入评估临床适用性、伦理问题和患者数据安全性 | 识别基于数字图像分析的AI模型在糖尿病足筛查中的发展现状 | 2018-2023年间发表的糖尿病足AI筛查相关研究文献 | 计算机视觉 | 糖尿病 | 数字图像分析 | 人工神经网络（ANN）、卷积神经网络（CNN） | 热成像图像 | NA | MATLAB | NA | 准确率 | NA |
| 783 | 2026-07-03 |
DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks
2026-Jul, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2512448
PMID:40448687
|
research paper | 提出一种结合预训练语言模型和多窗口卷积神经网络的框架，用于快速准确识别细胞因子受体蛋白 | 首次专门针对细胞因子受体蛋白进行分类，结合预训练语言模型（ProtTrans和ESM变体）捕捉蛋白质序列的生化上下文，并使用多窗口CNN提取局部和全局序列模式 | 未在论文摘要中明确说明 | 开发一种高效计算方法，用于从其他膜蛋白中区分细胞因子受体蛋白 | 细胞因子受体蛋白 | machine learning | NA | 蛋白质序列分析 | CNN, 预训练语言模型 | 蛋白质序列 | NA | NA | 多窗口卷积神经网络（mCNN）, ProtTrans, ESM | AUC | NA |
| 784 | 2026-07-03 |
Predicting postrestorative facial appearance in edentulous patients using deep learning: A prospective cohort study
2026-Jul, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.10.053
PMID:41330832
|
研究论文 | 开发双向深度学习模型FacePointNet，预测无牙颌患者修复后的面部外观变化 | 首次提出点集神经网络FacePointNet，利用双向配准子网络和复合损失函数实现无牙颌患者修复后面部形态的精准预测 | 样本量有限（16例），需扩大数据集、整合生物力学数据并优化动态建模以提升整体预测鲁棒性 | 通过深度学习模型预测无牙颌患者修复后的面部变化，优化修复前规划和患者沟通 | 16例无牙颌患者的修复前后三维面部扫描数据 | 计算机视觉 | 无牙颌 | 3D面部扫描 | CNN | 3D点云数据 | 16例无牙颌患者 | PyTorch | PointNet | 倒角距离（CD）、欧氏距离（ED）、视觉相似度评分（VSS） | NA |
| 785 | 2026-07-03 |
Applicability of mitotic figure counting by deep learning: a development and pan-cancer validation study
2026-Jul, FEBS open bio
IF:2.8Q3
DOI:10.1002/2211-5463.70210
PMID:41676879
|
研究论文 | 开发了一种基于深度学习的核分裂计数方法，并在七种癌症类型中进行泛癌验证 | 首次在多个外部验证数据集中评估深度学习核分裂计数方法的预后影响，并扩展到前列腺癌等更多癌种 | 结直肠癌中核分裂计数与患者预后无显著相关性 | 评估深度学习核分裂计数方法在不同癌症类型中的预后价值 | 来自13个患者队列的14,571个样本，涵盖七种癌症类型 | 数字病理学 | 乳腺癌, 结直肠癌, 前列腺癌, 肺癌, 肾癌, 膀胱癌, 子宫内膜癌 | HE染色全切片图像 | 深度学习 | 图像 | 14,571名患者样本，来自13个队列，七种癌症类型 | NA | NA | 单变量Cox生存分析 | NA |
| 786 | 2026-07-03 |
Deep learning-based object detection of dental implant systems in panoramic and periapical radiographs
2026-Jul, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2026.01.029
PMID:41692618
|
研究论文 | 开发并评估基于深度学习的模型，用于在口腔全景和根尖片中自动识别七种牙种植体系统 | 首次将YOLOv10架构应用于牙种植体系统的自动检测，实现了多类别高精度识别，并利用迁移学习和数据增强优化了不平衡数据集的分类性能 | Nobel种植体因样本稀疏和相似不透射性模式导致召回率较低（72.7%），且未涉及三维影像和异构数据集验证 | 提升牙种植体系统识别的诊断效率，支持修复科临床决策 | 七种牙种植体系统（Adin、Dentium、Dionavi、MIS、Nobel、Noris、Osstem）在口腔全景和根尖片中的图像 | 计算机视觉 | 牙科疾病 | NA | CNN | 图像 | 4677张匿名放射影像，包含8189个种植体 | PyTorch | YOLOv10（CSPDarknet、PANet） | 精确度、召回率、F1分数、平均精度均值 | NVIDIA T4 GPU |
| 787 | 2026-07-03 |
Current Status and Future Perspective for Bladder Cancer MR Imaging and the Vesical Imaging-Reporting and Data System (VI-RADS) in Japan: Challenges and Solutions
2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2025-0213
PMID:41741147
|
综述 | 综述了膀胱癌多参数磁共振成像及VI-RADS系统的现状、挑战及未来展望 | 聚焦日本医疗体系特点，针对MRI质量控制不均、亚专科放射科医生短缺等壁垒提出本土化解决方案，并探讨基于AI的预测模型和MRI引导临床路径等前沿方向 | 非系统性叙述性综述，未采用系统检索方法，可能遗漏部分关键文献；观点基于日本情况，普适性有限 | 阐述VI-RADS的基本原理、当前证据及实施障碍，并提出日本未来发展路径 | 膀胱癌患者的mpMRI检查及VI-RADS分期系统 | 数字病理学 | 膀胱癌 | 多参数磁共振成像、深度学习图像重建、扩散频谱成像、动态对比增强技术 | 深度学习、人工智能预测模型 | 图像 | NA | NA | NA | 诊断性能、可重复性 | NA |
| 788 | 2026-07-03 |
Dosimetry Analysis of 177Lu-PSMA-I&T in Patients with Low-Volume Oligometastatic Hormone-Sensitive Prostate Cancer: A Secondary Analysis of the LUNAR Trial
2026-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.271467
PMID:41927282
|
研究论文 | 分析低体积寡转移激素敏感性前列腺癌患者接受177Lu-PSMA-I&T治疗后的剂量学数据，基于LUNAR试验的二次分析 | 首次在低体积寡转移激素敏感性前列腺癌患者中详细报告177Lu-PSMA-I&T的器官和病灶吸收剂量，并评估其与疗效的关系 | SPECT空间分辨率有限，部分容积效应可能导致小体积病灶的剂量低估 | 评估177Lu-PSMA-I&T在低体积寡转移激素敏感性前列腺癌患者中的器官和病灶吸收剂量，支持治疗安全性 | 低体积寡转移激素敏感性前列腺癌患者 | 医学影像 | 前列腺癌 | SPECT/CT定量成像，177Lu-PSMA-I&T放射性核素治疗 | 深度学习辅助分割 | 影像数据 | 45名患者，123个病灶 | NA | 深度学习分割模型（未具体说明） | 吸收剂量（Gy/GBq） | NA |
| 789 | 2026-07-03 |
Image Quality and Diagnostic Performance of Accelerated T2-weighted Imaging of Prostate with Deep Learning Reconstruction: A Comparative Study
2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0210
PMID:42021109
|
研究论文 | 比较基于深度学习重建的加速T2加权成像与传统T2加权成像在诊断性能上的非劣效性 | 首次评估深度学习重建算法加速T2加权涡轮自旋回波成像在保持与常规TSE相当的图像质量和诊断性能的同时，减少约60%的采集时间 | 单中心回顾性研究，样本量较小（60例），且未纳入外部验证队列 | 评估深度学习重建加速T2加权前列腺MRI的图像质量和诊断性能，并与传统成像方法比较 | 60例接受前列腺MRI检查的患者，所有患者均获取三种T2加权图像集（DLR-TSE、conv-TSE、non-DLR-TSE） | 计算机视觉 | 前列腺癌 | 深度学习重建 | 深度学习重建模型 | 图像 | 60例患者 | NA | 深度学习重建网络 | ROC曲线下面积, 敏感性, 特异性, 准确率, 加权卡帕统计量 | NA |
| 790 | 2026-07-03 |
Engineering biomarker representations of vital signs data enhances deep learning mortality prediction
2026-Jul-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocag066
PMID:42068567
|
研究论文 | 使用双向长短期记忆模型预测住院患者死亡率，并比较不同生命体征数据处理方法的效果 | 通过将生命体征数据转化为生物标志物表示（扩展自PhysioZoo软件的数字血氧生物标志工具包），提升了深度学习模型的死亡率预测性能 | 未提及具体限制，可能包括数据集来源单一或模型泛化性需进一步验证 | 评估不同生命体征数据处理方法对深度学习模型预测住院患者死亡率的影响 | ICU住院患者入院后24小时内的生命体征数据 | machine learning | NA | NA | 双向长短期记忆网络 | 时间序列生命体征数据（血压、心率、体温、呼吸频率、血氧饱和度） | 两个大型ICU数据集（HiRID和eICU），具体样本量未提及 | NA | 双向长短期记忆网络 | 区分度、Brier分数 | NA |
| 791 | 2026-07-03 |
Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat
2026-Jul, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.73549
PMID:42212808
|
研究论文 | 受肌肉纤维定向结构启发，开发出一种超可拉伸芳纶摩擦电气凝胶，并用于智能车辆座椅的实时驾驶行为监测与振动反馈 | 首次利用程序化冰晶生长实现98%的取向拟合度（比传统冷冻铸造高2.6倍），使气凝胶达到539%的极限应变；首次在单一传感器界面中结合深度学习实现实时驾驶行为监测与振动反馈 | 未提及具体局限，但需注意有序结构在长期循环下的稳定性以及实际车辆环境中温度、湿度等因素对性能的影响 | 开发超可拉伸摩擦电气凝胶传感器，用于智能驾驶系统中不安全驾驶行为的识别与预警 | 超可拉伸芳纶摩擦电气凝胶及基于该材料的传感阵列 | 机器学习 | NA | NA | 深度学习 | 信号（摩擦电传感数据） | NA | NA | NA | 应变（539%）、取向拟合度（98%） | NA |
| 792 | 2026-07-03 |
Telomere-to-telomere assembly using HERRO-corrected Nanopore Simplex reads
2026-Jul, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10563-y
PMID:42045451
|
研究论文 | 本文展示了利用深度学习框架HERRO校正纳米孔单链读段，实现端粒到端粒装配的方法 | 开发出基于深度学习的HERRO框架，仅用超长ONT单链读段即实现与PacBio HiFi或ONT双链读段相当的端粒到端粒装配质量，降低了成本和DNA需求量 | 未提及具体限制，可能涉及读长长度限制或对高质量参考基因组的依赖 | 实现经济高效的端粒到端粒基因组装配，仅使用校正后的ONT单链读段 | 人类二倍体基因组及其他物种基因组 | 机器学习 | 不适用 | 纳米孔测序（ONT，包括R9.4.1和R10.4.1化学试剂），深度学习错误校正 | 深度学习模型（HERRO框架） | 纳米孔单链测序读段 | 多个人类基因组样本（具体数量未提及） | PyTorch（推测，HERRO框架基于深度学习） | HERRO框架（校正模型），Verkko装配器 | NGA50（归一化基因组装配50值），读段准确度提升倍数（高达100倍） | 不适用（未提及具体GPU或平台信息） |
| 793 | 2026-07-03 |
Achieving precise m6A RNA modification prediction from nanopore signals through integration with pre-trained foundation model
2026-Jul, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.152629
PMID:42162588
|
研究论文 | 提出NanoFM，一种结合RNA结构基础模型与纳米孔信号特征的深度学习预测器，实现精准的m6A RNA修饰预测 | 首次将RNA结构基础模型与原始纳米孔信号特征融合，克服了现有方法忽视RNA序列特征和结构影响的局限 | NA | 实现从纳米孔信号直接预测m6A RNA修饰，提高预测精度并降低假阳性率 | m6A RNA修饰位点 | 机器学习 | NA | 纳米孔测序 | 深度学习 | 电信号 | NA | NA | RNA结构基础模型 | 预测精度 | NA |
| 794 | 2026-07-03 |
Automated detection and characterization of small cell lung cancer liver metastasis on computed tomography
2026-07-01, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253310
PMID:41049163
|
研究论文 | 提出一种基于CT影像自动检测和表征小细胞肺癌肝转移的计算方法 | 首次将深度学习分割与影像组学结合，基于神经内分泌相关基因表达谱对SCLC肝转移病灶进行分子表型分类 | 数据集规模有限（仅86例SCLC患者），且未提及模型泛化性验证及临床部署的可行性 | 开发AI辅助系统，通过影像组学特征预测SCLC肝转移的神经内分泌表型，以指导靶向治疗 | 小细胞肺癌肝转移患者的CT影像病灶 | 计算机视觉 | 小细胞肺癌 | CT影像 | 深度学习分割算法、影像组学机器学习分类器 | 医学影像（CT）、基因表达数据（RNA-seq、cfDNA ChIP-seq） | 公开数据集131例（多种癌症类型）、机构队列86例（SCLC） | NA | 深度学习分割模型（未明确指定架构）、LASSO回归、影像组学机器学习分类器 | 灵敏度（66%-83%）、AUC（0.73）、F1分数（0.88） | NA |
| 795 | 2026-07-03 |
Landmark-based deep learning for radiographic screening for developmental dysplasia of the hip in infants: Development and external evaluation with IHDI-guided triage
2026-Jul, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association
IF:1.5Q3
DOI:10.1016/j.jos.2026.01.009
PMID:41714232
|
研究论文 | 开发并验证基于深度学习的系统，用于婴儿发育性髋关节发育不良的X线筛查，并提出两步分诊策略 | 首次结合IHDI分级与深度学习，实现婴儿髋关节放射学筛查，并预设两步分诊策略以优化临床工作流程 | 回顾性单中心研究，需前瞻性多中心验证，且阈值需根据年龄和地区调整 | 开发并验证基于深度学习的X线诊断支持系统，实现婴儿发育性髋关节发育不良的筛查分诊 | 年龄2-12个月婴儿的1188张前后位骨盆X线片 | 计算机视觉 | 发育性髋关节发育不良 | X线成像 | 深度学习 | 图像 | 1188张X线片，分为三个非重叠测试子集（各50张）和训练验证集 | NA | NA | 类内相关系数, 二次加权kappa, 灵敏度, 特异度 | NA |
| 796 | 2026-07-03 |
Detecting Distant Metastases in Prostate Cancer Using Whole-body MR Imaging Together with DWIBS (Diffusion-weighted Imaging with Background Body Signal Suppression)
2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2025-0180
PMID:41850822
|
综述 | 讨论全身磁共振成像结合背景抑制弥散加权成像（DWIBS）用于检测前列腺癌远处转移的临床应用及前景 | 总结了DWIBS技术在前列腺癌骨转移检测中的快速发展，并展望了深度学习及定量成像对自动化病灶提取与体积分析的推动作用 | 手动处理及机构间标准化不足仍是限制广泛临床采用的障碍 | 探讨WB-MRI与PSMA PET联合整合以提升诊断准确性、支持个体化治疗，并建立下一代成像标准 | 前列腺癌患者的远处转移（特别是骨转移） | 计算机视觉 | 前列腺癌 | 磁共振成像（WB-MRI）、弥散加权成像（DWIBS） | NA | 影像 | NA | NA | NA | NA | NA |
| 797 | 2026-07-03 |
Integrating Artificial Intelligence into Prostate MR Imaging: Technical Foundations, Clinical Applications, and Workflow Implications
2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2025-0209
PMID:41882853
|
综述 | 本文综述人工智能在前列腺MRI中的技术基础、临床应用及工作流整合的意义 | 系统总结了AI在人机协作模式、非增强MRI支持、以及临床变量整合用于风险评估中的最新应用，并特别强调了AI作为决策支持工具而非替代角色的定位 | 研究设计异质性大、前瞻性验证有限、跨机构通用性不足，以及伦理和监管挑战 | 全面评估AI整合入前列腺MRI路径中的技术基础、临床应用和工作流影响 | 前列腺MRI中的AI技术及应用，包括图像质量评估与重建、自动化分割、病灶检测和风险分层 | 医学影像分析 | 前列腺癌 | MRI | 机器学习和深度学习模型 | MRI图像 | NA | NA | NA | NA | NA |
| 798 | 2026-07-03 |
YOLO-APLD: A Lightweight Apple Leaf Disease Detection Model Based on Multiscale Feature Fusion
2026-Jun, Plant disease
IF:4.4Q1
DOI:10.1094/PDIS-07-25-1440-RE
PMID:41275355
|
研究论文 | 提出一种基于改进YOLOv8n的轻量化苹果叶部病害检测模型YOLO-APLD，通过多尺度特征融合提升检测精度并减少参数 | 首次在YOLOv8n骨干网络输出端嵌入EP-C2f增强模块以强化局部和结构特征表示，结合Focal-SIoU损失函数联合优化边界框回归与分类，引入双向特征金字塔网络实现高效多尺度特征融合，并使用Slim-neck结构简化特征融合架构以缩小模型体积 | 未明确讨论在极端光照、遮挡或复杂背景等真实果园环境下的鲁棒性，也未与其他轻量级检测模型（如MobileNet-SSD）进行全面对比 | 开发一种轻量级、高精度的苹果叶部病害自动检测算法，为果园精准施药和现场病害监测提供技术支持 | 苹果叶部病害的精准识别与定位 | 计算机视觉 | 苹果叶部病害（包括锈病、花叶病、褐斑病、白粉病、疮痂病、轮纹斑病、灰斑病） | 深度学习目标检测 | 改进YOLOv8n（YOLO-APLD） | 图像 | 未明确说明具体样本数量，但使用苹果叶部病害数据集（含多种病害类别）进行实验，并额外用葡萄和番茄数据集验证泛化性 | PyTorch | YOLOv8n（改进版，含EP-C2f模块、双向特征金字塔网络、Slim-neck结构） | 精确率、召回率、平均精度均值（mAP）、F1分数 | 边缘计算设备（未指定具体型号），检测帧率90.3 f/s |
| 799 | 2026-07-03 |
CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years?
2026-Jun, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.34450
PMID:41636571
|
综述 | 本文综述了过去25年来CT辐射剂量降低技术的进展，并确保诊断性能不受影响 | 系统总结了从2000年代至今辐射剂量降低的关键里程碑和技术创新，强调了客观任务型图像质量评估的重要性，特别是针对新兴的深度学习重建方法 | 未提供具体实验数据或定量比较结果，可能缺乏对特定技术效果的深入分析 | 回顾CT辐射剂量降低技术的进展，评估其对图像质量和诊断性能的影响 | CT辐射剂量降低技术及其在各解剖部位常规检查中的应用 | 机器学习, 计算机视觉 | NA | CT, 光子计数探测器CT, 迭代重建, 深度学习重建 | 卷积神经网络 | 图像 | NA | NA | 深度学习网络 | 成像质量, 诊断性能 | NA |
| 800 | 2026-07-03 |
Dynamic mechanism for subtype selectivity of endocannabinoids
2026-Jun, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2026.111434
PMID:41962866
|
研究论文 | 通过分子动力学模拟和马尔可夫状态模型，揭示内源性大麻素anandamide对CB1受体的亚型选择性机制 | 首次提出并验证了内源性大麻素选择性亚型的两种假说：配体结合路径上的焓变差异和结合口袋体积差异导致的熵效应 | 未明确提及 | 阐明内源性大麻素anandamide对CB1受体选择性结合的生物物理机制 | 大麻素受体CB1和CB2的内源性配体anandamide | 分子动力学模拟 | NA | 分子动力学模拟，马尔可夫状态建模，深度学习VAMPnets，相对自由能计算 | 马尔可夫状态模型，VAMPnets | 分子动力学轨迹 | 约0.9毫秒的分子动力学模拟数据 | PyTorch | VAMPnets | NA | NA |