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 49123 篇文献，本页显示第 9941 - 9960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9941 | 2026-05-03 |
Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma
2025-10-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2024-0374-OA
PMID:39957180
|
研究论文 | 开发一种基于注意力机制的弱监督多示例学习深度学习模型，用于对肾嗜酸性肿瘤的全切片图像进行自动分类 | 将二分类模型扩展到三分类，新增了低级别嗜酸性肿瘤和嫌色细胞肾细胞癌类别 | 未提供具体局限性信息 | 开发自动计算分类器，对肾嗜酸性肿瘤的全切片图像进行分层分类 | 肾嗜酸性肿瘤（肾嗜酸细胞瘤、低级别嗜酸性肿瘤、嫌色细胞肾细胞癌）的全切片图像 | 数字病理学 | 肾癌 | 数字病理学（全切片成像） | 弱监督深度学习模型（多示例学习） | 图像（全切片图像） | 125个病例的269张全切片图像，来自6个机构 | NA | 注意力机制多示例学习网络 | 准确率、AUC（ROC曲线下面积） | NA |
| 9942 | 2026-05-03 |
Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume
2025-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30555
PMID:40312974
|
研究论文 | 开发了一种基于模型的自监督深度学习网络，用于同时定量评估心肌氧摄取分数和心肌血容量 | 将物理模型集成到自监督学习训练过程中，实现端到端同时生成心肌氧摄取分数和心肌血容量图像，无需像素级真实标签 | 仅基于10名健康受试者和10名心肌梗死患者的初步可行性验证，样本量较小 | 开发一种端到端同时定量评估心肌氧摄取分数和心肌血容量的深度学习方法 | 心肌氧摄取分数和心肌血容量的定量评估 | 机器学习 | 心肌梗死 | 非对称自旋回波序列 | 自监督深度学习网络 | 图像 | 10名健康受试者和10名心肌梗死患者 | NA | NA | 平均绝对误差、余弦相似度 | NA |
| 9943 | 2026-05-03 |
Optimization of a mobile imaging system to aid in evaluating patients with oral lesions in a dental care setting
2025-Oct, Biophotonics discovery
DOI:10.1117/1.BIOS.2.4.042307
PMID:42028297
|
研究论文 | 评估基于智能手机的mDOC自体荧光成像系统在社区牙科诊所中对口腔病变患者的检测能力，并优化转诊算法 | 开发了一种多输入深度学习算法，结合预训练和新采集数据的排练训练方法，专为低患病率人群设计，以提高口腔癌早期检测的准确性 | 样本量较小（50名患者，252个解剖部位），测试集敏感度较低（60.0%），可能需更大规模数据验证 | 评估并优化移动口腔癌检测（mDOC）系统，以支持非专业临床医生在社区牙科环境中做出适当的转诊决策 | 社区牙科诊所患者的口腔黏膜病变 | 计算机视觉 | 口腔癌 | 自体荧光成像 | 深度学习 | 图像（白光和自体荧光图像） | 50名患者共252个解剖部位 | NA | 多输入深度学习模型 | Brier技能评分，ROC曲线下面积（AUC-ROC），敏感度，特异度 | NA |
| 9944 | 2026-05-03 |
Artificial Intelligence Automation of Echocardiographic Measurements
2025-Sep-30, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.07.053
PMID:40914895
|
research paper | 开发并验证了用于超声心动图自动测量的开源深度学习语义分割模型EchoNet-Measurements | 首次提出开源深度学习语义分割模型，实现对18个解剖和多普勒超声心动图参数的自动化测量，并在大规模多中心数据集上验证了高准确性 | NA | 开发并验证用于超声心动图参数自动化测量的开源深度学习模型 | 超声心动图测量数据 | computer vision | cardiovascular disease | NA | deep learning semantic segmentation models | image | 来自Cedars-Sinai医疗中心的155,215项研究中的877,983个超声心动图测量数据，以及斯坦福医疗保健的外部验证集 | NA | EchoNet-Measurements | coverage probability, relative difference | NA |
| 9945 | 2026-05-03 |
Assessment of the efficacy and accuracy of cervical cytology screening with the Hologic Genius Digital Diagnostics System
2025-07, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.70022
PMID:40543043
|
研究论文 | 评估Hologic Genius数字诊断系统在宫颈细胞学筛查中的效能和准确性 | 验证了HGDDS作为独立系统在常规临床使用中的性能，展示了其接近100%的灵敏度和高阴性预测值 | 研究基于先前已审阅的样本，可能引入选择偏倚；未提及系统在不同人群或真实世界环境中的泛化能力 | 评估HGDDS在宫颈细胞学筛查中的诊断性能，以支持其部署于常规临床工作流 | 890份已审查并确诊的ThinPrep巴氏涂片样本 | 数字病理学 | 宫颈癌 | NA | NA | 图像 | 890份ThinPrep巴氏涂片样本 | NA | NA | 灵敏度, 阴性预测值 | NA |
| 9946 | 2026-05-03 |
CRoP: Context-wise Robust Static Human-Sensing Personalization
2025-Jun, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies
DOI:10.1145/3729483
PMID:42063619
|
research paper | 提出一种名为CRoP的静态个性化方法，通过在最小子网络上进行自适应剪枝，利用预训练模型作为通用起点，捕捉用户特定特征，同时允许在其余参数中融入通用知识，以应对人体感知中的用户内异质性问题 | 首次关注人体感知中用户内跨情境的异质性挑战，提出通过自适应剪枝在最小子网络上捕捉用户特定特征，同时保留通用知识的静态个性化方法 | 未明确讨论方法在极端数据稀疏或高度动态变化场景下的性能限制，可能对计算资源或剪枝策略的选择敏感 | 解决人体感知应用中用户内跨情境的泛化挑战，提高个性化模型在不同传感器数据下的鲁棒性 | 人体感知数据中的用户内异质性现象，特别是临床应用中因治疗进展等外部因素导致的感知属性变化 | machine learning | NA | NA | 预训练模型（具体未指定） | 传感器数据 | 四个数据集，包括两个来自真实健康领域的数据集 | NA | NA | 梯度内积分析、消融研究、与最先进基线的比较 | NA |
| 9947 | 2026-05-03 |
Diverging Effects of Violence Exposure and Psychiatric Symptoms on Amygdala-Prefrontal Maturation During Childhood and Adolescence
2025-May, Biological psychiatry. Cognitive neuroscience and neuroimaging
DOI:10.1016/j.bpsc.2024.08.003
PMID:39182725
|
研究论文 | 研究暴力暴露和精神症状对儿童青少年杏仁核-前额叶成熟的不同影响 | 利用深度学习构建神经发育模型，从杏仁核-前额叶静息态功能连接中预测年龄，揭示暴力暴露与精神症状对脑回路成熟的不同影响，并分离出延迟成熟与提前成熟的差异机制 | 未明确提及，但可能包括数据来源单一（PNC队列）、未考虑其他混杂因素等 | 探索暴力暴露和精神症状对杏仁核-前额叶回路成熟的不同影响机制 | 青少年人群，包括暴力暴露和未暴露者，以及有或无精神诊断者 | 机器学习 | 心理健康障碍 | 静息态功能磁共振成像 | 深度学习模型 | 脑影像数据 | 1133名青少年 | NA | NA | NA | NA |
| 9948 | 2026-05-03 |
Estimation of fatty acid composition in mammary adipose tissue using deep neural network with unsupervised training
2025-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30401
PMID:39641987
|
research paper | 提出一种基于无监督学习的深度神经网络FAC-Net，用于从乳腺脂肪组织的MRI数据中快速稳健地估计脂肪酸组成 | 采用物理基础的无监督深度学习网络估计脂肪酸组成，利用10个脂肪峰信号模型构建损失函数，无需标注数据训练 | 未明确讨论样本量较小（仅15名绝经后女性）以及因果推断的限制 | 开发一种基于深度学习的方法，用于稳健快速地估计乳腺脂肪组织中的脂肪酸组成 | 乳腺脂肪组织中的脂肪酸组成，包括饱和脂肪酸、单不饱和脂肪酸和多不饱和脂肪酸 | computer vision | breast cancer | MRI | CNN | image | 8种不同脂肪酸组成油类幻影模型和15名绝经后女性（8名对照组和7名癌症组） | NA | FAC-Net | R² | NA |
| 9949 | 2026-05-03 |
MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling
2025-May, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-024-01444-z
PMID:39870848
|
研究论文 | 提出一种名为MAI-TargetFisher的蛋白质组范围药物靶点预测方法，该方法通过人工智能和物理建模的协同增强实现 | 首次实现人类蛋白质组范围的药物靶点扫描方法 | NA | 提升药物开发成功率，早期定位药物靶点和检测潜在脱靶效应 | 人类蛋白质组中的药物靶点和潜在结合位点 | 机器学习 | NA | 蛋白质结构预测、人工智能、生物物理模型 | NA | 蛋白质结构数据、小分子化学数据 | 覆盖82%蛋白质编码基因的高质量蛋白质结构数据库 | NA | NA | 命中率、可靠性 | 可通过在线网络服务器访问 |
| 9950 | 2026-05-03 |
Automated detection and quantification of aortic calcification in coronary CT angiography using deep learning: A comparative study of manual and automated scoring methods
2025 May-Jun, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.02.003
PMID:39955204
|
研究论文 | 评估深度学习模型在冠状动脉CT血管造影中自动检测与量化主动脉钙化的性能，并与人工评分方法进行比较 | 首次系统比较深度学习自动评分与人工评分在主动脉钙化检测中的一致性，并验证其在预测重大不良心血管事件方面的等效性 | 未提及具体限制，但可能包括样本来源局限（仅两项研究）、未考虑不同CT扫描参数的影响等 | 评估深度学习模型自动检测与量化主动脉钙化的可靠性，以及其与人工评分在心血管风险预测中的一致性 | 冠状动脉CT血管造影图像中的主动脉钙化（包括主动脉根部、升主动脉和降主动脉） | 计算机视觉 | 心血管疾病 | 冠状动脉钙化扫描 | 深度学习模型 | 图像 | 670名参与者（来自CORE320和CORE64研究） | 未提及 | 未提及 | 一致性相关系数、Cox回归、ROC分析 | 未提及 |
| 9951 | 2026-05-03 |
Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography
2025-May, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.02.019
PMID:39983942
|
研究论文 | 利用深度学习模型基于前段光学相干断层扫描区分眼表鳞状细胞瘤、翼状胬肉和睑裂斑 | 首次使用Vision Transformer与掩码自编码器结合的方法处理AS-OCT图像，并在区分OSSN方面达到与专家相当的诊断性能 | 单中心回顾性研究，样本量有限，未提供临床图像或支持性临床数据给专家，模型在特异性上略低于专家 | 开发和验证基于深度学习的模型用于区分OSSN与翼状胬肉和睑裂斑 | 眼表鳞状细胞瘤、翼状胬肉和睑裂斑的AS-OCT图像 | 计算机视觉 | 眼表鳞状细胞瘤 | AS-OCT | Vision Transformer与掩码自编码器 | 图像 | 训练集105859张AS-OCT图像来自5746只眼；测试集566次扫描来自62只眼（48名患者） | NA | Vision Transformer, 掩码自编码器 | 准确率, 敏感性, 特异性, AUC | NA |
| 9952 | 2026-05-03 |
Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240303
PMID:40008976
|
研究论文 | 提出一种深度学习模型，从电影心脏MRI中推导对齐应变值，用于检测杜氏肌营养不良患者的心肌纤维化 | 基于深度学习的对齐应变技术能够识别传统方法常遗漏的舒张期异常变形模式，并显著提升检测心肌纤维化的特异性（40%）和整体准确率（17%） | 仅纳入单中心男性患者，样本量有限（139例），且未详细说明模型对保留射血分数患者的适用性及计算资源需求 | 开发非对比心脏MRI的深度学习方法，通过应变分析检测杜氏肌营养不良患者的心肌纤维化 | 139例杜氏肌营养不良男性患者的心脏MRI数据（2018年2月至2023年4月） | 医学影像分析 | 杜氏肌营养不良 | 电影心脏MRI | 卷积神经网络 | 心脏MRI图像 | 139例患者（57例用于有效性评估，82例用于重复性评估） | PyTorch | CNN | 准确率, F1分数, 灵敏度, 特异性 | NA |
| 9953 | 2026-05-03 |
Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis
2025-May, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105689
PMID:40090403
|
研究论文 | 利用可解释人工智能和三维形状分析量化腺样体肥大相关的上气道阻塞 | 结合多视角和点云方法的深度学习模型用于三维形状分析，并使用SurfGradCAM生成可解释性热力图 | 未在外部数据集或不同成像设备上验证模型的泛化能力 | 开发和验证一个可解释的人工智能模型，用于基于锥形束CT三维形状分析来分类和量化腺样体肥大相关的上气道阻塞 | 年龄5-18岁患者的400份锥形束CT扫描数据 | 计算机视觉, 机器学习 | 腺样体肥大 | 锥形束CT扫描 | 深度学习模型（多视角和点云方法） | 三维曲面网格数据 | 400份锥形束CT扫描数据 | PyTorch, TensorFlow | 多视角网络、点云网络 | AUC, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差, 相关系数 | NA |
| 9954 | 2026-05-03 |
Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease
2025-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103538
PMID:40121807
|
研究论文 | 提出一种基于图的原型逆投影深度学习模型，用于识别先天性心脏病患者脑沟模式异常 | 首次将原型图神经网络应用于脑沟模式分析，并创新性地提出原型逆投影方法，将原型投影到单个节点表示上以计算逆投影权重，提高了模型可解释性，且无需预定义参考集、图匹配耗时或均匀节点分布假设 | 未明确说明局限性 | 识别先天性心脏病患者的脑沟模式异常，提供神经发育差异的机制见解 | 健康对照组（174例，年龄15.4±1.9岁）和先天性心脏病患者（345例，年龄15.8±4.7岁），来自四个队列研究和公共数据集 | 机器学习 | 先天性心脏病 | NA | 图神经网络 | 脑沟模式图结构数据 | 519例（174例健康对照，345例先天性心脏病患者） | NA | 原型图神经网络 | 分类性能指标（未具体列出，但提及优于其他先进模型） | NA |
| 9955 | 2026-05-03 |
Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110052
PMID:40127518
|
研究论文 | 开发并验证了一种基于深度学习的全身18F-FDG PET/CT病变分割AI模型，适用于不同临床队列 | 提出了一种对疾病部位和位置无关的全身3D FDG-PET/CT自动病变分割深度学习模型，并在多个未见过的临床队列（包括骨肉瘤、神经母细胞瘤、儿童实体瘤和成人嗜铬细胞瘤/副神经节瘤）中进行了验证 | 模型在测试集和嗜铬细胞瘤队列中遗漏了小体积和低摄取的病灶，且因假阳性导致预测的总病灶糖酵解略高于真实值，需要专家手动检查 | 开发一个通用的、自动化的全身FDG-PET/CT图像病变分割AI模型，以支持癌症诊断和治疗评估 | 全身18F-FDG PET/CT图像中的病变区域 | 计算机视觉 | 骨肉瘤，神经母细胞瘤，儿童实体瘤，嗜铬细胞瘤/副神经节瘤 | FDG-PET/CT成像 | 3D U-Net (nnUNet) | 图像 (3D PET/CT) | 训练、验证和测试集共1014例全身FDG-PET/CT图像；额外评估队列包括骨肉瘤或神经母细胞瘤13例、儿童实体瘤14例、成人嗜铬细胞瘤/副神经节瘤40例 | nnUNet | 3D Full Resolution nnUNet | 灵敏度，Dice相似系数，p值 | NA |
| 9956 | 2026-05-03 |
Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240229
PMID:39969278
|
研究论文 | 开发了一种纵向感知分割网络（LAS-Net），用于自动量化儿童霍奇金淋巴瘤患者的序列PET/CT图像 | LAS-Net引入纵向交叉注意力机制，利用基线PET1图像特征指导中期PET2图像分析，实现多时间点PET指标的自动量化 | 外部测试队列性能略有下降，且样本量有限（297名患者） | 开发并验证一种能自动量化儿科霍奇金淋巴瘤序列PET/CT图像的深度学习分割模型 | 儿童霍奇金淋巴瘤患者的序列PET/CT图像（基线PET1和中期PET2） | 医学图像分析, 深度学习 | 霍奇金淋巴瘤 | PET/CT成像 | 卷积神经网络 | 医学图像 | 297名儿科患者（内部200名，外部97名） | NA | 纵向感知分割网络（LAS-Net） | Dice系数, F1分数, Spearman相关系数 | NA |
| 9957 | 2026-05-03 |
AI in SPECT Imaging: Opportunities and Challenges
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.03.005
PMID:40189986
|
综述 | 全面概述人工智能在SPECT成像中的应用进展，涵盖图像重建、增强、衰减校正、分割、疾病分类及多模态融合 | 系统综述了监督/无监督学习、图像合成、跨模态学习及自监督对比学习策略在SPECT成像中的创新应用，并探讨了基础模型和大语言模型用于知识驱动图像分析的未来方向 | 数据异质性、模型可解释性不足及计算复杂度高限制了AI方法的临床采纳，且缺乏标准化评估指标和大规模多模态数据集 | 总结AI驱动SPECT成像的技术进展，分析临床转化中的关键挑战并展望未来研究方向 | SPECT成像技术及其在心血管、神经、肿瘤疾病中的应用 | 计算机视觉 | 心血管疾病, 神经系统疾病, 肿瘤疾病 | SPECT成像 | 卷积神经网络, 生成对抗网络, Transformer | SPECT图像 | NA | NA | CNN, GAN, Transformer | NA | NA |
| 9958 | 2026-05-03 |
Using deep learning for estimation of time-since-injury in pediatric accidental fractures
2025-May, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06223-4
PMID:40258953
|
研究论文 | 使用深度学习模型估计儿童意外骨折的受伤时间 | 首次应用深度学习模型精确估计儿童意外长骨骨折的受伤时间，在分类和直接估计任务上均取得高于基线的表现 | 未具体说明，可能包括样本量有限、数据来自单一机构等 | 训练和验证深度学习模型以正确估计儿童意外长骨骨折的年龄 | 儿童意外长骨骨折的X光图像 | 计算机视觉 | 骨折 | X光成像 | 深度学习模型 | 图像 | 399名患者的2328张X光片 | NA | NA | 混淆矩阵、敏感性、特异性、激活图、平均绝对误差（MAE）、均方根误差（RMSE） | NA |
| 9959 | 2026-05-03 |
Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning
2025-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240714
PMID:40326877
|
研究论文 | 利用基于流体力学的生成对抗网络直接从解剖输入预测主动脉三维血流动力学 | 首次利用流体物理约束的循环生成对抗网络直接从三维主动脉解剖分割预测血流动力学，无需4D flow MRI，实现亚秒级计算 | 未明确讨论模型对极端解剖变异或低质量输入的鲁棒性，外部验证样本量有限（60例） | 评估基于物理信息的深度学习替代4D flow MRI量化主动脉血流动力学的可行性和准确性 | 主动脉血流动力学指标（速度矢量场、峰值速度、壁面剪切应力、主动脉瓣狭窄分级） | 计算机视觉 | 主动脉瓣疾病（二叶式主动脉瓣、三叶式主动脉瓣） | 4D flow MRI | 生成对抗网络（CycleGAN） | 三维图像（主动脉分割） | 1765例患者（994例BAV训练+248例测试；419例TAV训练+104例测试；外部验证60例） | PyTorch | FPI-CycleGAN | 偏倚、一致性界限、相关系数（ρ）、相对差异、κ系数 | GPU未具体说明，训练时间TAV网络1500分钟、BAV网络3600分钟，推理时间0.15秒 |
| 9960 | 2026-05-03 |
Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears
2025 May-Jun, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2023.10.007
PMID:40463611
|
研究论文 | 本研究尝试开发一种人工智能模型，用于从外周血涂片中自动筛查疟原虫 | 首次尝试开发一个完整模块，用于从自动显微摄影或全玻片图像中筛查疟原虫，并对比了五种深度学习模型的性能 | 研究中未提及数据集的多样性、模型泛化能力及实际临床应用中的挑战 | 开发自动化人工智能系统以替代人工筛查疟原虫，提高检测敏感性和特异性 | 疟原虫感染的红细胞（正常红细胞和寄生红细胞） | 计算机视觉 | 疟疾 | 显微镜血涂片图像 | 深度学习模型（深度卷积神经网络、Inception V3） | 图像 | 352张利什曼-吉姆萨染色外周血涂片图像 | NA | 深度卷积神经网络、Inception V3、分水岭变换 | 敏感性, 特异性 | NA |