期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改良牙冠延长术及桩核冠修复保留外伤上颌侧切牙的临床效果观察(附1例2年随访报告)
1
作者
石宇彤
王翠
+1 位作者
江雨荷
胡文杰
《中国实用口腔科杂志》
CAS
CSCD
2023年第3期307-311,共5页
牙外伤一直是口腔医生临床处置的难点。对于冠根折至龈下较深的外伤牙,需通过多学科综合评估,为最终保留创造修复条件。改良牙冠延长术通过少量去骨联合根面改形,拓宽了牙冠延长术的适应证,使冠根折断位于龈下较深的部分天然牙得以保留...
牙外伤一直是口腔医生临床处置的难点。对于冠根折至龈下较深的外伤牙,需通过多学科综合评估,为最终保留创造修复条件。改良牙冠延长术通过少量去骨联合根面改形,拓宽了牙冠延长术的适应证,使冠根折断位于龈下较深的部分天然牙得以保留。文章完整展示了1例外伤导致折裂的上颌侧切牙通过改良牙冠延长术及桩核冠修复恢复功能与美观的诊治过程,随访2年的临床效果令人满意,为推广此类病例实施改良牙冠延长术保留患牙提供了一定的经验。
展开更多
关键词
上颌侧切牙
改良牙冠延长术
冠根折
桩核冠
原文传递
基于多组学数据融合构建乳腺癌生存预测模型
被引量:
6
2
作者
齐惠颖
江雨荷
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019年第8期88-93,共6页
【目的】更好地预测乳腺癌生存期,探索融合多种组学数据利用机器学习方法构建乳腺癌生存预测模型。【方法】通过对TCGA数据库中乳腺癌的基因表达、拷贝数变异、DNA甲基化和蛋白质表达4种组学数据的融合,使用随机森林算法建立预测模型。...
【目的】更好地预测乳腺癌生存期,探索融合多种组学数据利用机器学习方法构建乳腺癌生存预测模型。【方法】通过对TCGA数据库中乳腺癌的基因表达、拷贝数变异、DNA甲基化和蛋白质表达4种组学数据的融合,使用随机森林算法建立预测模型。【结果】在测试数据集上该模型对乳腺癌分类预测的精确率为97.22%,召回率为98.13%。通过AUC值对比不同类型组合组学数据的预测性能,融合多组学数据的AUC值为0.8393,性能最好。【局限】由于样本数量的限制,模型普适性还有待进一步验证。【结论】融合多种组学数据构建乳腺癌预测模型是一种有效提高预测性能的方法。
展开更多
关键词
组学数据融合
随机森林
乳腺癌生存预测
原文传递
题名
改良牙冠延长术及桩核冠修复保留外伤上颌侧切牙的临床效果观察(附1例2年随访报告)
1
作者
石宇彤
王翠
江雨荷
胡文杰
机构
北京大学口腔医学院·口腔医院牙周科
北京大学口腔医学院·口腔医院修复科、国家口腔医学中心、国家口腔疾病临床医学研究中心、口腔数字化医疗技术和材料国家工程实验室、国家卫生健康委员会口腔医学计算机应用工程技术研究中心
北京大学国际医院口腔科
出处
《中国实用口腔科杂志》
CAS
CSCD
2023年第3期307-311,共5页
基金
国家科技基础资源调查专项(2018FY101003)
北京市卫健委住培质量提升探索及推广项目(住培-2022jy01203)
北京大学口腔医学院教改项目(2021-PT-04)。
文摘
牙外伤一直是口腔医生临床处置的难点。对于冠根折至龈下较深的外伤牙,需通过多学科综合评估,为最终保留创造修复条件。改良牙冠延长术通过少量去骨联合根面改形,拓宽了牙冠延长术的适应证,使冠根折断位于龈下较深的部分天然牙得以保留。文章完整展示了1例外伤导致折裂的上颌侧切牙通过改良牙冠延长术及桩核冠修复恢复功能与美观的诊治过程,随访2年的临床效果令人满意,为推广此类病例实施改良牙冠延长术保留患牙提供了一定的经验。
关键词
上颌侧切牙
改良牙冠延长术
冠根折
桩核冠
Keywords
maxillary lateral incisor
modified crown lengthening
crown-root fracture
post-core crown
分类号
R78 [医药卫生—口腔医学]
原文传递
题名
基于多组学数据融合构建乳腺癌生存预测模型
被引量:
6
2
作者
齐惠颖
江雨荷
机构
北京大学医学人文学院
北京大学医学部
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019年第8期88-93,共6页
基金
国家自然科学基金项目“基于组学大数据的免疫细胞及其亚群的标志分析系统分析与鉴定”(项目编号:31670947)的研究成果之一
文摘
【目的】更好地预测乳腺癌生存期,探索融合多种组学数据利用机器学习方法构建乳腺癌生存预测模型。【方法】通过对TCGA数据库中乳腺癌的基因表达、拷贝数变异、DNA甲基化和蛋白质表达4种组学数据的融合,使用随机森林算法建立预测模型。【结果】在测试数据集上该模型对乳腺癌分类预测的精确率为97.22%,召回率为98.13%。通过AUC值对比不同类型组合组学数据的预测性能,融合多组学数据的AUC值为0.8393,性能最好。【局限】由于样本数量的限制,模型普适性还有待进一步验证。【结论】融合多种组学数据构建乳腺癌预测模型是一种有效提高预测性能的方法。
关键词
组学数据融合
随机森林
乳腺癌生存预测
Keywords
Omics Data Fusion
Random Forest
Breast Cancer Survival Prediction
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
R737.9 [医药卫生—肿瘤]
原文传递
题名
作者
出处
发文年
被引量
操作
1
改良牙冠延长术及桩核冠修复保留外伤上颌侧切牙的临床效果观察(附1例2年随访报告)
石宇彤
王翠
江雨荷
胡文杰
《中国实用口腔科杂志》
CAS
CSCD
2023
0
原文传递
2
基于多组学数据融合构建乳腺癌生存预测模型
齐惠颖
江雨荷
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部