Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Ukraiński (UK)
Przejdź do strony domowej biblioteki Uniwersytet Ekonomiczny we Wrocławiu Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaUniwersytet Ekonomiczny we Wrocławiu

Wyszukujesz frazę ""Li, Saiyang"" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Correction to: Sunitinib-suppressed miR-452-5p facilitates renal cancer cell invasion and metastasis through modulating SMAD4/SMAD7 signals
    Autorzy:
    Zhai, WeiAff1, IDs1294302201568y_cor1
    Li, Saiyang
    Zhang, Jin
    Chen, Yonghui
    Ma, Junjie
    Kong, Wen
    Gong, Dongkui
    Zheng, Junhua
    Xue, WeiAff1, IDs1294302201568y_cor9
    Xu, YunfeiAff3, IDs1294302201568y_cor10
    Pokaż więcej
    Źródło:
    Molecular Cancer. 21(1)
    Czasopismo naukowe
    Pełny tekst  Link otwiera się w nowym oknieSzczegóły
    Tytuł:
    Monocyte Chemoattractant Protein-1 stimulates the differentiation of rat stem and progenitor Leydig cells during regeneration
    Autorzy:
    Zhan, XiangchengAff1, Aff2
    Zhang, Jingwei
    Li, SaiyangAff1, Aff4
    Zhang, Xiaolu
    Li, Linchao
    Song, Tiantian
    Liu, QunlongAff1, Aff4
    Lu, JunAff1, Aff5
    Xu, YunfeiAff1, Aff2, Aff4
    Ge, Ren-Shan
    Pokaż więcej
    Źródło:
    BMC Developmental Biology. 20(1)
    Czasopismo naukowe
    Pełny tekst  Link otwiera się w nowym oknie Pełny tekstSzczegóły
    Tytuł:
    Sunitinib-suppressed miR-452-5p facilitates renal cancer cell invasion and metastasis through modulating SMAD4/SMAD7 signals
    Autorzy:
    Zhai, WeiAff1, IDs129430180906x_cor1
    Li, Saiyang
    Zhang, Jin
    Chen, Yonghui
    Ma, Junjie
    Kong, Wen
    Gong, Dongkui
    Zheng, Junhua
    Xue, WeiAff1, IDs129430180906x_cor9
    Xu, YunfeiAff3, IDs129430180906x_cor10
    Pokaż więcej
    Źródło:
    Molecular Cancer. 17(1)
    Czasopismo naukowe
    Pełny tekst  Link otwiera się w nowym oknie Pełny tekstSzczegóły
    Tytuł:
    Differentiating Benign from Malignant Renal Tumors Using T2‐ and Diffusion‐Weighted Images: A Comparison of Deep Learning and Radiomics Models Versus Assessment from Radiologists.
    Autorzy:
    Xu, Qing
    Zhu, QingQiang
    Liu, Hao
    Chang, LuFan
    Duan, ShaoFeng
    Dou, WeiQiang
    Li, SaiYang
    Ye, Jing
    Pokaż więcej
    Temat:
    DIFFUSION magnetic resonance imaging
    KIDNEY tumors
    RADIOMICS
    DEEP learning
    RADIOLOGISTS
    Źródło:
    Journal of Magnetic Resonance Imaging; Apr2022, Vol. 55 Issue 4, p1251-1259, 9p
    Czasopismo naukowe
    Szczegóły
      Wyświetlanie 1-13 z 13

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies