《Tomography》雜志的收稿范圍和要求是什么?
來源:優(yōu)發(fā)表網(wǎng)整理 2024-09-18 11:11:48 313人看過
《Tomography》雜志收稿范圍涵蓋醫(yī)學(xué)全領(lǐng)域,此刊是該細(xì)分領(lǐng)域中屬于非常不錯(cuò)的SCI期刊,在行業(yè)細(xì)分領(lǐng)域中學(xué)術(shù)影響力較大,專業(yè)度認(rèn)可很高,所以對(duì)原創(chuàng)文章要求創(chuàng)新性較高,如果您的文章質(zhì)量很高,可以嘗試。
平均審稿速度 6 Weeks ,影響因子指數(shù)2.2。
該期刊近期沒有被列入國際期刊預(yù)警名單,廣大學(xué)者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服,在線客服團(tuán)隊(duì)會(huì)及時(shí)為您答疑解惑,提供針對(duì)性的建議和解決方案。
出版商聯(lián)系方式:ST ALBAN-ANLAGE 66, BASEL, SWITZERLAND, CH-4052
其他數(shù)據(jù)
是否OA開放訪問: | h-index: | 年文章數(shù): |
未開放 | -- | 169 |
Gold OA文章占比: | 2021-2022最新影響因子(數(shù)據(jù)來源于搜索引擎): | 開源占比(OA被引用占比): |
100.00% | 2.2 | 1 |
研究類文章占比:文章 ÷(文章 + 綜述) | 期刊收錄: | 中科院《國際期刊預(yù)警名單(試行)》名單: |
77.51% | SCIE | 否 |
歷年IF值(影響因子):
歷年引文指標(biāo)和發(fā)文量:
歷年中科院JCR大類分區(qū)數(shù)據(jù):
歷年自引數(shù)據(jù):
發(fā)文統(tǒng)計(jì)
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計(jì):
國家/地區(qū) | 數(shù)量 |
USA | 87 |
Canada | 14 |
CHINA MAINLAND | 7 |
GERMANY (FED REP GER) | 7 |
Denmark | 6 |
Sweden | 6 |
Australia | 4 |
England | 2 |
Ireland | 2 |
Norway | 2 |
2023-2024機(jī)構(gòu)發(fā)文量統(tǒng)計(jì):
機(jī)構(gòu) | 數(shù)量 |
UNIVERSITY OF MICHIGAN SYSTEM | 24 |
UNIVERSITY OF CALIFORNIA SYSTEM | 14 |
UNIVERSITY OF WASHINGTON | 14 |
UNIVERSITY OF TEXAS SYSTEM | 13 |
COLUMBIA UNIVERSITY | 8 |
H LEE MOFFITT CANCER CENTER & RE... | 8 |
STATE UNIVERSITY SYSTEM OF FLORI... | 8 |
WESTERN UNIVERSITY (UNIVERSITY O... | 8 |
JOHNS HOPKINS UNIVERSITY | 7 |
MEDICAL COLLEGE OF WISCONSIN | 7 |
近年引用統(tǒng)計(jì):
期刊名稱 | 數(shù)量 |
MAGN RESON MED | 129 |
J MAGN RESON IMAGING | 78 |
RADIOLOGY | 66 |
MAGN RESON IMAGING | 36 |
MED PHYS | 36 |
NMR BIOMED | 30 |
J CLIN ONCOL | 27 |
PHYS MED BIOL | 27 |
TOMOGRAPHY | 26 |
AM J NEURORADIOL | 25 |
近年被引用統(tǒng)計(jì):
期刊名稱 | 數(shù)量 |
TOMOGRAPHY | 26 |
MAGN RESON MED | 25 |
J MAGN RESON IMAGING | 17 |
SCI REP-UK | 16 |
MED PHYS | 9 |
NMR BIOMED | 9 |
NEUROIMAGE | 8 |
QUANT IMAG MED SURG | 8 |
AM J NEURORADIOL | 6 |
EUR J RADIOL | 6 |
近年文章引用統(tǒng)計(jì):
文章名稱 | 數(shù)量 |
Pitfalls in Gallium-68 PSMA PET/... | 15 |
Generative Adversarial Networks ... | 9 |
Gleason Probability Maps: A Radi... | 8 |
FLT PET Radiomics for Response P... | 8 |
Feasibility of Deep Learning-Bas... | 7 |
Evaluating Multisite rCBV Consis... | 7 |
Developing a Pipeline for Multip... | 7 |
Deep Learning Approach for Asses... | 7 |
Explaining Deep Features Using R... | 7 |
ePAD: An Image Annotation and An... | 7 |
聲明:以上內(nèi)容來源于互聯(lián)網(wǎng)公開資料,如有不準(zhǔn)確之處,請(qǐng)聯(lián)系我們進(jìn)行修改。