《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 11:11:48 538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)會及時為您答疑解惑，提供針對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，請聯(lián)系我們進(jìn)行修改。
