推荐合适期刊 投稿指导 助力快速见刊免费咨询
Computerized Medical Imaging And Graphics是医学领域的一本权威期刊。由Elsevier Ltd出版社出版。该期刊主要发表医学领域的原创性研究成果。创刊于1988年,是医学领域中具有代表性的学术刊物。该期刊主要刊载医学-核医学及其基础研究的前瞻性、原始性、首创性研究成果、科技成就和进展。该期刊不仅收录了该领域的科技成就和进展,更以其深厚的学术积淀和卓越的审稿标准,确保每篇文章都具备高度的学术价值。此外,该刊同时被SCIE数据库收录,并被划分为中科院SCI2区期刊,它始终坚持创新,不断专注于发布高度有价值的研究成果,不断推动医学领域的进步。
同时,我们注重来稿文章表述的清晰度,以及其与我们的读者群体和研究领域的相关性。为此,我们期待所有投稿的文章能够保持简洁明了、组织有序、表述清晰。该期刊平均审稿速度为平均 约6.0个月 。若您对于稿件是否适合该期刊存在疑虑,建议您在提交前主动与期刊主编取得联系,或咨询本站的客服老师。我们的客服老师将根据您的研究内容和方向,为您推荐最为合适的期刊,助力您顺利投稿,实现学术成果的顺利发表。
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
医学 | 2区 | ENGINEERING, BIOMEDICAL 工程:生物医学 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 | 2区 2区 | 否 | 否 |
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 2区 | ENGINEERING, BIOMEDICAL 工程:生物医学 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 | 2区 2区 | 否 | 否 |
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 2区 | ENGINEERING, BIOMEDICAL 工程:生物医学 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 | 2区 2区 | 否 | 否 |
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
医学 | 3区 | ENGINEERING, BIOMEDICAL 工程:生物医学 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 | 3区 2区 | 否 | 否 |
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 2区 | ENGINEERING, BIOMEDICAL 工程:生物医学 RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 | 2区 2区 | 否 | 否 |
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 2区 | RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING 核医学 ENGINEERING, BIOMEDICAL 工程:生物医学 | 2区 3区 | 否 | 否 |
按JIF指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
学科:ENGINEERING, BIOMEDICAL | SCIE | Q1 | 23 / 122 |
81.6% |
学科:RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING | SCIE | Q1 | 18 / 204 |
91.4% |
按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
学科:ENGINEERING, BIOMEDICAL | SCIE | Q1 | 15 / 122 |
88.11% |
学科:RADIOLOGY, NUCLEAR MEDICINE & MEDICAL IMAGING | SCIE | Q1 | 22 / 204 |
89.46% |
学科类别 | 分区 | 排名 | 百分位 |
大类:Medicine 小类:Radiology, Nuclear Medicine and Imaging | Q1 | 22 / 333 |
93% |
大类:Medicine 小类:Computer Graphics and Computer-Aided Design | Q1 | 8 / 106 |
92% |
大类:Medicine 小类:Radiological and Ultrasound Technology | Q1 | 7 / 63 |
89% |
大类:Medicine 小类:Health Informatics | Q1 | 18 / 138 |
87% |
大类:Medicine 小类:Computer Vision and Pattern Recognition | Q1 | 14 / 106 |
87% |
年份 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
年发文量 | 77 | 110 | 44 | 50 | 82 | 56 | 72 | 132 | 81 | 112 |
国家/地区 | 数量 |
CHINA MAINLAND | 58 |
USA | 49 |
Canada | 29 |
France | 18 |
GERMANY (FED REP GER) | 17 |
Poland | 17 |
England | 14 |
India | 13 |
Brazil | 9 |
Spain | 8 |
机构 | 数量 |
SILESIAN UNIVERSITY OF TECHNOLOGY | 13 |
UNIVERSITY OF ALBERTA | 9 |
TSINGHUA UNIVERSITY | 8 |
SIMON FRASER UNIVERSITY | 7 |
CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS) | 6 |
UNIVERSITY OF CALIFORNIA SYSTEM | 6 |
UNIVERSITY OF NORTH CAROLINA | 6 |
NORTHEASTERN UNIVERSITY - CHINA | 5 |
SHANGHAI JIAO TONG UNIVERSITY | 5 |
UNIVERSITY OF BRITISH COLUMBIA | 5 |
文章名称 | 引用次数 |
An application of cascaded 3D fully convolutional networks for medical image segmentation | 41 |
Retinal blood vessel segmentation using fully convolutional network with transfer learning | 22 |
Image super-resolution using progressive generative adversarial networks for medical image analysis | 21 |
Survey of automated multiple sclerosis lesion segmentation techniques on magnetic resonance imaging | 21 |
Efficient deep learning model for mitosis detection using breast histopathology images | 20 |
Brain tumor classification for MR images using transfer learning and fine-tuning | 19 |
Fusion of fMRI and non-imaging data for ADHD classification | 18 |
SD-CNN: A shallow-deep CNN for improved breast cancer diagnosis | 18 |
Convolutional neural networks for multi-class brain disease detection using MRI images | 15 |
Alzheimer's disease diagnosis based on multiple cluster dense convolutional networks | 15 |
SCIE
影响因子 0.3
CiteScore 0.4
SCIE
影响因子 0.5
CiteScore 1.1
SCIE
影响因子 0.5
CiteScore 1.4
SCIE
影响因子 0.2
SCIE
影响因子 0.9
CiteScore 3.3
SCIE
影响因子 0.8
CiteScore 1.4
SCIE
影响因子 0.2
CiteScore 0.3
SCIE
影响因子 2.1
CiteScore 3.9
SCIE
影响因子 1.1
SCIE
影响因子 3.8
CiteScore 8.2
若用户需要出版服务,请联系出版商:PERGAMON-ELSEVIER SCIENCE LTD, THE BOULEVARD, LANGFORD LANE, KIDLINGTON, OXFORD, ENGLAND, OX5 1GB。