博文

J — Multidisciplinary Scientific Journal期刊正式被Scopus收录

已有 285 次阅读 2026-11-9 18:06 |个人分类:news|系统分类:博客资讯

2026年10月，MDPI期刊J — Multidisciplinary Scientific Journal 正式被Scoups收录。在此，衷心感谢作者对期刊的支持，感谢主编、编委、客座编辑与审稿专家的重要贡献和读者的持续关注。截至目前，MDPI已出版554个期刊，Scopus收录379个 (查看MDPI期刊列表，请点击：https://www.mdpi.com/about/journals)。

期刊简介

J — Multidisciplinary Scientific Journal (ISSN 2571-8800) 创刊于2018年，是一个国际开放获取期刊。涵盖所有自然科学与应用科学领域，既包括单一学科内的研究，也包括跨学科研究。具体涵盖领域包括但不限于：生物学与生命科学、化学与材料科学、计算机科学与数学、工程学、环境与地球科学、医学与药学、物理科学、公共卫生与医疗保健。

期刊历程

2018年

期刊正式上线，作为季刊发行

2020年

期刊根据自然科学与应用科学重点领域划分9个栏目

Biology and Life Sciences

Chemistry and Materials Science

Computer Science and Mathematics

Engineering

Environmental Sciences

Earth Sciences

Medicine and Pharmacology

Physical Sciences

Public Health and Healthcare

2026年

期刊被Scopus收录

发文类型：原创型研究论文、综述等。

期刊主编

Dr. Pietro Cipresso, University of Turin, Italy; Università Cattolica del Sacro Cuore, Italy; IRCCS Istituto Auxologico Italiano, Italy

期刊编委 (部分)

Prof. Dr. Wei-Chiang Hong, Harbin Engineering University, China

Prof. Dr. Maurizio Barbieri, Sapienza University of Rome, Italy

Prof. Dr. Ronnie G. Willaert, Vrije Universiteit Brussel, Belgium

投稿优势

更高文章曝光度：J — Multidisciplinary Scientific Journal 目前被Scopus、DOAJ、CNKI等数据库收录。

更快发表速度

Time to First Decision：23.9 Days

Acceptance to publication：5 Days

开放获取：读者可以免费阅读期刊文章。

作者持有版权

订阅期刊最新资讯：https://www.mdpi.com/journal/J/toc-alert

文章推荐

Plant Leaf Disease Detection Using Deep Learning: A Multi-Dataset Approach

基于深度学习的植物叶片病害检测：一种多数据集方法

Manjunatha Shettigere Krishna et al.

https://www.mdpi.com/2571-8800/8/1/4

文章亮点：

(1) 融合PlantDoc数据集与网络真实环境图像，有效克服传统方法依赖实验室图像导致的泛化性差问题。

(2) 基于EfficientNet-B3等先进卷积神经网络进行微调，在混合数据集上实现80.19%的最高准确率，关键病害类别F1分数突破90%。

(3) 引入高斯噪声等高级数据增强技术，提升模型的泛化能力。

An Advanced Deep Learning Framework for Multi-Class Diagnosis from Chest X-ray Images

用于胸部X光图像多类诊断的先进深度学习框架

Maria Vasiliki Sanida et al.

https://www.mdpi.com/2571-8800/7/1/3

文章亮点：

(1) 提出了一种基于自定义CNN模块的新型框架，实现了针对六种肺部疾病 (包括COVID-19) 的高效多分类诊断。(2) 在大规模数据集上展现出极高的诊断精度，准确率达到98.88%，各项指标 (精确度、召回率、AUC) 均显著优于现有最先进方法。(3) 为医疗影像分析提供了高精度、可及性强的自动化诊断工具，为未来基于深度学习的肺部疾病诊断系统奠定了坚实基础。

Challenges and Advancements in All-Solid-State Battery Technology for Electric Vehicles

电动汽车全固态电池技术的挑战与进展

Rajesh Shah, Vikram Mittal and Angelina Mae Precilla

https://www.mdpi.com/2571-8800/7/3/12

文章亮点：

(1) 梳理了超薄陶瓷电解质、新型固态聚合物电解质、复合固态电解质等材料与结构创新，这些创新显著改善全固态电池的能量密度、功率及安全性。(2) 指出超薄复合聚合物电解质具备可规模化制备潜力，同时总结了界面调控、工艺优化、材料可持续性、测试标准等现存瓶颈，明确多方协同对商业化落地的重要价值。