恭喜经埃米编辑参与润色的文章，成功发表在SCI期刊：BMC Oral Health，JCR分区：牙科与口腔外科Q1，2026新锐期刊分区：医学3区，IF 3.8。

一起来看看已经成功发表作者的投稿时间线，以及这本期刊的投稿相关信息吧，希望对你有帮助。

文章题目如下：

截图来自于期刊官网

1 文章投稿时间线分享

✅2023.01.13 初稿润色（由埃米编辑提供服务）

✅2024.01.23 投稿

✅2024.06.07 接收

✅2024.07.17 线上发表

2 期刊信息速览

期刊名称：BMC Oral Health（BMC出版）

官网网址：https://link.springer.com/journal/12903

投稿网址：https://submission.nature.com/new-submission/12903/3

ISSN/eISSN：1472-6831

2026新锐分区：大类-医学3区；小类-牙科与口腔外科2区

IF(2025)：3.8

JCR分区：牙科与口腔外科Q1

期刊主要发表关于口腔、牙齿及牙龈疾病的预防、诊断和治疗各方面的文章，同时也涉及相关的分子遗传学、病理生理学和流行病学内容。其收录范围覆盖：数字牙科学、临床口腔医疗保健、牙科技术、口腔健康流行病学、口腔微生物学，以及口腔健康与牙科保健的提供、管理和推广。

2025年发文量：2182篇

期刊自引率：9.16%

同行评审：采用单盲审稿模式

审稿时间参考：从提交到做出第一次决定的时间一般是16天（中位数）。

发表模式：OA

版面费：约3290美元

以上期刊信息来自官网或网络，仅供参考

3 研究内容简介

本研究利用683张口内临床图像，比较了四种基于集成学习的深度卷积神经网络（AlexNet、VGG、GoogLeNet、ResNet）识别慢性牙龈炎的性能。结果显示，ResNet的AUC值最高（97%），GoogLeNet次之（94%），两者分类效果最优；但在敏感性（即检出牙龈炎的能力）上，ResNet、GoogLeNet与AlexNet三者之间无显著差异，而VGGNet的敏感性显著低于其他三个模型。综上，ResNet和GoogLeNet被推荐为识别慢性牙龈炎的有效工具，有望辅助临床诊断和患者自我筛查。

本文部分内容参考自《BMC Oral Health》期刊已发表论文，内容经归纳总结，仅用于学术交流与分享。若需了解完整论文内容，请访问原刊页面获取，欢迎引用。

4 客户反馈

作者的论文初稿润色后成功发表。

如果需要论文润色和投稿指导等服务，欢迎扫描下方二维码，关注公众号【埃米编辑SCI论文润色】-点击个人中心-联系埃米客服了解详情～回复“礼包”，可免费领取100+写作投稿资料包和投稿问题30问~