出版重点 

《中国神经再生研究（英文版）》杂志为SCI、PubMed数据库收录的国际唯一一本专注神经再生领域研究的经同行评议的开放获取期刊，出版来自全球神经再生领域专业学者的前沿性基础研究及临床研究及转化医学、循证医学优秀的最新成果。

期刊出版来自于脑损伤与神经再生、脊髓损伤与神经再生、周围神经损伤与神经再生和神经退行性病与神经再生、神经影像与神经再生的相关研究。期刊关注神经损伤与再生过程中的轴突再生、突触生长、神经可塑性、神经修复和替代、神经移植等最新研究成果。尤其关注应用细胞治疗、基因治疗、生物因子治疗、药物治疗、手术治疗、康复治疗、物理疗法、组织工程、生物工程、生物材料、神经假体等干预性方法产生神经再生效果的相关研究。文章应清晰描述抑制神经元损伤、减轻神经元损伤的一系列变化，保护损伤神经元的过程、方法、程度与评价，突出从细胞分子水平以及分子生物学水平解释神经元损伤后以及预后再生的机制。

NRR杂志被国际重要数据库收录

科学引文索引（Science Citation Index Expanded，SCI）

美国国立医学图书馆（PubMed）

美国国立医学图书馆开放获取全文数据库（PubMed Central, PMC）

美国生物学文摘数据库（BIOSIS previews, BP）

美国《化学文摘》（Chemical Abstracts, CA）

Scopus荷兰《医学文摘库/医学文摘》（Excerpta Medica, EM）

波兰《哥伯尼索引》（Index of Copurnicus, IC）

OvidSP平台数据库

 中国科学引文数据库（CSCD）

中国科技期刊数据库-统计源期刊（CSTPCD）

编委会

主编Editor-in-Chief

苏国辉院士（Kwok-fai So, Chair Professor and Head, Jessie Ho Professor in Neuroscience, Department of Anatomy, The University of Hong Kong）。

联系方式：Email: szb@nrren.org    电话：+86 138 0499 8773

编委会成员

期刊编委队伍由国际神经再生领域著名学者、中国科学院院士、香港大学苏国辉教授领导的由100多位国际神经再生优秀专家组成。共同致力于创办一本发表神经再生领域专业学术研究经同行严格评审的优秀学术期刊。

在线投稿平台

作者可以通过www.nrronline.org在线投稿。

所有的稿件都将通过该系统提交至NRR杂志电子投稿出版管理系统。

作者有不明确的问题，请访问szb@nrren.org或咨询+86 138 0499 8773。

投稿后，当论文已处于审稿或等待审稿状态时，2个月内请勿将稿件再投至他刊。

初次投稿：

投稿信:

应说明文章未一稿多投，全部作者是否对所投稿件内容知情同意，推荐2-3位小同行审稿人。

作者协议：

投稿时请注意作者协议，如同意后可继续完成投稿， 投稿成功后作者已与杂志签定了文章的相关版权。

投稿后的同行评议

期刊投稿平台应用国际最大的投稿平台Editorial Manager，投到本刊的每篇稿件都要经过3-4位小同行审稿人评审，审稿方法为国际学科小同行组成双盲审稿。所有发表在杂志的文章都将经过严格的双盲同行层层评议，审稿中注重科学性、伦理学和文章真实性的严格审查。期刊将在投稿后4周内通知作者评审意见。

根据评审意见，编辑部决定稿件返修，再审，被接受或退稿。 稿件被接受后，作者可经投稿平台以通讯作者账号随时查询稿件的出版进程。

出版时间

一般稿件被采用后3-4个月出版，优秀文章可在被采用后1-2个月内发表，有临床试验注册号的优秀临床试验文章可申请加急发表。

出版后传播

文章出版后将在EurekAlert!和EurekAlert!中文新闻平台以中英文双语形式向全世界同仁传播。EurekAlert!和EurekAlert!中文新闻平台是美国科学促进会（AAAS）主办的一项全球的科学新闻服务。美国科学促进会为世界最大的科学协会，并且是《科学》杂志的出版机构。您的文章将以最快时间推送给经严格验证的来自全球的新闻记者8000余人，包括来自国际的纽约时报、华盛顿邮报和路透社等，来自中国的中国日报、新华社、人民日报等国际主流媒体，为科学家们提供了与国际科学记者和国际学术平台直接沟通的一个快速有效的桥梁。我们将随后为您提供您新闻的网站点击情况和媒体报告情况的具体数据。

出版后的新闻传播将极大提高文章的影响力，统计同时表明发布学术新闻的文章将提高其被引率70%以上。

杂志的读者群Audience

来自全球从事神经再生、神经科学、神经解剖、神经病理、神经外科、神经内科、神经生物、神经影像、神经放射、神经康复等领域的学科专家。

特邀稿件  

对特邀综述稿件的要求：

（1）需提前向编委会提交写作大纲，通过选题后， 文章需在2个月内完成。

（2）全文不超过6000个单词，包括摘要，不包括参考文献，图和表格 ，出版后8-10个版面。

（3）文章写作结构：

文题：不超过 90个字母，20个单词。

摘要：非结构式， 250单词。

引言：

主体内容：

总结：

作者贡献：

利益冲突：

参考文献：采用 Journal of Neuroscience格式。

特邀述评类文章：观点、点评 、研究亮点、给编辑的信等。

特邀观点栏目文章要求：

（1）观点文章为作者对神经再生领域某一热点问题 的评论，有作者鲜明的观点和作者本人

对此科研过程的认识 和总结。

（2）需提前向编委会提交写作大纲，通过选题后， 文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出 版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

 特邀点评与研究亮点栏目文章 要求：

（1）点评文章为点评在本刊发表的文章，研究亮点 文章为点评国际优秀杂志近期或在线提前发表的前沿性的优秀文章。

（2）需提前向编委会提交写作大纲，通过选题后， 文章需在2个月内完成。

（3）全文2000- 3000单词，包括参考文献，不需要图和表格，不需要摘要，出 版后2个版面。

（4）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

 给编辑的信栏目文章要求：

（1）给编辑的信文章为读者对本刊已发表文章的来 信反馈。

（2）全文1000- 2000单词，不包括参考文献，文章不需要摘要、图和表格，出 版后1个版面。

（3）文章写作结构：

文题：不超过 90个字母，20个单词。

主体内容：

利益冲突：

参考文献：不超过 5条，采用Journal of Neuroscience格式。

如果您需要向SCI收录期刊投稿，我们可以为您提供如下服务-- 

NRR：瑞士伯尔尼大学Ruiqing Ni和Liqin Yang团队提出可整合功能性磁共振成像与人工智能用于阿尔茨海默病早期诊断与预测

近年来，功能性磁共振成像与人工智能的融合应用在阿尔茨海默病的诊断和疾病进展预测中展现出重要潜力。研究表明，人工智能方法能够高效整合和解析功能性磁共振成像信号中的复杂模式，从而简化传统分析流程并发现人眼难以识别的脑功能特征。然而，当前功能性磁共振成像-人工智能研究仍面临过拟合和模型泛化能力不足等关键挑战，这在很大程度上源于可用于分析的大规模、多样化功能性磁共振成像数据集的匮乏。与正电子发射断层扫描和结构磁共振成像相比，针对阿尔茨海默病的大型功能性磁共振成像公共数据库明显不足，限制了该领域研究的数量和临床可推广性。现有功能性磁共振成像-人工智能研究中，最常见的应用场景是阿尔茨海默病患者与认知正常对照人群之间的分类任务。阿尔茨海默病神经影像学倡议（ADNI）等公共数据资源的可用性，以及阿尔茨海默病与认知正常人群在认知和神经生理层面的显著差异，为该分类任务提供了有利条件。与此同时，研究重心正逐步前移至疾病的前临床和早期阶段，包括轻度认知障碍和主观认知能力下降人群。研究者普遍认为，在不可逆神经损伤出现之前实现疾病识别，将为早期干预和治疗争取关键时间窗口，从而改善患者的长期生活质量。在这一背景下，预测轻度认知障碍向阿尔茨海默病的转化成为功能性磁共振成像-人工智能研究中的重要目标，但这一任务具有较高难度，因为轻度认知障碍转化者与非转化者在脑功能层面高度相似。受限于纵向功能性磁共振成像数据的缺乏，目前基于功能性磁共振成像-人工智能预测轻度认知障碍进展为阿尔茨海默病的研究仍然十分有限。值得注意的是，尽管绝大多数功能性磁共振成像-人工智能研究集中于静息态功能性磁共振成像数据，任务态功能性磁共振成像在阿尔茨海默病研究中的潜在价值却尚未得到充分开发。任务功能性磁共振成像能够在特定认知或行为刺激条件下捕捉脑区激活模式，其信噪比通常高于静息态功能性磁共振成像，并可更直接地反映特定神经功能的受损情况。此外，任务功能性磁共振成像在大脑–计算机接口框架中具有天然优势，使其在未来临床应用和神经调控技术中具备更广阔的发展前景。研究者认为，任务功能性磁共振成像与人工智能模型的结合，可能为实时监测和干预阿尔茨海默病相关脑功能改变提供新的技术路径。

因此瑞士伯尔尼大学Ruiqing Ni和Liqin Yang团队提出功能性磁共振成像与人工智能的融合代表了阿尔茨海默病研究中的一个新兴方向，该方法有望在临床症状出现之前揭示潜在的脑功能障碍，并为疾病诊断和进展预测提供补充性生物标志物。对静息态和任务态功能性磁共振成像数据的系统分析，将进一步加深对阿尔茨海默病神经机制的理解。然而，目前由于样本量有限、功能性磁共振成像数据集缺乏多样性以及分析方法不统一，功能性磁共振成像-人工智能研究结果在临床转化中的可信度和可重复性仍受到限制。不同研究之间模型结构和预处理流程的差异，也加剧了结果解释和比较的困难。未来应构建多中心、大样本、标准化的功能性磁共振成像数据集，开发具有更强泛化能力的人工智能模型，并探索功能性磁共振成像-人工智能在脑–机接口系统中的应用潜力。特别是在临床实践中验证其诊断和预测价值，将是推动功能性磁共振成像-人工智能真正走向临床应用的关键一步。