《Journal Of Neural Engineering》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 11:00:50 1385人看過
《Journal Of Neural Engineering》雜志收稿范圍涵蓋醫(yī)學全領域，此刊是該細分領域中屬于非常不錯的SCI期刊，在行業(yè)細分領域中學術影響力較大，專業(yè)度認可很高，所以對原創(chuàng)文章要求創(chuàng)新性較高，如果您的文章質量很高，可以嘗試。
平均審稿速度 約3.0個月 ，影響因子指數(shù)3.7。
該期刊近期沒有被列入國際期刊預警名單，廣大學者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服，在線客服團隊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：IOP PUBLISHING LTD, DIRAC HOUSE, TEMPLE BACK, BRISTOL, ENGLAND, BS1 6BE
其他數(shù)據(jù)
| 是否OA開放訪問： | h-index： | 年文章數(shù)： |
| 未開放 | 89 | 285 |
| 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）： |
| 37.75% | 3.7 | 0.29... |
| 研究類文章占比：文章 ÷（文章 + 綜述） | 期刊收錄： | 中科院《國際期刊預警名單（試行）》名單： |
| 95.79% | SCIE | 否 |
歷年IF值(影響因子)：
歷年引文指標和發(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
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計：
| 國家/地區(qū) | 數(shù)量 |
| USA | 354 |
| CHINA MAINLAND | 107 |
| England | 71 |
| GERMANY (FED REP GER) | 64 |
| Canada | 48 |
| Australia | 46 |
| Italy | 45 |
| France | 38 |
| Switzerland | 34 |
| Spain | 29 |
2023-2024機構發(fā)文量統(tǒng)計：
| 機構 | 數(shù)量 |
| UNIVERSITY OF CALIFORNIA SYSTEM | 43 |
| HARVARD UNIVERSITY | 36 |
| IMPERIAL COLLEGE LONDON | 29 |
| MASSACHUSETTS GENERAL HOSPITAL | 28 |
| UNIVERSITY OF MELBOURNE | 27 |
| US DEPARTMENT OF VETERANS AFFAIR... | 27 |
| DUKE UNIVERSITY | 24 |
| UNIVERSITY OF TEXAS SYSTEM | 23 |
| ECOLE POLYTECHNIQUE FEDERALE DE ... | 22 |
| CASE WESTERN RESERVE UNIVERSITY | 21 |
近年引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| J NEURAL ENG | 753 |
| IEEE T BIO-MED ENG | 396 |
| NEUROIMAGE | 380 |
| IEEE T NEUR SYS REH | 312 |
| J NEUROPHYSIOL | 270 |
| CLIN NEUROPHYSIOL | 243 |
| J NEUROSCI | 235 |
| J NEUROSCI METH | 213 |
| PLOS ONE | 181 |
| FRONT NEUROSCI-SWITZ | 147 |
近年被引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| J NEURAL ENG | 753 |
| FRONT NEUROSCI-SWITZ | 382 |
| IEEE T NEUR SYS REH | 261 |
| SCI REP-UK | 253 |
| IEEE ACCESS | 198 |
| SENSORS-BASEL | 154 |
| J NEUROSCI METH | 121 |
| IEEE T BIO-MED ENG | 118 |
| FRONT HUM NEUROSCI | 117 |
| NEUROIMAGE | 112 |
近年文章引用統(tǒng)計：
| 文章名稱 | 數(shù)量 |
| A review of classification algor... | 148 |
| EEGNet: a compact convolutional ... | 111 |
| Deep learning-based electroencep... | 63 |
| Deep learning for electroencepha... | 62 |
| Realistic volumetric-approach to... | 36 |
| Adaptive deep brain stimulation ... | 35 |
| 3D printing nano conductive mult... | 31 |
| A comprehensive review of EEG-ba... | 28 |
| Inter-subject transfer learning ... | 28 |
| Deep learning for hybrid EEG-fNI... | 22 |
聲明：以上內容來源于互聯(lián)網(wǎng)公開資料，如有不準確之處，請聯(lián)系我們進行修改。
