跳到正文
只看一手#Human-in-the-loop
10月6日周二
  1. Europe PMC · bioRxiv / medRxiv 预印本79

    面向伴智力障碍的自闭症人群生物标志物采集的自适应技术与行为支持方法

    基于摘要分析。研究针对伴智力障碍的自闭症（ASD+ID）及重度自闭症人群因沟通困难、感官敏感、焦虑和较高行为支持需求而难以参与神经科学研究的问题，提出以参与者为中心的同步 EEG 与眼动追踪（ET）采集方案。其贡献在于结合个体化行为支持与自适应采集平台，评估候选生物标志物采集的可行性，而非验证诊断性能或治疗效果。 行为支持部分通过访前照护者访谈制定个体化研究计划，包括定制视觉支持、强化策略及 EEG 电极网脱敏程序。技术部分采用凝视触发的刺激呈现系统，以参与者偏好的视频支持其关注实验刺激并保持有利于采集的行为；系统根据视觉参与程度和实时数据质量动态调整刺激呈现，实时统计获得注意的试次，并优先呈现尚未得到注意的刺激类别，以提高采集效率、降低参与负担。采集项目包括面孔诱发的 N170 ERP、静息态 EEG，以及通过 ET 测量的面孔视觉注意；摘要称这些候选生物标志物已在 Autism Biomarkers Consortium for Clinical Trials（ABC-CT）中展现可重复性，但这不等于其在当前人群中的效度已获确认。 可行性样本包括 76 名 ASD+ID 儿童（平均年龄 8.76 岁，IQ 为 32.4）及 8 名不伴自闭症的智力障碍儿童（平均年龄 8.91 岁，IQ 为 45.9）。作者报告，以超过 7 分钟为可用 EEG 数据门槛，两组获取比例分别为 61% 和 88%；获得足量 ET 数据的比例分别为 67% 和 63%。摘要未给出 ET 足量标准，也未说明 EEG 与 ET 均达标的联合比例，不能由上述数字推算同步可用率。 这些结果支持该方案在所研究样本中的采集可行性，但不能据此判定相对于常规采集的改善幅度，或候选生物标志物的区分能力。对照组规模较小，组间获取比例不宜直接解释为自闭症相关差异。复现需核对实时质量判据、注意判定规则、刺激调度逻辑及行为支持实施流程；完整实验协议、消融及统计信息尚未验证。作者表示正在开展更大样本及多中心可行性研究。该材料为预印本，不构成临床实践建议。

    阅读价值：该研究值得阅读之处在于将个体化行为支持与实时自适应 EEG-ET 采集结合，并报告高支持需求儿童的可用数据获取比例，但多中心可行性及候选生物标志物的临床效度尚未验证。

10月5日周一
  1. arXiv · 表征与预训练72

    基于图像块的查询识别电子显微镜图像中的目标结构

    基于摘要分析。该研究针对体积电子显微镜（vEM）数据规模增长、下游预处理和标注依赖人工专家的问题，提出基于自监督局部图像描述符的图像块检索框架。用户提供某类细胞结构的少量人工标注后，框架在 EM 体积中检索相似结构，并允许专家交互式调整查询，以缩小后续分析的搜索范围。 核心机制是将局部图像区域表示为可用于相似性检索的描述符，再由人工标注构造或调整查询。其贡献定位于少标注条件下的结构发现与交互式检索，而非摘要已证实的全自动分割。自监督训练目标、图像块尺度、描述符模型、相似度计算及查询更新方式尚未验证。 作者报告，在真实生物组织 vEM 图像上的实验能够可靠识别相关细胞结构，并泛化至不同细胞器和采集模态，显著缩小下游分析的搜索空间。摘要未提供数据集名称、样本规模、训练与测试划分、对照基线或定量指标，因此这些结论的评估前提与效果幅度尚待核对；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：这一机制可能用于 EEG 中少量专家示例驱动的局部波形或事件检索，但图像空间块与 EEG 时序、多通道结构并不等价。可复用的是自监督局部表征、相似性检索和交互式查询；需要改造的是窗口定义、通道表示及对时间偏移的处理。低信噪比、伪迹、跨被试差异与小数据可能使描述符匹配非目标因素。一个可检验的小实验是：以少量专家确认的 ERP 片段为查询，在独立留出的 EEG 记录中检索同类片段，与原始波形相似度检索比较固定候选数量下的检索精确率和专家复核负担，并分别评估被试内与跨被试设置。相关 EEG 工作尚未检索确认，不能将 vEM 结果视为已验证的 BCI 效果。

    阅读价值：值得阅读其以自监督局部描述符和少量人工查询实现交互式结构检索的机制，但检索性能、跨采集模态泛化及标注节省幅度仍需全文验证。

7月10日周五
  1. OpenReview · Representation learning69

    使用 CMA-ES-IG 探索学习到的行为空间

    基于摘要分析。研究针对人本环境中机器人行为与用户偏好的对齐问题，提出 CMA-ES-IG，通过用户在测试时提供的偏好排序，在学习到的表征空间中搜索符合偏好的轨迹。其贡献重点是使候选轨迹便于用户排序，并让后续建议随反复排序而改善。 机制与证据：摘要明确了“学习到的表征空间—候选轨迹—用户偏好排序—迭代搜索”的流程，但未提供表征训练方式、排序反馈的具体编码、搜索更新规则或损失形式，不能仅凭算法名称补全实现。作者报告在仿真与真实用户实验中评估了 CMA-ES-IG，并可在少至 10 次排序后学到用户偏好的机器人行为；该数字对应偏好排序次数，不应等同于用户人数或轨迹样本数。具体任务、每次排序的候选数量、被试规模、对照基线、成功判据、消融及统计信息尚未验证。 平台推测（待验证）：假设 BCI 共享控制系统已有可生成控制轨迹的表征空间，用户偏好排序可能用于调整辅助行为，而非直接提升 EEG 解码 Accuracy。可复用的是候选行为搜索与排序反馈接口；需改造的是 BCI 控制约束、反馈采集方式及交互成本评估。其适用性依赖行为空间质量、用户排序的一致性和可承受的反馈预算。若排序由 EEG 意图估计间接产生，低信噪比、跨被试差异和通道变化可能引入不稳定反馈，小数据也可能限制行为表征的覆盖。一个可检验的小实验是在固定解码器与行为表征的共享控制任务中，以相同排序预算比较 CMA-ES-IG 与预先指定的搜索基线，测量用户偏好改善和反馈负担。上述迁移尚未验证，已有 EEG 相关工作尚未检索确认。

  2. OpenReview · Representation learning67

    遍历式表面精加工中基于人类纠正的运动约束在线学习

    基于摘要分析。研究针对打磨、抛光和研磨等接触密集型表面精加工任务，在作者此前的遍历控制（ergodic control）框架上引入人类物理纠正，使机器人在执行过程中在线调整运动约束与目标覆盖分布。核心贡献是将人工反馈纳入持续交互过程，同时修正机器人“在哪里作业”与“如何运动”。 机制上，遍历控制根据目标分布及历史覆盖情况组织机器人运动。摘要区分了两类互补的人类干预：接触过程中的纠正性引导用于更新运动约束；重新定位操作则用于更新期望覆盖分布，表达哪些区域需要更多或更少的作业关注。作者将这一扩展描述为从离线学习转向交互式人机协作，但摘要未给出约束的数学表示、反馈编码、更新规则、优化目标或实时计算要求。 作者报告提供了在真实工件上在线纠正运动偏好的视频演示。该材料支持存在演示这一事实，不能据此确认表面质量、覆盖效率、接触力控制或安全性能的改善。对照方法、实验协议、消融及统计信息尚未验证；复现还需核对机器人与工具配置、传感方式、人类干预识别机制，以及学习后的约束如何进入控制器。 平台推测（待验证）：该工作的潜在参考价值在于将人类反馈拆分为目标区域调整与执行约束调整，而不是直接提供 EEG 表征学习方法。摘要中的反馈来自物理干预，迁移到 BCI 还需要额外的意图解码及不确定性处理，不能将原任务中的交互机制视为已验证的 EEG/BCI 效果；已有 EEG 相关工作尚未检索确认。