Analiza sygnałów i reprodukowalność: pipeline, który ujawnia wszystkie decyzje
Reprodukowalny pipeline nie jest pojedynczym notatnikiem autora. To określony przepływ od wejścia do raportu, w którym każda transformacja ma wersję, parametry i wynik kontroli. Pozwala odróżnić zmianę danych od zmiany kodu oraz błąd techniczny od rzeczywistej różnicy naukowej.
1. Zamień pytanie badawcze w plan analizy
Zapisz jednostkę obserwacji, wynik główny, warunki porównania, kryteria włączenia i wyłączenia, planowane transformacje oraz model statystyczny. Oddziel decyzje podjęte przed obejrzeniem wyników od eksploracji. Gdy analiza jest eksploracyjna, nazwij ją wprost i zachowaj pełny ślad kolejnych prób.
Parametry nie powinny wynikać wyłącznie z ustawień domyślnych biblioteki. Wyjaśnij ich związek z fizyką pomiaru, projektem i zakresem hipotezy. Zmiana wersji programu może zmienić domyślne zachowanie, dlatego jawna konfiguracja jest bezpieczniejsza niż opis „użyto standardowych ustawień”.
2. Zamroź i zinwentaryzuj wejście
Przy imporcie policz sumy kontrolne, nadaj wersję zbioru i wygeneruj manifest plików. Dane źródłowe ustaw jako tylko do odczytu. Konwersję do BIDS, NWB lub formatu roboczego uruchamiaj skryptem, który zapisuje wersję konwertera, mapowanie pól i raport brakujących metadanych.
Sprawdź liczbę uczestników, sesji, kanałów i zdarzeń, rozmiar plików, czas trwania oraz jednostki. Błąd wykryty na tym etapie nie powinien być „naprawiany” cicho w dalszym kroku. Regułę korekty zapisz jako kod i zachowaj informację o zmianie.
3. Potwierdź synchronizację
W EEG, MEG, iEEG i eksperymentach multimodalnych czas zdarzenia może pochodzić z innego zegara niż sygnał. Porównaj impulsy sprzętowe, log aplikacji i zapis urządzenia. Oszacuj stałe opóźnienie, zmienność oraz dryf, a następnie przedstaw wykres różnic. Jedna zgodna próba nie dowodzi synchronizacji całej sesji.
Nie koryguj wszystkich zdarzeń arbitralną liczbą bez zachowania oryginału. Zapisz model korekty, parametry i niepewność. Jeśli nie da się odzyskać wiarygodnego czasu, ograniczenie powinno znaleźć się w raporcie i może wykluczyć część analiz zależnych od precyzyjnego timingu.
4. Zrób kontrolę jakości przed preprocessingiem
Obejrzyj rozkłady amplitud, widma, odcinki w czasie, brakujące próbki, kanały stałe lub nasycone, nietypowe częstotliwości i zgodność zdarzeń. Dla obrazów oceń kompletność wolumenów, ruch, orientację oraz jakość rejestracji. Automatyczne metryki pomagają skalować kontrolę, ale potrzebują definicji i często przeglądu wizualnego.
Raport ma pokazywać wszystkie jednostki, nie tylko przypadki wybrane do publikacji. Kryteria odrzucenia ustal wcześniej, a każdą decyzję zapisz z przyczyną. Pozwala to odtworzyć liczebność próby na dowolnym etapie.
5. Preprocessing wykonuj jako nieniszczący, odtwarzalny ciąg kroków
Dla EEG i MEG typowe działania mogą obejmować wybór kanałów, ponowne odniesienie, filtrację, wykrywanie zakłóceń, segmentację i obsługę artefaktów. Ich kolejność oraz parametry wpływają na rezultat. Raportuj typ i ustawienia filtra, sposób postępowania z brzegami, odniesienie, kanały usunięte lub interpolowane, algorytm artefaktów oraz liczbę zachowanych epok.
Nie ma uniwersalnego filtra ani progu „czystego EEG”. Filtr może zmieniać amplitudę, fazę i kształt odpowiedzi, a automatyczna klasyfikacja komponentu może się mylić. Porównuj sygnał przed i po kroku oraz zachowuj wskaźniki pozwalające wykryć nadmierne przetworzenie.
6. Oddziel dane, cechy i ocenę modelu
Jeśli pipeline obejmuje predykcję, rozdziel zbiory uczące, walidacyjne i testowe przed krokami, które uczą się z danych. Skalowanie, selekcja cech, redukcja wymiaru i strojenie hiperparametrów muszą być wykonywane bez informacji z finalnego zbioru testowego. Jednostka podziału powinna odpowiadać niezależności danych; próby tej samej osoby nie zawsze są niezależnymi obserwacjami.
Zapisz losowe ziarna, schemat podziału i wszystkie metryki, ale nie przedstawiaj ziarna jako gwarancji identycznego wyniku na każdym sprzęcie. Biblioteki równoległe i operacje numeryczne mogą zachowywać się niedeterministycznie. Ustal tolerancje porównań i odnotuj elementy, których nie da się uczynić bitowo identycznymi.
7. Zapisz pochodzenie każdego wyniku
Każdy plik pochodny powinien wskazywać wersję danych wejściowych, kodu, konfiguracji i środowiska. Manifest wykonania może obejmować identyfikator commitu, wersje pakietów, obraz kontenera wraz z digestem, system operacyjny, istotny sprzęt, czas uruchomienia, parametry, losowe ziarna, sumy wejść i sumy wyjść.
Nazwy plików nie muszą zawierać całej historii. Powinny prowadzić do maszynowo czytelnego opisu. W BIDS Derivatives metadane służą między innymi do opisania źródeł i pipeline'u. W innym systemie można użyć własnego manifestu, o ile schemat jest jawny i wersjonowany.
8. Automatyzuj testy i raporty
Test jednostkowy sprawdza funkcję, test integracyjny przeprowadza mały zbiór przez kilka kroków, a test regresji porównuje kluczowe wyjścia z zatwierdzonym wynikiem w określonej tolerancji. Dodaj testy brakujących kanałów, pustych zdarzeń, innej kolejności plików i przerwanego wykonania. Pipeline powinien zakończyć się błędem zamiast tworzyć pozornie poprawny plik z niepełnego wejścia.
Raport automatyczny pokaż przy każdym wykonaniu: zakres danych, ostrzeżenia, metryki jakości, liczbę wykluczeń, parametry, wykresy kontrolne i wersje. Człowiek zatwierdza raport według jawnej procedury; samo wygenerowanie strony HTML nie jest kontrolą jakości.
9. Udostępnij tyle, ile wolno i potrzeba
Do reprodukcji potrzebne są dane, kod, parametry, środowisko i instrukcja uruchomienia, ale dane ludzkie nie zawsze mogą być publiczne. Opublikuj metadane, opis warunków dostępu, wersjonowany kod oraz kontrolowany zestaw testowy, jeżeli polityka pozwala. Nie używaj danych prawdziwego uczestnika jako przykładu w publicznym repozytorium bez właściwej podstawy.
FAIR i reprodukowalność nie zastępują jakości projektu. Można dokładnie odtworzyć analizę opartą na błędnym założeniu. Dlatego przegląd statystyczny, kontrola błędu systematycznego i komunikowanie niepewności pozostają częścią pipeline'u.
Źródła i zastrzeżenie
Sekwencję i parametry należy dostosować do modalności, aparatury, pytania i zatwierdzonego protokołu. Materiał nie służy do klinicznej interpretacji EEG, MEG, MRI ani innych danych medycznych.