准备中期考核材料的时候,意识到还没有为25年发的文章(人生第一次),写一篇朋友圈纪念下
其实我并非最核心贡献者,但从个人经历来说,的确是很大的一次心智成长
也有很多后来回头看,发觉可以深入反思的;于是越写越长,变成了一篇文章
这里截取一部分👇
这份工作是我21年加入实验室参与的第一个项目,也是我目前为止发表的第一篇paper(排名第三的共同第一作者),同时也是👇
1)第一次系统相对独立理解并爬取领域里文献脉络,形成自己的理解地图,而非单篇阅读
2)第一次系统的理解数据分析背后的审美
3)并且系统的去理解如何用统计去理解/刻画/支撑实际的故事线
4)第一次改变了阅读习惯,先看分析方法,再看分析基础之上的故事线
5)第一次把做项目看作了是一种工作责任;和以前「我要做科学家」那样的心态不一样
(一)过程中,困难太多了!还只是我参与的这部分遇到的
虽然回头看,这并不是一个很新人友好的项目;我还记得21年的时候,我当时坐在地铁,从浦东的校区刚刚和导师汇报完,回自己当时在松江租的自如单间,满脑子郁闷,因为
1)统计方法太复杂,是非经典统计路线,要从实验数据中bootstrap一个Null Hypothiese分布去检验,而非传统的基于正太分布的t-test这种方法;至于为什么这个方法有效,为什么一个分布可以凭空生成出来还可以用来做分析?我无法接受自己不理解统计方法背后的原理,seeg比较新,每个paper的细节都不一样;我自己去爬数学的原始paper,去理解背后的统计逻辑;感觉犹如读天书
2)sEEG分析的技术栈,本身没有很好的开箱即用的框架;实验室那个时候也还没有搭建统一的分析脚手架;我连续读了好几篇不同的所谓的分析框架的paper;每个框架都隐藏了一些数据分析背后的路线选择,不透明,很担心这些默认配置会影响自己的分析;于是最后还是选择了造轮子,造到了什么程度呢?某段时间我发现可能给电极标注所在脑区这一步,似乎有些问题;于是我直接去看各类框架,到底是如何切分整个cortext曲面的,然后又是如何判断某个坐标是否在这个区域附近;直接干到了理解微分几何这一步,因为你需要理解到底是如何2个数组,来刻画曲面的;(这只是众多细节中的一个例子)
3)第一轮实验设计,大家一开始更多像探索挖掘性的定位,所以起初方案背后,并不存在一个非常清晰的明确假设;这就直接指数级增加了分析的难度;如果有假设,我基于假设去做好后半路的统计逻辑定义,和代码分析即可;如果没有假设,我就需要去很开放的探索数据,并且去基于理论理解去做一些逻辑迭代;然而语言学本身的文章脉络就有些庞杂,我当时基本上就完全迷失在了各种潜在假设和机制里;当时的印象和抱怨是:为什么整条理论逻辑链路上,基本上每个环节都会存在2个候选逻辑呢???!
4)sEEG本身的原始信息量很大,预处理的方式也超级多;看不同脑区,不同的频段,就可以获得不一样的信息;而预处理的话,有简洁粗暴的,有花里胡哨的;我还记得我当时研究了很久,如果我要取某个频段的随时间的包络线值,有3个方法,他们是不是等价的(时频傅立叶后滑动窗口取平均,或者用希尔伯特变换来算,或者..我已经忘了...)
5)更重要的是,为什么要用这样的统计方法,这个方法的选择背后的逻辑和假设到底是什么;我此前接受到的训练是偏计算层面的,每个neuron在数学模型中都有清晰的变量,然后再去推统计值看和认知任务的各类关联;而sEEG的数据是反过来的,数据就是长这样的,原始数据本身就是某种实际上的被迫选择的统计值(精准值你肯定测量不到);而很多预处理分析,成为领域工具,背后都是经验型的积累;比如基本上,爬到最原始的那篇文章,都是某些实验论证了这个统计指标可能代表xxx理论层面的含义,为什么是这样大家也不一定知道;当你真的在整条统计链路上去找问题的时候,你甚至无法有条严格的逻辑链;
———
(四)用统计看世界
再回头看,我从这个项目中收获的最大的,是对统计工具的理解
统计工具是你看世界的探针,真实的世界一定是复杂充满噪音的,但是简洁真实的故事也一定存在;而这两件事情中间的桥梁,其实就是统计工具
可是!统计工具并非越多越好,因此每一次工具的使用,都会伴随你背后对这个世界的某种前验假设,你用的工具越多,你引入的偏见就会伴随越多
要么去除掉更多噪音,要么引入更多的”偏见“,你只能二选一;最后就有一个平衡问题,什么噪音是可以保留不去除掉,什么噪音是值得引入一个也许正确的偏见去去除的
这不只是一个科研心法,而是一个通用的处理复杂系统的心法;
比如我现在做矩阵内容,和客户还有团队分享的一个最重要的建议,也是:
单篇数据一点也不重要,核心是你要把这个策略,重复做一批数据,看统计值是怎样的;
另外也许某个内容细节一点也不重要,核心是你这个选题和转化参数是不是正确的。
其实都是完全相通的
——
详细的大家可以看文章~
最后再次感谢Siqi,james,田老师,以及实验室大家过去的帮助,肯定,以及宽容