今天审一篇稿子。稿子是用心电图预测精神状态。精神状态分为好和糟糕两大类。 作者是这样做的。 首先用心电图来定义精神好和精神糟糕。具体用心电图如何定义，没有详写。 然后用电子仪器，自动读取心电图，然后频域，值域，各提取2个指标，然后加权后得到一个global score。总共5个scores。 最后用这5个scores来预测精神好和精神糟糕。 结论：他们研究出的这个global score和频域值域的4个指标，棒极了。能准确预测一个人的精神状态。 这里，最大的疑惑，就是第一步的精神状态居然也是根据心电图来定义的。训练和预测的时候还是用心电图里的值来做的。 请问有何问题吗？ 我提出疑问后。作者回复了。作者说，MRI是不是用来既定义病人的疾病，同时也预测。为何心电图不能既定义，也预测呢？ 我一下子蒙了。 请华人的人工智能和机器学习高手帮忙。到底这个稿子有没有问题？能不能通过？ microsat 发表于 2022-10-20 11:22
首先用心电图来定义精神好和精神糟糕。 ===== 关键在于这个通过心电图定义精神状态的方法是学界公认的吗？如果给出了合理的引用文献，那就是合理的。如果是作者自己定义的，那就是不合理的。 novavista 发表于 2022-10-20 11:25
这跟人工智能机器学习有毛关系？你就问他第一步心电图定义精神状态有没有依据，没依据后面都是白扯。 Banana.Republic 发表于 2022-10-20 11:25
今天审一篇稿子。稿子是用心电图预测精神状态。精神状态分为好和糟糕两大类。 作者是这样做的。 首先用心电图来定义精神好和精神糟糕。具体用心电图如何定义，没有详写。 然后用电子仪器，自动读取心电图，然后频域，值域，各提取2个指标，然后加权后得到一个global score。总共5个scores。 最后用这5个scores来预测精神好和精神糟糕。 结论：他们研究出的这个global score和频域值域的4个指标，棒极了。能准确预测一个人的精神状态。 这里，最大的疑惑，就是第一步的精神状态居然也是根据心电图来定义的。训练和预测的时候还是用心电图里的值来做的。 请问有何问题吗？ 我提出疑问后。作者回复了。作者说，MRI是不是用来既定义病人的疾病，同时也预测。为何心电图不能既定义，也预测呢？ 我一下子蒙了。 请华人的人工智能和机器学习高手帮忙。到底这个稿子有没有问题？能不能通过？ 下面还有一个例子。 判断一个人大脑是否有问题。 作者先用前人用的标准问卷问病人，根据答题分值，将病人分为两大类：有问题和无问题。 然后，作者用自己开发出的一套问卷。问病人。得出4个分值。 最后，用这四个分值去训练和预测病人是否有问题和无问题。 结论：他们开发出的这套问卷棒极了。准确预测率很高。 请问这个思路，对于机器学习来说，是可行的吗？ 作者开发的这套问卷的题目形式和标准问卷没什么大差别。 microsat 发表于 2022-10-20 11:22
回复 1楼microsat的帖子 心率跟人的情感有联系。但是如果都是平静状态，心率相差不大，预测心情完全是胡扯。 用EEG，MEG，fMRI，rs-fMRI这些直接测量脑部活动的方法还差不多。 poorms 发表于 2022-10-20 11:53
谢谢！ 很难说是公认还是不公认。但是的确他们引用了几篇文章。文章说心电图可以预测一个人精神状态。 我想问下面这个例子的问题。 一个学生的数学学习好不好，先用普通数学成绩来定义成好和坏两种。 然后，我们用学生的奥数竞赛的成绩，来预测 上面定义的好和坏。 如果机器学习这么做的话，是什么问题？ 总觉得很奇怪，但是又说不出来一二。 请指点。 microsat 发表于 2022-10-20 11:48
你得问圈内人。好多学术东西，拿出来白话讨论都是胡扯。反正我知道一篇类似文章，发出来就出名了。学术价值一直受争议，但确实是一篇著名paper。拿到版上肯定被高楼拍砖。为什么在学术圈只是争议，拿到huaren上就直接拍呢？因为无知者无畏 猪舌头 发表于 2022-10-20 11:59
回复 2楼wfmlover的帖子 华人网友不乏教授博后，为啥不能审稿？ liubebo 发表于 2022-10-20 11:59
不懂医学，但从machine learning的角度而言有一定可行性，至于模型正确率如何看他怎么建模 东京樱花 发表于 2022-10-20 12:03
测的数据里根本没有feature，完全是用overfitting忽悠。 poorms 发表于 2022-10-20 12:06
回复 1楼microsat的帖子 他这个逻辑没有问题。比如图像识别，都是基于图像，标注请人工来做，认为这是正确答案，然后训练算法来识别，达到人工的识别率。这里要解决的问题不是寻找新类型的数据，而是基于旧有类型的数据，算法取代人工，降低成本，提高效率。 sonicone 发表于 2022-10-20 12:13
究竟这个field的门槛有多低 连华人网友都能审稿wfmlover 发表于 2022-10-20 11:23
审稿上华人来问？也太没有职业操守了。 你审不了就告诉editor你审不了. 这个原作者真倒霉，文章还没发表，idea就公布到huaren上了，idea被盗了算谁的 浮云淡淡 发表于 2022-10-20 11:28
你怎么知道张益唐、李飞飞等不上华人？ 还有大家总是嘲笑的千老们。千老虽然苦逼工资低，但水平不见得低啊。 microsat 发表于 2022-10-20 13:04
顶一个。这些年论坛掉进钱眼了。 楼主是不是可以抛开医学内容，单就取值分析来看模型。 面部识别狗狗表情，分析是它要大便小便还是想干点别的 candy1980 发表于 2022-10-20 13:19
之所以拿到华人上来讨论，其实，也是因为机器学习，门槛已经非常低了。 初中生都能玩人脸识别。 华人的高手的确很多，不乏李飞飞之流。 下面，我举个困惑我多年的例子。癌症病人的摘除手术术后存活多久的预测。 预测变量为 高和低。高是生存大于5年，低是小于5年。 因为一个病人手术后，能否活过5年，需要至少5年的观察。而作者可能等不了5年，就需要发表这个结果。 所以能否生存大于5年，这个目标变量y，有些论文里面直接是这么写的： 临床医生的预估。 得到这个目标变量y，然后用输入变量x来预测。输入变量x包括mri，其他一些血值，age，gender等等常规变量。 后来，我问了一些临床医生，“你是怎么预测这个病人手术后能活5年与否的呢？” 答复是：“我也是看这些mri，血值等等。” 那么，请问，这样一个机器学习模型，有意义吗？ pubmed上几乎有成千上万的这样预测手术后存活的已经发表的论文。nature，science，cell上也有。 请高手不吝赐教。 microsat 发表于 2022-10-20 12:24
这位楼主老上华人问ML问题，我答了两次以后发现连基本概念都没有，于是放弃了，建议上了基础课再来问 nickbear 发表于 2022-10-20 14:06
方便把您回答我的帖子，给个links吗？我好温顾温顾。 翻遍了整个华人网，除了上面您回答我的问题之外，没有发现您的第二个回答。 microsat 发表于 2022-10-20 14:35
作者是这样做的。 首先用心电图来定义精神好和精神糟糕。具体用心电图如何定义，没有详写。
然后用电子仪器，自动读取心电图，然后频域，值域，各提取2个指标，然后加权后得到一个global score。总共5个scores。
最后用这5个scores来预测精神好和精神糟糕。
结论：他们研究出的这个global score和频域值域的4个指标，棒极了。能准确预测一个人的精神状态。
这里，最大的疑惑，就是第一步的精神状态居然也是根据心电图来定义的。训练和预测的时候还是用心电图里的值来做的。 请问有何问题吗？
我提出疑问后。作者回复了。作者说，MRI是不是用来既定义病人的疾病，同时也预测。为何心电图不能既定义，也预测呢？ 我一下子蒙了。
请华人的人工智能和机器学习高手帮忙。到底这个稿子有没有问题？能不能通过？
下面还有一个例子。 判断一个人大脑是否有问题。 作者先用前人用的标准问卷问病人，根据答题分值，将病人分为两大类：有问题和无问题。
然后，作者用自己开发出的一套问卷。问病人。得出4个分值。
最后，用这四个分值去训练和预测病人是否有问题和无问题。
结论：他们开发出的这套问卷棒极了。准确预测率很高。
请问这个思路，对于机器学习来说，是可行的吗？ 作者开发的这套问卷的题目形式和标准问卷没什么大差别。
MRI定义疾病是生理性的
楼主别审稿了
这个原作者真倒霉，文章还没发表，idea就公布到huaren上了，idea被盗了算谁的
谢谢！
很难说是公认还是不公认。但是的确他们引用了几篇文章。文章说心电图可以预测一个人精神状态。
我想问下面这个例子的问题。
一个学生的数学学习好不好，先用普通数学成绩来定义成好和坏两种。
然后，我们用学生的奥数竞赛的成绩，来预测 上面定义的好和坏。
如果机器学习这么做的话，是什么问题？
总觉得很奇怪，但是又说不出来一二。
请指点。
很难讲有无依据。作者引用了一些前人的论文。前人的论文的结论是心电图能发现一个人的精神好快。
请问下面操作有意义吗？
先用一个数学公式来定义两种状态。
然后把上面这个数学公式，进行一下转换，比如log transformation，sin， cos 等等。 然后用这个新公式去预测第一步定义的两种状态。
好多机器学习的论文，都是这么做的。这么做可行吗？
原文的方法是有问题的。因为target variable不能直接由feature定义。试想，既然作者可以直接根据一些rules，由feature（心电图结果）推导target variable（精神状态），那还要机器学习做什么，直接用那些rules不就完事儿了？再用机器学习预测，岂不是脱裤子放屁 多此一举吗？如果这个精神状态，来自于病人的自述或者医疗记录，那这篇文章还是有意义的。
心率跟人的情感有联系。但是如果都是平静状态，心率相差不大，预测心情完全是胡扯。
用EEG，MEG，fMRI，rs-fMRI这些直接测量脑部活动的方法还差不多。
他这个ground truth的理论依据是什么？如果不充分，后面的全部白做
MRI诊断疾病是通过图像分析，是真能看到组织结构，比如哪里有个肿瘤。心电图是怎么确诊心情的？那不就是一段波动曲线？如果他依赖统计结果，那数据足够多？有统计意义么？三五个病人肯定是不够的，怎么也得有成千上万吧。
是啊。但是很多这方面的已经发表的论文。
另外，还有论文讲的是 电话语音预测人的情感。
就是通过分析你的电话录音，就能分析出你是不是有抑郁症。
华人网友不乏教授博后，为啥不能审稿？
这么说吧，普通学生成绩好坏，反映的是对教学大纲内容的掌握，但竞赛内容是超纲的，用超纲的内容来评判学生对大纲的掌握，这位老师的语文一定是体育老师教的。
华人版上卧虎藏龙，拿eb1的多了去了，政庇过来的这个帖子的内容都看不懂
文章发表之前内容是保密的，reviewer不能到处distribute，这是最基本的职业操守
不懂医学，但从machine learning的角度而言有一定可行性，至于模型正确率如何看他怎么建模
测的数据里根本没有feature，完全是用overfitting忽悠。
这个心电图是精神状态的信号吗？ 不是signal ， 在这里耍流氓吗？
他这个逻辑没有问题。比如图像识别，都是基于图像，标注请人工来做，认为这是正确答案，然后训练算法来识别，达到人工的识别率。这里要解决的问题不是寻找新类型的数据，而是基于旧有类型的数据，算法取代人工，降低成本，提高效率。
overfitting是数据cleaning和select没做好啊，胡子眉毛一把抓了，那test的时候偏差度就会很大
之所以拿到华人上来讨论，其实，也是因为机器学习，门槛已经非常低了。 初中生都能玩人脸识别。
华人的高手的确很多，不乏李飞飞之流。
下面，我举个困惑我多年的例子。癌症病人的摘除手术术后存活多久的预测。
预测变量为 高和低。高是生存大于5年，低是小于5年。
因为一个病人手术后，能否活过5年，需要至少5年的观察。而作者可能等不了5年，就需要发表这个结果。 所以能否生存大于5年，这个目标变量y，有些论文里面直接是这么写的： 临床医生的预估。
得到这个目标变量y，然后用输入变量x来预测。输入变量x包括mri，其他一些血值，age，gender等等常规变量。
后来，我问了一些临床医生，“你是怎么预测这个病人手术后能活5年与否的呢？” 答复是：“我也是看这些mri，血值等等。”
那么，请问，这样一个机器学习模型，有意义吗？ pubmed上几乎有成千上万的这样预测手术后存活的已经发表的论文。nature，science，cell上也有。
请高手不吝赐教。
如果请来的人工，在标注的时候，其实是用某个数学公式来标注呢？ 当然，这个数学公式，在论文里并不注明。 只说是，人工标注。
很多医生，都这样。其实有某个数学秘密公式，比如：肿瘤面积大于某个值，就是肿瘤二级，否则是多少多少级。
这样的人工标注公式，或者秘密公式，很难被学术接受。所以干脆都雪藏起来。就说人工标注，医生预估。
比如：一个数据集，几万个病人。医生根本忙不过来。干脆就用简单数学公式进行归类。但是论文里，却不提。只说是专家确定。
没有详写的部分... 问题是 数据可靠度有多高呢？ 人工标注可以啊，要提供标注人情况，有几个标注人，agreement怎么样等等
“为什么我觉得身边的data scientist，特别好混啊，面试的时候也不用做题，就说一说什么理论之前的经验，进来就很高的工资，进组这么久了我看不出那人做这么久了有什么进展，但是招他进来的经理对他好和善啊总是很宽容给很多时间给他。那人做预测模型，居然要用今天的数据，和着之前的数据生成坡度什么的参数再预测今天的值，看今天的值是不是异常。。。然后一次讨论里，还说x+y+z+.../c+d+e+... = (x/c + y/d +z/e +....)/n 算下来平均值是一样的，然后问我为什么做下来不一样呢。我都忍不住吐槽，这可是phd啊怎么这么基础的都错了。说实在我觉得这个组前景也不光明，做出的数据分析结果都不可靠，就是抄公式捣鼓捣鼓，搞些图表，特别好混。而我这种写代码的，累死累活的，经理还不满意，让写好多个test case。。。在这种数据组里真挺烦的。” by 猫鸟
你怎么知道张益唐、李飞飞等不上华人？
还有大家总是嘲笑的千老们。千老虽然苦逼工资低，但水平不见得低啊。
为了方便华人读者理解问题的本在，所有例子都经过了较大的编改。比如精神正常与否，原论文也许是关于stroke。心电图，原论文可能是细胞流式图。
为什么改，因为方便读者更熟悉更了解，更方便的抓住问题的本在。
顶一个。这些年论坛掉进钱眼了。 楼主是不是可以抛开医学内容，单就取值分析来看模型。 面部识别狗狗表情，分析是它要大便小便还是想干点别的
机器学习，通过分析老公面部表情，识别老公是不是在外面有小三？
有种统计模型叫survival analysis
这个可以 现在已经有的微表情分析 加上大数据就行了 应用就是 模型判定为yes直接割鸡鸡
方便把您回答我的帖子，给个links吗？我好温顾温顾。
翻遍了整个华人网，除了上面您回答我的问题之外，没有发现您的第二个回答。
第一帖5楼 https://huaren.us/showtopic.html?topicid=2797805&postid=92825778#92825778 第二贴高亮答案 https://huaren.us/showtopic.html?topicid=2812457&fid=398&page=1 我这人记性还不错，而且不爱说瞎话 基本概念可以上课补，爱说瞎话就不好办了