PART 3
把 PART 2 的流程拆成 14 條指令——重點是那十個論文沒交代的決定,得在指令裡講死
論文可以寫「visually determined」(目視決定),你不行——你得寫出一條規則,機器才動得了。這十個空缺會逐一出現在下面的指令裡。
每一條指令都由三段組成:
| 段落 | 作用 |
|---|---|
| 可複製的指令 | 深色框裡的那段文字,可以整段貼給 AI Agent。本頁的指令一律用中文寫——你平常怎麼講話就怎麼寫 |
| 為什麼這樣寫 | 這一條在對應 PART 2 的哪一步、哪一個決定被寫死在裡面、為什麼不能讓 AI 自己選 |
| 怎麼確認它做對了 | 你要求它回報哪些數字、這些數字應該長什麼樣。看不懂程式也能檢查 |
一條指令對應一個「你會停下來檢查」的節點,不是一個演算法步驟。把七個步驟拆成三十條「請做 STEP 3-2」,只會讓 AI 每次都要重新載入前後脈絡,做得更差;而你也不會真的每一條都去看。
反過來,也不能只下一條「請照論文做出 LPU」——那樣那十個決定會被 AI 自己隨手決定掉,而你不會知道它選了什麼。14 條是這兩端之間的取捨。
| # | 指令 | PART 2 的哪一步 | 寫死了哪個決定 |
|---|---|---|---|
| 1 | 盤點資料、確認座標框與單位 | STEP 0 之前 | —(先確認地基) |
| 2 | 定出「誰算 LN」的規則 | STEP 0 | ⑧ 論文是目視判定的 |
| 3 | 全腦 LN 普查與敏感度掃描 | STEP 0 | ⑧(檢驗規則穩不穩) |
| 4 | 建單一腦區的密度場 v(r) | STEP 1 | ① v(r) 數纖維還是數神經元 |
| 5 | 五數綜合、取上四分位、得熱點 | STEP 2 | — |
| 6 | 距離矩陣、UPGMA、1% 過濾 | STEP 3 | ② 切割高度 |
| 7 | 切割高度掃描與打亂順序重跑 | STEP 3 | ②③ 切割高度、平手 |
| 8 | 挑起始種子 | STEP 4 | ④ 種子怎麼挑 |
| 9 | 膨脹與滾雪球招募 | STEP 4 | ⑤ 撐大誰、撐大多少 ⑩ 比對的那一團是雪球還是分群 |
| 10 | 去掉本體與初級神經突、抽等值面 | STEP 5 | ⑥ 等值面門檻 |
| 11 | 算 c 值 | STEP 6 | — |
| 12 | 長程神經束驗證 | STEP 7 | ⑦ 節點是 LPU 還是 neuropil |
| 13 | 合併判斷 | 步驟以外 | ⑨ 合併沒有判準 |
| 14 | 全腦跑一遍、出圖、出報告 | 全部 | — |
十個空缺分散在第 2、4、6、7、8、9、10、12、13 這九條裡(第 9 條一條就佔了兩個)。把這九條抽掉,剩下的五條就是一般的資料處理;這九條才是這門課的內容。
可以整段複製貼上
先不要做任何分析,只做盤點,做完停下來等我。
我手上有兩份資料:
A. 腦區分區:/home/wanjuli/claude_linux/BSC_plan/D03/
- work/labels_fc_1um.npy 標籤體積(z,y,x),0 是腦區外
- work/labels_fc_meta.json 這個體積的原點與格距
- D03_labels_meta.json 腦區名稱清單,順序對應標籤 1、2、3…
- D03_fc_to_fcwb_affine.json 這個座標框轉到物理座標的 affine
B. 神經元骨架:/home/wanjuli/claude_linux/BSC_plan/D06/
- work/vox.npy 體素編號,編碼是 z*512*512 + y*512 + x
- work/nid.npy 與 vox 等長,這一筆屬於第幾顆神經元
- work/dep.npy 與 vox 等長,該體素離細胞本體的路徑深度(0–100)
- work/neurons.csv 神經元清單
請讀進來,然後回報這幾件事:
1. 腦區有幾個?標籤體積的形狀與格距是多少?
2. 神經元有幾顆?(體素, 神經元)的紀錄有幾筆?相異的體素有幾個?
平均一個體素被幾顆神經元登記到?
3. 單位:讀 D03_fc_to_fcwb_affine.json 裡的 affine 矩陣,算出它的三個
奇異值,換算成「這個座標框的 1 格 = 幾個物理微米」。
如果 1 格不等於 1 微米,明確講出來。
4. 軸向:用下面三組解剖關係檢查哪一軸是左右、哪一軸是背腹、
哪一軸是前後,並說明你怎麼判斷的。
- ME_R 與 ME_L 是左右對稱的一對
- MB_CA_R 比 GNG 靠背側
- AL_R 比 MB_CA_R 靠前側
5. D06 的一個體素,換算成這個標籤體積的格子,邊長是幾格?
回報時每一項都要附上你實際算出來的數字,不要只寫結論。
後面每一條指令都以「格」為單位——距離、體積、門檻、膨脹幾格。單位一旦搞錯,後面每個數字都會錯,而且錯得看不出來:曲線照樣漂亮、表格照樣整齊。所以先花一條指令把地基釘死。
第 3 項是真的踩過的坑。PART 2 用的這個座標框叫 FC12_warp,它的一格不是一個物理微米——affine 的三個奇異值是 0.626/0.605/0.406,所以一格大約是 0.41 到 0.63 個物理微米。而 D06 的說明文件寫的是「2 µm 體素」,實際上是兩個座標格。不主動要求換算,AI 會照文件的字面當成 2 微米。
第 4 項的三組解剖關係,是不需要看檔案就知道的常識:兩側髓質必然左右分開、蕈狀體萼比食道下神經節靠背側、觸角葉比蕈狀體萼靠前。用已知答案去反推軸向,比相信檔案的欄位順序可靠——而且如果 AI 自己編一個軸向出來,這一步就會露餡。
最後一句「不要只寫結論」很關鍵。沒有這句,你會拿到「資料讀取成功,共 75 個腦區」這種沒辦法檢查的回覆。
| 要它回報的 | 正確答案 |
|---|---|
| 腦區數 | 75 |
| 標籤體積形狀(z, y, x) | 311 × 611 × 956,格距 1.0 |
| 神經元數 | 28,573 |
| (體素, 神經元)紀錄數 | 11,895,201 |
| 相異體素數 | 3,365,959 |
| 平均每體素被幾顆登記 | 3.5 |
| 1 格等於幾個物理微米 | 約 0.41–0.63(不是 1) |
| D06 的一個體素等於幾格 | 2 格 |
最該盯的是「1 格 = 幾微米」那一列。如果它回答「1 微米」,代表它讀了檔名 labels_fc_1um 就下結論,沒有真的去算 affine——後面所有跟距離有關的數字都不能信,要它重做。
可以整段複製貼上
接下來要定出「哪些神經元算是在地神經元(LN)」。 論文的定義是一句話:LN 的神經突「完全侷限在單一個腦區之內」 (processes are restricted within a single brain region)。 但論文是靠人眼一顆一顆看的,我們沒有那雙眼睛,所以要把這句話 翻成一條算得出來的規則。 我要用的規則是比例,不是體素數: 對每一顆神經元,把它的每個體素查一次腦區標籤。 只看「有落在某個腦區內」的那些體素(標籤不是 0 的)。 找出佔最多的那一個腦區,算它佔的比例。 比例大於等於 0.80,就算這個腦區的 LN 候選;那個腦區就是它的歸屬。 注意分母:是「落在腦區內的體素數」,不是這顆神經元的全部體素。 有一部分體素會落在所有腦區之外(細胞本體所在的表層),那些不算。 請做兩件事: 1. 產出 LN 候選名單,存成 CSV,欄位: 神經元名稱、歸屬腦區、最大佔比、落在該腦區的體素數、 落在任何腦區內的體素數。 2. 把門檻 f 從 0.50 掃到 1.00,每 0.01 一格,算出每個 f 之下 有幾顆神經元符合、佔全部的百分之幾、涵蓋幾個不同的腦區。 存成 CSV。 兩件事做完都回報數字給我,先不要畫圖。
這是十個空缺裡最根本的一個。論文說 LN 是「神經突完全侷限在單一腦區之內」,判定方式是 visually inspected and delineated——目視。那不是一條可以執行的規則。不把它翻成數字,AI 只能自己編一個,而你不會知道它編了什麼。
為什麼用比例,不用「留下幾個體素」。如果規則是「在某區留下 5 個以上體素就算進入該區」,這條規則會跟神經元的大小綁在一起——大神經元隨便一根分枝就超過 5 個體素,小神經元整顆可能才幾十個。比例不受大小影響,而且它才是「restricted within」這個詞真正在說的事。
0.80 是我們選的,不是論文的。所以第 2 項要它把整條曲線掃出來——選一個數字,就有義務展示「換一個數字會怎樣」。這條曲線在指令 3 會用到。
「注意分母」那一句必須寫。神經元有一段在所有腦區之外(細胞本體在腦的表層,不屬於任何腦區);分母如果用全部體素,每顆神經元的比例都會被壓低,門檻的意義就變了。這種歧義不寫明,AI 兩種都可能選,而且不會告訴你它選了哪一種。
| f | 符合的神經元數 | 佔全部 | 涵蓋幾個腦區 |
|---|---|---|---|
| 0.70 | 9,688 | 33.9% | 47 |
| 0.80 | 6,922 | 24.2% | 35 |
| 0.90 | 4,545 | 15.9% | 25 |
| 1.00 | 1,761 | 6.2% | 17 |
另外要看曲線是不是單調下降——門檻越嚴,符合的越少,中間不該有起伏。如果出現轉折,通常是分母搞錯了。
可以整段複製貼上
用指令 2 產出的 LN 候選名單,做一次全腦普查。
1. 統計每一個腦區各有幾顆 LN 候選。全部 75 個腦區都要列,
包含 0 顆的。回報:有幾個腦區非零、哪些是零。
2. 用 D03 的標籤體積算出每個腦區的體素數,回報:
有 LN 的那些腦區合計佔標註腦體積的百分之幾,
零的那些合計佔百分之幾。
3. 把 f 從 0.70 掃到 1.00,對下面這幾個腦區各別列出 LN 候選數:
MB_CA_R、MB_CA_L、MB_PED_R、MB_PED_L、MB_VL_R、MB_VL_L、
MB_ML_R、MB_ML_L(蕈狀體四個部分,左右各一)
EB(橢球體)、NO(結節)、AOTU_R、AOTU_L(前視結節)
AL_R、AL_L(觸角葉,當對照組)
我要看的是:哪些腦區的「有沒有 LN」這件事不隨 f 改變。
4. 畫兩張圖:
圖 A:全部 75 個腦區的普查。左半是非零的腦區橫條圖,
橫軸用對數尺度(否則只有 1、2 顆的會看不見);
右半把零的腦區名稱列出來。
圖 B:f 的敏感度。左:被判為 LN 的神經元比例對 f。
右:有 LN 的腦區數對 f。
兩張圖都不要放中文,說明我自己寫。圖檔存成 PNG。
回報每一項的數字,圖存好告訴我檔名。
這是第一個可以拿去跟論文對照的產出。論文的圖 5A 是一張正負號表,標明每個腦區「有沒有自己的 LN 族群」。我們這張普查圖就是同一件事,用不同的資料、不同的分區、不同的管線做出來的。
第 3 項是整條指令的重點,而且它是一個陷阱題。如果只在 f = 0.80 跑一次,蕈狀體四塊全是 0、EB 是 0、NO 是 0——看起來完美重現了論文。但把 f 一調,EB 就從 0 變成 56。只有那些「不論 f 怎麼選都是 0」的腦區,才是這張圖真正支持的結論。不主動要求掃描,這個區別會被整個掩蓋掉。
第 2 項的體積佔比是為了防止一個誤讀:「40 個腦區是 0」聽起來很嚴重,但那些區加起來只佔腦體積的一小部分。沒有這個數字,讀者會以為管線漏掉了半個腦。
「圖不要放中文」是這個專題的慣例——圖裡放中文會遇到字型問題,而且說明寫在網頁上比寫在圖裡好改。
| 要它回報的 | 正確答案 |
|---|---|
| 非零腦區數 | 35(其餘 40 個為 0) |
| 非零腦區的體積佔比 | 83.5%(零的佔 16.5%) |
| 最多的三個腦區 | FB 1,354、ME_R 1,017、ME_L 988 |
| 蕈狀體四塊合計(f 從 0.70 到 1.00) | 2、1、0、0、0 —— 全程幾乎都是 0 |
| NO(結節) | 全程 0 |
| EB(橢球體) | 56、11、0、0、0 —— 會變 |
| AOTU 兩側合計 | 12、1、0、0、0 |
可以整段複製貼上
先只做右側觸角葉(AL_R)這一個腦區,跑通了再推廣。 取指令 2 產出的 LN 候選名單裡歸屬 AL_R 的那些神經元, 把它們疊起來,做出一個「哪裡比較密」的三維密度場 v(r)。 兩個地方要照我說的做,不要自己選: 一、v(r) 數的是「有幾顆不同的神經元佔到這一格」, 不是「有幾條纖維穿過這一格」。 論文兩處寫得不一樣:補充材料寫 the number of LN fibers passing through the voxel(纖維條數),圖 S5D 的圖說寫 the number of repetitive registrations(重複註冊次數)。 我們的資料是二值化的體素,只做得到後者。 請在報告裡註明你用的是後者。 二、算完之後,對 v(r) 做一次 3×3×3 的移動平均 (每一格的值換成它自己加周圍 26 格的平均)。 這是論文的步驟,用來壓掉單格的雜訊。 注意這是移動平均,不是把 27 格併成一格——格子數不變。 另外,先幫我算一件事再決定要不要降解析度: 如果直接用原始格點,AL_R 的熱點體素(密度前 25%)大約有幾個? 兩兩配對的距離矩陣要多少記憶體(float64)? 算出來告訴我,如果超過 16 GB,就把 4×4×4 個格子併成一個 「分析體素」再做,並在報告裡把這件事寫清楚。 回報:AL_R 的 LN 候選數、分析體素數、v(r) 的最大值與平均值。 畫一張切片圖:左邊是腦區範圍,右邊是 v(r) 的熱圖。圖不要放中文。
「v(r) 數什麼」是論文自己給了三種說法的地方(正文的七步驟條列、補充材料、圖 S5D 的圖說),而其中兩種互相衝突。「一顆神經元的三條分枝都穿過同一格」——按補充材料算 3,按圖說算 1。而我們的資料是「二值化」的——每一格只記「有沒有被這顆神經元佔到」,不記亮度、也不記裡面有幾條纖維,所以「算 3」那一種根本做不出來。兩種都合法,但結果不同,所以必須指定一種並記錄下來,否則 PART 4 跑出來的數字沒辦法跟任何東西對照。
第二點特別寫「不是把 27 格併成一格」,是因為這句話很容易被誤讀。移動平均是每一格各有一個以自己為中心的視窗,格子數不變;併格則會讓體素總數掉到 1/27,後面「群的體素數大於腦區的 1%」那個門檻就全錯了。
最後那段「先算記憶體再決定」是刻意的。直接叫 AI「把體素併成 4×4×4」它會照做,但你不會知道為什麼要這樣;叫它先算出「110 GB」這個數字,降解析度就變成一個有理由的決定,而不是一個沒交代的參數。這也是後面每一條指令的態度:能讓 AI 自己撞到限制,就不要先幫它繞過去。
| 要它回報的 | 正確答案 |
|---|---|
| AL_R 的 LN 候選數 | 723 |
| 不併格時的熱點體素數 | 172,170 |
| 距離矩陣的記憶體 | 約 110 GB —— 遠超過門檻,所以要併格 |
| 併格後的分析體素數(AL_R 區內) | 12,511 |
| v(r) 的最大值 / 平均值 | 142.8 / 65.7 |
如果它沒有主動報告「用的是重複註冊次數而不是纖維條數」,要它補上——這一句會影響 PART 4 之後所有數字的可比性。
可以整段複製貼上
對 AL_R 區內所有的 v(r) 做五數綜合: 最小值、下四分位、中位數、上四分位、最大值。 取上四分位當門檻,把 v(r) 大於等於它的體素挑出來, 這些就是「熱點」,後面要拿去分群的對象。 回報: 1. 五個數字分別是多少。 2. 熱點有幾個體素?佔區內體素的百分之幾? 3. 這個百分比為什麼會是那個數字?用一句話解釋。 畫一張直方圖:橫軸是 v(r),標出三條四分位線, 上四分位右邊那塊用淡色底標成熱點。圖不要放中文。
這一步論文寫得很清楚,所以指令很短——沒有空缺要填的地方,就不要多寫,把注意力留給有空缺的那幾條。
第 3 項是一道送分題,但它在測一件事:AI 有沒有真的理解自己在算什麼。熱點佔 25%,不是因為資料剛好長這樣,而是因為「上四分位」的定義就是「排到 75% 的那個位置」。答不出這一句、或者答成「因為這個腦區的密度分布比較集中」,代表它是照著步驟走完的,沒有理解。
| 要它回報的 | 正確答案 |
|---|---|
| 五數綜合 | 0.6 / 36.4 / 64.9 / 94.7 / 142.8 |
| 熱點體素數 | 3,130 |
| 佔區內體素 | 25.0% |
| 為什麼是這個百分比 | 四分位的定義使然,跟資料長什麼樣無關 |
可以整段複製貼上
把熱點體素分群。這一步要同時用上兩條規則,缺一不可。
規則 ①:對熱點體素兩兩算歐氏距離,用 UPGMA(平均連結)
做階層分群,然後在某個高度把樹剪斷。
規則 ②:只留下「體素數大於該腦區總體素數的 1%」的群,
剩下的才算候選 LPU。
三件事要照我說的做:
一、規則 ② 的分母是「整個腦區的體素數」,不是「熱點的體素數」。
兩者差四倍,寫錯門檻就鬆四倍。請在報告裡寫出你用的門檻是幾個體素。
二、連結法要用「平均連結」(average linkage),不是單一連結或完全連結。
這是論文指定的 UPGMA。
三、切割高度先用 8。但這個數字論文沒有給,是我隨便挑的,
所以你不要把它當成正確答案——指令 7 會處理這件事。
回報:
1. 規則 ② 的門檻是幾個體素?
2. 在高度 8 之下,規則 ① 剪出幾群?其中幾群通過規則 ②?
3. 每一群各有多少體素?
4. 畫一張散點圖:熱點體素依所屬群上色,背景放整個腦區的範圍。
圖不要放中文。
第一件事是這一步最常見的實作錯誤。論文原句是 1% of the total voxel number in the neuropil——分母是整個腦區。以 AL_R 為例,腦區內 12,511 個分析體素,1% 就是 125 個;但熱點只有 3,130 個。如果誤把分母寫成熱點數,門檻會變成 31 個,鬆了四倍,大量小群會被放行。這種錯不會報錯,只會讓答案默默變大。
第三件事是刻意留白。切割高度是論文從頭到尾沒有出現的數字,而它直接決定你會找到幾個候選 LPU。這裡先給一個 8 讓管線跑得動,但同時明白告訴 AI「這是我隨便挑的」——不這樣講,AI 會把 8 當成正確答案,後面的報告就會寫成「我們找到 5 個候選 LPU」,好像那是資料告訴我們的。
| 要它回報的 | 正確答案 |
|---|---|
| 規則 ② 的門檻 | 125 個體素(12,511 的 1%) |
| 高度 8:剪出幾群 / 幾群通過 | 5 群 / 5 群通過 |
| 五群的大小 | 346、455、520、798、1,011(合計 3,130) |
五群加起來要正好等於熱點體素數 3,130。對不上就是有體素被漏掉或重複算。
可以整段複製貼上
上一條用的切割高度 8 是我隨便挑的。現在把它掃過一遍, 看這個數字對答案的影響有多大。 一、把切割高度從 4 掃到 25(每 1 一格),對每個高度回報: 規則 ① 剪出幾群、規則 ② 通過幾群、最大的一群有多少體素。 做成一張表。 二、還有一個問題要一起處理。體素排在規則的立方格點上, 所以兩兩之間的距離值大量重複——很多對並列「最近」。 UPGMA 每一步要挑最近的一對,平手時挑哪一對,演算法沒有規定, 實作通常是按輸入順序挑第一個。 所以:每一個切割高度都把體素的順序打亂重跑九次 (九次是奇數,中位數才會落在真的跑出來的整數上)。 回報每個高度的中位數與最小最大值。 三、順便回報兩個數字: 熱點體素兩兩配對共有幾個距離值?其中相異的有幾種? 整棵樹的最大合併高度(也就是樹根)是多少? 四、畫一張圖:橫軸切割高度,縱軸候選 LPU 數。 實線畫九次的中位數,外圍用淡色帶畫最小到最大。 同一張圖上放六個腦區:AL_R、AL_L、AVLP_R、AVLP_L、FB、PB。 圖不要放中文。 最後用一句話回答:有沒有哪一個切割高度,可以說是「自然的答案」?
第二點是這整串指令裡最不直覺的一條。「把資料的順序打亂再跑一次」聽起來像多此一舉——同樣的資料、同樣的參數,答案應該一樣才對。但在這裡不是:AL_R 的熱點有 490 萬對距離,卻只有 557 種相異的值,平均每種值有八千多對並列。UPGMA 每一步都要在這些並列裡挑一個,而挑法取決於你輸入體素的先後順序。
如果不下這道指令,AI 會給你一個乾淨的數字,而你不會知道它有多脆。實際上同一個高度光靠順序就能差 7 個。
第三點的「樹根」是一個防呆。掃描圖的右半邊會看到所有腦區都收斂到 1,看起來像是找到了穩定答案——其實只是切割高度超過了樹的最高點,剪在根以上當然只剩一群。沒有樹根這個數字,這一段會被誤讀成結論。
最後那個問句要它自己回答,是為了看它會不會硬掰。正確答案是「沒有」——曲線中段各腦區的平台(一段「高度再怎麼調、順序再怎麼打亂,答案都不變」的區間)高度都不一樣,沒有哪個高度能同時給出六個合理的答案。
| 要它回報的 | 正確答案 |
|---|---|
| 高度 4:剪出幾群 / 通過幾群 | 50 群 / 0 群通過(最大的一群只有 114 個體素,不到 125) |
| 高度 6 打亂九次的結果 | 13、13、13、14、14、14、15、15、15 |
| AL_R 全範圍(高度 × 打亂) | 0 – 15 |
| 距離總數 / 相異的距離值 | 4,896,885 / 557 |
| AL_R 的樹根高度 | 13.1 |
| 有沒有自然的切割高度 | 沒有 |
高度 4 那一列是重點。答案是 0,但那不是「分不出群」——是分出了 50 群、每一群都不夠大。如果 AI 把它報告成「這個高度找不到候選 LPU」,要它講清楚是哪一條規則擋下來的。
可以整段複製貼上
下一步是從一顆 LN 開始「滾雪球」,把屬於同一個候選 LPU 的 LN 收集起來。要先挑一顆起始的種子。 論文的條件是:在最小的候選 LPU 裡,挑一顆纖維「完全侷限在」 該候選 LPU 之內、體積最小的 LN(原文是 a smallest LN with its fibers restricted within the smallest candidate LPU)。 而且論文明寫這一顆是「目視」決定的。 先照字面做一次,看做不做得到: 一、對 AL_R 的每一顆 LN 候選,算出它有多少比例的體素落在 「最小的那一群」裡面。回報中位數、最大值、以及有幾顆達到 100%。 二、把那一群往外膨脹兩格再填洞,當作比較寬鬆的範圍,再算一次。 如果照字面挑不出任何一顆,就改用下面這條 替代規則,並且在報告裡明確寫出「這是替代規則,不是論文的條件」: 在該候選 LPU 裡,取「落在該群比例最高」的前十顆, 從中挑體積最小的那一顆當種子。 回報:替代規則挑出來的是哪一顆、它的比例與體積。 另外,把前十顆都列出來——我要看換一顆種子的差別有多大。
這一條的寫法跟其他條都不一樣:先叫 AI 照字面做,做不到才給替代方案。
原因是這個條件成不成立,要看腦區。(指令裡那句「膨脹兩格再填洞」的填洞,是把區域內部剩下的小空洞補起來,免得放寬之後的範圍中間都是洞。)在右觸角葉上照字面一顆都挑不到——最接近的那顆也只有 23.6% 的體素落在最小那一群裡。但同樣一條規則換到 AVLP_R 就挑得到:最大的那一群裡有五顆的比例超過 97%,最高一顆是 99.1%。所以指令不能寫死「一定挑不到」,要寫成「先試,挑不到再換」——那個「挑不到的時候該怎麼辦」才是論文真正沒有交代的地方。
如果直接給替代規則,讀者會以為那就是論文的作法。先撞一次牆,才看得出來「這裡有一個必須自己補的洞」。這也是為什麼要它在報告裡標明是替代規則——PART 4 的產出裡,這種自己加的規則必須跟論文的步驟分得開。
最後要它列出前十顆,是因為種子換一顆,滾出來的雪球可能完全不同。這是整條流程唯一明寫要人介入的一步,它的敏感度值得留一份紀錄。
| 要它回報的 | 正確答案 |
|---|---|
| 落在最小那一群的比例(中位 / 最大) | 4.5% / 23.6% |
| 達到 100% 的有幾顆 | 0 顆 |
| 放寬後的最大值 / 達到 100% 的 | 46.9% / 仍然 0 顆 |
| 報告裡有沒有標明替代規則 | 必須有 |
如果 AI 回報「找到了符合條件的種子」,那是它把條件放寬了卻沒說。要它把判定條件原原本本寫出來再檢查一次。
可以整段複製貼上
用指令 8 挑出的種子開始招募。論文的規則是:
把體素放大 4 倍,若某顆神經元有超過 50% 的體積與種子重疊,
就把它招募進來;被招募的與原本的種子合併成新的種子,
再去招募下一顆,反覆到找不到新目標為止。
這句話有四個地方沒交代,請照我說的做:
一、「放大」指的是把神經元佔用的那些體素各自向外撐大
(形態學膨脹),不是把整個座標放大。
整體等比放大對「重疊超過 50%」這個比例判準毫無作用。
二、撐大的是 source(已經收進來的那一群),target 不撐大。
重疊率的分母用 target 沒撐大時的體積。
—— 論文寫的是 all voxel units enlarged(兩邊都撐大),
沒說的是 50% 的分母該用 target 撐大前還是撐大後的體積。
這裡兩件事都是我指定的,跟論文的字面讀法不同,報告裡要寫明。
三、「4 倍」在格點上做不到,因為撐大是一格一格來的。
請先算:撐大 1、2、3 格分別會讓體積變成幾倍?
算完之後用「撐大 2 格」跑,並在報告裡寫明這個選擇。
四、論文對這一步其實寫了兩種不一樣的作法,兩種都要跑:
(甲)補充材料的滾雪球——收進來的併成新的種子,靶愈滾愈大。
(乙)圖 S5D(e) 圖說的固定靶——靶就是 STEP 3 分出來的那一群,
固定不動,每顆 LN 各自算「我有多少比例的體素落在這一群裡」。
兩種都掃「撐大幾格 × 重疊門檻」,回報各自招募到幾顆。
如果一個腦區分出兩群,還要回報兩群收到的名單重疊多少
(完全一樣是 1、毫無交集是 0)。
跑之前先做一次敏感度檢查:
抽 60 顆 LN 候選,算兩兩之間的重疊率
(B 有多少比例的體素落在撐大後的 A 裡面),
在撐大 0、1、2、3 格之下各算一次。
回報:有交集的配對比例、重疊率中位數、最大值、超過 50% 的比例。
然後才開始招募。回報:招募到幾顆、迭代幾輪、每一輪收了幾顆。
「把所有體素放大 4 倍」這句話,照字面做等於什麼都沒做。判準是一個比例,整體放大時分子分母一起變大,比例不變。唯一說得通的讀法是形態學膨脹——把神經元佔的格子各自撐胖,讓原本擦身而過的兩條纖維產生交集。這件事論文沒有講,得由你講。
先分清楚兩個角色:source 是「已經收進來的那一團」(起點是那顆種子,每收一顆就併進來),target 是正在被檢查的那一顆 LN——50% 的分母就是它的體積。(PART 2 的 STEP 4 有完整說明。)第二點的「撐大誰」差別很大:只撐大 target 的通過率是只撐大 source 的三倍多。而「兩邊都撐大、分母卻用原本體積」這個讀法會算出大於 1 的比例——一個比例不可能超過 100%,那個讀法本身不成立。不指定,AI 四種都可能選。
那個敏感度檢查是為了讓「為什麼要膨脹」變成看得見的事。不膨脹時最大重疊率只有 0.10,沒有任何一對過得了 50%——雪球一顆都招募不到,這一步當場停住。膨脹不是在微調結果,是在讓步驟成立。
第四點是這一條最重要的一句,而它跟其他空缺不一樣:不是「論文沒寫」,是「論文寫了兩次、兩次不一樣」。補充材料寫滾雪球,圖 S5D(e) 的圖說寫的卻是依分群的覆蓋範圍招募。只叫 AI 跑其中一種,你會得到一個看起來完整、但取決於你挑了哪一句話的答案。叫它兩種都跑,差異自己會浮出來——PART 4〈發現一〉就是這樣發現滾雪球那一種在真實資料上是個開關的。
| 撐大幾格 | 重疊率中位 | 最大 | 超過 50% |
|---|---|---|---|
| 0(不膨脹) | 0.015 | 0.10 | 0.00% |
| 1 | 0.092 | 0.35 | 0.00% |
| 2 ← 指令指定用這個 | 0.238 | 0.68 | 5.9% |
| 3 | 0.398 | 0.90 | 35.2% |
另外撐大 1、2、3 格的體積倍率應該是 6.2、16.9、29.7。如果它回報「撐大到 4 倍體積」,代表它沒發現最小的一步就已經跳過 4 倍了。
可以整段複製貼上
把指令 9 招募到的那群 LN 疊起來,抽出一個曲面當作候選 LPU 的邊界。 論文的作法是:去掉它們的初級神經突與細胞本體,再對剩下的 纖維密度場取等值面(isointensity surface)。 一、「去掉初級神經突與細胞本體」怎麼做: D06 的 dep.npy 記錄了每個體素離細胞本體的路徑深度(0 到 100)。 請先量一件事:把深度分成 0–5、5–10、10–20、20–35、35–65、 65–100 六段,各段有多少比例的體素落在該腦區之外、 落在任何腦區之外? 量完之後,用「深度小於 10 就丟掉」當作去除規則, 並在報告裡寫明這個 10 是你依上面的量測決定的,不是論文給的。 二、等值面的門檻論文沒有寫。請用三個門檻各抽一次: 密度場的第 25、50、75 百分位。 對每一個門檻回報:抽出來的區域有多少體素、佔該腦區的百分之幾。 三、把三個門檻的結果並排畫出來(同一張切片,三條邊界線)。 圖不要放中文。 最後回答:這三個門檻算出來的體積差幾倍?
論文在這一步沒有給任何理由,也沒有給門檻。「去掉初級神經突與細胞本體」只有一句話,沒有下文;等值面的門檻更是完全沒提。
第一點要它先量再決定,是因為「為什麼要去掉」這件事其實量得出來:最靠近細胞本體的那一段,有六成以上根本不在任何一個腦區裡——它就在細胞本體所在的表層。留著它,密度場會在腦區外多出一團,等值面跟著被拉出去。讓 AI 自己量出這個數字,那個「深度 10」的門檻才有依據。
第二點要跑三個門檻而不是一個,是因為門檻直接決定候選 LPU 的體積,而體積又直接影響下一步的 c 值。只跑一個,等於把一個沒有依據的選擇藏進管線裡。
這一條沒有標準答案——PART 2 沒有算到等值面。可以檢查的只有兩件事:
| 檢查項 | 應該長什麼樣 |
|---|---|
| 深度 0–5 段落在任何腦區之外的比例 | 61.7%(這一項 PART 2 量過) |
| 深度 35–65(中段)的同一比例 | 5.3% |
| 三個門檻的體積 | 必須是單調遞減——門檻越高,區域越小 |
| 最鬆與最緊的體積比 | 應該有好幾倍的差距;如果三個幾乎一樣,代表門檻沒有真的套用上去 |
可以整段複製貼上
對指令 10 抽出來的每一個候選 LPU 算 c 值。 論文的定義:把候選 LPU 的表面均勻往內縮,縮到內部剛好包含 80% 的體素,這一塊叫中心區 A,剩下的外圈叫周邊區 B。 c = A 的平均密度 ÷ B 的平均密度。判準是 c > 2。 實作提示:「表面均勻內縮」不必真的做曲面運算。 對候選區域做一次距離轉換(算每個體素離表面多遠), 依距離由內而外排序,取最內側的 80% 就是 A。 對指令 10 的三個等值面門檻各算一次 c 值。 回報: 1. 每個候選 LPU、每個門檻之下的 c 值。 2. 有幾個通過 c > 2? 3. c 值隨門檻怎麼變?變化大不大? 最後回答:如果換一個等值面門檻就會改變「通過或不通過」的判定, 是哪幾個候選 LPU?
c 值本身論文寫得很清楚,公式與判準都有,所以指令主要是把它翻成做得出來的步驟。那個距離轉換的提示會省下很多時間——「均勻內縮曲面」聽起來像要做網格運算,其實排序一次就好。
真正的重點在最後兩問。c 值是一個驗證關卡,但它吃的是指令 10 的產物;而指令 10 的門檻是沒有依據的。所以要問:有沒有候選 LPU 的命運,其實是被那個沒依據的門檻決定的?如果有,那它「通過 c > 2」這件事就不算證據。
| 檢查項 | 應該長什麼樣 |
|---|---|
| c 的定義 | 是兩個平均密度相除。要它把 NA、NB、兩個總和都印出來,自己核一次 |
| c 的量級 | 應該是大於 1 的數。若出現小於 1,代表中心比周邊還疏——要它檢查 A、B 有沒有弄反 |
| 門檻越緊,c 應該 | 大致越小(切掉的周邊越多,對比就越不明顯)。若毫無趨勢,八成是距離轉換做錯了 |
可以整段複製貼上
最後一個條件:候選 LPU 要有自己的長程神經束。 這裡論文有兩處寫得不一樣,請照補充材料那一版做: 正文說神經束是「連接特定 LPU」的軌跡分群 —— 這會造成循環: 要找神經束得先有 LPU,要驗證 LPU 又要先有神經束。 補充材料〈Searching Neural Tracts〉的演算法寫的是 「連接兩個 neuropil 的神經元」—— 用不到 LPU,沒有循環。 我們用後者。 演算法照補充材料: 對每一顆連接兩個腦區的神經元,先算它在這兩區裡的終點平均位置, 再取連接這兩點的最短路徑當作它的軌跡。 把「兩端平均終點位置相距小於 30 個體素,而且總路徑長度 相似度大於 60%」的軌跡綁成同一條神經束。 注意:30 個體素是論文給的數字,但論文用的座標框跟我們不同。 請用指令 1 算出的換算,把它折成我們這個格點上的格數, 並在報告裡寫明折算前後的數字。 回報: 1. AL_R 有幾條神經束連出去?各連到哪些腦區?各由幾顆神經元組成? 2. 指令 10 的每一個候選 LPU,各自有沒有自己的神經束? 3. 如果做不到完整的綁束演算法,就退成寬鬆版 (「有沒有神經元同時碰到這個候選 LPU 和另一個腦區」), 但要在報告裡明白寫出你用的是寬鬆版,以及跟原版差在哪。
這一條的第一段是在幫論文解一個矛盾。正文與補充材料對「神經束連接的是什麼」給了不同答案;照正文會產生循環,照補充材料不會。不指定,AI 很可能抓正文那句(它比較顯眼),然後陷進循環裡自己編一個解法。
「30 個體素」那段是指令 1 的伏筆兌現。論文的 30 是在它自己的座標框裡量的;我們的格點大小不同,直接照抄會錯。這種單位陷阱在跨資料重現時到處都是,而它從來不會報錯。
第 3 點先給了退路,是務實的考量:完整實作綁束演算法是一個不小的工程,而且我們手上不見得有足夠的資料。與其讓 AI 硬做出一個看起來完整、其實對不上的結果,不如允許它降級,但要求它把降級這件事寫在臉上。
| 檢查項 | 應該長什麼樣 |
|---|---|
| 用的是哪一版 | 必須明說「補充材料版(節點是 neuropil)」,或明說降級了 |
| 30 體素的折算 | 要有折算前後兩個數字。沒折算就是照抄,要它重做 |
| AL_R 連出去的對象 | 應該包含蕈狀體萼與側角(觸角葉的投射神經元往這兩處走) |
| 每條神經束的神經元數 | 論文報告的束都由三顆以上組成。若算出大量只有一顆的,代表綁束沒有真的生效 |
可以整段複製貼上
前面七步只做一件事:在一個腦區內部,判斷要不要再細分。 但論文實際上還做了反方向的操作——把好幾個腦區合起來當一個 LPU (蕈狀體的萼與葉、中央複合體的橢球體與兩個側三角)。 這個操作沒有被寫成任何步驟,也沒有判準。 我要你把它變成一條可以跑的規則,理由如下: 論文說「整個蕈狀體是一個 LPU,因為萼和葉都沒有自己的 LN 族群」。 這句話看起來矛盾——兩邊都沒有,怎麼合起來就有? 關鍵是 LN 是相對於「哪一塊區域」定義的: Kenyon cell 的樹突在萼、軸突在葉,所以把萼和葉當兩區時, 它兩邊都不算 LN;當成一區時,它就是這一區的 LN。 所以規則是:如果把相鄰的兩個腦區合併之後, 「符合 LN 定義的神經元數」明顯增加,那就是切錯地方了。 請這樣做: 一、把蕈狀體的四塊(MB_CA、MB_PED、MB_VL、MB_ML)左右各自合併, 重跑指令 2 的 LN 判定,回報合併前後每一塊 / 合併後的 LN 數。 二、對 EB 與兩側的 BU(側三角)做同樣的事。 三、把全腦所有「空間相鄰」的腦區配對都試一次合併, 回報合併後 LN 數增加最多的前十組。 最後回答:第三項跑出來的前十組裡,有哪幾組是論文有提到的? 有哪幾組是論文沒提、但數字上看起來也該合併的?
這是十個空缺裡唯一「論文連步驟都沒寫」的一個。合併發生過,證據留在圖 5A 上(同時有 Cal、MB 與 Cal+MB 三列),但沒有任何規則可以套用到其他腦區。
所以這條指令做的事是「把論文的個案處理逆向工程成一條規則」:合併之後 LN 數暴增,就代表原本的切線切斷了某群神經元。指令裡把這個推理完整寫出來,不是為了讓 AI 照做,而是因為它必須知道為什麼——否則它會把「LN 數增加」當成一個沒有意義的統計量。
第三項是這條指令真正的價值。論文只逐案處理了兩處;把同一條規則套到全腦,會不會冒出論文沒提的合併候選?那是一個論文沒回答、而我們手上的資料回答得了的問題。
| 要它回報的 | 正確答案 |
|---|---|
| 蕈狀體四塊合併前(右側) | 萼 1、柄 0、垂直葉 0、水平葉 0 |
| 合併後 MB_R / MB_L | 596 / 619 |
| EB 合併前 / 併入兩側 BU 後 | 11 / 18 |
| 三組都合併後的全腦 LN 候選 | 6,922 → 8,143 |
蕈狀體那一列是最強的驗證。從幾乎全是 0 變成上千顆——如果 AI 算出來只增加幾十顆,代表它的合併沒有真的重跑 LN 判定,只是把四塊的數字加起來。
可以整段複製貼上
前面十三條都只在 AL_R 一個腦區上做。現在把整條管線套到全腦。
一、對 75 個腦區逐一跑指令 4 到 12。
有些腦區會跑不動(體素太多、LN 太少、某一步沒有結果),
不要跳過也不要假裝成功——把它記下來,寫清楚卡在哪一步、為什麼。
二、跑之前先估算:哪些腦區的熱點體素會多到讓距離矩陣算不動?
先列出來,並提出你打算怎麼處理(降解析度?分塊?跳過?)。
等我確認再開始跑。
三、跑完之後產出三樣東西:
1. 一張全腦的 LPU 圖。用 D03 的標準腦,把判定為 LPU 的區域
上色,判定為 hub 的用另一種顏色,跑不動的用灰色。
正視圖與側視圖各一張。圖不要放中文。
2. 一張總表,每一個腦區一列,欄位包含:
LN 候選數、候選 LPU 數、c 值、有沒有神經束、最終判定
(LPU / hub / 跑不動),以及「這一列用了哪些替代規則」。
3. 一份文字報告,必須包含這幾節:
- 最後得到幾個 LPU、幾個 hub、幾個跑不動
- 跟論文的 41 個 LPU 差多少,差在哪裡
- 整條管線裡我指定給你的決定有哪幾個,各是什麼值
- 你自己補的決定有哪幾個(例如指令 8 的替代規則),
各是什麼,為什麼這樣補
- 哪些結論會隨那些決定改變,哪些不會
最後一節請特別認真寫。我要知道的不是「我們找到幾個 LPU」,
而是「這個數字有多少是資料給的、有多少是我們自己選的」。
第一點的「不要跳過也不要假裝成功」是這條指令最重要的一句。全腦 75 區一定會有跑不動的——視葉的 LN 有六百多顆,熱點體素數會讓距離矩陣直接超出記憶體。AI 面對這種情況的預設反應是靜靜跳過或悄悄降級,然後給你一份看起來完整的表。
第二點刻意加了一個煞車。「等我確認再開始跑」——全腦跑一遍是很花時間的,而且如果處理方式選錯,跑完才發現就浪費了。在最貴的一步之前留一個人工檢查點,是這串指令裡唯一一次要求它停下來等人。
第三點的第 3 樣才是真正的產出。那張 LPU 圖固然是目標——PART 1 第 6 節現在放的是一張代用圖,那裡留了一句「要有自己的 LPU 圖,就得把流程重跑一次」,這條指令就是去兌現它。但一張沒有附上「哪些數字是我們自己選的」的圖,跟論文那張沒有附參數的圖,是同一個問題。
最後那句話定義了整個 PART 4 的驗收標準:不是「我們找到幾個 LPU」,而是「這個數字有多少是資料給的、有多少是我們自己選的」。
| 檢查項 | 應該長什麼樣 |
|---|---|
| 跑不動的腦區 | 一定要有。如果 75 區全部順利跑完,八成是有幾區被悄悄降級了 |
| 總表的「替代規則」欄 | 至少要出現指令 8 的種子替代規則。整欄空白 = 沒有誠實記錄 |
| LPU 總數 | 不需要等於 41。但它必須說明差在哪裡——差在分區不同、判準不同,還是有幾區沒跑完 |
| 報告最後一節 | 「哪些結論會隨決定改變」至少要列出:切割高度、種子、等值面門檻、LN 的 f |
回頭看這一串,會發現它跟「教 AI 寫程式」關係不大。真正花掉篇幅的,是把論文含糊的地方一句一句寫死。
| 指令 | 論文怎麼寫 | 我們必須怎麼寫 |
|---|---|---|
| 2 | 目視判讀(visually inspected) | 至少 80% 的分枝落在同一區 |
| 4 | 纖維條數/重複註冊次數(兩種說法) | 用重複註冊次數,並記錄下來 |
| 6 | 「1% of the total voxel number」 | 分母是整個腦區,不是熱點 |
| 7 | (切割高度完全沒提) | 掃 4 到 25,每個高度打亂九次 |
| 8 | 目視挑一顆纖維完全侷限在內的 LN | 先照字面挑;挑不到才改取比例最高的前十顆裡體積最小的 |
| 9 | 「所有體素放大 4 倍」;而且滾雪球與固定靶兩種寫法並存 | 撐大 source、撐大 2 格、分母用 target 原體積;兩種寫法都跑,比較差異 |
| 10 | 去掉初級神經突與細胞本體;取等值面 | 深度小於 10 丟掉;門檻跑三個 |
| 12 | 正文與補充材料寫得不一樣 | 照補充材料,節點是 neuropil |
| 13 | (逐案說明,沒有規則) | 合併後 LN 數明顯增加就是切錯了 |