Estado: estrutura de trabalho. A versão interna 0.1 está em
publication/MANUSCRIPT_DRAFT_PTBR.md; não é um manuscrito submetido.
Os materiais gerados ficam em publication/generated/. A tabela do manuscrito,
o SVG de contrastes e a proveniência são sincronizados por
python scripts/build_publication_assets.py; o CI executa o modo --check.
HyperMix: an open benchmark for honest evaluation of engineered biosignature detection in hyperspectral imagery
Alternativa centrada no resultado:
When a calibrated matched filter is hard to beat: reproducible negative results for hyperspectral biosignature detection
O HyperMix oferece um benchmark aberto que separa informação do alvo, realismo físico, estatística do fundo, calibração e decisão operacional. Nos regimes concluídos, nenhum método aprendido superou de forma robusta um matched filter espacial bem calibrado. A avaliação em expressão biológica realmente medida continua bloqueada pela geometria não reproduzida da Figura 4g.
- Motivação
- biossensoriamento remoto com repórteres hiperespectrais;
- risco de confundir baseline fraco com ganho de aprendizado;
- necessidade de resultados negativos reproduzíveis.
- Contratos de informação
- alvo exato, família estreita e alvo desconhecido;
- separação de treino, calibração e avaliação;
- unidade estatística por cena, SNR e seed.
- Benchmark e métodos
- fundos reais com alvos implantados;
- física de sensor e transferência laboratório-sensor;
- MF, MF espacial, RX, subespaço, MLP e autoencoder de fundo.
- Métricas
- AUC e Pd@FAR;
- NLL, Brier e ECE;
- MAE, viés, cobertura e largura;
- bootstrap agrupado e critérios pré-especificados.
- Resultados
- liderança ou empate do MF espacial em detecção;
- ausência de vantagem aprendida em calibração;
- falha da hipótese de três bandas;
- LOD simulado e abundância calibrada;
- heterogeneidade entre cenas sem seleção narrativa.
- Tentativa em alvo biológico real
- dados bioHSI, nove rótulos regionais e assinatura independente;
- porta de reprodução falhou;
- coordenadas manuais como dependência externa explícita.
- Discussão
- quando o MF é um baseline especialmente forte;
- por que features derivadas do MF limitam o MLP;
- valor científico de um benchmark que não produz uma vitória aprendida.
- Reprodutibilidade e comunidade
- PyPI, Zenodo, CI e manifesto de evidências;
- protocolo de clone limpo;
- chamada para reprodução externa e validação de dados.
- Diagrama dos contratos de informação e splits.
- Painel agregado de AUC e Pd@FAR nos regimes concluídos.
- Reliability diagram e contraste de NLL/ECE.
- Curva de AUC por número de bandas.
- LOD por FWHM e FAR.
- Abundância calibrada com cobertura e largura.
- Overlay das caixas candidatas e falha da porta bioHSI.
Uma linha por hipótese causal, com baseline justo, método aprendido, métrica
primária, intervalo do contraste, veredito e limitação. Os valores devem ser
extraídos dos JSONs fixados em publication/evidence_manifest.json, nunca
copiados de memória.
- recuperar ou validar independentemente as coordenadas da Figura 4g;
- obter ao menos uma reprodução por pessoa externa;
- congelar versão, commit e DOI usados no manuscrito;
- redigir declaração transparente sobre assistência de IA;
- selecionar periódico ou servidor de preprint sem ampliar as conclusões.