《类神经模拟网络：一种用于自闭症儿童早期筛查和认知模式识别的多模态神经拟态框架》内部矛盾之澄清与更正请求 [信件]

《Journal of Multidisciplinary Healthcare》：Request for Clarification and Correction of Internal Inconsistencies in “Neuromimicnet: A Multimodal Neuromorphic Framework for Early Screening and Cognitive Pattern Recognition in Children with Autism” [Letter]

　　尊敬的编辑：我写信是为了提出对上述引用文章（发表于《多学科医疗保健期刊》第19卷，文章编号605039，出版日期为2026年8月14日）中存在的一些内部矛盾表示关切。[1] 这些矛盾影响了所报告结果的可重复性和可解释性，在我看来，值得作者予以澄清或更正。以下是我列出的主要关切事项。关于EEG数据使用的矛盾摘要中称"性能评估使用了准确率、F1分数、精确率、召回率以及在基准EEG自闭症数据集上的计算效率"。然而，数据集描述部分指出所使用的唯一数据集是"多模态自闭症数据集"，仅包含音频记录和面部表情图像，在方法、预处理、特征提取或结果部分均未提及任何EEG成分。此外，结论部分明确将EEG列为未来工作方向："未来工作将专注于整合更多模态，包括EEG或眼动追踪信号，以进一步提高诊断准确性。"这直接否定了摘要中关于已使用EEG数据集进行评估的说法。我希望作者澄清哪一项说法准确，如果实际上并未使用EEG数据，则请相应更正摘要。混淆矩阵中报告的样本量差异数据集描述部分称该数据集包含"约3000多个样本，包括近1500张面部图像和1500个音频实例"。然而，图8中报告的混淆矩阵中的行总计暗示，根据报告的不同划分方式，数据集的总大小存在显著差异：- 70:30划分（图8A）：行总计为987个测试样本。如果这代表数据集的30%，则暗示总数约为3290个样本。- 80:20划分（图8B）：行总计为878个测试样本。如果这代表数据集的20%，则暗示总数约为4390个样本。这两个暗示的总数相差约1100个样本（约33%），尽管这两种划分据称都是从同一基础数据集中抽取的。这两个数字与数据集描述中陈述的"3000多个"总数都不吻合，特别是80:20的划分结果明显超过了该数字。我希望作者澄清每个实验划分中实际使用的样本数量，并与所陈述的数据集大小进行协调。从二分类到四类标签转换的不明之处数据集描述部分称该数据集"被组织为两个诊断类别：ASD和非ASD"。然而，整个分类流程，包括所有报告的混淆矩阵、性能指标和消融研究，都是围绕四个严重程度类别构建的：典型、轻度、中度和重度。手稿中没有描述如何将原始的二分类ASD/非ASD真实标签转换或重新标注为四个分级的严重程度类别。鉴于这一标签方案是所有报告结果的基础，我希望作者描述用于得出四个严重程度类别的标注或标记程序，包括这是否由临床评估者完成，如果是，使用了什么标准以及评估者间信度如何。面部特征提取骨干网络命名不一致摘要、引言和所提方法部分始终将"ResNet50"称为用于面部特征提取的预训练CNN。然而，"使用RestNet50进行面部特征提取"小节以及随后的特征融合和分类部分在两个地方提到了"restNet15"/"ResNet15"。由于ResNet-15和ResNet-50是架构不同的网络，具有不同的深度和参数量，这一不一致之处应予以更正，以确认实际实现了哪种架构。将ResNet50描述为"轻量级"面部预处理和面部特征提取部分将预训练CNN描述为"一个强大的面部识别和对齐算法"（MTCNN），并单独描述为"一个预训练的轻量级CNN"（指的是ResNet50/ResNet15）。ResNet50（约2500万参数，50层）在相对于为效率而设计的架构（如MobileNet、SqueezeNet）时，通常不被描述为轻量级。作者可能希望修订这一描述或澄清其依据。表1的范围不匹配表1的标题为"医疗保健领域现有神经形态和SNN方法的总结"。然而，该表中的六个条目中有两个——Oh等人及Ahmed等人——在表中被描述为使用"传统深度学习"和"深度学习模型"，没有提及任何神经形态或脉冲神经网络成分。将这些内容纳入一个专门针对神经形态和SNN方法的表格，与该表的既定目的似乎不一致，并可能使读者在评估所提方法相对于先前神经形态工作的新颖性时产生困惑。结论鉴于NeuroMimicNet被提议作为儿科人群的临床筛查框架，在报告数据集组成、样本量、标注方法和架构细节方面的精确性对于可重复性和任何后续的临床验证工作都尤为重要。我恳请编辑部邀请作者对这些要点作出回应，并在审阅其回应后，酌情发表更正或澄清。披露作者声明在本通信中没有利益冲突。