[论文解读] Criteria-first, semantics-later: reproducible structure discovery in image-based sciences

Bumberger, Jan|arXiv (Cornell University)|Feb 17, 2026

Cell Image Analysis Techniques被引用 0

一句话总结

该论文提出一个以标准-为先、语义-为后框架，在明确标准下从测量中提取非语义结构性产物，从而实现下游的多重语义映射并提升图像基础科学的可重复性。

ABSTRACT

Across the natural and life sciences, images have become a primary measurement modality, yet the dominant analytic paradigm remains semantics-first. Structure is recovered by predicting or enforcing domain-specific labels. This paradigm fails systematically under the conditions that make image-based science most valuable, including open-ended scientific discovery, cross-sensor and cross-site comparability, and long-term monitoring in which domain ontologies and associated label sets drift culturally, institutionally, and ecologically. A deductive inversion is proposed in the form of criteria-first and semantics-later. A unified framework for criteria-first structure discovery is introduced. It separates criterion-defined, semantics-free structure extraction from downstream semantic mapping into domain ontologies or vocabularies and provides a domain-general scaffold for reproducible analysis across image-based sciences. Reproducible science requires that the first analytic layer perform criterion-driven, semantics-free structure discovery, yielding stable partitions, structural fields, or hierarchies defined by explicit optimality criteria rather than local domain ontologies. Semantics is not discarded; it is relocated downstream as an explicit mapping from the discovered structural product to a domain ontology or vocabulary, enabling plural interpretations and explicit crosswalks without rewriting upstream extraction. Grounded in cybernetics, observation-as-distinction, and information theory's separation of information from meaning, the argument is supported by cross-domain evidence showing that criteria-first components recur whenever labels do not scale. Finally, consequences are outlined for validation beyond class accuracy and for treating structural products as FAIR, AI-ready digital objects for long-term monitoring and digital twins.

研究动机与目标

• 识别开放式发现、跨站点可比较性和长期监测中的语义优先管道的局限性。
• 提出一个领域通用的、以标准为先的框架，产生稳定、无语义的结构性产物。
• 演示下游语义如何将同一结构映射到多个本体，而无需重写上游提取。
• 主张将结构性产物作为可 FAIR、AI-ready 的数字对象，适用于数字孪生和长期监测。

提出的方法

• 形式化一个最小框架：一个测量场 X、一个显式标准 C，以及一个结构提取算子 S_C，产生结构产物 S。
• 将 S_C 定义为在可允许结构 S 上，对由标准派生目标 E_C(X,S) 的优化问题的解。
• 根据模态和标准，允许多种结构类型（分区、图、层次、结构场）。
• 引入下游语义映射 M_i: S -> O_i 将结构产物映射到领域本体，实现多元解释。
• 为可重复性提供公设：显式标准、确定性、对扰动的稳定性及映射多元性。
• 通过跨领域证据说明在标签不可扩展时，标准-优先组件的反复出现来 illustrating。

实验结果

研究问题

• RQ1 语义优先管道在长期监测和开放式发现中的局限性是什么？
• RQ2 如何设计一个以标准定义、无语义的结构层，使其在跨领域上具有可重复性和可迁移性？
• RQ3 下游语义应如何组织，以在不重写上游提取的情况下将同一结构映射到多个领域本体？
• RQ4 有哪些证据支持在图像基础科学中标准-优先模式的普遍性？

主要发现

• 语义优先方法在域迁移、传感器变异和本体演化下易脆弱。
• 以标准为先的层次产生稳定、可迁移的结构产物，与领域标签无关。
• 下游语义可以是多元且以目的为 bound 的，将同一结构映射到不同本体，而不改变上游提取。
• 结构产物可作为耐久的、符合 FAIR 的、AI 就绪的数字对象，用于数字孪生和长期监测。
• 评估应聚焦鲁棒性、尺度一致性和全球一致性，而非固定语义准确性。
• 自监督和基础模型方法可以实现标准-优先的结构提取，同时保持显式标准可测试、可审计。