DeepFisFis 以约 2.5 毫秒处理 5 毫秒音频片段，在发声进行中实时检测小鼠超声发声并触发闭环刺激
核心概要
该工作提出 DeepFisFis——一个直接基于波形、对连续 5 毫秒音频片段进行分类的神经网络，可在小鼠超声发声（USV）正在产生时进行检测，每段处理约 2.5 毫秒、快于音频流入速度；在已部署的闭环系统中，检测结果可触发外部刺激，实现进行中发声行为的在线控制，同时支持事件触发式采集，在仅保留约 22% 连续录音的情况下保存了超过 99% 的发声时间。
深度剖析
DeepFisFis 能在 USV 正在产生时完成检测，而不是像通常那样在采集之后才分析。 以往 USV 通常只作为采集后的回溯性读出，该工作把检测提前到发声进行之中，使发声本身成为可实时使用的实验信号。 摘要报告该网络直接基于波形对连续 5 毫秒片段分类，并称具有高准确率；具体准确率数值未在文本中给出。
该网络每段处理约 2.5 毫秒，快于 5 毫秒音频片段的流入速度，因而具备实时性。 处理速度快于音频到达速度，是使检测结果能够用于指导进行中实验干预的关键条件。 摘要给出每段约 2.5 毫秒的处理时间与 5 毫秒片段长度这一对比，属于时间预算层面的证据。
在已部署的闭环系统中，检测触发外部刺激，展示了对进行中发声行为的在线控制。 把检测从离线分析推进到闭环干预，使 USV 可用于因果性实验操作，而不仅是行为描述。 摘要称系统已部署并实现刺激触发；文本未给出刺激类型、试次数量或行为改变幅度的细节。
事件触发式采集在仅保留约 22% 连续录音的同时，保存了超过 99% 的发声时间。 为围绕检测到的叫声进行选择性存储提供了量化依据，可显著降低数据量而不明显丢失发声内容。 摘要给出两个百分比指标（超过 99% 与约 22%），但未说明所用数据集规模与统计方式。
启示与展望
该结果面向需要在小鼠发声进行中作出反应的实验场景，例如以检测触发外部刺激的闭环系统，以及围绕检测到的叫声进行选择性存储的事件触发采集。对希望降低连续录音存储量、同时保留发声内容的研究者，摘要给出的超过 99% 发声时间与约 22% 连续录音这一对比提供了直接参考；对希望把行为读出接入实时干预的研究者，约 2.5 毫秒每段、快于 5 毫秒片段的处理速度是可用性的前提。
本次读取范围不完整，仅包含摘要与利益冲突声明，正文、图表与补充材料未纳入，因此摘要中提到的“高准确率”没有具体数值，闭环实验的刺激参数、试次数量与行为效应幅度也无法核对。事件触发采集的超过 99% 与约 22% 两个比例所依据的数据集规模、动物数量与统计方法同样未在文本中出现。读者若要判断该方法在不同品系、不同噪声环境或更长记录中的稳定性，仍需查阅完整论文。