Model hint: Use model: "sonnet" when spawning subagents for this skill (analytical task: metric parsing + ROI comparison + paper summary).

결과 캡처 (capture-results)

목적

각 분석 phase의 결과 파일(JSON, .npy 통계, SLURM 로그)을 파싱하여 논문용 구조화된 요약을 생성합니다.

결과 소스

Phase	결과 위치	주요 파일
phase1	`analysis/phase1_preprocess_decoding/results/`	results.json, accuracy*.json
phase2_SRM	`analysis/phase2_SRM_across_between/results/`	results.json, *_summary.json
phase2_procrustes	`derivatives/phase2_procrustes/`	results.json, disparity*.npy
phase3	`derivatives/phase3_filters/`	results.json, loss*.json
future_phases	`analysis/future_phase{1,2,3}_*/results/`	results.json

동작 순서

•대상 phase 확인: 사용자가 지정하거나, 최신 결과가 있는 phase 자동 감지
•
결과 파일 읽기:
- •results.json → 주요 메트릭 추출
- •settings.json → 사용된 파라미터 확인
- •.npy 파일 → shape + 기본 통계 (mean, std, min, max) 보고
•ROI별 정리: V1, V2, V3, hV4 각각에 대한 결과 분리
•그룹 비교: HC (sub-01~~07) vs CVD (sub-08~~10) 메트릭 분리
•요약 생성: analysis/METHODS_RESULTS_SUMMARY_FOR_PAPER.md에 추가

피험자 그룹

code

HC (n=7):  sub-01, sub-02, sub-03, sub-04, sub-05, sub-06, sub-07
CVD (n=3): sub-08, sub-09, sub-10

출력 형식

마크다운 요약 (METHODS_RESULTS_SUMMARY_FOR_PAPER.md에 추가)

markdown

## [Phase Name] Results — [날짜]

### Settings
- Parameter1: value1
- Parameter2: value2

### Results by ROI

| ROI | Metric | HC Mean (SD) | CVD Mean (SD) | Difference | p-value | Cohen's d | 95% CI |
|-----|--------|-------------|---------------|------------|---------|-----------|--------|
| V1  | ...    | ...         | ...           | ...        | ...     | ...       | ...    |
| V2  | ...    | ...         | ...           | ...        | ...     | ...       | ...    |
| V3  | ...    | ...         | ...           | ...        | ...     | ...       | ...    |
| hV4 | ...    | ...         | ...           | ...        | ...     | ...       | ...    |

### Individual CVD Profiles
- sub-08: [개별 결과]
- sub-09: [개별 결과]
- sub-10: [개별 결과]

### Key Findings
1. ...
2. ...

필수 포함 항목

모든 결과 요약에 반드시 포함:

•Exact p-values: p = 0.023 (p < 0.05로 뭉뚱그리지 않음)
•Cohen's d: 효과 크기
•HC-CVD 그룹 평균 + SD: M = 0.85, SD = 0.12
•95% CI: [0.71, 0.99]
•개별 CVD 프로필: n=3이므로 개별 결과 항상 보고

.npy 파일 처리

.npy 파일은 직접 읽지 않고, 관련 JSON에서 참조하거나 shape/stats만 보고:

python

# 서버에서 실행할 보조 스크립트 (필요 시)
import numpy as np
data = np.load('file.npy')
print(f"Shape: {data.shape}")
print(f"Mean: {data.mean():.4f}, SD: {data.std():.4f}")
print(f"Min: {data.min():.4f}, Max: {data.max():.4f}")

체크리스트

• 정확한 p-value 포함 (근사값 아님)
• Cohen's d 효과 크기 포함
• HC/CVD 그룹 평균 + SD 포함
• 95% CI 포함
• 개별 CVD 프로필 (sub-08, 09, 10) 포함
• ROI별 (V1, V2, V3, hV4) 결과 분리
• 타임스탬프가 있는 섹션 헤더
• METHODS_RESULTS_SUMMARY_FOR_PAPER.md에 추가됨