检测规则
实验数据风险
面向数据表、统计结果和关键数值，展示每类规则的检测结果以及回到原始数据的位置。
识别实验精度一致性异常
当数据记录的小数位、记录精度或数值格式呈现不符合实验习惯的模式时，系统会提示团队核查记录口径和原始数据。
检查数值、统计和图像风险，并输出可处理的问题清单。
MICA 关注精度一致性、尾数分布、组间差异、图像重复和修改痕迹，把异常线索组织成统计摘要、规则明细和回溯入口。
检测规则
图像材料风险
面向论文图像材料，展示图像重复检测结果以及回到原始图像区域的匹配关系。
识别图像重复和修改痕迹
对论文图像中的相似区域、重复使用迹象或局部修改痕迹进行提示，帮助团队在投稿前确认图像材料是否需要修订。
先理解问题全貌，再跳转处理具体问题。
MICA 将复核结果组织为统计概览、分规则统计和明细清单。团队可以先判断问题规模和优先级，再从明细进入具体 Sheet、Table、样本、单元格或图像区域。
统计结果
统计结果快速理解问题全貌
整体统计和分规则统计放在同一组视图中，帮助团队判断风险数量、分布状态和优先处理规则。
明细定位
明细清单跳转具体问题
明细列表保留 Sheet、Table、规则、状态、摘要和跳转入口，方便团队按项分派核查并回到原始位置。
MICA 澄镜 / 工作流程
纠错和语义理解奠定正确质检的基础。
MICA 先把非标准表格、论文图像和材料语境整理成可理解、可计算的结构，再进入质检规划和执行，减少因输入混乱造成的误判。
数据复核链路
Excel 数据表、统计结果和关键数值先经过表格标准化和统计语义理解，再进入质检规划和执行。
图像复核链路
论文图像先进行语义分割，再识别实验图像区域，并进入质检规划和执行，提示重复使用、修改痕迹或跨组件差异。
识别修复多种复杂非标准数据区域。
对合并单元格、多层表头、空行分隔、备注说明和多个表格混排等情况，MICA 先整理成稳定结构，再进入后续统计语义理解和质检规划。
表头错位识别与修复
识别表头位置错位
原始表格中表头与数据列没有对齐，直接质检容易把变量、组别或统计指标读错。
修复错位表头
系统重新对齐表头层级和数据列关系，把原始表格整理成可被规则稳定读取的结构。
FAQ
常见问题
以下回答用于帮助团队判断产品是否适合当前科研场景，具体部署方式和使用边界以售前沟通为准。
MICA 澄镜能检查哪些材料？
MICA 可面向论文文档、表格数据、统计结果、关键数值和实验图像材料输出复核线索，具体格式以系统支持范围为准。
MICA 是否等同于“造假检测”？
不等同。MICA 输出的是需要人工确认的数据和材料风险线索，不能直接判定学术不端，也不替代机构或专家的最终判断。
MICA 适合什么时候使用？
适合投稿前自查、返修前复核、发表后风险回溯，以及课题组或机构内部的科研材料质量管理。
