Loading...
正在加载...
请稍候

基于深度学习的微滴数字PCR自动对焦算法研究

2026-08-06 15:10

🔍 耿同学打假报告

论文信息

  • 论文来源:基于深度学习的微滴数字PCR自动对焦算法研究(返修).pdf
  • 标题:基于深度学习的微滴数字PCR自动对焦算法研究
  • 作者:曲彦衡,赵书豪*,任振梁,彭年才,张镇西,胡飞*
  • 期刊:疑似《光学学报》或《中国激光》等国内光学/仪器类核心期刊(返修稿,未见正式卷期)
  • DOI:未提供
  • 发表年份:2026年(基于当前日期与参考文献最新至2025年推断)

综合评定:🟠 高度可疑

详细发现

发现 1:数据集规模存在“薛定谔的数学”崩溃(数据造假/粗心之极)

  • 位置:3.1.1 图像预处理 / 3.1.2 图像数据增强 / 3.2.3 模型训练设置
  • 描述:论文在多处对核心数据集的规模进行了描述,但这些数字之间存在不可调和的数学矛盾
  • 证据
    1. 原图采集:“共采集9组独立样本...最终获得...549张有效图像”。
    2. 图像裁剪:“将图像裁剪为89张224×224大小的图片”。总计应得:549 × 89 = 48,861 张子图。
    3. 图像扩增:“区间边界附近的图像扩增为4张,其余图像扩增为2张,最终形成65,340张...训练样本”。
    4. 逻辑崩塌:假设所有 48,861 张子图全都只扩增为 2 张,总数也应达到 97,722 张。如果有部分扩增为 4 张,总数只会比 97,722 更多。作者声称最终只有 65,340 张,这个数字远远小于理论最小值!这意味着要么数据增强的描述是编造的,要么 65,340 这个终极数据是随手敲进去的。
    5. 更讽刺的是,在 3.2.3 节中,作者用 65,340 按 7:2:1 划分训练/验证/测试集,算出了极其工整的 45738、13068、6534(加起来完美等于 65340)。说明作者对 65340 这个数字是“情有独钟”的,只是忘了前面的铺垫根本推不出这个数字。
  • 严重程度:🔴 (深度学习论文的数据集是地基,地基数字算不平,模型结果全悬空)

发现 2:文本与图片说明的严重撕裂(图文不一致)

  • 位置:3.7 对焦算法泛化性讨论 及 图11 标题
  • 描述:正文中描述的液滴尺寸与图片说明中的尺寸发生了极其明显的矛盾。
  • 证据
    • 正文原文:“粗对焦模型训练时使用液滴直径为120μm...可以对直径为120μm的液滴图像(图11(a))、直径为100μm的液滴图像(图11(b))进行较好的预测。”
    • Fig.11 标题原文:“ 120μm diameter...; 60μm Size; 50μm Size...”
    • 前文说是 100μm,到了图注里就缩水成了 50μm(甚至 120μm 在图注里也可能对应错了)。这种核心实验对象的参数在图文之间跳跃,说明作者在拼凑论文或修改返修稿时极其不严谨,甚至可能图根本就是拿别的实验图顶替的。
  • 严重程度:🟠 (核心实验参数张冠李戴)

发现 3:正文与图片说明的二次矛盾

  • 位置:3.1.1 图像预处理 及 Fig.6 标题
  • 描述:关于图6的 (b) 和 (c) 图内容,正文和图注各说各话。
  • 证据
    • 正文原文:“图6(b)(c)为噪声处理前后边缘图像。”
    • Fig.6 标题原文:“ 裁剪后图像; 噪声处理前边缘图像...”
    • (b) 到底是裁剪图还是边缘图?这种低级复制粘贴错误在量产型论文中极为常见。
  • 严重程度:🟡 (典型的未经仔细校对的笔误,不涉及核心数据,但反映写作态度)

发现 4:时间线与文献引用检测

  • 位置:参考文献列表
  • 描述:检查引用文献的发行年份是否合理。
  • 证据:当前日期为 2026-05-29。文中引用了多篇 2024、2025 年的文献(如 Ref [16] 2024光子学报, Ref [17] 2025中国激光)。这在时间逻辑上是合理的,属于正常的前沿追踪。
  • 严重程度:✅ (未发现穿越时空的引用)

第一式至第三式检测情况总结(无原图免责说明)

  • 图片复用检测:文本中未提供原始的高清像素图片,无法进行 Western blot 背景噪点比对或相似度哈希计算。无法判断一图多用。
  • 图片拼接检测:未提供图片文件,无法进行边缘伪影分析。
  • 数据造假检测:除了上述发现 1 中的数据规模矛盾外,表 1 和表 3 中的深度学习指标(Precision, F1 等)呈现非常平滑的递增/递减趋势,虽然好看,但在消融实验中属于常见合理现象,暂无法实锤数据捏造,但结合数据总量的数学崩溃,指标真实性存疑。

耿同学辣评

这篇论文生动地向我们展示了什么叫“算法跑得飞起,算盘却打得稀碎”。搞深度学习连最基本的样本总数加减乘除都凑不对,这模型是用什么训练出来的?是用薛定谔的损失函数,还是作者的想象力?图文不一致更是家常便饭,120 微米的液滴在正文里走两步到图注里就缩水成 50 微米了,建议作者下次直接宣称发明了纳米级 PCR 技术,还能发个更高的影响因子。

建议后续行动

  • 联系作者要求提供原始数据(特别是问问那 65340 张图究竟是怎么变出来的)
  • 在 PubPeer 上提出质疑
  • 向期刊编辑部举报(要求在接收前核实数据真实性)

⚠️ 免责声明

本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。