GFR: An Effective Plugin for Enhancing the ECG Classification Capability of Models
2026-08-06 15:10
这里是根据「耿同学六式」为您生成的学术论文深度检测报告:
🔍 耿同学打假报告
论文信息
- 标题:GFR: An Effective Plugin for Enhancing the ECG Classification Capability of Models
- 作者:Xunde Dong, Yupeng Qiang*, Xiuling Liu, Yang Yang, Yihai Fang, Jianhong Dou
- 期刊/会议:2025 International Conference on Intelligent Computing (ICIC 2025)
- 发表时间:2025年7月26-29日
- 来源链接:http://poster-openaccess.com/files/ICIC2025/247.pdf
综合评定:🟠 高度可疑
详细发现
发现 1:核心架构参数量存在严重数学悖论(“12除以5等于2”事件)
- 位置:Table 1, Table 2, Table 3 (参数量 Param. 列) & Section 3 (方法部分)
- 描述:论文中对比了两种架构:12分支网络(12BN)和5视图多视图网络(MVN)。根据原文描述,12BN中每个导线独立输入一个分支,而MVN将12导线划分为5个视图输入分支。但是,统计表中所有基础模型(除ECMamba外)在 12BN 框架下的参数量,竟然极其巧合地是 MVN 框架下参数量的整整 2 倍!
- 证据:
- Resnet101 MVN参数量:83.56M;12BN参数量:167.09M (83.56 × 2 = 167.12,误差极小)
- Resnet152 MVN参数量:116.67M;12BN参数量:233.33M (116.67 × 2 = 233.34)
- ATI-CNN MVN参数量:30.00M;12BN参数量:59.99M (30.00 × 2 = 60.00)
- Inception1d、VGG16等均呈现精确的2倍关系。
- 唯独 ECMamba 出现了 2.4 倍的关系(48.40M vs 20.15M)。
- 逻辑矛盾:如果主干网络各分支独立,12个分支的参数量应当是5个分支的 2.4倍 (12/5 = 2.4)。如果所有模型都呈现2倍关系,说明作者在实验中所谓的“12BN”可能只用了2个分支,或者所谓的“5个视图”其实只有1个分支。这说明实验代码与论文描述存在严重脱节,存在编造实验设置或拼凑数据的嫌疑。
- 严重程度:🔴
发现 2:机翻痕迹明显,专业术语出现低级错误
- 位置:Section 4.1 (Basic Setting) & Section 5.3
- 描述:在描述硬件环境和实验结果时,出现了典型的不经审查的机器翻译错误,这通常是不良代写机构或为了赶due而粗制滥造的标志。
- 证据:
- 硬件部分:“Inter I7-13700K”,把 Intel(英特尔)拼错成了 Inter。
- 结果分析部分:“the number of covariates is maintained at 5.67M”,深度学习模型里叫 parameters(参数),谁家好人把参数叫 covariates(协变量)?这是翻译软件将“变量/参数”误译的典型特征。
- 严重程度:🟠
发现 3:统计学缺失与“薛定谔的”性能提升
- 位置:全文实验部分(Section 5)
- 描述:作为一个声称在三个大型数据集上进行了“大量实验”的论文,全文没有任何标准差、没有置信区间、没有显著性检验。
- 证据:深度学习受随机种子影响极大,表格中充满了如 77.36% 提升到 77.46% 这种微小的提升。如果没有多次独立实验的标准差,这种不到 0.1% 的提升完全可能只是随机波动,根本无法证明 GFR 模块的有效性。
- 严重程度:🟡
发现 4:方法创新性存疑(新瓶装旧酒)
- 位置:Section 3 (Method) & Fig. 4
- 描述:提出的 GFR 模块本质上是极其标准的 SENet (Squeeze-and-Excitation) 的变体:通过 GAP (全局平均池化) 压缩特征,再通过卷积映射,最后用 Sigmoid 缩放。
- 证据:公式(1)(2)(3)描述的过程与经典的通道注意力机制如出一辙。作者将其包装为“dynamic disease-aware manner”,并在摘要中强调不同于“expensive and heavy attention blocks”,但实际上其数学形式与 SENet 高度雷同,属于低水平的微创新洗稿。
- 严重程度:🟡
耿同学辣评
这篇论文生动地向我们展示了什么叫“只要我的代码里写死了2,那我的嘴就能说成是12”。12根导线进去,参数量愣是成倍增长,不知道的还以为心脏分左右两边呢。连 Intel 都能拼成 Inter,把 Parameters 叫成 Covariates,这哪是科研人在做实验,这分明是某个不负责任的翻译软件在连夜赶KPI啊!
建议后续行动
- 仔细核对原始代码中 12BN 的分支数究竟是不是 12
- 要求作者提供多次实验的方差和原始 Log 日志
- 在 PubPeer 上提出关于参数量 2 倍悖论的质疑
- 建议会议组委会核实该论文的实验真实性
⚠️ 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。