🔍 耿同学打假报告

论文信息

标题：Spatio-Temporal Graph Hubness Propagation Model for Dynamic Brain Network Classification
作者：Qi Zhu, Shengrong Li, Xiangshui Meng, Qiang Xu, Zhiqiang Zhang, Wei Shao, Daoqiang Zhang
期刊：IEEE TRANSACTIONS ON MEDICAL IMAGING
DOI：未提供
发表年份：文本页眉显示为 2020，但实际内容包含大量 2022-2023 年的引用，存在严重时间线冲突
论文来源：Clean Copy.pdf

综合评定：🔴 实锤

详细发现

发现 1：时间线严重穿越（套用旧模板的实锤）

位置：全文页眉、脚注基金信息、参考文献列表
描述：论文每一页的页眉均赫然写着 IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL. XX, NO. XX, XXXX 2020，表明这是一篇定位于 2020 年发表的论文。然而，文中引用了海量 2022 年甚至 2023 年才发表的文献。
证据：
- 文中引用了参考文献 [6]（DOI: 10.1109/TMI.2023.3294967，这是 2023 年发表的文献）。
- 文中引用了参考文献 [13]（arXiv:2306.05286，这是 2023 年 6 月发布的预印本）。
- 脚注的基金信息中包含：Natural Science Foundation of Jiangsu Province (No. BK20231438)，这是一个 2023 年的省级基金编号。
- 以当前日期来看，这篇号称发表在“2020年”的论文引用了未来的数据，这是极不合理的。
严重程度：🔴
复核状态：✅ 成立

发现 2：违背统计学常识的"三胞胎"评价指标（数据造假实锤）

位置：Table II, Table III, Table IV
描述：在多项不同任务的实验结果中，论文报告的 Accuracy (ACC), F-Measure (F1), 和 AUC（曲线下面积）三个指标的数值竟然完全一模一样。
证据：
- Table II 中，Epilepsy 数据集的 Ours 方法，在 "NC vs. TLE&FLE" 任务中，ACC=F1=AUC= 81.05%；在 "NC vs. TLE" 任务中，三者也完全等于 80.21%。
- Table III 中，同样在 ADNI 数据集的 "NC vs. SMC&EMCI" 任务中，三者也完全等于 94.75%。
- Table IV 中，Ours (全部组件) 再次出现了 81.05 81.05 81.05 的惊人数据。
- 在机器学习中，AUC 是基于概率输出的排序计算的，而 ACC 和 F1 是基于固定阈值（如0.5）下的混淆矩阵计算的。在多达 4 个不同的独立任务中，AUC 精确到小数点后两位与 ACC 完全相等，这在真实的深度学习实验中概率几乎为零。
严重程度：🔴
复核状态：✅ 成立

发现 3：文本结构严重残缺与占位符未清理

位置：Abstract、Introduction 等多处
描述：论文存在大面积的上下文断层和排版占位符残留，疑似从其他文章大段复制粘贴后未进行统一的语法和逻辑润色。
证据：
- 摘要中："In this paper, we propose to use (OT) theory..."，括号里的 OT（最优传输）前直接缺失了核心名词。
- 摘要中："The extensive experiment on the the public ADNI dataset show not only outperforms..."，存在语病且缺失主语。
- 部分公式上下文和图片引用存在断层。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 4：无法进行图片操纵与拼接检测

位置：Figure 1 - Figure 9
描述：由于当前提供的内容仅为纯文本提取版，未能保留图像的像素级信息。
证据：无法提取视觉噪点、边缘裁切痕迹及 Western Blot 等图像特征。但在前两项实锤证据面前，图像数据的真实性已极度存疑。
严重程度：无法判断
复核状态：⚠️ 依据不足

耿同学辣评

好家伙，我看过穿越剧，还没见过“穿越论文”的！2020 年发的文章，拿着 2023 年的基金（BK20231438），引着 2023 年的预印本（arXiv:2306），怎么着，你们课题组自己研究出时光机了？更离谱的是，Table 里面的 ACC、F1、AUC 三个指标跟复印机印出来一样一模一样（连着出现81.0581.0581.05这种数据）！连装都不装了是吧？真当审稿人和读者不懂统计学？摘要里连核心词都能莫名消失（"use (OT) theory"），这造假和洗稿的手段，连随机数生成器看了都得直呼内行！

建议后续行动

联系作者要求提供原始数据和代码（虽然代码链接给了 github，但建议严查日志的真实时间戳）。
在 PubPeer 上提出质疑。
向期刊编辑部（IEEE TMI）举报，要求核实其接收/发表日期与基金、引用文献的时间线冲突，以及核心数据的统计学不合理性。
向作者所在机构（南京航空航天大学）学术委员会举报，核查 BK20231438 基金项目的真实立项时间及该项目产出的时间逻辑。

⚠️ 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。

Spatio-Temporal Graph Hubness Propagation Model for Dynamic Brain Network Classification