🔍 耿同学打假报告

论文信息

标题：Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for Che-Xray Vision-Language Pre-training
作者：Lihong Qiao, Shiyi Gao, Yucheng Shu, Bin Xiao, Weisheng Li, Xinbo Gao
期刊/会议：Proceedings of the 33rd ACM International Conference on Multimedia (MM ’25)
DOI：https://doi.org/10.1145/3746027.3755336
发表年份：2025
论文来源：The_Name_of_the_Title_Is_Hope__2_ (2).pdf

综合评定：✅ 清白

详细发现

发现 1：文本与数据一致性分析（数据造假检测）

位置：Table 4 与 Table 5
描述：对模型消融实验和不同先验模型的性能数据进行交叉比对。
证据：Table 4 中使用全部组件（PAR+DKBA）的最佳结果（ChestX-ray14 AUC: 80.8, COVIDx ACC: 82.3, SIIM Dice: 66.9, RSNA mAP: 21.7）与 Table 5 中使用 MGCA 作为先验生成模型的结果（80.8, 82.3, 66.9, 21.7）完全严丝合缝。这说明作者在主实验中确实采用了其消融实验中论证过的最优配置（MGCA），数据逻辑自洽，没有出现前后矛盾的随机编造痕迹。各实验组的数据提升幅度（1%~3%左右）也符合目前医学视觉语言预训练领域的正常规律，没有出现违反常理的"跨越式"提升。
严重程度：🟡 (属正常的逻辑自洽，无异常)
复核状态：✅ 成立

发现 2：时间线与实验环境合理性（产出异常检测）

位置：Section 4.3 Implementation Details
描述：审查模型训练的硬件条件与时间线逻辑。
证据：论文明确指出使用两张 NVIDIA RTX 4090 GPU 进行预训练。RTX 4090 于 2022 年发布，在 2025 年发表的论文中使用该设备完全合理。预训练数据集采用 MIMIC-CXR，在两张 4090 上跑 200 epochs 的 Reconstruction 加 15 epochs 的 Alignment，时间线和技术条件上完全站得住脚，不存在"用未来的设备发过去的论文"的穿越式造假。
严重程度：🟡 (无异常)
复核状态：✅ 成立

发现 3：统计学分布检测（统计学异常检测）

位置：Table 1, Table 2, Table 3
描述：检查对比实验中的各项指标提升。
证据：与目前 SOTA（如 Med-UniC, MRM, MGCA）相比，本文方法的各项指标（AUC, ACC, Dice, mAP）提升大多在 0.5% 到 3.0% 之间，符合算法优化通常带来的边际效益递减规律。数据没有呈现"全面吊打"、"每个数据集都恰好提升5%"的完美造假特征。
严重程度：🟡 (无异常)
复核状态：✅ 成立

发现 4：图片与可视化信息缺失（图片复用与拼接检测）

位置：Figure 1 ~ Figure 6
描述：因当前仅提供纯文本流，无法获取图像源文件。
证据：文本中未提供足够的图片像素信息，无法进行 Western blot 泳道分析、显微镜图噪点对比或 PS 拼接痕迹检测。但从 Figure 5 和 Figure 6 的文本描述（t-SNE 降维可视化和 Zero-shot 可视化等）来看，属于深度学习论文常规的标准可视化操作，描述中未见违背常理之处。
严重程度：无法判断（信息不足）
复核状态：✅ 成立

耿同学辣评

这篇搞医学图像预训练的论文，逻辑严密得就像它自己提出的"级联训练策略"一样，一环扣一环，消融实验的数据更是诚实得让人感动（Table 4 和 Table 5 完美对齐）。在深度学习的江湖里，不瞎吹"SOTA全面提升10%"，老老实实涨点1%~2%，反而更让人信服。唯一遗憾的是没法拿到原图给大家做一波"找茬"游戏，但从文字剧本来看，这大概率是一部规规矩矩的"主旋律佳作"，没硬伤！

建议后续行动

（无需行动，文本检测未见异常）
联系作者要求提供原始数据
在 PubPeer 上提出质疑
向期刊编辑部举报

⚠️ 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。

Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for Che-Xray Vision-Language Pre-training