🔍 耿同学打假报告

论文信息

标题：ECAMP: Entity-centered Context-aware Medical Vision Language Pre-training
作者：Rongsheng Wang, Qingsong Yao, Zihang Jiang, Haoran Lai, Zhiyang He, Xiaodong Tao, S. Kevin Zhou
期刊：Medical Image Analysis (2025)
DOI/来源：arXiv:2312.13316v4 (文件名：2312.13316v4.pdf)
发表年份：2025

综合评定：✅ 清白

详细发现

发现 1：无法进行像素级图片复用与拼接检测（图片缺失）

位置：Figure 1 - Figure 6
描述：本论文涉及大量框架图、T-SNE 降维可视化图（Figure 5）以及注意力热力图（Figure 6），这些通常是打假的重点关注对象。
证据：由于当前仅有纯文本输入，未提供原始的高清图片文件或图片附件，无法使用图像反查工具或分析噪点/背景纹理。因此无法判断是否存在图片复用、PS拼接或局部翻转等违规操作。原文的 figure caption 证实了这些图片的存在（如 Fig. 5 提及 T-SNE visualizations，Fig. 6 提及 Cross-attention maps）。
严重程度：⚪ 信息不足（非异常）
复核状态：✅ 成立

发现 2：方法学与时间线逻辑自洽（无时间穿越现象）

位置：Method (Section 3.1) / Implementation Details (Section 4.4)
描述：论文提及使用 GPT-3.5-turbo API 和微调 Vicuna-7B 模型进行报告蒸馏，并使用 4 张 A100 GPU 训练 120 个 epoch 耗时约 20 小时。
证据：原文 Section 3.1 明确提到“by using GPT3.5-turbo API... train a Vicuna7B”，Section 4.4 明确记载“runs for 120 epochs on 4 A100 GPUs, taking approximately 20 hours”。以当前日期为基准，GPT-3.5-turbo 与 Vicuna-7B 均在论文提交前已广泛开源使用。对于 ViT-B/16 规模的模型在 MIMIC-CXR 这种规模的数据集上，4 张 A100 跑 20 小时符合物理客观规律，未出现“使用了未来才发布的设备或模型”的时间线冲突。
严重程度：🟢 正常
复核状态：✅ 成立

发现 3：真实的数据“不完美性”（反而证明了真实性）

位置：Table 3: Examples of report distillation
描述：论文展示了 ChatGPT 和 Vicuna-7B 蒸馏医疗报告的示例。通常造假者会编造完美的 LLM 输出来佐证其方法的有效性，但这篇论文展示了非常真实的“幻觉”或“漏词”现象。
证据：原文 Table 3 中，第一组数据原文为 "There is mild left base is seen..."，Vicuna-7B 蒸馏为 "There is no definite focal."；在第二组数据中，ChatGPT 甚至输出了未完成的句子 "The cardiac"。这些典型的 LLM 生成瑕疵和截断被原封不动地写进了论文，不仅符合当前大语言模型在处理非标文本时的真实表现，也从侧面排除了“批量人工编造完美数据”的嫌疑。
严重程度：🟢 正常
复核状态：✅ 成立

发现 4：实验数据分布合理，未触发“随机数生成器”红旗

位置：Table 4 ~ Table 11
描述：对论文中的大量消融实验和对比实验数据（AUC, ACC, Dice, mAP）进行分布和逻辑检查。
证据：
1. 梯度变化合理：在 Table 7 的消融实验中，单独去除全局或局部特征（MSCF 设为 ×）会导致对应任务的指标产生变化，符合多尺度特征融合的设计初衷。
2. 小数点无规律：结果数值（如 Table 4 中的 81.9, 85.1, 86.7, 88.8 等）没有呈现整齐的阶梯状排列，末位数字 0-9 分布均匀，未发现 Excel 拖拽生成的痕迹。
3. 超参数敏感性合理：Table 9 中测试了 $\lambda_{neg}$ 从 0.025 到 0.5 的变化，指标呈现经典的“先升后降”的抛物线趋势（最佳点为 0.05），这非常符合深度学习超参数搜索的真实表现。
严重程度：🟢 正常
复核状态：✅ 成立

发现 5：统计报告缺失（AI领域通病，非造假）

位置：全篇实验结果
描述：所有实验表格均只报告了单一数值，未报告标准差（SD）或置信区间（CI），也未进行显著性检验（如 p-value）。
证据：查阅原文 Table 4 至 Table 11，均仅报告了单一平均数值，无误差棒或显著性标记。虽然这属于 AI/CV 领域长期被诟病的“不够严谨”之处，但并不违背学术道德，属于该领域的常规报告模式。耿同学视角来看：虽然想挑刺说没有误差棒，但大家（顶刊/MIA）都是这么发的，不能单凭这个扣造假的帽子。
严重程度：🟢 正常
复核状态：✅ 成立

耿同学辣评

这篇论文不仅代码开源，还在 Table 3 里大方展示了 Vicuna 和 ChatGPT 那些“半截话”和“胡言乱语”的蒸馏结果，主打一个真诚！没有满篇完美无瑕的假数据，没有反人类的 GPU 训练时长，各种消融实验的曲线也十分符合物理规律。科研嘛，主打一个实事求是，你把大模型偶尔“犯蠢”的 log 都放上来，反倒让人觉得这活儿是真实干出来的。规矩，耿同学给你点个赞！

建议后续行动

无需联系作者要求提供原始数据（基于现有文本信息未见异常）
无需在 PubPeer 上提出质疑
无需向期刊编辑部举报
若后续获取了本论文的原始高清图片文件，可进一步进行像素级重叠与 PS 痕迹检测。

⚠️ 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。

ECAMP: Entity-centered Context-aware Medical Vision Language Pre-training