🔍 耿同学打假报告

论文信息

• 论文来源：1.pdf
• 标题：A Spatio-Temporal Feature Fusion EEG Virtual Channel Signal Generation Network and Its Application in Anxiety Assessment
• 作者：Shangqing Yuan, Wenshuang Zhai, Shengwen Guo
• 期刊：[文本中未提供]
• DOI：[文本中未提供]
• 发表年份：推测为 2024-2025 年（基于参考文献中存在 2024、2025 年的文献）

综合评定：🟠 高度可疑

详细发现

发现 1：参考文献重复引用（“一稿多引”）

• 位置：REFERENCES 部分 [30] 与 [35]
• 描述：作者在参考文献列表中，把同一篇论文当成了两篇不同的文献分别引用。文献 [30] 和 [35] 均为：“S. Nayak and A. C. Tsai, 'Fronto—Parietal Regions Predict Transient Emotional States in Emotion Modulated Response Inhibition Via Low Frequency and Beta Oscillations,' Symmetry, vol. 14, no. 6, Art. no. 1244, 2022.”
• 证据：通过文本比对，两条文献的作者、标题、期刊、卷号甚至页码完全一字不差。在正文中，前者被用于支持脑区功能（[27]-[32]），后者被用于支持频带特征提取（[34], [35]）。这通常是为了硬凑参考文献数量而犯下的低级复制粘贴错误。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 2：数据集原始出处张冠李戴（胡乱引用）

• 位置：III. DATA AND EXPERIMENTAL RESULTS, A. Data (Page 3)
• 描述：文中声称使用了 PRED+CT 公共数据库，并指出该数据库“最初由 Cavanaugh 等人 [10] 于 2019 年发布”。
• 证据：查看参考文献列表发现，[9] 才是 J. F. Cavanaugh 等人 2019 年发表的关于奖励/惩罚处理的文献（很可能是 PRED&CT 数据集的真实来源）；而文中所引用的 [10] 是 C. Jiang 等人 2021 年发表的关于抑郁症 EEG 分类的文章。这说明作者在撰写时极不严谨，存在胡乱插入引用标记的嫌疑。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 3：实验方法学存在严重逻辑断层（不同步预处理）

• 位置：III. DATA AND EXPERIMENTAL RESULTS, A. Data (Page 3)
• 描述：作者使用了两个数据集。多通道数据集采样率为 500 Hz，自采的少通道数据集采样率为 250 Hz。作者写道：“Finally, the signals were segmented at intervals of 3000 sampling points.”（最后将信号以 3000 个采样点为间隔进行分割）。
• 证据：这是深度学习时序信号处理的基本常识漏洞。如果统一按 3000 个采样点切割，在 500 Hz 数据集中代表 6 秒，而在 250 Hz 数据集中则代表 12 秒。在网络输入尺寸固定（如 3000 点）的情况下，两个数据集提取出的时间尺度完全不同，这会导致网络提取的时序特征失去物理意义。文中并未提及对两个数据集进行了重采样以统一时间窗口，这在方法学上是致命的逻辑漏洞。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 4：分类指标数据“过度完美”（随机数生成器都不如）

• 位置：TABLE III (Page 4)
• 描述：在焦虑分类结果表中，无论是 KNN、RF 还是 SVM 算法，也不管是 4 通道、17 通道还是 60 通道，所有的 Accuracy、Precision、Recall、AUC 指标（共计 48 个数值），其小数点后都极其统一地保持了恰好 4 位小数，且没有任何杂乱的自然尾数。
• 证据：在真实的机器学习交叉验证或独立测试中，不同算法、不同评估维度的指标通常会产生诸如 0.791733...、0.822 等不同位数的自然浮点数。表中数据全部被极其整齐地凑成严格的 4 位小数，这在统计学上极其异常，高度怀疑是人为手动杜撰或经过不合理的过度修饰。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 5：关于图片复用与拼接检测

• 位置：Fig. 1 ~ Fig. 5
• 描述：图片像素级分析。
• 证据：文本中未提供足够的图片像素信息，仅有部分图片的 Caption 描述。因此无法进行实际的像素级复用与拼接检测，依据不足。
• 严重程度：无法判断
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇论文的代码跑没跑通我不清楚，但参考文献的“Ctrl+C”和“Ctrl+V”绝对是跑通了的！连同一篇文献都要分成 [30] 和 [35] 来占两个坑，数据集出处张冠李戴，更绝的是直接把 500Hz 和 250Hz 的数据按同样的采样点切片塞进网络，这是拿深度学习当垃圾桶随便塞吗？算法可能是真算法，但这学术态度，绝对是“量产型学术”的绝佳反面教材！

建议后续行动

• 联系作者要求提供原始数据及代码（尤其是数据切片预处理的代码逻辑）。
• 在 PubPeer 上提出质疑（重点指出数据切片时间窗口漏洞和参考文献重复问题）。
• 向期刊编辑部举报（要求审查其数据的真实性和同行评审记录）。
• 要求作者公开 Table III 中各项指标的原始计算输出日志。

⚠️ 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。