正在加载...
请稍候

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

2026-06-21 05:25

🔍 耿同学打假报告

论文信息

  • 论文来源：The_Name_of_the_Title_Is_Hope__2_ (2).pdf
  • 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 (会议日期：October 27–31, 2025)

综合评定：🔴 实锤

详细发现

发现 1：比较基准数据“一表多用”与疑似直接复制粘贴（数据造假/一表多用）

  • 位置：Table 1 (Linear classification results on the ChestX-ray14, CheXpert, RSNA, and COVIDx datasets)
  • 描述：在 Table 1 中，作者将对比方法分为 CNN-based 和 ViT-based 两类。然而，对比方法 GLoRIA [14] 和 MGCA [35] 在这两个完全不同的网络架构下，报告的所有评估指标竟然呈现出 100% 的惊人一致性。
  • 证据：
    • GLoRIA 模型：在 CNN-based 行下的数据为 (77.0, 81.9, 83.8, 86.5, 87.8, 88.2, 87.2, 88.1, 88.9, 75.8, 88.7, 92.1)；而在 ViT-based 行下的数据与之完全一字不差。
    • MGCA 模型：在 CNN-based 行下的数据为 (78.7, 82.7, 84.1, 88.8, 89.1, 89.7, 89.1, 89.9, 90.8, 76.3, 89.0, 92.5)；在 ViT-based 行下同样完全一字不差。
    • ResNet-50 (CNN) 与 ViT-B/16 (Transformer) 是参数量和结构截然不同的 backbone，在 4 个不同数据集、3 种不同数据比例（1%, 10%, 100%）共 12 个指标下，得出完全相同（连小数点后第一位都相同）的实验结果，在真实物理实验中是不可能的。这违背了机器学习最基本的随机性与架构差异性常识。
  • 严重程度：🔴
  • 复核状态：✅ 成立

发现 2：排版错乱暴露的复制粘贴痕迹（数据异常）

  • 位置：Table 1 与 Table 2
  • 描述：提取的文本中，表格内部分数据的间距出现了违背正常排版逻辑的粘连现象，进一步暗示作者在 Excel 或者 Word 里进行大段数据复制粘贴时没有仔细检查。
  • 证据：
    • Table 1 中 ViT-based 的 MRM [46] 行，数据被粘连成了 82.784.488.5。
    • Table 1 中 ViT-based 的 Med-UniC* 行，数据被粘连成了 90.891.993.780.389.594.5。
    • Table 2 中 ViT-based 的 MRM [46] 行，数据被粘连成了 68.379.576.077.678.2。
    • 结合“发现 1”中整行数据照搬的情况，这些异常表明实验数据的整理过程极其粗糙，存在极大的直接编造或挪用数据的嫌疑。
  • 严重程度：🟠
  • 复核状态：✅ 成立

发现 3：基准模型架构分类存在逻辑矛盾（方法学异常）

  • 位置：Table 1
  • 描述：作者将 Med-UniC* [34] 分别列在了 CNN-based 和 ViT-based 的下方。
  • 证据：原文表格中确实将 Med-UniC [34] 分别放在了 CNN-based 和 ViT-based 下方，并且填入了不同的数值（CNN-based的1% CheXpert为88.2，ViT-based的1% CheXpert为89.4）。且根据原论文 Table 1 标题描述 “A standard ResNet-50 backbone is denoted as CNN-based, while a standard ViT/B-16 backbone is denoted as ViT-based.”，Med-UniC 在两种架构下跑出截然不同的结果，如果不是原作者本人放出了两套权重，这种张冠李戴的强制对比有失学术严谨性。
  • 严重程度：🟡
  • 复核状态：✅ 成立

耿同学辣评

耿同学我看你骨骼惊奇，这表格里的数据 Ctrl+C 和 Ctrl+V 按键都快按秃噜皮了吧？ResNet 和 ViT 两个八竿子打不着的网络架构，在 4 个数据集上硬生生跑出了一模一样的 12 个数据，量子纠缠都没你们模型纠缠得紧啊！做学术搞“一键复用”是吧，真当审稿人和读者都不带显微镜出门的？

建议后续行动

  • 联系作者要求提供原始数据（特别是 GLoRIA 和 MGCA 在不同 Backbone 下的训练日志和详细指标）。
  • 在 PubPeer 上提出质疑。
  • 向期刊/会议编辑部举报（已录用也建议发送 Erratum 或启动学术调查）。
  • 向作者所在机构（重庆邮电大学）学术委员会举报。

⚠️ 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。

返回报告库