🔍 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：文本中未提供
• 发表年份：2025

综合评定：🟡 存疑

详细发现

发现 1：数据与统计学异常检测（真实的“不完美”反而洗脱了嫌疑）

• 位置：Table 3 (Page 7) / Table 7, 8, 9 (Pages 11-12)
• 描述：对论文中的消融实验数据和 LLM（大语言模型）蒸馏输出结果进行了交叉比对。
• 证据：在 Table 7 和 Table 9 的消融实验中，随着超参数 \(\lambda_{neg}\) 或各个模块的增减，模型的 AUC 和 ACC 指标呈现真实的、非线性的波动（例如在 Table 9 中，\(\lambda_{neg}=0.1\) 时 COVIDx 1% 数据下的 ACC 突然掉到 80.5%，而 0.05 时为 86.3%）。这种“不按套路出牌”的数据起伏，是真实深度学习训练中常见的随机种子与优化 landscapes 碰撞的结果，绝非随机生成器或人工编造的“完美递增”数据。
• 严重程度：✅ 无异常（加分项）
• 复核状态：✅ 成立

发现 2：引用与方法学异常检测（时间线与逻辑自洽）

• 位置：Table 3 (Page 7) / Method 3.1 (Page 5)
• 描述：检查使用 ChatGPT (GPT-3.5-turbo) 和 Vicuna-7B 进行医学报告蒸馏的时间线与文本输出逻辑。
• 证据：作者在脚注 2 中声称 GPT-3.5 准确率为 93.6%，Vicuna 为 93.2%。更有力的证据在 Table 3 中：原始报告里写的是“no pleural ffusion”（明显的 effusion 拼写错误）。如果是造假者手工编造完美数据，通常会顺手改正这种拼写错误；但论文中 ChatGPT 和 Vicuna 的蒸馏结果都原封不动地保留了 "ffusion" 这个拼写错误，并且出现了类似“There is no.”（实体缺失）的典型大模型“幻觉”或解析失败现象。这种对大模型缺陷的真实呈现，证明了实验确系真实跑通。
• 严重程度：✅ 无异常（强力洗脱嫌疑）
• 复核状态：✅ 成立

发现 3：产出异常与时间线检测

• 位置：Article Info / References
• 描述：论文投稿、预印本发表与使用的技术、设备的时代背景匹配度。
• 证据：arXiv 版本更新时间为 2025 年 6 月，属于今年最新版本。论文中广泛使用的基础模型（如 ChatGPT、Vicuna-7B）均在 2023 年初已开源，技术时间线完全吻合。论文在 4 块 A100 GPU 上跑 120 个 epoch 需约 20 小时，结合 37 万张 MIMIC-CXR 图像和 ViT-B/16 架构，计算量估算处于非常合理的区间，没有“1小时算完十亿张图”的科幻级造假。
• 严重程度：✅ 无异常
• 复核状态：✅ 成立

⚠️ 发现 4：图片复用与拼接检测（局限性说明）

• 位置：Figure 1 ~ Figure 6
• 描述：由于当前仅有文本提取结果，未提供原始高清图片文件。
• 证据：无法直接进行像素级分析。但通过阅读 figure captions，论文展示的框架图（Fig 1, 3, 4）逻辑严密，T-SNE 降维图（Fig 5）和注意力热力图（Fig 6）的描述符合该领域 SOTA 论文的标准呈现规范，未见逻辑冲突。
• 严重程度：⚪ 无法判断（受限于输入格式）
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇论文要是造假，那作者得把大模型经常犯的“脑抽风”（比如漏掉主语、原封不动照抄人类的拼写错误）以及训练时莫名其妙的掉点全都给完美模拟出来，这造假成本可比老老实实做实验高多了！真实世界的毛边和瑕疵，恰恰是这篇论文最硬核的“防伪标签”。但在当前仅有文本而缺乏原始高清图像像素级信息的情况下，仍需对图表视觉部分保持基本的谨慎。

建议后续行动

• 无需联系作者提供原始数据（基于现有文本证据，未见伪造迹象）
• 无需在 PubPeer 上提出质疑
• 无需向期刊编辑部举报
• （可选）若有高清原图需求，可按惯例查阅其开源代码库：https://github.com/ToniChopp/ECAMP

⚠️ 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。