🔍 耿同学打假报告

论文信息

标题：PromptMRG: Diagnosis-Driven Prompts for Medical Report Generation
作者：Haibo Jin, Haoxuan Che, Yi Lin, Hao Chen
期刊：[未知，从文本推断为预印本/会议论文，如 arXiv 或 CVPR/ICCV 等计算机视觉会议]
DOI：[未提供]
发表年份：2023 (基于文本中的引用及 arXiv 编号推断)
论文来源：2308.12604v2.pdf

综合评定：✅ 清白

详细发现

发现 1：图片复用检测（一图多用）

位置：全文图像
描述：本文为深度学习/自然语言处理领域的医疗报告生成论文，文中主要包含架构图（Figure 2, 4）、定性文本对比图（Figure 1, 5）以及柱状图/折线图（Figure 1, 6）。未发现传统生物医学论文中常见的 Western blot 或流式细胞图等易被操纵的图像。
证据：文本中未提供足够的图片像素信息供分析，但从文本逻辑和图表说明（如 Figure 2 caption, Figure 4 caption 等）来看，各图表功能明确，未见异常的复用说明。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

发现 2：数据造假检测（随机数生成器都不如）

位置：Table 1, Table 2 (Appendix), Appendix 中的数据集划分统计
描述：在计算机科学类论文中，数据通常以宏观评价指标（如 F1, BLEU）呈现。本文的数据呈现出真实实验特有的“不完美性”。例如，Table 1 中虽然模型在 CE metrics（临床疗效）上取得了 SOTA，但在 NLG metrics（自然语言生成）上（如 MIMIC 数据集的 BLEU-4）反而低于部分基线方法（如 RGRG）。作者在正文中诚实地承认了这一点，并用 N-gram 统计给出了合理解释（DDP 模块减少了高频通用词汇的生成，导致词匹配得分下降）。
证据：在 Appendix 的 IU X-Ray Dataset 统计中，作者展示了严密的数学自洽性：原 IU 数据集 2955 样本，分为正侧位片后翻倍至 5910。为对齐 MIMIC 测试集中约 8-10% 的“无异常”样本比例，作者移除了 80% 的正常样本，最终保留了 414 张，使得整体测试集数量达到 4168（414/4168 ≈ 9.9%，与文本中声称的 10% 吻合）。这种有零有整的底层逻辑和数据修正是真实科研过程的常态，而非随机生成器造出的完美假象。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

发现 3：图片拼接检测（PS 痕迹）

位置：不适用
描述：本文涉及的图表多为矢量图或代码生成的渲染图，不存在泳道拼接、背景噪点异常等传统生物医学影像常见的 PS 拼接问题。
证据：无需进行像素级连点检测，原文无相关可疑图像描述。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

发现 4：统计学异常检测

位置：Table 1, Table 2, Table 3
描述：不同于医学统计学强调 p 值和 SD，本文采用机器学习标准的宏平均评估。模型在不同数据集（MIMIC vs. IU X-Ray）上的提升幅度不同（MIMIC 上提升 2.9%，IU 上提升 3.1%），消融实验中各个模块的增益也符合逻辑叠加效应，并未出现所有指标全方位“碾压”的物理不可能现象。
证据：消融实验（Table 2）中，加上 SDL 模块后（从 ✔ ✔ ✔ ✘ 到 ✔ ✔ ✔ ✔），Precision 略有下降（0.514 -> 0.501），但 Recall 大幅上升（0.475 -> 0.509），这种“牺牲精度换取召回”的 trade-off 完全符合 SDL（Self-Adaptive Disease-Balanced Learning）应对长尾分布设定的理论预期。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

发现 5：产出异常检测（量产型学术）

位置：全文及参考文献
描述：从引用和调研来看，作者对 2023 年最新发表的 METrans、KiUT、DCL、RGRG 等同期工作有深入的对比和分析，并且开源了代码。
证据：结合提供的时间线基准，本文发表于 2023 年，使用 2022 年底至 2023 年初的工具和算力（Implementation details 中提到 ResNet-101, Bert-base, 以及引用了 Vicuna-13B 进行辅助标记，使用 RTX 3090 训练）。技术栈与时间线完全吻合，不存在穿越引用未来文献或短期拼凑海量不相关论文的特征。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

发现 6：引用与方法学异常

位置：Method 部分 - Auxiliary disease labeling with LLMs
描述：方法学逻辑闭环。作者在分类分支中使用了 Vicuna-13B 这一大型语言模型来为额外的四种异常（Aorta, Bone/Spine 等）打标签，并在 Figure 3 中给出了具体的 Prompt 示例。这种“用大模型做弱标注辅助小模型训练”的 Pipeline 设计非常符合 2023 年 AI 学术界的演进路线。
证据：原文明确写道 “we leverage the ability of large language models (LLMs) to obtain labels... we used Vicuna-13B (Zheng et al. 2023) as our labeling assistant”，且文本内部不存在逻辑断裂问题。设备、算力、数据集划分的描述均详实且自洽。
严重程度：🟡（不适用/未触发）
复核状态：✅ 成立

耿同学辣评

作为一篇 AI+医疗的跨界论文，这篇证据链结实得像加了钢板的装甲车。实验里“按下葫芦浮起瓢”（CE指标涨了但NLG指标跌了）的诚实交代，以及附录里为了对齐数据集正负样本比例搞的一通“极限微操”，恰恰是真实科研打工人的写照——造假分子可懒得编这种需要自圆其说的小数点和带着遗憾的 trade-off，他们恨不得让自家模型在所有字母表里都拿第一！

建议后续行动

文本与逻辑审查完毕，无需进一步联系作者。
暂无在 PubPeer 上提出质疑的必要。
检测结论支持其学术诚信，建议正常引用和参考。

⚠️ 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。

PromptMRG: Diagnosis-Driven Prompts for Medical Report Generation