🔍 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：The Thirty-Eighth AAAI Conference on Artificial Intelligence (AAAI-24)
DOI：未在文本中提供
发表年份：2024
论文来源：00975-AAAI24.JinH.pdf

综合评定：✅ 清白

详细发现

发现 1：图片复用与拼接检测（图像数据完整性）

位置：Figure 1, Figure 2, Figure 4, Figure 5, Figure 6
描述：无法进行像素级与噪点级分析。
证据：由于本次检测仅接收到论文的纯文本提取内容（无原始高清图片附件），缺乏进行 Western Blot 泳道分析、背景噪点对比或显微镜图重叠检测的客观条件。但从文本描述的逻辑来看，各图表（如架构图 Figure 2/4、定性结果图 Figure 5）的图注与正文论述高度自洽，未见明显的图注矛盾。
严重程度：🟡 （受限于检测媒介，无法出具绝对结论，但基于现有文本未发现异常）
复核状态：✅ 成立

发现 2：数据合理性与分布检测（随机数生成器检测）

位置：Table 1 (MIMIC & IU X-Ray 性能对比), Table 2 (消融实验), Table 3 (不同 Prompt 类型对比)
描述：深度学习模型的评估指标（如 F1, BLEU, METEOR 等）分布自然，末位数字杂乱无章，无人工编造数据的“过度完美”特征。
证据：以 Table 1 的 MIMIC 数据集 F1 分数为例，各模型的得分末位分别为 6, 8, 1, 5, 4, 2, 1, 1, 3, 7, 6。这在统计学上非常符合真实算力跑出来的浮点数运算结果。此外，Table 2 的消融实验中，加入不同模块后性能呈现合理的阶梯式上涨（0.370 -> 0.444 -> 0.451 -> 0.464 -> 0.468 -> 0.476），且作者在正文（Model Analysis 段落）坦诚指出了加入 DDP 模块会导致 NLG 指标（如 BLEU）轻微下降，这种“不遮掩缺点”的论述是真实科研探索中非常典型的特征，而非造假者常呈现的“全面碾压”。
严重程度：✅ （未触发红旗）
复核状态：✅ 成立

发现 3：统计学异常检测

位置：Experiments -> Implementation Details 及全文结果部分
描述：本文未提供 p 值、标准差或 ANOVA 相关的统计学检验数据。
证据：在计算机科学（特别是深度学习与计算机视觉）领域的顶会论文中，通常不要求进行传统的生物医学统计学检验（如 p<0.05），而是看重绝对指标的提升和 SOTA（State-of-the-Art）对比。因此，此处不存在 p-hacking 或统计学自相矛盾的问题，符合学科常规。
严重程度：✅ （符合学科规范）
复核状态：✅ 成立

发现 4：时间线与方法学异常（时间线闭环检测）

位置：Implementation Details 及 References
描述：软硬件环境、引用文献与论文发表年份的时间线完全闭环，无“时空穿梭”的造假痕迹。
证据：
1. 作者在原文声称使用了 PyTorch 2.0 版本，PyTorch 2.0 于 2023 年发布，而 AAAI 2024 论文的实验时间通常在 2023 年中下旬，时间线吻合。
2. 作者提到使用了 Vicuna-13B (Zheng et al. 2023) 作为辅助标记工具，且在 References 中能找到该文献，时间合理。
3. 原文硬件需求为单张 RTX 3090 训练 24 小时，对于其提到的 ResNet-101 + Bert-base 架构处理 27 万级数据集（270,790 samples for training）来说，算力消耗估算合理。
严重程度：✅ （未触发红旗）
复核状态：✅ 成立

发现 5：细节纰漏排查（非造假性质）

位置：作者所属机构与邮箱（首页）
描述：第一作者 Haibo Jin 的邮箱被写为 {hjinag@cse.ust.hk}。
证据：原文首页明确写着 {hjinag,hche,jhc}@cse.ust.hk。hjinag 存在明显的字母颠倒，大概率应为 hjin（根据名字 Haibo Jin 推断）。这属于排版或作者笔误的无心之失，不涉及学术道德问题。
严重程度：🟡 （轻微瑕疵）
复核状态：✅ 成立

耿同学辣评

经过严格对照原文复核，这篇 AAAI 2024 的论文主打一个“踏实做学问”。虽然咱们“耿同学六式”平时抓生物医学造假一抓一个准，但在这种纯 CS/AI 算法论文面前，各种浮点数跑得比谁都野，经得起推敲。作者不仅没搞“全面碾压”的假数据，反而大方承认自己加了好东西（DDP）后某些语法指标会掉分——这种“有一说一”的态度，绝对值得上个大鸡腿！唯一该打屁股的是排版校对，自己名字的邮箱都能拼反，下次再写错就把你电脑的 Caps Lock 键扣掉！

建议后续行动

~~联系作者要求提供原始数据~~ （基于现有文本证据无需进行）
~~在 PubPeer 上提出质疑~~ （未发现实质性学术不端）
~~向期刊编辑部举报~~ （无需操作）
（可选）通过邮件顺口提醒第一作者：哥们，你首页的邮箱拼写错啦！

⚠️ 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