🔍 耿同学打假报告

论文信息

标题：The Overlooked Matters: Revisiting Background, Prototype, and Activation in Few-Shot Medical Image Segmentation
作者：Anonymous Author(s) (Submission Id: 1537)
期刊/会议：MM ’25 (投稿稿件)
DOI：XXXXXXX.XXXXXXX (暂无)
发表年份：2025 (会议预计时间)
论文来源：1537_The_Overlooked_Matters_Re (1).pdf

综合评定：🔴 实锤

详细发现

发现 1：全文逻辑与文本拼接断层（机翻/AI生成残留）

位置：Introduction (第3节末尾，第206-210行)
描述：作者在介绍自己提出的网络时，写道：“In this work, we believe thatThe Overlooked Matters. A novel few-shot medical image segmentation framework, namely BPA-Net...”
证据：这不仅是极低级的语法错误，更是典型的“机器翻译”或“大语言模型生成后未校对”的残留痕迹。句号后的内容直接跟名词，毫无语法逻辑。如果作者连自己论文核心贡献的引言部分都没有通读一遍，其研究态度和数据的真实性值得高度怀疑。
严重程度：🟠
复核状态：✅ 成立

发现 2：表格数据直接复制粘贴的铁证（数学计算自相矛盾）

位置：Table 1 (Quantitative results, ADNet [5] 行的数据)
描述：表 1 中列出了对比方法 ADNet 的 Synapse 和 CHAOS-T2 数据集表现。然而，这些数据的均值（Mean）与分项数据在数学上无法自洽。
证据：
- Synapse 数据集：ADNet 分项数据为 Liver 73.95, Spleen 65.84, Kid.R 56.98, Kid.L 63.84。计算其均值为：(73.95 + 65.84 + 56.98 + 63.84) / 4 = 65.1525。但表格中赫然写着 64.15。
- CHAOS-T2 数据集：ADNet 分项数据为 76.03, 65.84, 76.02, 71.89。计算其均值为：(76.03 + 65.84 + 76.02 + 71.89) / 4 = 72.445。但表格中写的是 72.70。
严重程度：🔴 （这是确凿的造假/学术不严谨证据。如果作者是自己跑的实验，绝不可能连平均数都算不对；唯一的解释是作者直接从其他论文中盲目复制了表格，甚至连原文的排版错位或计算错误都原封不动地抄了过来。）
复核状态：✅ 成立

发现 3：灾难性的参考文献崩塌（引用造假/伪造）

位置：References [2] 和 [30]
描述：文后的参考文献存在严重的残缺和作者张冠李戴现象，涉嫌使用自动化工具盲目生成引用。
证据：
- 参考文献 [2]：这是著名的 ViT 论文。原文引用为：“aohua Zhai, Thomas Unterthiner... An image is worth 16x16 words”。实际上该文的第一作者是 Alexey Dosovitskiy。
- 参考文献 [30]：整个条目直接以介词开头：“with anatomical auxiliary supervision for few-shot medical image segmentation.”。完全丢失了作者名单和标题的前半部分。这是复制粘贴或生成器截断留下的典型 Bug。
严重程度：🔴
复核状态：✅ 成立

发现 4：核心方法命名的前后矛盾

位置：Section 4.2 (Quantitative and Qualitative Results, 第714行)
描述：作者在正文中声称：“our method outperforms the previous state-of-the-art FSS method PGRNet by 2.67%...”。
证据：翻阅 Table 1 以及参考文献，文中根本没有“PGRNet”，实际的对比方法名为 PGNet（Prototype-Guided Graph Reasoning Network, 引用 [8]）。这种低级拼写错误说明作者在编造或拼凑文本时，连自己比较的对象是谁都没搞清楚。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 5：图片排版异常（框架图直接复制叠加）

位置：Figure 2, Figure 3, Figure 4, Figure 5 的文本提取层
描述：根据文本解析结果，图 3（The Background Self-distillation Module）、图 4（The Prototype Self-anchoring Module）和图 5（The Activation self-calibration module）的图片说明文字完全相同。
证据：虽然这有可能是 PDF 提取时的图层识别错误，但在这种极其粗糙的论文中，极大概率是作者在作图时，直接复制了总框架图（Figure 2）的源文件，然后仅仅改了局部的高亮颜色就作为子图提交，导致底层文本层（如“Add & Norm”、“SoftMax”、“Cosine Similarity”等节点文字）完全重复覆盖。由于无法直接看到原图，此项判定为高度可疑。
严重程度：🟡
复核状态：⚠️ 依据不足

耿同学辣评

这篇论文的主题叫“The Overlooked Matters”（被忽视的问题），但作者自己却完美诠释了什么叫“全方位忽视”：忽视了语法的连贯性，忽视了平均数的算法，甚至忽视了参考文献是不能只有一半的。连自己对比的 PGNet 都能写成 PGRNet，这不叫写论文，这叫“大语言模型一键洗稿的翻车现场”。把别家论文表格里的错位数据直接 Copy 过来，连算术题都不愿意验算一遍，真是把学术发表当成了无脑搬运游戏啊！

建议后续行动

联系作者要求提供原始数据（虽然大概率是直接抄的）
在 PubPeer 上提出质疑
向期刊/会议（ACM MM 2025）编辑部强烈建议直接拒稿，并核查其学术诚信
向作者所在机构学术委员会举报（需待双盲评审解除后进行）

⚠️ 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。

The Overlooked Matters: Revisiting Background, Prototype, and Activation in Few-Shot Medical Image Segmentation