🔍 耿同学打假报告

论文信息

标题：FICMD-Med: A Novel Framework for Imbalanced Class and Modality Distributions of Medical Images
作者：Meiyun Zuo, Shao Chen, Xinyu Jiang
期刊：2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)
DOI：10.1109/BIBM66473.2025.11356481
发表年份：2025
论文来源：FICMD.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：方法学异常检测（公式参数与文本描述严重“跨服聊天”）

位置：Page 4, Section II.C.3 (Joint Strategy)
描述：在公式 (7) 中，作者明确定义了一个用于平衡梯度的超参数为 $w_{mix} \in [0,1]$ （"Here, $w_{mix} \in [0,1]$ is the mixture weight..."）。然而，就在同一段落紧接其后的文本中，作者却声称："In the experimental section, we conduct an ablation study on different $\lambda$ values to further validate its regulatory effect."
证据：论文的实验部分（Section III）以及附录中，根本找不到所谓的 "different $\lambda$ values" 的消融实验，且参数名称张冠李戴。这说明该段文字很可能是从其他论文的模板中 Copy-paste 过来后，忘记修改变量名，或者直接是 AI 生成的幻觉遗留。连核心算法模块的超参数描述都出现如此低级的逻辑断裂，反映了极度粗糙的写作态度或拼凑嫌疑。
严重程度：🔴
复核状态：✅ 成立

发现 2：统计学异常检测（薛定谔的标准差）

位置：Page 5, Section III.A.4 (Experiment Setting) & Table I, Table II, Table III
描述：作者在实验设置中白纸黑字地写道："we conduct three individual runs with different seeds and report the mean and standard deviation of the results to account for randomness."（我们进行了三次独立实验，并报告了均值和标准差以消除随机性）。
证据：通观 Table I、Table II 和 Table III 的所有实验数据，所有的评估指标（Acc, Recall, F1, AUC）全部都是单一的数值（如 83.04, 95.35），没有哪怕一个数据带有 "±" 符号或标准差！ 既然号称做了三次实验并计算了标准差，为什么表格里全是不带误差棒的单一数值？作者要么撒谎根本没有做多次实验，要么刻意隐瞒了难看的方差数据。
严重程度：🟠
复核状态：✅ 成立

发现 3：引用与方法学异常（缺失的模块细节与逻辑混乱）

位置：Section II.B (Modality-focus Expert Enhancement), Figure 1 & Figure 2
描述：Figure 2 的结构图中赫然标有 "RAG (Using VLM&LLM)" 字样，且在正文中也提到了使用大语言模型生成 Caption（"fed into a medical-specific language model (e.g., BioGPT or DistilBERT) to generate a caption"）。但是在方法学描述和实验设置中，仅一笔带过“详见 GitHub”，根本没有交代如何使用 RAG（检索增强生成）机制，以及 VLM/LLM 的具体调用细节。
证据：Figure 1 的说明文本提取部分非常混乱，存在大量无意义的换行和生硬的词语拼接，例如 "gradient optimizationLack adaptive weighting Introduce noise Coarse-grained gradient optimization" 直接挤在了一起。这高度疑似作者在赶工拼接不同来源的图表和素材时留下的残留物，没有进行任何校对。
严重程度：🟡
复核状态：✅ 成立

耿同学辣评

连自己的超参数叫 $w_{mix}$ 还是 $\lambda$ 都没搞清楚，口口声声说汇报了标准差，结果表格里干干净净连个小数点后的误差都没有。图表说明文字也能出现“粘成一团”的低级排版错误。这种“薛定谔的实验数据”和“跨服聊天”的公式描述，是把审稿人和读者当傻子糊弄，还是用大模型水论文水到最后连自己写的是啥都不认识了？

建议后续行动

联系作者要求提供原始实验数据及日志
在 PubPeer 上提出质疑
向会议组委会/期刊编辑部举报
向作者所在机构学术委员会举报

⚠️ 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。

FICMD-Med: A Novel Framework for Imbalanced Class and Modality Distributions of Medical Images