🔍 耿同学打假报告

论文信息

• 标题：A fully automatic AI system for tooth and alveolar bone segmentation from cone-beam CT images
• 作者：Zhiming Cui, Yu Fang, Lanzhuju Mei, Bojun Zhang, et al.
• 期刊：Nature Communications
• DOI：10.1038/s41467-022-29637-2
• 发表年份：2022
• 论文来源：s41467-022-29637-2.pdf

综合评定：🟡 存疑

详细发现

发现 1：核心数据自相矛盾（内部与总计数据加减不匹配）

• 位置：正文 "Study design and participants" 段落 vs Table 1 / Fig. 1b
• 描述：正文中明确写道：“In total, we collected 4938 CBCT scans of 4215 patients ... from the CQ-hospital, HZ-hospital, and SH-hospital as the internal dataset, and 407 CBCT scans of 404 patients from the remaining 12 dental clinics as the external dataset.” 但根据 Table 1 和 Fig. 1b 提供的详细数据中心数据，CQ、HZ、SH 三家医院的 CBCT 扫描数量分别为 1532、1798、1201，相加总和为 4531；患者数量分别为 924、1689、1198，相加总和为 3811。
• 证据：4531（内部CBCT数） + 407（外部CBCT数） = 4938（总CBCT数）；3811（内部患者数） + 404（外部患者数） = 4215（总患者数）。正文将所有总计数据（4938和4215）错误地冠以“内部数据集”的定语。这属于非常低级的文本描述与图表数据加减不吻合的矛盾。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 2：正文与表格数据冲突（专家放射科医生耗时之谜）

• 位置：正文 "Comparison with expert radiologists" 段落 vs Table 3
• 描述：正文中描述：“Table 3 shows that the two expert radiologists take 147 and 169 min (on average) to annotate one CBCT scan, respectively.” 然而查阅正文附带的 Table 3，Time (min) 这一栏明确标注的数据是 “147” 和 “160”。
• 证据：正文描述的第二位医生的时间（169 min）与表格呈现的数据（160 min）存在明显冲突，属于作者在撰写或修改论文时的笔误，未做好交叉校对。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 3：专业术语与逻辑表述异常（分辨率概念混淆）

• 位置：Methods 部分 "Image pre-processing" 段落
• 描述：原文表述：“First, as the physical resolution of our collected CBCT images varies from 0.2 to 1.0 mm... For example, if the resolution is higher than 0.4 mm, down-sampling is introduced; otherwise, up-sampling is applied on the 3D CBCT images.”
• 证据：在医学图像处理领域，0.4mm 指的是“体素大小/像素间距”。“高分辨率”意味着数值更小（如 0.2mm）。如果输入图像的体素是 0.2mm（属于真正的高分辨率），按照作者“数值大于0.4才下采样”的逻辑，它会被保留；但如果是 0.5mm（低分辨率），按照其文字逻辑应该进行上采样。作者将“物理尺寸数值大于0.4”和“高分辨率”混为一谈，反映出方法学描述不够严谨。
• 严重程度：🟡
• 复核状态：✅ 成立

耿同学辣评

这篇发在顶刊 Nature Communications 上的 AI 论文，深度学习网络架构画得很漂亮，多中心数据听着也很唬人，但作者团队的“加减法”和“文本校对”功底显然有待提高。把总计 4938 例的数据当成内部数据一顿夸，正写着 169 分钟的打工人时间，表格里又给人家“强行下班”变回 160 分钟。不仅如此，连最基础的图像处理术语“分辨率”和“像素物理尺寸”都能混淆。科研不仅需要算法硬核，小学算术和 Ctrl+F 的细心同样重要啊！

建议后续行动

• 联系作者要求澄清数据总数与表格相左的原因（大概率是写错了）。
• 在 PubPeer 上提出质疑（针对笔误要求勘误）。
• 向期刊编辑部举报（目前证据主要为笔误和表述不严谨，未达到系统性造假的举报门槛，建议先走作者沟通或要求期刊发布勘误）。
• 向作者所在机构学术委员会举报（暂不需要）。

⚠️ 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。