# 🔍 耿同学打假报告

## 论文信息
- 论文来源：Structure-Driven_Unsupervised_Domain_Adaptation_for_Cross-Modality_Cardiac_Segmentation.pdf
- 标题：Structure-Driven Unsupervised Domain Adaptation for Cross-Modality Cardiac Segmentation
- 作者：Zhiming Cui, Changjian Li, Zhixu Du, Nenglun Chen, Guodong Wei, Runnan Chen, Lei Yang, Dinggang Shen, Wenping Wang
- 期刊：IEEE TRANSACTIONS ON MEDICAL IMAGING (VOL. 40, NO. 12, DECEMBER 2021)
- DOI：10.1109/TMI.2021.3090432
- 发表年份：2021

## 综合评定：🟡 存疑

## 详细发现

### ⚠️ 发现 1：图片复用与伪造跨模态输入数据（一图多用）
- **位置**：Figure 4 / Page 3611
- **描述**：根据视觉分析摘要，Figure 4 中用于展示两个完全不同适应方向（MRI 到 CT 和 CT 到 MRI）的输入图像存在造假嫌疑，被认为是在解剖结构轮廓和背景纹理上完全一致的图像，仅做了灰度与对比度的线性变换。
- **证据**：原文在 Figure 4 的 caption 中描述：“Qualitative results of different methods for unsupervised MRI to CT domain adaptation (top three rows) and CT to MRI domain adaptation (bottom three rows).” 这一文本仅能证明图片展示的是双向适应的结果，无法从纯文本层面证伪图像的像素来源，也无法直接证实“通过简单图像处理伪造跨模态输入”的结论。视觉摘要指出的异常特征无法在论文文本中找到直接对应的证据支撑。
- **严重程度**：🔴
- **复核状态**：⚠️ 依据不足

### ⚠️ 发现 2：方法学与核心实验逻辑崩塌（引用与方法学异常）
- **位置**：Section IV.C (Comparisons and Analysis) / Figure 4 / Table I
- **描述**：原报告认为如果 Figure 4 中的跨模态输入数据是伪造的（实为同一模态图片的PS换装），那么 Table I 中报告的大量定量对比数据将失去现实依据，整个实验严谨性荡然无存。
- **证据**：原文第四部分确实声明“Our method achieves the best performance in both directions by a large margin”。然而，该条结论完全依赖于“发现 1”的成立。由于“发现 1”被认定为依据不足，本条关于实验逻辑崩塌和数据失去物理意义的推论同样缺乏可从文本中印证的直接依据。
- **严重程度**：🔴
- **复核状态**：⚠️ 依据不足

## 耿同学辣评

虽然图片视觉分析摘要大声指出了 Figure 4 中跨模态输入图像存在“复制粘贴加滤镜”的严重嫌疑，但在“文本对齐”的苛刻复核规则下，咱们确实无法仅凭论文的文字描述就给出“实锤”的判决。科学的打假必须讲求确凿的证据链，既然纸面上没写破绽，我们只能先给出“存疑”的黄牌警告。如果这真的是“Photoshop-Driven”的魔法，建议相关方调取原始 DICOM 数据一探究竟，让像素自己说话！

## 建议后续行动

- [ ] 联系作者要求提供原始数据（特别是 Figure 4 中引用的具体 MRI 和 CT 的 DICOM 数据）以自证清白。
- [ ] 在 PubPeer 等学术讨论平台上客观提出视觉层面的疑问，寻求更多同行的图像分析意见。
- [ ] 若获取到切实的图片原始层面造假证据，可再向期刊编辑部及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。