正在加载...
请稍候

Structural Validity-Calibrated Component Querying for Active Learning in Focal Lesion Segmentation

2026-10-17 10:12

🔍 耿同学打假报告

论文信息

  • 标题：Structural Validity-Calibrated Component Querying for Active Learning in Focal Lesion Segmentation
  • 作者：Shao Chen, Zhipeng Xu, Meiyun Zuo（通讯作者，zuomy@ruc.edu.cn）
  • 期刊：未标注（格式为 IEEE 会议/期刊模板）
  • DOI：未提供
  • 发表年份：未标注（参考文献含 2026 年文献，推断为 2026 年前后投稿/发表）
  • 论文来源：test.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：参考文献时间线倒置——引用“未来文献”

  • 位置：References [10]、[12]
  • 描述：论文引用了两条 2026 年的文献：[10] SEQUAL 发表于 Medical Image Analysis, p. 104048, Elsevier, 2026；[12] "Finally Outshining the Random Baseline…" arXiv preprint arXiv:2601.13677, 2026。当前日期为 2026-10-17，arXiv 编号 2601.13677 意为 2026 年 1 月提交，形式上不早于当前日期，时间线并非绝对不可能；SEQUAL 若为在编（in-press）文献属常见引用方式。此条为间接时间线线索，单独不足以构成造假证据，仅提示需核实两条文献的出版状态。
  • 证据：原文 References [10] 明确标注 "Medical Image Analysis, p. 104048, Elsevier, 2026"；[12] 明确标注 "arXiv preprint arXiv:2601.13677, 2026"。
  • 严重程度：🟡
  • 复核状态：⚠️ 依据不足（两条 2026 年文献确在原文中，但引用在编/同年早期文献本身有合理解释，仅构成需核实的时间线线索）

发现 2：Figure 1 底图复用——同一病例充当两种“不同失效模式”

  • 位置：Figure 1，第一行（Weak structural existence）与第二行（Spurious-structure contamination）的 Visual Evidence 列
  • 描述：视觉分析确认两行使用完全相同的脑部 MRI 原图作为背景：解剖结构、噪声纹理、灰度分布完全一致，仅叠加的掩码/阈值可视化不同。程序化图像取证在对应页面图像 img-000 的纵向偏移 (0,48) 处检出 19 对 copy-move 匹配块，与“上下两行底图纵向平移对齐/复用”的解释相互印证。Figure 1 caption 将第一行描述为 "weak structural existence"、第二行描述为 "fragmented, low-contrast response caused by spurious-structure contamination"，即两类不同的失效模式；但 caption 与正文中均未说明两行来自同一底图/同一病例。
  • 证据：Figure 1 caption 原文明确区分上述两种失效模式且无任何底图复用声明；视觉取证（高置信度）与 img-000 纵向偏移 copy-move 匹配（19 对）双重佐证。
  • 严重程度：🟡（不严谨的图像展示/代表性不足，非直接数据造假）
  • 复核状态：✅ 成立（图像复用与未声明的事实成立；其性质为展示不严谨而非结果造假）

⚠️ 发现 3：Figure 4 误差带形态异常——无收敛趋势的“平行带状”置信区间

  • 位置：Figure 4，WMH 数据集跨轮次（AL0–AL5）的 Dice/IoU/ASD/HD95 曲线
  • 描述：视觉摘要显示所有方法的误差带宽度在整个主动学习过程中保持高度一致，呈平行带状，未随标注样本增加而收窄；不同方法间误差带重叠度高、形态相似。论文声称 "every result is averaged over 3 seeds"。真实 3 种子实验中种子间方差通常随训练集扩大趋于收窄，全程恒定宽度的误差带与此预期不完全吻合；但也可能源于固定的方差可视化方式或数据本身的低方差，仅凭文本与视觉摘要无法定罪，需作者说明误差带计算方式。
  • 证据：原文 "every result is averaged over 3 seeds"（Implementation Details）；Figure 4 caption 说明展示 WMH 跨 AL0–AL5 轮次的 Dice、IoU、ASD、HD95。
  • 严重程度：🟡
  • 复核状态：⚠️ 依据不足（视觉线索与“3 seeds”声称不匹配，但无文本层面的正面证据，需原始逐种子数据确认）

⚠️ 发现 4：Figure 5 基线表现极端失真——对照组近乎随机噪声

  • 位置：Figure 5，IDRiD 与 BUSI 列的 Random / AutoAL 定性对比
  • 描述：基线方法（尤其 AutoAL）的分割结果呈极度破碎的点状噪声，而 "Ours" 结果异常干净完整，视觉反差过于极端。原文明确声明 "All methods share the same network, training protocol"，在相同骨干与协议下，查询策略差异通常不至导致基线产生“近乎随机噪声”级别的输出。可能存在可视化阈值不一致或基线未充分收敛的问题，需作者提供各方法可视化所用的二值化阈值以排除展示偏倚。
  • 证据：原文 "All methods share the same network, training protocol, PyTorch implementation, and a single RTX 4090 GPU"；Figure 5 caption 说明 TP/FP/FN 的颜色标记约定。
  • 严重程度：🟡
  • 复核状态：⚠️ 依据不足（极端视觉反差为定性观察，存在可视化阈值设置等良性可能，且原文无正面信息可排除或证实）

发现 5：程序化图像取证——多图检出 copy-move 与噪声方差不一致

  • 位置：img-000 至 img-004（对应论文图 1–5 区域的嵌入图像）
  • 描述：机器取证在多张图中检出 copy-move 匹配与噪声方差不一致。其中 img-001/002/003 的 copy-move 匹配偏移均为 (32,0)（65/41/8 对），与论文 Figure 2、Figure 3 流程图中大量规则重复的面板边框、图框元素的位置特征吻合——论文原文的 Fig. 2/3 caption 明确描述其为流程图/模块图（"Overview of the proposed two-stage active learning pipeline""Detailed design of the VaC core module"），此类图天然包含等尺寸重复图框，为 (32,0) 偏移匹配提供了正面解释；相应的噪声方差不一致（CV 0.56–1.00）亦可能由图内同时包含纯色图框区与影像/照片区（不同纹理统计）所致，Fig. 2/3/5 确实同时包含示意图框与医学影像，构成原文正面支持。但 img-000 在纵向偏移 (0,48) 处的 19 对 copy-move 匹配不在上述可解释范围内，其位置与发现 2（Fig. 1 上下两行 Visual Evidence 底图纵向复用/对齐）精确对应，作为发现 2 的程序化佐证予以确认。其余批量 (32,0) 匹配与噪声方差线索按流程图良性解释降级保留观察，不单独构成造假证据。
  • 证据：Fig. 2/3 caption 描述为流程图与模块设计图（含大量重复面板元素）；Fig. 1/5 含医学影像面板；取证结果 I1–I9。
  • 严重程度：🟠（其中 img-000 (0,48) 线索支持发现 2；其余线索为可解释的批量阳性）
  • 复核状态：✅ 成立（限定于 img-000 偏移 (0,48) 的 19 对 copy-move 作为发现 2 的佐证；其余 I1、I3–I9 线索存在原文正面支持的良性解释，仅作背景保留）

⚠️ 发现 6：Table I / Table II 数值因 OCR 严重损坏，无法进行统计学核验

  • 位置：Table I、Table II
  • 描述：两张核心结果表的 OCR 文本严重损坏（如 "VeCigey"、"Sipmnied period"、"S2a1£057" 等），数值无法忠实还原，本报告无法对表格执行末位数字分布、GRIM、SD 一致性等程序化检测，如实标注“依据不足”。这本身不是论文的过错，但意味着本次检测未能覆盖最重要的定量证据面，综合评定存在不确定性。
  • 证据：Table I、Table II 的嵌入文本明显乱码，数值不可辨识。
  • 严重程度：🟡（检测能力限制，非论文异常）
  • 复核状态：⚠️ 依据不足

耿同学辣评

方法写得头头是道，公式绕了三道弯，可动机图里“两种失效模式”共用一张底图连个说明都不给，还被取证程序抓了个正着——img-000 那个 (0,48) 偏移的匹配块对，把上下两行底图的关系交代得明明白白。其余几处批量匹配倒能和流程图的规则图框对上号，不算冤枉它。但这论文最核心的 Table I/II 全是乱码，定量证据面基本裸奔，误差带又一路平行到底像用尺子画出来的——“结构有效性校准了，图片展示没校准”。

建议后续行动

  • 联系作者要求提供 Figure 1 两行示例的原始病例信息与说明
  • 要求提供 Table I/II 的清晰原表及 3 个随机种子的逐种子原始结果
  • 要求说明 Figure 4 误差带的计算方式（SD/SEM/分位数）及各方法可视化的二值化阈值
  • 核实参考文献 [10]、[12] 的出版状态与引用时间线
  • 如作者无法提供原始数据，在 PubPeer 上提出质疑并向期刊/会议编辑部反映

⚠️ 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。

🧮 证据合成（自动生成）

  • 综合后验概率：99.4%（先验 5%）
  • 95% 可信区间：[94.4%, 99.9%]
  • 贝叶斯因子：BF = 2.92e+3（决定性（decisive））
  • 综合评级：🔴 高度疑似
  • 复核已排除线索：8 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

  1. [发现5] 4 张图检出 copy-move 匹配（img-001 偏移(32,0) 65 对等），img-000 偏移(0,48) 19 对与发现 2 的 Fig.1 上下行底图纵向一致相互印证；多数匹配可由流程图规则元素解释，但 img-000 结果为底图复用提供程序化佐证。（vision/*，logLR=1.7）— 贡献 22.4%
  2. [I2] [img-000.jpg] 检测到 copy-move 复制粘贴：偏移 (0,48) 处 19 对匹配块（image/copy_move，logLR=1.46）— 贡献 17.3%
  3. [发现6] 两张核心结果表 OCR 文本严重损坏，数值无法忠实还原，末位数字分布、GRIM、SD 一致性等统计检测无法执行，标注为依据不足。（vision/*，logLR=1.19）— 贡献 15.9%
  4. [发现2] 视觉分析确认两种声称不同的失效模式使用完全相同的 MRI 底图（解剖结构、噪声纹理、灰度分布一致），caption 未说明为同一病例。（llm/*，logLR=1.08）— 贡献 14.8%
  5. [发现4] 在共享网络与训练协议的前提下，基线 AutoAL 分割结果呈近乎随机噪声的极端破碎模式，与本文结果反差过大，存在可视化偏倚或基线未收敛的嫌疑。（llm/*，logLR=1.08）— 贡献 14.4%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。

返回报告库