BMDetect：一个用于全面检测生物医学不端行为的多模态深度学习框架
机器学习
2025-07-16 v2 计算与语言
摘要
由于现有方法的算法局限性和碎片化的分析流程，生物医学研究中的学术不端行为检测仍然具有挑战性。我们提出了BMDetect，这是一个多模态深度学习框架，它整合了期刊元数据（SJR、机构数据）、语义嵌入（PubMedBERT）和GPT-4o挖掘的文本属性（方法学统计、数据异常），用于整体性稿件评估。关键创新包括：（1）融合领域特定特征的多模态方法，以减少检测偏差；（2）对特征重要性的定量评估，确定期刊权威性指标（如SJR指数）和文本异常（如统计离群值）为主要预测因子；（3）BioMCD数据集，这是一个包含13,160篇撤稿文章和53,411篇对照文章的大规模基准。BMDetect实现了74.33%的AUC，比单模态基线高出8.6%，并展示了在生物医学子领域间的可迁移性。这项工作推进了用于维护科研诚信的可扩展、可解释工具的发展。
引用
@article{arxiv.2505.05763,
title = {BMDetect: A Multimodal Deep Learning Framework for Comprehensive Biomedical Misconduct Detection},
author = {Yize Zhou and Jie Zhang and Meijie Wang and Lun Yu},
journal= {arXiv preprint arXiv:2505.05763},
year = {2025}
}