現(xiàn)有檢測系統(tǒng)在進行論文檢測時是會剔除論文中的圖片和表格的，因此一些人對圖片進行變造加工，在他人實驗結(jié)果基礎(chǔ)上“衍生”出自己的實驗結(jié)果。這種對圖片的重復使用很難進行辨別，尤其是使用者一般會對圖片進行PS，實在是防不勝防。但是借助最新的圖像識別系統(tǒng)，科學家建立了新的圖片識別方法，能對經(jīng)過故意編輯使用的圖進行辨認，讓許多人工無法辨別的重復用圖無法繼續(xù)騙人，這幾乎必然地會發(fā)現(xiàn)千萬篇論文被曝光于天下，許多人開始無法入眠了。根據(jù)初步研究，大約0.6％的論文存在圖片造假的可能，那么每年250萬篇學術(shù)論文會大約1.4萬篇存在圖像造假的。

最新論文是發(fā)表在2月22日的論文預印本服務(wù)器BioRxiv上，紐約雪城大學Daniel Acuna（庫尼亞）機器學習團隊通過使用一種算法來處理成千上萬的生物醫(yī)學論文，可以識別出重復使用的圖片。如果雜志編輯也采用類似方法，將會讓許多論文因為這個問題被阻斷在發(fā)表的過程。

目前作者并沒有公開算法，不過研究小組已經(jīng)和西北大學誠信辦公室主任Lauran Qualkenbush進行過交流，他們考慮使用這個技術(shù)。另外和美國研究人員協(xié)會誠信副主席進行了溝通，有可能年內(nèi)進行應用測試。

2015年初，庫尼亞和兩個同事使用一種算法，從PubMed數(shù)據(jù)庫開放的760000篇文章中提取到超過260萬份圖像數(shù)據(jù)，數(shù)據(jù)包括顯微細胞和組織和凝膠印跡。然后放大這些圖片中最具有特征的部位，這些部位都是顏色和灰度變化最明顯的部分，利用這部分信息制作每一個圖像的數(shù)字指紋。將圖片中標記箭頭或流程圖組件去除，團隊獲得了200萬份左右圖像。為避免比較所有圖像，他們用論文第一和通訊作者為限制條件，對這些圖像資料進行了對照分析，他們的方法能識別出經(jīng)過旋轉(zhuǎn)、調(diào)整大小、對比度或顏色等編輯的重復圖像。然后手工驗證3750的被標記圖像的分析結(jié)果，這些圖像被認為存在復制的可能性。根據(jù)他們的研究結(jié)果，數(shù)據(jù)庫中大約1.5%的論文包含可疑的圖像，0.6%的論文將包含造假圖像。

學術(shù)不端行為除了依靠道德素質(zhì)提升的軟影響而被消除，也可以依靠技術(shù)更新被強行遏制，軟硬兼施下，風清氣正的學術(shù)氛圍將被營造。