新算法可检测文献中重复图像

光学显微镜可以捕捉细胞和器官的显微照片。他们重复的形象可能会出现在科学文献中。

资料来源:米哈伊尔·特雷什琴科/塔斯社/盖蒂

三位科学家几天前说，计算机软件现在可以快速检测大量研究文件中的重复图像。

美国纽约锡拉丘兹大学机器学习研究员丹尼尔·阿库纳(Daniel Acuna)领导的团队最近在预印好的服务器bioRxiv上发表了一篇论文，报告称该团队成功使用了一种算法，该算法可以处理数万份生物医学论文，以找到重复图像。如果期刊编辑采用类似的方法，他们也许能在论文发表前更容易地检查图像——目前这件事需要很大的努力，只有少数出版物在这么做。

Acuna说，最新的结果表明，使用技术检测重复图像是可能的。他没有透露该算法，因为它有引发虚假指控的风险。相反，Acuna及其同事计划将其委托给期刊和科学诚信办公室。阿库纳说，他已经和芝加哥西北大学研究诚信办公室主任劳伦·夸尔肯布什讨论过这个算法。"这对科研诚信办公室非常有帮助."夸尔肯布什说:“我非常希望我的办公室今年能成为一个试验场，看看如何使用丹尼尔开发的工具。”

2015年初，Acuna和两位同事使用一种算法从76万篇论文中提取了超过260万幅图像。这些文章来自PubMed的开放存取部分，PubMed是一个由国家卫生研究院运行的生物医学文献数据库。获得的图像包括细胞、器官和凝胶印迹的显微照片。然后，该算法将把“镜头”移动到特征最丰富的区域——颜色和灰度变化最大的部分，从而在每幅图像中提取出独特的数字“足迹”。

在去掉箭头或流程图等特征后，研究小组最终获得了大约200万张图像。他们只比较来自相同的第一作者和通讯作者的论文中的图像，以避免将每个图像相互比较所带来的计算量。与此同时，即使图像被旋转、调整大小或改变对比度和颜色，系统仍然可以挑选出潜在的重复图像。(慢慢地)

阅读更多

自然网站上的相关报道