在首场报告中，周涌副教授以“科技论文数据造假行为的统计学甄别”为题，系统讲解了利用统计方法识别学术不端的技术路径。他指出，样本量夸大与刻意样本筛选是目前两类隐蔽性较强的学术数据造假行为。针对样本量夸大问题，其团队通过分析数据特征间的内在关联逻辑，不仅可有效识别异常，还能对夸大程度进行量化测算；针对样本筛选行为，团队创新性地引入生成对抗网络（GAN）技术进行数据模拟，从多维统计特征对比中判断数据是否存在人为操控。该方法适用范围广、操作性强，为防范学术不端、净化学术环境提供了有力的技术支撑。

胡霞老师围绕“基于时间相关的肿瘤动态PET参数成像及影像组学分析”展开分享。她指出，当前影像组学结合机器学习虽已广泛应用于肿瘤辅助诊断与预后预测，但部分模型存在“黑箱”问题，特征缺乏明确的生物学解释，限制了其在临床中的推广。其研究团队通过无创方式提取血浆时间活度曲线，实现肿瘤动态PET参数成像，并联合影像组学深度挖掘图像信息，筛选出具有明确生物学意义的特征指标，验证了其在疗效评估中的实用价值，为肿瘤精准诊疗提供了新的参考依据。