How to Check Image Duplication in Your SCI Paper? ImageTwin Is Used by 8 Out of 10 Top Publishers. Self-Check Before Submission Is a Must.
关键词： 图片查重；SCI论文；图片重复；撤稿原因；学术不端
一、先看一组数据：图片问题比你想象的严重得多
很多研究生对图片查重这件事还没什么概念——觉得“文字查重我知道，图片也能查？”、“我图都是自己做的，能有什么问题？”
但数据不会骗人。
先看2024年的撤稿数据。2024年全球高影响力杂志共撤回190篇文章，对中国学者撤回的70篇文章进行分析后发现，图片重复使用占了60篇，是撤回的主要原因。换句话说，中国学者因图片问题被撤稿的比例高达85.7%。
这不是小概率事件。另一项研究分析了2024年中国和美国共603篇论文更正声明，发现中国发布的更正声明中图表问题占47.69%，其中图片重复的问题就占了36.26%。
2016年的一项经典研究对生物医学领域的论文进行了系统分析，发现3.8%的已发表论文包含有问题的图片，其中至少一半显示出故意操纵的特征。3.8%看起来不高，但乘以每年发表的论文数量——这是一个极其庞大的数字。
更有说服力的是来自期刊的实际筛查数据。美国微生物学会（ASM）在2023年进行了一年的试点，用ImageTwin筛查了2627篇已接受的稿件，结果发现3.9%的稿件存在图片重复问题。这意味着每25篇已经被期刊“接受”的论文里，就有1篇存在图片问题——而这些问题是人眼没看出来的。
图片问题已经成为SCI论文撤稿的第一大原因，没有之一。
二、期刊到底在查什么？四个重点方向
了解了问题的严重性，接下来搞清楚期刊到底在查什么。
重点一：同一篇论文内部的图片重复
这是最常见、也最容易被忽视的问题。
你在整理数据的时候，可能不小心把同一张图贴了两次——一张标成Figure 2A，另一张标成Figure 3B。或者你在做Western Blot的时候，把同一个条带用在了两个不同的实验条件下。
这些情况，在你看来是“不小心”，在期刊看来就是“图片重复”。
ImageTwin这类工具能检测论文内部不同图片之间的相似性。哪怕两张图被旋转过、裁剪过、调过颜色——只要本质上是同一张图，系统就能认出来。
重点检查： 投稿之前，打开你的论文，把所有图片放在一起对比一遍。有没有两张图看起来“很像”？有没有同一个条带出现在不同的图中？有没有同一张显微照片被用在了两个不同的地方？
重点二：与已发表论文的图片重复
你的图跟别人已发表的图是不是一样的？哪怕你改过样子——调了颜色、裁了边框、旋转了角度——只要本质相同，系统就能识别。
这种情况通常分为两类：
第一类，用了公共数据没注明来源。 比如你用了某个公共数据库里的标准图像，但没有在论文里说明出处。这在系统看来就是“跟已有文献重复”。
第二类，直接或间接使用了别人的图。 无论是有意还是无意，只要你的图跟别人已发表的图高度相似，就会被标记。
重点检查： 你的图片是不是原创的？如果是引用的，有没有正确标注来源？有没有从别人的论文里“借”过图？
重点三：图片篡改和操纵
这是比重复更严重的问题。
常见的操纵方式包括：
Western Blot条带拼接——把不同实验的条带拼在一起，假装是一次实验的结果
局部复制粘贴——把图里的一部分复制到另一个位置
过度修饰——调亮、调暗、涂抹、擦除某些部分
图片裁剪——裁掉不想展示的部分
爱思唯尔最新披露的数据显示，其自主研发的“指纹比对系统”已实现跨模态检测：文本与图像共享同一查重数据库。这意味着插入文献中的实验图谱若存在PS痕迹，可能触发相似性警报。
重点检查： 你的原始数据还在吗？有没有对图片做过“美化”处理？拼接的地方边缘是否自然？
重点四：AI生成的图片
这是一个新兴但越来越被关注的问题。
2025年以来，ImageTwin等工具已经升级了AI生成图片的检测功能。用Midjourney、DALL-E等工具生成的图片，会被系统识别出来。
重点检查： 你的图片是不是AI生成的？如果是，期刊是否允许？有没有在论文中声明？
三、期刊怎么查图片？三种方式
方式一：AI工具自动筛查
这是目前最主流的方式。Nature、Science、Cell等顶刊，以及Elsevier、Springer、Wiley等主流出版社，都在用AI工具对投稿论文的图片进行系统性筛查。
目前主流的图片查重工具包括：
ImageTwin：全球8成以上的大型学术出版商在使用。2026年5月，Wiley正式将其集成到Research Exchange投稿平台。它能检测图片重复、篡改和AI生成内容。
Proofig AI：MDPI等出版社在使用。试点期间有效检测了重复和操纵的共聚焦和组化图像。
这些工具的工作原理是什么？ 通过对图片提取颜色分布、纹理特征、形状轮廓等关键信息，形成独特的“指纹”。当两幅图片的指纹相似度超过一定阈值时，就会被标记为潜在重复。
方式二：审稿人肉眼检查
虽然AI工具越来越强，但审稿人的肉眼检查仍然是重要的一环。有经验的审稿人能够发现很多AI可能漏掉的问题。
方式三：发表后的“秋后算账”
这是最可怕的一种。论文发表后，如果被读者、同行或第三方工具发现图片问题，期刊会启动调查。 轻则发布更正声明，重则直接撤稿。
2024年12月，诚信科研编辑部报道了174篇撤稿文章，涉及Nature Communications、Science Advances、PLOS One等重量级期刊。图片问题是这些撤稿中最常见的原因。
“发表后被发现”比“投稿时被查出”更糟糕——不仅论文没了，学术声誉也受损。
四、投稿前需要重点检查的五个地方
基于上面的分析，我总结了五个投稿前必须重点检查的地方：
检查一：同一篇论文内部有没有“撞图”
把论文里所有的图放在一起，一张一张对比。特别留意：
不同编号的图有没有看起来“很像”的
同一张显微照片有没有出现在多个地方
Western Blot的条带有没有在不同图中重复出现
建议： 用ImageTwin之类的工具扫描一遍全文PDF，系统会自动标记出内部重复。
检查二：图片有没有被过度“美化”
检查你的原始数据。如果你对图片做过任何处理——裁剪、调色、拼接——问自己一个问题：这个处理是为了“让数据更清楚”，还是为了“让结果看起来更好”？
前者可以接受，后者是学术不端。
检查三：引用别人的图有没有标注来源
如果你使用了别人已发表的图片，或者使用了公共数据库的标准图像，必须在图注中明确标注来源。
不标注，就等于抄袭。
检查四：图片分辨率是否达标
虽然这不属于“查重”的范畴，但图片分辨率不够是技术性拒稿的常见原因。照片类图片至少300 dpi，线条图需要600-1200 dpi。
检查五：原始数据是否保存完好
投稿前，确认你的原始数据（包括未裁剪的Western Blot原图、未处理的显微照片等）都保存完好。如果期刊要求提供原始数据而你拿不出来，后果比图片重复还严重。
五、几个常见误解，别踩坑
误解一：“我的图都是自己做的，不会有问题”
自己做的不代表没问题。同一篇论文内部贴错图、不同实验的条带搞混——这些“自己的图”同样会被系统标记为重复。
误解二：“稍微改一下AI就认不出来了”
错。 现在的图片查重技术能识别旋转、裁剪、颜色调整后的图片。别在这上面动歪脑筋。
误解三：“只有故意造假才会被查”
错。 绝大多数图片问题都是无意的——整理数据时贴错了图、裁剪的时候搞混了文件。但期刊不会因为你是“无意的”就放过你。结果是一样的：返修、撤稿、声誉受损。
误解四：“图片查重是投稿之后的事”
错。 图片查重应该在投稿之前做。提前发现、提前修改，比投稿后被期刊发现要好一万倍。
六、给实验室新手的几点实用建议
建议一：投稿前用专业工具自查一遍
ImageTwin是当前最主流的图片查重工具，被全球8成以上的大型学术出版商使用。投稿前花一两百块钱查一遍，可能帮你省下几个月的返修时间。
建议二：建立图片管理规范
从实验一开始就养成良好的图片管理习惯：
每张图用清晰的命名规则
保存原始数据（未裁剪、未处理的版本）
记录每张图的来源和对应的实验
投稿前集中检查所有图片
建议三：收到查重报告后逐条核实
ImageTwin等工具会产生误报。被标记的图片不一定真的有问题，需要你逐条核实。但也不要心存侥幸——该改的必须改。
建议四：保存好原始数据
这是最重要的建议。 无论你的图片有没有问题，原始数据都是你的“护身符”。如果期刊要求提供原始数据而你拿不出来，后果比图片重复还严重。
写在最后
图片查重的重点，说到底就三件事：
第一，问题比你想象的严重得多。 85.7%的中国学者撤稿跟图片有关，3.9%的已接受稿件存在图片问题——这些数字不是吓唬人的。
第二，期刊查图比查文字还严。 AI工具能识别旋转、裁剪、调色后的图片，能检测拼接、复制、篡改。你以为“看不出来”的，在系统面前一目了然。
第三，提前自查比事后补救重要一万倍。 投稿前花点时间检查图片，可能帮你避开撤稿、保住学术声誉。
记住三句话：
图片问题已经成为SCI撤稿的第一大原因——别不当回事
AI能认出人眼看不出的重复——别心存侥幸
投稿前自查，比被撤稿后后悔强一万倍——现在就去做
祝你的每一张图都干干净净、经得起考验。