（一）赛前选定基座模型

这个系列共五篇，记录我们参加《全国医保影像 AI 识图大赛》赛道八「基于胸部 X 光的多种疾病智能检测」「自有模型组」的模型研发：第一篇基座与种子，第二篇 ROI 基线，第三篇换检测头，第四篇未留下的配方，第五篇融合。这是第一篇，写进入赛方环境之前的三天：在公开胸片数据上选基座模型、看随机种子的影响、试融合，最后用全部赛前数据重训出 RAD41，名字里的 41 就是随机种子 41。

现成的基座模型先在 Kaggle 上的胸片数据集 VinBigData 上比较胸片分类和定位，候选有三个：胸片专用的 ViT 模型 RAD-DINO、通用视觉模型 DINOv2，以及一种 CNN，DenseNet-121。这种比较用公开数据代替赛事任务，称为代理验证，得到的分数不是比赛分数；分类看 AUPRC，即精确率—召回率曲线下的面积，各类分别计算后取平均；定位看 mAP：先对每一类算 AP，即预测框按置信度排序后的精确率—召回率曲线下面积，预测框和标注框的交并比（IoU）够高才算检出，再对各类取平均。两项指标都在 0 到 1 之间，越高越好。比较分两轮：第一轮三者都参加，DINOv2 淘汰；第二轮 RAD-DINO 的 AUPRC 和 mAP 分别为 0.489151 和 0.068586，DenseNet 为 0.444539 和 0.010581。预设规则是 DenseNet 至少要在分类或定位中的一项领先才能晋级，RAD-DINO 两项都领先，DenseNet 淘汰。我们采用 RAD-DINO，输入保持 RAD-DINO 原生的 518；只取固定的预训练权重，没有下载或混入上游的预训练数据，上游数据的来源和我们实际训练用的数据分开记录。

接下来看结果对随机种子有多敏感，并和一个通用检测基线比一比。数据分成 10,500 张训练、2,250 张验证，RAD-DINO 用种子 17、29、41 各训练 3 轮，同时试了通用检测模型 FCOS。从这里起用分类 AUPRC 和定位 mAP 的平均值排名，称为 composite。三个种子的 composite 在 0.328686 到 0.330335 之间，最高的是种子 41，只是略高。FCOS 训练两轮，mAP 都是 0，在这套配置下按预设规则停止。

融合指把几个模型输出的概率按权重平均。这一步要看融合的收益够不够支撑更复杂的赛前模型：排在前两位的种子 41 和 29 先做等权融合，再加入种子 17 做三种子融合，然后把 41 和 29 分别续训到第 4 轮。双种子的 composite 为 0.348009，三种子为 0.347998，加第三个种子没有收益；续训后双种子达到 0.351650，增幅超过预设的 +0.003 采用门槛，双种子配方固定下来。随后在留出的 2,250 张测试图上跑了一次，只用来确认结果，没有用来挑模型，跑完也没有改配置。

为了找能和 RAD 互补的模型，先比较了三种 CNN：EfficientNetV2-M、ConvNeXt、DenseNet，没有一种单独胜过 RAD，其中 EfficientNet 最好。接着试了两条提高分辨率的路线：一是把 RAD 输入从 518 提到 1036；二是全图加切片，即把原图切成小块分别做定位。最后试了 RAD 518 加 EfficientNet 1024 的分类融合。RAD 1036 的 composite 为 0.323505，低于 518 的参考值 0.351650；全图加切片只有 0.284590；RAD 518 加 EfficientNet 1024 达到 0.361273，增益来自分类，定位没有变。这一轮实验里，和 EfficientNet 做分类融合比单纯提高 RAD 分辨率好。定下的方案 B 是：分类由 RAD41、RAD29 和种子 41 的 EfficientNet 按 0.4、0.4、0.2 加权，定位仍由两套 RAD 等权融合。

方案 B 之后又试了再多一个成员。EfficientNet 的种子 41 和 29 等权融合，得到一套纯 CNN 的备份；再把两个 EfficientNet 种子和两个 RAD 种子组成四成员融合。四成员的定位和方案 B 完全相同，差别只在 EfficientNet 那一份分类权重由两个种子分担。结果四成员只比方案 B 高 0.000185，低于预设的 0.003 淘汰线。我们继续用方案 B，纯 CNN 方案留作备份。

配方定下后，交付的权重要用全部允许的赛前数据来训。重训从初始化器开始，即选基座第二轮留下的 RAD-DINO 检查点，过程是确定性的；训练数据是全部 15,000 张胸片，即此前的 10,500 张训练、2,250 张验证和 2,250 张留出测试图合在一起，留出的那部分只作为有标签的训练样本。RAD41 固定训练 4 轮，取第 4 轮结束时的权重；方案 B 的其他成员也按各自固定的轮数一起重训。训练中途停过一次，原因是数据读取的并行进程数和此前的基线不一致；停下后从最后一个完整轮次的检查点恢复，模型配方没有改，中断和恢复的记录都保留了下来。RAD41 的配置固定为 518 输入、种子 41、batch 32、编码器末层适配（微调只放开编码器的最后一个块），以及 15 类分类头和 14 类定位热图头。

最后在另一个公开胸片数据集 ChestDR 的固定 1,161 张影像上评估 VinBigData 之外的表现，并核对离赛事要求还差什么。评估只看两边都有的 8 个标签，对不上的标签不计入。ChestDR 不在我们申报的各个模型来源的训练数据里，但这只是相对申报来源而言，不能保证这些模型绝对没有接触过它。方案 B 的 AUPRC 为 0.368690，RAD41 单体为 0.363970；外部评估的结果没有用来改模型成员、权重或阈值。赛事要考五项任务 T1 到 T5：非人体识别、拼接与重复识别、征象检测、属性量化、解释定位；赛前模型只有 15 类分类和 14 类定位，五项任务还没有全部实现。我们决定保留赛前模型，进入赛方环境后再逐项构建 T1 到 T5。

赛前阶段留下两套模型：方案 B，以及纯 CNN 的备份；RAD41 是方案 B 的成员，后面四篇的模型都以 RAD41 为起点。本篇的分数都来自赛前代理任务，和进入赛方环境后评测平台上的 17 类征象检测分数、总分不能换算。各步的门槛都在看分数之前定好：采用门槛 +0.003、淘汰线 0.003、FCOS 的停止规则；增幅不过门槛的成员或配方不加，因为每加一个成员，模型就更复杂。留出测试只跑一次，用来确认结果，不用来挑模型。

基座对比

RAD-DINO

AUPRC 0.489151 · mAP 0.068586

DenseNet

AUPRC 0.444539 · mAP 0.010581

赛前代理验证 composite

seed 17

0.328686

seed 29

0.329670

seed 41

0.330335

41 + 29

0.348009

41 + 29 · 4 轮

0.351650

RAD 1036

0.323505 · 未采用

全图 + 切片

0.284590 · 未采用

方案 B

0.361273 · 采用

纯 CNN 备份

0.298519 · 留作备份

四成员

0.361458 · 未采用

结论

RAD-DINO 的分类 AUPRC 0.489151、定位 mAP 0.068586，两项都高于 DenseNet 的 0.444539 和 0.010581。双种子融合续训到第 4 轮，composite 为 0.351650；分类再融合 EfficientNet，定下方案 B，composite 为 0.361273。

参数

RAD-DINO · 518 输入 · seed 41 · batch 32 · 编码器末层适配 · 15,000 张全量 · 4 轮

没做完

这些都是赛前代理任务上的分数，和后来平台上的 17 类征象检测分数、总分不能换算；在 ChestDR 外部评估里，方案 B 的 AUPRC 为 0.368690，RAD41 单体为 0.363970。

2026-07-30

比较基座，定下 RAD-DINO

2026-07-30

种子 17、29、41 各训 3 轮，种子 41 略高

2026-07-30

双种子融合续训第 4 轮；敲定方案 B

2026-07-31

RAD41 全量重训跑完（15,000 张 · 4 轮）

2026-07-31

ChestDR 外部评估：1,161 张，8 个共享标签