（三）重做检测头

上一篇定下的 ROI 版本在平台模型验证中拿到 39.31 分。它的检测头做全局分类，每个类别最多输出一个框，候选稀疏。上一篇最后几轮在已有候选上重排、修改解码，都没有解决漏检；继续在这些候选上重排，也难以解决。这一篇从更换检测头开始，记录到 9 月 23 日为止。

全局分类和稀疏的候选限制了检出，成熟的检测结构值得拿来做比较。起初有过一份改用公开成熟检测器 YOLO 的实施计划，随后撤回：参赛的是自有模型组，我们要求保留自有的 RAD41 核心；替换骨干仍要满足赛事对核心模型的合规要求，而 YOLO 路线没有得到具体的合规结论。YOLO 停在计划阶段，没有加载，也没有训练。剩下的两个方案是局部密集检测和在已有候选框上重新分类；后者找不回旧候选之外的漏检，暂缓，选定局部密集检测。这个选择依据的是机制和工程成本，没有证明局部密集检测一定能提分。具体做法是冻结已在平台拿过 39.31 分的 T3 模型的骨干，后面接上随机初始化的 neck 和 torchvision 里现成的 RetinaNetHead 结构，只用结构，不加载任何外部检测预训练权重。

为了提高候选覆盖，同时检验多尺度特征有没有额外价值，实验对比了两种检测头。骨干是冻结的，所以先把 518 输入的特征计算一次存成缓存，两个检测头读取同一份特征：single 只用骨干输出的一层特征（单尺度）；pyramid 另外通过上采样和池化做出一层更细、一层更粗的特征（多尺度）。两者共有的 neck 和 head 部分用同一份随机初始化权重。新检测头在特征图的每一格放一组 anchor，每个 anchor 同时学习 17 个类别的分数和一个不区分类别的框位置，以此替代旧结构的每类 top1。两组用相同的训练集各训 20 轮，中途修复过一次数值问题，在原定训练预算内恢复了训练。比较按事先定好的第 20 轮做，不回头挑最好的一轮。这一轮同时改动了结构、监督方式、候选生成和训练量，分数的变化不能单独归到检测头结构上。

我们在同一组 1,396 例开发集上比较原模型、single 和 pyramid，看检测、下游任务和资源开销。这 1,396 例反复用于方案比较，不是独立测试集。开发集的标注中途有过更新，按当前标注，三者的 mAP17 依次为 0.087006、0.165304 和 0.166123。pyramid 减 single 的差值，按病例重采样得到的 95% 区间跨过 0，这个区间是在更早冻结的那一版标注上算的（两版标注的数值不能混用）；据此既不能判定 pyramid 更好，也不能说明两者相当。再看下游任务，single 匹配上的积液有 166 个，pyramid 是 142 个，single 的积液 AUC 也更高，结构也更简单，因此先把 single 接进完整服务。当前证据不足以确认 pyramid 的额外收益。

开发集上的改善要放到完整服务里验证。T4 根据 T3 的框给出肿块直径和积液分级，T5 复用 T3 的框和 T4 的属性。我们完成了 single 的服务、T4 和 T5 的接入、冷启动以及平台回调，T1 和 T2 的安全组件沿用原版。平台总分从 39.31 升到 47.78，高 8.47 分；T3、T4、T5 都有上升，其中 T4 加 5.28 分，而 T4 这次没有重新训练，变的是它上游的检测框；安全项 19.80 分不变。single 成为新的基线。T4 仍有子项下降。两次汇总成绩不足以把全部增益归到某一项结构改动上。

single 已能检出病灶，下一步是让分类分数和框的定位质量对应得更好。实验从 single 第 20 轮的权重续训 5 轮，分类损失换成 QFL（quality focal，以 IoU 为软目标的分类损失）：正例的目标是预测框与标注框（GT）的 IoU，且不回传这个 IoU 的梯度；负例目标为 0；框回归损失沿用原版。质量目标只在训练时计算，推理结构沿用 single，和上一篇对旧 ROI 模型做的质量重排不是同一种方法。在同一组 1,396 例开发集上按当前标注评估，single 是 0.165304，同样续训 5 轮的对照是 0.163151，quality 是 0.168484。quality 保留下来；这个提高目前只在开发集上，还没有平台分。

全图直接缩到 518 输入，可能会限制小病灶的检出；为了保留更多原图细节，我们试了全图加四角切片。每一例用全图加四个角的裁图，每张裁图覆盖原图 60% 的宽和高，一例要做 5 次 RAD41 前向；被裁图切断的标注按忽略处理，固定训练 5 轮。训练用了 32.46 小时，开发集 mAP17 为 0.167100，高于 single，低于 quality；结节（Nodule）提高，肿块（Mass）下降。后续的量化和定位验证停止，实验结果保留。这个结论只适用于这一次的切片配方。

截至 9 月 23 日，平台上的基线是 single 的 47.78 分；quality 等 9 月 27 日验证完整服务；全图加四角切片的配方没有采用。

平台模型验证总分

分项：ROI → single

T1 + T2 安全

19.80 → 19.80

T3 征象检测

1.92 → 4.65 · +2.73

T4 属性量化

10.44 → 15.72 · +5.28

T5 解释定位

7.15 → 7.61 · +0.46

开发集 mAP17（1,396 例）

原模型

0.087006

single

0.165304 · 采用

pyramid

0.166123

续训对照

0.163151

quality

0.168484 · 采用

全图 + 四角切片

0.167100 · 未采用

训练设置（single / pyramid）

训练集

11,242 例

batch · 优化器

8 · AdamW 1e-4

训练量

20 轮 · 28,120 次更新

结论

single 检测头平台总分 47.78，比 ROI 版高 8.47：T3 +2.73，T4 +5.28，T5 +0.46，安全项 19.80 不变。随后 quality 续训 5 轮，开发集 mAP17 从 0.165304 升到 0.168484。

参数

冻结 RAD41 骨干 · 518 输入 · neck 128 · 每格 9 anchors · 17 类 sigmoid · 类别无关框回归 · batch 8 · AdamW 1e-4 · 20 轮

没做完

pyramid 的开发集 mAP17 略高于 single，但差值的 95% 区间跨过 0，额外收益无法确认；T4 这次没有重新训练，仍有子项下降。

2026-09-19

撤回换用 YOLO 的计划，保留 RAD41，改建密集检测头

2026-09-20

single 与 pyramid 各训 20 轮，先上 single

2026-09-21

single 平台验证 47.78（+8.47）

2026-09-21

quality 续训 5 轮，mAP17 到 0.168484

2026-09-23

全图加四角切片训了 32.46 小时，未采用