（二）从零搭起第一版

上一篇定下了 RAD41：赛前训练好的骨干，带 15 类分类头和 14 类定位热图头。进入赛方环境后，我们需要补齐赛事的五项任务 T1 到 T5，其中 T1 和 T2 合称安全项，T4 量化的是肿块径和积液级别。赛方环境与赛前不同，显卡是 RTX 5090，需要配置 Torch 2.8 和 cu128 才能支持 sm120；数据也换成了官方的 DICOM 影像和 17 类征象，不同于赛前的代理任务。T3 复用了 RAD41 骨干，新建官方 17 类任务头，起初没有复用旧的 15 类和 14 类头。8 月 16 日单步训练检查通过，训练、校准、验证三个划分都覆盖了 17 类，这时还没有精度基线。

数据里的身份字段 PatientId 存在缺失，而全量读取影像头信息耗时，训练迟迟开始不了。处理方式是把有 PatientId 的样本按患者合并，缺失该字段的以 Accession 建节点，再把重复检测找到的重复样本合并进同一组。当前数据快照整理出 14,051 例标注病例，训练、校准、验证三个集合初始分别为 11,250、1,397、1,404 例，单步训练检查通过。由于患者之间是否严格隔离没有得到确认，按这个分组跑出的内部结果只用于开发评估，实验规模也是限定的。

为了先建立一个能实际比较的官方 17 类检测基线，实验保持骨干不动，只训练热图任务头 512 步，随后在固定的 1,024 例内部验证集上检查候选框和匹配情况。结果 TP（即正确匹配的框）为 0，FP（即误报）为 97,411，FN（即漏检）为 2,617：热图头生成了大量候选框，但没有一个正确定位到目标。这个配方就此停掉。

新配方部分解冻编码器末层，改为直接回归 ROI框，即直接学习框的位置：训练 17 类分类、目标性和 cxcywh框回归 512 步；为了控制输出的框数，再校准阈值和每类 top1。宽松设置下 TP 为 890、FP 为 108,485；加上阈值 0.5 和每类 top1 限制后，TP 为 307、FP 降到 3,827，F1为 0.090976。接着检验同一配方增加训练量还能不能改善：从 512 步续训到 1,536 步，再到 2,560 步，F1 依次升至 0.114312 和 0.118841；末轮 TP 为 398、FP 为 3,685、FN 为 2,217，漏检仍多，第二次续训的增幅已明显收窄。同配方不再追加训练，保留 2,560 步这一版，服务解码固定为目标性阈值 0.75、每类 top1、NMS0.5。

赛事要求同时提供安全、检测、量化和解释输出。另外四项任务的接通方式：T1 用冻结特征训练二分类；T2 用冻结特征做 MIL 拼接识别，重复检测另用检索方法；T4 把 global768 和 ROI768 拼成 1,536 维输入，后面接一个小型 MLP；T5 复用检测框和属性。16 例样本的功能链路接通后，开始整套服务验证。不过这几项结果分别来自小样本、真实标注框和功能检查，还没有五项任务统一的留出集结果。

F1 提高之后，评估改用赛事 T3 关注的 mAP，用它检查候选的覆盖、排序和定位质量；17 类征象各自评估，报告 17 类上的 mAP，记作 mAP17。评估固定使用 1,024 例的共享临床评估缓存，分别尝试了每类取 top2 和统一把框扩大到 1.25 倍。基线 mAP17 为 0.094427，改为 top2 后降到 0.077274，扩框则降到 0.091068。最终保留每类 top1 和原框。

9 月 12 日至 13 日，为了复用旧头里与胸片兼容的知识，并改善框的重叠和尺度误差，实验尝试迁移九类旧任务头后续训，又分别试了 GIoU、对数宽高损失、移除宽高下限和 winner 框解码，另外还试了按面积重新加权。GIoU 一组参数网格里最好的 AP 是 0.097243，尺度损失的候选最好是 0.089538；按面积分档检查，预测框仍然全部集中在 large 档，小、中目标的缩框问题没有解决。这几组的训练量、评估样本和解码方式与早期实验不同，结果不能直接当作因果对照。面积重权的配对 AP 也出现下降；移除 GIoU 的一组虽然训练完成，但评估时缺失文件，记为未评估。这些候选最终都没有采用。

9 月 14 日至 16 日进行首次平台验证，第一次验证超时。排查发现，平台的目录身份、请求范围与内部训练用的过滤规则存在差异。我们在不改动模型权重和评分规则的前提下，修正了目录和影像头的身份检查，并去掉 T1 服务里误用的训练样本过滤。第二次验证跑完 2,735 例，总分 39.31：安全项为 19.80，T3、T4、T5 分别为 1.92、10.44、7.15。平台给出的分项是计入总分的贡献分，不是原始 mAP，不能和内部 mAP17 直接换算；现有记录也不足以确定第一次超时的唯一原因。这一版保存为可回退版本，之后重点改进临床检测。

此前目标性阈值 0.75 是按 F1 选定的，9 月 16 日重新检查它在 mAP 目标下是否合适。实验固定同一组 1,024 例样本和模型权重，共享一次前向结果，比较了四个阈值。阈值为 0.25 时 mAP17 达到 0.106935，高于 0.75 时的 0.094427，但预测框数从 2,253 增至 4,864，超过了事先定下的上限 4,506。后来在另一组反复用于开发的样本上复查，AP 仍有增益，但 T5 没有达到事先定的要求。低阈值没有采用，继续保留 0.75，也不在事后改用别的阈值。

9 月 17 日的实验要确认三件事：旧头迁移早期看到的优势能不能持续，邻域监督有没有帮助，候选重排有没有帮助。试法有三项：同样的训练预算下，比较随机初始化的头和迁移来的头；加入 3×3 归一化监督；另加一个旧 ROI 质量排序头，给候选重新排序。迁移方案累计训练 1,024 步，增益只有 0.001692，且存在单类退步；3×3 监督的增益为 0.000554，没有达到标准；质量重排则把 mAP17 从 0.094427 降到了 0.072679。这三项尝试全部停止。

9 月 18 日至 19 日，实验排查框头、显式坐标、GIoU 和解码通道是不是关键限制。做法包括只更新框头、加入显式坐标输入，以及在另一组样本上比较低阈值配 winner 框解码。只更新框头的结果低于原模型；加坐标和不加坐标的结果几乎相同；winner 框解码配 0.25 阈值，AP 没有超过普通解码配 0.25，下游指标仍不达标。结节（Nodule）共有 362 个标注框，在相关的三组配置里分别只匹配上 1、2、1 个。阈值和通道的扫描到此停止。继续给已有候选重新排序，难以解决漏检。

到 9 月 19 日，平台上仍是 39.31 这一版，T3 的贡献分是 1.92，局部路线全部没有晋级。下一步保留这一版的骨干和赛事中对编码器末层的更新，换掉检测头重新训练。内部分数只在同一组样本、同一种解码下比较，因为这几组实验的训练步数、评估样本和解码方式没有完全对齐；分组没有确认患者隔离，内部数字只当开发评估看。

平台模型验证总分

局部修补（内部 mAP17）

基线 · top1

0.094427

top2

0.077274 · 未采用

扩框 1.25 倍

0.091068 · 未采用

GIoU 最佳

0.097243 · 未采用

尺度损失最佳

0.089538 · 未采用

旧头迁移

+0.001692 · 未采用

3×3 邻域监督

+0.000554 · 未采用

只训练框头

0.090700 · 未采用

旧质量重排

0.072679 · 未采用

阈值 0.25

0.106935 · 框数超限

TP · 阈值 0.25 / 0.75

411 / 366

结论

ROI 回归续训到 2,560 步，内部 F1 从 0.090976 升到 0.118841；五项任务接通后平台验证总分 39.31，其中 T3 贡献 1.92。

参数

RAD41 骨干 · 部分解冻编码器末层 · 17 类分类 + 目标性 + cxcywh 回归 · 2,560 步 · objectness 0.75 · 每类 top1 · NMS 0.5

没做完

内部数据按能拿到的身份字段分组，没有确认患者之间严格隔离，内部数字只当开发评估看；第一次平台验证超时的唯一原因没有确定。

2026-08-16

迁入赛方环境，跑通单步训练检查，三个划分均覆盖 17 类

2026-08-28

完成数据分组，共 14,051 例标注病例

2026-09-01

单训热图头 512 步：TP 0，FP 97,411

2026-09-02

ROI 回归续训至 2,560 步，F1 0.118841

2026-09-04

接通 T1–T5，16 例样本跑通完整链路

2026-09-11

改用 mAP17 评估；top2 和扩框都低于基线

2026-09-16

修好服务适配，平台验证拿到 39.31

2026-09-19

局部修补没有一项晋级，决定换检测头