CerDETR: Cell-Prior Empowered DETR for Cervical Lesion Detection¶

会议: ECCV2026
论文: https://eccv.ecva.net/virtual/2026/poster/3977
PDF: https://media.eventhosts.cc/Conferences/ECCV2026/pdfs/3937.pdf
代码: https://github.com/imAzhou/CerDETR
领域: 医学图像
关键词: 宫颈病变检测、多尺度细胞先验、一对多匹配、查询增强、标注噪声

一句话总结¶

CerDETR 在 DINO 的训练阶段引入细胞先验校正分支，用多尺度候选框、兼顾重叠与包含关系的匹配、类别和尺度查询增强改善宫颈病变检测，在 CDetector 上将 AP 从 30.9 提至 39.1，测试时仍只运行主检测分支。

研究背景与动机¶

宫颈细胞学图像中的检测框不总对应一个尺寸稳定的物体：同类异常可以表现为小细胞，也可能是一大片细胞簇；不同病变类别之间，形态差异却很细微。DCC-MSI 等方法强化多尺度空间特征，YOLO 系列重视快速检测，而 DETR 把检测改写为查询与目标集合之间的匹配，能够利用全局上下文并免去非极大值抑制。然而，直接采用通用 DETR 并没有自然解决这些细胞学问题，有限标注下的查询学习仍容易漏掉小目标或混淆病变亚型。

更棘手的是，标注框本身存在不同粒度：有人框住单个细胞，有人把多个细胞合成一个框。一个位置合理的细胞核候选框，可能被大病变框完整包含，却因面积差距导致 IoU 偏低。严格的一对一匹配既无法充分利用同一病变的多个细胞线索，也容易把这种框粒度差异当成候选质量差。论文的切入点不是放弃 DETR 的集合预测，而是在训练时给它额外提供“细胞在哪里、属于哪类、处于什么尺度”的监督结构。

已有细胞分割模型能提供这些结构的一部分，但其最终分割概率图对宫颈细胞簇并不可靠。作者观察到，概率响应较弱的细胞簇内部仍可能保留清晰流场，因此从流场重新构建先验，再用训练专用分支把先验转换为共享检测器的学习信号。核心 idea：把多尺度细胞形态先验变成训练期的密集辅助监督，同时隔离主查询对先验查询的信息依赖，让收益保留在检测器权重里，而不把先验生成流程带入推理。

方法详解¶

整体框架¶

输入是细胞学图像，最终输出是病变类别及检测框。主分支采用 ResNet-50 与 DINO：编码器提取图像特征，查询选择模块生成常规查询，解码器和预测头输出分类与框回归结果；训练时，另加一个先验校正分支（Prior Corrector），让同一组解码器和预测头还承担细胞先验的分类与定位校正。

这个辅助分支依次执行多尺度先验生成、一对多 ICG 匹配、先验查询增强。先验不是人工新增的核中心标注，而是通过既有 Cellpose 模型和流场后处理得到的框；它们与现有病变框匹配后，携带类别及尺度信息进入解码器。下图中的先验路径只在训练中使用，主查询路径在训练和推理中都存在。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["细胞学图像"] --> B["多尺度先验生成"]
    B --> C["一对多 ICG 匹配"]
    T["训练标注框"] --> C
    C --> D["先验查询增强"]
    A --> X["编码图像特征<br/>与主查询"]
    D -->|仅训练| E["共享解码器<br/>与预测头"]
    X --> E
    E -->|训练| F["主分支与辅助分支<br/>联合监督"]
    E -->|推理仅主查询| G["病变类别与框"]

关键设计¶

1. 多尺度先验生成：从流场恢复被概率图漏掉的细胞结构

Auto MPG（Auto Multiscale Prior Generator）不是重新训练一个分割网络，而是改变如何使用 Cellpose 的输出。作者发现，仅增大 Cellpose 的目标直径并不能可靠覆盖大细胞簇：概率图可能接近零，但预测的像素流场仍包含簇内部结构。因此，它针对细胞核、细胞质和细胞簇分别设置直径，读取指向细胞中心的二维流场，而不直接把原始概率图当作先验质量的最终判据。

处理过程把流场分成两种用途：根据散度构造边界候选，根据流向量的模长估计细胞主体响应。后者经过百分位归一化和高斯平滑，再把边界位置的响应置零，得到更分离的概率图。小尺度的核与细胞质仍沿用 Cellpose 的流追踪分割；大细胞簇则改用连通域分析，最后把实例掩码转成外接框。这样，先验既覆盖单个细胞，也保留成簇形态，而不是强迫所有异常都符合一个固定尺度。论文正文称散度绝对值是边界依据，但伪代码阈值比较处写作带符号的散度，两者有细节差异，复现时需核对代码；本笔记不把该处歧义改写成确定公式。

2. 一对多 ICG 匹配：不把“被包含但重叠率低”直接当成坏先验

主分支继续使用一对一匈牙利匹配，保留每个目标对应唯一预测的训练约束。辅助分支则允许多个先验匹配同一个真实框，以增加有效监督密度。对于每个先验，ICG 先找它与所有真实框之间的最大 IoU：达到高阈值的，匹配给重叠最大的真实框；低于低阈值的，作为负样本；落在中间区间的，再检查包含关系，选择完整包住它的真实框中面积最小的一个。默认低、高阈值分别为 0.2 和 0.5。

这个规则针对的是细胞与细胞簇标注粒度不一致，而非笼统“放宽匹配”。若一个较小候选属于大簇，单靠 IoU 容易低估其价值；包含关系则提供另一种空间证据，最小包含框又避免优先绑定到过于宽泛的外层框。不过，它并不纠正类别标错，也不是无条件收下所有内部小框：低于低阈值仍是负样本。正文没有明确说明中间区间且不存在包含框时的回退规则，不能据此声称任何先验都有确定正目标。

3. 先验查询增强：把位置、病变类别和尺度作为辅助查询的上下文

只有先验位置还不足以区分形态接近的异常亚型。Prior Query Enhance 将框坐标的正弦位置编码，与可学习的类别嵌入、尺度嵌入逐元素相加，形成辅助查询。类别来自 ICG 匹配结果，包含非病变情形；尺度分为核、细胞质、细胞簇三个档位。正先验按匹配后的真实框面积选择尺度档位，负先验则按自己的框面积选择，因而“查询来自哪个生成尺度”和“最终用于嵌入的尺度标签”不能简单视为同一件事。

位置编码负责提示去哪里观察，类别嵌入提示应学习哪类形态，尺度嵌入提示应该聚合多大范围的图像证据。它们共同参与对编码图像特征的注意力计算，由共享预测头训练分类和位置校正。这些标签不是测试时预知的答案，而是训练专用辅助任务的条件；主查询无法在自注意力中读取辅助查询，收益通过共享参数的梯度更新传递。论文的注意力可视化显示类别与尺度有相应的关注区域，但这只是支持性分析，不等于证明所有嵌入都具备稳定的临床语义。

一个完整示例¶

考虑图像中的一个病变细胞簇。Auto MPG 可能同时给出内部较小细胞框和覆盖整个簇的框；如果某个内部框与最相近标注框的 IoU 落在 0.2 到 0.5 之间，且被该标注框完整包含，ICG 就能沿包含关系为它分配监督，而不必要求两者轮廓几乎重合。若多个真实框都包含它，则选择面积最小的真实框；低于 0.2 的先验不走这条补充匹配路径。

随后，这个先验以自身位置编码、匹配病变类别嵌入和匹配真实框对应的尺度嵌入组成查询。解码器一边训练普通检测查询，一边训练这个辅助查询；辅助预测的误差更新共享参数。测试同一类图像时，不再先跑 Cellpose，也不再输入带标注信息的查询，只保留已学到更好特征的 DINO 主分支。这个示例说明机制，不代表论文单独报告的病例结果。

损失函数 / 训练策略¶

设主分支损失为 \(\mathcal{L}_s\)、辅助先验分支损失为 \(\mathcal{L}_p\)，两者都包含分类和框回归监督。依照正文对联合优化的描述，可以将目标简写为：

\[ \mathcal{L}=\mathcal{L}_s+\lambda\mathcal{L}_p. \]

其中 \(\lambda\) 控制辅助梯度的权重。上式是对文字描述的简写，并非逐字转录缓存中排版损坏的梯度公式。主分支的目标由匈牙利匹配确定，辅助分支使用 ICG 已分配的目标；共享解码器和预测头接受两路梯度，而自注意力掩码阻止主查询读取先验查询，避免训练时依赖测试中不存在的信息。

实现基于 MMDetection，默认三个目标直径为 15、120、240，辅助先验数为 300；训练图像先做 Auto MPG 预处理，各图先验数再统一以支持批处理。正文把先验数量处理方式、若干训练超参数和其他数据集的划分细节放在附录，本地缓存未包含附录，因此不补写采样规则、学习率、损失系数或尺度阈值。Auto MPG 的“无需训练”只指先验生成器不做任务专属训练，不代表 CerDETR 检测器本身不训练。

实验关键数据¶

主实验¶

AP 是在 IoU 0.5 至 0.95 阈值范围平均的平均精度；AP50、AP75 分别固定 IoU 为 0.5、0.75。AR 是平均召回率，这些指标均以百分数报告，越高越好。CDetector 包含 7,410 张图像，其中 6,666 张训练、744 张测试，有 11 类异常；CRIC 与 HMCHH 为单一异常类别任务，BCCD 则是血细胞检测，不能把它们视为相同分类难度。

数据集	指标	DINO	表中其他方法最高 AP	CerDETR	相对该 AP 最佳对照的增益
CDetector	AP ↑	30.9	DCC-MSI：36.1	39.1	+3.0 个百分点
CRIC	AP ↑	36.8	DINO：36.8	41.4	+4.6 个百分点
HMCHH	AP ↑	35.5	DEIM：37.7	41.7	+4.0 个百分点
BCCD	AP ↑	61.3	DEIM：63.2	65.8	+2.6 个百分点

前三行来自原文表 1，BCCD 来自表 2。CDetector 上相对自身 DINO 基线的 AP 增益是 8.2 个百分点，不能与相对 DCC-MSI 的 3.0 个百分点混用。论文混合采用既有论文结果与可获得代码下的补充复现，并非所有数字都来自一次完全统一的重训练；部分方法还缺少可用结果，表中最佳对照也不等于穷尽所有已发表系统。

推理效率方面，CerDETR 与 DINO 都报告 226.5 GFLOPs、20.1 FPS，参数量分别为 47.9M 与 47.6M。它保留了主分支的运行速度，但不应写成参数数目完全相同，也不是最快的模型：同表 YOLOv12-l 为 82.7 FPS。BCCD 结果支持方法可用于另一类细胞检测任务，不代表不经训练的跨数据集零样本迁移。

消融实验¶

以下是 CDetector 上的顺序添加消融（原文表 3），各指标均为百分数、越高越好；增益依赖添加顺序，不能当成模块之间互相独立的贡献。

配置	AP ↑	AP50 ↑	AP75 ↑	AR ↑
DINO 基线	30.9	56.8	30.5	59.2
+ 简化先验校正分支	33.4	60.0	31.8	61.2
+ 多尺度先验生成	37.2	66.3	36.7	63.9
+ 一对多 ICG 匹配	38.4	67.5	37.8	65.4
+ 先验查询增强	39.1	68.1	39.8	66.2

简化分支使用直接 Cellpose 先验、IoU 阈值 0.5 的匹配和纯位置编码。其上添加 Auto MPG 的 AP 增益为 3.8 个百分点，是这一顺序中最大的一步；ICG 再增加 1.2，查询增强再增加 0.7。另一个控制其他模块不变的先验替换实验（表 4）中，直接 Cellpose 为 36.7 AP，Auto MPG 为 39.1 AP；两种消融的背景配置不同，36.7 不应误记为顺序消融中的 33.4。

关键发现¶

提升不只是来自额外辅助训练：简化分支已有收益，而流场重构得到的先验进一步明显改善 AP，说明先验质量是重要因素。
完整系统的 AR 从基线 59.2 提至 66.2，支持减少漏检的价值；但 AR 不能直接替代患者级筛查敏感度或临床获益评估。
先验数增加存在训练开销，论文讨论了更大先验集合与显存、精度之间的取舍；相关段落的 AP 数值顺序有歧义，本笔记不据此量化比较，也不从图形缓存猜读曲线数据。

亮点与洞察¶

重新利用流场而非盲信分割概率图，是本文最具体的领域化改造。它把分割模型已有但未被最终掩码充分利用的几何信息转化为检测先验。
主分支保持一对一、辅助分支采用一对多，分别承担去重预测和密集监督。两套匹配的不同目标解释了为什么推理仍然不需要额外非极大值抑制。
类别与尺度先验只作为训练条件，配合注意力隔离和参数共享。其价值在于利用标注侧信息改善学习，而不是让部署过程依赖真实类别标签。

局限与展望¶

作者承认标注粒度混杂、单细胞标签不足，数据规模也有限。更准确的细胞分割与细胞级标签可能使当前固定的先验生成器进一步可学习，这是论文提出的方向。
多数据集结果仍是离线检测证据，尚不能证明完整病理工作流中的有效性。全玻片处理、患者级决策、前瞻性多中心测试及临床错误代价未在当前结果中得到充分验证。
复现信息有边界：缓存未包含被引用的附录，多处数学排版损坏，ICG 回退与散度阈值细节不完全明确。尤其不能将“测试不运行辅助分支”误解为没有离线先验生成或额外训练成本。

评分¶

新颖性: 4/5 — 将细胞流场先验、包含关系匹配和查询增强组合得较有针对性，主体仍建立在现有检测与分割架构上。
实验充分度: 4/5 — 有多个数据集、广泛对照及顺序和替换消融，但统一复现程度与临床验证仍有限。
写作质量: 3/5 — 主流程清楚，部分匹配边界情况及缓存中的公式、超参数呈现需要进一步核对。
价值: 4/5 — 对有限标注下的细胞检测有实用启发，部署端无需运行辅助先验路径，但临床价值仍待验证。