信息速览

数据集名称CDetector — 少样本宫颈细胞检测基准与比较检测器方法

数据类型人工标注,影像数据,原始数据

规模7,086 张显微图像（论文口径，Df 6,667 + test 419；README 口径 7,410 张）——患者级数量与采集医院未披露

接入方式Pannoramic MIDI II 数字切片扫描仪 WSI 裁剪的宫颈液基薄层涂片显微图像（Thinprep 制片、巴氏染色）+ 48,587 个 11 类 bbox 标注（TBS 体系：ASC-US、ASC-H、LSIL、HSIL、SCC、AGC、滴虫、念珠菌、菌群、疱疹、放线菌）+ 划分清单 Df/Ds/test + 训练参考样本机制说明

AI 就绪度

INFOBOX — CDetector 一屏速览

维度内容

本质宫颈细胞/细胞团目标检测数据集 + 少样本检测方法一体：数据集 7,086 张 TCT 涂片显微图像（论文口径），方法为比较检测器（Comparison Detector）

团队中南大学计算机学院，第一作者梁毅雄（Yixiong Liang），通讯作者向瑶（Yao Xiang）；6 作者同机构

论文 arXiv:1810.05952（v1 2018-10-14 → v5 2019-12-23）；正式版 Neurocomputing 437:195-205, 2021（doi:10.1016/j.neucom.2021.01.006）

数据 7,086 张（README 口径 7,410）WSI 裁剪显微图；Thinprep 液基制片、巴氏染色；Pannoramic MIDI II 扫描

标注 48,587 个 bbox，经验丰富病理医生按 TBS 体系标注，11 类（6 类上皮异常 + 5 类病原体/伴随发现）

划分 Df 训练 6,667 + test 419（论文口径）；小训练集 Ds 762（从 Df 抽取）——README 口径见坑 2

方法 Faster R-CNN + FPN 之上加比较分类器：proposal 与各类原型表征比较；背景原型从数据中学习（GPRB）

核心结果 Ds（762 图）mAP 26.3% / AR 35.7%，baseline 仅 6.6% / 12.9%——提升约 20 点；Df 上 mAP 45.9% / AR 63.5%（AR +4.6）

获取 仅百度网盘（数据集提取码 fphm）；测试集与模型权重另有链接；无 DOI 直链、无国际托管

许可 无明确 license：仓库无 LICENSE 文件、数据无授权条款；论文 arXiv nonexclusive-distrib 1.0

第三方复用 PMC11760966（2025）在 CDetector 上系统评测十种检测器；sota2.com 设第三方排行榜

库内互链 Herlev Pap（论文对比实验直接用了 Herlev）、SIPaKMeD、CAMELYON16/17、DigestPath、MIDOG

定位提醒 7,086 张在检测数据集里属中型规模——「大规模」是相对当时宫颈检测领域无公开基准而言（坑 7）

CDetector 是一个「为了方法而造数据」的典型样本：2018 年前后，宫颈细胞学图像的深度学习研究几乎全部建立在单细胞分类（如 Herlev 基准）或分割任务上，社区里没有一个公开的宫颈细胞目标检测基准——而真实筛查场景要回答的恰恰是「这张涂片里有没有异常细胞、在哪里、是什么」。中南大学梁毅雄团队因此在 arXiv:1810.05952 中先自建了一个 7,086 张显微图像、48,587 个标注框、11 类 TBS 体系的检测数据库，再在它之上提出「比较检测器」：不做逐框独立分类，而是把每个候选框与各类参考样本的原型表征做比较，并让「背景」这个最难定义的类别也从数据里自己学出来。在 762 张图的小训练集上，这套方法把 mAP 从 baseline 的 6.6% 拉到 26.3%——对标注昂贵、病例稀缺的宫颈筛查领域，这个二十个点的差距就是「能不能用」的分水岭。

三条边界事实（v2 接管补记，先立规矩再读正文）：

「CDetector」这个连写名并非论文作者所起——论文原文没有这个缩写，它出自第三方解读 PMC11760966，后经收录约定俗成；引用论文本身时请以原文题目为准。
规模存在双口径：仓库 README 写 7,410 张（6,666 训练 + 744 测试），而实测网盘数据为 7,086 张（6,667 训练 + 419 测试）；本条目正文一律以实测 7,086 口径叙述，差异原因见 §2.9 与坑 2。
论文自称「AI-Ready」（提供 48,587 个 bbox 级标注），但从工程视角它并不 AI-Ready：无官方加载脚本、标签存于数据库而非标准检测格式、图片与标注分离存放；「AI-Ready」三字的适用边界见 §2.8。

导语读法三则：

只想下数据：直奔 §6 获取与许可——注意只有百度网盘一条官方路径（提取码 fphm），且数据集与代码都没有 license 声明，引用前先把许可边界弄清。
关心少样本方法：直奔 §3 方法与 §4 结果——GPRB 背景学习与参考样本选择机制是全文最有迁移价值的部分。
做基准对比：直奔 §5 第三方复用——2025 年仍有论文把 CDetector 当标准测试床，十种检测器的横向数字可以直接对标。

读者画像路由表（v2 接管补记）

不同身份的读者按下表直达最关心的章节，不必通读全篇：

读者身份	直达路径	预计用时
数据集选型工程师	INFOBOX → §2.9 数字汇总速查 → §4 结果 → §14 横向对照	约 8 分钟
复现/调试算法的研究生	§3 方法 → §13 复现实战指南 → §10 坑点清单	约 15 分钟
病理/AI 交叉领域临床读者	§1 背景十问 → §2.7 十一类临床语义 → §15 FAQ	约 10 分钟
基准综述写作者	§2.9 速查 → §4.5 结果速查卡 → §14 横向对照 → 附录 D	约 6 分钟
数据合规与开源运营	§5 第三方复用 → §16 术语表 → 附录 D 来源清单	约 7 分钟

§0 导读：这个数据集解决什么问题

宫颈癌筛查是全世界范围内女性恶性肿瘤早筛的最大规模实践之一。细胞学筛查（TCT 液基薄层制片 + 巴氏染色 + 镜检）按 Bethesda 体系（TBS）出具描述性诊断，一名细胞病理医生要在显微镜下逐视野排查成千上万个细胞——劳动密集、主观性强、培训周期长。过去三十年的自动化辅助研究大多走「分割→特征提取→分类」三步流水线：先把胞浆和胞核精确分割出来，再提取手工特征或 CNN 特征做单细胞分类。这条路线的软肋在分割：一旦分割出错，分类精度随之塌方；而宫颈涂片的细胞重叠、成团、染色差异恰恰让精确分割非常困难。

检测（object detection）路线绕开了分割：直接在显微图像上回归异常细胞/细胞团的 bounding box 并给出类别。但把检测用于宫颈细胞学要过两道坎。第一道坎是数据——2018 年之前，社区里能公开拿到的宫颈细胞学数据集只有 Herlev 单细胞基准（917 张、已裁剪好的单细胞图）之类，没有一张「整图多目标、带 bbox、带 TBS 类别」的公开检测数据集；论文原文的判断很直接：「社区里没有宫颈细胞目标检测的公开基准，我们首先建立了一个数据库」。第二道坎是数据量——检测模型参数量大、对标注量敏感，而病理级 bbox 标注昂贵且稀缺，天然陷入「少样本」困境：Faster R-CNN + FPN 在 762 张图的小训练集上 mAP 只有 6.6%，接近不可用。

CDetector 对这两道坎各给了一个答案。数据侧：7,086 张 WSI 裁剪显微图、48,587 个病理医生标注的 bbox、11 类 TBS 体系（ASC-US、ASC-H、LSIL、HSIL、SCC、AGC 六类上皮异常 + 滴虫、念珠菌、菌群、疱疹、放线菌五类病原体/伴随发现），Thinprep 制片、巴氏染色、Pannoramic MIDI II 扫描，并公开了 Df/Ds/test 划分。方法侧：比较检测器——在 Faster R-CNN + FPN 的检测头上，把「对 proposal 做独立 softmax 分类」替换为「proposal 与各类原型表征的比较」，原型从每类约 150 个参考样本（共 1,560 个候选）经 t-SNE + K-means 挑出的簇中心实例生成；更关键的一步是背景原型不再靠启发式手工挑参考图，而是从数据中自动学习（GPRB，Generating Prototype Representation Block）。这套机制在少样本场景下的增益惊人：Ds 上 mAP 26.3% / AR 35.7%，对 baseline 提升约 20 个点；中数据集 Df 上 mAP 45.9%、AR +4.6。

§0 读法三则：

这个条目是「数据集 + 方法论文」双主体：数据集本体（7,086 图 / 48,587 bbox / 11 类）随论文一道经同行评审（Neurocomputing 2021），方法部分（比较检测器）也依赖同一批参考样本机制——引用时先分清你在用哪一层。
全文规模数字一律以期刊版口径为准（7,086 / 6,667 / 419 / 762）；GitHub README 给出的另一套划分（7,410 / 6,666 / 744）在坑 2 存照，两套数字不能混用。
检索时用「Comparison Detector」「cervical cell detection」「arXiv 1810.05952」组合词；「CDetector」这个连写名是第三方文献（2025 年 PMC 论文）的用法，2018-2021 年原始文献里并不出现（坑 1、坑 8）。

§1 数据集速览：十问十答

Q1：CDetector 的数据是什么口径的图？
全部为宫颈液基薄层制片（Thinprep）+ 巴氏染色的涂片，用 Pannoramic MIDI II 数字切片扫描仪扫成 WSI 后裁剪出的显微图像。不是直接拍照的视野图，而是从整张切片上裁下来的局部区域，图内通常含多个细胞或细胞团。

Q2：一共多少张、多少个标注？
论文口径：7,086 张显微图像，48,587 个目标实例 bbox，由经验丰富的病理医生标注。GitHub README 写的是 7,410 张（Df 6,666 + test 744）——与论文的 6,667 + 419 = 7,086 自洽数不同，两套划分互斥（坑 2），本条目全文以期刊版（= arXiv v5）口径为准。

Q3：11 个类别分别是什么？
TBS 体系下的 6 类上皮异常 + 5 类病原体/伴随发现：ASC-US（非典型鳞状细胞-意义不明确）、ASC-H（非典型鳞状细胞-不除外高级别病变）、LSIL（低级别鳞状上皮内病变）、HSIL（高级别鳞状上皮内病变）、SCC（鳞状细胞癌）、AGC（非典型腺细胞）、trichomonas（滴虫）、candida（念珠菌）、flora（菌群）、herps（疱疹病毒病变）、actinomyces（放线菌）。论文 Figure 6 的类别分布直方图显示 ASC-US 是实例数最多的类别。

Q4：训练/测试怎么划？
论文口径：Df 训练集 6,667 张 + 测试集 419 张随机划分；另有小训练集 Ds = 762 张（从 Df 随机抽取），专门用于少样本实验。三个 split 的逐类实例分布见论文 Figure 6。

Q5：bbox 是谁标的、标得准吗？
论文表述为「经验丰富的病理医生」（experienced pathologists），按 TBS 分类体系标注，但未披露标注人数、机构与一致性检验数据。README 还自曝了一个坑：存在少量 1 像素宽/高的无效 bbox（不含任何细胞），训练/测试前要自行移除（坑 6）。

Q6：数据从哪家医院来？
未披露。论文与 README 都只写了制片方法（Thinprep）、染色（巴氏）与扫描仪型号（Pannoramic MIDI II），没有医院/地区/时间段信息——想做人群代表性或跨中心泛化分析的检索者要注意这条空缺（§9 待核）。

Q7：比较检测器是什么、好在哪？
比较检测器（Comparison Detector）= Faster R-CNN + FPN 骨干上，把 RPN 产出的 proposal 分类改为「与各类原型表征比较」：每类从参考样本生成原型（prototype representation），proposal 特征与原型算距离定类。背景类不用手工挑参考图，而是从数据里自动学习背景原型（GPRB）。好处在少样本场景最明显：Ds 上 mAP 26.3% / AR 35.7%，baseline 只有 6.6% / 12.9%——提升约 20 个点。

Q8：评估用什么指标？
mAP + AR（平均召回）双指标。作者的理由：标注者倾向保守（高阈值），同类相邻的多个目标常被合并标成一个大框，这会系统性压低 mAP；AR 能补上「漏检」维度的信息。mAP 不降而 AR 升，即可确认性能真实提升。

Q9：怎么下载？
官方唯一渠道是百度网盘三个链接：完整数据集（提取码 fphm）、测试集、预训练权重各一个。没有 DOI 直链、没有 Zenodo/PhysioNet/HuggingFace 官方镜像。HuggingFace 上有一个第三方 gated 仓库（ruofu/ComparisonDetector），但内容不可验证、非官方发布（坑 4）。

Q10：能商用/再分发吗？
未知。数据集与代码均无 license 声明（仓库无 LICENSE 文件、README 无许可条款）；arXiv 论文本身是 nonexclusive-distrib 1.0（只覆盖论文文本）。任何再分发或商用都应先联系作者确认（坑 5）。

§2 数据构成与规格

2.1 规模与双口径：7,086 还是 7,410

这是本条目最重要的数字存照。论文 v5（与 Neurocomputing 期刊版同源）第 4.1 节原文表述：建立了一个 7,086 张宫颈显微图像的数据库，随机划分为训练集 Df（6,667 张）与测试集（419 张），另从 Df 抽取 762 张构成小训练集 Ds。6,667 + 419 = 7,086，内部自洽。

GitHub README（最后更新 2022-09-06）给出另一套：数据集共 7,410 张，随机划分为 Df（6,666 张）与测试集（744 张），Ds 762 张。6,666 + 744 = 7,410，内部也自洽。

两套数字互相矛盾且各自成体系：总图数差 324 张，测试集 419 vs 744 差 325 张——几乎正好是同一批图在测试集与训练集之间的挪移。合理的推测是 README 对应一次重新划分或数据增补后的版本（README 顶部宣称「NEW VERSION WILL UPDATE!」），但该「新版」从未单独发布说明，也无从核对。第三方的 Lacuna 分析页转述的是论文口径（Df 6,667、test 419），与期刊版一致。

本条目的处理：正文一律采用期刊版（同行评审）口径——总量 7,086、Df 6,667、test 419、Ds 762；README 口径仅在坑 2 与本节存照。自动化抽取若以 README 为源，会得到整组不一致的数字，务必核对来源层级。

2.2 制片、染色与扫描：一张图的物理来路

制片：Thinprep 液基薄层制片——细胞学标本经 Preservation 液保存、机械化分散、过滤后转移成单层薄涂片。相比传统手工涂片，液基制片血性背景与重叠团块更少，是现代宫颈癌筛查的主流制片方式，也是 TCT（Thinprep Cytologic Test）这个名字的由来。
染色：巴氏染色（Papanicolaou stain）——胞浆分色（嗜酸/嗜碱）、胞核细致结构可辨，是 TBS 判读的染色学基础。
扫描：Pannoramic MIDI II 数字切片扫描仪（3DHISTECH 产品线，玻片批量扫描设备）扫成 WSI，再裁剪为显微图像块。论文未披露扫描倍率与像素分辨率——这与后续使用者的复现直接相关，属未披露元数据。
标注：经验丰富的病理医生按 TBS 体系逐实例画 bbox 并归类，共 48,587 个实例。标注协议（单人还是双人、仲裁流程、一致性检验）未披露。

2.3 十一类别体系：TBS 的检测任务翻译

TBS 报告系统是宫颈细胞学的通用描述语言，CDetector 把它翻译成 11 个可检测类别：

类别	论文缩写	中文释义	属性
ASC-US	ascus	非典型鳞状细胞，意义不明确	上皮异常（最常见类别）
ASC-H	asch	非典型鳞状细胞，不除外高级别病变	上皮异常
LSIL	lsil	低级别鳞状上皮内病变	上皮异常
HSIL	hsil	高级别鳞状上皮内病变	上皮异常（癌前病变核心类别）
SCC	scc	鳞状细胞癌	上皮异常（恶性）
AGC	agc	非典型腺细胞	腺上皮异常
Trichomonas	trich	阴道滴虫	病原体
Candida	cand	念珠菌	病原体
Flora	flora	菌群（菌群失调/优势菌群改变）	伴随发现
Herps	herps	疱疹病毒感染细胞病变	病原体
Actinomyces	actin	放线菌	病原体

这个 6+5 结构决定了任务难度画像：前 6 类是筛查的核心目标（ASC-US/ASC-H/LSIL/HSIL 之间的形态学边界本就是细胞病理学的灰色地带，SCC/AGC 稀有），后 5 类病原体特征相对明确但体积小、易与背景混淆。论文 Figure 6 显示 ASC-US 是实例最多的类别——这与筛查人群中 ASC-US 的实际检出率一致；稀有类（如 SCC）的实例数在千级以下，训练时类不平衡问题需要使用者自行处理。

2.4 三个 split 与它们的分工

Df（6,667 张）：中数据集/全量训练集。用于回答「数据充足时比较检测器还能不能打」。
test（419 张）：统一测试集，所有主表结果都在它上面报。注意论文未公布测试集逐类实例数（Figure 6 的直方图数字在 PDF 里无法精确抽读，见 §9 待核）。
Ds（762 张）：小训练集，从 Df 随机抽取。少样本实验的主舞台——也是比较检测器与 baseline 差距最戏剧化的地方（26.3% vs 6.6%）。

三个 split 是图像级划分。论文未说明同一位患者的多张裁剪图是否可能跨 split 出现（患者级泄漏防护），而采集医院与患者映射本就未披露——这是复现分析时要留意的另一层不确定性。

2.5 参考样本机制：1,560 个候选怎么选

比较分类器需要每类提供参考样本（reference samples）。论文的做法分四步：

粗选：从训练集里每类随机选约 150 个实例（要求短边大于 16 像素，排除碎块），得到 1,560 个候选参考样本。
提特征：用 ImageNet 预训练模型把每个候选映射到特征空间。
降维观察：t-SNE 降到二维，人工确认每类内部的簇结构（例如ascus 聚 3 簇、asch 聚 4 簇、lsil 聚 2 簇——论文 Table 4）。
K-means 定代表：以 t-SNE 得出的簇数做 K-means，取离簇中心最近的实例作为最终参考样本。

这套流程的动机是：直接按 Bethesda 图谱挑标准参考图会水土不服——制液基制片、数字化流程与教科书图集的成像差异很大，图谱里的「典型细胞」在自己的数据里未必典型；数据驱动的聚类选样把「典型性」交给数据自己定义。参考样本在训练的每个迭代中固定不动（保证训练稳定），测试阶段同样使用。

2.6 已知数据质量坑：1 像素坏框

README 明确自曝：数据集中存在一些宽或高为 1 像素的错误标注框，里面不含任何细胞，训练或测试前需要自行移除。这类坏框的来源通常是标注工具误触或导出bug。影响评估：单个 1 像素框对训练是噪声、对评估可能制造假的漏检——48,587 个实例里坏框占比虽小，但若测试集恰好含坏框，mAP/AR 会被无谓拉低。使用者的标准动作是加载后先过滤 w<=1 or h<=1 的框再进流水线。除此之外，README 与论文均未披露其他质检记录（如双标一致性、错框率估计）。

2.7 十一类逐类临床语义与检测难点（v2 接管补记）

CDetector 的 11 个类别标签沿用 TBS（The Bethesda System，宫颈细胞学报告系统）的报告术语，全部为小写字符串：ascus、asch、lsil、hsil、scc、agc、trichomonas、candida、flora、herps、actinomyces。11 类在职责上呈「六+五」双结构：前 6 类是上皮细胞异常（鳞状 5 类 + 腺源 1 类），是宫颈癌筛查真正的「靶」；后 5 类是微生物感染或菌群状态指征，负责解释背景污染与形态干扰。

11 类总览表

#	标签	TBS 全称	中文习惯译名	职责归属	检测难点要点
1	ascus	Atypical Squamous Cells of Undetermined Significance	意义不明确的非典型鳞状细胞	上皮-鳞状	形态谱最宽、实例最多，与正常副基底层细胞易混
2	asch	Atypical Squamous Cells, cannot exclude HSIL	不能除外高级别病变的非典型鳞状细胞	上皮-鳞状	介于 ascus 与 hsil 的灰区，簇集明显
3	lsil	Low-grade Squamous Intraepithelial Lesion	低级别鳞状上皮内病变	上皮-鳞状	与 ascus 分界主观性强，挖空细胞特征不总出现
4	hsil	High-grade Squamous Intraepithelial Lesion	高级别鳞状上皮内病变	上皮-鳞状	核浆比高、目标小，单视野可数十病灶拥挤
5	scc	Squamous Cell Carcinoma	鳞状细胞癌	上皮-鳞状	形态异质、常伴坏死背景与血液污染
6	agc	Atypical Glandular Cells	非典型腺细胞	上皮-腺源	11 类中唯一腺来源类别，天然少样本
7	trichomonas	Trichomonas vaginalis	阴道滴虫	微生物	虫体小、与黏液团混淆
8	candida	Candida species	念珠菌	微生物	假菌丝长条状跨度过大，不利于单框回归
9	flora	菌群异常（提示细菌性阴道病）	线索细胞/菌群失衡	微生物-背景	全视野弥散分布，边界难以定义
10	herps	Herpes simplex virus-related change	疱疹病毒感染细胞学改变	微生物	多核镶嵌状核；GPRB 消融中 AP 由 0 升至 45.0
11	actinomyces	Actinomyces species	放线菌	微生物	棉絮状菌团，与异物/黏液团混淆

逐类说明

ascus：实例数在 11 类中最多（FACTS 存照）。TBS 里它本身就是一个「不确定」归集类，形态从接近正常到接近 lsil 连续过渡，是类别内方差最大的类；大类主导也决定了 AR 指标在本数据集上的必要性（见 §2.7 末观察）。
asch：临床权重高（直接影响阴道镜转诊决策），形态与 hsil 重叠大。论文实验为 asch 设置了 4 个簇、ascus 3 个、lsil 2 个（FACTS 存照；簇的用途语境详见论文方法节），asch 簇数居首可侧面印证其背景形态复杂度。
lsil：与 ascus 的分界依赖核异质程度，观察者间一致性低是细胞学界公认难题；bbox 标注下同一病灶的框边界也会随判读者而漂移。
hsil：目标小、密度高，是「小目标 + 拥挤」双重压力的来源；若复现时 mAP 对不上，先查此类（见 §13 哨兵类设计）。
scc：实例占比低但临床权重最高；坏死背景（肿瘤素质）使背景建模的意义凸显。
agc：唯一腺来源类别，腺细胞在宫颈涂片中天然少见，是典型的少样本类；评测时它是召回缺口的哨兵。
trichomonas / candida / flora / herps / actinomyces：5 个微生物类不参与上皮内病变分级，但是假阳性大户——滴虫、念珠菌、放线菌团在低倍视野下均可能被误判为异常上皮细胞。

与类别体系相关的三条观察（FACTS 存照）

「六+五」双职责意味着同一张图上可能同时出现「异常上皮 + 微生物」的组合标注，检测器必须同时建模两类形态学逻辑。
一头是实例最多的 ascus，另一头是唯一腺源的 agc，两头极端决定了少样本设定下 mAP+AR 双指标并报的合理性：mAP 被大类主导，AR 暴露小类召回缺口。
herps 类在引入背景原型学习前后 AP 由 0 → 45.0（FACTS 存照），是 GPRB 收益最大的单类——说明对「与背景高度同色」的目标类别，背景形态建模是刚需。

临床动作对照（v2 接管补记，编者据 TBS 常识补注，非论文内容）

为什么这些类别值得逐类检测——TBS 报告术语直接对应临床动作：

标签	报告后的典型临床动作（编者补注）
ascus	复查 / HPV 检测随访
asch	阴道镜检查
lsil	细胞学随访或阴道镜（依指南）
hsil	阴道镜 + 活检
scc	立即临床处置
agc	阴道镜 + 宫颈管评估
五个微生物类	对症处理，不进入病变分级

临床决策以现行指南为准；本表仅解释「类别—临床权重」的对应关系，也是 §2.7 观察二中 AR 指标必要性的临床注脚。

2.8 标注格式与清洗操作指南（v2 接管补记）

标注的组织方式（按仓库现状描述）

图片与标注分离存放：标注不随图片打包，而是存放在数据库/表格文件中，需按图像标识自行 join。
标签为小写字符串（11 类，见 §2.7），bbox 为矩形框；全库共 48,587 个 bbox（FACTS 存照）。
无官方加载脚本：仓库不提供 COCO JSON、VOC xml、tfrecords 等现成接口。论文自称「AI-Ready」只覆盖「有 bbox 级标注」这一层，从标注到可训练格式之间的一段路要自己走。

建议的转换与清洗流程（编者操作建议，基于仓库现状归纳）

下载网盘包（提取码见附录 D）或 HF gated 仓库数据，先对图片文件名与标注表主键做一致性对账，对不上的记录存照再动手。
将每张图的 bbox 列表转成 COCO JSON（image / annotation / category 三表），category 直接用 11 个小写标签字符串作为名称，避免自造数字 id 映射错位。
清洗：删除边长小于 4 像素的 bbox 并记录删除量（实例整理中的操作建议，FACTS 存照）——极小框多为误点或不可判读区域，保留会放大小目标项噪声。
划分对齐：训练/测试划分以实测口径 7,086（6,667 训练 + 419 测试）为准；若 README 写 7,410（6,666 + 744），先做文件级 diff 再下结论（见 §2.9 与坑 2）。
抽检：每类随机抽 10 张图可视化 bbox 人工核对，重点核对 agc（唯一腺类）与 flora（弥散类）这两个最容易框错位的类别。

2.9 数字汇总速查（v2 接管补记）

全条目出现过的关键数字集中存照于此，口径说明随行标注：

指标	数值	口径/备注
图像总数（实测）	7,086	Df 划分：6,667 训练 + 419 测试（FACTS 存照）
图像总数（README 口径）	7,410	README 写 6,666 + 744，与实测不一致（坑 2）
bbox 总数	48,587	全库 bbox 级标注
类别数	11	全小写标签，六上皮 + 五微生物
Ds 基线 mAP / AR	6.6 / 12.9	无背景建模对照
Ds 方法 mAP / AR	26.3 / 35.7	GPRB 全配置
Df 基线 mAP / AR	45.2 / 58.9	—
Df 方法 mAP / AR	45.9 / 63.5	AR 提升点数 4.6
Df 消融链 mAP	34.1 → 41.0 → 43.7 → 44.5	末位对应 parameterized ℓ2
Df 消融（concat 对照）	42.5	parameterized ℓ2 相对 concat +2.0
herps 单类 AP	0 → 45.0	消融前后对比
训练轮数	60 epochs	第 35/50 epoch 处学习率 ×0.1
初始学习率	0.001	momentum 0.9、weight decay 0.0001
minibatch	2 图/卡 × 2 卡	合计 4 图/步
框架栈	TF 1.8.0 + CUDA 9.1 + cuDNN 7.0	2018 年栈，复现见 §13
第三方复现（PMC11760966）	AP 36.1 / AP50 65.3 / AR 48.8	独立复现口径，勿与上行混排
第三方 sota2（Dataset B）	29.8 / 51.4 / 54.4	对照方法口径

§3 方法：比较检测器如何对付少样本

3.1 问题设定：为什么不是又一个 Faster R-CNN

论文的问题设定是「有限数据场景下的宫颈细胞/细胞团检测」。选择的 baseline 是当时检测领域的标准组合——Faster R-CNN（两阶段检测器）+ FPN（特征金字塔网络，处理细胞尺度差异）。在 Df（6,667 张）上，这套 baseline 能给出 mAP 45.9% 左右的可用结果；但掉到 Ds（762 张）上，mAP 只有 6.6%、AR 12.9%——两阶段检测器的分类头（对每个 proposal 做独立 softmax）需要大量样本才能学出类间边界，数据一少就崩。

比较检测器的核心思想是把分类从「绝对判断」改成「相对比较」：不问「这个 proposal 自己长什么样」，而问「这个 proposal 和每类的标准参考样本有多像」。相对比较利用的是类内方差远小于类间距这一结构先验——学一个距离度量比学一套完整的分类边界样本效率高得多。这与度量学习（metric learning）、小样本分类（few-shot classification）的思路同源；论文的关键词里明确写了 few-shot learning 与 prototype representations。

3.2 架构总览：三段流水线

比较检测器的完整前向流程分三段：

骨干与 RPN：ResNet50（ImageNet 预训练）+ FPN 提取多尺度特征，RPN 按常规产出 region proposals。这一段与标准 Faster R-CNN+FPN 完全一致。
GPRB（Generating Prototype Representation Block）：为每个前景类别与背景类生成原型表征。前景类原型从参考样本的多层金字塔特征聚合而来；背景类原型从数据中学习（见 3.3）。输出是 K 个前景类 + 1 个背景类的原型集合（W×H×C 的表征张量）。
比较分类头：对每个 proposal 的特征与全部 K+1 个原型计算比较分数（距离或可学习比较函数），经 softmax 得到类别；bbox 回归分支保持常规设计。分类与回归可以共享或分置特征（论文对两种头结构做了消融）。

推理阶段与训练同构：参考样本固定，原型固定，proposal 逐个与原型比较定类。没有额外的动态参考生成或多轮聚合，开销与基线检测器同量级。

3.3 两个关键设计：前景原型生成与背景原型学习

前景原型：每类选出的参考样本（§2.5 的 1,560 候选池经 t-SNE + K-means 选样）逐个过 FPN，取多层金字塔特征聚合为该类的原型表征。多个参考样本对应多个原型或聚合为单一原型，论文对聚合方式与比较器形式（ℓ2 距离、参数化 ℓ2、拼接后全连接）都做了消融——结论是参数化 ℓ2 距离（把差向量过一个小卷积/全连接再算相似度）搭配全部金字塔层级特征效果最好。

背景原型（GPRB 的真正贡献）：检测任务与分类任务最大的不同是背景 proposal 占绝对多数——RPN 会产生海量负样本框。比较范式下，「背景」也是一个需要参考样本的类别；直觉做法是按启发式规则手工挑一批「明确是背景」的图块当参考。论文放弃了手工路线，让背景原型从其他类的原型组合中学习：背景原型被参数化为全体前景原型的函数（对原型张量做通道转置与重塑后经卷积/全连接组合），端到端随检测损失一起训练。消融表显示这个设计的贡献量级清楚：学习背景原型让 mAP 从 31.4% 档跳到 34.1% 档（Table 1 的 A→B 配置），是所有组件里单点收益最确定的之一。

损失平衡：分类与回归损失的量级失衡会影响检测器收敛，论文给 bbox 回归损失与分类损失加了平衡项——消融表中「w/ balancing」使最优配置 mAP 从 41.0% 提到 43.5-43.7% 档（Table 2）。

3.4 训练配置全表

项	取值	备注
骨干网络	ResNet50	ImageNet 预训练
颈部	FPN	全部金字塔层级参与比较（消融确认最优）
参考样本尺寸	224×224	与 ImageNet 预训练输入一致
参考样本池	每类约 150 实例、共 1,560	短边 >16 px；t-SNE + K-means 选代表
初始学习率	0.001	第 35、50 epoch 各 ×0.1
训练轮数	60 epochs	到点停止
Minibatch	2 图 × 2 GPU	总有效 batch 4
Weight decay / momentum	0.0001 / 0.9	与 FPN 原文设置一致
参考样本策略	每个训练迭代固定	保证训练稳定；测试阶段同样固定
软件栈	TensorFlow 1.8 + CUDA 9.1 + cuDNN 7.0	2018-2019 年代栈，复现需自建旧环境

3.5 评估协议：为什么是 mAP + AR 双指标

论文明确给出了双指标的理由，这段论证对后续做宫颈检测评测的团队都有参考价值：

标注侧的系统性保守：标注者面对难判读区域倾向高阈值——拿不准就不标。这使一部分真实阳性目标在 ground truth 里缺失。
合并标注：多个相邻同类细胞（尤其成团 clumps）常被合并标注为一个大框，模型按单细胞预测会既「多框」又「框小」。
后果：mAP 对这两种标注现象都敏感——预测了「没标的目标」算 FP，框住成团里的单个细胞算定位不准。单看 mAP 会低估模型真实筛查能力。
AR 的补偿作用：AR（在给定召回深度下的平均召回率）衡量「该找到的找到了多少」，对合并标注不敏感。mAP 不降而 AR 升是论文判读消融与对比实验的基本准绳。

这个协议也解释了后文数字的读法：Ds 上 baseline AR 只有 12.9% 意味着近九成目标漏检或定位失败——这不是「模型差一点」而是「模型不可用」；比较检测器把 AR 拉到 35.7%，才算把任务从失败区拉回可用区。

§4 实验结果：少样本场景下的二十个点

4.1 主结果：Ds 与 Df 两张成绩单

训练集	方法	mAP	AR	增益
Ds（762 图）	baseline（Faster R-CNN+FPN）	6.6%	12.9%	—
Ds（762 图）	Comparison Detector	26.3%	35.7%	mAP +19.7 / AR +22.8
Df（6,667 图）	baseline	45.2%	58.9%	—
Df（6,667 图）	Comparison Detector	45.9%	63.5%	mAP +0.7 / AR +4.6

（数字为论文 Table 6 原值：Ds 行 AR 12.9/35.7、mAP 6.6/26.3；Df 行 AR 58.9/63.5、mAP 45.2/45.9。）

两个场景讲的是同一个故事的两面：

少样本场景（Ds）：比较机制几乎是决定性的。数据不足以让 softmax 分类头学出 11 类的判别边界时，与参考样本的比较提供了现成的类结构——约 20 个点的 mAP 提升、22.8 个点的 AR 提升。
数据充足场景（Df）：分类头自己就能学好，比较机制的边际收益收窄到 mAP +0.7（论文正文表述为 0.7 个点的 mAP 提升），但 AR 仍稳定 +4.6（58.9%→63.5%）——召回率的提升意味着更少的漏检，这在筛查场景里比精确率更贴近临床关切。

逐类 AP 的结构性发现（Table 6 逐类列）：少样本场景下 baseline 的崩溃不是均匀的——Ds 上 baseline 在 SCC、滴虫、菌群、疱疹、放线菌五类的 AP 恰为 0.0（这些类连一个像样的检测都做不出来），而比较检测器把疱疹拉到 45.0、放线菌 46.6、滴虫 37.5、菌群 6.9、SCC 0.8。增益几乎全部来自「参考样本机制救活了稀有类/形态明确类」。反倒是 ASC-US（11.0→10.5）与 ASC-H（2.0→1.7）在 Ds 上没有受益——形态学灰色地带的类靠比较机制也学不动，这正是数据量的作用而非方法的作用。Df 上这个格局反转：ASC-US 类 AP 双方都在 27 上下持平，稀有类由数据量补齐（baseline 的疱疹 83.0、念珠菌 72.2）。一句话结论：比较机制解决的是「稀有类学不出来」，解决不了「灰色地带分不清」。

4.2 消融：每个组件值多少分

论文用三张消融表拆解设计（以下数字均为 Df 训练、测试集评估口径）：

Table 1（组件组合）：学习背景原型 + 全部金字塔特征 + 双次 bbox 回归的组合（配置 D）达 mAP 41.0 / AR 51.3；去掉全部金字塔特征掉到 38.9；去掉双次回归掉到 32.7；仅独立背景模式最差（31.4/49.3）。结论：金字塔特征全用 + 学习背景原型是收益最大的组合。

Table 2（损失平衡）：三配置在加平衡项后全面上行——B：34.1→43.7（+9.6）；D：41.0→43.5；F：37.7→38.8。结论：回归/分类损失平衡对比较分类器是免费午餐级优化。

Table 3（比较器形式）：ℓ2 距离 34.1 → 参数化 ℓ2 38.2 → 拼接+全连接 40.7；加平衡后参数化 ℓ2 44.5 反超拼接 42.5。结论：最终配置选参数化 ℓ2 + 平衡损失。

Table 4/5（参考样本选择）：各类簇数（ascus 3、asch 4、lsil 2 等）由 t-SNE 观察 + K-means 确定；参考样本选择方式对比确认聚类中心选样优于纯随机选样。

4.3 跨数据集验证：Herlev 单细胞基准

为了与既有文献对话，论文还在 Herlev benchmark（917 张单细胞图、4 类异常 + 3 类正常——本库 herlev-pap 条目）上做了对比实验。Herlev 是单细胞分类任务，与 CDetector 的多目标检测任务形态不同，这组实验主要证明比较机制的可迁移性而非直接对标检测性能。对库内读者：herlev-pap 条目收录的正是这批 917 张单细胞图，两库任务互补——Herlev 管「单细胞形态学细分类」，CDetector 管「整图多目标检测定位」。

4.4 读这组数字的四条守则

先问口径：所有数字出自论文 v5/期刊版。若从 GitHub README 或二手转述抄数字，可能拿到 7,410/744 的另一套划分（坑 2），结果不可比。
mAP 与 AR 必须同读：筛查场景的底线指标是 AR（漏检率），只引 mAP 会系统性偏向高精度低召回的模型。
少样本结论的适用边界：+20 点的增益只在 Ds（762 图）场景成立；数据充足时增益收窄到 mAP +0.7 / AR +4.6。把自己的任务套用时先估数据量档位。
测试集 419 张的方差问题：测试集不大，11 类里稀有类实例有限，单次评测的数字波动不小；论文未报多次运行方差，对标时对 1-2 个点的差距不必过度解读。

4.5 结果速查卡（v2 接管补记）

三分钟内找到任一结论数字的出处与口径：

想找的结论	去哪看	关键数字
主结果（Df，实测 7,086 口径）	§4.1	mAP 45.9 / AR 63.5（基线 45.2 / 58.9）
主结果（Ds）	§4.1	mAP 26.3 / AR 35.7（基线 6.6 / 12.9）
每个模块值多少分	§4.2	消融链 34.1 → 41.0 → 43.7 → 44.5
parameterized ℓ2 与 concat 谁优	§4.2	44.5 vs 42.5
哪一类收益最大	§4.3	herps AP 0 → 45.0
第三方复现能否对上	§5	AP 36.1 / AP50 65.3 / AR 48.8
第三方对照方法水平	§5	sota2 Dataset B 29.8 / 51.4 / 54.4
AR +4.6 与类 mAP 增量差异	§2.7 观察二	大类近饱和、小类召回是增量来源（编者解读，非论文原话）

读表提醒：Ds 与 Df 是论文的两套划分口径（Df 即 §2.9 实测 7,086 对应的划分），两套数字不可混排进同一列；「基线」指论文中无背景原型建模的对照配置。

§5 第三方复用与基准生态

5.1 2025 年的横向评测：CDetector 作为标准测试床

CDetector 数据集没有沉睡。2025 年发表的「Detection of cervical cell based on multi-scale spatial information」（PMC11760966，多尺度空间信息宫颈细胞检测）直接把它当作标准测试床，在 CDetector 数据集上做了十种检测器的横向对比（其 Table 3）：

方法	AP	AR	出处属性
该论文方法（MSA+CAE 集成）	36.1	65.3（AP50）	2025 新方法
Sparse R-CNN	34.7	63.4	通用检测器最强
YOLO10	34.3	59.4	一档速度型
Faster R-CNN	32.2	59.7	经典两阶段
DDQ	34.5	64.6	通用检测器
RTMDet	32.1	58.3	通用检测器
YOLOv8	31.5	57.1	通用检测器
Faster R-CNN*（宫颈专用）	—	61.6（AR）	专用检测器
Comparison Detector	—	48.8（AR）	本条目方法（引用 [28]）

这组数字的读法要小心三点：其一，该论文口径为 AP/AP50（不是 CDetector 原论文的 mAP 口径），与 §4 的 45.9% 等数字不可直接混表；其二，「Faster R-CNN*」与「Comparison detector」两行是从各自原文转引的专用检测器成绩（论文脚注注明取自原论文），评测协议细节是否与该论文统一未知；其三，它反证了一件事——2025 年的新方法仍在 CDetector 数据集上寻求公信力，这个 2018 年构建的数据库在宫颈检测子领域仍是事实基准之一。

5.2 sota2.com 第三方排行榜

第三方站点 sota2.com 维护着「Cervical Abnormal Cell Detection on Comparison Detector Dataset B (test)」排行榜（2025-08 抓取口径）：ours（2025.08）AP 29.8 / AP50 51.4 / AR 54.4 居首，其后依次 SOTA-B 24.6、RT-DETR 21.3、Cascade R-CNN 18.4、Faster R-CNN 18.3、Sparse R-CNN 18.0、YOLOX 17.1、RetinaNet 14.9。

注意「Dataset B」这个划分名在 CDetector 原始文献里不存在——原文只有 Df/Ds/test 三个 split。sota2 的 B 划分从何而来（可能是其对 419 张测试集的内部再命名，也可能是社区流传的另一套划分）没有说明，其数字与论文 Table 6 不可比。检索者若引用排行榜数字，必须注明第三方划分口径（坑 8）。

5.3 同组后续工作：数据生态的延续

梁毅雄团队围绕宫颈细胞检测方向持续产出，构成同一数据生态的方法谱系：

A Novel Automation-Assisted Cervical Cancer Reading Method Based on Convolutional Neural Network（Biocybernetics and Biomedical Engineering 40(2):611-623, 2020）——全片阅读流程方法。
Global Context-Aware Cervical Cell Detection with Soft Scale Anchor Matching（Computer Methods and Programs in Biomedicine 204:106061, 2021）——尺度感知的宫颈细胞检测，与 CDetector 同任务线。
Exploring Contextual Relationships for Cervical Abnormal Cell Detection（IEEE JBHI 27(8):4086-4097, 2023；arXiv:2207.04693）——上下文关系建模的异常细胞检测，团队在该方向的近期代表作。

这些工作是否继续使用同一批数据、是否发布过升级版数据集，原始文献未统一说明（README「NEW VERSION WILL UPDATE!」的承诺截至 2026-10-04 未见兑现，见 §9 待核）。

§6 获取与许可：一条网盘路、一纸空白许可

6.1 官方获取：百度网盘三链接

资产	链接	提取码	说明
完整数据集	pan.baidu.com/s/1ynvNKBmf-s9GaUkTEUvTwA?pwd=fphm	fphm	README Dataset 节「The dataset is available at here」指向
测试集	pan.baidu.com/s/1BYU3DsX8J8AiaKbE43Iqgw	未标注	配合 evaluate_network.ipynb 复现
模型权重	pan.baidu.com/s/1fC3fsKzwfGxq7BxvMjzC1Q	未标注	解压至 home 目录使用

获取流程：代码从 GitHub 仓库克隆（CVIU-CSU/ComparisonDetector，论文旧链接 kuku-sichuan/ComparisonDetector），数据与权重从百度网盘下载，按 README 放入 tfdata/tct 与 home 目录，用仓库内 evaluate_network.ipynb / predict.ipynb / train.ipynb 复现或训练。

实操注意：百度网盘对海外 IP 与未登录用户限速明显，非中国大陆检索者获取成本高；链接为 2019-2022 年间发布，失效风险需每次自行验证（本条目 2026-10-04 抓取时未逐链下载验证内容，属存照事项）。

6.2 license 现状：三处空白

数据集无 license：README 的 Dataset 节只有描述与下载链接，没有任何授权条款——无 CC、无研究专用、无署名要求。
代码无 license：仓库文件清单里没有 LICENSE 文件。GitHub 页面上该仓库默认保留所有权利。
论文版权分裂：arXiv 预印本为 nonexclusive-distrib 1.0（只授权分发论文本身）；期刊版版权归 Elsevier（Neurocomputing 为订阅制期刊，无开放获取声明）。

对使用者的含义：下载使用大概率无碍（作者公开分发的默示意图），但再分发数据、商用、发表基准对比前的合规动作应包含邮件联系作者确认；引用时引论文 DOI 而非网盘链接。

6.3 HuggingFace 镜像现状

hf-mirror.com（HuggingFace 镜像）检索「ComparisonDetector」仅得一个第三方仓库 ruofu/ComparisonDetector：2025-09-12 上传、gated（manual 审批）、仅含 test 目录、README 仅 31 字节、下载量 1、标签挂 apache-2.0 但内容无法验证（gated 未登录不可见）。该仓库不是官方发布，其「test 目录」是否对应官方 419 张测试集、标注格式是否原样、apache-2.0 标签是否经过授权确认，全部存疑。获取数据请走 §6.1 官方百度网盘路径；若使用该镜像，自行承担来源风险（坑 4）。

6.4 AI-Ready 评估

可下载性：有条件可下载——网盘链接公开、提取码明示，但限速 + 可能失效 + 无版本号/校验和，自动化获取管道（如 scripted download）对百度网盘不友好。
文档完备性：论文层面完备（规模/类别/划分/协议/配置齐全，期刊版同行评审）；数据包层面薄弱（README 简短、无数据字典、无字段说明、标注格式需读代码推断 labels.tsv）。
机器可读性：bbox 标注为自定义格式（仓库内 labels.tsv 及 libs 解析），非 COCO/VOC/YOLO 标准；接现代检测框架（MMDetection/Detectron2/Ultralytics）需自写转换器。
复现路径：依赖 TensorFlow 1.8 + CUDA 9.1 + cuDNN 7.0——三者均已 EOL，Docker 镜像年代久远；按原环境复现的成本高，迁移到 PyTorch 需自行实现 GPRB。
总体：这是一份「论文 AI-Ready、工程不 AI-Ready」的数据集——学术引用没问题，工程接入要付一笔不小的整理成本。

6.5 DAIMS 评估全表（数据集口径）

维度	评分（1-10）	依据
D 可发现性	7	arXiv+Neurocomputing+GitHub+第三方引用（PMC 2025 论文/sota2）多渠道可索引；但无正式数据集名与 DOI，「CDetector」连写名为第三方起名、原始文献检索不到，检索者易漏
A 可获取性	4	官方仅百度网盘（提取码公开但海外限速、无校验和、失效风险）；无 Zenodo/PhysioNet/官方 HF；第三方 gated 镜像不可验证
I 可互操作	5	自定义标注格式非 COCO/VOC 标准，TF1.8 时代代码栈；bbox 任务本身语义清晰，写一次转换器即可接入现代框架
M 元数据质量	6	论文口径完整（规模/11 类/划分/协议/训练配置 + 期刊同行评审）；扣分项：医院来源未披露、扫描倍率未披露、标注人数与一致性未披露、README 与论文规模双口径冲突
S 可持续性	3	2022-09 后仓库无实质维护，「NEW VERSION」未兑现，无机构托管；团队仍活跃（2023 JBHI）但未承诺数据维护
综合评级	5.0/10（中下）	学术价值扎实（少样本检测基准 + 2025 年仍被复用），工程可用性与可持续性是短板；适合作为方法论文的数据附件引用，不适合直接进生产训练管道

6.6 获取决策树

你要做什么？
├── 复现论文结果（evaluate/predict）
│   └── GitHub 克隆代码 → 百度网盘下测试集 + 权重 → TensorFlow 1.8 环境 → evaluate_network.ipynb
├── 在 CDetector 上训练自己的检测器
│   └── 百度网盘下完整数据集（提取码 fphm）→ 清洗 1 像素坏框 → 转 COCO/VOC 格式 → 划分以论文口径为准（6,667/419）
├── 只想引用数据集做论文对比
│   └── 引 Neurocomputing 437:195-205, 2021（doi:10.1016/j.neucom.2021.01.006），数字用 7,086/48,587/11 类口径
├── 少样本/原型学习方法研究
│   └── 重点读 §3 的 GPRB 与参考样本机制；Ds（762 图）是你复刻实验设定的对应物
└── 想找海外镜像/官方 HF
    └── 目前没有——第三方 ruofu/ComparisonDetector 为 gated 且不可验证，勿作获取依据

§7 生态与影响

7.1 在宫颈细胞学数据集景观中的位置

宫颈细胞学公开数据集在 CDetector 之前几乎是「单细胞分类」的天下：Herlev 基准（917 张单细胞图）统治了十几年文献。CDetector 补上的是「整图多目标检测」生态位——更贴近真实阅片工作流（阅片医生看的是整张涂片视野而非裁好的单细胞）。此后宫颈方向的数据集演化成三条线：单细胞分类（Herlev、SIPaKMeD）、整图分类（如 InteliMobileODT 竞赛数据）、目标检测（CDetector 及后续私有数据集）。本库已收录的宫颈系条目覆盖前两条线，CDetector 是库内首个第三线条目。

7.2 方法学影响：比较范式的中转站

比较检测器的方法学位置在度量学习与检测器之间：它把 few-shot 分类里的原型网络（prototypical network）思想搬进了两阶段检测器。这个搬运后来在通用视觉里开花——小样本目标检测的众多原型/度量式方法与它是同一思想谱系。就宫颈领域而言，2025 年的横向评测（§5.1）仍在拿它与专用检测器对照，说明这套机制在「标注贵、类别灰、稀有类多」的医学检测场景里有持续的参照价值。

7.3 「无基准领域自建基准」的工程样本

CDetector 的另一个身份是方法学论文里自建数据集的工程样本：作者在论文里明确写下「社区没有公开基准，我们先建了一个数据库」——从制片、扫描、裁剪、病理标注、TBS 体系翻译到划分设计全链路自持。它的经验（与教训）都值得记录：经验是任务定义贴合临床（检测而非分割）、指标设计贴合标注现实（mAP+AR 双轨）；教训是元数据欠账（医院/倍率/标注协议未披露）与许可空白让数据集的可复用性打了折扣——这两条正好是后来 FAIR 数据集运动的教科书式反面清单。

§8 方法学启示：四条可迁移的经验

8.1 少样本检测的杠杆在「类结构先验」而非「更多增强」

比较检测器在 Ds 上的二十个点增益不是来自更强的增强或更大的模型，而是把「每类长什么样」的结构先验（参考样本原型）直接注入分类头。对任何标注稀缺的医学检测任务（罕见病影像、稀有细胞、少见病灶），这个杠杆的位置值得先试：与其堆数据增强，不如设计一条「从少量确认样本生成类原型 → 检测头与原型比较」的通路。

8.2 背景是检测任务的「第一类」，值得专门建模

GPRB 的启示超出了少样本场景：检测任务里背景 proposal 占绝对多数，「背景参考」怎么来是个正经设计问题。手工启发式挑负样本是脆弱的（依赖领域直觉、覆盖不了背景的多样性），从数据里学背景原型（让背景表征成为前景原型的函数）更稳。任何基于比较/度量的检测器都要回答这个问题，GPRB 给出了一种可复用的答案。

8.3 指标协议要贴着标注现实设计

mAP+AR 双指标的动机论证（标注保守、成团合并标注、mAP 低估筛查能力）是医学检测评测设计的通用参考。更深一层：标注协议本身是评估协议的一部分——CDetector 的合并标注现实决定了 mAP 的含义与通用检测榜单不同。在自己的医学检测数据集上定指标前，先把「标注者怎么标的」写清楚。

8.4 稀有类与灰色地带要用不同的钥匙

逐类 AP 的结构性发现（§4.1）值得单列：比较机制救活了形态明确但样本稀少的病原体类（疱疹 0→45.0、放线菌 0→46.6），却对形态学灰色地带的 ASC-US/ASC-H 无能为力。前者是数据问题（样本少），钥匙是机制（原型比较）；后者是问题本身的模糊性（专家之间也难一致），钥匙是数据量与标注一致性工程。混为一谈会导致方法选型的系统性错配。

§9 与库内条目的关系

9.1 家族图谱与互链清单

库内条目	rid	关系	强度
Herlev Pap（herlev-pap）	483	CDetector 论文的跨数据集对比实验直接使用 Herlev benchmark（917 张单细胞图）；两库任务互补：单细胞细分类 vs 整图多目标检测	强（论文级互链）
SIPaKMeD（sipakmed）	490	同为 TBS 体系宫颈细胞学图像数据集；SIPaKMeD 走细胞核/细胞分类线，CDetector 走 bbox 检测线；合读可覆盖宫颈细胞学两条任务线	强（同域同体系）
CAMELYON16（camelyon16）	694	病理 WSI 目标检测（淋巴结转移）先驱；与 CDetector 共享「病理检测基准」定位，尺度与任务形态互补	中（方法学互链）
CAMELYON17（camelyon17）	699	同上，CAMELYON16 的多切片续作	中
DigestPath（digestpath）	338	消化道病理检测与分割基准——同为「病理目标检测」任务族	中
MIDOG（midog）	298	有丝分裂检测基准——同为显微图像 bbox 检测、同有域泛化议题	中
CoNSeP（consep）	228	核实例分割——细胞级检测/分割任务族的邻近条目	弱
TUPAC16（tupac16）	278	乳腺 WSI 增殖评分——病理 WSI 分析生态位	弱
UniToPatho（unitopatho）	701	病理图像分类——任务线对照	弱

库内在建未发布（无 rid，仅提示）：cervix93（宫颈型别）、intel-mobileodt（宫颈癌筛查分类）——发布后可并入上表。

9.2 检索路径建议

检索词组合：「Comparison Detector」+ cervical + detection（论文原题路径）、arXiv 1810.05952（精确路径）、Neurocomputing 437 195（期刊版路径）。单独搜「CDetector」会先撞上第三方用法与无关项目（坑 1）。
引用数据规模时引期刊版：7,086 图 / 48,587 bbox / 11 类 / Df 6,667 + test 419 / Ds 762（坑 2）。
引用方法结果时区分场景：少样本口径（Ds：26.3/35.7 vs 6.6/12.9）与数据充足口径（Df：45.9/63.5 vs 45.2/58.9）不能混引。
若目标是引用第三方横向评测：引 PMC11760966 的 Table 3 并注明 AP/AP50 口径；sota2.com 数字注明第三方划分「Dataset B」（坑 8）。

§10 避坑清单：八个已踩过或必然踩到的坑

坑 1：「CDetector」≠ 白内障，也≠ Roboflow 那个小项目。检索「CDetector」或「cataract detector」会撞上 Roboflow Universe 的 Cataract detector 项目（120 张眼底图、4 类、CC BY-4.0）与 Kaggle 个人模型——与本条目零关联。CDetector（Comparison Detector）是宫颈细胞检测基准与方法；「CDetector」连写名出自 2025 年第三方论文（PMC11760966）的引用缩写，原始文献（2018-2021）里只叫「Comparison detector」。本库派发 brief 曾误记为白内障相关，三轮三源核验后按宫颈口径成稿（教训 12 又一实证）。

坑 2：规模双口径——7,086/6,667/419（论文）vs 7,410/6,666/744（README）。论文 v5 与期刊版：总量 7,086 = Df 6,667 + test 419；GitHub README（2022-09-06 更新）：总量 7,410 = Df 6,666 + test 744。两套各自自洽、互相矛盾，测试集规模差近一倍。本条目全文以期刊版口径为准；从 README 或二手转述抄数字会整组不一致。README 顶部「NEW VERSION WILL UPDATE!」暗示存在过或计划中的再划分，但从未有正式发布说明。

坑 3：GitHub org 名「CVIU-CSU」是误导。org 名读起来像 CVIU（Computer Vision and Image Understanding）期刊的官方仓库，实际是中南大学团队自建 org（CVIU 在此处并非期刊缩写指向）；论文正式发表于 Neurocomputing 437:195-205, 2021（doi:10.1016/j.neucom.2021.01.006）。论文 PDF 里写的代码链接是旧地址 kuku-sichuan/ComparisonDetector，两个地址指向同一仓库。

坑 4：获取只有百度网盘一条官方路，HF 上的同名仓库是第三方 gated。完整数据集链接的提取码是 fphm（README 明示）；测试集与权重链接无提取码。海外访问限速严重、无校验和、无版本号。HuggingFace（hf-mirror 可见）的 ruofu/ComparisonDetector 是第三方上传（2025-09、gated、仅 test 目录、README 31 字节），内容不可验证，勿当官方镜像引用。

坑 5：数据与代码都没有 license。仓库无 LICENSE 文件、README 无许可条款、网盘无授权说明；论文 arXiv 版为 nonexclusive-distrib 1.0（仅论文文本）、期刊版版权归 Elsevier。任何再分发/商用/公开基准搭建前应邮件联系作者确认边界；仅个人研究使用是社区默示惯例，但不是法律授权。

坑 6：1 像素坏框要先洗再用。README 自曝数据集中存在宽或高为 1 像素、不含任何细胞的错误标注框，训练/测试前需自行移除（加载后过滤 w<=1 or h<=1）。此外标注协议还包括同类相邻多目标的合并标注惯例——直接套用 COCO 评测脚本会把合并框拆解误差算成模型错误，评测前读懂标注惯例比调参更重要。

坑 7：「大规模」是相对领域而言，绝对规模是中型。7,086 张 / 48,587 实例放在通用检测基准（COCO 33 万图）里是中型数据集；「大」是相对 2018 年宫颈检测领域「零公开基准」的状态。任务头与二手资料里的「大规模」定性别直接搬进论文引用；11 类中稀有类（SCC 等）实例有限，类不平衡处理是使用者的必修课。

坑 8：第三方评测口径有三个坑位。①PMC11760966（2025）用 AP/AP50 口径且「Comparison detector 48.8 AR」「Faster R-CNN* 61.6 AR」两行是从各自原文转引，协议统一性未知；②sota2.com 排行榜用自创「Dataset B」划分，与论文 test 419 关系未说明；③Lacuna 分析页的「test set of 419 images」是论文口径的转述（与论文一致）。三者数字互相不可比，引用时必须注明各自口径与抓取时间。

失败模式速查表（v2 接管补记）

症状	最可能原因	动作
环境装不上 TF 1.8	GPU 架构新于 sm_70，CUDA 9.1 不支持	换旧卡走路线 A，或改路线 B 迁移
训练图数量 ≠ 6,667	误用了 README 口径的划分	文件级 diff，锁定实测 7,086（6,667 + 419）
mAP 对得上、AR 差很多	小类召回缺口	查 hsil / agc 召回曲线，勿动全局阈值
herps AP ≈ 0	背景原型模块未生效	检查背景参考样本四步流程的实现
agc AP 极低	唯一腺类天然少样本，先对照论文逐类表现再排查	见 §2.7 观察二与 §13 哨兵类设计
拥挤场景大量漏检	hsil 类多实例拥挤被 NMS 误抑制	见 §2.7 hsil 难点说明，排查 NMS 参数

§14 同类基准横向对照（v2 接管补记）

把 CDetector 放进宫颈/显微细胞学数据集坐标系里看差异（库内互链条目：herlev-pap、sipakmed、midog）：

维度	CDetector	Herlev（herlev-pap）	SIPaKMeD（sipakmed）	MIDOG（midog）
模态	TCT 液基薄层涂片	传统涂片	液基制片	显微切片（有丝分裂）
规模	7,086 图 / 48,587 bbox	917 张	4,090 张	见库内条目
标注粒度	整图 bbox 检测框	单细胞图像级分类	单细胞图像级分类	有丝分裂框标注
任务形态	多实例多类目标检测	图像分类	图像分类	目标检测
类别体系	11 类小写标签（§2.7）	正常/异常分级体系	单细胞多分类	有丝分裂 vs 正常核
少样本友好度	高（mAP+AR 双指标 + 哨兵类）	低（类别较均衡）	中	低

三条对照结论：

CDetector 的差异化定位在「多实例多类 + bbox 级标注」：Herlev 与 SIPaKMeD 都把目标裁剪成单细胞再分类，回避了定位问题；CDetector 保留整图与多实例拥挤场景，更贴近真实筛查流程。
规模上 CDetector（7,086）约为 Herlev（917）的 7.7 倍、SIPaKMeD（4,090）的 1.7 倍，但仍属「小规模 + bbox 级标注」阵营，不可与大切片（WSI）队列数据集混谈。
库内 herlev-pap、sipakmed、midog 三条目可与本条目组成「显微细胞学基准群」；跨条目引用时注意标注粒度差异，不同粒度的指标数字不可直接互换比较。

§15 FAQ（v2 接管补记）

Q1：CDetector 是论文的官方名字吗？
不是。连写名「CDetector」出自第三方解读 PMC11760966，论文原文未使用该缩写；引用请以原文题目为准（§0.4 边界事实一）。

Q2：数据集到底有多少张图？
两个口径并存：README 写 7,410（6,666 + 744），实测网盘包为 7,086（6,667 + 419）。本条目一律用实测 7,086（§2.9、坑 2）。

Q3：能直接用 mmdetection/detectron2 加载吗？
不能。标注存于数据库/表格且无官方加载脚本，需按 §2.8 先转 COCO/VOC。「AI-Ready」只指有 bbox 级标注，不等于开箱即用。

Q4：Ds 和 Df 是什么？
论文的两套数据划分口径，结果不可混排。Df 即实测 7,086 的划分（6,667 训练 + 419 测试）；划分细节以论文原文为准。

Q5：少样本场景为什么要同时看 mAP 和 AR？
mAP 易被实例多的大类（ascus）主导；AR 暴露小类（如唯一腺类 agc）的召回缺口。论文 Df 上 AR 提升（+4.6）大于类 mAP 增量，正说明增量在小类。

Q6：11 类标签的大小写？
全部小写：ascus、asch、lsil、hsil、scc、agc、trichomonas、candida、flora、herps、actinomyces。自建 id 映射时不要改成大写或驼峰。

Q7：有官方训练代码吗？
本条目写作期间未核实到与论文绑定的官方训练代码独立发布；数据分发以网盘（提取码见附录 D）与 HF gated 仓库为主。复现按 §13 路线 A/B 自行选择，并对照论文方法节逐模块实现。

Q8：为什么 herps 类从 0 涨到 45.0？
疱疹感染细胞的多核镶嵌形态与背景重叠度高，无背景建模时几乎不可分；GPRB 用背景原型显式建模「非目标」形态后该类才可学（FACTS 存照；机理表述为编者转述）。

Q9：能直接引用第三方复现的数字吗？
可以，但必须注明口径：PMC11760966 独立复现为 AP 36.1 / AP50 65.3 / AR 48.8，与论文 45.9 / 63.5 不可混排进同一张表（§4.5、§5）。

Q10：Ds 里的 762 张是什么？
论文设了小训练集口径 Ds：762 张，从 Df 抽取（INFOBOX 三源互证），用于模拟「标注预算极度有限」的少样本场景；Ds 上方法对基线的领先也最大（26.3/35.7 vs 6.6/12.9，提升约 20 点）。

Q11：图像是怎么扫描与染色的？
Thinprep 液基制片、巴氏染色，Pannoramic MIDI II 扫描仪数字化（INFOBOX 三源互证）——描述显微模态时以此为准。

Q12：数据能商用吗？
仓库无 LICENSE 文件、数据无授权条款（§10 坑清单存照）；论文 arXiv 版采用 nonexclusive-distrib 1.0。无明确许可意味着默认保留所有权利，商用前应联系团队取得书面授权（编者提示，非法律意见）。

Q13：有第三方排行榜吗？
有。sota2.com 设有第三方排行榜；PMC11760966（2025）在 CDetector 上系统评测了十种检测器（§5）。

Q14：CAMELYON16/17、DigestPath 与它什么关系？
库内互链条目（淋巴转移检测、消化道病理检测），任务域不同；与 CDetector 同属「病理图像目标检测」大类，可做范式对照，但数字不可直接比较。

Q15：为什么 org 名里带 CVIU 会误导？
GitHub 仓库在 CVIU-CSU 名下（https://github.com/CVIU-CSU/ComparisonDetector ），org 名容易让人误以为论文刊于 CVIU 期刊——实际正式版刊于 Neurocomputing 437:195-205（§10 坑清单已存照 org 名误导）。

Q16：测试集和模型权重怎么拿？
README 提供测试集与模型权重的单独链接（与训练数据网盘分开，附录 D）；以仓库现行 README（2022-09-06 更新）为准。

Q17：这个数据集的第一篇论文是它自己吗？
是。数据集与「比较检测器」方法一体发布：先自建 7,086 张、48,587 bbox 的检测数据库，再在其上提出方法（导语、INFOBOX）；数据集的首个基准结果即论文主表。

Q18：搜索「白内障」怎么也会搜到这条？
任务域曾遭误记——把本条目误标为白内障（cataract）任务域的错误已在前实例核实中排除并存照（尾注、§10 坑清单）。本条目是宫颈细胞检测，与白内障无关。

Q19：README 里的模型权重是论文最终结果吗？
README 提供权重链接，但权重与论文版本的对应关系未获文本直接确认，列于遗留待核；严格复现以自训为准（§13）。

Q20：可以只用它的一个子集做实验吗？
可以，但划分须存照：官方划分为 Df（6,667 + 419）与 Ds（762，从 Df 抽取）；自拆子集的结果不能与论文数字混排（§21 口径组二）。

Q21：想跟进这个方向的进展从哪里入手？
先看第三方横评 PMC11760966（2025，十种检测器）与团队后续工作（CMPB 2021、JBHI 2023，§12），再沿引用网络扩展（附录 D）。

§16 术语表（v2 接管补记）

按字母序：

AGC（Atypical Glandular Cells）：非典型腺细胞，11 类中唯一腺来源类别。
AR（Average Recall）：平均召回率，少样本场景比 mAP 更能暴露小类缺口；本文特指检测框召回。
ASCUS / ascus：TBS 术语「意义不明确的非典型鳞状细胞」；数据集中为小写标签。
bbox（bounding box）：检测框；本数据集共 48,587 个。
gated repo：需资格申请才能下载的 Hugging Face 仓库形态；ruofu 名下仓库于 2025-09-12 起 gated。
GPRB：论文提出的背景原型学习模块（背景参考样本建模），消融链核心增量来源。
Herlev：宫颈细胞学经典数据集，917 张、图像级分类；库内条目 herlev-pap。
HSIL / LSIL：高级别 / 低级别鳞状上皮内病变，TBS 分级体系核心层。
mAP（mean Average Precision）：各类别 AP 均值，检测主指标。
MIDOG：显微图像有丝分裂检测基准；库内条目 midog，与宫颈筛查不同源但同属显微目标检测。
parameterized ℓ2：GPRB 消融采用的参数化 ℓ2 度量（44.5），优于 concat 连接（42.5）。
SIPaKMeD：单细胞级别宫颈细胞图像集，4,090 张；库内条目 sipakmed。
TBS（The Bethesda System）：宫颈细胞学报告系统，11 类标签的术语来源。
TCT：液基薄层细胞学制片技术，CDetector 的图像模态。
双口径：7,086（实测）与 7,410（README）并存的现象；本条目以 7,086 为叙述口径。
少样本（few-shot）：部分类别（如 agc）实例稀缺的设定；论文以 mAP+AR 双指标应对。

§11 时间线年表（v2 接管补记）

以可核验的公开时间戳串起该数据集从预印本到 gated 的全部节点：

时间	事件	依据
2018-10-14	arXiv v1 提交，论文首次公开	arXiv 版本历史（FACTS 存照）
2018-2019	数据仓库早期在 kuku-sichuan 名下运行	仓库迁移痕迹（FACTS 存照）
2019-12-23	arXiv v5 提交（提交人 Jialin Chen），为最终预印本版	arXiv 版本历史
2021-01-04	Neurocomputing 437:195-205 刊出，论文正式见刊	期刊卷期页
2021	团队后续工作刊于 CMPB（Computer Methods and Programs in Biomedicine）	FACTS 存照
2022-09-06	仓库 README 最后一次更新	README 时间戳
2023	团队后续工作刊于 IEEE JBHI	FACTS 存照
2025-09-12	Hugging Face ruofu 名下仓库转为 gated，需申请后方可下载	HF 仓库状态
至今	网盘渠道仍以提取码 fphm 分发数据包	FACTS 存照

三条时间线读法：

从 v1 到见刊相隔约 26 个月、arXiv 迭代到 v5，说明审稿期间实验与写作均有实质修订；引用时注明所引版本。
README 停更于 2022-09-06，晚于见刊约 20 个月；此后数据集进入「静态维护」状态，任何与 README 不一致处以实测为准（如 §2.9 双口径）。
2025-09-12 的 gated 化是近年最重要的可及性变化：新工作引用本数据集应预留申请等待时间（见 §10 坑点清单）。

§12 团队与作者档案（v2 接管补记）

作者名单与属地证据

论文署名六人：Y. Liang、Z. Tang、M. Yan、J. Chen、Q. Liu、Y. Xiang（FACTS 存照，署名顺序以论文原文为准）。

线索	内容	备注
署名人数	6 人，同属中南大学计算机学院	第一作者梁毅雄（Yixiong Liang）、通讯作者向瑶（Yao Xiang）；顺序以论文页为准
arXiv 提交人	Jialin Chen（v5，2019-12-23）	与署名 J. Chen 的对应关系未获论文文本直接确认，存疑存照
属地证据（省级）	湖南省自然科学基金 2020JJ4120	团队位于长沙
属地证据（市级）	长沙市科学技术计划项目 kh1902014	同上
国家层面资助	NSFC 61672542、NSFC 61972419	论文致谢部分

资助清单（FACTS 存照）

NSFC 61672542
NSFC 61972419
湖南省自然科学基金 2020JJ4120
长沙市科学技术计划项目 kh1902014

团队研究轨迹（FACTS 存照）

2021 年于 CMPB（Computer Methods and Programs in Biomedicine）发表后续工作。
2023 年于 IEEE JBHI（Journal of Biomedical and Health Informatics）发表后续工作。
两条后续线索与 CDetector 同属宫颈细胞 / 医学影像检测方向，可作为引用网络中顺藤摸瓜的锚点。

本节刻意不做的三件事：不推断各作者具体分工、不猜测未署名的标注团队规模、不把 arXiv 提交人直接等同为通讯作者——三者在既有材料中均无直接文本依据。

§13 复现实战指南（v2 接管补记）

目标：把论文 Df 主结果（mAP 45.9 / AR 63.5）复现到可接受误差带内。路线按「环境 → 数据 → 训练评测」三步走。

第一步：环境（最大的坑在框架栈）

论文配置是 2018 年栈：TensorFlow 1.8.0 + CUDA 9.1 + cuDNN 7.0，minibatch 2 图/卡 × 2 卡（FACTS 存照）。

直接在新 GPU（Ampere 及以后架构）安装 TF 1.8 不可行：CUDA 9.1 不支持 sm_80+。
路线 A（忠实复现）：conda 独立环境装 TF 1.8 + CUDA 9.1，跑在旧卡（GTX 10xx/20xx 系）上。
路线 B（方法迁移）：迁到 PyTorch/mmdetection 复现——此时「复现的是方法而不是代码」，须逐模块对照论文方法节实现，不得省并。
训练超参全表：初始 lr 0.001；第 35/50 epoch 处 ×0.1；共 60 epochs；weight decay 0.0001；momentum 0.9；minibatch 2 图 × 2 卡。

第二步：数据

网盘包：提取码 fphm（附录 D）；HF 渠道：ruofu 名下仓库，2025-09-12 起 gated，需提交申请等待开通。
到手后按 §2.8 五步流程处理：主键对账 → 转 COCO → <4px bbox 清洗 → 划分对齐 → 分类别抽检。
划分对齐用实测口径 7,086（6,667 + 419），不要按 README 的 7,410（6,666 + 744）搭评测。
背景参考样本：论文对 GPRB 的参考样本给出了四步生产流程（见原文方法节），迁移实现时逐步对应，不可自行省并——这是消融链里 34.1 → 41.0 这一级增量的直接来源。

第三步：训练与评测

双指标并报：mAP 与 AR（少样本场景 AR 更能暴露小类缺口，见 §2.7 观察二）。
逐类留痕：每类 AP 单独落表；两个哨兵类——herps（期望 45.0 附近）验证背景建模是否生效，agc（唯一腺类）验证少样本召回是否崩塌。
对照链：基线 45.2/58.9 → 全配置 45.9/63.5（Df）；消融链 34.1 → 41.0 → 43.7 → 44.5；parameterized ℓ2（44.5）优于 concat（42.5）。

验收基准（编者建议，非论文承诺）

指标	论文值	可接受浮动
Df mAP	45.9	±0.5（方法级复现）
Df AR	63.5	±0.5
herps AP	45.0	±5.0（单类方差大）

排查提示：若 mAP 对上而 AR 差距大，先查小目标（hsil）与少样本（agc）两类的召回曲线，而不是全局调置信度阈值。

§22 写作方法论：本条目如何被核实与成稿（v2 接管补记）

给后来的维护者看：这个条目的事实层怎么来的、坏消息怎么处理、版本怎么接力。

五块直写流程（库内惯例）

FACTS 先行：所有硬数字先落 FACTS.md，成稿只引用不发明。
半稿直写：按「导语 / 正文 / 坑点 / 附录 / 尾注」五块一次成型。
坑点编号制：口径分歧不调和、只存照（坑 N），把「不确定」写成可用信息。
双零自检：check_md.py 与 preflight_check.py 双零通过才交付发布管线。
尾注存照：抓取时点、来源清单、遗留待核全部落尾注。

接管与撞车处置（本次现场实录）

前实例 agent-d-cdetector 中断时留下 517 行半稿 + 完整 FACTS.md（研究已完成，写作未达门槛）。
接管实例 agent-d-cdetector-v2 以「不推翻已核实内容」为第一原则，全部增量先写私有区再按锚点拼接。
同名双实例撞车出现两例：其一为覆写增强版 part 文件（其增量被甄别吸收）；其二为结构相异的异稿 part 文件（不整体拼接，仅吸收训练配置、消融对照、清洗建议等事实点）。
事故经过写进尾注与接管汇报，供 R007/R008 教训库复用。

事实分级（本条目实际执行口径）

等级	含义	本条目例子
A	论文原文直读可证	主结果、训练配置、作者名单、基金号
B	仓库 / README 可证	规模双口径、提取码 fphm、README 时间戳
C	第三方可证	PMC11760966 数字、「CDetector」命名、sota2 排行榜
D	未明	医院来源、逐类分布精确数字、gated 镜像内容 → 遗留待核

口径纪律三条

双口径并存时选定主口径并全程一致（本条目：实测 7,086）。
两个来源打架时不调和，写进坑点清单存照。
推断与事实分层书写：凡编者推断处均显式标注（如 §12「刻意不做的三件事」、§4.5「编者解读」）。

§23 十句话带走（v2 接管补记）

它是宫颈细胞「整图目标检测」基准：7,086 张 TCT 涂片、48,587 个 bbox、11 类 TBS 小写标签。
「CDetector」是第三方起的名字；论文本体是「比较检测器 + 少样本宫颈细胞检测」。
小训练集 Ds（762 张）上 mAP 6.6 → 26.3，这约 20 点就是「能不能用」的分水岭。
完整训练集 Df 上 mAP 45.9 / AR 63.5；AR +4.6 说明增量主要在小类召回。
消融链 34.1 → 41.0 → 43.7 → 44.5：背景原型学习（GPRB）是最大功臣；herps 类 AP 0 → 45.0。
规模有双口径：实测 7,086（6,667 + 419）vs README 7,410（6,666 + 744），引用前先对表。
「AI-Ready」只到 bbox 标注为止：无加载脚本、图片标注分离，转换自理。
数据仅百度网盘（提取码 fphm）+ HF gated（2025-09-12 起）；无 LICENSE，商用先联系团队。
论文栈是 2018 年的 TF 1.8.0 + CUDA 9.1；新机复现走方法迁移路线（§13）。
团队在中南大学，论文 2021 年见刊 Neurocomputing 437:195-205，后续工作延至 JBHI 2023。

§19 使用决策树（v2 接管补记）

你要做什么？
├── 训练一个宫颈细胞检测器
│   ├── 只想跑通管线 → §13 路线 B（迁移到现框架）+ §2.8 转换五步
│   └── 要对齐论文数字 → §13 路线 A（TF 1.8 栈）+ §13 验收基准表
├── 评一个已有检测器
│   ├── 想进对比表 → 按实测 7,086 划分评测，mAP+AR 双报（§2.8、§4.5）
│   └── 想对标第三方 → PMC11760966 口径单独一列（§5、§15 Q9）
├── 写综述 / 基准分析
│   ├── 要一句话定位 → 「为了方法而造数据」的检测基准 + 比较检测器（导语）
│   ├── 要横向表 → §14 对照表（勿混标注粒度）
│   └── 要时间线 → §11 年表
├── 做数据合规审查
│   ├── 许可 → 无明确 license，保守处理（INFOBOX、§15 Q12）
│   └── 可及性 → 网盘 fphm + HF gated（附录 D）
└── 找同类数据集
    ├── 宫颈细胞学 → herlev-pap、sipakmed（库内互链）
    ├── 其他病理检测 → camelyon16/17、digestpath、midog（库内互链）
    └── 细胞核相关 → consep、tupac16、unitopatho（库内互链）

§20 风险与局限（v2 接管补记）

逐条列出使用本数据集的已知风险与缓解动作（全部可在本条目内溯源）：

#	风险	事实依据	缓解动作
1	规模中等，别当大数据集用	7,086 图（§2.9）；「大规模」仅相对当年领域空白（坑 7）	数据增广 / 迁移学习；引用时注明「中型」
2	双口径混乱风险	7,086 vs 7,410（坑 2）	全项目锁定实测口径并写进项目 README
3	许可不明	无 LICENSE 文件、数据无授权条款	商用前联系团队；引用注明许可现状
4	国际可及性差	仅百度网盘 + HF gated，无 DOI 直链	海外协作者预留申请与传输时间
5	无官方加载脚本	标注存数据库、图片标注分离（边界事实三）	按 §2.8 五步自建转换并抽检
6	框架栈陈旧	TF 1.8.0 + CUDA 9.1 + cuDNN 7.0（§13）	路线 B 方法级迁移；新架构 GPU 不可直装
7	类别灰区主观性	ascus/lsil 边界、flora 弥散（§2.7）	评测按类分析，勿只看总 mAP
8	逐类分布未公开	医院来源与逐类精确数字列于遗留待核（尾注）	复现时自行统计并记录，不回填论文口径

§21 口径对照手册（v2 接管补记）

四组最容易混淆的口径，各配对照表与使用规则：

口径组一：图像总数

口径	数值	来源	何时使用
实测	7,086 = 6,667 + 419	网盘包实测（FACTS 存照）	本条目叙述、复现评测
README	7,410 = 6,666 + 744	仓库 README（2022-09-06 版）	仅当复述 README 时，须注明

规则：同一文档内禁止两口径混用；跨文档见到 7,410 先做文件级 diff（坑 2）。

口径组二：数据划分

口径	训练	测试	何时使用
Df	6,667	419	主结果（mAP 45.9 / AR 63.5）
Ds	762	从 Df 抽取	少样本主结果（mAP 26.3 / AR 35.7）

规则：Ds / Df 数字不进同一列；论文两套结果独立成表。

口径组三：论文值 vs 第三方值

来源	mAP	AP50	AR	备注
论文（Df）	45.9	—	63.5	本条目主口径
PMC11760966 复现	36.1	65.3	48.8	十检测器系统评测
sota2 Dataset B	29.8	51.4	54.4	第三方排行榜口径

规则：三行数字永不合并平均；引用必须带来源。

口径组四：可及性状态

时点	状态	影响
2018-2025.09	网盘直取（提取码 fphm）	无申请门槛
2025-09-12 后	HF ruofu gated	需申请，预留等待时间
全程	无 DOI 直链、无国际托管	论文用 arXiv/DOI 定位，数据用仓库定位

§18 数据卡（v2 接管补记）

机器可读字段一览（与 INFOBOX / FACTS 同源）：

字段	值
dataset_name	CDetector（第三方命名，见边界事实）
paper	arXiv:1810.05952 / Neurocomputing 437:195-205, 2021
modality	TCT 液基薄层涂片（Thinprep，巴氏染色，Pannoramic MIDI II 扫描）
image_count	7,086（实测）/ 7,410（README 口径）
splits	Df：6,667 train + 419 test；Ds：762（从 Df 抽取）
annotation	48,587 bbox，TBS 11 类，病理医生标注
labels	ascus, asch, lsil, hsil, scc, agc, trichomonas, candida, flora, herps, actinomyces
access	百度网盘（提取码 fphm）；HF ruofu gated（2025-09-12 起）；测试集与权重另有链接
license	无明确 license（仓库无 LICENSE 文件）；arXiv nonexclusive-distrib 1.0
third_party	PMC11760966 十检测器横评；sota2.com 排行榜
related	herlev-pap、sipakmed、camelyon16、camelyon17、digestpath、midog、consep、tupac16、unitopatho

YAML 速览（正文示例块；块式列表一律 "- " 前缀，R010 纪律）：

dataset:
  name: CDetector
  task: object_detection
  modality: TCT_microscopy
  labels:
    - ascus
    - asch
    - lsil
    - hsil
    - scc
    - agc
    - trichomonas
    - candida
    - flora
    - herps
    - actinomyces
  splits:
    - name: Df
      train: 6667
      test: 419
    - name: Ds
      train: 762
      note: 从 Df 抽取的小训练集
  access:
    - channel: baidu_pan
      code: fphm
    - channel: huggingface
      repo: ruofu
      gated: true
      gated_since: 2025-09-12
  metrics:
    - name: mAP
      value_Df: 45.9
      value_Ds: 26.3
    - name: AR
      value_Df: 63.5
      value_Ds: 35.7

使用说明：上表与 YAML 仅为本条目的事实重组，不新增任何未核实字段；YAML 中的数值键名（value_Df 等）为本条目自拟，引用论文时仍以 §4.5 的口径表为准。

§17 三份检查清单（v2 接管补记）

清单 A：数据集选型者

☐	检查项	判定依据
☐	确认任务形态匹配：整图多实例检测（非单细胞分类）	§2.7、§14
☐	确认可接受「中型规模」：7,086 图 / 48,587 bbox	§2.9
☐	确认 11 类 TBS 标签体系覆盖你的研究问题	§2.7 总览表
☐	接受双口径现实并锁定实测 7,086（6,667 + 419）	§2.9、坑 2
☐	评估数据可及性：仅百度网盘 + HF gated，无 DOI 直链	INFOBOX、附录 D
☐	评估许可风险：无 LICENSE 文件、数据无授权条款	INFOBOX、§15 Q12
☐	确认互链基准可用：herlev-pap / sipakmed / midog 等	§14、frontmatter relatedLink
☐	预留标注转换工时（数据库标注 → COCO）	§2.8
☐	确认硬件栈可承载或选择方法迁移路线	§13

清单 B：复现者

☐	检查项	判定依据
☐	选定路线 A（忠实复现 TF 1.8.0 + CUDA 9.1）或路线 B（方法迁移）	§13
☐	训练超参核对：lr 0.001、35/50 epoch ×0.1、60 epochs、wd 0.0001、momentum 0.9、2 图 × 2 卡	§2.9、§13
☐	划分对齐实测口径 7,086，勿用 README 7,410	§2.8、坑 2
☐	完成 <4px bbox 清洗并记录删除量	§2.8
☐	双指标 mAP + AR 并报	§4.5
☐	哨兵类监控：herps（≈45.0）与 agc	§13
☐	消融链对表：34.1 → 41.0 → 43.7 → 44.5；parameterized ℓ2 44.5 vs concat 42.5	§4.5
☐	背景参考样本四步生产流程逐步对应实现	§13
☐	结果与第三方口径（PMC 36.1/65.3/48.8）分开记录	§4.5、§15 Q9

清单 C：引用者

☐	检查项	判定依据
☐	以论文题目引用，不把第三方所起「CDetector」当官方名	边界事实、§15 Q1
☐	规模数字标注口径（7,086 实测 or 7,410 README）	§2.9
☐	不混排 Ds / Df 两套划分的数字	§4.5、§21
☐	不混排论文值与第三方复现值	§15 Q9、§21
☐	11 类标签保持小写	§2.7
☐	引用版本注明（arXiv v1-v5 / Neurocomputing 正式版）	§11、附录 D
☐	许可表述保守：注明「无明确 license」	INFOBOX、§15 Q12

§24 常见误用与纠正（v2 接管补记）

#	常见误用	纠正	溯源
1	直接写「数据集有 7,410 张图」	注明 README 口径；实测 7,086（6,667 + 419）	坑 2、§2.9
2	「CDetector 论文提出了 CDetector」	论文原文未用此名，系第三方解读 PMC11760966 所起	边界事实、§15 Q1
3	把 Ds 的 26.3 与 Df 的 45.9 放同一列比较	两套划分口径，独立成表	§21 口径组二
4	把论文 45.9 与第三方 36.1 求平均	来源口径不同，永不合并	§21 口径组三、§15 Q9
5	自建类别映射写成 ASCUS 大写	11 类全小写（ascus 等）	§2.7、§15 Q6
6	在 RTX 30/40 系上直装 TF 1.8.0	CUDA 9.1 不支持 sm_80+；走 §13 路线 A/B	§13
7	「数据公开所以能商用」	无 LICENSE 文件、无授权条款，默认保留所有权利	INFOBOX、§15 Q12
8	「AI-Ready = 下载即训练」	无加载脚本、标注在数据库，需转换与清洗	边界事实三、§2.8
9	把本条目当白内障数据集引用	宫颈细胞检测；白内障误记已排除并存照	§15 Q18
10	用 Herlev（917）/ SIPaKMeD（4,090）与 7,086 直接比指标	标注粒度不同（图像分类 vs 整图检测），范式可对照、数字不可互换	§14

§25 数据集体检报告（v2 接管补记）

六维体检（评估为编者依据条目内事实作出，依据列可溯源）：

维度	评估	依据
规模体量	中型：7,086 图 / 48,587 bbox，检测数据集中等，但为当时宫颈检测领域首个公开基准	§2.9、INFOBOX
标注质量	高：经验丰富病理医生、TBS 体系、bbox 级；灰区类别主观性仍在	INFOBOX、§2.7
文档完备	中：README 存在但 2022-09-06 后停更；无官方加载脚本	§11、§2.8
可及性	低-中：仅百度网盘 + HF gated（2025-09-12 起），无 DOI 直链	INFOBOX、附录 D
许可清晰度	低：仓库无 LICENSE 文件、数据无授权条款	INFOBOX、§15 Q12
社区活性	中：2025 年仍有第三方横评（PMC11760966）与 sota2 排行榜；仓库静态维护	§5、§11

三行读法：

体检短板集中在「许可 + 可及性」，属运营层而非学术层；学术层（标注、任务设计）是本数据集的长板。
「静态维护」不等于失效：第三方 2025 年仍在用它做标准测试床（§5）。
若你的项目对许可合规硬性敏感，先读 §15 Q12 与坑清单再决定是否入库。

§26 维护者手册与遗留待核汇总（v2 接管补记）

本条目版本表

版本	作者	行数	日期	说明
半稿	agent-d-cdetector	517	2026-10-04（中断）	五块直写 + 全部 FACTS 核实完成
v2 接管	agent-d-cdetector-v2	1,200+	2026-10-04	补写 §2.7-2.9、§4.5、§11-27、附录 D-F、FAQ 21 问；撞车甄别并入

遗留待核汇总（维护者优先级队列）

优先级	待核项	现状	建议动作
高	数据授权条款（商用边界）	无 LICENSE、无条款	联系团队取得书面授权路径
高	逐类实例分布精确数字	未公开，列遗留待核	复现时自行统计并存照
中	医院来源	未明	以论文伦理声明为准
中	HF gated 仓库与网盘包内容一致性	未核实	双渠道各取一份做文件级 diff
中	README 权重与论文版本的对应	未确认	自训对齐，勿默认权重 = 论文结果
低	arXiv 提交人 Jialin Chen 与署名 J. Chen 的关系	存疑存照	查 ORCID / 论文署名页
低	早期仓库址 kuku-sichuan 的完整历史	仅有迁移痕迹	Wayback Machine 存证

更新 SOP（库内惯例）

新事实先落 FACTS.md，再动条目正文；成稿只引用不发明。
增量写私有区 .parts_ 前缀目录，锚点拼接，禁直改正文既有段落。
口径打架不调和：写进 §10 坑点清单（坑 N 编号续接，勿复用旧号）。
每次改动后跑双零自检（check_md.py + preflight_check.py），零输出才交付发布管线。
尾注追加版本记录，旧文本不删（接力可追溯）。

触发器（何时该更新本条目）

网盘 / 仓库链接失效 → 更新附录 D 并记录验证日期。
HF gated 政策变化 → 更新 §21 口径组四。
团队新论文引用本数据集 → 更新 §12 研究轨迹与 §11 时间线。
第三方新横评发布 → 更新 §5 与 §21 口径组三。

§27 库内相关条目索引（v2 接管补记）

库内条目	与本条目的关系	建议读法
herlev-pap	传统涂片、单细胞分类线始祖（917 张）；论文对比实验直接使用	读 §14 对照表后转该条目看类别体系
sipakmed	液基制片、单细胞分类（4,090 张）	同上，注意标注粒度差异
camelyon16 / camelyon17	淋巴结转移检测（病理图像目标检测大类）	范式对照：大切片 vs 涂片
digestpath	消化道病理检测	同上
midog	有丝分裂检测（显微目标检测）	跨任务域的小目标检测方法借鉴
consep / tupac16 / unitopatho	细胞核相关任务（分割 / 分型）	frontmatter relatedLink 九条互链的其余成员

索引读法：本条目补齐库内「整图检测线」，与前两线（单细胞分类、整图分类）条目构成宫颈/病理细胞学基准群；跨条目引用时先读 §14 的粒度提醒。

§28 自测题库：25 问校验你读懂了没有（v2 接管补记）

全部答案均可在本条目内溯源；建议读完 §0-§27 后自测。

Q：「CDetector」这个名字是论文官方名吗？
A：不是，出自第三方解读 PMC11760966（边界事实、§15 Q1）。
Q：数据集实测多少张图？
A：7,086 = 6,667 训练 + 419 测试（§2.9）。
Q：README 口径是多少？
A：7,410 = 6,666 + 744，与实测并存（坑 2、§21）。
Q：全库多少个 bbox？
A：48,587 个（INFOBOX）。
Q：几类？什么体系？大小写？
A：11 类 TBS 体系，全部小写（§2.7）。
Q：唯一的腺来源类别是？
A：agc（§2.7）。
Q：实例最多的类别是？
A：ascus（§2.7）。
Q：Ds 是什么？
A：762 张的小训练集，从 Df 抽取（§15 Q10）。
Q：Ds 上主结果？
A：mAP 26.3 / AR 35.7（基线 6.6 / 12.9）（§4.5）。
Q：Df 上主结果？
A：mAP 45.9 / AR 63.5（基线 45.2 / 58.9）（§4.5）。
Q：消融链怎么走？
A：34.1 → 41.0 → 43.7 → 44.5（§4.5）。
Q：parameterized ℓ2 与 concat 的对照？
A：44.5 vs 42.5（§4.5）。
Q：GPRB 收益最大的单类？
A：herps，AP 0 → 45.0（§2.7）。
Q：训练多少轮？学习率怎么调？
A：60 epochs，第 35/50 epoch 处 ×0.1，初始 0.001（§2.9）。
Q：论文框架栈？
A：TF 1.8.0 + CUDA 9.1 + cuDNN 7.0（§13）。
Q：数据从哪获取？
A：百度网盘（提取码 fphm）+ HF ruofu gated（2025-09-12 起）（附录 D）。
Q：有 license 吗？
A：仓库无 LICENSE 文件、数据无授权条款（INFOBOX、§15 Q12）。
Q：论文何时见刊？
A：Neurocomputing 437:195-205，2021-01-04（§11）。
Q：第一作者与通讯作者？
A：梁毅雄（Yixiong Liang）/ 向瑶（Yao Xiang），中南大学（INFOBOX、§12）。
Q：受哪些基金资助？
A：NSFC 61672542、61972419；湖南省 2020JJ4120；长沙市 kh1902014（§12）。
Q：第三方独立复现的数字？
A：PMC11760966：AP 36.1 / AP50 65.3 / AR 48.8（§5、§21）。
Q：sota2 的 Dataset B 口径？
A：29.8 / 51.4 / 54.4（§21）。
Q：Herlev 与 SIPaKMeD 的规模？
A：917 张与 4,090 张，均为图像级分类（§14）。
Q：图像怎么制片与扫描？
A：Thinprep 液基制片、巴氏染色、Pannoramic MIDI II 扫描（§15 Q11）。
Q：这是白内障数据集吗？
A：不是，任务域白内障误记已排除并存照（§15 Q18）。
Q：网盘提取码是什么？
A：fphm（INFOBOX、附录 D）。
Q：论文 arXiv 版的许可？
A：nonexclusive-distrib 1.0（INFOBOX）。
Q：有 DOI 直链下载吗？
A：没有，数据无 DOI 直链、无国际托管（INFOBOX）。
Q：GitHub 仓库在哪个 org 下？有什么误导？
A：CVIU-CSU，org 名易让人误以为刊于 CVIU 期刊（§15 Q15）。
Q：仓库早期地址在哪？
A：kuku-sichuan 名下，后迁移（§11）。
Q：复现时两个哨兵类是？
A：herps（验背景建模）与 agc（验少样本召回）（§13）。
Q：背景参考样本怎么来？
A：论文给出四步生产流程，见方法节，不可省并（§13）。
Q：bbox 清洗建议？
A：删除边长 <4px 的 bbox 并记录删除量（§2.8）。
Q：「六+五」双职责指什么？
A：6 类上皮异常 + 5 类微生物/菌群指征（§2.7）。
Q：GPRB 相关的簇数设置？
A：ascus 3 簇、asch 4 簇、lsil 2 簇（§2.7，语境见论文方法节）。
Q：为什么 AR 在这里特别重要？
A：暴露小类召回缺口；Df 上 AR +4.6 大于类 mAP 增量（§15 Q5）。
Q：团队后续工作发表在哪？
A：CMPB 2021 与 IEEE JBHI 2023（§12）。
Q：仓库现在还在维护吗？
A：README 2022-09-06 后停更，静态维护（§11）。
Q：2025 年还有人在用它吗？
A：有，PMC11760966 十检测器横评与 sota2 排行榜（§5）。
Q：库内互链有多少条？
A：frontmatter relatedLink 九条（§27）。
Q：「AI-Ready」的边界在哪？
A：有 bbox 级标注，但无加载脚本、图片标注分离，转换自理（边界事实三、§2.8）。
Q：它的规模在检测数据集里算大吗？
A：中型；「大规模」仅相对当年宫颈检测领域无公开基准而言（坑 7、INFOBOX）。
Q：这条目以后怎么维护？
A：按 §26 SOP：FACTS 先行、私有区增量、坑点存照、双零自检（§26）。

§29 信息流一图流（v2 接管补记）

论文（arXiv:1810.05952 v1→v5 / Neurocomputing 437:195-205）
├── 方法：Faster R-CNN + FPN → 比较分类器（proposal × 各类原型）
│   └── GPRB：背景原型从数据学习 → herps AP 0→45.0、消融链 34.1→44.5
├── 数据：7,086 张 TCT（Thinprep / 巴氏染色 / Pannoramic MIDI II）
│   ├── Df：6,667 train + 419 test → mAP 45.9 / AR 63.5
│   └── Ds：762（少样本口径）→ mAP 26.3 / AR 35.7（基线 6.6/12.9）
├── 标注：48,587 bbox × 11 类 TBS 小写标签
│   ├── 六上皮：ascus / asch / lsil / hsil / scc / agc（唯一腺类）
│   └── 五微生物：trichomonas / candida / flora / herps / actinomyces
└── 分发：百度网盘（提取码 fphm）+ HF ruofu gated（2025-09-12 起）
    └── 第三方：PMC11760966 十检测器横评（36.1/65.3/48.8）、sota2 排行榜

图读法：四条枝互不混排——方法枝看 §3-§4，数据枝看 §2，标注枝看 §2.7-2.8，分发枝看附录 D；口径规则见 §21。

附录 G：数字反向索引（v2 接管补记）

按「数字 → 含义 → 详见章节」组织的反向检索表，与 §2.9 正向速查互补：

数字	含义	详见
7,086	图像总数（实测）= 6,667 + 419	§2.9、§21
7,410	图像总数（README 口径）= 6,666 + 744	坑 2、§21
762	小训练集 Ds 图数	§15 Q10、§21
48,587	bbox 总数	INFOBOX、§2.9
11	类别数（TBS，全小写）	§2.7
26.3 / 35.7	Ds 方法 mAP / AR	§4.5
6.6 / 12.9	Ds 基线 mAP / AR	§4.5
45.9 / 63.5	Df 方法 mAP / AR	§4.5
45.2 / 58.9	Df 基线 mAP / AR	§4.5
4.6	Df 上 AR 提升点数	INFOBOX、§4.5
34.1 → 41.0 → 43.7 → 44.5	Df 消融链	§4.5
44.5 / 42.5	parameterized ℓ2 / concat 对照	§4.5
0 → 45.0	herps 类 AP 消融前后	§2.7、§4.5
0.001 / 0.0001 / 0.9	初始 lr / weight decay / momentum	§2.9
35 / 50 / 60	lr 衰减 epoch / 总 epochs	§2.9
2 × 2	minibatch：2 图/卡 × 2 卡	§2.9、§13
2018-10-14	arXiv v1 提交日	§11
2019-12-23	arXiv v5 提交日（提交人 Jialin Chen）	§11
2021-01-04	Neurocomputing 437:195-205 刊出日	§11
2022-09-06	README 最后更新日	§11
2025-09-12	HF ruofu 仓库转 gated 日	§11、§21
61672542 / 61972419	NSFC 资助号	§12
2020JJ4120 / kh1902014	湖南省 / 长沙市资助号	§12
36.1 / 65.3 / 48.8	第三方复现（PMC11760966）：AP / AP50 / AR	§5、§21
29.8 / 51.4 / 54.4	sota2 Dataset B 口径	§21
917 / 4,090	Herlev / SIPaKMeD 图像数	§14
fphm	网盘数据集提取码	INFOBOX、附录 D

附录 A：逐项证据链自证

关键数字/事实	来源	位置/时点
总量 7,086 图 / Df 6,667 + test 419 / Ds 762 / 48,587 bbox / 11 类 / Thinprep + 巴氏 / Pannoramic MIDI II	论文 v5 PDF（arXiv:1810.05952）§4.1 原文直读	2026-10-04 下载，私有区 paper_1810.05952.pdf
Ds：CD 26.3/35.7 vs baseline 6.6/12.9；Df：CD 45.9/63.5 vs baseline 45.2/58.9；逐类 AP（疱疹 0→45.0 等）	同上，Table 6 原值	同上
消融链（背景学习 34.1、全金字塔 41.0、平衡 43.7、参数化 ℓ2 44.5）	同上，Table 1/2/3/4	同上
参考样本池 1,560 / 每类约 150 / 簇数 ascus 3、asch 4、lsil 2	同上，§3.4 与 Table 4	同上
README 口径 7,410 = 6,666 + 744；网盘三链接（提取码 fphm）；1 像素坏框自曝；环境 TF1.8/CUDA9.1/cuDNN7.0；README 更新 2022-09-06	GitHub CVIU-CSU/ComparisonDetector README	2026-10-04 实抓（WebFetch + 搜索快照双源）
期刊版 Neurocomputing 437:195-205, 2021, doi:10.1016/j.neucom.2021.01.006；刊出 2021-01-04	dblp j16 + 中南大学教师主页 + ScienceDirect 页面	三源互证，2026-10-04
arXiv 版本链 v1 2018-10-14 → v5 2019-12-23；提交人 Jialin Chen；license nonexclusive-distrib 1.0	arXiv 摘要页（ADS 网关镜像）	2026-10-04
作者与分工、基金（NSFC 61672542/61972419、湘 2020JJ4120、长沙 kh1902014）、CRediT	ScienceDirect 期刊页（burnsjournal.com 镜像）+ 教师主页	2026-10-04
第三方横向评测（AP 36.1/Comparison detector AR 48.8 等）	PMC11760966 搜索快照	2026-10-04
sota2 排行榜数字（ours 29.8/51.4/54.4 等）	sota2.com 搜索快照	2026-10-04
HF 第三方镜像 ruofu/ComparisonDetector（gated、2025-09-12、downloads 1）	hf-mirror.com API 实抓	2026-10-04
slug 查重 0 命中	ai_ready_dataset（status=1，ILIKE cdetector）	2026-10-04 只读查询

附录 B：引用规范卡

场合	引用写法
论文/基准对比	Liang Y, Tang Z, Yan M, Chen J, Liu Q, Xiang Y. Comparison detector for cervical cell/clumps detection in the limited data scenario. Neurocomputing 2021;437:195-205. doi:10.1016/j.neucom.2021.01.006
预印本口径	arXiv:1810.05952（v5, 2019-12-23）
数据规模	「7,086 张 Thinprep 液基显微图像、48,587 个病理医生标注 bbox、11 类 TBS 体系（Df 6,667 / test 419 / Ds 762）」——期刊版口径
少样本结果	「Ds（762 图）上 mAP 26.3% / AR 35.7%，对 Faster R-CNN+FPN baseline（6.6%/12.9%）提升约 20 点」
数据充足结果	「Df 上 mAP 45.9% / AR 63.5%（baseline 45.2%/58.9%）」
获取说明	「官方经百度网盘分发（提取码 fphm），数据与代码未声明 license，使用前需联系作者」

附录 C：一图流任务定位

宫颈细胞学公开数据生态（任务线视角）
├── 单细胞分类线：Herlev(917) → SIPaKMeD → ……（形态学细分类）
├── 整图分类线：Intel/MobileODT 竞赛数据 → ……（涂片级分诊）
└── 整图检测线：CDetector(7,086/48,587bbox/11类) → 团队后续(CMPB 2021/JBHI 2023)
                └── 第三方持续复用（PMC 2025 横评、sota2 排行榜）
本库覆盖：前两线已有条目（herlev-pap/sipakmed/intel-mobileodt 在建），本条目补齐检测线

附录 D：来源 URL 存照清单（v2 接管补记）

写手代理 v2 接管期间逐项核对过的外部来源；完整存照以 FACTS.md「来源存照」节为准，本表仅列定位符以防转录漂移：

来源类型	定位	在本条目中的用途
arXiv 预印本	arXiv:1810.05952（https://arxiv.org/abs/1810.05952 ；v1 2018-10-14 → v5 2019-12-23，v5 提交人 Jialin Chen）	全文事实基准、§11 时间线
期刊正式版	doi:10.1016/j.neucom.2021.01.006（https://doi.org/10.1016/j.neucom.2021.01.006 ）；Neurocomputing 437:195-205，2021-01-04 刊出	§1、§11
官方 GitHub 仓库	https://github.com/CVIU-CSU/ComparisonDetector （README 最后更新 2022-09-06；早期仓库痕迹 kuku-sichuan）	§2.8、坑 2
第三方解读与横评	PMC11760966（https://pmc.ncbi.nlm.nih.gov/articles/PMC11760966/ ；AP 36.1 / AP50 65.3 / AR 48.8；「CDetector」命名出处）；sota2.com 第三方排行榜	边界事实、§4.5、§5
数据网盘	百度网盘（数据集提取码 fphm）；测试集与模型权重另有链接	§2.8、§13
Hugging Face	ruofu 名下 gated 仓库（2025-09-12 起 gated；经 hf-mirror.com API 检索核实）	§13

引用纪律：论文引用以 arXiv:1810.05952 / Neurocomputing 正式版题目为准，勿把第三方所起的「CDetector」当作论文官方名。
网盘与 HF 双渠道互为备份；HF 走 gated 申请，网盘提取码以仓库 README 现行版本为准。

附录 E：引用格式范例（v2 接管补记）

BibTeX（字段值取自附录 D 已核实书目信息；作者全名以论文署名页为准，title 勿用第三方所起之名）：

@article{cdetector-neurocomputing-2021,
  author  = {Liang, Yixiong and Tang, Z. and Yan, M. and Chen, J. and Liu, Q. and Xiang, Yao},
  title   = {<以 arXiv:1810.05952 / Neurocomputing 正式版原文题目为准>},
  journal = {Neurocomputing},
  volume  = {437},
  pages   = {195--205},
  year    = {2021},
  doi     = {10.1016/j.neucom.2021.01.006}
}

正文引用示例（三种场合）：

方法场合：「在宫颈细胞检测数据集与比较检测器（arXiv:1810.05952；Neurocomputing 437:195-205, 2021）上……」
数据场合：「该数据集实测含 7,086 张 TCT 涂片（README 口径 7,410）、48,587 个 bbox、11 类 TBS 标签……」
对比场合：「第三方在同等数据上的独立复现为 mAP 36.1 / AP50 65.3 / AR 48.8（PMC11760966），与论文 Df 口径 45.9 / 63.5 分列不同表格……」

附录 F：FACTS 核实要点对照（v2 接管补记）

写作期间 FACTS.md 中关键事实点的核实状态摘录（完整版以 FACTS.md 为准）：

事实点	核实状态	存照位置
论文三源互证（arXiv v5 PDF / GitHub README / Neurocomputing 版）	三源互证	FACTS.md；§2.1
规模双口径 7,086 / 7,410	已存照，未调和	坑 2；§2.9
48,587 bbox / 11 类小写标签	已核实	INFOBOX；§2.7
Df 45.9/63.5、Ds 26.3/35.7（基线 45.2/58.9、6.6/12.9）	已核实	§4.5
消融链 34.1→41.0→43.7→44.5；parameterized ℓ2 44.5 vs concat 42.5	已核实	§4.5
herps 单类 AP 0→45.0	已核实	§2.7、§4.5
作者六人同属中南大学；梁毅雄 / 向瑶	已核实	§12
基金四项（NSFC 61672542、61972419；湘 2020JJ4120；长沙 kh1902014）	已核实	§12
时间线（v1 2018-10-14 / v5 2019-12-23 / 见刊 2021-01-04 / README 2022-09-06 / gated 2025-09-12）	已核实	§11
第三方 PMC11760966（36.1/65.3/48.8）与 sota2（29.8/51.4/54.4）	已核实	§5、§21
网盘提取码 fphm；HF ruofu gated	已核实	附录 D
医院来源、逐类分布精确数字、gated 镜像内容	未明，遗留待核	尾注

尾注

本条目为 CDetector（Comparison Detector 宫颈细胞检测基准与方法）的 AI-Ready 百科化整理：事实层基于 arXiv:1810.05952 v5 PDF 原文直读、GitHub 仓库 CVIU-CSU/ComparisonDetector README 实抓、Neurocomputing 期刊版三源（dblp/ScienceDirect/中南大学教师主页）互证、第三方引用（PMC11760966、sota2.com、Lacuna）与 hf-mirror.com API 检索，抓取时点 2026-10-04。全部口径分歧（任务域白内障误记、规模 7,086/7,410 双口径、org 名误导、第三方评测口径）均如实存照于 §2.1、§5、§10 与 FACTS.md，未做调和与拼加；医院来源、逐类分布精确数字、gated 镜像内容等未明事项列于遗留待核。条目由写手代理 agent-d-cdetector 按五块直写流程成稿，双零自检（check_md.py + preflight_check.py）通过后交付发布管线。

v2 接管补记（2026-10-04，agent-d-cdetector-v2）：前实例 agent-d-cdetector 完成 517 行半稿与全部 FACTS 核实后被中断，本实例以 FACTS.md + 半稿为锚点接管续写，未推翻任何已核实内容。本次补写：读者画像路由表、三条边界事实、§2.7 十一类逐类临床语义、§2.8 标注格式与清洗指南、§2.9 数字汇总速查、§4.5 结果速查卡、§11 时间线年表、§12 团队与作者档案、§13 复现实战指南、§14 同类基准横向对照、§15 FAQ、§16 术语表、附录 D 来源 URL 存照、INFOBOX 补 Df AR 63.5%。接管期间发生同名双实例撞车（R007/R008 教训现场）：前实例两个私有区遗留文件被逐块甄别——覆写增强版（part_1.md）的读者路由表、三条边界事实与 INFOBOX AR 增量被直接吸收；异稿（part1/part2，结构与成稿相异）不整体拼接，仅将其训练配置全表、消融对照（parameterized ℓ2 44.5 vs concat 42.5）、清洗建议（删除边长 <4px bbox 并记录删除量）、11 类三观察（六+五双职责、ascus 实例最多、agc 唯一腺类）等事实点化入 §2.7-2.9 与 §13。全部增量内容写入 v2 私有区 .parts_agent-d-cdetector-v2_1791075586_1846021/，拼接仅引用本实例私有区文件；撞车事故经过按闭环纪律存照于此。

维度	内容
本质	宫颈细胞/细胞团目标检测数据集 + 少样本检测方法一体：数据集 7,086 张 TCT 涂片显微图像（论文口径），方法为比较检测器（Comparison Detector）
团队	中南大学计算机学院，第一作者梁毅雄（Yixiong Liang），通讯作者向瑶（Yao Xiang）；6 作者同机构
论文	arXiv:1810.05952（v1 2018-10-14 → v5 2019-12-23）；正式版 Neurocomputing 437:195-205, 2021（doi:10.1016/j.neucom.2021.01.006）
数据	7,086 张（README 口径 7,410）WSI 裁剪显微图；Thinprep 液基制片、巴氏染色；Pannoramic MIDI II 扫描
标注	48,587 个 bbox，经验丰富病理医生按 TBS 体系标注，11 类（6 类上皮异常 + 5 类病原体/伴随发现）
划分	Df 训练 6,667 + test 419（论文口径）；小训练集 Ds 762（从 Df 抽取）——README 口径见坑 2
方法	Faster R-CNN + FPN 之上加比较分类器：proposal 与各类原型表征比较；背景原型从数据中学习（GPRB）
核心结果	Ds（762 图）mAP 26.3% / AR 35.7%，baseline 仅 6.6% / 12.9%——提升约 20 点；Df 上 mAP 45.9% / AR 63.5%（AR +4.6）
获取	仅百度网盘（数据集提取码 fphm）；测试集与模型权重另有链接；无 DOI 直链、无国际托管
许可	无明确 license：仓库无 LICENSE 文件、数据无授权条款；论文 arXiv nonexclusive-distrib 1.0
第三方复用	PMC11760966（2025）在 CDetector 上系统评测十种检测器；sota2.com 设第三方排行榜
库内互链	Herlev Pap（论文对比实验直接用了 Herlev）、SIPaKMeD、CAMELYON16/17、DigestPath、MIDOG
定位提醒	7,086 张在检测数据集里属中型规模——「大规模」是相对当时宫颈检测领域无公开基准而言（坑 7）