《蓝城风云：聚会追踪局》

《蓝城风云：聚会追踪局》

医师议会的黑曜石碑上有两行字：
“每 4 平方毫米，有几场聚会？”——这叫 FS。
“即使没有逐点点名册，也要给出答案。”——这叫 勇气。

序：雾色蓝城

蓝城像被苏木素轻轻拂过，夜色里只剩蓝。无数细小的光点在巷口闪烁——那是核核族。
新来的探员小维接到任务：读懂每张 4 mm² 的地图，数清其中的热闹聚会（灶）。

第一章：翻译师与比例尺

H·译者披着蓝光披风，把五彩地图翻成“蓝色最清楚”的语言（提取 H 通道），核核族纷纷现身。小维把地图按同一比例尺缩放（
resize_to），像把大小不一的纸张放进同一画框，后面的比较更公平。

原理注：H 通道强调苏木素信息；统一缩放削弱扫描/分辨率差异。

第二章：窗窗与热度图

窗窗计数师背着一扇固定大小的“窗子”（滑窗
nuclei_local_win），挨家挨户地数：
“这一片大概有多少人？”
他把结果拼成一张近似计数热图：越亮越热闹。
他还估了一个单人面积的中位数，把像素换成“大概的人数”。

原理注：核掩膜 → 滑窗积分 → 计数热图；用中位面积做“单核面积”近似。

第三章：没有名册，也要上课（弱监督）

蓝城没有“逐点点名册”，只有一卷卷阳性地图。
锄头矿工从热图里挖出两张清单：

伪正：最热闹的地方（像聚会）。伪负：最冷清的地方（不像聚会）。
坐标统统放进缓存仓库，下回不用重挖。

原理注：Positive-only 弱监督，用密度先验自动构造二分类训练样本。

第四章：两所学院与影分身

维特学徒（ViT）背着艾姆佩小脑袋（MLP），对着一块块小图判断“像不像聚会”。
蓝城有两所学院：

速成学院：轻装上阵（
AMP/channels_last/compile），小图、少样本，练得快；名校学院：全精度、大图、多样本，再配EMA/SWA 稳住心性，考试时用TTA/multi-crop多角度复查，练得慢但扎实。

后来，来了位沉默的导师——老师·影分身（EMA Teacher）。
他不吼人，只在学生的弱增广视角下给出温和的“参考答案”；学生在强增广下也要给出相同结论。
这叫一致性训练：换姿势看世界，答案也要稳住。

原理注：ViT+MLP 二分类；速度/精度权衡；EMA 教师一致性增强“概念稳度”。

第五章：三把洞察之锄

色彩枢纽·Macenko：把不同染色风格拉回同一调子，像调音师给乐团定音。难负挖掘：在低密度却被模型高分的地方“打脸采样”，把“假热闹”做成强负例，让学生记牢界线。多尺度侦查：远望、近看与平视（
0.8/1.0/1.2×），有些聚会只有换个距离才看得见。

原理注：颜色标准化提升跨批鲁棒；难负样本锐化边界；多尺度降低漏检。

第六章：巡街抓现行（推理）

热点筛选：在热图上挑≈≥50 的窗子（
cell_count_thr≈50）当候选。逐点判定：对每个热点裁小图给模型打分；名校学院会翻转/旋转并多点裁剪取最可信分数。地域限制：只在组织掩膜覆盖的“居民区”判定，荒地不计。秩序去重：恩姆斯（NMS）把挨得近的圈合成一个，避免重复计数。

原理注：热点先验 + 模型复核；TTA/multi-crop 提升稳度；NMS 去重；组织掩膜保证分母口径。

第七章：终审与证据

西格玛终审官在黑板上写：

N：去重后的聚会个数。S：腺体实质面积（按
μm/px 换算，全纳入）。

随后递上两样证据：

叠图：红圈与概率写得明白；JSON 清单：
FS、S_mm2、N_focus、points（坐标+概率），便于质控/统计/复现。

尾声：给未来的蓝城

要大规模扫图/快速迭代，去速成学院；要更稳更准、对召回更苛刻，请名校学院；若数据更杂、场景更难，就把老师·影分身请进课堂，再配难负挖掘与多尺度侦查。

蓝城夜深，窗灯一盏盏亮起。小维把最后一张叠图扣在档案上，露出笑意：
“先让密度告诉我们哪里热闹，再让模型鉴定真假，按规矩计分，把证据留给医生。”
FS，也在这片灯火里，被稳稳写下。

附：一眼看懂的原理索引

H 通道：突出细胞核（苏木素）。近似计数热图：滑窗统计局部“人数”。伪正/伪负：从阳性图自动挖样本。ViT+MLP：判“像/不像聚会”。EMA 一致性：强/弱视角答案要一致。难负挖掘：在低密度高分处采样强负例。多尺度：不同尺寸下重复侦查。组织掩膜与 NMS：只在居民区计数、避免重复。FS 公式：N / (S/4)；输出叠图 + JSON 以便复核与评估。