COMPASS 用 YOLOv11 分割加自动筛选替代启发式彗星定位，在 DeepComet 基准上把框检测 mAP 从 0.664 提升到 0.713，并在 15 张样本外图像上把假阳性从 130 降到 6

COMPASS 用学习式实例分割取代 OpenComet 的阈值与形状启发式彗星定位，在公开 DeepComet 基准上取得更强的定位表现，框检测 mAPbb@[0.5:0.95] 从 0.664 提升到 0.713，困难彗星子集上掩膜 mAPmask@[0.5:0.95] 从 0.584 提升到 0.593。 此前 DeepComet 用 Mask R-CNN 加关键点检测头、GamaComet 用 Faster R-CNN、Ruz-Suarez 等用全卷积网络集成，均以分割精度为主要目标；COMPASS 把默认后端换成在 DeepComet 数据上微调的 YOLOv11 分割模型，并保留可替换后端，使定位环节成为可替换的学习模块。 在带专家标注的公开 DeepComet 数据集上以 mAP 评估，报告了框与掩膜两个指标及困难子集结果；训练与模型细节见补充材料 S2，完整结果见补充材料 S5 与表 S1–S3。

在 15 张完全留出的样本外图像（6 张蝙蝠 Eptesicus fuscus、9 张彩龟 Chrysemys picta，覆盖基线、UV 损伤与 UV 损伤加修复条件）上，COMPASS 相对 OpenComet 把假阳性从 130 降到 6、假阴性从 27 降到 14、真阳性从 128 升到 146，检测精确率从 0.636 升到 0.964、召回率从 0.845 升到 0.899。 这些图像被排除在模型开发（含训练与模型选择）之外，并由采集数据的实验室成员独立复核建立参考标签，因此该比较不是同分布基准上的复现，而是跨物种、跨染色与成像条件的迁移检验。 样本外评估共 15 张图像，参考标签由原实验室成员独立复核；彩龟用默认置信度阈值 0.2，蝙蝠用经验确定的 0.05 并启用可选预处理；逐图结果见补充材料 S6。

COMPASS 提供 OpenComet 不具备的自动彗星筛选模块：按尾 DNA 百分比划分损伤等级，再以处理条件特定规则与质量标志过滤，并标记重叠、图像边缘截断与低信号或空伪影；在匹配的真阳性检测上达到筛选精确率 0.986、召回率 0.858。 以往深度学习彗星工具提升的是定位与分割，是否纳入某条彗星进入下游分析仍依赖专家判断；COMPASS 把这一用户侧决策变成规则化、可调整、可审计的步骤，并输出绿框选中、红框剔除的可视化与含筛选依据的表格。 筛选指标只在匹配的真阳性 COMPASS 检测上计算，以区分保留/剔除决策质量与定位误差；筛选真阳性/假阳性/假阴性为 71/2/14，规则可由用户按细胞群体与实验流程调整。

在 5 张彗星密度更高的彩龟图像（约每图 60 条彗星，对比筛选数据集的约 10 条）上，COMPASS 与 OpenComet 在 141 个匹配彗星上测量一致，olive moment 的皮尔逊相关为 0.945、一致性相关系数为 0.857，并保持基线、损伤、修复条件的预期排序。 该分析专门用于测量一致性验证，图像不进入检测与筛选评估；结果说明尽管绝对值存在轻微系统性差异，两种工具会支持相同的组间生物学结论。 141 个匹配彗星、5 张图像，报告了皮尔逊相关与一致性相关系数，并观察到处理依赖趋势的一致性；完整结果见补充材料 S7 与表 S5。

该工作面向使用单细胞凝胶电泳彗星实验、需要标准化 DNA 损伤测量与可复现筛选决策的研究者与实验室，适用于荧光或类似成像条件下、与 DeepComet 训练分布（犬外周血单核细胞）相近或经可选预处理后可比的图像；对分布差异较大的图像，用户可降低检测置信度阈值并启用预处理，也可替换分割后端。流程保留人工复核接口，允许检查、接受、拒绝或新增检测，因此适合需要审计轨迹与跨实验一致性的场景，例如化合物遗传毒性评估、疾病机制研究与跨物种衰老研究。

样本外检测与筛选评估基于 15 张图像（6 张蝙蝠、9 张彩龟），测量一致性基于 5 张高密度彩龟图像上的 141 个匹配彗星，规模有限，向更多物种、染色方式与成像平台推广时的表现仍需观察。蝙蝠图像使用了经验确定的 0.05 阈值并启用预处理，而彩龟使用默认 0.2，阈值与预处理选择对结果的影响值得进一步刻画。测量比较中观察到绝对值存在轻微系统性差异，虽不影响处理依赖趋势，但在跨工具绝对数值比较时仍需留意。此外，正文将部分实现细节、训练配置与逐图结果放在补充材料中，仅阅读正文无法完整评估这些环节。