在计算机断层扫描中，通用病灶检测（ULD）在计算机辅助诊断中发挥着重要作用。尽管粗细两阶段检测方法已报告了有前景的ULD结果，但这类两阶段ULD方法在目标提议阶段仍面临正负锚点不平衡的问题，以及在感兴趣区域（RoI）提议的定位回归和分类过程中监督不足的问题。虽然利用伪分割掩模（如边界图（BM））可以在一定程度上减少上述问题，但在ULD中有效处理多样化的病灶形状和大小仍然是一个开放性问题。本文提出了一种基于BM的条件训练方法用于两阶段ULD，该方法可以：(i) 通过基于BM的条件机制（BMC）进行锚点采样，而不是传统的基于IoU的规则，从而减少正负锚点不平衡；(ii) 从病灶边界框自适应地计算尺寸自适应BM（ABM），并利用ABM监督分割以提高病灶定位精度。与四种最先进方法的实验对比表明，所提出的 方法能够在不增加昂贵的病灶掩模注释的情况下，几乎无成本地提升检测准确性。