我的美母教师 | 乡村精品合集 | 乡村活寡 | 乡村欲爱 | 乡村春潮 | 乡村花医 | 欲望乡村（未删） | 乡村艳福 | 乡村春事 | 人妻四部曲

快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部! 如果本书没有阅读完，想下次继续接着阅读，可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能！

　　不一会儿讲座就开始了。
　　主持人首先上台。
　　主持人用清脆的嗓音道：“下面，让我们用最热烈的掌声请出今晚的重量级嘉宾，他就是我国著名的影像学专家，陶宇教授！”
　　啪啪啪啪！
　　热烈的掌声一下响了起来。
　　那个老人大步流星地走上了讲台。
　　他没有坐着，而是手持话筒，站着开讲。
　　老人的声音十分洪亮，所以他的话被放大后，正好站在一个音响旁边的苏杨时不时就被震得耳朵嗡嗡嗡的响。
　　老人的讲座非常幽默，也很风趣，时不时就逗得大家哈哈大笑，当然，他的讲座更多的是给人启迪和启发，苏杨听了，好几次都是恍然大悟，就像一扇怎么也打不开的窗子忽然一下就打开了一样，感觉非常地棒。
　　时间过得很快，一下就到晚上的九点三十了，讲座已经进入了尾声，老先生很快就道：“今晚就讲到这儿吧，下面给大家留几分钟的时间，如果大家有问题，可以提问。”
　　苏杨等的就是现在啊！
　　这个机会他已经等了好几个小时了，早就迫不及待。
　　听到老先生的话后，他立即大声地道：“陶教授，我能请教你一个问题吗？”
　　苏杨的声音也不小，再加上此时会场里十分安静，所以他的声音大家都听到了，很多人都扭过头看着他。
　　老先生也看向了他。
　　老先生笑着点了点头：“当然可以，你说！”
　　一个工作人员连忙把一个话筒递给了苏杨，苏杨接过，打开，敲了敲，听到回音了，这才不慌不忙地开口。
　　“陶教授，你刚才说许多肺部病变通常都表现为结节，肺结节是肺部病变的重要表征之一。CT图像通常可以较准确地估计结节病的类型、肺间质病变的程度和淋巴结肿大的情况，尤其是高分辨率　CT，为肺间质病变的诊断更为准确。但是因为肺结节多变的性质，如形状、尺寸、强度、位置等使得准确分割包含结节，尤其是胸膜结节的肺部　CT　图像非常困难。那么，陶教授，你能不能介绍一下，这个问题应该怎么解决？”
　　老先生听了一愣。
　　他刚才的确讲了这些问题，但因为这些东西并不是讲座的主要内容，所以他基本都是一笔带过，可是他没想到，苏杨不但把那些东西听进去了，而且全部都记住了，而且还举一反三，想到了解决的问题上！
　　他看了苏杨一眼，首先问道：“小同志，能做一个自我介绍吗？”
　　苏杨连忙道：“陶教授，你好，我是军区医院野战医疗队的一名队员，我叫苏杨，现在正在军医大学进修，今晚刚好见到你来这儿搞讲座的海报，所以就进来了！”
　　“哦，原来是进修的学员！”老先生点了点头，顿了顿，他道：“由于肺部充满空气，相比于周围组织具有较低密度，因此阈值方法是一种常用的肺部　CT　图像分割方法。但对于包含胸膜结节的肺部　CT　图像来说，由于胸膜结节位置以及大小的多变性且与周围组织具有相似的密度，阈值方法难以准确的将其包含；
　　再者，靠近纵膈区域的高密度的肺部血管也被阈值方法排除在外导致肺门区域的凸凹不平，传统方法通常采用形态学方法进行光滑，但是形态学过分依赖结构元素的选取。
　　针对上述问题，我曾今提出过一种准确自动的肺部CT　图像分割方法和一种有效的肺部边界校正和光滑算法，你想听听吗？”
　　“想！”苏杨急忙点头。
　　“其他人呢？”老先生问。
　　“。。。。。。”
　　但没有人回答。
　　肺部CT　图像分割方法？
　　肺部边界校正和光滑算法？
　　这是医学院的学生应该学的内容？
　　好像不是吧？
　　再说了，就算是，现场的人也没有了解的啊！
　　所以没有人吭声。
　　老先生看了看，只得无奈地道：“小苏同志啊，要不这样吧，你这个问题现场估计也没有人能听得懂，而且估计也没有人想听，所以，要不这样吧，我们现在暂时不占用大家的时间，等一会儿散会了，我们两个再单独讨论这个问题，你看可以吗？”
　　“可以，谢谢陶教授！”苏杨急忙点头。


第229章　来读我的研究生吧

　　229来读我的研究生吧
　　苏杨本来想站在过道里安静等待，可是陶宇却招了招手：“小苏，上来这里坐。”他指了指第一排领导坐的位置，苏杨才要推辞，陶宇就道：“我们一会儿抓紧时间交流，好吧。”
　　第一排的位置上，有一个领导模样地人也站了起来朝苏杨招手，示意他赶紧来他身旁坐好，苏杨无奈，只得三步并作两步，去到第一排坐好了！
　　提问交流的环节继续进行。
　　“陶教授，我想向你请教一个问题，CT在髋关节相关疾病的诊断中有什么禁忌吗？”
　　陶宇没有立即回答，而是静静地看着那个学员，一直看了五秒，看得那位学员心中都有些发毛了。
　　这之后，陶宇才平静地道：“如果我没记错的话，我在讲你刚才问的这个问题的时候，你正好扭头和你身后的那个女学员谈笑风生，是吧？”
　　“。。。。。。”
　　那个学员一下羞红了脸，一句话也说不出来。
　　其他人则哄然大笑。
　　不过陶宇还是简明扼要地做了一个介绍。
　　“下一位。”陶宇很快道。
　　不过没有人敢立即站起来提问了，因为刚才陶宇教授已经表达出了他的愿望，不要提一个他已经讲过的问题，所以那些听讲座的过程中开过小差的人就不敢站起来了。
　　一直过了十多秒左右，才有一个男性学员站起来道：“陶教授，我有一个问题想请教你，你刚才提到过的形态学方法光滑是不是国外最先研究出来的东西？你能不能给我们做一个详细介绍？”
　　陶宇听了，又是一阵沉默。
　　这一些学员这是怎么了？
　　这不是教材上的基础知识吗？
　　怎么会认为这是国外的最先研究？
　　他又是恨铁不成钢又是无可奈何，只得耐着性子道：“你这个问题，我建议你回去翻你们的教材，327页，那里有详细介绍，好吧？”
　　“。。。。。。”
　　那个学员再次羞愧地低下了头。
　　他本来想在一个喜欢的女生面前好好表现一番的，哪儿知道。。。。。。
　　鉴于前面的两个学员都碰了钉子，于是再也没有学员敢站起来提问了。
　　“下一个！”陶宇道。
　　但没有人站起。
　　“下一个？还有想要提问的学员吗？”主持人也环视一圈问。
　　但真的没有人再站起。
　　陶宇愈发失望。
　　当他的目光看到安静坐着的苏杨时，心中就越发觉得欣慰，不管怎么说，今天晚上还是有一个学员提出了一个他觉得还算有点意思的问题。
　　“还有吗？没有大家就散了！”陶宇迫不及待地道。
　　没有人站起。
　　“那今天就到这儿吧！”陶宇干脆地道，说完后他朝苏杨招了招手，脸上的笑容怎么也隐不住。
　　苏杨连忙站起。
　　“我们继续刚才的话题。”陶宇看着苏杨道。
　　“好的，谢谢陶教授。”
　　“你刚才说的那个问题，我之前做过相关研究，找到了一种新的针对含胸膜结节的肺部　CT　图像分割法。
　　这种方法主要包含四步：图像预处理，胸腔抽取，肺部辨别和肺部边缘修复。
　　在图像预处理阶段，为了减少噪音对于分割算法的影响，首先利用各向异性扩散滤波方法对图像进行光滑；由于人体肺部体积非常大，完整扫描整个肺部通常包含数百张　CT　切片，分割这些数据需要消耗巨大的计算量，因此为了减少计算量，在胸腔抽取阶段，我利用阈值方法大致抽出胸腔区域，在随后的过程中仅对胸腔区域数据进行处理；
　　接下来在肺部辨别阶段，我首先利用模糊　C　均值方法先将气体填充区域分割出来，然后利用区域增长方法将大的气管去除；由于胸膜结节和周围的组织具有相似的灰度，导致上述分割结果难以将其准确包含，再者肺部血管也被排除导致靠近肺门区域的凸凹不平，因此在最后的肺部边缘修复阶段，我利用迭代自适应平均算法和自适应曲率阈值方法将丢失的胸膜结节重新包括进来。
　　实验结果表明，我的这种方法不仅可以有效的包含胸膜结节，而且可以光滑地包含肺门区域的血管。”
　　陶宇详细介绍，一一阐述，有条有理，深入浅出，几句话就听得苏杨连连点头。
　　苏杨现在的影像学水平已经达到入门级了，他的看片能力其实也并不算差，只要不是太特殊、太复杂的病例，他基本还是能说出一个三四五六的，但一些复杂的病例，或者一些特殊的片子，他就看不懂了。
　　因为此时他只知其然而不知其所以然，换句话说，他只知道这个病的片子应该是这么样子的，但不知道为什么片子会是这么样子的，这个片子呈此时的这个样子是为什么，是怎么来的，中间有没有一些东西被处理过了，等等等等，这些东西他都不知道。
　　但此刻，陶宇教授教他的这些东西，就是教他知其所以然，陶宇教授告诉他，这一个片子是怎么来的，为什么会这样，中间是不是会处理掉一些东西，等等等等。
　　简单的说，苏杨以前只会看人家处理好的片子，但现在，陶宇教授告诉他应该怎么处理片子。
　　大多数医生其实都只知道怎么看片子，对于怎么处理才会得到一张CT的片子，其实是不知道的，但很显然，知道怎么处理，再来研究怎么看，这将是一个巨大的进步和飞跃，就像那些修行的人一样，只要把这个问题搞通透了，就能取得突破！
　　陶宇起先只是滔滔不绝地讲，讲了一会儿，讲到了关键之处，顿时觉得只是用嘴巴讲是不够了，于是他一转身，拿起白板笔在白板上唰唰唰地写了起来。
　　“经典的模糊　C　均值聚类（Fuzzy　C　Means，　FCM）算法，即众所周知的模糊　ISODATA，是利用模糊隶属度值来确定向量相对于每一个类别的相近程度。FCM　算法在被在提出之时被作为早期硬　C　均值聚类（Hard　C　Means，　HCM）方法的一种改进，其中硬　C　均值聚类算法是指将每个像素直接并唯一的划分到某个类别当中。”
　　“FCM　将　n　个向量（　1，2，。。。，。）　i　x　i　n　？分为　c　个类，通过求得最优的聚类中心值以及模糊隶属度值使得目标函数达到最小。FCM　和　HCM　的主要区别在于　FCM利用模糊隶属度值实现分割，其中每一类的隶属度值均在【0，1】之间。不过任一向量对于所有类的隶属度的之和总等于　1，即。。。。。。”
　　陶宇一边讲一边写。
　　苏杨则在身旁听得津津有味，时不时地就连连点头。
　　陶宇问：“明白了吗？”
　　苏杨要么回答“明白了”要么就连忙说有点不明白，陶宇于是接着再讲。
　　大礼堂里鸦雀无声。
　　没有人离去，所有学员都目瞪口呆地看着，直接傻眼了。
　　大家本来只是好奇，苏杨这样的一个进修学员怎么会问出那么古怪的问题，他听得懂吗？
　　当然，大家也想听听陶宇怎么讲述。
　　是以大家都留了下来。
　　讲台上的话筒一直开着，起先是陶宇忘记关了，后面，主持人发现大家都兴致盎然，于是就故意把陶宇和苏杨的对话放了出来，所以大家都听见了。