陶宇詳細介紹，一一闡述，有條有理，深入淺出，幾句話就聽得蘇楊連連點頭。

蘇楊現在的影像學水平已經達到入門級了，他的看片能力其實也並不算差，只要不是太特殊、太複雜的病例，他基本還是能說出一個三四五六的，但一些複雜的病例，或者一些特殊的片子，他就看不懂了。

因為此時他只知其然而不知其所以然，換句話說，他只知道這個病的片子應該是這麼樣子的，但不知道為什麼片子會是這麼樣子的，這個片子呈此時的這個樣子是為什麼，是怎麼來的，中間有沒有一些東西被處理過了，等等等等，這些東西他都不知道。

但此刻，陶宇教授教他的這些東西，就是教他知其所以然，陶宇教授告訴他，這一個片子是怎麼來的，為什麼會這樣，中間是不是會處理掉一些東西，等等等等。

簡單的說，蘇楊以前只會看人家處理好的片子，但現在，陶宇教授告訴他應該怎麼處理片子。

大多數醫生其實都只知道怎麼看片子，對於怎麼處理才會得到一張ct的片子，其實是不知道的，但很顯然，知道怎麼處理，再來研究怎麼看，這將是一個巨大的進步和飛躍，就像那些修行的人一樣，只要把這個問題搞通透了，就能取得突破！

陶宇起先只是滔滔不絕地講，講了一會兒，講到了關鍵之處，頓時覺得只是用嘴巴講是不夠了，於是他一轉身，拿起白板筆在白板上唰唰唰地寫了起來。

“經典的模糊

c

均值聚類（fuzzy

c

means，

fcm）演算法，即眾所周知的模糊

isodata，是利用模糊隸屬度值來確定向量相對於每一個類別的相近程度。fcm

演算法在被在提出之時被作為早期硬

c

均值聚類（hard

c

means，

hcm）方法的一種改進，其中硬

c

均值聚類演算法是指將每個畫素直接並唯一的劃分到某個類別當中。”

“fcm

將

n

個向量(

1，2，...，.)

i

x

i

n

?分為

c

個類，透過求得最優的聚類中心值以及模糊隸屬度值使得目標函式達到最小。fcm

和

hcm

的主要區別在於

fcm利用模糊隸屬度值實現分割，其中每一類的隸屬度值均在[0，1]之間。不過任一向量對於所有類的隸屬度的之和總等於

1，即......”

陶宇一邊講一邊寫。

蘇楊則在身旁聽得津津有味，時不時地就連連點頭。

陶宇問：“明白了嗎？”

蘇楊要麼回答“明白了”要麼就連忙說有點不明白，陶宇於是接著再講。

大禮堂裡鴉雀無聲。

沒有人離去，所有學員都目瞪口呆地看著，直接傻眼了。

大家本來只是好奇，蘇楊這樣的一個進修學員怎麼會問出那麼古怪的問題，他聽得懂嗎？

當然，大家也想聽聽陶宇怎麼講述。

是以大家都留了下來。

講臺上的話筒一直開著，起先是陶宇忘記關了，後面，主持人發現大家都興致盎然，於是就故意把陶宇和蘇楊的對話放了出來，所以大家都聽見了。

大家起先還聽得津津有味，可是聽著聽著，情況突然變了，因為大家都聽不懂了！

媽的！

這不是醫學課嗎，怎麼高數都整出來了？

大家都傻眼了，看著陶宇在白板上唰唰唰寫出來的一大串計算，直接傻眼了。

很多人更是看見了外星人一般：“我艹！不是吧？醫學上還有這種東西？”

醫學上用到一些生物化學的知識，這很好理解，可是高數.....

大家都不知該說什麼了。

陶宇洋洋灑灑地講述，越講越是來了興致，越講越是唾沫橫飛。

呼——

他長長吐了口氣，隨後擰開一個礦泉水瓶咕咚咕咚地喝了幾大口，這才問蘇楊：“懂了嗎？”

“懂了。”蘇楊點頭。

“那你說說