第402章 苏杨的分析（2/4）

瘤体破裂后症状的严重程度与人的心腔及窦瘤外破口大小密切相关，破入右心将引起左向右分流，破口大则分流量大，病情凶险，所以这个患者很可能死于低血压休克，因此，必须尽快手术抢救。患者剧烈腹痛，考虑系急性右心衰竭，肝淤血、肝包膜牵张所致。”

苏杨把他的分析一一说了出来。

不过，他的大招还没有放呢。

说完了这些，他这才加重了语气道：“不过，让我真正确诊的，却不是刚才的这些判断，而是这张片子！”

苏杨开始指着阅片器上的片子说了起来。

“不知道大家有没有听过TJ-1深度学习分割网络模型？”苏杨首先问大家。

啥？

很多人听了苏杨说的那个名次，直接傻眼！

TJ-1深度学习分割网络模型？

这是什么鬼？

现场三分之二的人直接连这个名字都没能成功复述？

站在一侧的李云也听得眼皮突突一跳。

苏杨看了大家一眼，很快就知道应该是没有人听懂了。

他以前在广城的时候曾经跟那里的影像学专家进行过长时间的交流和学习，那个专家可是院士，全国有名的影像学专家，经验丰富，能力强悍，再加上苏杨他本身又有系统，是以很快就获得了长足的进步，此时，苏杨的看片能力已经没有多少人能比了，他能够把从片子上看到的一些图像还原成数据，然后再利用算法，把这些数据转换成相应的数学模型，通过模型来比对这一种影像代表的是什么疾病，这种能力，实话实说，百分之九十的影像学工作者都是不具备的！

“我是根据已有的经验知识，结合了主动脉瘤CT影像的特点，并吸取了TJ-1全卷积网络模型计算的经验，设置出了一套自己的判断方法，最开始的时候我主要是去各大数据库下载主动脉瘤CT影像切片，通过手工标注，然后得到了标准参考图，根据参考图，我再把图像还原为数据，然后重建模型，刚才我就是利用我脑海里的模型结合我们的这一个片子综合判断，这才肯定患者应该是主动脉瘤破裂。”

苏杨见大家还是不解，只得又解释了一句：“基于深度学习算法的TJ-1网络模型是一种很好的深度学习算法，他利用已经得到的主动脉瘤CT影像数据，进行迭代训练实验，最终将学习好的TJ-1模型用于主动脉瘤CT影像的分割任务。在实验中发现，TJ-1网络模型能够很好地适应主动脉瘤CT影像分割。我的判断就是基于这种方法。”

但大家越发听得一头雾水了。