第102章 论文被引 (第3/3页)
在发表并计划发表的知名AI技术数倍于kaiming。
等到23年突破三百万都不是没有可能。
学术论文写的都赶上网络小说了，被引用数就相当于订阅，文章的实际被阅读次数还要数十倍于此。
能将学术论文写到这个热度，想来也是前无古人后无来者了。
而这些已经公布的文章当中，孟繁岐所留的谷歌邮箱，早已被各路邮件挤爆。
孟繁岐点进去的时候，电脑直接卡了个半死，过了半分多钟才缓过来。
收件箱中，请教问题的，杂志社约稿的，求未公开部分代码的，还有同事打招呼的，什么都有。
这些邮件当中，英文居多，但也有一部分是中文写就，应该是清楚他的国籍。
扫了一圈，其中一封来自于尚海市公共卫生中心的邮件引起了他的注意。
孟繁岐检索了一番，该中心是创立已经百年的市级三甲医院，拥有诸多类型的大型先进医疗设备，尤其擅长肝类疾病的诊断和治疗。
孟繁岐查阅了一下该医院的详细情况，推断他们手头应当有许多疾病不同仪器的成像结果。
阅读完邮件之后，孟繁岐明白了对方的来意，自己之前更新的带残差的U-Net分割办法，大幅度地提升了图像分割的技术水平和分割效果
尤其在比较细粒度的物体分割上，有了十分显著的飞跃。
而分割类型的任务，在医疗影像的应用上是非常重要的。
因为在医疗图像之中，通常都是各个科室初步诊断之后，去拍摄产生。
分类的和检测的意义不是很大，更进一步的内容分析是主要需求。
比如细致地将病灶区域分离出来，再比如协助诊断病变程度，这样会更易于医护人员诊断，节约大量时间。
“尚海的三甲医院动作真快啊，这就已经注意到我了。”孟繁岐知道U网络对医疗方面的重大影响，但他以为这会是年后的任务。
却没想到前天就已经有人找上门来。
孟繁岐端正了一下态度，感觉风雨欲来，政府和医院这两座庞然大物似乎都近在咫尺。
这次创业，似乎得认真一点了。
不说人脸这个规模很大的政府项目需求，单是医疗AI这一点，做好了都足够上市了。
孟繁岐仔细思忖了一下，觉得这两个方向最好还是分成两个公司去做。