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。
大家起先还听得津津有味，可是听着听着，情况突然变了，因为大家都听不懂了！
妈的！
这不是医学课吗，怎么高数都整出来了？
大家都傻眼了，看着陶宇在白板上唰唰唰写出来的一大串计算，直接傻眼了。
很多人更是看见了外星人一般：“我艹！不是吧？医学上还有这种东西？”
医学上用到一些生物化学的知识，这很好理解，可是高数.....
大家都不知该说什么了。
陶宇洋洋洒洒地讲述，越讲越是来了兴致，越讲越是唾沫横飞。
呼——
他长长吐了口气，随后拧开一个矿泉水瓶咕咚咕咚地喝了几大口，这才问苏杨：“懂了吗？”
“懂了。”苏杨点头。
“那你说说
