深度學習界每多一篇文章，孟繁岐的被引用次數幾乎就會多四倍，並且這個倍數以後還會繼續擴大。
截止101novel.com23年，人類曆史上被引用次數最多的學者，總被引用次數將將百萬之數。
而ai領域的文章數量，從12年的2萬餘篇每年，很快飛速增長到了21年的越135萬篇每年。
照這趨勢下去，不用四五年時間，孟繁岐就會以2526之年齡，成為曆史上論文被引用次數最多的人。
並在之後的歲月當中，狠狠地繼續成倍增長。
“截止到我重生前，殘差網絡的原作者kai。
等到23年突破三百萬都不是沒有可能。
學術論文寫的都趕上網絡小說了，被引用數就相當於訂閱，文章的實際被閱讀次數還要數十倍於此。
能將學術論文寫到這個熱度，想來也是前無古人後無來者了。
這章沒有結束，請點擊下一頁！
而這些已經公布的文章當中，孟繁岐所留的穀歌郵箱，早已被各路郵件擠爆。
孟繁岐點進去的時候，電腦直接卡了個半死，過了半分多鐘才緩過來。
收件箱中，請教問題的，雜誌社約稿的，求未公開部分代碼的，還有同事打招呼的，什麼都有。
這些郵件當中，英文居多，但也有一部分是中文寫就，應該是清楚他的國籍。
掃了一圈，其中一封來自於尚海市公共衛生中心的郵件引起了他的注意。
孟繁岐檢索了一番，該中心是創立已經百年的市級三甲醫院，擁有諸多類型的大型先進醫療設備，尤其擅長肝類疾病的診斷和治療。
孟繁岐查閱了一下該醫院的詳細情況，推斷他們手頭應當有許多疾病不同儀器的成像結果。
閱讀完郵件之後，孟繁岐明白了對方的來意，自己之前更新的帶殘差的u分割辦法，大幅度地提升了圖像分割的技術水平和分割效果
尤其在比較細粒度的物體分割上，有了十分顯著的飛躍。
而分割類型的任務，在醫療影像的應用上是非常重要的。
因為在醫療圖像之中，通常都是各個科室初步診斷之後，去拍攝產生。
分類的和檢測的意義不是很大，更進一步的內容分析是主要需求。
比如細致地將病灶區域分離出來，再比如協助診斷病變程度，這樣會更易於醫護人員診斷，節約大量時間。
“尚海的三甲醫院動作真快啊，這就已經注意到我了。”孟繁岐知道u網絡對醫療方麵的重大影響，但他以為這會是年後的任務。
卻沒想到前天就已經有人找上門來。
孟繁岐端正了一下態度，感覺風雨欲來，政府和醫院這兩座龐然大物似乎都近在咫尺。
這次創業，似乎得認真一點了。
不說人臉這個規模很大的政府項目需求，單是醫療ai這一點，做好了都足夠上市了。
孟繁岐仔細思忖了一下，覺得這兩個方向最好還是分成兩個公司去做。
喜歡重生之ai教父請大家收藏101novel.com重生之ai教父101novel.com更新速度全網最快。