聊了十几分钟关于硬件适配的细节，然后方芷晴起身告辞。
走之前她回头看了陆晨一眼。
“今天那个十九点六微米的数据，是我这几年听到的最好的消息。”
“谢谢。”
陆晨摆了摆手。
“别谢我，谢你自己的工程团队，他们的底层框架帮我省了很多事。”
方芷晴没有再说什么，转身走了出去。
……
回到宿舍之后，陆晨打开电脑，开始逐字逐句地拆解诺盛那篇预印本论文。
全文二十七页，包括正文、方法、补充材料和数据附录。
他从方法部分开始看起。
诺盛团队使用的是一个改良版的U-Net网络架构。
输入是标准DTI数据，输出是三维纤维定位坐标。
训练数据来自他们自建的一个脊髓标本数据库，总共五百多例。
网络经过训练之后，在测试集上报告了三十五微米的平均定位精度。
看上去数据很漂亮，但陆晨在读到训练数据描述的时候就发现了问题。
他们用来标注的组织学切片，分辨率是三十微米。
也就是说，训练数据本身的精度上限就是三十微米。
让一个网络从三十微米精度的标注数据里学出三十五微米的定位能力，这是合理的。
但你想让它学出二十微米甚至更高的精度，那就是在让网络凭空创造不存在的信息。
这在机器学习领域有一个名字，叫做信息瓶颈。
无论你的网络架构多复杂，训练策略多精巧，精度都不可能超过训练数据本身的分辨率。
……
陆晨继续往下看，又发现了第二个问题。
诺盛的模型在处理纤维交叉区域时表现明显下降。
他们的补充材料里有一张表格，展示了不同解剖区域的分项精度。
在直行纤维束区域，精度确实能达到三十四微米。
但在纤维交叉和分叉区域，精度骤降到了五十八微米。
而脊髓损伤的修复恰恰需要在纤维交叉最密集的区域进行精确操作。
五十八微米的精度在那种环境下根本不够用。
这是一个致命的短板。
陆晨把两个发现整理成了一份简洁的技术备忘录，总共不到两千字。
每一个论点都附了论文原文的截图和对应页码。
然后他把备忘录同时发给了方芷晴和宋怀远。
邮件标题是“诺盛预印本技术分析：不构成实质性威胁”。
发完邮件之后，他又花了半小时把备忘录中的结论翻译成了英文版本。
这个英文版本不是用来发表的，而是给方芷晴的专利律师准备的。
如果诺盛的PCT专利真的推进到实质审查阶段，这份技术分析可以作为对抗依据。
全部做完的时候已经是凌晨一点半。
方芷晴几乎是秒回的。
【收到，正在看】
五分钟后，又来了一条。
【信息瓶颈和纤维交叉精度骤降这两个点非常关键，我让律师团队明天就整合进专利对抗方案】
【你说得对，他们的技术路线决定了精度天花板，四十微米就是极限，根本不可能突破到二十以内】
【不构成竞争】
又过了一分钟。
【宋教授也回了，他说他完全同意你的判断】
【另外他让我转告你一件事】
陆晨等了一下，方芷晴的下一条消息弹了出来。
【军方已经正式批准了NR-7的首批大动物脊髓损
-->>(第2/3页)（本章未完，请点击下一页继续阅读）