尽管何教授这边利用数字人技术已经开发出影像人工智能模型，专门用于智能阅片，比如x光片、mri及ct片，这个模型已经喂养了大量数据，进化得不错。
但是对电镜下的肿瘤细胞图片，这是全新的图片，没有大量可以喂养的数据，所以人工模型无法获得进化，派不上多大的用场。
何教授只能依据杨平总结出来的经验开发一个图片分析引擎，这个引擎不需要大数据来喂养，它就能够对图片进行解析，如果解析出来的结构与肿瘤细胞一样，没有多余的结构，图片就被标记为非感染。
如果细胞内部被发现多出结构，立即将多出的结构单独提出来进入下一个分析程序，如果分析出来与病毒的形态结构部分或全部相同，就标记为感染。
如果不确定的图片被标记为不明确，这些图片将留下来进行人工分析，此后依据人工分析的结果再总结经验，将经验应用于模型的改进，这样它的引擎越来越先进，识别能力越来越强。
这其实跟杀毒软件分析电脑病毒的引擎差不多，不同的是杀毒软件分析电脑病毒的代码，这个软件分析的是电镜图片，但是大体原理上有类似性。
总之，现在杨平要与何教授的团队紧密合作，将开发出各种不同的细分模型来辅助实验，到时等人工智能大模型出来后，将利用大模型辅助科研，将科研的效率大幅度提高。
何教授开发一个模型也不是一两天能够做出来的，虽然他已经有收购来的基础模型可以利用，这些模型他的团队也已经消化吸收，但是利用这些模型进行修改也需要一定时间。
当时锐行医疗收购模型的时候，其中就有专长于实验室生物图片识别的模型，何教授团队可以这个模型上进行改进，这样节约很多时间。
其实收购也不是坏事，如果收购之后能够做到消化吸收他的技术，这样可以大大缩短研发时间，而且可以保持与国际同步。
杨平决定暂时停下图片的阅读，等何教授的识图引擎开发出来后再继续阅读后面的图片。他要将主要精力用来修改病毒的结构。
从第一次实验收集的数据来看，k病毒肯定引起