研究生醫學影像計算課程教學實踐*

魏國輝 李延軍 馬志慶 曹 慧 趙文華 劉 靜

(1山東中醫藥大學理工學院 濟南 250355 (山東中醫藥大學理工學院 濟南 250355)2山東省分布式計算機軟件新技術重點實驗室 濟南 250355)

1 引言

2017年7月20日國務院發布《新一代人工智能發展規劃》，指出研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診。將人工智能(Artificial Intelligence, AI)[1]應用于醫學影像處理已成為研究熱點，醫學影像計算課程應運而生，成為近年來信息學科研究生關注的焦點。山東中醫藥大學生物醫學工程專業專門開設該課程，聘用最強的師資，意在使研究生了解最新的醫學影像計算方面發展動態，學習醫學影像計算技術。然而作為新興交叉研究方向，醫學影像計算既需要深入了解人工智能課程，又需要對醫學影像處理有堅實的基礎，與傳統課程偏差較大，若直接沿用現有教學模式可能效果不佳，因此擬對醫學影像計算課程的教學實踐展開全新探索研究。

2 醫學影像計算課程簡介

2.1 概述

醫學影像計算的概念來自于醫學影像計算與計算機輔助介入大會(Medical Image Computing and Computer Assisted Intervention，MICCAI)，是“人工智能+醫療”快速發展下產生的一門前沿學科，是在計算機科學、控制論、生物醫學工程、認知神經科學、物理學、醫學影像學等多種學科研究的基礎上發展起來的，尤其在深度學習興起后，醫學影像計算進入高速發展階段。針對醫學影像計算來講，人工智能是研究工具，醫學影像是研究對象。人們可以使用已有的人工智能算法解決醫學影像領域的新問題；也可以根據醫學影像問題的特點設計專有的人工智能算法。前者偏重于醫學影像處理，后者偏重于人工智能算法研究。醫學影像計算課程的開設能夠較好地培養研究生創新思維、創新能力和研究興趣，培養學生對“人工智能+醫療”前沿技術的前瞻性，提高科技素質和學術水平。

2.2 現狀

醫學影像計算課程是山東中醫藥大學生物醫學工程專業研究生的必修課程。作為一門前沿交叉學科，該課程在開設過程中需要學生具有一定的人工智能算法、醫學圖像基礎。而相關信息學科的學生一般在本科階段已修過這兩門課程，從而為醫學影像計算學習奠定基礎。筆者所在授課團隊的教師在人工智能、醫學影像處理領域擁有豐富的教學和科研經驗，在授課內容和項目選題上非常注重實用性和前瞻性。此外為課程專門配備1名高年級學生作為助教，方便課后答疑、實驗準備工作。

3 教學內容

3.1 概述

課程教學內容的設計取決于教學目標的要求，研究生教育要求學生在牢固掌握學位課程的基礎上進行科研創新，最終完成學位論文，達到畢業要求。因此課程教學對于研究生進行科研研究要具有幫助作用，在課程教學的過程中兼顧科研創新，培養鍛煉學生的創新精神是現階段研究生教育的關鍵所在。

3.2 教學特點

研究生教學較本科生有很大的不同，除注重專業基礎外還強調研究創新能力，所以在制定教學內容時需要考慮學生的實際能力及授課教師的研究方向。同時考慮到學術碩士和專業碩士培養模式的不同，在授課時學術碩士強調培養研究和創新能力，引導學生發現和解決問題；而專業碩士則重在引導學生將學習到的算法應用于解決不同的醫學影像問題。

3.3 課程設計

醫學影像計算是來自于人工智能和醫學影像的交叉課程，在授課過程中充分考慮兩者的課程內容。授課團隊根據最新研究熱點將課程劃分為1條主線、兩個對象和5個專題，見圖1。1條主線為計算機輔助檢測與診斷，兩個對象是乳腺鉬靶X射線影像和肺癌CT影像。5個專題包括醫學圖像分割、特征提取、特征選擇、腫瘤檢測、腫瘤診斷。授課內容緊跟國內外最新研究成果以及教師的研究方向，便于學生交流學習。授課團隊根據授課內容適當調整每個專題的課時，著重增加經典分類算法以及深度學習部分授課課時。

圖1 醫學影像計算課程內容

4 教學模式

4.1 具體模式

2013年教育部等部委聯合發布“關于深化研究生教育改革的意見”的文件，倡導創新人才培養模式，強調課程教學在研究生培養中的關鍵作用。因此探究研究生教育的特殊規律，深化研究生課程教學模式改革具有深遠意義。作為中醫藥院校唯一的生物醫學工程碩士點，學生主要來自于計算機科學與技術、生物醫學工程等信息類本科專業，考慮到學生在人工智能和醫學影像方面的基礎比較薄弱，對于醫學影像計算課程，授課團隊確立“教師講授+案例教學”的方式為主[2]，同時輔以基于問題的啟發式教學。考慮到個性化教學，“教師講授+案例教學”顧及大部分學生的課程學習，而基于問題的啟發式教學鼓勵學有余力的學生的科研創新。“教師講授+案例教學”的方式按照教學大綱要求，為學生講授醫學影像計算基礎理論知識，包括相關人工智能算法和醫學影像處理方法。案例教學則要求教師能夠根據學生的認知水平和能力設計適合學生進行探索活動的醫學影像計算案例，強調如何將學習到的人工智能算法直接應用于或者創新性地應用于解決實際的醫學影像問題，以激發學生探究和解決問題的興趣與能力。案例教學包含兩部分內容：首先，針對相關醫學影像計算主題，選摘代表性(權威期刊或會議)的論文1篇或兩篇進行課堂介紹。重點講解論文解決的問題、探索的算法、創新點、實驗技巧等。同時組織學生進行課堂討論，引導學生大膽設想、探索、懷疑，激發學生研究興趣，通過積極參與討論與研究，培養研究型觀念、主動探求未知的能力。其次，強調學生實踐動手能力，根據授課專題實際教學內容設計相應問題或項目作為課后作業，項目實際完成情況作為學生成績評定的主要依據。

4.2 教學實例

如在腫瘤診斷專題的講解過程中講授經典分類器支持向量機、極限學習機的基礎知識，使學生了解不同分類算法特點。案例教學部分則專門挑選使用上述兩種分類器的經典論文進行講述分析，引導學生思考論文解決的問題、創新點等。在討論環節學生積極提出一些有針對性的問題，如支持向量機和極限學習機各自應用的對象，支持向量機參數如何訓練，極限學習機網絡節點的個數確定等，引導學生思考，嘗試設計實驗驗證個人觀點。最后總結課堂問題，布置作業，要求學生選擇上述兩種算法解決乳腺癌的良惡性診斷問題并比較兩個算法的性能；針對課堂上提出的問題設計實驗驗證。

4.4 課程主線

醫學影像計算課程始終貫穿1條主線，即乳腺癌或肺癌的計算機輔助檢測與診斷。因此講授的所有主題都是圍繞這條主線進行的。類似于將1個大的項目計算機輔助檢測與診斷分解為若干個小的項目，每一階段課程完成1個小的項目。因此在所有主題講授完成后可以引導學生將完成的課后作業進行串聯，實現1個小型的計算機輔助診斷系統。

5 建立課后作業庫

5.1 課后作業

是教學實踐的重要環節，充分考慮學術碩士和專業碩士培養方案的不同，進行針對性的課后作業項目庫設計，如學術碩士題目為極限學習機的乳腺腫瘤特征提取研究；專業碩士題目為基于極限學習機的乳腺腫瘤診斷[3]。項目庫中不僅有每個題目的具體要求，而且提供完成該題目所必須的數據集、參考資料及提示信息。目前項目庫包含12個題目，分別對應不同的主題。每個主題授課完成后，學術碩士和專業碩士都需要完成該主題對應的項目庫中的題目，每個題目由2～3人的小組完成。

5.2 課后答疑

針對研究生課后作業中存在的問題，專門設立每周答疑時間以及建立微信群，由經驗豐富的助教負責給予一定的指導或者在答疑時間咨詢指導教師，方便主講教師、助教和學生的溝通交流。同時教師可在第一時間收集學生反饋意見，及時評估和調整教學活動。

6 教學效果評價

為客觀評價醫學影像計算課程教學效果和學生學習效果，查找問題，完善教學內容，需建立一套科學的教學效果評價體系。將教學效果評價分為兩部分。(1)課堂講述。每個主題授課完成后，每個小組需完成課后作業項目并在講臺上展示項目完成情況。課堂講述包括闡述項目分析、設計、編碼、測試等完成過程，以便綜合評價學生的表達能力、創新思維、研究能力、團隊協作能力等。(2)軟件演示。整個課程完成后，每個項目小組需要沿著計算機輔助檢測與診斷這條主線，完成1個小型的計算機輔助檢測或診斷系統并將其展示，同時要回答教師和同學的問題和質疑。最后由授課團隊教師聯合評估打分。

7 結語

醫學影像計算在“AI+醫療”興起后受到越來越多學者的關注。經過課程團隊近兩年的教學內容、方法研究以及實踐，研究生醫學影像計算課程教學效果良好。在教師與學生的互動中，不斷修正教學內容，完善教學方法。學生在學習中不僅了解最新的行業研究動態，激發研究興趣，而且培養創新思維。但是也存在一些問題，如學生基礎參差不齊，課堂討論準備不充分，參與度不高；課后沒有深入學習相關算法，項目完成情況不理想等。在后續的授課中課程團隊將根據每個人的具體情況進行個性化輔導、明確每名學生的預習重點，加強授課時的互動，了解學生課堂學習情況，提升授課質量。