醫學影像學生Python課程設計及實踐

［摘 要］ 研究醫學影像學生Python課程的設計與實踐。Python編程語言在醫學影像學領域的應用日益廣泛，然而當前以生物醫學數據為主的教學往往未能滿足醫學影像學生的專業需求。為此，設計了以醫學影像數據案例驅動的教學模式，并增加了數據展示與可視化和影像組學分析的小組創新項目訓練。教學實踐表明，學生對課程設計表現出了較高的學習興趣，小組創新項目訓練培養了學生的實踐應用和問題解決能力。然而，仍需要進一步加強專業方向內容，提供更多實踐機會，以滿足學生的學習需求。

［關鍵詞］ Python編程語言；醫學影像；數據展示；影像組學

［基金項目］ 2022年度廣東省高等教育教學改革項目“Python生物醫學計算基礎在線教學平臺建設與應用”；2022年度廣東省本科高校在線開放課程指導委員會研究課題“用還原生物學思維改造生物醫學類Python編程混合式教學”（2022ZXKC084）；南方醫科大學生物醫學工程學院信息技術系教學業務費（B100300005）

［作者簡介］ 鐘麗明（1990—），女，廣東湛江人，博士，南方醫科大學生物醫學工程學院講師，主要從事醫學圖像分析和醫學人工智能研究。

［中圖分類號］ G642.0 ［文獻標識碼］ A ［文章編號］ 1674-9324（2024）17-0153-04 ［收稿日期］ 2023-08-18

引言

隨著科技的飛速發展，計算機科學和醫學影像學在過去幾十年里取得了巨大的進步。計算機科學為醫學影像學的發展提供了強大的技術支持，而醫學影像學又為計算機科學的應用提供了廣闊的領域。在這個互相融合的時代，Python編程語言的應用在醫學影像學中逐漸成為一種趨勢［1］。

醫學影像學作為醫學的一個重要分支，通過成像技術為醫生提供了人體結構和功能信息。隨著影像設備的不斷升級和數字化技術的應用，醫學影像數據的產生和存儲變得更加便捷，也使得數據的處理和分析變得更加復雜。傳統的手工處理方法已經不能滿足對大規模醫學影像數據進行快速和準確分析的需求。而Python作為一種簡單易學、功能強大的編程語言，正好滿足了這一需求。

隨著人工智能、大數據和科技的迅速發展，Python編程語言在各個領域都得到了廣泛的應用和認可，尤其在高等院校中［2］。Python的簡單易學、功能強大和開放性特點，使其成為許多高等院校開設的首選編程語言。越來越多的高等院校開設Python課程。南方醫科大學開設了針對醫學專業的Python課程，力求培養生物醫學數據方面的科研創新能力［3-4］。教材選用Allegra Via等編寫的Managing Your Biological Data with Python的中文譯本。該教材包含許多Python管理生物信息數據的案例，可深度結合醫學專業與Python編程，為學生提供豐富的實踐案例和數據處理技能。

然而，盡管Python課程在醫學專業取得了積極進展，如何更好地應用Python編程來分析醫學影像數據，對于醫學影像專業學生尤為重要。醫學影像數據的處理和分析復雜多樣，需要深入了解醫學影像學的特點和領域需求，結合Python編程的特點，設計更切合實際的醫學影像專業教學課程。

一、教學現狀分析

目前，我們的Python教學課程面向臨床醫學八年制、基礎醫學、基礎醫學（院士創新班）等專業開設，主要以生物醫學數據的案例為主，這種教學現狀存在一些問題。

在醫學影像學專業中，學生需要具備對醫學圖像數據進行處理和分析的能力。然而，當前的Python課程主要以生物信息數據為案例，未能很好地滿足醫學影像學生的專業需求。這導致學生在學習過程中難以將Python編程技能與實際醫學圖像問題相結合，缺乏對醫學圖像數據處理的實際應用能力。

醫學圖像數據的處理和分析相對復雜，涉及圖像預處理、分割、特征提取等技術。然而，在當前的教學中，這些復雜內容并未充分涉及。缺乏對醫學圖像數據特有的處理方法和技術的深入了解，會影響學生對醫學影像學的學習效果和興趣。

學生解決實際醫學影像問題的實踐機會不足，缺乏對醫學圖像數據實際應用的實際操作經驗。理論知識雖然重要，但對于掌握Python編程在醫學圖像領域的應用能力來說，實踐是不可或缺的一環。缺乏實際操作，可能導致學生在面對真實醫學圖像數據時不知如何下手，影響他們的自信心和學習動力。

除了解決醫學影像學方面的問題，我們也應關注數據展示和可視化的重要性。數據的有效展示對于傳達信息和支持決策是至關重要的。然而，目前的課程可能未充分涉及數據可視化技術，導致學生在表達數據方面的能力有所欠缺。

針對以上問題，我們需要對教學內容進行調整和改進，加強醫學影像學相關案例的教學，增加數據展示和可視化的教學和小組創新項目訓練，以提高學生對醫學圖像數據處理和分析的理解和應用能力。

二、課程設計與實施

（一）整體設計

隨著計算機科學的快速發展，Python編程語言在醫療領域的應用正在變得越來越廣泛。本課程旨在針對目前以生物信息數據的案例為主的Python教學存在的問題，通過加強醫學影像學相關案例的教學，提供數據展示與可視化技術的培訓，以及小組創新項目訓練，幫助學生有效處理和分析醫學圖像數據，同時提升數據展示和可視化的能力，以滿足其專業發展和實踐需求。通過本課程的學習，學生將學會使用Python處理生物醫學數據，掌握Python編程語言在醫學圖像處理、人工智能等方面的應用。掌握Python繪圖，用于繪制專業的科學圖表和數據可視化。

（二）醫學影像數據案例驅動教學模式

醫學影像數據案例驅動教學模式是一種以真實醫學影像數據為基礎的教學方法。它將醫學影像數據作為學習和教學的主要案例，通過讓學生直接面對真實的醫學圖像數據，激發學生的學習興趣和主動性，提高他們對醫學影像學科的理解和應用能力。

在醫學影像數據案例驅動教學模式中，課程中將引入來自臨床實際的醫學影像數據，如CT掃描、MRI圖像等，作為學習的基礎案例。學生將通過Python編程，對這些醫學影像數據進行讀取和可視化。通過實際操作，學生將更深入地了解醫學影像數據的復雜性和特點，學會如何應用數據處理技術來解決醫學影像學中的實際問題。

在這種教學模式下，學生將從抽象的概念中脫離出來，直接面對真實的醫學場景和數據，使得學習更加貼近實際，增強了學生的學習動力。通過參與醫學影像數據的處理和分析，學生將深刻理解醫學影像學科在現實醫療實踐中的應用價值，培養學生的科研創新能力和問題解決能力。這種教學模式不僅提供了數據處理和分析的技術培訓，還能增強學生的臨床思維能力和跨學科能力。學生將學會運用數據處理技術為醫學診斷和治療提供支持。這種綜合性的教學方法將為學生未來的醫學研究和臨床實踐奠定堅實基礎。同時，通過學習醫學影像數據案例，學生將更加深入地理解數據可視化的重要性，學會用圖表和圖形來展示醫學數據，提高數據展示和表達能力。

（三）數據展示與可視化

醫學領域的Python教學中，數據展示與可視化教學是一種重要的教學方法，旨在幫助學生學會如何使用Python編程語言來有效地展示醫學影像數據、生物醫學數據和相關信息。在醫學相關專業中，學生需要掌握對生物醫學數據和醫學圖像數據進行處理和分析的能力，同時也需要具備有效傳達醫學數據和研究結果的能力。

然而，之前的教學內容并未涉及數據展示與可視化。為此，我們在課程中設計這一內容。課程將引導學生學習使用Python中的數據可視化庫，如Matplotlib、Plotly和Seaborn等，來創建適合醫學數據展示的圖表和圖形。課程中將教授學生使用不同的圖表和圖形，如線圖、散點圖、條形圖、柱狀圖、餅圖、熱力圖等，來展示不同類型的數據。學生將學會根據數據的特點和目的，選擇合適的圖表類型，設計清晰明了的圖表，并通過調整顏色、標簽和圖例等元素，使得數據呈現更具吸引力和表現力。學生將學會如何通過編程代碼來處理醫學圖像數據，生成圖像，繪制圖表，并添加必要的標簽和注釋，以達到清晰地展示醫學數據和研究結果的目的。

通過實踐項目，學生將有機會運用所學的數據展示與可視化技能，處理真實的醫學影像數據，并將其呈現在圖表和圖形中。這樣的實踐項目將增強學生的實際操作經驗，使他們更加熟練地應用Python編程來展示醫學數據，為醫學研究和臨床實踐提供支持。

（四）小組創新項目訓練

小組創新項目訓練在醫學領域專業Python教學中具有重要的作用。通過實踐應用能力的提升、團隊合作與溝通技巧的培養、問題解決與創新能力的培養，以及綜合學科知識的應用，學生將為未來的醫學影像學領域的職業發展和學術研究奠定堅實基礎。同時，這樣的實踐訓練也將培養學生的創業精神和自信心，激發他們在醫學影像學領域持續學習和探索的熱情。

目前，課程設計包括三個內容：COVID-19感染數據可視化；結合“德爾密克戎”新冠毒株的感染科學數據（一定要注明數據來源），建立人群傳播仿真模型；匯總及分析至少十篇相關文獻并繪制詞云。然而，小組創新項目中缺少醫學影像數據方面的訓練，為此我們在課程內容中加入了影像組學（Radiomics）分析。

Radiomics是一種醫學影像學領域的新興研究方向，它結合了醫學影像學、生物信息學和機器學習技術，旨在從醫學影像中提取大量的定量特征，并與疾病的診斷、預后和治療效果等進行關聯。Radiomics的研究對于實現個性化醫療和精準診療具有重要意義。在Python教學中，小組創新項目訓練可以以Radiomics為主題，讓學生通過Python編程技術探索醫學影像中的Radiomics特征提取和分析方法。

小組創新項目訓練中，學生可以組成小組，每個小組負責一個具體的Radiomics項目。教師將提供醫學影像數據集和相關問題，鼓勵學生利用Python編程來實現Radiomics特征的提取和分析，例如：

1.特征提取。學生可以使用Python中的圖像處理庫，如SimpleITK和PyRadiomics，來提取醫學影像中的定量特征，如形狀、紋理、強度等。

2.特征選擇與降維。學生可以運用Python中的特征選擇算法和降維技術，篩選出與疾病相關的重要特征，減少數據維度和冗余信息。

3.建模和預測。學生可以使用Python中的機器學習庫，如Scikit-learn，來建立Radiomics模型，預測疾病的診斷、預后或治療效果等。

4.結果可視化。學生可以運用Python中的數據可視化庫，如Matplotlib和Plotly，將Radiomics分析結果以圖表和圖形的形式進行展示和解釋。

通過小組創新項目訓練，學生將獲得在Radiomics領域中應用Python編程解決實際問題的能力。他們將學會處理醫學影像數據、提取Radiomics特征、運用機器學習算法進行預測分析，并最終將結果可視化呈現。這樣的實踐性訓練將增強學生的實際操作經驗和科研創新能力，為他們未來在醫學影像學和Radiomics研究中奠定堅實的基礎。

三、教學實踐效果分析

本研究的教學實踐效果從數據展示與可視化作業完成和小組創新項目訓練成績進行評估。

在數據展示與可視化章節，學生對于Python編程在醫學影像學中的應用表現出了較高的學習熱情。99%的同學在當天就完成了相關作業，并積極在愛課平臺上提交作業。這說明學生對于數據展示和可視化技術的學習成果較為顯著，為之后的小組創新項目訓練和其他科研項目打下了堅實的基礎。

在小組創新項目訓練方面，課程中提供了包括影像組學在內的4個項目，其中21名同學（占總學生數的31%）對影像組學訓練項目表現出了濃厚的興趣，并自愿組成三個小組來完成這一挑戰。兩個小組在完整完成項目的基礎上，還對模型進行了優化，并將其應用于腦膠質瘤的公開數據庫中。最終，這兩個小組取得了優秀的結果，充分展示了Python編程在影像組學領域的應用潛力。

綜合分析教學實踐的結果，本研究的教學方法和內容得到了學生的積極響應和認可。數據展示與可視化章節的成功完成為學生在影像組學等后續科研項目中奠定了堅實的基礎。同時，小組創新項目訓練也取得了令人鼓舞的成績，學生在實踐中掌握了Python編程技術，成功應用于醫學影像數據的處理與分析，體現出了較高的創新和實踐能力。

結語

本論文旨在探討醫學影像學生Python課程設計及實踐的有效性和教學成果，我們主要采用了醫學影像數據案例驅動教學模式、數據展示與可視化和增加影像組學分析的小組創新項目訓練。

Python編程語言在醫學影像學領域的應用越來越廣泛。本課程在基于生物醫學數據案例教學的基礎上增加Python編程語言在醫學影像數據的處理、分析和可視化方面的相關應用，提高了學生對醫學影像學的學習興趣和動力。

數據展示與可視化教學模式是本課程的重要組成部分。學生通過實際操作和項目練習，學會了如何使用Python編程技術有效地展示醫學影像數據和研究結果。這種教學模式提高了學生在表達數據方面的能力，并加深了對醫學影像數據處理的理解。

綜上所述，通過醫學影像數據案例驅動教學模式、數據展示與可視化教學以及影像組學分析的小組創新項目訓練，學生取得了積極的學習成果。然而，課程設計仍有改進的空間，加強專業方向的內容和實踐機會將進一步提高學生的學習體驗和創新能力。未來，應繼續探索創新的教學方法，培養更多優秀的醫學影像學人才，為醫學影像學領域的發展貢獻更多有價值的成果。

參考文獻

［1］丘文峰.基于Python的醫學圖像處理框架及其應用［D］.廣州：華南師范大學，2010.

［2］周鋼，李永杰，郭暉，等.以Python推動計算思維培養落地的大學計算機基礎課程教學［J］.計算機教育，2022（2）：79-82.

［3］郝立巍，陽維，曹蕾.還原生物學思維的生物醫學類Python教學探索［J］.計算機教育，2022（11）：146-150.

［4］曹蕾，段建顥，王丹丹，等.基于計算思維能力培養的醫學生Python課程設計及實踐［J］.計算機教育，2020（9）：159-162+167.

Python Course Design and Practice for Medical Imaging Students

ZHONG Li-ming， HAO Li-wei， CAO Lei， YANG Wei

（School of Biomedical Engineering， Southern Medical University， Guangzhou， Guangdong

510515， China）

Abstract： This instructional paper aims to investigate the design and implementation of a Python course for medical imaging students. The application of Python programming language in the field of medical imaging is increasingly widespread. However， the current teaching， which primarily focuses on biomedical data， often fails to meet the specialized needs of medical imaging students. To address this， we have devised a teaching model driven by medical imaging data cases， and incorporated group-based innovative projects focusing on data visualization and imageomics analysis. The teaching practice demonstrates that students have shown a high level of interest in the course design， and the group-based innovative projects have nurtured their practical application and problem-solving skills. Nevertheless， further improvements are needed in terms of enhancing domain-specific content and providing more practical opportunities to cater to students’ learning needs.

Key words： python programming; medical imaging; data visualization; imageomics