基于數據挖掘的交叉學科教學模式探索與實踐

摘 要：為解決大數據時代國計民生相關的復雜問題，順應教育改革、健康中國的戰略方針，加強交叉學科建設和發展已經成為科技發展的必然趨勢。新工科融合新醫科能夠形成醫工交叉的學科背景，對此進行教學模式探索與實踐設計，通過人工智能相關的專業課程挖掘生物信號中的隱藏特征，實現對疾病進行輔助診斷的同時為生物標志物的研究提供參考。該教學模式致力于發揮數字科學技術的引領作用，推動醫學工程進入智能時代，為新時代培養更多背景復合型人才。

關鍵詞：學科融合；醫工交叉；教學模式；人才培養

中圖分類號：TP39；G434 文獻標識碼：A 文章編號：2096-4706（2024）14-0190-05

Exploration and Practice of Interdisciplinary Teaching Mode Based on Data Mining

HUO Xin1， MENG Jiao1， LU Jia1， ZHANG Hua1， SHI Weijia2

（1.School of Astronautics， Harbin Institute of Technology， Harbin 150001， China;

2.School of Instrumentation Science and Engineering， Harbin Institute of Technology， Harbin 150001， China）

Abstract： In order to address the complex issues related to national economy and people's livelihood in the era of big data， in line with the strategic policy of education reform and healthy China， strengthening interdisciplinary construction and development has become an inevitable trend in technological development. The integration of new engineering and new medical disciplines can form a cross discipline background between medical and engineering. Teaching mode exploration and practical design are carried out to explore the hidden features in biological signals through professional courses related to artificial intelligence， achieving auxiliary diagnosis of diseases while providing reference for the research of biomarkers. This teaching model is committed to leveraging the leading role of digital science and technology， promoting medical engineering into the intelligent era， and cultivating more versatile talents with diverse backgrounds for the new era.

Keywords： discipline integration; medical-engineering cross; teaching mode; talent training

DOI：10.19850/j.cnki.2096-4706.2024.14.038

0 引 言

隨著數字科學技術的飛速發展及其不斷取得重大突破，單一學科思維容易受到局限，難以解決復雜的社會問題，因而演化出交叉學科[1-3]。交叉學科以重大科學問題為導向，致力于挖掘不同學科間的共性問題，突破傳統學科間的邊界壁壘，促進多個學科的深度融合[4]。2022年黨的二十大報告明確指出，要“加強基礎學科、新興學科、交叉學科建設，加快建設中國特色、世界一流的大學和優勢學科”“深化教育領域綜合改革，加強教材建設和管理，完善學校管理和教育評價體系，健全學校家庭社會育人機制”“加快建設國家戰略人才力量，努力培養造就更多大師、戰略科學家、一流科技領軍人才和創新團隊、青年科技人才、卓越工程師、大國工匠、高技能人才”。

2020年12月，交叉學科正式成為第14個學科門類，意味著其在新一輪科技變革和產業變革之中的地位，交叉學科已成為科技創新時代一個不可替代的新范式[5]。《關于實施一流本科專業建設“雙萬計劃”的通知》明確指出，應該“推動新工科、新醫科、新農科、新文科建設，做強一流本科、建設一流專業、培養一流人才，全面振興本科教育，提高高校人才培養能力，實現高等教育內涵式發展”“堅持立德樹人，切實鞏固人才培養中心地位和本科教學基礎地位，把思想政治教育貫穿人才培養全過程，著力深化教育教學改革，全面提升人才培養質量”[6]。我國各高校積極整合學科資源，推動交叉學科的學科建設，培養高素質創新性人才[7-9]。浙江大學以項目為依托，建立醫工信結合平臺；華中科技大學將生物醫學工程與其他工科專業相結合，實現交叉學科研究；北京大學以交叉科學研究院為代表進行交叉人才培養；清華—伯克利深圳學院以創建交叉型工科人才培養基地為研究使命，整合中美兩所頂尖大學的教育資源進行學科建設及人才培養；天津大學成立醫學工程與轉化醫學研究院，致力于本科生與研究生的培養；哈爾濱工業大學為推動新醫學高質量建設，培養“醫學+”多學科背景的復合型創新拔尖人才，成立醫學與健康學院并開設智能醫學工程、生物醫學科學等專業[10]。

迅猛發展的科學技術為醫學領域研究的重難點問題注入了全新的活力，醫學與工學的相互融合，推動醫學工程進入“智能醫學”時代。人工智能醫療健康、生物材料與3D打印、醫療機器人、基因編輯已成為近年來相關領域關注的熱點問題。數字科學技術不斷發揮其引領支撐作用，在響應《“健康中國2030”規劃綱要》以及《新一代人工智能發展規劃》戰略方針的同時，為建立精準的智能醫療體系做出貢獻[11-12]。

人的身體具備著龐大、高維、復雜的生物信息，如基因表達、蛋白質表達、蛋白質結構、醫學影像等，這些信息對于探究疾病潛在機理、確定藥物靶標、預測病毒變異模式和藥物研發具有重大意義[13]。傳統的數據分析方法只能獲取數據之間的淺層關系，數據挖掘技術致力于從海量數據中發掘潛在規律、搜索隱藏信息，將相關技術應用于生物信息學中能夠挖掘出其中的內在聯系，為醫學領域帶來突破性的進展。

結合國際研究前沿與國家戰略需求的熱點問題，以醫工交叉為研究背景，生物信號為數據，運用數據挖掘方法，探索數據中的深層關聯，尋找敏感程度高、穩定性強的生物標志物，為疾病的臨床診斷、藥物療效評估、疾病的發生發展變化分析提供科學可靠的依據。在此基礎上進行分類與量化，實現疾病的智能輔助診斷，為醫療診療模式帶來深刻變革。

1 醫工結合教學探索與案例分析

1.1 背景與意義

書寫運動由人類高級神經系統主導，執行過程中需要大腦、肌肉和骨骼等系統協調視覺、知覺、記憶、肌群等多個部位配合完成。有研究認為，書寫筆跡能夠反映書寫者的性格、心理、情緒以及身心健康狀況。同時諸如本體感受、運動規劃、協調、視覺感知、手部操作等功能損傷之類的諸多因素會造成書寫功能障礙。書寫障礙常發生于患有發展性協調障礙、自閉癥、注意力缺陷多動癥的兒童以及患有帕金森病、阿爾茲海默癥、自閉癥等中樞神經損傷類疾病的成年群體[14-15]。

書寫運動易于實現，不受場地、硬件等條件限制，受年齡、學歷等因素影響較小；筆跡信息便于獲取，通過拍照、掃描等多種方式都可以將筆跡進行數字化處理。對書寫運動過程及書寫筆跡進行分析能夠得到表示個體書寫運動能力的數據，為不同群體之間的差異分析、人類生長發育過程身體機能發展變化研究、書寫功能障礙相關疾病的診治提供科學依據。將相關研究與計算機科學相關學科進行結合，能夠從基礎的運動學數據中挖掘出其他具有代表性的特征參數，以便作為具有診斷性質的生物標志物，實現疾病的量化診斷。

1.2 教學理念

對書寫異常群體和健康群體的書寫筆跡信息進行對照分析，找出能夠代表兩類群體書寫差異的特征，分析特征的可解釋；利用上述特征進行分類與量化，實現兩類群體的相互區分，為相關疾病的臨床診斷提供參考。在實現上述基本目的的基礎上，結合醫工交叉背景激發學生學習興趣，注重培養學生解決實際問題的思維及能力。

1.3 內容設計

結合醫學領域的熱點研究問題，設計工科專業人工智能相關課程的教學內容。結合交叉學科人才培養理念，調動學生理論課程與實驗過程中的積極性，鍛煉學生的發散思維以及動手實踐能力。醫工結合教學內容如圖1所示，教學實踐中的具體工作內容包括以下4個方面。

1.3.1 數據采集

數據收集是數據挖掘研究工作的第一步，數據的質量直接決定特征提取結果和分類性能。圖片數據的獲取方法有相機、手寫板、手機、平板、數位板等，上述工具均可實現書寫圖像的數字化處理。

1.3.2 數據預處理

收集的原始數據往往不能直接用來數據分析，需要將原始數據處理為標準數據，這個過程統稱為預處理。以圖像數據為例，受檢測設備、場地光線、鏡頭參數等因素影響，數字化后的圖像可能會存在噪聲等干擾成分，因此需要選擇合適的方法將其處理為可以進行分析的數據。

1.3.3 數據特征提取

特征是數據本質、固有的屬性，本身不具有統一的定義和標準，常由具體問題決定。以圖像數據為例，圖像的像素值、顏色、亮度、紋理等自然特征和頻譜等人為特征可以用來描述圖像。圖像有多種表述形式，例如空間域圖像、頻域圖像、三維序列等。考慮交叉學科的研究背景，實驗時提取的特征應具有可解釋性，能夠從生理機理、理論研究等方面提供不同類別群體之間存在差異性的原因，據此判斷該特征能否作為用于臨床診斷的生物標志物。

1.3.4 分類與量化

機器學習利用計算機的計算能力，依賴經驗、模式和推理使用的算法和模型進行科學研究，改善系統自身性能。疾病診斷在某種程度上可以看作為分類任務，將樣本數據分為健康人、患者兩類，患者根據臨床醫學標準分成輕癥、重癥、危重癥等。根據對特征解釋性以及診斷時間、準確率等評價指標的比較，選擇合適的分類量化方法。

上述實驗內容均不指定具體的實驗方法，鼓勵學生自主選擇，發揮學生的想象空間。實驗的結果能夠驗證所選擇方法的有效性，留給學生自省時間，較少的限制和適當的外界干預能夠促使學生進行更加全面的思考。數據預處理、特征提取以及分類與量化等幾項內容涉及多門理論知識的運用以及程序編寫，鍛煉學生綜合素質能力。

1.4 案例分析

根據上述設計內容，收集神經退行性疾病（Neurodegenerative Disease， ND）患者以及健康對照（Healthy Controls， HC）人員繪制的周期性方波曲線進行后續實驗，保證實驗的完成度和實驗結果的合理性。

1.4.1 數據采集

利用WACOM公司的智能數位板捕捉壓感信息，通過云端程序轉存為“.png”或“.jpg”等圖像格式，如圖2所示。利用上述裝置采集ND與HC軌跡繪制的筆跡圖像，所得數據圖像如圖3所示。該方法獲取的數字化圖像不受外界環境因素的干擾，且通過筆、紙方式獲取筆跡信息能在較大程度上避免由于書寫者不適而造成的信息缺失。

（a）標準方波圖像

（b）HC繪制方波圖像

（c）ND繪制方波圖像

1.4.2 數據預處理

考慮到從云端獲取的圖像為A4尺寸，其中包含大量無關區域，因此要對圖像進行裁剪，保留其中的關鍵信息，即ROI區域。ROI區域中的圖像可能存在偏移情況，需對其進行校正。將圖像中存在的所有像素點作為點集，對整個點集做最小外接矩形，該矩形的傾斜程度即為整體圖像的偏移程度，并根據圖像的旋轉變換矩陣實現圖像校正。

1.4.3 特征提取

數字圖像具有空間域和頻域兩種表現形式。圖3中采集的原始圖像即為空間域圖像，利用二維離散傅里葉變換可將其變換到頻域空間，結果如圖4所示。

（a）HC圖像頻譜圖

（b）ND圖像頻譜圖

對采集圖像在空間域和頻域進行特性分析，空間域圖像點、線特征較為明顯，頻域圖像紋理特征更為突出。經過特征點提取，空間域圖像的角點識別結果如圖5所示。

（a）HC圖像角點識別結果

（b）ND圖像角點識別結果

利用水平、豎直的線段作為模板，檢測空間域圖像中線的標準程度，將匹配為直線的部分用灰色進行標記，結果如圖6所示。

（a）HC圖像直線模板匹配結果

（b）ND圖像直線模板匹配結果

利用灰度共生矩陣提取頻域空間圖像的紋理特征，選擇0度方向上的相關性和對比度兩種特征參數。實驗收集了26組HC以及29組ND手繪圖像，角點識別、直線識別個數及對比度、相關性四組參數在兩類數據中的平均數如表1所示。經分析，神經退行性疾病患者手部的控制能力較差，筆跡中波動成分較多、失真嚴重。從頻域特征可知，其軌跡紋理變得凌亂，頻譜圖的低頻部分的紋理變得散亂且不再規范，灰度點散布在圖像的各個位置，且像素點的灰度相差較小，因此對比度較高、相關性較小。

1.4.4 分類與量化

上述特征參數及其類別作為數據集，訓練決策樹分類器，進行5折交叉驗證，所得ROC曲線如圖7所示。

由圖7可知，5折交叉驗證的AUC值能夠達到90%以上，證明提取的特征及采用的分類方法對兩類群體具有較好的區分度。該案例也證明本實驗的設計思路能夠實現患病群體和健康群體的區分，根據實際情況提取的特征參數對于兩類人群也有明顯的差異，且具有理論支撐，因此可以考慮作為生物標志物用于疾病的臨床診斷。

2 思考與展望

隨著社會日新月異的發展，人民對美好生活的需求日益增長，生命健康領域值得更加深刻的探討，對于高水平多背景的復合型人才的需求更加迫切，醫工交叉領域應運而生，擁有巨大的發展潛力。

在當前時代，作為高科技的產物，大數據充斥著我們生活的各個領域，邊緣計算、人工智能和5G+等技術日益成熟。在此趨勢下，更應該順應時代發展潮流，關注國際研究前沿與國家發展戰略，結合社會發展中的熱點問題，運用科學技術保障和改善民生。醫工交叉的研究中，工科的科學技術有助于傳統醫療向著健康醫療大數據等健康管理新形態方向發展；醫學的研究熱點問題能夠指引科學技術的發展方向。醫工交叉的研究模式能夠促進不同學科之間深度融合，在醫療裝備、智能輔助診斷等方向取得新突破[16]。

醫工結合的教學模式有助于學生對理論知識的理解與運用。具備與實際生活切實相關的研究背景能夠更好地激發學生的學習興趣，學習專業理論課程的同時能夠學以致用，幫助學生提前做好未來的職業規劃。在運用所學知識解決實際問題的過程中，能夠鍛煉學生的多學科思維能力、動手實踐能力以及對問題全面思考的能力。多學科融合的教學模式有助于人才發展體制機制改革，為實現人才強國戰略造就更多高素質的多背景復合型人才。

交叉學科相關的教學改革仍處于探索階段，國內各大學醫工學科的合作多以項目作為依托，相關學生以解決問題為任務，難以真正意識到醫工結合的現實意義，因此對學生的引導十分重要。此外，需要明確多學科之間的平衡關系，最大程度發揮不同學科的價值，充分利用優勢學科。醫工交叉的人才培養模式還未有十分顯著的進展，相關單位仍需要不斷進行摸索，加強多學科教師的指引以及多背景資源的共享，同時優化資源配置，健全完善相應機制[17-19]。

3 結 論

交叉學科是當今科技、教育改革發展的必經之路。各高校應發揚優勢學科，結合研究熱點，打破單一學科之間的知識界限，解決復雜的現實社會問題。對于新工科教學改革，應結合未來發展需求，理論課程和實驗安排要注重培養學生解決實際問題的思維與動手能力，培養更多高素質人才。堅持科教興國和人才強國戰略，堅持教育、科技、人才和創新的理念，為實現國家和民族偉大復興、全面建設社會主義現代化國家而奮斗。

參考文獻：

[1] 曹園青.新工科背景下物聯網工程專業實踐教學體系探索 [J].現代信息科技，2023，7（5）：171-174.

[2] 楊量杰，陳思捷，李翔宇.高校跨學科人才培養的三大困境及對策 [J].教育探索，2023（5）：29-32.

[3] 朱華偉.我國高水平大學交叉學科建設與發展現狀研究——基于46所研究生院調查分析 [J].中國高教研究，2022（3）：15-23.

[4] 范濤，顏伏伍，梁傳杰.“雙一流”建設背景下高校工程學科交叉個案分析 [J].高等工程教育研究，2022（3）：79-84.

[5] 胡童.交叉學科視域下高校創新型人才培養體系優化研究 [J].應用型高等教育研究，2022，7（1）：49-54.

[6] 王燕敏，許鑫，田苗.地方高校“醫工結合”改革的冷思考 [J].華北理工大學學報：社會科學版，2021，21（2）：99-103.

[7] 張雪，張志強.學科交叉研究系統綜述 [J].圖書情報工作，2020，64（14）：112-125.

[8] 林家全.大數據技術在專業人才培養方案中的應用實踐——以大數據技術專業人才培養方案制定為例 [J].現代信息科技，2023，7（8）：117-121.

[9] 謝和平.綜合性大學的學科交叉融合與新跨越 [J].中國大學教學，2004（9）：4-6.

[10] 谷士賢，何培欣，喬杰.新時代醫工交叉人才培養的思考與展望 [J].科教發展研究，2022，2（3）：19-35.

[11] 周紅波.基于互聯網醫院的醫養結合數字化轉型應用場景設計與實現 [J].現代信息科技，2022，6（9）：140-145.

[12] 王月辰，蔡葵.人工智能在踐行“健康中國”戰略中的應用 [J].中國醫院建筑與裝備，2021，22（12）：44-47.

[13] 武文斐，田芳慧，宋旭，等.生物醫學領域人工智能研究熱點分析 [J].醫學信息學雜志，2020，41（2）：34-38.

[14] 羅健飛，林秋詩，吳寶元，等.手寫多維力信息的測量與特征分析 [J].傳感技術學報，2012，25（9）：1274-1279.

[15] 謝愛武.手書運動分析及其在書寫困難中的研究 [J].心理科學，2009，32（4）：977-979.

[16] 盧光明.醫療健康大數據的特點及未來發展 [J].中國信息界，2022（5）：105-108.

[17] 譚華，孫麗珍.高校醫工（理）交叉合作問題探究和對策分析 [J].科技管理研究，2012，32（14）：161-163+168.

[18] 劉紅，謝冉，任言.交叉學科教育的現實困境和理想路徑 [J].研究生教育研究，2022（2）：32-36+90.

[19] 齊倩倩，羅躍逸，楊展.面向計算機人才培養的開放式智能化實驗平臺建設 [J].現代信息科技，2023，7（16）：185-189.

作者簡介：霍鑫（1981—），男，漢族，內蒙古烏海人，教授，博士生導師，博士，研究方向：數據挖掘、故障診斷與預測、醫工交叉研究等。

收稿日期：2023-12-26

基金項目：哈爾濱工業大學醫工理交叉基金（IR2021214）；黑龍江省高等教育教學改革項目（SJGY20200185）；哈爾濱工業大學研究生教育教學改革研究項目（21HX0401）