醫工融合背景下虛擬仿真實驗教學平臺構建與探索

摘" 要" 醫工融合作為面向新醫科技術在未來不斷創新的主要方向，在高校學科交叉發展中起到重要作用。醫學影像技術專業屬于醫學與理工融合的新醫科專業，要求學生在儲備一定的醫學和影像知識之外，還應具備相當程度的理工科知識。醫學圖像分割作為此專業醫學圖像處理課程的核心內容，涉及繁雜的數學理論和計算機算法，而傳統單一的教學方法導致理論知識與編程實踐得不到充分銜接與融合，教學方式亟待改革。主要論述醫學圖像分割虛擬仿真實驗教學平臺的設計和實現，闡述該虛擬仿真實驗教學平臺的教學效果，以論證虛擬仿真實驗教學平臺在醫工融合背景下對新醫科專業學生培養的積極作用。

關鍵詞" 醫工融合；新醫科；虛擬仿真實驗教學平臺；醫學

影像技術；醫學圖像處理；醫學圖像分割

中圖分類號：G647.6" " 文獻標識碼：B

文章編號：1671-489X（2024）14-0055-05

0" 引言

《教育部2022年工作要點》提出實施教育數字化戰略行動，深化信息技術與教育教學融合創新[1]。

教育信息化涉及新技術手段的引進、整合技術教學方法的改進，有利于突破時空界限和實現優質資源的高速流動與共享，其突出標志是共享優質教育資源和帶動跨越式發展[2]，反映在醫學院校的實際教學中就是，醫學院校應順應“十四五”規劃的目標和要求，更新教育教學理念，大力推進信息化教學，特別是探索現代信息技術與醫學教育內容的深度融合，打造匯聚一批優質教學資源的網絡化教學平臺，采用平臺集成線上與線下教學模式，培養學生的自主學習能力、創新實踐能力和信息素養。

醫學圖像處理課程是醫學影像技術專業的專業核心課程。醫學圖像處理實驗教學是培養新一代醫科學生自主學習和創新實踐能力的重要途徑，有助于提升學生的信息素養。但是，由于在教學實施過程中受限于實驗條件、知識儲備和教學資源等因素，有些實驗難以順利開展。為了有效解決上述問題，將線上實驗與線下教學相結合，開發一款原創的虛擬仿真實驗軟件，基于這款軟件，逐步建立一個開放共享的醫學圖像處理虛擬仿真實驗教學平臺。該平臺不僅可以作為傳統實驗的輔助教學工具，還可以作為學生自主學習的平臺。自2018年起，河北醫科大學依托該平臺創新實驗教學模式，在醫學影像技術專業的本科教學中探索虛實結合實驗教學模式，將線上與線下教學有機結合，拓展學習時空，提高學生學習興趣，培養學生自主學習能力和創新實踐能力，在實現教育信息現代化的同時，提高新醫科人才的培養質量。

1" 教學現狀

隨著計算機技術的進步以及各高校硬件設施逐漸完善，虛擬仿真實驗教學平臺逐漸受到各高校的重視。虛擬仿真實驗教學平臺能夠幫助各高校本科生在學習過程中將實驗與傳統的課堂教學結合起來，從而提高學習興趣、學習動力與學習效率，實現高校本科教學質量的提升和學生綜合素養的提高。當下，各大醫學院校在病理學、生理學、藥學、醫學影像學等多個學科逐漸開展相應的虛擬仿真實驗教學平臺構建，在教學質量評價與學生反饋中取得較好的評價。

我國的醫學影像技術專業面向日益發展的計算機技術與醫療設備更新迭代，是一個專業性極高的醫工融合專業，在實際教學中往往會遇到圖像處理的算法理論與臨床醫學實際應用結合有所欠缺的問題。建立醫學圖像分割虛擬仿真實驗教學平臺，可以滿足日益增長的教學需求，在醫工融合的背景下培養新型學科交叉人才。

1.1" 教學模式單調

醫學圖像分割是醫學圖像處理的重要章節之一，病灶分割準確與否決定著臨床診療是否有可靠依據支撐。在日常教學中，醫學圖像分割涉及的算法知識點較多，編程實現較為困難，教學模式單調，復雜的知識點堆疊，在各知識點的教學中難以調動學生的積極性，導致教學質量降低，無法有效激發學生學習的主動性。

1.2" 理論理解困難

醫學圖像分割教學中涉及的數學模型和算法理論較多，面對龐雜的理論知識，學生學習的主動性不高。隨著醫學圖像處理技術迭代，教材的內容往往會有一定的局限性，無法做到對算法及時更新。這些都會極大地影響學生對于醫學圖像分割理論知識的掌握，在教學中常常出現學生對知識點理解困難的情況。

1.3" 實際應用欠缺

在醫學圖像分割實驗教學中，學生需要掌握閾值分割、邊緣檢測、區域生長、K-means聚類等四種主要的醫學圖像分割方法，要求學生不僅能夠闡述這四種分割方法的理論知識，還要具備將理論應用于實際臨床醫學圖像的能力，實現對醫學圖像感興趣區域如器官、病灶等的分割。然而在實際教學中，學生往往在掌握一定的理論知識后，面對臨床醫學圖像卻無從下手。

2" 醫學圖像分割虛擬仿真實驗教學平臺建設

的必要性

2.1" 豐富傳統教學模式

在傳統教學中常常會遇到教學模式單調的問題，而在醫學圖像分割教學中，涉及知識點較為繁雜，學生面對各種算法難以理解。本虛擬仿真實驗教學平臺能夠豐富傳統的教學模式，通過交互式的操作實現自動化分割圖像并即時生成實驗結果，并且可以提供溝通順暢的師生交流反饋渠道，改變傳統教學模式單調的課堂現狀，使教師更易達成教學目標，增強學生對于課堂的積極性，有利于提升教學質量與學生的綜合素養。

2.2" 增進學生理論掌握

建設醫學圖像分割虛擬仿真實驗教學平臺，能夠開創性地為學生提供一鍵式圖像分割功能，節約不必要的編程時間，讓學生高效地掌握圖像分割的知識與技能，深入體會算法思想和方法，將理論與實踐相結合。通過操作平臺實現醫學圖像分割，能夠反向促進學生對于各知識點的掌握，提高學生學習的積極性。

3" 醫學圖像分割虛擬仿真實驗教學平臺建設

醫學圖像分割是醫學研究、病理分析、影像信息處理、計算機輔助手術等醫學研究與實踐領域目前研究的熱點之一[3]。傳統的醫學圖像分割方法可以分為三大類[4]，分別是基于閾值的分割方法、基于邊緣的分割方法和基于區域的分割方法，其所涉及的算法繁多、原理復雜。虛擬仿真實驗教學平臺不僅包括閾值分割、邊緣檢測、區域生長這三個主流模塊，還包括基于K-means聚類的分割模塊作為學科前沿知識的拓展。除上述四個核心算法模塊之外，輔以習題測試模塊和實驗報告模塊，形成完整的教學閉環。醫學圖像分割虛擬仿真實驗教學平臺結構如圖1所示。

3.1" 算法模塊構建

3.1.1" 閾值分割模塊

閾值分割是對圖像像素點的灰度值進行二值化處理，即以一個閾值為界，將灰度圖像轉化為黑白二值圖像，用于圖像感興趣區域的分割、邊緣提取等。該模塊集成圖像直方圖、手動調整閾值與全局閾值自動計算三種功能，如圖2所示。學生可以自行導入需要操作的醫學圖像，通過觀察圖像的直方圖來獲得最佳閾值范圍，使用手動拖動滑塊選取閾值和全閾值法自動選取閾值這兩種方式分割圖像，分割結果實時展示在結果區域以便觀察。通過實踐兩種不同的閾值分割方式，對比其分割效果，深入體會閾值的選取對分割結果的影響。

3.1.2" 邊緣檢測模塊

邊緣檢測屬于圖像處理技術與計算機視覺中較為基礎的操作之一，旨在標識數字圖像中亮度變化較為明顯的像素[5]。邊緣檢測涉及多個微分算子，每個算子的功能與應用各不相同。這部分模塊集成邊緣檢測中最常用的三個微分算子，即Laplacian算子、Sobel算子和Canny算子，如圖3所示。針對同一張醫學圖像，學生可以對比觀察三種不同算子的分割效果，還可以根據不同醫學圖像的特點手動調整算子的系數，深刻體會不同算子以及同一算子不同系數對分割結果的影響，在進行臨床醫學圖像應用時，能夠得心應手地選擇最優算子和系數。

3.1.3" 區域生長模塊

區域生長指根據已定義的生長規則，將滿足規則的像素點或子區域組合成更大區域的過程。區域生長首先設定一組種子點作為起點，然后通過把那些與種子具有大致相同預定義性質的領域像素添加到每個種子上，最后形成增長區域[6]。模塊設計如圖4所示，種子點個數、區域生長的方向和閾值等參數由學生在平臺界面設置并調整，通過觀察分割結果判斷參數設置準確與否。平臺還可以動態展示區域生長過程，讓學生充分體會生長的含義。

3.1.4" K-means聚類模塊

K-means聚類分割算法的主要思想是首先選取M個種子點，然后將周圍點特征與種子點特征進行距離的測定，將距離最小的點與該種子點歸為一

類[7]。聚類算法涉及的參數如聚類數目、迭代次數都可以在界面上交互調整，同時實時顯示分割效果，學生可以及時觀察分割結果，如圖5所示。對應同一圖像不同的感興趣區域或者不同的醫學圖像，聚類的類別數尤其重要，會直接影響圖像的分割結果。學生通過不斷調整種子數和迭代數目，觀察不同的分割結果，深刻理解聚類法分割圖像的核心原理。

3.2" 測試模塊構建

3.2.1" 習題測試模塊

每個實驗模塊都匹配對應的測試題，用以檢驗學生在操作實驗之后對理論知識的掌握程度。該模塊題型主要為選擇題，內容與當前操作模塊深度匹配，如圖6所示。學生做完題目后點擊提交，界面會反饋結果和統計分析，便于了解自己對當前知識點的掌握程度，建立學習的有效閉環。

3.2.2" 實驗報告模塊

算法配套習題的實驗報告也能在一定程度上幫助學生回顧溫習課程內容，達到溫故而知新、融會貫通的學習效果。

4" 虛擬仿真實驗教學平臺的應用效果

4.1" 實驗設計特色

醫學圖像分割涉及的算法知識點較多，編程實現較為困難，讓學生把大量時間消耗在編程上，沒有時間對算法原理進行深入分析并靈活運用于臨床醫學圖像。為此，本文構建可視化的醫學圖像分割虛擬仿真實驗教學平臺，將醫學圖像分割的理論與實踐有機結合，幫助學生節約大量編程時間，提高學生將理論應用實際的能力，加深學生對算法理論的理解，極大地提高學習效率。學生登錄平臺進行相應算法的操作，基于平臺實時地、可視化地展示醫學圖像分割結果，掌握閾值分割、邊緣檢測、區域生長以及K-means聚類這四種常用圖像分割算法。

4.2" 教學方法特點

該實驗平臺已被應用于醫學影像技術專業2017、2018和2019級醫學圖像處理實驗課程中，平臺緊扣影像技術的教學特點，先后被評為河北省虛擬仿真實驗教學項目和河北省虛擬仿真實驗教學一流本科課程，已在國家虛擬實驗平臺上實現開放共享。虛擬仿真實驗教學平臺不僅具有良好的開放性，可以方便地擴充和更新教學資源，方便加入新的醫學圖像和臨床影像資料，還具有簡潔的一鍵式交互界面以及實時的圖像處理結果展示功能，對醫學圖像理論知識積累較少的初學者同樣具備良好的人機交互模式。

5" 結束語

在醫工融合蓬勃發展的當下，醫學影像技術作為兼顧醫學、工學與理學的一門新醫科專業，在未來的醫學發展中發揮著十分重要的作用。醫學圖像處理是醫學影像技術專業的核心課程，對教學有較高的要求。本文構建醫學圖像分割虛擬仿真實驗教學平臺，該平臺具有簡潔的一鍵式交互界面以及實時的圖像處理結果展示功能，即使是剛接觸醫學圖像處理的學生也可以很快掌握平臺的操作功能，學習起來得心應手。該平臺旨在幫助學生掌握圖像分割中所涉及的重要理論知識，同時能夠將其靈活運用于臨床醫學圖像分割，有效提升學生解決實際問題的能力，充分調動學生學習的積極性，培養學生的自主創新意識。

6" 參考文獻

[1] 教育部2022年工作要點[A/OL].（2022-02-08）[2023-09-08].http：//www.moe.gov.cn/jyb_sjzl/moe_164/202202/t20220208_597666.html.

[2] 胡欽太，林曉凡，張彥.信息化何以促進基礎教育的結果公平：基于中國教育追蹤調查數據的分析[J].教育研究，2021，42（9）：142-153.

[3] 張愛桃，安東興，單春燕，等.以學生為中心的醫學圖像處理課程設計實踐教學研究[J].中國教育技術裝備，2020（4）：132-133，136.

[4] 楊澤富，戰蔭偉，楊榮騫.腦血腫CT圖像分割的改進快速行進方法[J].計算機工程與設計，2020，41（5）：1373-1378.

[5] 周少康.深度凹陷和弱邊緣醫學圖像分割算法的研究與應用[D].南京：南京師范大學，2021.

[6] 任楚嵐，王寧，張陽.醫學圖像分割方法綜述[J].網絡安全技術與應用，2022（2）：49-50.

[7] 周曉宇，張龍波，王雷，等.結合譜聚類與改進RSF模型的醫學圖像分割[J].計算機工程與應用，2019，55（15）：193-197，212.

*項目來源：河北省高等教育學會“十四五”規劃課題（GJXH2021-068）；河北醫科大學2022年度教育教學研究課題（2022YBZD-15）；2022年國家級創新訓練項目（202210089068）；河北醫科大學2022年大學生創新性實驗計劃項目（USIP2022068）；河北醫科大學2022年大學生創新性實驗計劃項目（USIP2022265）。

作者簡介：周旭，博士研究生；梁晶，通信作者。