談項目驅動醫學圖像處理教學改革

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談項目驅動醫學圖像處理教學改革范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：隨著信息技術的快速發展，醫學圖像處理教學也應順應時代潮流。在醫學圖像處理教學中融入人工智能等新技術，以項目驅動的形式進行醫學圖像處理教學改革，在培養學生自主學習能力和實踐能力的同時，讓學生緊跟時代潮流。實踐表明，該實踐教學模式能夠充分調動起學生學習的積極性和主動性，達到學有所用、學以致用的目的。

關鍵詞：醫學圖像處理；項目驅動；教學改革

近年來，人工智能、計算機視覺等領域的圖像識別技術突飛猛進，成為近期研究和實際應用的熱門話題。圖像識別就是圖像處理的高級階段，而對于醫學圖像的識別就要用到各種醫學圖像處理算法。醫學圖像處理課程就是以數字圖像處理為基礎，是一門講述如何用計算機對醫學圖像進行分析和處理的課程。由于醫學圖像處理課程中的處理對象主要是各種醫學影像，因而這門課程的側重點相較于數字圖像處理又有所不同。醫學圖像處理涉及醫學、計算機、數學等多門學科，是一門交叉性學科，也是培養高素質復合型人才的一門重要學科，在生命科學研究、臨床診斷與治療等方面都發揮著重要作用。越來越多的醫學院校開始為醫學影像、生物醫學工程、信息管理與信息系統等專業的學生開設該課程。但在實際實施過程中還存在許多不足，典型的問題是理論與實踐脫節，尤其是與實際應用相脫節，實際教學效果并不理想。因此，在教學過程中引入項目驅動的醫學圖像教學改革，不僅可以將理論與實踐相結合，避免專業課程教學中的所謂“孤島效應”，而且可以培養學生的自主學習能力和項目開發能力，讓學生“在做中學、在學中做”，達到學以致用的目的。

1當前醫學圖像處理教學現狀

醫學圖像處理是海南醫學院信息管理與信息系統專業高年級學生的一門專業課，共48學時，包括30學時的理論課和18學時的實驗課。醫學圖像處理要求學生掌握有關醫學圖像處理的基本理論和算法，并能利用計算機編程實現諸如醫學圖像增強、醫學圖像分割、醫學圖像變換、醫學形態學圖像處理等常規的醫學圖像處理技術，為以后的學習及工作打下基礎。該課程涉及醫學、計算機、數學等多個學科，是培養高素質復合型人才的一門重要學科[1]。目前，越來越多的醫學院校開設了醫學圖像處理這門課程。但由于該課程的理論性、實踐性和應用性都很強,因此在實際實施過程中還存在許多不足，典型的問題是理論與實踐相脫節，尤其是與實際應用相脫節，多數教師還是采用傳統講授式的教學方法，忽視了對學生實踐能力及創新性思維的培養[2]，實際教學效果并不理想。俗話說，興趣是最好的老師?？朔W生學習惰性、提高教學質量的一個有效方法就是激發學生的學習興趣。近年來，圖像識別技術在人工智能、計算機視覺等領域中的應用日新月異，成為當下最熱門的研究方向，因此在醫學圖像處理教學過程中，應該不斷地更新與完善醫學圖像處理課程教學內容，將新的圖像識別技術融入傳統醫學圖像處理理論教學，激發學生的學習興趣，并以項目開發的形式讓學生真正做到學有所用、學以致用，讓學生意識到學好醫學圖像處理課程，不僅可以提高自身在就業市場上的競爭力，也可以為考研積累資本、贏得優勢，充分調動學生學習的積極性和主動性[3-4]。

2項目驅動的醫學圖像處理教學改革方法

結合教師的科研及指導大學生創新創業項目的經驗，海南醫學院在進行項目驅動的醫學圖像處理教學改革時，是以肺結節的CT圖像計算機輔助診斷系統為例進行講解。該系統登記了軟件著作權，并在2017年“泛珠三角大學生計算機作品賽”上獲得海南省一等獎和香港總決賽三等獎。為了更好地與醫學圖像處理教學課程內容相吻合，我們在給學生講解肺結節計算機輔助診斷系統時，采用的是支持向量機技術，而不是最新的深度學習技術。為了能夠順利地實施項目驅動的醫學圖像處理教學改革，我們對醫學圖像處理課程教學內容進行了重構，以項目開發的形式將肺結節計算機輔助診斷系統中涉及的主要知識點與醫學圖像處理教學內容一一對應起來，根據項目進度依次學習醫學圖像處理課程中的各個知識點[5-6]。根據實際情況，將肺結節的計算機輔助診斷系統項目分解成CT圖像獲取、圖像降噪、肺實質分割、ROI分割、特征提取和分類識別等幾個模塊。在項目中的CT圖像獲取模塊，可以對應醫學圖像處理中的數字化圖像的概念、圖像的表示、圖像的讀取、DICOM格式醫學圖像的讀取以及圖像的幾何變換等內容。在圖像降噪模塊中可以對應醫學圖像處理教學內容中的主要知識點———圖像增強，包括線性變換、指數變換、對數變換、直方圖均衡化、中值濾波、均值濾波和頻域濾波等。在肺實質分割和ROI分割部分會涉及醫學圖像處理內容中的另一個主要知識點——圖像分割，包括閾值分割、區域生長、邊緣檢測、聚類分割及形態學方法等。在特征提取部分涉及圖像的表示與描述，包括提取目標區域的面積、周長、圓形度、傅里葉描述子等。在分類識別部分可以采用支持向量機或深度學習的方法[7]。支持向量機的方法雖然在識別精度上沒有深度學習方法高，但能比較好地融入醫學圖像處理中的各個主要知識點，比較適合醫學圖像處理教學，并且支持向量機技術對計算機性能的要求不高，大多數學生的電腦或學校機房的電腦都能運行。在運用支持向量機技術進行分類建模時，則只教授學生怎么運用現成的支持向量機技術進行建模，而不要求學生掌握支持向量機的基本原理，盡量降低學生學習開發的難度。肺結節的計算機輔助診斷系統的過程基本涵蓋了醫學圖像處理的主要教學內容。項目實踐過程以小組的形式進行，5～6人一組?？紤]到醫學院校信息管理與信息系統專業絕大多數學生開發能力不強的特點，開發語言也采用難度較低的Matlab實驗平臺進行算法的設計與驗證。整個項目開發流程中，在不給學生增加難度的情況下，形成了一個完整的醫學圖像處理知識鏈，不僅有效地避免了學生“只見樹木，不見森林”式地對各個孤立知識點的理解，而且使學生學會了項目開發和團隊合作，從而達到學以致用的目的，極大地提高了學生學習的積極性和主動性。

3結語

通過對傳統的醫學圖像處理課程教學內容進行重構，以項目開發的形式將醫學圖像處理中涉及的主要知識點串聯起來，改變了以理論知識傳授為主的傳統教學觀念，激發了學生學習的積極性和主動性，加強了對學生實踐應用能力和綜合素質的培養，從而實現培養具有創新能力的應用型人才的目標。

參考文獻

[1]李新利,楊國田,劉禾.基于理論與實踐并重的圖像處理與分析課程建設[J].高教學刊,2019(5):101-102,105.

[2]徐美芳,王浩全,桂志國.關于數字圖像處理課程專題式教學模式的探討[J].安徽工業大學學報(社會科學版),2009,26(4):122-123.

[3]王云峰.基于C-CDIO模式的“數字圖像處理”課程教學改革與探討[J].現代信息科技,2019,3(8):99-100,103.

[4]劉君.結合人工智能的數字圖像處理教學改革探討[J].科技創新導報,2018,15(16):229-230,232.

[5]萬程.數字圖像處理課程的CDIO教學改革[J].教育教學論壇,2019(33):113-114.

[6]曲中水.探究式教學法在數字圖像處理課程中的應用[J].高師理科學刊,2018,38(6):78-81,97.

[7]陳舒涵,胡學龍,姚志均,等.深度學習在“數字圖像處理”課程教學中的應用探討[J].工業和信息化教育,2019(2):84-88,94.

作者：韓貴來 李海霞 單位：海南醫學院醫學信息學院