公务员期刊网 论文中心 正文

谈项目驱动医学图像处理教学改革

前言:想要写出一篇引人入胜的文章?我们特意为您整理了谈项目驱动医学图像处理教学改革范文,希望能给你带来灵感和参考,敬请阅读。

谈项目驱动医学图像处理教学改革

摘要:随着信息技术的快速发展,医学图像处理教学也应顺应时代潮流。在医学图像处理教学中融入人工智能等新技术,以项目驱动的形式进行医学图像处理教学改革,在培养学生自主学习能力和实践能力的同时,让学生紧跟时代潮流。实践表明,该实践教学模式能够充分调动起学生学习的积极性和主动性,达到学有所用、学以致用的目的。

关键词:医学图像处理;项目驱动;教学改革

近年来,人工智能、计算机视觉等领域的图像识别技术突飞猛进,成为近期研究和实际应用的热门话题。图像识别就是图像处理的高级阶段,而对于医学图像的识别就要用到各种医学图像处理算法。医学图像处理课程就是以数字图像处理为基础,是一门讲述如何用计算机对医学图像进行分析和处理的课程。由于医学图像处理课程中的处理对象主要是各种医学影像,因而这门课程的侧重点相较于数字图像处理又有所不同。医学图像处理涉及医学、计算机、数学等多门学科,是一门交叉性学科,也是培养高素质复合型人才的一门重要学科,在生命科学研究、临床诊断与治疗等方面都发挥着重要作用。越来越多的医学院校开始为医学影像、生物医学工程、信息管理与信息系统等专业的学生开设该课程。但在实际实施过程中还存在许多不足,典型的问题是理论与实践脱节,尤其是与实际应用相脱节,实际教学效果并不理想。因此,在教学过程中引入项目驱动的医学图像教学改革,不仅可以将理论与实践相结合,避免专业课程教学中的所谓“孤岛效应”,而且可以培养学生的自主学习能力和项目开发能力,让学生“在做中学、在学中做”,达到学以致用的目的。

1当前医学图像处理教学现状

医学图像处理是海南医学院信息管理与信息系统专业高年级学生的一门专业课,共48学时,包括30学时的理论课和18学时的实验课。医学图像处理要求学生掌握有关医学图像处理的基本理论和算法,并能利用计算机编程实现诸如医学图像增强、医学图像分割、医学图像变换、医学形态学图像处理等常规的医学图像处理技术,为以后的学习及工作打下基础。该课程涉及医学、计算机、数学等多个学科,是培养高素质复合型人才的一门重要学科[1]。目前,越来越多的医学院校开设了医学图像处理这门课程。但由于该课程的理论性、实践性和应用性都很强,因此在实际实施过程中还存在许多不足,典型的问题是理论与实践相脱节,尤其是与实际应用相脱节,多数教师还是采用传统讲授式的教学方法,忽视了对学生实践能力及创新性思维的培养[2],实际教学效果并不理想。俗话说,兴趣是最好的老师。克服学生学习惰性、提高教学质量的一个有效方法就是激发学生的学习兴趣。近年来,图像识别技术在人工智能、计算机视觉等领域中的应用日新月异,成为当下最热门的研究方向,因此在医学图像处理教学过程中,应该不断地更新与完善医学图像处理课程教学内容,将新的图像识别技术融入传统医学图像处理理论教学,激发学生的学习兴趣,并以项目开发的形式让学生真正做到学有所用、学以致用,让学生意识到学好医学图像处理课程,不仅可以提高自身在就业市场上的竞争力,也可以为考研积累资本、赢得优势,充分调动学生学习的积极性和主动性[3-4]。

2项目驱动的医学图像处理教学改革方法

结合教师的科研及指导大学生创新创业项目的经验,海南医学院在进行项目驱动的医学图像处理教学改革时,是以肺结节的CT图像计算机辅助诊断系统为例进行讲解。该系统登记了软件著作权,并在2017年“泛珠三角大学生计算机作品赛”上获得海南省一等奖和香港总决赛三等奖。为了更好地与医学图像处理教学课程内容相吻合,我们在给学生讲解肺结节计算机辅助诊断系统时,采用的是支持向量机技术,而不是最新的深度学习技术。为了能够顺利地实施项目驱动的医学图像处理教学改革,我们对医学图像处理课程教学内容进行了重构,以项目开发的形式将肺结节计算机辅助诊断系统中涉及的主要知识点与医学图像处理教学内容一一对应起来,根据项目进度依次学习医学图像处理课程中的各个知识点[5-6]。根据实际情况,将肺结节的计算机辅助诊断系统项目分解成CT图像获取、图像降噪、肺实质分割、ROI分割、特征提取和分类识别等几个模块。在项目中的CT图像获取模块,可以对应医学图像处理中的数字化图像的概念、图像的表示、图像的读取、DICOM格式医学图像的读取以及图像的几何变换等内容。在图像降噪模块中可以对应医学图像处理教学内容中的主要知识点———图像增强,包括线性变换、指数变换、对数变换、直方图均衡化、中值滤波、均值滤波和频域滤波等。在肺实质分割和ROI分割部分会涉及医学图像处理内容中的另一个主要知识点——图像分割,包括阈值分割、区域生长、边缘检测、聚类分割及形态学方法等。在特征提取部分涉及图像的表示与描述,包括提取目标区域的面积、周长、圆形度、傅里叶描述子等。在分类识别部分可以采用支持向量机或深度学习的方法[7]。支持向量机的方法虽然在识别精度上没有深度学习方法高,但能比较好地融入医学图像处理中的各个主要知识点,比较适合医学图像处理教学,并且支持向量机技术对计算机性能的要求不高,大多数学生的电脑或学校机房的电脑都能运行。在运用支持向量机技术进行分类建模时,则只教授学生怎么运用现成的支持向量机技术进行建模,而不要求学生掌握支持向量机的基本原理,尽量降低学生学习开发的难度。肺结节的计算机辅助诊断系统的过程基本涵盖了医学图像处理的主要教学内容。项目实践过程以小组的形式进行,5~6人一组。考虑到医学院校信息管理与信息系统专业绝大多数学生开发能力不强的特点,开发语言也采用难度较低的Matlab实验平台进行算法的设计与验证。整个项目开发流程中,在不给学生增加难度的情况下,形成了一个完整的医学图像处理知识链,不仅有效地避免了学生“只见树木,不见森林”式地对各个孤立知识点的理解,而且使学生学会了项目开发和团队合作,从而达到学以致用的目的,极大地提高了学生学习的积极性和主动性。

3结语

通过对传统的医学图像处理课程教学内容进行重构,以项目开发的形式将医学图像处理中涉及的主要知识点串联起来,改变了以理论知识传授为主的传统教学观念,激发了学生学习的积极性和主动性,加强了对学生实践应用能力和综合素质的培养,从而实现培养具有创新能力的应用型人才的目标。

参考文献

[1]李新利,杨国田,刘禾.基于理论与实践并重的图像处理与分析课程建设[J].高教学刊,2019(5):101-102,105.

[2]徐美芳,王浩全,桂志国.关于数字图像处理课程专题式教学模式的探讨[J].安徽工业大学学报(社会科学版),2009,26(4):122-123.

[3]王云峰.基于C-CDIO模式的“数字图像处理”课程教学改革与探讨[J].现代信息科技,2019,3(8):99-100,103.

[4]刘君.结合人工智能的数字图像处理教学改革探讨[J].科技创新导报,2018,15(16):229-230,232.

[5]万程.数字图像处理课程的CDIO教学改革[J].教育教学论坛,2019(33):113-114.

[6]曲中水.探究式教学法在数字图像处理课程中的应用[J].高师理科学刊,2018,38(6):78-81,97.

[7]陈舒涵,胡学龙,姚志均,等.深度学习在“数字图像处理”课程教学中的应用探讨[J].工业和信息化教育,2019(2):84-88,94.

作者:韩贵来 李海霞 单位:海南医学院医学信息学院