韓貴來 李海霞

摘? 要： 為了更好地適應(yīng)人工智能時代發(fā)展需求，在醫(yī)學(xué)圖像處理教學(xué)過程中融入人工智能內(nèi)容。通過對傳統(tǒng)的醫(yī)學(xué)圖像處理教學(xué)內(nèi)容知識進(jìn)行重構(gòu)，以項目開發(fā)的形式進(jìn)行醫(yī)學(xué)圖像處理教學(xué)改革。實踐表明，融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革，更能充分調(diào)動起學(xué)生學(xué)習(xí)的積極性和主動性，使學(xué)生真正做到學(xué)有所用，學(xué)以致用。

關(guān)鍵詞： 醫(yī)學(xué)圖像處理; 人工智能; 教學(xué)改革; 項目開發(fā)

中圖分類號：G642.0? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2020）11-117-03

Abstract： In order to better adapt to the needs of the development in the era of artificial intelligence， the content of artificial intelligence is integrated into the teaching process of medical image processing. Through the reconstruction of the traditional teaching content knowledge of medical image processing， the teaching reform of medical image processing is carried out in the form of project development. The practice shows that the teaching reform of medical image processing integrating artificial intelligence technology can fully arouse the enthusiasm and initiative of students， truly achieve that what they learned is useful and their learning is for the practice.

Key words： medical image processing; artificial intelligence; teaching reform; project development

0 引言

人工智能技術(shù)快速發(fā)展，已經(jīng)從研究領(lǐng)域進(jìn)入到應(yīng)用層面。醫(yī)學(xué)人工智能作為一個重要的細(xì)分領(lǐng)域， 正逐步在醫(yī)療領(lǐng)域發(fā)揮重要作用。2017年7月，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出要發(fā)展智慧醫(yī)療，實現(xiàn)醫(yī)學(xué)影像識別、病理分型和智能診斷等。到2020年，我國醫(yī)學(xué)影像市場規(guī)模將達(dá)到7000億元。隨著采集的醫(yī)學(xué)影像數(shù)據(jù)量越來越大，如今醫(yī)院往往缺乏足夠的讀片人員，因此，對于能夠快速處理影像數(shù)據(jù)的人工智能技術(shù)需求十分巨大。人工智能用于影像處理具有多項優(yōu)勢。

首先，人工智能可以大批量快速地處理影像數(shù)據(jù)。只要計算能力夠大，人工智能便可以一次性處理大量影像數(shù)據(jù)。更重要的是，人工智能不會感到疲勞，只要機器正常，可以連續(xù)24小時不停地工作。而醫(yī)生工作時間過長就會產(chǎn)生疲勞，從而增加漏診和誤診的概率。

其次，人工智能判斷更加客觀、準(zhǔn)確。微軟2014年提出的ResNet 深度學(xué)習(xí)網(wǎng)絡(luò)最深高達(dá)152 層，利用殘差的思想將ImageNet大規(guī)模圖像分類競賽的Top-5錯誤率降到了3.57%[1]。而在同樣的數(shù)據(jù)集上，人眼的辨識錯誤率約為5.1%。在醫(yī)學(xué)影像領(lǐng)域，人工智能也可以通過學(xué)習(xí)大量的影像來提高機器識別的正確率。目前開發(fā)的一些機器學(xué)習(xí)算法已經(jīng)可以做到比醫(yī)生更加準(zhǔn)確的識別肺部癌變。國內(nèi)百度公司開發(fā)的人工智能系統(tǒng)在肺癌的識別上也取得了95%的正確率，高于測試中的醫(yī)生正確率約兩個百分點，并且能在更短的時間內(nèi)處理了更多的影像。

再者，人工智能可以處理影像類型更加豐富。由于病癥的種類繁多，從心血管疾病到癌癥等均會涉及到影像。由于時間精力有限，一名醫(yī)生只能擅長某一種或幾種疾病影像的識別。然而，計算機卻能夠識別處理不同種類的醫(yī)學(xué)影像。因此一個人工智能系統(tǒng)就可以取代不同科室的多名醫(yī)生。

目前，人工智能已經(jīng)在計算機輔助診斷方面得到廣泛應(yīng)用，幾乎涵蓋了所影像診斷的所有領(lǐng)域，如心血管、肺癌、乳腺癌等多種類型疾病[2]。人工智能與醫(yī)學(xué)影像相結(jié)合的智能醫(yī)療已經(jīng)開始在臨床領(lǐng)域真正地幫助到醫(yī)生，必將成為醫(yī)生診斷、治療工作的一種必備手段，并令患者受益。

1 當(dāng)前醫(yī)學(xué)圖像處理教學(xué)困境

醫(yī)學(xué)圖像處理是我校信息管理與信息系統(tǒng)專業(yè)高年級學(xué)生的一門專業(yè)課，主要要求學(xué)生掌握有關(guān)醫(yī)學(xué)圖像處理的基本理論和算法，能夠利用計算機編程實現(xiàn)諸如醫(yī)學(xué)圖像的圖像增強、圖像分割、圖像變換、形態(tài)學(xué)圖像處理等常規(guī)的醫(yī)學(xué)圖像處理技術(shù)，為進(jìn)一步的學(xué)習(xí)及步入工作崗位后的學(xué)以致用打下基礎(chǔ)。這門課程涉及各種醫(yī)學(xué)影像的處理，需要數(shù)學(xué)、信號處理等眾多學(xué)科知識，是一門交叉性學(xué)科，具有綜合性、理論性、實踐性、應(yīng)用性強的特點，課程起點高、難度大[3]。對于學(xué)生而言，如果只學(xué)習(xí)理論知識而不進(jìn)行實踐訓(xùn)練，就很難掌握醫(yī)學(xué)圖像處理的基本原理與技術(shù)，不利于學(xué)生的培養(yǎng)。

目前，醫(yī)學(xué)圖像處理課程教學(xué)過程中主要存在以下問題。①教學(xué)方法單一，多數(shù)教師還是沿用傳統(tǒng)講授式的教學(xué)方法，忽視了學(xué)生創(chuàng)新性思維的培養(yǎng)[4]。②醫(yī)學(xué)圖像處理課程教學(xué)過程中重理論而輕實踐。由于許多醫(yī)學(xué)圖像處理算法的實踐既費力又耗時，而課時有限，因此教學(xué)中，教師經(jīng)常講了一大堆理論，但真正留給學(xué)生實踐練習(xí)的課時則比較少[5]。③目前教材各個知識點之間缺乏有機的結(jié)合，與實際應(yīng)用相脫節(jié)。實驗部分多作為理論課程的輔助教學(xué)形式，常采用一些基礎(chǔ)性、驗證性或者演示性的實驗，實驗內(nèi)容多是針對單一知識點，如中值濾波實驗、直方圖均衡化實驗和邊緣檢測實驗等，各個實驗相互獨立，無法培養(yǎng)學(xué)生系統(tǒng)開發(fā)的能力，容易使學(xué)生“只見樹木，不見森林”，學(xué)完該課程后還是不知道怎樣運用所學(xué)知識去解決實際問題。④教材資源不足，可供選用的醫(yī)學(xué)圖像處理教材很少，而教材中的內(nèi)容與方法又過于因循守舊，實驗內(nèi)容很少涉及醫(yī)學(xué)圖像處理最新的研究熱點和應(yīng)用，更跟不上醫(yī)學(xué)圖像處理在人工智能領(lǐng)域應(yīng)用的快速發(fā)展，難以滿足實際教學(xué)需求，因此很難有效地調(diào)動學(xué)生學(xué)習(xí)的積極性和主動性，更別說對學(xué)生創(chuàng)新實踐能力的培養(yǎng)[6]。

鑒于以上種種問題，若教師把握不好度，就很容易使學(xué)生在一些繁雜的數(shù)學(xué)推導(dǎo)面前望而卻步，逐漸喪失學(xué)習(xí)興趣。特別對于高年級學(xué)生而言，求職和考研的壓力很大，往往無法集中精力學(xué)習(xí)，學(xué)習(xí)的動力和興趣都較低年級時有所下降。面對這種狀況，如果不采取措施改善，勢必影響教學(xué)效果。俗話說，興趣是最好的老師。提高教學(xué)質(zhì)量的一個重要前提就是激發(fā)學(xué)生的學(xué)習(xí)興趣。近年來，結(jié)合人工智能、計算機視覺等領(lǐng)域中的圖像識別技術(shù)突飛猛進(jìn)，成為近期研究和實際應(yīng)用的熱點，因此，醫(yī)學(xué)圖像處理教學(xué)應(yīng)與時俱進(jìn)，不斷地更新與完善醫(yī)學(xué)圖像處理教學(xué)內(nèi)容，將新的圖像識別等人工智能技術(shù)融入到傳統(tǒng)醫(yī)學(xué)圖像處理教學(xué)中，激發(fā)學(xué)生的學(xué)習(xí)興趣。在講授醫(yī)學(xué)圖像處理理論知識的同時，融入人工智能發(fā)展前沿相關(guān)的新理論及最新發(fā)展動態(tài)，及時讓學(xué)生了解和關(guān)注到學(xué)科前沿知識和技術(shù)，讓學(xué)生意識到學(xué)好醫(yī)學(xué)圖像處理課程不僅可以提高學(xué)生在就業(yè)市場上的競爭力，也可以為那些考研學(xué)生積累資本、贏得優(yōu)勢，讓學(xué)生真正做到學(xué)有所用，學(xué)以致用，充分調(diào)動起學(xué)生學(xué)習(xí)的積極性和主動性[7]。

2 融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革

融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革目的是在講授醫(yī)學(xué)圖像處理理論知識的同時，融入與學(xué)科發(fā)展前沿相關(guān)的新進(jìn)展，激發(fā)學(xué)生的學(xué)習(xí)興趣。融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革應(yīng)該涵蓋醫(yī)學(xué)圖像處理課程教學(xué)的主要內(nèi)容，包括圖像變換、圖像增強、圖像分割、特征提取等。在醫(yī)學(xué)圖像處理教學(xué)過程中，人工智能技術(shù)只能作為教學(xué)的輔助，重點強調(diào)怎么用，而不應(yīng)詳細(xì)講解人工智能的原理，不能給學(xué)生增加太多難度。

結(jié)合科研及指導(dǎo)大學(xué)生創(chuàng)新創(chuàng)業(yè)項目的經(jīng)驗，我們在融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革時是以肺結(jié)節(jié)的CT圖像計算機輔助診斷系統(tǒng)為例來講解。該系統(tǒng)登記了軟件著作權(quán)，并在2017年的泛珠三角大學(xué)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。肺結(jié)節(jié)計算機輔助診斷系統(tǒng)的診斷過程基本涵蓋了醫(yī)學(xué)圖像處理的主要教學(xué)內(nèi)容，只在分類判別時需要用到人工智能技術(shù)。

在實施融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革時，我們對醫(yī)學(xué)圖像處理課程的各個知識點進(jìn)行了重構(gòu)，以項目開發(fā)的形式，將肺結(jié)節(jié)計算機輔助診斷系統(tǒng)中涉及到的各主要知識點與醫(yī)學(xué)圖像處理教學(xué)內(nèi)容一一對應(yīng)起來[8]。根據(jù)實際情況，將肺結(jié)節(jié)的計算機輔助診斷系統(tǒng)分解成CT圖像獲取、圖像降噪、肺實質(zhì)分割、ROI分割、特征提取和分類識別幾個模塊，如圖1所示，除了分類識別模塊外，其他幾個模塊都跟醫(yī)學(xué)圖像處理課程的知識點對應(yīng)起來。教學(xué)時根據(jù)項目進(jìn)度需要讓學(xué)生在實際項目開發(fā)的過程中依次完成各個知識點的學(xué)習(xí)。

在項目中的CT圖像獲取模塊，可以對應(yīng)醫(yī)學(xué)圖像處理中數(shù)字化圖像的概念、圖像的表示、圖像的讀取、DICOM格式醫(yī)學(xué)圖像的讀取以及圖像的幾何變換等內(nèi)容。在圖像降噪模塊中可以對應(yīng)醫(yī)學(xué)圖像處理教學(xué)內(nèi)容中的主要知識點——圖像增強，包括線性變換、指數(shù)變換、對數(shù)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(zhì)分割和ROI分割部分會涉及醫(yī)學(xué)圖像處理教學(xué)中的另一個主要知識點——圖像分割，包括閾值分割、區(qū)域生長、邊緣檢測、聚類分割及形態(tài)學(xué)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(biāo)區(qū)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(xué)習(xí)的方法[9]。支持向量機的方法雖然識別精度沒有深度學(xué)習(xí)方法高，但能比較好地融合進(jìn)醫(yī)學(xué)圖像處理中的各個主要知識點，比較適合醫(yī)學(xué)圖像處理教學(xué)，并且支持向量機技術(shù)對計算機性能的要求不太高，大多數(shù)學(xué)生的電腦或?qū)W校機房的電腦上都能夠運行。因此我們在分類識別部分優(yōu)先考慮了支持向量機的方法，而不是當(dāng)前最先進(jìn)的深度學(xué)習(xí)的方法。在運用支持向量機技術(shù)進(jìn)行分類建模時，只教學(xué)生怎么運用現(xiàn)成的支持向量機技術(shù)建模，而不要求學(xué)生掌握支持向量機的基本原理，盡量降低學(xué)生運用人工智能技術(shù)進(jìn)行醫(yī)學(xué)圖像處理學(xué)習(xí)開發(fā)的難度。項目實踐以小組的形式開展，5、6人為一組?？紤]到醫(yī)學(xué)院校信息管理與信息系統(tǒng)專業(yè)絕大多數(shù)學(xué)生開發(fā)能力較弱，開發(fā)語言也采用難度較低的Matlab進(jìn)行算法設(shè)計與驗證。整個項目開發(fā)流程中，在沒給學(xué)生額外增加太多難度的情況下，形成了一個完整的醫(yī)學(xué)圖像處理知識鏈，不僅有效避免了學(xué)生“只見樹木，不見森林”式的各個孤立知識點的講解，而且讓學(xué)生學(xué)會了項目開發(fā)和團隊合作，達(dá)到學(xué)以致用的目的，極大地提高了學(xué)生學(xué)習(xí)的積極性和主動性。

3 結(jié)束語

通過對傳統(tǒng)的醫(yī)學(xué)圖像處理課程教學(xué)內(nèi)容知識進(jìn)行重構(gòu)，融合人工智能技術(shù)的醫(yī)學(xué)圖像處理教學(xué)改革以項目開發(fā)的形式將醫(yī)學(xué)圖像處理中涉及到的各主要知識點串聯(lián)起來，改變了以理論知識傳授為主的傳統(tǒng)教學(xué)理念，激發(fā)了學(xué)生學(xué)習(xí)的積極性和主動性，加強了學(xué)生的實踐應(yīng)用能力和綜合素質(zhì)的培養(yǎng)。這種以項目開發(fā)的形式開展醫(yī)學(xué)圖像處理教學(xué)比較費時，而且有些小組可能會跟不上，故在今后的教學(xué)過程中將探討與微課教學(xué)結(jié)合起來，利用微課教學(xué)節(jié)省出來的時間更好地進(jìn)行醫(yī)學(xué)圖像處理融合人工智能的項目開發(fā)教學(xué)改革。

參考文獻(xiàn)（References）：

[1] He， Kaiming，Zhang， Xiangyu，Ren， Shaoqing et al. Deep?Residual Learning for Image Recognition[C]. Computer Vision and Pattern Recognition，2015.

[2] 劉軍，韓燕鴻，潘建科等.人工智能在中醫(yī)骨傷科領(lǐng)域應(yīng)用的現(xiàn)狀與前景[J].中華中醫(yī)藥雜志，2019.34（8）：3608-3612

[3] 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(shè)[J].高教學(xué)刊，2019.5：101-102，105

[4] 徐美芳，王浩全，桂志國.關(guān)于數(shù)字圖像處理課程專題式教學(xué)模式的探討[J].安徽工業(yè)大學(xué)學(xué)報（ 社會科學(xué)版），2009.26（4）：122-123

[5] 王云峰.基于C-CDIO模式的“數(shù)字圖像處理”課程教學(xué)改革與探討[J].現(xiàn)代信息科技，2019.3（8）：99-100，103

[6] 劉君.結(jié)合人工智能的數(shù)字圖像處理教學(xué)改革探討[J].科技創(chuàng)新導(dǎo)報，2018.16：229-230，232

[7] 萬程.數(shù)字圖像處理課程的CDIO教學(xué)改革[J].教育教學(xué)論壇，2019.33：113-114

[8] 曲中水.探究式教學(xué)法在數(shù)字圖像處理課程中的應(yīng)用[J].高師理科學(xué)刊，2018.38（6）：78-81，97

[9] 陳舒涵，胡學(xué)龍，姚志均等.深度學(xué)習(xí)在“數(shù)字圖像處理”課程教學(xué)中的應(yīng)用探討[J].工業(yè)和信息化教育，2019.2：84-88，94