向函，吳應(yīng)江，丘文峰，侯潔，趙云

（廣東醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，東莞 523808）

0 引言

人工智能屬于交叉學(xué)科，其涉及數(shù)學(xué)、計算機、神經(jīng)生物學(xué)等諸多領(lǐng)域知識，是推動當(dāng)今世界發(fā)展的重要動力。我國已經(jīng)充分認(rèn)識到人工智能與教育融合發(fā)展的重要性，國務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中提出，加快人工智能高端人才培養(yǎng)，建設(shè)人工智能學(xué)科，發(fā)展智能教育［1］，在政策引導(dǎo)下一些地區(qū)和學(xué)校已經(jīng)初步開展了此類教學(xué)改革的探索。在醫(yī)療領(lǐng)域，人工智能技術(shù)有助于解決醫(yī)療資源短缺、分配不均、醫(yī)患關(guān)系緊張等問題［2］，其在醫(yī)學(xué)圖像處理、基因分析、醫(yī)療仿真等方面都有突出表現(xiàn)，特別是當(dāng)下迅速發(fā)展的基于深度學(xué)習(xí)的AI技術(shù)為醫(yī)學(xué)研究做出了巨大貢獻(xiàn)［2-4］。本文以廣東醫(yī)科大學(xué)在信息管理與信息系統(tǒng)專業(yè)教學(xué)中進(jìn)行人工智能實踐教學(xué)為例，討論了在現(xiàn)有基礎(chǔ)上，引入人工智能教學(xué)內(nèi)容，制定培養(yǎng)方案并付諸實踐的具體方法。

1 醫(yī)學(xué)信息人才教學(xué)現(xiàn)狀和新需求

1.1 教學(xué)現(xiàn)狀

廣東醫(yī)科大學(xué)的信息管理與信息系統(tǒng)專業(yè)從1997年開辦已有24年歷史，結(jié)合醫(yī)學(xué)、計算機科學(xué)、管理學(xué)等學(xué)科內(nèi)容，有比較完善的教學(xué)體系，培養(yǎng)的學(xué)生主要從事醫(yī)院信息系統(tǒng)相關(guān)的開發(fā)、維護(hù)工作。該專業(yè)的專業(yè)基礎(chǔ)課包括：醫(yī)學(xué)知識模塊、數(shù)學(xué)知識模塊、計算機知識模塊、實踐教學(xué)模塊。根據(jù)專業(yè)的理論教學(xué)，設(shè)置較多的實踐課程，如課程實驗、重要的專業(yè)課程（數(shù)據(jù)庫原理與應(yīng)用、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫開發(fā)技術(shù)等）的課程設(shè)計。安排企業(yè)見習(xí)1周和為期29周的實習(xí)。

1.2 人工智能教學(xué)新需求

人工智能的飛速發(fā)展及在醫(yī)療領(lǐng)域應(yīng)用的展開，對信息化人才培養(yǎng)提出新的要求。①傳統(tǒng)課程需增加哪些新知識，以滿足新時期的需求。②如何在保證現(xiàn)有核心課程和培養(yǎng)大方向不變的前提下調(diào)整教學(xué)。③能否在現(xiàn)有培養(yǎng)模式下做出新突破，提升教學(xué)質(zhì)量。

人工智能屬于多領(lǐng)域交叉學(xué)科，需要具備數(shù)學(xué)、計算機編程和具體的業(yè)務(wù)相關(guān)知識（醫(yī)學(xué)知識）。深度學(xué)習(xí)代表目前性能最強的人工智能的發(fā)展方向，也屬于必備的基礎(chǔ)知識［5］。此外，人工智能的落地實現(xiàn)也屬一大難點，尤其在以理論教學(xué)為主的學(xué)校教育中，此問題尤其突出。

1.3 實踐能力需求

人工智能在發(fā)展初期，學(xué)者們基于數(shù)學(xué)理論做了大量研究，經(jīng)過幾十年發(fā)展，已經(jīng)有很多相當(dāng)成熟的算法，尤其是深度學(xué)習(xí)的出現(xiàn)，使不少計算機視覺中的傳統(tǒng)難題得到了滿意的解決方案，如目標(biāo)識別、人臉檢測等。不少學(xué)者們也將深度學(xué)習(xí)技術(shù)應(yīng)用到醫(yī)學(xué)圖像處理領(lǐng)域，并獲得了不錯的進(jìn)展。例如，將深度學(xué)習(xí)的圖像分類技術(shù)應(yīng)用在CT、PET、MRI等系統(tǒng)，判斷病人是否患有某種疾病；圖像分割與檢測技術(shù)應(yīng)用在預(yù)測腦血栓潛在位置、檢測異常腦血管結(jié)構(gòu)等領(lǐng)域［2-4］。

目前，阻礙人工智能在各領(lǐng)域里廣泛應(yīng)用的最大問題在于算法落地，而非理論研究。例如，Resnet分類網(wǎng)絡(luò)，在給定實驗數(shù)據(jù)集上的準(zhǔn)確率已經(jīng)超過人眼，人臉識別算法的準(zhǔn)確率也已經(jīng)無限接近于百分之百，但這些經(jīng)典算法，應(yīng)用于實際場景中會碰到諸多完全不同于實驗室環(huán)境的問題，如場景不同、時間和光照條件稍作改變，則算法效率急劇下降。醫(yī)學(xué)影像在數(shù)據(jù)采集、圖像特征等各方面與通用圖像有很大區(qū)別，如醫(yī)學(xué)圖像大多數(shù)采用放射、磁共振、超聲等成像方式，而通用圖像大多數(shù)是自然光成像；醫(yī)療圖像多為單通道灰度圖，而通用圖像為彩色圖片；同體態(tài)的醫(yī)學(xué)圖像相似度相當(dāng)高，應(yīng)著重與細(xì)節(jié)識別，而通用圖像區(qū)分度很大，著重于整體識別即可。由上所述，各類算法在處理醫(yī)學(xué)圖像中效率下降的問題也非常突出，各大廠商都在積極探索算法實際應(yīng)用的方法。因此，培養(yǎng)學(xué)生的實踐能力，充分運用所學(xué)知識將已有算法有效應(yīng)用于醫(yī)療信息相關(guān)領(lǐng)域的能力是培養(yǎng)重點。

2 教學(xué)設(shè)計

2.1 現(xiàn)有課程體系中加入人工智能教學(xué)內(nèi)容

該專業(yè)已有C++語言、數(shù)據(jù)結(jié)構(gòu)與算法、數(shù)據(jù)庫原理、數(shù)據(jù)庫開發(fā)技術(shù)等傳統(tǒng)程序設(shè)計領(lǐng)域相關(guān)課程，學(xué)生鍛煉了基礎(chǔ)的編程能力。結(jié)合專業(yè)的現(xiàn)狀和醫(yī)學(xué)人工智能領(lǐng)域的需求，加入如下教學(xué)內(nèi)容：

（1）機器學(xué)習(xí)，從基礎(chǔ)出發(fā)培養(yǎng)學(xué)生理解并應(yīng)用各類AI算法的能力。

（2）將原有開設(shè)的“C#語言”改為“Python程序設(shè)計”。Python語言本身語法相對簡單，可以讓使用者注重于算法本身，而非繁瑣的語法規(guī)則，是人工智能領(lǐng)域的首選編程語言。以此培養(yǎng)學(xué)生使用人工智能基本算法和處理大數(shù)據(jù)的能力。

（3）在已有課程中增加相關(guān)知識，如：操作系統(tǒng)概論里增加人工智能算法必備的linux系統(tǒng)使用章節(jié)；計算機圖像處理課程中，重新設(shè)計教學(xué)計劃，著重講解矩陣、卷積、灰度、常見特征提取算法等內(nèi)容。

2.2 積極開展課外教學(xué)

在教學(xué)課程加入上述必修內(nèi)容之外，通過自愿報名的方式，12名學(xué)生加入了課外小組的實踐教學(xué)環(huán)節(jié)，進(jìn)行小班課外學(xué)習(xí)，進(jìn)行網(wǎng)絡(luò)教學(xué)、課堂、實驗室多種形式的授課。加入深度學(xué)習(xí)相關(guān)算法的教學(xué)。內(nèi)容包括基礎(chǔ)算法的Python實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)（卷積、激活函數(shù)、全連接）、反向傳播算法、優(yōu)化算法基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)設(shè)計與應(yīng)用。

當(dāng)然，野村谷名貴樹木不止于銀杏。萬畝山林，珍稀樹種應(yīng)有盡有。白龍山乃大別山一支，綠色基因庫資源一脈相承。

由淺至深安排教學(xué)內(nèi)容。首先使用經(jīng)典的Lenet算法設(shè)計5層卷積神經(jīng)網(wǎng)絡(luò)，識別手寫字符集mnist。根據(jù)具體代碼和運行過程，講解卷積（如：卷積核大小、數(shù)量）、激活函數(shù)（常見激活函數(shù)的使用）、全連接層概念，講解反向傳播算法及優(yōu)化算法（如：SGD，ADAM）的目標(biāo)和原理。在掌握了基本網(wǎng)絡(luò)的基礎(chǔ)上，引入Resnet［7］等高級網(wǎng)絡(luò)，進(jìn)行復(fù)雜圖像分類實驗，講解算法評價指標(biāo)（如召回率、精確率、交并比）。引入具體適合醫(yī)療領(lǐng)域的圖像分割技術(shù)，講解Unet［8］原理及最新進(jìn)展。

每周一次，學(xué)生以匯報形式總結(jié)學(xué)習(xí)到的內(nèi)容，并提出問題，在小組內(nèi)討論。期間，學(xué)生普遍對基礎(chǔ)網(wǎng)絡(luò)分類、圖像分割技術(shù)比較感興趣。對理論知識涉及較多的反向傳播算法、優(yōu)化算法等有較多問題。安排學(xué)生自主匯報，有助于及時發(fā)現(xiàn)，并針對性解決問題。

2.3 結(jié)合醫(yī)學(xué)應(yīng)用

現(xiàn)有的通用深度學(xué)習(xí)算法如Resnet，Unet等，最初都應(yīng)用于通用數(shù)據(jù)集，醫(yī)學(xué)方面的很多應(yīng)用還處于探索階段。針對此類問題，在講解了基礎(chǔ)知識之后，進(jìn)行針對性的醫(yī)學(xué)應(yīng)用。智能醫(yī)療有很多的發(fā)展方向，例如醫(yī)學(xué)影像處理、診斷預(yù)測、疾病控制、健康管理、康復(fù)機器人、語音識別病歷電子化等，其中醫(yī)學(xué)影像處理是研究較多的領(lǐng)域?，F(xiàn)存為數(shù)不少的開源影像數(shù)據(jù)集可用來進(jìn)行科學(xué)研究，如ChestX-ray14是由NIH研究院提供的X光數(shù)據(jù)集［9］，其標(biāo)注了14種不同肺部疾病。2020年的新冠疫情，很多研究機構(gòu)投入大量資源進(jìn)行了相關(guān)研究，同時貢獻(xiàn)了很多開源的數(shù)據(jù)集，如 COVID-CT［10］、ACCD of COVID-19 test?ing［11］。結(jié)合現(xiàn)實情況和教學(xué)需求，選擇肺部圖像數(shù)據(jù)集，做針對性教學(xué)，如：使用分類網(wǎng)絡(luò)對肺部CT自動分類、判定新冠肺炎；使用Unet進(jìn)行肺部CT圖像的病灶自動分割；等。

2.4 積極組織學(xué)生參加各類各級實踐競賽等活動

除日常教學(xué)之外，組織并引導(dǎo)學(xué)生參加各類實踐活動。采用工程驅(qū)動式或項目驅(qū)動式教學(xué)方式，培養(yǎng)學(xué)生興趣，充分調(diào)動學(xué)生主觀能動性，積極引導(dǎo)學(xué)生盡早從事設(shè)計、研究活動。通過建設(shè)學(xué)生創(chuàng)新中心，提供軟、硬件資源，培養(yǎng)學(xué)生實踐、創(chuàng)新能力。每年學(xué)校舉辦軟件設(shè)計大賽，積極引導(dǎo)感興趣的學(xué)生參賽，并成立興趣小組參加國家、省、市各類各級比賽，如全國大學(xué)生計算機設(shè)計大賽、數(shù)學(xué)建模大賽等，以賽代練。一方面提高學(xué)生學(xué)習(xí)興趣，另一方面利用比賽檢驗實踐教學(xué)改革的成效。

2.5 引導(dǎo)學(xué)生進(jìn)行初步科研工作

很多新興人工智能的技術(shù)在醫(yī)學(xué)中的應(yīng)用處于初步應(yīng)用階段，存在不少待解決問題。在分析和解決問題的過程中學(xué)生鍛煉了基本的科研能力。①采用引導(dǎo)的方式將學(xué)生從被動學(xué)習(xí)轉(zhuǎn)向主動研究?？茖W(xué)研究都是建立在前人工作基礎(chǔ)上的。學(xué)生在學(xué)習(xí)了專業(yè)課程后，掌握一定的基本概念、方法和技能，需要了解所研究領(lǐng)域已有的研究成果。指導(dǎo)學(xué)生閱讀經(jīng)典文獻(xiàn)，進(jìn)而自主搜索最新研究進(jìn)展方向，將新成果應(yīng)用到自己的問題中。例如：學(xué)生學(xué)習(xí)圖像分割算法后，通過閱讀經(jīng)典文獻(xiàn)發(fā)現(xiàn)，增強圖像邊緣可以提升分割精度，于是在算法分割之前進(jìn)行預(yù)處理，得到了更好的分割結(jié)果，這有效提升了學(xué)生的研究興趣，以后做相關(guān)實驗前都會先搜尋已有方案，研究是否有更好的方案組合。②指導(dǎo)學(xué)生獨立完成科研論文。在進(jìn)行人工智能教學(xué)過程中，引導(dǎo)學(xué)生將遇到的問題、研究得到的解決方案和研究體會記錄下來，撰寫成論文是科研工作的不可缺少步驟，也可以鍛煉學(xué)生的科研能力。學(xué)生長期學(xué)習(xí)專業(yè)課程，缺少語文寫作鍛煉，撰寫論文需要一定指導(dǎo)，經(jīng)過老師指導(dǎo)論文立題、撰寫、修改成文的各個環(huán)節(jié)，學(xué)生的文字表達(dá)能力也得到較大提升。

3 教學(xué)效果評價

在學(xué)校舉辦的軟件設(shè)計大賽中，往年的學(xué)生作品以學(xué)生信息管理、醫(yī)院管理、醫(yī)學(xué)網(wǎng)站等軟件設(shè)計為主，2020年，人工智能的參賽項目數(shù)量激增，達(dá)到總數(shù)量的60%以上，可見學(xué)生對此類方向的學(xué)習(xí)興趣相當(dāng)高。

2020年，信息管理與信息系統(tǒng)專業(yè)大二、大三的3名學(xué)生組隊參加第13屆中國大學(xué)生計算機設(shè)計大賽-人工智能分賽，結(jié)合學(xué)校醫(yī)學(xué)的特點，參賽作品是“基于深度殘差神經(jīng)網(wǎng)絡(luò)的新冠肺炎CT圖像檢測”。初次參賽即獲得了國家賽的二等獎。

2020年11月，由中國醫(yī)院協(xié)會信息專業(yè)委員會舉辦的“CHIMA2020醫(yī)院新興技術(shù)創(chuàng)新應(yīng)用優(yōu)秀案例”評選中，信息管理與信息系統(tǒng)專業(yè)在校生自行研發(fā)的“AI新冠助手”項目獲得人工智能創(chuàng)新應(yīng)用區(qū)優(yōu)秀獎，是唯一一個由在校生組隊參賽并獲獎的項目。

除了參加各類競賽，組織有能力的學(xué)生參加符合自己能力水平的學(xué)術(shù)交流會議。2020年華南醫(yī)院網(wǎng)絡(luò)信息大會上，信息管理與信息系統(tǒng)專業(yè)大三本科生論文《基于深度卷積神經(jīng)網(wǎng)絡(luò)的肺炎X光圖片病灶檢測》，獲得優(yōu)秀論文獎（共計58個單位、217篇投稿，20篇優(yōu)秀論文獎），有史以來首次有在校生以第一作者發(fā)表論文并獲得優(yōu)秀獎。

4 結(jié)語

面對人工智能的熱潮，切實有效地開展相關(guān)教學(xué)工作，有助于提升學(xué)生能力，增強其社會競爭力，提升學(xué)校教學(xué)質(zhì)量。醫(yī)學(xué)院校理工科基礎(chǔ)薄弱，開展人工智能的教學(xué)面臨很多困難，不能直接復(fù)制其他理工科院校的教學(xué)模式，只能采用漸進(jìn)改革的方式試點執(zhí)行。通過在主要課程中加入新教學(xué)內(nèi)容、尋找醫(yī)學(xué)應(yīng)用點發(fā)揮醫(yī)學(xué)院校特長、課外興趣小組教學(xué)、以賽代練和引導(dǎo)學(xué)生進(jìn)行初步科研工作等方式進(jìn)行人工智能教學(xué)是切實可行的方法。