研究生医学信息处理与分析课程教学实践

魏国辉 闵巍巍 马志庆

医学信息处理与分析是当今科学研究发展中的前沿交叉学科，伴随着智能医疗的兴起，成为迅速发展的新兴学科。该学科涉及医学与信息科学的多个领域，是临床医学、计算机科学、医学信息学、医学影像技术、生物医学工程、人工智能等理论和方法的交叉与综合应用[1]，在医学影像处理、智能医疗、中医药大数据处理等领域具有广阔的应用前景。

2017 年，国务院发布《新一代人工智能发展规划》，要求建立快速精准的智能医疗体系，推广人工智能治疗新模式，研发人工智能、医学影像和病理分型的多学科人机协同临床诊疗方案[2]。将人工智能技术应用于医学信息的处理与分析已经成为当今研究的热点，成为近年来信息类研究生关注的焦点。鉴于该课程的重要性，笔者所在智能与信息工程学院专门为生物医学工程专业研究生开设了此课程，引进计算机科学、数据科学及医学背景的教师组建最强师资教学团队，目的在于让研究生学习最新医学信息处理技术，了解医学信息处理领域的最新研究方向。医学信息处理与分析是一门新兴交叉学科，该课程需要深入理解人工智能、机器学习等相关技术，并将其应用于医学信息的处理与分析，该课程固有的一些特性与传统课程偏差较大，若直接沿用现有教学模式效果可能不佳，因此笔者所在团队拟根据团队已有的科研成果，对医学信息处理课程教学进行过探索性实践。

1 医学信息处理与分析课程简介

医学信息处理与分析是人工智能与医疗信息相结合快速发展下兴起的一门交叉前沿学科[3]，是临床医学、医学信息学、生物医学工程、计算机科学、医学影像学及人工智能等多种学科交叉融合的产物。对于该课程来说，研究的对象是医学信息，研究工具是传统经典方法以及人工智能技术。因此该课程的内容组织存在两个维度：一是研究通用的经典方法和人工智能算法的原理，并将其用于解决医学信息处理领域的新问题；二是根据研究对象的医学问题属性，设计专有的技术方法或人工智能算法。前者偏重于医学信息的处理，后者偏重于人工智能算法研究。医学信息处理与分析课程的开设能够较好的培养研究生的创新思维、创新能力和研究兴趣，培养研究生对“人工智能+医疗”前沿技术的前瞻性，提高研究生的科技素质和学术水平。

2 课程教学内容

2.1 研究生课程教学的特点

本科生和研究生在课程教学方法上具有很大的不同，本科生教学注重课程专业基础讲授，研究生教学则强调创新能力的培养，所以在制定教学内容时需要考虑研究生的实际基础、创新能力以及授课教师的研究方向。同时，考虑到专业硕士和学术硕士培养模式的差异，专业硕士重在引导研究生将学习到的技术方法或算法应用于解决实际的医学问题；学术硕士强调创新能力的培养，引导研究生创新性地应用学习到的知识发现问题和解决问题。

2.2 研究生课程教学内容设计

课程思政设计是研究生课程教学的重要任务，因此在每一个章节，充分挖掘课程的思政元素，提升育人质量，是课程内容教学改革的关键[4-6]。教学团队在生物医学信息处理与分析课程教学中，针对每一章节相关理论的发展历史，进行了思政元素的挖掘，弘扬科学家严谨求实的学术精神，培养克服困难、持之以恒的毅力。

医学信息处理与分析是机器学习、人工智能新技术与医学信息的交叉课程，在授课过程中，需要充分考虑两者的课程内容。笔者所在教学团队长期致力于将机器学习、人工智能算法应用于医学信息处理，根据团队的研究成果及最新的研究热点，笔者将课程内容划分为一条主线、两个对象和五个专题，如图1 所示。一条主线为医学信息处理与分析，两个对象是肿瘤病理图像判别[7-8]和中医正骨手法推荐[9]。医学信息处理与分析的五个专题包括：图像分割、特征提取、特征选择、病理诊断和手法推荐。

图1 医学信息处理与分析课程内容示意图

每一个专题都围绕团队教师的科研成果进行课程内容设计，便于老师和同学交流学习。同时根据专题的特点也适当调整每一个专题的课时，并着重增加了经典分类算法和深度学习部分的授课课时。

3 医学信息处理与分析课程教学模式

3.1 课程教学分析

作为中医药院校中最早的和仅有的两个硕士点之一，生物医学工程学科硕士学位点的大部分生源来自于信息类学科，如生物医学工程、计算机、自动化、通信工程等工科专业，本科学习阶段可能没有接触过人工智能等课程，或者在医学信息处理等方面的基础比较薄弱。因此，在授课过程中关于医学信息处理与分析课程的基础理论部分需要进行适度的讲授。

同时，作为一门偏向实际应用的综合性交叉学科，医学信息处理与分析课程的模型与实际问题紧密相关。但是，已有的多数教材仅偏向于医学信息处理的基础理论、基本方法的讲解，对实际问题的分析与解决则着墨不多。因此课程实际教学实践中，将实际科研案例引入教学，可以获得更好的教学效果。

3.2 课程教学模式设计

鉴于上述情况，笔者所在授课团队确立了如下的教学模式-“理论讲授+案例教学”。课程以案例教学为主，同时在每一个案例专题讲解过程中穿插所用技术或者方法的理论讲授[10]。这样的授课方式不仅可以激发研究生学习的兴趣，同时可以提升研究生的科研创新能力。

在“理论讲授+案例教学”方案中，“理论授课”是依据教学大纲和研究方向的要求，为研究生讲授医学信息处理与分析的基础理论知识，包括相关的医学信息处理方法以及人工智能、机器学习算法。“案例教学”则是由教师按照研究生的知识水平和科研能力，设计适合的医学信息处理的案例供研究生进行科研实践与探索。重点在于教授研究生将学习到的经典方法和人工智能算法创新性地应用于解决实际的医学信息处理问题，以激发研究生兴趣，探索医学信息处理的相关问题。“案例教学”主要是已有案例讲解，由授课教师根据自身的研究方向，选择一篇自己的代表性的医学信息处理论文进行课堂报告。重点报告论文研究的问题、创新点、算法设计和实验方案，引导研究生了解当前医学信息处理的热点问题，使研究生对科学研究的一般规律、一般方法和一般过程有一个具体的认识。同时，鼓励研究生针对感兴趣的科研问题或技术细节进行课堂讨论，并提出自己的见解。从论文的创新点、算法设计等方面引导研究生从不同角度大胆怀疑、大胆尝试，以培养研究生主动探索的研究型观念和科学素养。

3.3 课程教学案例

在肿瘤病理图像特征提取专题的授课讲解过程中，我们团队讲授了经典特征提取方法，包括：纹理、形态学、影像组学等，同时也针对当前的热门方法深度学习，介绍了基于深度学习的乳腺病理图像特征表示[11]。不同特征提取方法的讲解使同学对于图像特征提取专题有了一个全面的认识，在后续的研究中可以根据需要选择适合的特征提取方法。案例教学部分，则是以笔者所在团队最新的研究成果为例进行介绍，并根据实验比较结果着重介绍了深度表示在特征提取中相对于其他方法的优势，引导学生思考论文所解决的科学问题及论文的创新点等。在讨论、提问环节，研究生可以根据授课内容及本人思考提出一些有针对性的问题，例如，影像组学特征和深度表示特征各自适用的对象是什么？使用什么样的语言进行编程实现？如何训练卷积神经网络的参数、如何根据具体实际问题进行卷积神经网络的设计。最后，授课老师总结课堂问题，并布置课后作业，引导研究生使用不同的方法研究图像的特征提取，鼓励研究生积极进行实践。

4 课后互动

作为一门交叉学科，研究生在学习的过程会面对各种各样的问题，我们专门设立了每周答疑时间，由老师或者助教解答同学们的问题。同时建立了微信群，实时发布授课内容和相关材料，并由经验丰富的助教同学负责给予一定的指导，方便教师、助教和研究生的之间沟通交流。借助于微信群的互动功能可以促进研究生集体学习和研究的热情。

5 多样化教学效果评价

教学评价对于客观评估教学过程具有重要意义。为了公正评估构建的医学信息处理与分析课程的教学效果，有效评价研究生的课程学习效果，查找教学过程中存在的问题，完善现有的教学体系，建立一套科学的课程教学效果评价体系[12-13]。因此我们教学团队将教学效果评价分为课堂讲述和软件演示两部分，从而具体衡量研究生的预期教学效果，评价详述如下：

（1）课堂汇报[14]。在医学信息处理与分析课程的每一个专题授课完成后，各小组需要合作完成相对应的课后作业项目，并在每周选出固定时间，各小组以PPT 的形式向全体同学展示项目完成情况。课堂汇报包括：医学信息问题分析、方案设计、算法设计、实验验证等，通过课堂上研究生的汇报展示，便于综合评价研究生的基础知识、创新思维、表达能力、研究能力、团队协作能力等。

（2）论文展示。整个课程讲授完成后，每个项目小组需要沿着医学信息处理与分析这条主线，完成一个医学信息处理与分析的完整项目，该项目可以是老师命题如：乳腺病理图像诊断、中医正骨手法推荐等[15-16]，也可以是研究生的自命题论文。论文展示以海报的形式为主，小组成员需要接受老师和同学的问题和质疑。最后，由授课团队教师联合评估打分。

6 结语

伴随着“人工智能+医疗”的兴起，医学信息处理与分析课程得到越来越多的同学的关注。笔者所在的教学团队经过近两年的教学实践，形成了比较成熟的教学内容、案例和教学模式，并根据研究热点及时更新。总结来讲，在教学内容上，我们在医学信息处理与分析这条主线上，着重引入最新的研究成果，拓展研究生的学术视野，激发研究生学习的兴趣。在教学方法上，则强调案例教学的重要性，研究生对于授课对象有一个直观的认识，有利于对于授课内容的理解与掌握。在实践上，本课程着眼于研究生的动手能力的培养，鼓励研究生积极进行科研创新，取得了较好的教学效果。