一、实施背景

　　（一）案例实施背景

　　国务院于2017年7月份印发《新一代人工智能发展规划》提出，鼓励高校在现有基础上拓展人工智能教育内容，形成“人工智能+X”复合型人才培养模式。 人工智能在医学中的应用已经在挖掘影像信息、疾病筛查和智能诊断等方面展现出巨大潜力和巨大应用价值，推动了智能医学影像的产生，由于人工智能和医学影像学分属于不同的学科，作为学科交叉的智能医学影像是新医科的范畴。然而， 医学影像专业领域内跨学科掌握人工智能的专业人才极度匮乏，因此在医学影像学专业中开设“智能医学影像”课程，不仅对大学教育的引领、课程建设的高阶性具有重要意义，也对人才培养的前瞻性至关重要。

　　智能医学影像课程的连续性和知识完整性面临着较大挑战。然而，截至目前，智能医学影像教学尚无成熟的专业教材、实训场地、实训平台，且缺乏统一的人才培养标准。因此，采用研究性教学模式不仅符合课程的属性要求，也是创新课程设立、发展与成熟的必然途径。智能医学影像是“新医科”背景下医工结合学科交叉的产物，既不能沿循传统医学教育的储备性特点，也不能简单照搬工科教育的逻辑性和实验性。课程设计应构建“以工科知识为基础，以先进科学技术为工具、以医学影像为载体”的教学框架。学习过程不仅要求理论上的融会贯通，还需产出动手实践的具体成果。因此，课程建设应完全契合研究性教学模式中开放性、交叉性和开发性的特点，在教学过程中，引导学生主动参与，并将理论与实践相结合，符合研究性教学模式的实践过程。

　　（二）拟解决的关键问题

　　1.探讨智能医学影像课程建设的可能性

　　传统医学影像学的教学侧重于影像解读和诊断技能的培养，而人工智能则聚焦于提升医学影像的智能识别、分析和诊断能力。跨学科融合带来了新的挑战，如何将复杂的人工智能算法与医学影像的实际应用相结合，并在有限的教学时间内高效传授，成为关键问题。因此，智能医学影像课程的建设需要深入探讨，通过合理的课程设计、多样化的教学方法和实验实践，将人工智能技术与医学影像内容有机结合，培养学生在这一新兴领域的创新能力与实践技能。

　　2.探索智能医学影像课程建设的路径、方法和效果

　　（1）建设路径：智能医学影像课程建设需要明确的教学目标即培养学生在医学影像分析和人工智能应用方面的综合能力。课程需将基础医学影像知识和人工智能的模型二者在临床应用中有机结合，以成果展现的方式凸显教学效果。因此课程设计还应注重理论与实践的结合，鼓励学生通过项目式学习和案例分析，将所学知识应用于实际问题解决。

　　（2）建设方法：采用模块化的设计，分为基础理论、算法实践和临床应用三个部分。在基础理论部分，讲授医学影像学和人工智能的基本概念和技术背景；算法实践部分，学生将学习并操作机器学习、深度学习等核心算法，培养数据处理和算法实现能力；临床应用部分，通过分析真实病例和数据集，学生将了解如何将人工智能技术应用于疾病筛查和诊断等实际场景。

　　（3）建设效果：显著提升了学生的多学科融合能力和创新思维。学生不仅掌握了医学影像的基本知识，还学会了运用人工智能技术进行智能分析和诊断，初步具备了独立解决复杂问题的能力。课程的实践环节增强了学生的动手能力和团队合作精神，为其在智能医学影像领域的职业发展奠定了坚实的基础。同时，这种教学模式也推动了医学影像学和人工智能的进一步融合，为培养新一代高素质医学影像人才提供了有力支持。

　　3.开展医工融合、新医科建设的尝试

　　（1）医工融合的核心在于将工程学的理论与方法应用于医学问题的解决。在智能医学影像人才培养中，学生不仅需要掌握传统的医学影像诊断方法，还要学习最新的影像分析算法和数据处理技术。通过与医学影像学院和智能医学工程学院的联合教学，以及与医疗机构和高科技企业的合作，学生有机会参与实际项目，并在真实环境中应用多学科知识，解决具体的医学影像分析和诊断问题。

　　（2）新医科建设旨在培养具备跨学科知识和创新能力的医学人才。以智能医学影像为例，新医科教育突破了传统医学教育注重单一学科知识传授的局限，更多关注学生的创新能力和综合素质培养。课程设计中融入了医学与信息技术的交叉内容，鼓励学生探索新技术在医疗领域的潜在应用。这种医工融合和新医科建设的尝试不仅培养了适应现代科技发展的高素质医学影像人才，也为其他医学学科的新医科建设提供了有价值的借鉴。

　　二、工作举措

　　（一）组织领导

　　我校领导高度重视，将智能影像课程建设项目的实施工作列入学校教学工作的重点来抓。智能医学影像教改项目已被列入新乡医学院三全学院十四五发展规划。成立了以院长李琼为组长的智能医学影像课程建设领导小组。依托河南省教育厅教改项目成立以医学影像学院、智能医学工程学院等多部门、多地域参加的“智能医学影像虚拟教研室”。

　　（二）协同推动

　　1.校内合作

　　医学影像学院、智能医学工程学院、教育技术中心协同合作在医学影像学专业和医学影像技术专业开设智能医学影像方向班的研究性教学活动。

　　2.校企合作

　　与河南省人民医院、新乡医学院附属医院、上海培云教育科技有限公司、武汉联影公司和东软公司人工智能部门等共建智能影像实践教学平台。

　　3.校际合作

　　与河南师范大学人工智能教研室等高校开展智能医学影像教学合作。

　　4.平台支撑

　　依托河南省研究性教学改革研究与实践项目、河南省科技攻关项目、新乡市工程技术研究中心、新乡市重点实验室持续性进行智能影像研究性教学改革的探索与实践。

　　（三）技术创新

　　1.人才培养模式的创新

　　培养懂工科的医学生，懂医科的工学生，以及具备利用人工智能技术在进行专业创新和解决实际问题能力的学生。

　　2.教学改革的创新

　　采用研究性教学模式，以解决智能影像教学中教材开发、教学内容创新、实训场地建设以及教师队伍的培养等问题。

　　3.应用成果的创新

　　旨在解决医学影像技术和诊断中的关键问题，如医学影像的三维重建、智能识别和智能诊断等。

　　三、工作成效

　　通过智能影像分析工具，学生接触了大量真实病例的影像资料，增强了对医学影像学的理解，并提高了对疾病特征的识别能力。医学影像技术专业的学生通过智能后处理技术，如医学影像三维重建和图像分割，能够更直观地理解复杂的解剖结构和病理变化，从而加深了对医学影像技术的知识掌握并提升了实际技能。具体教学案例展示如下。

　　（一）图像处理GUI界面设计及与处理功能实现

　　课前：展示医学图像界面，提供医学影像图片和界面操作说明，让学生提前了解所学内容。

　　课中：讲解Matlab软件的GUI界面功能，通过拆分界面形成情况，指导学生进行GUI界面设计。

　　课后：布置实验任务，让学生自行设计GUI界面并添加合适的图像处理功能。

图1基于MATLAB GUI的CT图像处理界面1

　　（在可视化界面中的CT图像椒盐噪声添加实验，能通过删减图像噪声使学生了解器械噪声及伪影的消除方案，让学生掌握系统界面的设计及图像的噪声处理手段）

图2基于MATLAB GUI的CT图像处理界面2

　　（在可视化界面中的CT图像处理实验，制作CT图像处理的GUI界面，通过添加边缘检测、图像增强等多种图像处理方案使学生能够清晰判别各种情况下的医学图像，重点让学生掌握系统界面的设计及医学图像的多种类别。）

　　（二）肝脏三维重建

　　课前：上传肝脏CT断层解剖图像，肝脏血供分布及肝脏疾病诊断相关资料供学生自主学习，并收集学生疑难点进行课中突破。

　　课中：讲述AI在肝脏疾病影像诊断中的应用，先理论后实践，以真实案例用AI软件演示肝脏从二维CT图像到肝脏三维重建、病灶、胆管、血管及肝脏切除模拟等。

　　课后：布置肝脏三维重建课后作业，让学生在课后自行进行肝脏血管胆管等的重建，并收集评分。

图3肝脏三维重建流程图

　　（通过三维分割重建和图像提取软件，可提取单动脉、单静脉、单胆道的三维图像并可做任意切面，将病例的诊断系统性划分，能更好看出病变位置，提高肝脏疾病的早期诊断率）

　　（三）肋骨骨折病例标注

　　课前：上传肋骨骨折病例数据若干，提供病例标注的规范操作，让学生提前熟悉操作流程。

　　课中：讲授病例标注中可能出现不规范案例，并让学生将已经标注完成的数据集导入卷积神经网络训练模型，并测试训练效果。

　　课后：布置标注任务，并收集标注合格率评分。

图4肋骨标注操作界面

　　（基于ITK-SNAP软件，标注像素覆盖骨皮质、骨松质、周围病变组织，金属等，标注区域最多可超出骨折区域1或2个像素，规范化图像标注的数据可以使AI辅助诊断系统更加准确）

　　（四）CT肺结节辅助诊断

　　课前：上传肺结节病例数据若干，对照组数据若干，提供病例标注的规范操作，和模型训练的流程，让学生提前熟悉操作流程。

　　课中：讲授病例标注中可能出现不规范案例，讲述不同结构的卷积神经网络的优点，并让学生将已经标注完成的数据集导入卷积神经网络训练模型，并测试训练效果。

　　课后：布置训练任务，利用不同神经网络结构训练，让学生通过训练结果自己总结模型的特点。

图5卷积神经网络结构示意图

　　（通过输入层、‌卷积层、‌池化层、‌全连接层和‌输出层将模拟信号处理为数字信号，模拟信号不能通过模型训练，通过对图像像素点灰阶卷积池化，转化为数据进行模型训练）

图6 肺结节AI诊断界面

　　（基于Lung dimension Doc辅助诊断平台，智能提示肺结节大小、部位、数量及具体细节分析，学生通过课程学习，了解智能辅助诊断对肺结节筛查、诊断和风险评估的价值，加深学生对智能医学影像诊断发展前景的认识)

　　（五）文章与其它成果

　　1. 主编了新时代高等院校课程改革融媒体创新教材《智能医学概论》，部分填补了智能影像教材的空白。

　　2. 在教育专刊上发表了学术论文“研究性教学模式下智能医学影像人才培养分析”。

　　3. 与企业合作初步开发了智能医学影像实训教学资源，构建了智能医学影像教学平台，已开展数期教学活动。

　　4. 培养了医工结合交叉人才，被武汉联影公司相关部门所录用，有5人顺利入职。同时也得到国内部分智能影像科研开发部门的关注。

　　5. 创新人才培养出佳绩：我院学生在全国及全省创新大赛上屡获佳绩。

　　四、存在的问题及下一步改进措施

　　（一）工作经验

　　1.人工智能+医学影像相融合是一个困难多、挑战多、创新多的工作

　　医学影像数据量大且种类繁多，将深度学习算法应用于多样化的影像数据需要专用的模型和算法。这些模型需要大量的标记数据进行训练，但高质量的医学影像数据集稀缺，数据的获取和标注需要大量的人员参与，增加了研究的难度。要将AI技术成功应用于医学影像领域，需要解决模型的可解释性问题并确保其在各种临床环境下的稳定性。智能医学影像要求教师不仅要具备专业的技术，还需掌握医学的基本知识，并能够与临床专家、工程专家及时沟通。通过跨学科合作，有望在未来的医学领域取得突破性进展。

　　2.科学规划人才培养方案和人才培养方式

　　（1）科学规划课程体系

　　课程整合：在课程体系中引入交叉学科内容，。如在医学影像课程中加入人工智能基础、数据分析和算法实现等内容，形成跨学科的课程体系。

　　模块化设计：将课程分为基础模块、核心模块和应用模块。基础模块侧重基础知识，核心模块侧重前沿内容，应用模块则侧重于交叉学科的实际应用。

　　实践导向：增加实践环节如项目实践、实验操作和案例分析，鼓励学生将理论知识应用于实际问题中，增强跨学科知识的实用性。

　　（2）加强师资队伍建设

　　为教师提供跨学科培训，提升交叉学科的教学能力。鼓励教师参加相关领域的研讨会、培训班和研究项目，以掌握最新的学科前沿。

　　邀请来自不同学科领域的专家参与教学，进行专题讲座或合作教学。这样可以为学生提供更广泛的视角。

　　（3）建立评估和反馈闭环评价机制

　　建立科学的评估标准，评估学生在跨学科知识应用方面的表现。评估方式可以包括项目报告、实验结果、案例分析等。

　　设立反馈机制，定期收集学生、教师和行业专家的意见，及时调整课程内容和教学方法，确保教育质量。

　　（4）促进产教融合

　　与企业和研究机构合作，设计和实施实际的交叉学科项目。通过与行业的紧密联系，学生可以更好地了解创新学科的实际应用。

　　（二）改进措施

　　1.以解决问题为导向，开展医工合作、多学科合作、多地域合作。

　　2.积极编写智能医学影像相关教材和完善适合智能医学影像教学的实验平台。

　　3.使智能医学影像虚拟教研室真正做到“虚中有实，实中有虚”，达到资源利用最大化、教学成效最大化。

　　4.积累智能医学影像课程的教学经验，为将来智能影像专业的申请及设置做积极的探索。

　　5.进一步构建智能影像和智能+X学科群，培养融合型教师团队和教学平台。