SCI论文（www.lunwensci.com）:
摘 要：随着人工智能的发展，各行业领域都迎来翻天覆地的变化，医学图像处理教学也面临巨大变革。不同于传统医学图像处理方式，现代处理教学工作实现知识重组与框架重建，通过项目开发等手段把医学图像处理工作落实到位。有关实例表 明，在人工智能技术手段的支撑和保障下，医学图像处理工作更加先进科学，对学生学习热情和积极程度起到促进作用，能够 更好地帮助学生实现学习和运用的目标，能够推动医学领域创新发展和持续建设。
关键词：人工智能大背景 ；医学 ；图像处理 ；教学改革思考
Thoughts on the Teaching Reform of Medical Image Processing under the Background of Artificial Intelligence
LV Longlong
(Yuncheng Vocational and Technical University, Yuncheng Shanxi 044000)
【Abstract】： With the development of artificial intelligence, various industries and fields have ushered in earth-shaking changes, and medical image processing teaching is also facing tremendous changes. Different from traditional medical image processing methods, modern processing teaching work realizes knowledge reorganization and framework reconstruction, and medical image processing is put in place through project development and other means. Relevant examples show that with the support and guarantee of artificial intelligence technology, medical image processing is more advanced and scientific, which promotes the enthusiasm and enthusiasm of students in learning, can better help students achieve the goals of learning and application, and can promote innovative development and continuous construction in the medical field.
【Key words】： artificial intelligence background;medicine;image processing;thinking on teaching reform
0 引言
人工智能技术在发展创新过程中，已经突破研究 局限开始广泛应用与普及。医学领域智能化发展尤为 重要，能够起到促进和推动医疗行业健康发展的效用。 2017 年国家发布《新一代人工智能发展规划》，其中明 确医疗建设的发展方向和目标，把医疗图像识别、病理 分析和智能诊断等多项内容划做重点。截止到 2020 年， 我国医疗图像行业价值可达 7000 亿元。随着医疗任务和需求不断增长，数据信息量也在不断上涨，医院读片 人员出现很大空缺，在这种条件下，迫切需要能够迅速 完成图像数据处理的智能手段。人工智能技术的优势和 潜力也被探索发掘出来。
（1）人工智能手段处理图像数据更加高效便捷。通 过强大的计算方法，完成对图像数据的精准化处理。值 得一提的是，人工智能手段不需要进行缓冲和调整，机器设备在正常连接状态下，能够持续平稳的工作运行。把 人工操作所引发的失误和误差控制在最低水平上。
（2）人工智能分析判断十分精确。微软公司曾在 2014 年提出 ResNet 深度学习网络能够达到 152 层的 观点，与机器设备相比，人眼辨识度更低，存在很大的误差范围。在进行医学图像识别时，人工智能手段更具 精确性和可靠性。当前具备的机器学习和计算方法能够 更加精确地找出肺部癌变问题。国内某公司研发的人工 智能系统肺癌识别率可高达 95%，比医生查找的正确率高两个百分点，处理图像的时间更短更科学。
（3）人工智能手段能够处理更多图像类型。由于病 症类型多种多样，很多病症都会运用图像处理。在规定 时间内，医生工作者很难做到全面发展和兼顾。在这种 条件下，计算机具备独立完成各项医学图像处理的能力 和水平。因此，引进和发展人工智能系统可以完美替换 各科室医生的操作。
当下，人工智能技术通过计算机表达呈现，对医疗诊断起到很好的辅助作用，在医学图像诊断中大量运用 和普及，已经帮助多种重大疾病诊断和治疗。以人工智 能技术为支撑的医学图像处理方法更加切合实际，为医 生进行诊断﹑开展治疗工作起到巨大推动作用，可以帮 助更多患者痊愈。
1 当下医学图像处理教学所面临的困难
医学图像处理对信息类专业非常重要，学生不仅要 掌握医学图像处理的简单方法，更要学会运用计算机完 成医学图像深度解剖，在图像分离、变换等一般要求中 运用各种处理手段，通过认真学习医学图像处理知识， 为后续实践操作奠定基础。医学图像处理课程涉及理论 知识、数学计算﹑信号处理等多项内容，交叉覆盖性比 较明显，同时具有很强的综合性与应用效果，课程专业 性较强学习难度较大。针对学生学习教育工作，如果重 理论而轻实践，就会导致学生专业知识和实践能力出现 失衡现象，不利于学生健康发展。
当下，医学图像处理教学面临以下困难和挑战。（1） 教学形式单调，很多教师教学方法比较保守和传统，在 开展教学活动时，对学生创新意识的培养比较欠缺，无 法保障学生适应时代变革趋势。（2）医学图像处理教学 注重理论知识培养忽视实践操作能力。医学图像处理计 算大多需要耗费时间和资源，在规定课时内，教师只能 完成理论知识的讲授，学生实践操作的机会和课时得不 到保障。（3）教材内容之间联系不够紧密，存在与实际 情况不相符的现象。实践环节作为理论知识的检验与印 证，基础性较强，同时能够直观呈现和操作，实验操作 的针对性也比较强，不同实验之间存在很大的独立性， 无法提高和改善学生系统研发的能力，学生在学习过程 中容易产生一叶障目，不见泰山的情况，对理论知识的理解不到位，导致运用不熟练或不恰当。（4）教材内容 严重匮乏，医学图像处理教材整体比较空洞，教材内容 和方法比较传统老旧，实验内容与医学图像最新动态不 匹配，无法适应人工智能手段对医学图像的处理和应用 脚步，实际教学需求得不到有效保障，学生学习热情和 积极性无法被激活和调动，创新实践能力也存在很大欠缺和漏洞。
针对这些问题和挑战，如果教师找不到合适的解决 方法，容易造成学生在复杂艰难的学习过程中停滞不 前，丧失学习兴趣和探索能力。针对高学年的学生，面 对就业和学习的双重压力，无法集中精力和精神，学习 劲头大不如前。在这种情况下，如果不进行积极改善和 调整，教学成效就会受到影响和限制。众所周知，学习 兴趣能够推动学习成果增长。因此，提高学生学习效率和成果的首要途径是培养学生学习兴趣。近几年，以人 工智能技术﹑计算机视觉手段等内容为辅助支撑的图像 识别工作稳步提升，是当下社会研究实践的重要保障， 基于此，医学图像处理教学应当紧跟时代发展形势，补 充完善医学图像处理体系与方法，通过吸收融合新兴科 技与手段到医学图像处理过程中，最大限度地激发学生 学习兴趣和研究能力。教师在进行医学图像处理知识教 授时，要了解人工智能最新发展前景和动向，帮助学生 感悟科技、运用科技，学会把科技力量转变成工作方 法，让学生既能学习到工作就业的必备技能，又能获得 丰富的理论知识，真正实现学有所用，学以致用，能够 开心愉快地完成各项知识的学习和获取。
2 结合人工智能技术的医学图像处理教学改革
医学图像处理教学改革应当立足于实际，结合当前 顶尖技术手段，吸收融合时代发展的最新动向和先进之 处，把学生学习兴趣和积极性开发调动出来。以人工智 能手段为支撑的医学图像处理教学涵盖众多领域学科， 其中包含图像变换、增强﹑提取等内容。在医学图像处 理教学中，人工智能手段作为一种辅助措施﹐重在实践 运用效果，不能一味重视理论知识的讲解传授，给学生 造成巨大的压力和损失，最终出现事倍功半的情形。
图 1 肺结节 CT 图像
Fig.1 CT images of pulmonary nodules
教师应当充分考虑科研水平和力度，为大学生创新 发展提供相应的保障和支撑，医学图像处理教学改革在 人工智能技术的保障下更加先进科学，就以肺结节 CT 图像为例（如图 1）。该系统已经获得明确授权，并赢 得多个奖项。肺结节计算机辅助系统包括医学图像处理的基本理论和体系，在具体分类时需要运用人工智能手 段进行补充和完善，为医学图像处理提供更多便利条件。
结合人工智能手段为依据的医学图像处理教学改 革，应当注重知识体系和理论框架的优化重组，以项目 研发方式，把肺结节计算机辅助诊断所涉及的知识内容 直观呈现出来。按照实际需求和发展，把肺结节计算机 辅助诊断系统分成不同区域和板块，具体包括图像降 噪、特征提取与分类识别等多项内容，除分类识别板块之外，其他环节的知识内容都需要与医学图像一一对 应，彼此之间存在紧密联系和沟通。在具体教学当中， 教师应当按照项目进展情况让学生依次完成各阶段的学 习要求，不能出现较大的跨越和跳度，造成学生学习知 识断层或知识点联系不紧密，无法实现有效衔接或正常 配合的目标。
在图像获取环节，可以借助医学图像处理中的数字 化内容形式，具体涉及到图像呈现、读取，以及几何变 换等。在图像降噪环节应当注重医学图像处理教学中的 关键知识，其中包括图像增强、数值变换等多项内容。 在肺实质分割与 ROI 分割环节，需要运用医学图像处 理教学中的重要知识内容，以图像分割为例（如图 2）， 具体包括阈值分割、边缘检测和形态学方法等。特征提 取包括提取目标范围内的大小和规模。分类识别可适当 运用支持向量机或深度学习的方式。支持向量机与深度 学习方法相比精确程度更高，能够完美融合医学图像处 理的相关内容和知识体系，和医学图像处理联系紧密， 支持向量机技术对计算机要求不是很严苛，一般电脑都能满足正常需求和发展。因此在分类识别环节，首先选择支持向量机的方法，而不是采用更加科学的深度学习 方法。在进行支持向量机技术建模教学时，不应简单教 授学生运用现成的支持向量机技术进行建模，应当帮助 学生学习了解支持向量机的基本知识和原理并熟练掌 握，为学生运用人工智能手段学习医学图像处理内容提 供更多便利 [1]。
图 2 图像分割
Fig.2 Image segmentation
在实践调研环节，团队小组人员应当控制在 5-6 人 内。教师要充分考虑学校信息管理和信息系统专业学生的实际情况，结合学生学习能力和水平，选择难度系数 相对合理的 MATLAB 进行计算设计和验证 [2]。在整个 项目研发过程中，尽可能降低学生开发学习的难度，构 建完整的医学图像处理体系和框架，降低学生对知识内 容一叶障目，不见泰山的实际情况，加深不同知识点之 间的联系与衔接，引导学生学会认识项目开发项目和合 作项目，帮助学生真正理解学习的含义，把学习当作一 种生活乐趣和动力，同时确保医学教学质量成效水平平 稳提升 [3]。
3 结语
综上所述，新型医学图像处理是在传统基础上优化 升级而来的，通过构建科学完整的知识体系，吸收融合 现代科技的优势长处，把医学图像处理教学以项目开发 的形式表达出来，重点对待医学图像理论知识整改与完 善，突破传统教育模式的束缚，以调动学生自主学习为 核心，改变教师为主导的灌输式教育形式，把学生学习 能力和实践效果推向更高水平。这种新型教育方式存在 耗费时间精力的情况，容易出现个别成员团队落后的情况，因此，在今后教学活动中可适当融合微课教学的优 势长处，通过运用微课教学手段实现时间成本的节约控 制，方便更好更快地进行医学图像处理教学与人工智能 技术发展，促进医学行业健康持续建设。
参考文献
[1] 韩贵来,李海霞.人工智能大背景下的医学图像处理教学改 革探讨[J].计算机时代,2020(11):117-119+123.
[2] 黄自谦,上官王佐,袁颖,等.医学影像技术专业高等数学课程 教学改革的探索与实践[J].科技风,2020,421(17):34-36.
[3] 吴倩.医学影像处理的发展及应用[J].中国科技投资,2019(9):243.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/35820.html
