人工智能大背景下的医学图像处理教学改革探讨.docx

?

?

人工智能大背景下的医学图像处理教学改革探讨

?

?

韩贵来李海霞

摘?要：为了更好地适应人工智能时代发展需求，在医学图像处理教学过程中融入人工智能内容。通过对传统的医学图像处理教学内容知识进行重构，以项目开发的形式进行医学图像处理教学改革。实践表明，融合人工智能技术的医学图像处理教学改革，更能充分调动起学生学习的积极性和主动性，使学生真正做到学有所用，学以致用。

关键词：医学图像处理;人工智能;教学改革;项目开发

：G642.0?????：A???：1006-8228（2020）11-117-03

Abstract：Inordertobetteradapttotheneedsofthedevelopmentintheeraofartificialintelligence，thecontentofartificialintelligenceisintegratedintotheteachingprocessofmedicalimageprocessing.Throughthereconstructionofthetraditionalteachingcontentknowledgeofmedicalimageprocessing，theteachingreformofmedicalimageprocessingiscarriedoutintheformofprojectdevelopment.Thepracticeshowsthattheteachingreformofmedicalimageprocessingintegratingartificialintelligencetechnologycanfullyarousetheenthusiasmandinitiativeofstudents，trulyachievethatwhattheylearnedisusefulandtheirlearningisforthepractice.

Keywords：medicalimageprocessing;artificialintelligence;teachingreform;projectdevelopment

0引言

人工智能技术快速发展，已经从研究领域进入到应用层面。医学人工智能作为一个重要的细分领域，正逐步在医疗领域发挥重要作用。2017年7月，国务院印发了《新一代人工智能发展规划》，提出要发展智慧医疗，实现医学影像识别、病理分型和智能诊断等。到2020年，我国医学影像市场规模将达到7000亿元。随着采集的医学影像数据量越来越大，如今医院往往缺乏足够的读片人员，因此，对于能够快速处理影像数据的人工智能技术需求十分巨大。人工智能用于影像处理具有多项优势。

首先，人工智能可以大批量快速地处理影像数据。只要计算能力够大，人工智能便可以一次性处理大量影像数据。更重要的是，人工智能不会感到疲劳，只要机器正常，可以连续24小时不停地工作。而医生工作时间过长就会产生疲劳，从而增加漏诊和误诊的概率。

其次，人工智能判断更加客观、准确。微软2014年提出的ResNet深度学习网络最深高达152层，利用残差的思想将ImageNet大规模图像分类竞赛的Top-5错误率降到了3.57%[1]。而在同样的数据集上，人眼的辨识错误率约为5.1%。在医学影像领域，人工智能也可以通过学习大量的影像来提高机器识别的正确率。目前开发的一些机器学习算法已经可以做到比医生更加准确的识别肺部癌变。国内百度公司开发的人工智能系统在肺癌的识别上也取得了95%的正确率，高于测试中的医生正确率约两个百分点，并且能在更短的时间内处理了更多的影像。

再者，人工智能可以处理影像类型更加丰富。由于病症的种类繁多，从心血管疾病到癌症等均会涉及到影像。由于时间精力有限，一名医生只能擅长某一种或几种疾病影像的识别。然而，计算机却能够识别处理不同种类的医学影像。因此一个人工智能系统就可以取代不同科室的多名医生。

目前，人工智能已经在计算机辅助诊断方面得到广泛应用，几乎涵盖了所影像诊断的所有领域，如心血管、肺癌、乳腺癌等多种类型疾病[2]。人工智能与医学影像相结合的智能医疗已经开始在临床领域真正地帮助到医生，必将成为医生诊断、治疗工作的一种必备手段，并令患者受益。

1当前医学图像处理教学困境

医学图像处理是我校信息管理与信息系统专业高年级学生的一门专业课，主要要求学生掌握有关医学图像处理的基本理论和算法，能够利用计算机