基于医工结合的“机器学习”课程教学设计研究.pdf

专业领航ZHUANYE LINGHANG教师TEACHER 1112023 年 9 月Sep.2023一、引言随着交叉学科的不断发展，单一的医学学科发展已无法满足时代发展的需求，为了尽快适应当前医疗健康卫生事业的发展，“医工集合”的理念应运而生。生物医学工程是一门医科和工科结合的交叉学科，其运用工程学和应用科学的知识和技术解决生物学和医学领域的科学问题，充分研究生命系统及其行为，并开发相关的生物医学系统和设备，最终帮助患者得到更好的照料以及提高健康个体的生活质量。1机器学习作为一种强大的数据处理和分析工具，已成为生物医学工程研究的重要方式。机器学习可以处理医学影像、信号、基因等多种形式的数据，有望在疾病的早期预测、诊疗方面发挥巨大的作用。2但随着生物医学技术的不断发展，数据量越来越大，数据分析的难度也逐渐增加。因此，如何将机器学习方法应用于生物医学工程领域成了亟待解决的问题。针对这一需求，笔者基于医工结合开展“机器学习”课程设计及实践，旨在帮助学生掌握机器学习的基础理论和实际应用，特别是机器学习在生物医学工程领域中的应用，以培养学生形成分析、解释和报告机器学习实验结果的能力。二、拟解决的关键问题“机器学习”课程的开设，可以为学生在生物医学工程领域的数据分析工作提供强有力的支持，然而，由于生物学和医学领域的特殊性和复杂性，基于医工结合的机器学习理论和教学实践，主要面临以下挑战。（一）理论教学层面生物医学工程领域的数据种类繁多，包括图像、文本、生物信号等，学生需要掌握不同类型的数据预处理和特征提取方法。同时，生物医学工程领域的数据常常具有高维、噪声干扰较大、样本量有限等特点，需要掌握一些特殊的机器学习算法和技术。因此，在教学设计中如何针对生物医学工程领域的数据特点，设计特定的机器学习理论教学内容，以便学生更好地掌握专业相关的知识和技能这一问题亟待解决。此外，生物医学工程领域的数据应用涉及伦理、法律等方面的问题，教师需要在教学中引导学生遵守相关的法规和规范。例如，医学影像数据的使用需要考虑到患者隐私和保密等问题，基因数据的使用需要考虑到个人隐私和人类道德等问题。因此，在课程设计中如何进行伦理和法律方面的教育，并引导学生合理运用机器学习技术有待探讨。（二）实践教学层面生物医学工程在实际应用过程往往涉及其他领域的专业知识，因此，机器学习方法在生物医学工程领域的数据分析中理应结合专业知识。例如，医学影像分析领域需要结合解剖学、病理学等医学知识，基因数据分析领域需要结合遗传学、生物化学等生物学知识。因此，在教学设计中教师应将机器学习的相关理论知识与生物医学工程领域的专业知识相结合，让学生了解到机器学习在生物医学工程领域的实际应用，以提高学生的实践能力。综上所述，针对生物医学工程领域的特殊性和复杂性，为了更好地教授基于医工结合的“机器学习”课程，教师需要有一个完善的教学设计体系。该体系将包括以基于医工结合的“机器学习”课程教学设计研究黄美燕摘 要：机器学习是一门涉及人工智能和计算机科学的课程并已成为生物医学工程领域研究的重要课题。为此，文章立足生物医学工程专业实际，提出基于课程特点的教学方法设计、基于医工结合的理论实践知识学习和基于教学目标的多样化考核方式三个版块。教学实践结果表明，该课程设计有利于提高教学质量，学生能够掌握机器学习的知识和技能，并了解机器学习在生物医学工程领域的实际应用，为培养复合型人才提供支撑。作者简介：黄美燕（1988），女，广东韶关人，副教授，博士研究生，研究方向：医学图像处理和机器学习。中图分类号：G642 文献标识码：A 收稿日期：2023-05-09 文章编号：1674-120X（2023）26-0111-03关键词：生物医学工程；医工结合；机器学习；理论实践（南方医科大学生物医学工程学院，广东广州510515）专业领航1122023 年 9 月下内容：针对生物医学工程领域数据特点，设计特定的机器学习理论教学内容。课前准备：选择合适的教学内容，包括医学数据预处理等。在课程设计中渗透伦理和法律方面的教育，并引导学生合理运用机器学习技术。课程设计：课上教授每一章节讲解相关案例时，对学生进行伦理和法律方面的教育，引导学生遵守相关规定。将机器学习的相关理论知识与生物医学工程领域的专业知识相结合。课程设计：课上讲解知识点时教师引入生物医学工程领域的相关案例，并安排上机实验课，提高学生的动手能力，从而完成理论和实践知识的学习。三、教学设计及实施（一）基于课程特点的教学方法设计机器学习是多领域交叉学科，涉及相关知识多，因此需要有系统的教学设计和实施，同时也需要学习者有一定的预备知识和技能。具体来说，教学准备应包括以下几个方面。1.明确课程目标在设计“机器学习”课程时，教师首先应该明确课程的目标，从而有针对性地进行教学。本课程目的是让学生掌握机器学习的基本概念和常用算法，了解机器学习在生物医学工程领域的实际应用，并能运用机器学习思想、算法和编程工具解决实际问题。2.准备教学材料为了让学生更好地理解和掌握机器学习的相关知识和技能，需准备充分的教学材料，其中包括教科书、教学演示文稿、视频课程等。可推荐由周志华教授所著的参考书籍机器学习、斯坦福大学吴恩达教授及台湾大学李宏毅教授所讲授的机器学习线上课程等。同时，教师要为学生提供一些生物医学工程领域相关的期刊论文和数据集等资源，以便学生进一步学习和探索，如提供包含良恶性肿瘤的乳腺肿瘤细胞核特征的数据集等。3.确定教学方法机器学习是一门实践性很强的学科，因此，教学方法的选择至关重要。教师应该灵活运用多种教学方法，如案例分析（如利用机器学习算法快速辨别糖尿病视网膜病变迹象、进行癌症病理检测和肺部感染区域的自动分割等）、课堂讨论（如采集数据时对病人的个人信息如何处理等）、课堂练习（如对辅助诊断疾病的模型评价标准怎么衡量等）、实验教学（引导学生使用机器学习开源软件和工具，如 Python、Matlab 等，通过编程语言实现良恶性肿瘤的分类）等。通过案例分析、课堂讨论、实验教学等多方面教学促进学生学习和思考，让学生通过实践加深对机器学习算法在生物医学工程领域应用的体会。4.设计课程教学内容设计合适的课程教学内容是“机器学习”课程教学的重要一步，需充分考虑课程的难度和复杂度，按照一定的顺序和节奏安排好每个知识点的学习，由浅入深，由表及里，层层递进。根据学生的基础，拟制定的课程学习内容包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机等章节。在课前教学设计与规划中，除了教师的课前准备，学生的课前准备也是至关重要的。因此，在课程设计中教师应该考虑如何引导学生进行课前准备。首先，应该明确课前准备的目的是让学生能更好地理解和掌握课程内容，参与到课堂讨论和实践中。其次，可以通过布置预习任务来引导学生进行课前准备。例如，给学生提供生物医学工程领域相关的论文、书籍或视频资料，要求他们在课前阅读或观看，并完成相关的思考题或笔记。另外，在课前准备中，教师还可以引导学生进行相关领域的调研和实践操作。简而言之，应当基于课程特点进行教学方法设计，以提高学生的课程学习效果。（二）基于医工结合的理论实践知识学习在教学设计与实施中，为了确保学生能够充分理解并掌握机器学习的理论和实践知识，并在生物医学工程领域中进行应用，本课程设计主要通过知识点讲解、算法讲解和演示、自由讨论、上机实验四方面实现基于医工结合的理论实践知识学习，具体如下。1.知识点讲解在课上讲解机器学习的相关知识点时，教师可以采用多媒体展示、案例分析等形式，将抽象的概念转化为生动的例子，并引导学生思考其在生物医学工程中的应用。如根据核磁共振成像、正电子发射计算机断层显像图像选择合适的模型快速诊断阿尔兹海默症，具体流程包括获取数据集，训练模型，对模型泛化能力进行评估等。教师通过在课堂上讲解生物医学工程领域的实例，让学生了解机器学习算法在处理具体问题中的流程，以提高学生对理论实践知识学习的兴趣。2.算法讲解和演示在讲解各种算法时，教师可以通过具体案例和代码演示，让学生了解算法的实现过程和具体应用场景，还可以安排一些教学实验，让学生加深对算法的理解。如在第六章支持向量机中采用不同核函数，不同惩罚系数取值时，分界面、支持向量数目的变化等。自由讨论：让学生在课堂上互相讨论，分享对问题的看法和解决思路。如设置公开讨论题：关于医学数据收集的过程中涉及有关人员的隐私如何处理等，鼓励学生积极表达自己的观点。课堂讨论能帮助学生加深对知识点的理解，并培养他们的表达和思考问题的能力。3.上机实验通过结合生物医学工程领域的具体问题，学生将所学知识应用到实际场景中，能加深对知识的理解和掌握。整个课程设计两个实验作业，第一个实验作业是编程实现对率回归，并采用多分类任务拆分方法实现三分类任务，使用错误率作为算法评价标准，并对不同拆分方法进行比较检验，最后以表格数据、曲线图等形式对结果专业领航1132023 年 9 月进行分析。第二个实验作业是采用 Relief 和主成分分析算法对数据进行特征选择或降维，用实验测试的方式选择最优特征个数，并通过训练分类器，实现良恶性肿瘤的分类。以上实验能让学生了解使用机器学习算法处理问题的基本步骤，同时提高学生将课上学习到的理论知识运用到实际问题中的本领，并培养学生分析实验结果的能力。（三）基于教学目标的多样化考核方式实施在完成课上的理论知识及实践技能学习后，教师需采取有效考核手段了解学生对机器学习理论与实践的掌握程度，从而及时调整教学计划，帮助学生进行知识的查漏补缺。首先，课下考核应当与课程教学目标紧密相连。考核题目的设计应该覆盖课程各个方面，例如特征提取、分类算法等，同时要考虑到这些内容的实际应用场景。此外，为了使学生能更好地理解知识和技能的应用，考核题目应该与实际案例结合起来，帮助学生更好地掌握机器学习在生物医学工程领域的实践应用。其次，考核方式应该多样化。传统的笔试方式只能考核学生的理论知识，但是对于机器学习这样的实践性学科来说，考核实际操作能力也非常重要。因此，采用编程作业、数据分析项目等方式进行考核，这些考核方式可以更好地评估学生的实践能力，具体包括使用机器学习算法实现良恶性肿瘤的分类等。最后，考核结果应该及时反馈给学生，帮助他们了解自己的不足并加以改进；同时，教师应该根据考核结果及时调整课程内容和教学方法，以更好地满足学生的需求。综上所述，在“机器学习”课程中，课下考核是非常重要的一环。教师通过设计多样化的考核方式考核学生的理论知识和实践能力，及时向学生反馈测试结果并对相应教学方法做出调整，从而帮助学生更好地掌握机器学习的知识和技能，了解机器学习在生物医学工程领域的实际应用。四、开展课程教学评价课程教学评价是教育教学工作中的一个重要环节，也是不断改进和提高教学质量的重要手段。在开展课程设计及实践的过程中，课程教学评价至关重要。本文将从以下几个方面介绍如何进行开展课程教学评价。（一）确定评价指标评价指标是课程教学评价的关键。在“机器学习”课程中，教师可以从学生的知识掌握情况、能力提升情况、实际应用能力等方面进行评价。具体指标可以包括学生的成绩表现、课程反馈、实际应用情况等。其中平时成绩占比 40%；考试成绩占比 60%，平时成绩包含签到情况的统计、上课回答问题的次数以及南方医科大学爱课平台上完成的测试和提交的理论作业及实验作业。（二）收集数据收集数据是开展教学评价的前提。教师可以通过考试成绩、课程作业、线上讨论等多种方式来收集数据。对于学生的成绩表现，可以通过考试、作业等方式来收集；对于学生利用机器学习算法应用到生物医学工程领域中实际情况，可以通过课程设计、实践项目等方式来收集。对于学生关于机器学习在生物医学工程领域的应用如疾病诊断、肿瘤分割等存在的疑惑，可以通过线上讨论的方式来收集。（三）数据分析与评价数据收集完成后，教师需要对数据进行分析和评价。对于学生的成绩表现，可以通过均值、标准差、成绩分布等指标来进行分析；对于学生将机器学习的相关理论知识与生物医学工程领域应用的实际情况，可以通过对课程设计、实践项目等的评价来确定其实际应用效果。以南方医科大学本硕连读培养、信息工程以及生物医学信息三个班级为例，三个班级实验一和实验二的平均分为 87 分和 89 分，同时教师需要根据作业的实际情况及时对同学们存在的问题进行指导。最终课程总成绩平均分为 80 分，90 分以上同学占比 26%，80 分以上同学占比 66%。因此，通过课程学习，学生对机器学习这个方向有了全新的认识，同时能更好地掌握机器学习的知识和技能，了解机器学习在生物医学工程领域的实际应用。通过开展课程教学评价，教师了解学生对课程的反馈和评价，从而发现教学中存在的问题和不足，及时调整和改进，提高教学质量和水平。五、结语综上所述，笔者基于医工结合开展“机器学习”课程设计及实践，并针对课程的课前教学方法设计规划、课上理论实践知识教学、课下理论实践知识考核等方面进行了探讨和分析。在教学方法设计方面，建议学生基于课程特点预习相关数学知识，准备好必要的软硬件设备。在理论实践知识方面，通过引入生物医学工程领域相关实例引导学生探究问题，激发其学习兴趣和思考能力。在考核方式实施方面，教师提出多元化的考核方式，包括自测、项目实践等方式，帮助学生检验自己的学习成果和提升学习能力。最后，笔者开展课程教学评价，帮助教师评估教学质量和改进教学方法。总之，笔者旨在为生物医学工程领域的机器学习教育提供一种新的思路和方法，希望能够对相关教学实践产生积极的影响。参考文献：1 贝翠琳，刘艳丽，王莹莹，等.新工科背景下医学院校生物医学工程专业双创教育探索 J.现代职业教育，2019（25）：98-99.2 刘慧强，樊孝喜，段颖妮，等.探讨“医工结合”对生物医学工程专业发展的现实意义 J.教育现代化，2017，4（31）：36-37，62.