《计算机视觉与智能医学图像处理实验》课程教学大纲

ADDINCNKISM.UserStyle《计算机视觉与智能医学图像处理实验》课程教学大纲（实验课程）一、课程基本信息课程号1323S08007开课单位电子信息工程学院课程名称计算机视觉与智能医学图像处理实验ExperimentforComputerVisionandIntelligentMedicalImageProcessing课程性质必修考核类型考查课程学分0.5课程学时17课程类别专业发展课程（专业核心课）适用专业（类）智能医学工程二、课程描述及目标（一）课程简介《计算机视觉与智能医学图像处理实验》在医学临床、教学和科研中发挥着越来越重要的作用，有力地推动着医学科学研究和临床医疗的进步。本课程主要涉及超声成像、计算机断层扫描成像、核磁共振成像等医学影像的自动化智能分析，在临床中发挥着重要的作用，对患者病情的分析和诊断，制定合理的治疗计划并引导精确治疗有重要的意义。本课程主要包括图像基础运算、图像增强、图像分割和深度学习等实验项目。（二）教学目标本实验课为智能医学工程专业核心课程之一，旨在加强学生对医学图像问题独立分析和解决的能力，使学生获得综合设计和创新能力的培养，以及实事求是、严肃认真的科学作风和良好的实验习惯，为今后工作打下良好的基础。通过本课程，学生将掌握以下图像处理基本技能。课程目标1：掌握图像的基础运算操作和图像变换理论，图像增强和分割的基本算法，学会深度学习处理图像的常用模型，建立图像分析和识别的基本思想；课程目标2：熟悉掌握至少一种医学图像处理软件，能够使用计算机语言在处理软件中对医学图像进行基础运算操作的搭建；课程目标3：使学生具有设计实现医学图像目标检测、分割等算法的能力。三、课程目标对毕业要求的支撑关系毕业要求指标点课程目标4-2：能够基于科学原理，采用科学方法设计实验所需元部件、装置、系统等课程目标15-1：掌握智能医学系统实现手段5-2：至少会用一种机器学习平台设计、分析和搭建复杂智能医学系统的解决方案课程目标25-2：至少会用一种机器学习平台设计、分析和搭建复杂智能医学系统的解决方案7-2：能针对实际智能医学工程项目，评价其安全性课程目标3四、教学方式与方法采用以上机练习为主的教学方式，通过讲解实验重点及其中包含的理论知识引导学生获得正确的实验和理论思路，从而成为理论课的有益补充，使理论和实践相结合。五、教学重点与难点（一）教学重点运用图像基础运算开展实践教学，实现图像增强和分割功能，基于深度学习框架搭建医学影像分析模型，实现CT图像智能分析。（二）教学难点如何把对这些基本原理的深入理解转化为解决实际问题的能力。六、实验内容、基本要求与学时分配序号实验项目名称实验内容与要求学时类型对应课程目标1图像基本运算1.基于Python编程实现图像的读写、显示功能；2.图像点运算3.图像代数运算4.图像几何运算2验证性课程目标1课程目标22图像增强1．运用直方图变换进行图像增强2.实现空间域滤波增强3．实现频域平滑滤波器和频域锐化滤波器的图像增强4验证性课程目标1课程目标23图像分割1.阈值法图像分割2.区域分割算法3.二值图像处理法图像分割4验证性课程目标1课程目标24医学影像运动伪影识别1．医学影像数据集构建和预处理2.AlexNet网络搭建伪影识别模型3.训练AlexNet网络，并对模型进行微调4.测试集测试模型并采用多评价指标进行评价和分析5.集成模型算法开发7设计性课程目标1课程目标2课程目标3合计17注：实验要求包括必修、选修；实验类型包括“验证性”、“设计性”等。七、学业评价和课程考核（一）考核类型：考试√考查（二）考核方式：实验报告√实验作品其它：（填写具体考核方式）（三）成绩评定：考核依据建议分值（百分比）考核/评价细则对应课程目标过程考核70%出勤表现20%学习通不定时发布签到，全体学生参与，共计发布10次签到，每次签到成功记2分，共计20分。A：学生按时完成签到得2分；B：迟到不足5分钟记1分；C：迟到超过5分钟或者早退记0分。课程目标1课程目标2课堂互动30%考查学生课堂上参与主题讨论的积极性发布主题讨论3次，每次10分，共计30分。主题讨论的学生回复准确性评价细则：A：学生的提出观点正确且具有逻辑性得8-10分；B：观点并不完全正确，回答具有一定逻辑性记为1-7分；C：观点不正确且回答没有逻辑性记为0分。课程目标1课程目标2实验报告50%报告包含实验过程和现象记录，以及实验分析总结内容。A：内容和现象记录完整，结果分析充分，总结有独到见解得40-50分；B：内容和现象记录完整，结果分析逻辑清晰得30-39分；C：内容和现象记录完整，结果分析有所欠缺得0-29分。课程目标1课程目标2期末考核30%综合应用项目，考察学生知识的灵活应用能力。数据理解占5%，包括问题描述记2分和制作数据画像记3分；数据采集和预处理占10%，包括数据标签制作记4分，训练集、验证集、测试集划分记3分，图像增强记3分；模型构建和训练占30%，包括网络结构搭建和目标函数、优化器、超参数确定记10分，模型训练过程和训练集loss、accuracy曲线绘制记10分，绘制验证集loss、accuracy曲线绘制并确定最优模型记10分；模型测试和分析占30%，包括测试集测试模型，输出测试集评价指标记15分，实现迁移模型并给出测试集上的结果记15分；项目报告书占20%，包括整体逻辑性记5分，内容完整性记5分，格式正确性记10分；代码完成度占5%，包括代码无语法错误且能跑通记3分，按照要求实现功能记2分。课程目标1课程目标2课程目标3八、课程目标达成评价课程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。课程目标达成度毕业要求指标点达成度九、教材与教学参考书（一）教材《数字图像处理》,KennethR.Castleman,朱志刚（译），电子工业出版社，2017年，第3版，ISBN：9787040396638。（二）教学参考书《图像处理和分析教程》，章毓晋编，人民邮电出版社，2020年，第3版，ISBN；9787115536983；《计算机视觉教程》，章毓晋编，人民邮电出版社，2021年，第3版，ISBN：9787115546197；《DigitalImageProcess