面向医学影像学的智能互动教育平台的构建

刘 丽 李 梦 吴 毅 肖晶晶

1.陆军军医大学生物医学工程与影像医学系数字医学教研室 重庆 400038

2.陆军军医大学第二附属医院医学工程科 重庆 400037

随着人工智能技术的兴起，各行各业都发生着深刻的变化。教育作为一切行业发展的必要基础，将人工智能应用于教育领域，弥补当前存在的种种缺陷和不足，对推动教学现代化和教育发展改革具有深远意义[1]。医学影像学作为一门实践性很强的学科，是基础医学与临床医学间的桥梁[2]。日益增长的临床需求对高素质的影像科医生的培养提出了更高要求，而当下传统的影像学教学模式却面临挑战。

1 医学影像课程教学的现状

1.1 医学影像学课程内容复杂 实践性强

医学影像学作为一门完整的课程体系，内容广泛，需要各类技术的深度融合与交叉，具体表现为，(1)不但要掌握人体解剖学、内、外、妇、儿等医学知识，还需掌握信号原理、影像技术等工科知识[3]；(2)影像学生还需具备影像的独立分析和判断的能力。影像诊断作为临床诊断和治疗依据，患者病状表现多样，病状解读不仅依靠专业知识，更依赖于医生的经验。如何积累诊断经验，将理论知识用于实践，是影像科学生成长中的一道难题[4]。

1.2 传统医学影像教学模式有待完善

将解剖知识和影像知识相结合，理论知识和实践过程相结合，对传统的教学模式带来了一定的挑战。目前各大医学院校的医学影像学教学多以讲座为主，结合教材和多媒体课件的授课，受到教学时间和地点的限制，主要呈现以教师为中心的教学模式，难以调动学生的学习主动性[5]；实践教学主要为短暂的临床实习带教模式，通过案例式教学对疑难案例进行教学，教师不了解学生，当学生遇到问题时往往得不到及时有效的指导，缺乏个性化教学和交互式指导。

1.3 影像科医生的专业水平有待加强

作为影像数据和临床治疗之间的纽带，目前医院影像的诊断主要依靠放射科医生，影像数据种类多、数量大，实践教学时间的不足，导致高水平的放射科医生的严重匮乏[6]，加重了放射科医生的诊断压力。特别是对于心脏类疾病，因为其解剖和生理上的复杂性，使得心脏的疾病诊断成为影像科医生诊断的难点。

2 面向临床医学的对策分析

2.1 智能互动教育平台软件设计的必要性

如何克服上述问题，促进理论与影像诊断的融合，打破传统的以教师为中心的教学模式，推进以学生为主体的教学，调动学生积极性，快速培养具有高素质的影像科医生，从而缓解临床影像科医生短缺的压力，是当前医学影像学教育面临的问题。

重视人工智能在教育中应用的研究，借助人工智能技术创新教学理念，改变教学模式，为学生提供交互式的教育体系具有重要的作用[7]。人工智能技术在医学影像学教育中的引入，对于解决医学影像学教育当前的困境，改革教学模式，培养适用于临床的影像医生具有重要意义。

以心脏影像数据为基础，结合人工智能算法，开发心脏疾病虚拟诊断培训与考核的智能系统，为医学影像学的学生以及低年资医生提供更为直观的影像学习工具，有助于缩短他们对心脏疾病诊断的认知学习周期。

2.2 软件实现目标的具体办法

2.2.1 数据采集

心脏影像数据包括CT血管造影(Computed Tomography Angiogram，CTA)和心脏MR影像数据。CTA成像作为一种无创影像检查，是心血管诊断的“金标准”。心脏MR由于其高密度分辨率，能较好地反映心肌的缺血、纤维化等情况，逐渐成为心功能检测的“金标准”[8]。

CTA图像数据采集采用双源螺旋CT(SOMATOM Definition Flash，SIEMENS，德国)，选择碘帕醇为造影剂。利用CT独立工作站的心功能分析软件对数据进行心脏三维重建、曲面重建、最大密度投影等处理后备用。

心脏MR图像数据采用1.5 T磁共振扫描仪(Signa HDxt，GE，美国)，定位二腔心位、四腔心位和左室短轴位扫描。得到图像后由两位有诊断经验放射科医师分析图像，观察图像扫描质量，心脏形态、结构、电影以及延迟强化图像后备用。

2.2.2 智能互动教育平台

智能互动教育平台包含3个模块，分别为在线学习模式、培训环节和临床辅助诊断环节。

在线学习模式，学生在教学或者临床实习的过程中，可导入CTA/MR图像，对图像作预处理、标注结构病灶、图像边缘检测、分割、测量等操作，并放大、缩小、旋转三维图像，360度全方位查看心脏结构(如图1所示)，查看心脏对应解剖结构的CTA/MR的影像学表现及影像专业用语，帮助学习心脏影像知识。

图1 心脏四心腔图像伪彩图

培训环节，系统提供海量的可视化三维心脏图像，学生可根据需要选择并对图像作描述、分析、预判等，再由系统对诊断结果做出预判和评估，系统将记录偏差最大的病例，并根据反馈算法，将找到具有类似属性的病例进行推送，便于学生对相似病例的强化训练(如图2所示)。

图2 智能聚类反馈强化学习流程

临床辅助诊断环节，系统给出引导(如图3所示)，学生根据提示进行相应操作，引导学生完成培训或辅助诊断，并由高年资的医生在整个过程进行中评估和疑难解答。

图3 智能反馈系统

2.2.3 软件以及实现平台

项目以Python语言为交互式界面设计。计算机的处理器为Intel(R)Core(TM) CPU i5-7300HQ@2.5GHz、内存8.00GB、操作系统为Windows 7；平台界面如图4、图5所示。

图4 智能培训与考核系统二维界面

图5 智能培训与考核系统三维界面

学生在该平台注册账户，通过账户登录进行影像学习，克服了时间和空间的限制。平台含有记录日志的功能，当下一次登录时同步更新学习记录。除了具有在线学习、培训和临床辅助诊断环节外，还设置讨论区，学生可针对当前病例实时讨论或者留言发表自己的看法，促进交流。平台界面简单明了、操作轻松，通过反复练习和总结，便于学生临床影像经验的积累，为以后进入临床工作打下坚实的基础。

3 结语

构建了一个面向心脏疾病的辅助医学影像学教学的智能互动学习平台。该平台可导入CTA/MR心脏影像数据，包含影像中心脏解剖结构识别功能，影像学的诊断学习和反馈功能，对于帮助影像科学生理论知识和实践知识的融合，调动学生学习的积极性，缩短初上临床时对心脏疾病影像表现的认知周期，对提高培养高专业素养影像科医生的效率具有重要意义。

人工智能技术对于医学影像中的教学模式的改革，教学模式的创新发挥了巨大的作用。本文中仅仅使用了“弱人工智能”，实现的是教学流程的创新[9]，如何使“弱人工智能”向“类人工智能”过渡，影响医学影像学教育中教学内容、教学目标、教学策略和教学评价等各方面，更好地服务于临床高技术人才的培养，是今后医学影像学教育领域探索的方向。