2423S03017大数据处理教学大纲（理论课程）模板-大数据处理.docx
PAGE3
附件5-1
ADDINCNKISM.UserStyle《大数据处理》课程教学大纲
（理论课程·2023版）
一、课程基本信息
课程号
2423S03017
开课单位
基础医学院
课程名称
（中文）大数据处理
（英文）LargeDataProcessing
课程性质
选修
考核类型
考查
课程学分
2
课程学时
34
课程类别
专业拓展课
先修课程
大学计算机
适用专业（类）
医学影像
二、课程描述及目标
（一）课程简介
《大数据处理》课程是本专业的一门专业拓展课程，旨在通过医学大数据和人工智能（AI）理论教学与实践操作训练，使学生掌握医学大数据处理相关的基础知识、数字图像处理算法分析原理，具备能够进行医学大数据分析、医学影像处理和常用医学图像处理软件使用的基本能力，了解智能医学、医工交叉、AI+医学影像和AI+X的概念，为医学图像处理、医学影像诊断学等后续课程奠定必要的知识和实践基础。
（二）教学目标
课程目标1：掌握大数据处理和人工智能（AI）的基本理论及基础知识；
课程目标2：能够熟练运用医学图像处理软件或计算机图像分析算法，辅助临床影像分析，解决临床影像处理问题；
课程目标3：建立AI+医学影像的工程问题体系结构，具备独立自主解决医学影像临床问题能力；
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
权重
1-2：掌握计算机技术基础知识、信息科学及人工智能（AI）的基本理论及基础知识
课程目标1
0.5
2-3：能够正确理解临床检查申请单的检查意图，掌握各种影像学检查的适应征、禁忌征以及临床诊断要求，具有根据病人具体情况选择使用合适的、经济的医学影像检查手段对患者检查的能力，具备根据病人不同病情运用计算机的基本理论和成像理论进行各种图像后处理的能力；
课程目标2
0.3
2-4：能够及时跟踪本专业的学科前沿和国内外学术发展趋势，熟悉本领域内的专业方向，掌握在本专业领域内工作的基本能力；
课程目标3
0.2
四、教学方式与方法
采用成果导向的教育理念，应用目标导向教育模式，教学设计和教学实施的目标是学生通过教育过程最后所取得的学习成果。本课程理论性和实践性并重，为达到本课程的课程目标，在教学实施过程中以理论基础讲授为主，实例分析为辅，倡导学生勤于思考和举一反三的学习方法，结合讨论和提问环节巩固学生对课堂所学知识的理解，注重理论教学和实践紧密结合。
五、教学重点与难点
（一）教学重点
本课程是一门理论性较强的学科，具有多学科交叉和融合的特点，涉及的知识面较广，重点讲授与图像处理相关的人工智能基本知识和基本原理，使学生具有相关知识的应用能力。最终通过实例分析可以理解和掌握一些图像处理的开发工具。
（二）教学难点
教学难点包括数字图像理解、医学图像处理算法编程、人工智能算法设计等教学内容，同时根据医学影像特点和临床需求选择合适的医学图像处理算法思路的构建也是课程的难点之一。
六、教学内容、基本要求与学时分配
序号
教学内容
基本要求
学时
教学
方式
对应课程目标
1
第1章智能医学概述
了解什么是智能医学，智能医学的发展历程，建立对智能医学的初步理解。
2
讲授
课程目标1
2
第2章人工智能算法
掌握人工智能的基础理论和基本方法，建立神经网络、感知机、深度学习网络等基础概念和原理
10
讲授
课程目标1
3
第3章人工智能+医学应用
了解人工智能在医学影像中的应用领域，掌握人工智能算法构建步骤，具有医工交叉互融的思路
4
讲授/演示
课程目标2
4
第4章医学图像的计算机表示
了解医学图像的计算机表示方法，掌握图像灰度值分析、滤波、分割等基本图像操作方法，熟悉常用的医学图像处理软件
8
讲授/演示
课程目标1
5
第5章医学图像处理项目实践
根据医学实际问题，设计医学图像处理算法，实现算法编程，建立医学实际问题解决框架，具备将医学图像处理理论应用于工程实践能力
10
实践
课程目标3
合计
34
七、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
演示性
课程目标1
2
验证性
课程目标2
3
设计性
课程目标3
4
探究性
课程目标1
其他
……
合计
注：实验要求包括必修、选修；实验类型包括“演示性”、“验证性”、“设计性”、“探究性”、“其它”等。
八、学业评价和课程考核
（一）考核类型：?考试?考查
（二）考核方式：?开卷考试?闭卷考试t课程论文
?课程报告?其它：
（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
30%
出勤表现
10%
考勤情况，课堂表现、学习态度等
课程目标1
问题讨论
3