2019级智能医学工程专业培养方案
一、专业介绍
人工智能技术和产业迅速发展，已经涉及国民经济和人民生活的方方面面，对医学领域也产生了颠覆性的变革，人工智能技术与医学的结合日趋紧密，基础医学与临床医学的研究理念和治疗模式正逐步由传统向更高层次的“人工智能+医学”模式过渡。为了适应国家、社会和医疗健康产业发展对智能医学工程人才的迫切需要，经教育部批准，西安电子科技大学智能医学工程专业于2019年3月获准成立。
智能医学工程是一门将人工智能、电子信息和计算机等高科技手段综合运用于医学领域的新兴交叉学科，其应用领域包括智能诊断、智能影像分析、健康大数据管理、医疗机器人、智能药物研发等。通过智能信息技术解决医学问题，智能医学工程将与医疗卫生服务相关的人员、信息、设备、资源连接起来并探究其系统规律，以保证人们获得更佳的预防、诊断、治疗与康复方面的医疗服务。人工智能技术的发展为智能医学工程提供了坚实的技术保障，而传统医学向智能医学的转变为智能医学工程的实践开辟了广阔的应用领域。
西安电子科技大学智能医学工程专业依托生物医学工程一级学科，发挥学校在人工智能、工程和计算机领域的学科优势，培养兼具医学基础知识并精通智能技术的高水平医工复合型人才。本专业现有一支实力雄厚的师资队伍，教师的专业领域覆盖人工智能、电子信息、基础医学、计算机等学科，在医学成像和医学影像智能分析等领域取得了一批有国际影响的研究成果。
二、培养目标
西安电子科技大学智能医学工程专业贯彻落实党的教育方针，坚持立德树人，旨在培养掌握人工智能与电子信息科学技术基础知识并将其应用于解决医学基础与临床相关问题的技术和方法，爱国进取、创新思辨，厚基础、宽口径、精术业、强实践，具有国际视野的专业研究与技术人才。毕业生应该能在智能诊断、智能影像分析、健康医疗检测、医学影像技术、医学大数据信息化及数据挖掘等领域从事研究、设计、开发、集成、测试、应用、管理、维护与技术支持等工作，在智能医学工程科学研究创新能力、应用创新能力和医工交叉融合创新能力方面具有特色，满足国家智慧医疗建设和发展的需要，成为增进人民群众健康水平的行业骨干或专业技术人才。
三、毕业要求
1.素质结构要求
思想道德品质：热爱祖国，拥护中国共产党的领导，具有科学的世界观、人生观和价值观，具有责任心和社会责任感；具有法律意识，自觉遵纪守法；热爱本专业，注重职业道德修养；具有诚信意识和团队精神。
文化素质：具有一定的文学艺术修养和现代意识，具有国际化视野和跨文化的交流、竞争与合作能力。
专业素质：掌握科学思维方法和科学研究方法；具备求实创新意识和严谨的科学素养；了解与本专业相关的产品研发、生产、设计的法律、法规，熟悉环境保护和可持续发展等方面的方针、政策和法律、法规，能正确认识科学研究与工程应用对于客官世界和社会的影响，具有一定的工程意识和效益意识。
身心素质：具有较好的身体素质和心理素质。
2.能力结构要求
基本能力：具有适应发展及终身学习的能力；掌握文献检索、资料查询及其他手段获取相关信息的基本方法；具有较强的表达能力和人机交往能力以及在团队中发挥作用的能力。
专业能力：具备良好的数学能力和牢固的电子信息专业知识基础；掌握扎实的人工智能基础理论和专业知识，了解前沿发展现状和趋势；具有扎实的思考、分析和解决问题的能力，具体表现为良好的建模能力、算法能力、系统能力、人工智能应用能力以及和医学学科融合及创新能力；具有扎实的工程基础知识和实践能力。
创新能力：具备以人工智能、大数据及互联网为核心的创造性思维能力，具备人工智能理论、技术、应用及医工交叉融合的科学研究能力以及对新知识、新技术的敏感性。
3.知识结构要求
工具性知识：外语、文献检索、科技写作等。
人文社会科学知识：哲学、文学、政治学、社会学、法学、思想道德、职业道德、艺术等。
数理基础知识：高等数学、大学物理、概率论、数理统计、线性代数、最优化方法、计算方法等。
学科基础知识：电路分析基础、数字系统设计基础、信号与系统等；计算机导论与程序设计、软件技术基础、计算机体系结构、Python语言程序设计等；智能医学工程导论、模式识别等；生理学基础、人体组织学与解剖学、医学成像技术等。
专业方向知识：数字信号处理、数字图像处理、医学图像处理与分析、医学仪器、医学统计学、随机信号处理、智能芯片应用设计、C++程序设计、机器学习算法与实践、大数据导论、认知科学导论、医学影像诊断学等。
应用实践知识：智能医学工程综合实验。
四、学制与学位
1.基本学制：四年
2.学位：工学学士
五、专业分流要求
1.分流时间：第二学期末。
2.分流方案：通过统筹考虑学生的道德品质、学业成绩、能力素质和专业的招生规模来进行综合评定，具体执行细则见相关文件。
六、专业特色课程
（1）课程编号：LS031001
课程名称：智能医学工程概论(IntroductionofIntelligentMedicalEngineering)
学时：32学分：2
内容简介：智能医学工程概论是智能医学工程专业的学科导论课程。该课程介绍智能医学工程的基本理论、方法和技术，以及相关的应用领域，目的是使学生了解和掌握智能医学工程的基本概念和方法，为今后的更高级课程的学习、为将来在智能医学领域的进一步研究工作和实践奠定良好的基础。通过本课程的学习，使得学生掌握智能医学工程的基本思想和实现方法，掌握基本分析与设计方法，拓宽学生在智能医学领域的知识广度。
（2）课程编号：LS034501
课程名称：最优化方法（OptimizationMethods）
学时：56学分：3
内容简介：最优化方法课程重在使学生系统地了解和掌握在生产实践和科学实验中选取最佳决策，研究在一定限制条件下，选取某种方案以达到最优目标的方法。本课程将让学生掌握最优化方法的基本概念、相关的优化原理和常用算法实现过程，并注意方法处理的技巧及其与计算机应用的结合。通过本课程的学习，学生应初步学会灵活地运用最优化方法解决实际中遇到的多种类型的优化问题，尤其是结合现代医学场景中定量化描述的需求，通过实践环节的训练增进分析和解决问题的能力。
（3）课程编号：LS015005
课程名称：模式识别(PatternRecognition)
学时：48学分：3
内容简介：模式识别是一门理论与应用并重的技术科学，与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。通过本课程的学习，掌握模式识别的一些基本理论和方法，并能够应用模式识别相关技术进行初步的数据分析，同时要求学生对目前相关领域的一些前沿和热点问题要有所了解。本课程将系统讲授统计模式识别的基本概念、常用的分类决策理论和分类算法、基本的特征提取和选择方法，以及模式识别理论在医学信息处理中的应用等。
（4）课程编号：LS034504
课程名称：深度学习基础（Fundamentalsofdeeplearning）
学时：32学分：2
内容简介：深度学习基础重在使学生系统全面地了解和掌握深度学习相关的理论基础，理解和掌握深度学习的典型模型的基本原理，掌握基于开源深度学习框架的程序设计基本方法，为智能分析医学信号打下坚实的专业技术基础。让学生了解和掌握人工神经网络的基本概念和基本原理；了解和掌握卷积层，池化层，激活函数，批次归一化和全连接层等基本组件的概念和原理；理解和掌握卷积神经网络，循环神经网络，生成对抗网络等典型模型的基本原理；掌握张量，基于张量的各种操作，计算图，自动微分工具等深度学习程序设计框架核心组件的使用。通过本课程的学习，学生应能综合应用数学、计算机和医学信号的基础知识，恰当地选择典型的深度网络模型，并根据所处理的医学信号的特点，能够调整或改进网络模型解决常见医学信号的分析任务。
（5）课程编号：LS015009
课程名称：医学图像处理与分析（MedicalImageProcessingandAnalysis）
学时：56学分：3
内容简介：医学图像处理与分析重点介绍医学图像增强、分割、配准与融合、压缩与编码、特征提取、识别等的基本概念、基本原理和基本算法，培养学生算法理解、设计及算法的程序实现方面的能力。通过本课程的学习，学生应具备综合应用数学、计算机及解剖生理学知识，分析、恰当选择、改进或设计算法解决一般医学图像处理问题的能力。
（6）课程编号：LS034508
课程名称：智能医学工程综合实验（ComprehensiveExperimentsofIntelligentMedicalEngineering）
学时：16学分：1
内容简介：本课程是智能医学工程专业的综合实验类课程，该课程模拟医院的某些应用场景，分组完成系统化的实验。该课程在前期相关理论课程的基础上，让学生综合运行前期学习的专业知识和技能，开展相关的实验和研究工作。通过本课程将使学生充分体会多学科的交叉融合，并逐步加强其工程实践能力和创新能力的培养。
七、毕业最低要求及学分分布
毕业最低完成185学分，必须通过学校的“实验实践能力达标测试”和国家英语四级或校内英语四级，并符合学校毕业要求相关规定。
表1毕业最低要求及学分分配表
课程类别
最低毕业要求
课内学分
总学分
占学分比例
通识教育课程
通识教育基础课
45
57
30.8%
通识教育核心课
8.5
11
6.0%
通识教育选修课
8
8
4.3%
大类基础课程
22.5
27
14.6%
专业教育课程
专业核心课
20
28
15.1%
专业选修课
？
22
11.9%
集中实践环节
0
22
11.9%
拓展提高
0
10
5.4%
合计
浅谈医学图像处理
一、医学图像处理的意义医学图像是反映人体内部结构的图像，是现代医疗诊断的主要依据之一。目前，医学图像处理任务主要集中在图像检测、图像分割、图像配准及图像融合四个方面。
医学图像数据具有可获得、质量高、体量大、标准统一等特点，使人工智能在其中的应用较为成熟。利用图像处理技术对图像进行分析和处理，实现对人体器官、软组织和病变体的位置检测、分割提取、三维重建和三维显示，可以对感兴趣区域（RegionofInterest,ROI)进行定性甚至定量的分析，从而大大提高临床诊断的效率、准确性和可靠性，在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。
二、医学图像处理的主要任务2.1图像检测图像检测是计算机辅助检测的基础，并且非常适合引入深度学习。医学图像检测的传统方法是通过监督方法或传统数字图像处理技术检测候选病变位置。基于深度学习的方式是基于影像学数据或理论指导，训练网络，发现病变，提高诊断准确率。
2.2图像分割目前医学图像分割处理的对象主要是各种细胞、组织、器官的图像，医学图像分割的过程是：根据区域间的相似或不同，把图像分割成若干区域。
传统的图像分割技术有基于区域的分割方法和基于边界的分割方法，前者依赖于图像的空间局部特征，如灰度、纹理及其它像素统计特性的均匀性等，后者主要是利用梯度信息确定目标的边界。
结合特定的理论工具，图像分割技术有了更进一步的发展。比如基于三维可视化系统结合FastMarching算法和Watershed变换的医学图像分割方法，能得到快速、准确的分割结果[1]。
随着其它新兴学科的发展，产生了一些全新的图像分
图像处理技术是什么
数字图像处理概要数字图像处理是将图像信号转换成数字信号并利用计算机对其进行处理。起源于20世纪20年代，20世纪60年—70年随着计算机技术与数字电视技术的普及和发展而迅速发展。在80年代——90年代才形成独立的科学体系。早期数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前该技术已广泛用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业、机器人产业、政府职能机关文化文艺等多领域。并在其中发挥着越来越大的作用，已成为一门引人注目、前景广阔的新型学科。
图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。
对图像进行处理（或加工、分析）的主要目的有三个方面：（1）提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的质量。
（2）提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
（3）图像数据的变换、编码和压缩，以便于图像的存储和传输。不管是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。数字图像处理过程
1、图像的数字化通过取样和量化将一个以自然形态存在的图像变换为适于计算机处理的数字形式。用矩阵的形式来表示图像的各种信息。
2、图像的的目的是在不改变图像的质量基础上压缩图像的信息量，以满足传输与存储的要求。编码多采用数字编码技术对图像逐点的进行加工。
3、图像增强与复原
图像增强的目的是将图像转换为更适合人和机器的分析的形式。常用的增强方法有：灰度等级直方图处理；干扰抵制；边缘锐化；伪彩色处理。
图像复原的目的与图像增强相同，其主要原则是为了消除或减少图像获取和传输过程中造成的图像的损伤和退化，这包括图像的模糊、图像的干扰和噪声等，尽可能的获得原来的真实图像。
无论是图像增强还是图像的复原，都必须对整副图像的所有像素进行运算，出于图像像素的大数量考虑，其运算也十分的巨大。
编码的目的是在不改变图像的质量基础上压缩图像的信息量，以满足传输与存储的要求。编码多采用数字编码技术对图像逐点的进行加工。
4）图像的分割图像的分割是将图像划分为一些不重叠的区域。每个区域是像素的一个连续集。利用图像的纹理特性，通过把像素分入特定的区域并寻求区域之间的边界来实现图像的分割。
5）图像的分析
从图像中抽取某些有用的度量、数据和信息，以的到某种数值结果。图像分析用图像分割方法抽取图像的特征然后对图像进行符号化的描述，这种描述不仅能对图像是否存在某一特定的对象进行回答，还能对图像内容进行详细的描述。
图像处理的各个内容是有联系的，一个实用的图像处理系统往往结合了几种图像处理技术才能得到需要的结果，而图像数字化则是讲一个图像变换为适合计算机处理的第一步。图像编码可用以传播和储存图像。图像增强和复原可以使图像处理的最后目的也可以为进一步的处理准备。通过图像分割得出的图像特征也可以作为最终的结果，也同样可以作为进一步图像分析的基础。
数字图像处理的发展现状当前，图像处理面临的主要任务是研究新的处理方法，构造新的处理系统，开拓更广泛的应用领域。需要进一步研究的问题主要有：
1、在进一步提高精度的同时着重解决处理速度问题。如，在航天遥感、气象云图处理方面，巨大的数据量和处理速度仍然是主要矛盾之一。
2、加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法
3、加强边缘学科的研究工作，促进图像处理技术的发展。如，人的视觉特性、心理学特性等的研究，如果有所突破，将对图像处理技术的发展起到极大的促进作用。
4、加强理论研究，逐步形成图像处理科学自身的理论体系。
5、图像处理领域的标准化。图像的信息量大、数据量大，因而图像信息的建库、检索和交流是一个重要的问题。就现有的情况看，软件、硬件种类繁多，交流和使用极为不便，成为资源共享的严重障碍。应建立图像信息库，统一存放格式，建立标准子程序，统一检索方法。
图像处理技术未来的发展前景1、超高速、高分辨率、立体化、多媒体、智能化和标准化方向发展提高硬件速度，不仅提高计算机的速度，而且A/D和D/A的速度
要实时化；提高分辨率，主要提高采集分辨率和显示分辨率；立体化，图像是二维信息，信息量更大的三维图像将随计算机图形学和虚拟现实技术的发展将的到广泛应用；多媒体化，20世纪90年代出现的多媒体技术，其关键就是图像数据的压缩。智能化，是计算机识别和理解按照人类的认识和思维方式工作，能够考虑到主观概率和非逻辑思维；标准化，以统一的标准来实现图像的处理与传输。
2、图像与图形相结合朝着三维成像或多维成像的方向发展
3、新理论和新算法的研究图像处理科学经过初创造期、发展期、普及期和广泛应用期，近年来引入了一些新的理论提出了一些新的算法，如：Wavelet、Fractal、Mor-phology、遗传算法和神经网络等，其中Fractal广泛应用于图像处理、图形处理、纹理分析，同时还用于物理、数学、生物、神经和音乐等方面。
结束语随着科学技术的发展，数字图像处理显得越来越重要。数字图像处理技术正在向处理算法更优化、处理速度更快、处理后的图像清晰度更高的方向发展，实现图像的智能生成、处理、识别和理解是数字图像处理的最终目标。小至个人的生活、工作，大到宇宙探测和遥感技术的应用，数字图像处理技术是其他任何技术都无法替代的，它将独立占有一席天地，所以我们任重而道远，努力去探究这门技术，让它发挥得更加淋漓尽致