科研項(xiàng)目向?qū)I(yè)教學(xué)內(nèi)容的轉(zhuǎn)化
——以“計(jì)算機(jī)視覺中的注意力機(jī)制”單元為例

李 智 謝勤嵐*

1.中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院 湖北武漢 430074;2.醫(yī)學(xué)信息分析及腫瘤診療湖北省重點(diǎn)實(shí)驗(yàn)室 湖北武漢 430074;3.認(rèn)知科學(xué)國(guó)家民委重點(diǎn)實(shí)驗(yàn)室 湖北武漢 430074

1 概述

科研反哺教學(xué)是高校教學(xué)過程的重要特點(diǎn)。[1-7]科研與教學(xué)存在內(nèi)在統(tǒng)一性,兩者并舉可以實(shí)現(xiàn)良性互動(dòng)。在高校教學(xué)內(nèi)容中展現(xiàn)最新科學(xué)技術(shù)的成果和研究動(dòng)態(tài),可以促進(jìn)學(xué)生深入理解學(xué)科基礎(chǔ)知識(shí),了解學(xué)科前沿動(dòng)向,為進(jìn)一步的科研實(shí)踐做好準(zhǔn)備。

人工智能技術(shù)正在深刻改變臨床醫(yī)療和生物醫(yī)學(xué)研究。[8-12]近來,人工智能前沿技術(shù)已經(jīng)開始應(yīng)用于各種醫(yī)學(xué)成像設(shè)備中,承擔(dān)起一些以往由醫(yī)學(xué)專家完成的任務(wù)。隨著諸如數(shù)字化數(shù)據(jù)采集、機(jī)器學(xué)習(xí)、基礎(chǔ)算力設(shè)施等各方面條件的發(fā)展,人工智能將在未來十年更加廣泛地應(yīng)用于分析診斷等臨床實(shí)踐。

中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院面向國(guó)家戰(zhàn)略發(fā)展需求,大力推進(jìn)新工科建設(shè),堅(jiān)持立德樹人培養(yǎng)理念,培養(yǎng)德才兼?zhèn)?、通專融合的高素質(zhì)醫(yī)學(xué)人工智能人才,于2019年開始在生物醫(yī)學(xué)工程專業(yè)建設(shè)智能醫(yī)學(xué)工程卓越工程師班(簡(jiǎn)稱“卓越班”)?！白吭桨唷迸囵B(yǎng)具備堅(jiān)實(shí)的生物醫(yī)學(xué)、工程技術(shù)、信息科學(xué)、人工智能有關(guān)的基礎(chǔ)理論知識(shí)的生物醫(yī)學(xué)工程專業(yè)高素質(zhì)人才。

“醫(yī)學(xué)人工智能前沿”是面向“卓越班”的專業(yè)選修課程。中南民族大學(xué)生物醫(yī)學(xué)工程專業(yè)是國(guó)家級(jí)一流本科專業(yè)。生物醫(yī)學(xué)工程學(xué)院有醫(yī)學(xué)信息分析與腫瘤診療湖北省重點(diǎn)實(shí)驗(yàn)室、認(rèn)知科學(xué)國(guó)家民委重點(diǎn)實(shí)驗(yàn)室、生物醫(yī)學(xué)工程湖北省虛擬仿真實(shí)驗(yàn)教學(xué)中心等科研和教學(xué)平臺(tái)。深入挖掘?qū)W院科研資源、反哺學(xué)院本科生教學(xué),具有非?，F(xiàn)實(shí)的重要意義。本文以“計(jì)算機(jī)視覺中的注意力機(jī)制”教學(xué)單元為例,進(jìn)行科研反哺理念下的課程教學(xué)設(shè)計(jì)。

2 教學(xué)分析

《醫(yī)學(xué)人工智能前沿》是面向“卓越班”學(xué)生在第6學(xué)期開設(shè)的專業(yè)選修課程。醫(yī)學(xué)人工智能是一門新興的醫(yī)、理、工高度交叉的學(xué)科,是醫(yī)學(xué)與一系列前沿科技的密切融合。醫(yī)學(xué)人工智能的崛起,將改變醫(yī)療手段甚至醫(yī)療模式,成為推動(dòng)醫(yī)療創(chuàng)新與發(fā)展的強(qiáng)大動(dòng)力。身處醫(yī)學(xué)人工智能技術(shù)的峰浪尖口,“卓越班”的培養(yǎng)方案面向時(shí)代的需求,開設(shè)課程實(shí)踐相關(guān)前沿技術(shù)的教學(xué)工作。本文選取的教學(xué)單元是“計(jì)算機(jī)視覺中的注意力機(jī)制”,教學(xué)單元設(shè)計(jì)時(shí)長(zhǎng)為2個(gè)學(xué)時(shí)。

教學(xué)目標(biāo)包括以下四個(gè)方面:

(1)知識(shí)目標(biāo):了解視覺注意力機(jī)制原理,熟悉常見的視覺注意力方法;

(2)能力目標(biāo):理解視覺注意力提升網(wǎng)絡(luò)性能的原因,掌握設(shè)計(jì)視覺注意力方案的思路;

(3)素質(zhì)目標(biāo):提高學(xué)生獨(dú)立思考、獨(dú)立學(xué)習(xí)、獨(dú)立分析問題及解決問題的能力;

(4)思政目標(biāo):寓價(jià)值觀引導(dǎo)于知識(shí)傳授和能力培養(yǎng)之中,將價(jià)值塑造、知識(shí)傳授和能力培養(yǎng)三者融為一體,落實(shí)立德樹人根本任務(wù),幫助學(xué)生塑造正確的世界觀、人生觀、價(jià)值觀。

本單元教學(xué)的重點(diǎn)是:分析視覺注意力機(jī)制的原理。教學(xué)的難點(diǎn)是:在分析與討論的基礎(chǔ)上,引導(dǎo)學(xué)生提出視覺注意力機(jī)制的設(shè)計(jì)方案。

學(xué)情分析:“卓越班”實(shí)行動(dòng)態(tài)管理。學(xué)生入班時(shí)經(jīng)過選拔測(cè)試、全過程末位淘汰。學(xué)生具有如下的一些特點(diǎn):在學(xué)習(xí)興趣上,有較強(qiáng)的好奇心;經(jīng)過前五個(gè)學(xué)期的學(xué)習(xí),有一定編程基礎(chǔ);學(xué)習(xí)習(xí)慣較為認(rèn)真,在明確要求下能夠進(jìn)行一定程度的探索;學(xué)業(yè)壓力較大,課程安排較多,學(xué)生在學(xué)習(xí)方法上傾向于“照葫蘆畫瓢”,獨(dú)立思考時(shí)間不夠多。

教學(xué)理念:科研與教學(xué)具有內(nèi)在統(tǒng)一性?？蒲泻徒虒W(xué)都是促進(jìn)社會(huì)進(jìn)步的重要推力,科研創(chuàng)造知識(shí)、教學(xué)傳播知識(shí)。科研與教學(xué)相互促進(jìn),在教學(xué)中穿插最新科技成果,一方面科研激發(fā)學(xué)生學(xué)習(xí)興趣,提高教學(xué)質(zhì)量;另一方面教學(xué)工作科研激發(fā)科研的靈感,成為科研創(chuàng)新的重要源泉。

教學(xué)策略:在教學(xué)工作中結(jié)合科研專長(zhǎng),用最新的研究成果指引學(xué)生主動(dòng)尋求真理、積極探索世界。以前沿科研課題指導(dǎo)教學(xué)的開展,引導(dǎo)學(xué)生發(fā)現(xiàn)問題、提出設(shè)想、實(shí)驗(yàn)驗(yàn)證、解決問題。

教學(xué)手段:(1)運(yùn)用互聯(lián)網(wǎng)教學(xué)平臺(tái),在超星學(xué)習(xí)通上使用學(xué)習(xí)資源庫拓展學(xué)習(xí)、使用手機(jī)端實(shí)現(xiàn)簽到、答題投票、進(jìn)行小測(cè)試等課堂實(shí)時(shí)互動(dòng)。(2)運(yùn)用多媒體信息技術(shù),將文字、圖片、音頻、視頻有機(jī)結(jié)合,使學(xué)生在課堂教學(xué)過程中可以從視覺和聽覺多種感官接收知識(shí)。(3)運(yùn)用分組討論和翻轉(zhuǎn)課堂,引導(dǎo)學(xué)生對(duì)知識(shí)進(jìn)行探索、提煉和表達(dá)。

教學(xué)方法:(1)積極培養(yǎng)學(xué)生對(duì)科研的興趣,用前沿科研動(dòng)態(tài)引導(dǎo)學(xué)生提高課堂注意力。(2)圍繞科研實(shí)例構(gòu)建教學(xué)內(nèi)容,選擇與教學(xué)內(nèi)容相匹配的科研實(shí)例,讓學(xué)生參與科研文獻(xiàn)中知識(shí)點(diǎn)的歸納與提煉。(3)引導(dǎo)學(xué)生參與科研實(shí)踐訓(xùn)練,開放科研平臺(tái),指導(dǎo)學(xué)生以教學(xué)內(nèi)容為起點(diǎn),參與大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練和畢業(yè)設(shè)計(jì)。

3 教學(xué)實(shí)施

3.1 課前準(zhǔn)備

3.1.1 閱讀參考文獻(xiàn)

教師提供三篇文獻(xiàn)供學(xué)生課前學(xué)習(xí)。文章包括Squeeze-and-excitationnetworks,Spatialtransformernetworks,TAM:Temporaladaptivemoduleforvideorecognition。

3.1.2 完成思考題

教師設(shè)計(jì)課前學(xué)習(xí)思考題,引導(dǎo)學(xué)生閱讀文獻(xiàn)。問題設(shè)置有以下三點(diǎn)考慮:一是突出針對(duì)性,緊緊圍繞“計(jì)算機(jī)視覺中的注意力機(jī)制”設(shè)計(jì)問題;二是提高自信心,基于所提供的文獻(xiàn)學(xué)生很容易找到最基本的回答;三是有擴(kuò)展性,問題有很大深入思考的空間,學(xué)生可以探索更深刻、更全面、更有洞見的回答。問題1:什么是“計(jì)算機(jī)視覺中的注意力機(jī)制”?問題2:你認(rèn)為“計(jì)算機(jī)視覺中的注意力機(jī)制”可以分為哪幾類?

3.2 課堂教學(xué)

課堂導(dǎo)入:人類的視覺系統(tǒng)能夠在復(fù)雜場(chǎng)景中找到顯著區(qū)域。受此啟發(fā),計(jì)算機(jī)視覺中引入了注意力機(jī)制,希望能夠模擬人類視覺系統(tǒng)。

3.2.1 教學(xué)子模塊1:計(jì)算機(jī)視覺注意力機(jī)制的基本概念

將注意力轉(zhuǎn)移到圖像中最重要的區(qū)域并忽略無關(guān)部分的方法稱為注意力機(jī)制;人類視覺系統(tǒng)使用注意力機(jī)制輔助實(shí)現(xiàn)高效分析和理解復(fù)雜視覺場(chǎng)景。受這種生理機(jī)制啟發(fā),計(jì)算機(jī)視覺系統(tǒng)中也引入了注意力來提高性能。我們可以將計(jì)算機(jī)視覺系統(tǒng)中的注意力機(jī)制看作一個(gè)動(dòng)態(tài)的選擇過程,也就是根據(jù)輸入的重要性適應(yīng)性地對(duì)特征進(jìn)行加權(quán)。注意力機(jī)制已經(jīng)廣泛應(yīng)用在各種視覺任務(wù)中,并且實(shí)現(xiàn)了性能的提升,例如,圖像分類、目標(biāo)檢測(cè)、語義分割、人臉識(shí)別、行人重識(shí)別、動(dòng)作識(shí)別、小樣本學(xué)習(xí)、醫(yī)療圖像處理、圖像生成、姿態(tài)估計(jì)、超分辨率、3D視覺以及多模態(tài)任務(wù)。

3.2.2 教學(xué)子模塊2:計(jì)算機(jī)視覺注意力機(jī)制的發(fā)展歷程

近年來,注意力機(jī)制在計(jì)算機(jī)視覺中的作用越來越重要。深度學(xué)習(xí)時(shí)代計(jì)算機(jī)視覺中基于注意力的模型的發(fā)展歷程可以粗略地分為四個(gè)階段。第一階段始于循環(huán)注意力模型(Recurrent Attention Model,簡(jiǎn)稱RAM),RAM將深度神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制結(jié)合。在這一階段,循環(huán)神經(jīng)網(wǎng)絡(luò)是注意力機(jī)制的必要工具。第二階段以空間變換網(wǎng)絡(luò)(Spatial Transformer Networks,簡(jiǎn)稱STN)為開端,STN引入一個(gè)子網(wǎng)絡(luò)來預(yù)測(cè)一個(gè)仿射變換用以在輸入中選擇重要區(qū)域。明確地預(yù)測(cè)有差異的輸入特征是第二階段的重要特點(diǎn)。第三階段始于提取激發(fā)網(wǎng)絡(luò)(Squeeze-and-Excitation Net,簡(jiǎn)稱SENet),SENet是一個(gè)通道注意力網(wǎng)絡(luò),隱式地適應(yīng)性預(yù)測(cè)潛在關(guān)鍵特征。最后一個(gè)階段是自注意力時(shí)代。

3.2.3 教學(xué)子模塊3:計(jì)算機(jī)視覺注意力機(jī)制的數(shù)學(xué)表達(dá)式

基于人類視覺系統(tǒng)的認(rèn)知過程,科學(xué)家總結(jié)出注意力機(jī)制的一個(gè)通用形式。在日常生活中我們看到一個(gè)場(chǎng)景的時(shí)候,我們會(huì)關(guān)注到最重要的區(qū)域,再快速處理這些區(qū)域,這個(gè)過程可以公式化地表達(dá)為:

Attention=f(g(x),x)

這里,g(x)表示產(chǎn)生注意力,注意力對(duì)應(yīng)于參與有辨別力的區(qū)域的過程。f(g(x),x)意思是基于注意力g(x)處理輸入x,注意力g(x)就是處理關(guān)鍵區(qū)域并獲取信息。[13]

3.2.4 教學(xué)子模塊4:計(jì)算機(jī)視覺注意力機(jī)制的分類

大家都可以根據(jù)自己的理解對(duì)計(jì)算機(jī)視覺注意力機(jī)制進(jìn)行分類。我們這節(jié)課采取的分類思路是按照視覺注意力機(jī)制作用的數(shù)據(jù)維度進(jìn)行分類。視覺數(shù)據(jù)通常有這么幾個(gè)維度:通道、空間、時(shí)間。大家是否已經(jīng)發(fā)現(xiàn),我們課前閱讀的三篇文獻(xiàn)所接受的注意力機(jī)制,正好就是分別作用于這三個(gè)數(shù)據(jù)維度。接下來,我們將介紹各種典型注意力機(jī)制,并說明各種注意力機(jī)制如何對(duì)應(yīng)到前述數(shù)學(xué)表達(dá)式。

3.2.5 教學(xué)子模塊5:通道注意力

通道注意力適應(yīng)性地校正每個(gè)通道的權(quán)重,SENet開創(chuàng)了通道注意力。SENet的核心是提取激發(fā)(SE)模塊,SE模塊用來收集全局信息,捕獲通道方面的關(guān)系并提升表達(dá)能力。

SE模塊分為兩個(gè)部分:一個(gè)提取模塊和一個(gè)激發(fā)模塊。提取模塊使用全局平均池化收集全局空間信息;激發(fā)模塊使用全連接層和非線性層(ReLU和sigmoid)獲取通道方面的關(guān)系并輸出一個(gè)注意力向量。然后,輸入特征的每個(gè)通道乘以注意力向量中對(duì)應(yīng)元素來給各個(gè)通道加上權(quán)重?？傮w上,輸入為X、輸出為Y的提取激發(fā)模塊Fse(有個(gè)參數(shù)θ)可以公式化地表示為:計(jì)算注意力打分s=Fse(X,θ)=σ(W2·δ(W1·GAP(X)))和使用注意力分?jǐn)?shù)進(jìn)行加權(quán)Y=s·X。

SE模塊的作用是突出重要通道,同時(shí)抑制噪聲。SE模塊所需的計(jì)算資源不多,可以在每個(gè)殘差單元后都加上SE模塊。不過,SE模塊也有不足,在提取模塊、全局平均池化過于簡(jiǎn)單,不太能夠獲取復(fù)雜一些的全局信息。在激發(fā)模塊,全連接層增加了模型的復(fù)雜性。[14]

3.2.6 教學(xué)子模塊6:空間注意力

空間注意力可以看作一個(gè)可學(xué)習(xí)的空間區(qū)域選擇機(jī)制。STN是空間注意力方法的代表性工作。卷積神經(jīng)網(wǎng)絡(luò)具有平移不變性,這個(gè)特點(diǎn)很適合用來處理圖像數(shù)據(jù)。不過,卷積神經(jīng)網(wǎng)絡(luò)缺乏其他變換的不變性,例如,旋轉(zhuǎn)變換、尺度變換、扭曲變換。為了獲得在這些變化下的不變性,同時(shí)使得卷積神經(jīng)網(wǎng)絡(luò)聚焦于重要區(qū)域?？茖W(xué)家提出了空間變換網(wǎng)絡(luò)STN,STN使用一個(gè)顯式的過程來學(xué)習(xí)不變性,包括平移、縮放、旋轉(zhuǎn)以及其他更一般的扭曲,來使網(wǎng)絡(luò)將注意力放到最相關(guān)的區(qū)域。STN是第一種顯式預(yù)測(cè)重要區(qū)域,并提供具有變換不變性的深度神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制。

在數(shù)字圖像中,二維仿射變換可以表示為:

3.2.7 教學(xué)子模塊7:時(shí)間注意力

時(shí)間注意力可以看作一個(gè)決定什么時(shí)候注意的動(dòng)態(tài)的時(shí)間選擇機(jī)制,常常用在視頻處理中。時(shí)域適應(yīng)性模塊(TAM)是時(shí)間注意力的代表性方法。TAM采用一個(gè)可學(xué)習(xí)的卷積核高效靈活地獲取復(fù)雜時(shí)域關(guān)系。

TAM有兩個(gè)分支:局部分支和全局分支。給定輸入特征圖X∈RC×T×H×W,首先在特征圖上使用全局空間平局池化,從而保證TAM有一個(gè)較低的計(jì)算代價(jià)。然后,局部分支在時(shí)域使用幾個(gè)有ReLU非線性的一維卷積,以產(chǎn)生對(duì)局部敏感的重要性圖,從而增強(qiáng)逐幀特征。局部分支可以寫作:

s=σ(Conv1D(δ(Conv1D(GAP(X)))))

X1=s·X

與局部分支不同,全局分支具有位置不變性,聚焦于基于每個(gè)通道的全局時(shí)域信息產(chǎn)生一個(gè)逐通道的適應(yīng)性的核。對(duì)于第c個(gè)通道,卷積核可以寫作:

Θc=Softmax(FC2(δ(FC1(GAP(X)c))))

Y=Θ?X1

在局部分支和全局分支的作用下,TAM可以獲取視頻中復(fù)雜的時(shí)域結(jié)構(gòu),并且增強(qiáng)每幀的特征,而這些只需要比較低的計(jì)算代價(jià)。由于其靈活輕量的設(shè)計(jì),TAM可以添加到任意已有的二維卷積神經(jīng)網(wǎng)絡(luò)。[16]

3.2.8 教學(xué)子模塊8:自注意力機(jī)制

近來,自注意力顯示出在計(jì)算機(jī)視覺領(lǐng)域成為主要工具的潛質(zhì)。對(duì)于自注意力,g(x)和f(g(x),x)可以寫作以下形式:Q,K,V都是x的線性變換,所以

Q,K,V=Linear(x)

計(jì)算注意力分?jǐn)?shù):g(x)=Softmax(Q·K)

使用注意力為特征加權(quán):f(g(x),x)=g(x)·V

自注意力可以用于各個(gè)數(shù)據(jù)維度,其中一個(gè)廣泛的應(yīng)用是作為一種空間注意力機(jī)制來獲取全局信息。由于卷積操作的局部性,卷積神經(jīng)網(wǎng)絡(luò)的感受野天然窄,這就限制了CNN全局地理解場(chǎng)景的能力。為了提升感受野,科學(xué)家將自注意力引入計(jì)算機(jī)視覺領(lǐng)域中。

以一個(gè)二維圖片為例,給定一個(gè)特征圖F∈RC×H×W,自注意力首先用線性投射計(jì)算查詢、鍵、值,即Q,K,V∈RC′×N,其中N=H×W。這個(gè)自注意力可以公式化表達(dá)為:

注意力分?jǐn)?shù):A=(a)i,j=Softmax(Q·KT)

使用注意力為特征加權(quán):Y=A·V

其中A∈RN×N是注意力矩陣,(a)i,j是第i個(gè)元素和第j個(gè)元素之間的關(guān)系。自注意力是一個(gè)建模全局信息的強(qiáng)大工具,在很多視覺任務(wù)中都很有用。不過,自注意力機(jī)制的二次方的復(fù)雜度限制了它的適用性,也就是輸入向量尺寸不能過大。

課堂結(jié)語:在深度學(xué)習(xí)時(shí)代,注意力機(jī)制成為計(jì)算機(jī)視覺領(lǐng)域不可或缺的技巧。這節(jié)課我們介紹了計(jì)算機(jī)視覺領(lǐng)域深度神經(jīng)網(wǎng)絡(luò)中的注意力機(jī)制的代表性方法。希望能夠幫助大家理解注意力機(jī)制,并在將來進(jìn)行科研訓(xùn)練時(shí)應(yīng)用到深度學(xué)習(xí)之中。

3.3 課后拓展

充分利用科研平臺(tái),引導(dǎo)學(xué)生參與科研。學(xué)生在科研訓(xùn)練中進(jìn)行創(chuàng)新實(shí)踐探索,凝練創(chuàng)新成果。根據(jù)科研項(xiàng)目的最新進(jìn)展,為學(xué)生提供以下幾個(gè)探索方向:

3.3.1 通用注意力模塊方向

目前,對(duì)于每一個(gè)不同的任務(wù),需要單獨(dú)設(shè)計(jì)特別的注意力機(jī)制,這需要大量努力來探索篩選和改進(jìn)注意力方法。例如,通道注意力非常適合圖片分類,而空間注意力很適用于密集預(yù)測(cè)任務(wù)諸如語義分割和目標(biāo)檢測(cè)。通道注意力聚焦于注意什么,空間注意力考慮注意哪里。我們鼓勵(lì)學(xué)生探索是否存在具有所有種類注意力機(jī)制優(yōu)勢(shì)的通用注意力模塊。例如,有一種可能可行的方向時(shí):采用一個(gè)軟選擇機(jī)制(分支注意力)針對(duì)特定任務(wù)從通道注意力、空間注意力、時(shí)間注意力選擇合適的注意力機(jī)制。

3.3.2 描述和可解釋性方向

注意力機(jī)制受人類視覺系統(tǒng)啟發(fā)產(chǎn)生,這種產(chǎn)生方式使得注意力機(jī)制有可能有助于建立可解釋計(jì)算機(jī)視覺系統(tǒng)。一般來說,我們用注意力圖來理解基于注意力的模型,而這只能給我們直覺感受,不能給出精準(zhǔn)解釋。在諸如醫(yī)療診斷和自動(dòng)駕駛這樣一些安全性要求很高的應(yīng)用領(lǐng)域,通常會(huì)對(duì)優(yōu)化機(jī)制的可解釋性有更嚴(yán)格的要求,需要更好的描述方法是如何工作的,以及什么時(shí)候系統(tǒng)會(huì)出現(xiàn)漏洞。開發(fā)可描述、可解釋的注意力模型,使得注意力機(jī)制能夠更廣泛應(yīng)用。

3.3.3 基于注意力的預(yù)訓(xùn)練模型方向

近來,一些模型證明了基于注意力的模型非常適用于視覺任務(wù)?；谧⒁饬Φ哪Ｐ图嫒莞鞣N不同的輸入,因而能夠處理未見過的目標(biāo)、非常適用于轉(zhuǎn)換預(yù)訓(xùn)練權(quán)重到各種任務(wù)。預(yù)訓(xùn)練和注意力模型的結(jié)合需要進(jìn)一步探索:訓(xùn)練方法、模型結(jié)構(gòu)、預(yù)訓(xùn)練任務(wù)以及數(shù)據(jù)規(guī)模都值得研究。

3.4 課程評(píng)價(jià)

教師對(duì)教學(xué)環(huán)節(jié)中學(xué)生的完成進(jìn)行考核、得到學(xué)生學(xué)習(xí)情況的反饋,從而優(yōu)化學(xué)習(xí)過程、幫助學(xué)生更好地掌握知識(shí)。(1)課前學(xué)習(xí)評(píng)價(jià):通過課前思考題的回答了解學(xué)生閱讀參考文獻(xiàn)以及對(duì)相關(guān)內(nèi)容理解的情況。(2)課堂學(xué)習(xí)評(píng)價(jià):利用學(xué)習(xí)通設(shè)置實(shí)時(shí)課堂提問,由統(tǒng)計(jì)結(jié)果把握學(xué)生對(duì)知識(shí)點(diǎn)掌握情況。(3)課后學(xué)習(xí)評(píng)價(jià):根據(jù)學(xué)生的科研訓(xùn)練實(shí)踐報(bào)告對(duì)學(xué)生的課后拓展學(xué)習(xí)效果進(jìn)行評(píng)估。

4 教學(xué)效果

在“計(jì)算機(jī)視覺中的注意力機(jī)制”單元的教學(xué)中,將科研內(nèi)容融入教學(xué),激發(fā)學(xué)生好奇心、增加學(xué)習(xí)過程的挑戰(zhàn)性和參與感,充分調(diào)動(dòng)學(xué)生學(xué)習(xí)的內(nèi)在動(dòng)機(jī)。將科研成果、科研思維有機(jī)地融入教學(xué)工作,發(fā)揮科研對(duì)教學(xué)的促進(jìn)作用。與時(shí)俱進(jìn),將科研中學(xué)科前沿知識(shí)和研究進(jìn)展傳授給學(xué)生。增加教學(xué)深度,拓展教學(xué)廣度,促進(jìn)教學(xué)創(chuàng)新,提升教學(xué)質(zhì)量。

結(jié)語

中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院“卓越班”承擔(dān)著培養(yǎng)能從事醫(yī)學(xué)人工智能、醫(yī)學(xué)大數(shù)據(jù)、智能醫(yī)學(xué)工程相關(guān)領(lǐng)域科技工作的創(chuàng)新人才的使命。本文以“計(jì)算機(jī)視覺中的注意力機(jī)制”單元為例,探索在“醫(yī)學(xué)人工智能前沿”課程教學(xué)中依托學(xué)院科研平臺(tái)開展科研反哺教學(xué)實(shí)踐。通過將研究成果融入教學(xué)內(nèi)容,能夠增加教學(xué)知識(shí)深度與廣度,提高學(xué)生學(xué)習(xí)興趣,加深學(xué)生對(duì)知識(shí)的理解,培養(yǎng)學(xué)生解決實(shí)際問題的工程能力。未來將繼續(xù)加強(qiáng)教學(xué)與科研的結(jié)合,提升教學(xué)質(zhì)量,培養(yǎng)高素質(zhì)醫(yī)學(xué)人工智能人才,為全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家做出新的更大貢獻(xiàn)。