方璐，陈冬梅，魏凯华，樊凯
杭州电子科技大学，浙江 杭州310018）
摘要：MATLAB广泛应于在生物医学工程领域的医学信号处理，医学图像处理以及建模仿真中。MATLAB课程是培养生物医学工程专业学生分析和处理各种医学信号，深入掌握专业知识的必修实践课程。本文选取了生物医学工程领域计算和图像处理的代表性案例——脑电信号分析和肿瘤边界的提取，引导学生将复杂的案例进行分解，并找到与之对应的理论知识，从而解决专业实际问题，在实践中理解和掌握课程教学内容。
关键词：生物医学工程，MATLAB实践课程，案例分解，教学改革
生物医学工程是一门交叉学科，综合了医学，生物学，化学和计算机科学等学科的知识和方法，并结合工程应用的手段，解决医学中的相关问题，保障人类健康，为疾病的预防、诊断、治疗和康复服务[1]。MATLAB作为计算、仿真建模以及图像处理的强大工具，在生物医学工程领域受到广泛的关注和应用[2]。《MATLAB与工程计算》是生物医学，医学信息等专业的一门重要的必修专业基础课程，是培训理工类各专业学生的基本实验知识和技能的一门独立的实践课程。本文将探讨在该课程授课实践过程中存在的问题和改革方法，以期帮助学生更好地掌握软件应用要点，并将其应用于生物医学工程实践中。
1、MATLAB在生物医学工程中的应用
MATLAB软件在生物医学工程领域，有着广泛的应用，如医学信号处理，生物医学系统建模仿真，医学图像处理等，为疾病的诊断和康复治疗提供了支持。MATLAB在医学信号处理中的应用，主要是生理信号的特征提取与识别，如吴端坡等人以MATLAB软件为基础开发平台，开发了基于aEEG尖峰和cEEG棘波提取的脑电算法，用于癫痫发作的检测[3]。刘明等人搭建一个基于MATLAB环境的脑控轮椅系统，能够为无法通过四肢操控轮椅运动的严重肢体残疾或运动障碍患者提供辅助，满足日常移动或出行需要[4]。MATLAB在医学图像处理方面，主要是医学影像数据中肿瘤区域的识别，如王锦程设计了基于MATLAB GUI的脑胶质瘤三维显示辅助诊断系统软件，可以对脑部MRI图像进行合适的预处理，提取出脑部肿瘤组织区域，通过三维重建凸显肿瘤区域的位置、形状和大小，为临床医生诊断脑胶质瘤与确定治疗区域提供了参考[5]。
2、MATLAB课程教学中存在的问题
在教学过程中我们发现，现有课程体系大多侧重MATLAB软件的学习，学习内容主要是对MATLAB中常用函数的学习和操作。尽管是实践课程，教学过程中，大多都是针对每章节的内容，布置相应的作业，且基本都是单个，分散的设计内容，缺少专业性和整体性，不能从专业的工程应用角度，进行实践项目的设计。因此尽管学生掌握了函数的用法和编程规则，但在解决实际专业工程问题时却不知从何下手对问题进行分解，从而极大影响了学生对MATLAB软件在专业领域的理解和应用。
3、基于案例分解法的MATLAB课程改革
3.1 案例的选取
MATLAB在工程中的应用主要包括数据计算和图像处理两部分，对应到生物医学工程中的主要是医学信号处理和医学图像处理，因此我们在专业案例的选取上分别选择了具有代表性的脑电信号的复杂度计算和MRI图像中肿瘤区域的提取，通过对两个专业案例中与MATLAB中基础知识点的分解和程序编写，来帮助学生掌握MATLAB工程计算和图像处理中的知识要点。
3.2 结合案例的知识点分解
脑电信号处理属于MATLAB数据计算，为了方便学生的理解，我们将脑电信号的复杂度计算分解为几个子模块，并引导学生解析了各模块所对应的MATLAB的基础知识点。脑电信号的复杂度计算主要步骤分为脑电信号的读取和保存，绘制脑电图和复杂度计算，其中复杂度计算需要根据给出公式编写自定义函数complexity_calc()，同样，在复杂度计算函数中，需要根据公式，编写并调用自定义阈值检测函数threshold_check()和均方值计算函数mean_square_calc()。
通过将复杂的专业问题进行分解，我们将各子模块对应到MATLAB的基础知识点上（如表1所示），如脑电信号的读取和保存需要掌握MATLAB语言中的输入输出函数，按要求绘制脑电图需要用到绘图指令，子函数的编写和调用要掌握自定义函数的相关知识，函数计算中需要用到数组和矩阵的计算、循环语句、判断语句的编写等。
表1、脑电信号复杂度分析项目分解模块和对应MATLAB知识点
项目分解模块 对应MATLAB知识点
脑电信号读取和保存 输入输出函数
绘制脑电图 数组和画图
脑电数据均方差，阈值计算 自定义函数编写和调用，数组，矩阵的计算
脑电数据复杂度计算和比较 自定义函数编写和调用，数组，矩阵的计算，循环语句，判断语句
算法优化 向量操作
MRI图像中肿瘤区域的提取属于图像处理的范畴，我们同样将其进行了模块分解和知识点的提取，如表2所示。肿瘤区域提取的处理步骤主要包括图像的读取和显示，图像预处理（如灰度图转化，直方图均衡化，去噪，锐化等）和边缘提取。图像的读取和显示对应着MATLAB的输入输出函数，图像预处理需要掌握图像的基本运算，如几何运算，增强，滤波等函数，肿瘤区域的边缘提取需要掌握图像的边界分析方法。另外，我们要求学生编写自定义函数trans()，可根据键盘输入的要求，对图像进行各种变换，如变形，去噪，亮度调整，对比度调整等，需要学生掌握自定义函数的编写和调用方法。
表2、肿瘤区域提取项目分解模块和对应MATLAB知识点
项目分解模块 对应MATLAB知识点
医学图像读取，显示和保存 输入输出函数
计算灰度直方图，直方图均衡化 图像的增强
预处理（去噪、锐化、变形等） 图像的增强，几何运算，滤波
肿瘤区域边缘提取 图像的边界分析
在案例分解教学过程中，我们通过引导学生将复杂的专业应用问题进行层次化分解，形成若干子模块，再有针对性地进行理论讲解的方法，成功地将理论知识和工程实践进行了结合。
3.3 学生独立编程能力训练
本课程是一门实践课，课程的目的是使学生掌握MATLAB程序设计的基础知识，培养学生扎实的程序设计与实现能力，因此如何培养学生的独立编程能力也是本课程的重点。由于在案例分解教学法的实施过程中，工程项目进行模块分解后，可与教学知识点对应，无需多名同学合作即可完成，本课程采用了独立实践的形式，即每位同学单独完成一个项目。
MATLAB的帮助文档是该软件的一大亮点，在学生实践的过程中，教师要引导学生通过错误提示，添加断点，变量显示等调试方法发现程序中存在的问题，然后通过帮助文档，找到合适的函数来实现程序功能，培养学生独立思考和解决问题的能力。同时引导学生养成良好的编程风格，如子函数的编写和调用，函数的命名，变量的命名，注释的编写等，通过养成良好的编程习惯，增加程序的可读性和后期使用性。
4、总结
本文通过引入生物医学工程中信号处理和图像处理的典型案例，并运用案例分解方法，引导学生将复杂的专业应用问题进行模块分解，并找到与之对应的基础论知识点，从而解决专业实践问题，在实践中理解和掌握课程教学内容，激发了学生的创新思维，提高学生的工程实践能力。
参考文献
[1] 汤嵋森, 生物医学工程发展现状与未来发展趋势探讨, 数字化用户, 025 (2019) 46.
[2] 白冰, 赵添羽, 生物医学信号处理中的MATLAB应用, 智慧健康, 5 (2019) 16-17.
[3] 吴端坡、王紫萌、董芳、冯维、刘兆霆, 基于aEEG尖峰和cEEG棘波提取的癫痫发作检测算法, 实验技术与管理, v.37;No.292 (2020) 65-70.
[4] 刘明, 王康宁, 陈小刚, 王瑶, 王慧泉, 蒲江波, 谢小波, 王金海, 徐圣普, 基于Matlab环境的脑控轮椅搭建与实验验证, 北京生物医学工程, 38 (2019) 84-91.
[5] 王锦程, 郁芸, 胡新华, 杨坤, 基于Matlab GUI的脑胶质瘤三维显示辅助诊断系统的设计, 生物医学工程研究, 036 (2017) 336-339.
作者：方璐(1985-)，女，讲师，博士，主要研究方向生物医学传感检测
通讯作者：方璐
项目：杭州电子科技大学校级教育教学改革研究项目（YBJG202172）