新编医学计算机信息应用15.docxVIP

课程名称

新编医学计算机信息应用

授课章节

第15章开启智能时代的大门

授课专业

授课班级

实施日程

第周——第周

授课时数

2

教学目标

知识目标

1.理解人工智能（AI）核心基础：

?定义（模拟人类智能的科学）、研究范畴（机器人技术、图像识别等）、分类（弱/强/超人工智能）及特征（感知、记忆思维、学习自适应、行为决策）。

?发展历程：六个阶段（孕育与诞生达特茅斯会议、两次高潮与低谷、稳定发展深蓝/AlphaGo/ChatGPT）。

2.掌握AI主流学派与关键技术：

?三大学派：符号主义（逻辑规则，如专家系统）、连接主义（神经网络，如感知机）、行为主义（感知-行动，如六足机器人）；

?关键技术：机器学习（工作流程、过拟合/欠拟合问题）、深度学习（神经网络结构）、语音处理（识别/合成）、计算机视觉（图像处理、特征提取）、自然语言处理（NLP，如机器翻译）。

3.了解AI医学应用与趋势：

?智慧医疗场景（医学影像诊断、病历录入、康复训练）；

?发展趋势（多模态大模型、生成式AI、量子计算融合）及挑战（数据隐私、伦理、人才短缺）。

育人目标

1.培养AI认知思维：建立“技术原理→行业应用→社会影响”的认知链条，理解AI在医学领域的价值边界。

2.提升跨学科融合意识：结合医学影像诊断、智能病历等案例，激发“医学+AI”交叉创新兴趣，适配未来智能医疗岗位需求。

3.树立责任伦理观：认识AI在医学应用中的隐私（患者数据安全）、伦理（算法偏见）问题，培养“技术服务于人”的责任意识。

4.强化终身学习理念：了解AI快速发展趋势（如生成式AI），意识到持续学习新技术对医学工作者的重要性。

教学重点

1.AI核心概念：弱人工智能（当前主流，如医疗影像辅助诊断）与强人工智能的差异，三大学派核心思想。

2.关键技术与医学应用：计算机视觉（医学影像分析）、NLP（智能病历）、语音处理（语音录入病历）的应用场景。

3.发展历程里程碑：达特茅斯会议（AI诞生）、深蓝/AlphaGo（博弈突破）、ChatGPT（NLP革命）。

教学难点

1.学派与技术的关联：理解符号主义到连接主义的技术演进逻辑，及不同技术在医学场景的适配性。

2.技术原理的通俗化理解：如深度学习“神经网络层级特征提取”、计算机视觉“边缘检测与特征匹配”的医学应用逻辑。

3.AI伦理与医学平衡：如何在利用AI提升医疗效率的同时，保障患者数据隐私与诊断公平性。

教学方法

讲授法：系统讲解AI定义、学派、技术，结合通俗类比（如“弱AI像专科医生，强AI像全科医生”）降低理解难度。

案例驱动法：以医学影像诊断、智能病历录入为核心案例，串联技术原理与应用。

对比法：对比三大学派优劣、不同技术的医学应用场景（如NLP适合病历处理，计算机视觉适合影像分析）。

视频演示法：播放AlphaGo对弈、医学影像AI诊断短视频，直观展示技术落地效果。

教学用具

电脑、投影仪、多媒体课件、教材

教学设计

考勤→互动导入→传授新知→课堂讨论

教学过程设计

（一）课程导入

播放“AI辅助诊断肺癌CT影像”短视频，提问：“AI如何快速识别CT中的病灶？这种技术背后依赖哪些核心能力？”引出AI“感知-分析-决策”的核心逻辑，导入本节课主题。

（二）理论讲授

模块1：AI基础与发展

1.核心概念：

?定义与分类：弱AI（专用，如医疗影像AI）、强AI（通用，如索菲亚机器人）、超AI（理论阶段）；

?特征：用“AI问诊机器人”举例，说明其感知（语音识别）、记忆（存储病历）、学习（优化诊断模型）、决策（给出建议）能力。

2.发展历程：

?关键节点：1956年达特茅斯会议（AI诞生）、1997年深蓝胜国际象棋冠军、2016年AlphaGo胜李世石、2022年ChatGPT发布。

模块2：学派与关键技术

1.三大学派：

?符号主义：用“医学专家系统（输入症状→输出诊断）”说明“逻辑规则”核心；

?连接主义：用“神经网络识别癌细胞图像”解释“模拟人脑神经元连接”；

?行为主义：用“康复训练机器人（感知患者动作→调整辅助策略）”说明“感知-行动”闭环。

2.关键技术（医学视角）：

?计算机视觉：讲解“边缘检测”在CT影像病灶定位中的应用；

?NLP：演示“语音录入病历→自动结构化”的流程；

?机器学习：简述“用患者数据训练诊断模型”的工作流程（数据获取→预处理→模型训练→评估）。

模块3：医学应用与趋势

1.智慧医疗场景：

?