您所在的位置:首页 >> 教学大纲 >> 实验大纲
 

《智能医学工程综合课程设计》课程教学大纲

 

发布日期:2023-07-11  浏览次数:555

 


课程代码:B1110156

课程名称:智能医学工程综合课程设计(Integrated Course Project for Intelligent Medical Engineering)

学分/总学时:2学分/64学时

讲课学时:18学时;实验学时:46学时

课程类别:集中实践环节

开课学期:三(4)

适用对象:生物科学与医学工程(类)三年级

先修课程:

后续课程:

课程负责人: 葛盛

一、 课程目标

智能医学工程(Intelligent Medical Engineering)是指以现代医学与生物学理论为基础,融合先进的脑认知、大数据、云计算、机器学习等人工智能及相关领域工程技术,研究人的生命和疾病现象的本质及其规律,探索人机协同的智能化诊疗方法和临床应用的新兴交叉学科。涉及神经科学、认知科学、计算机科学、信息科学、医学等多学科。智能医学工程一门新兴的医、理、工高度交叉的学科,按照“医教研一体,医理工融合”的建设思路,紧密结合医疗健康与人工智能、机器人、大数据等新兴产业,把临床需求作为出发点和落脚点,布局医学与智能科学的交叉融合、转化创新,实现医工深度融合。

通过本课程的学习,有望掌握智能医学工程领域的基本知识,学习医学影像成像方法,掌握多种生物医学信号获取与处理、特征提取、模式识别等技术。本课程适合生物医学工程、仪器科学与技术、控制科学与工程、计算机科学与技术、医学技术等学科学生学习。


二、 课程目标与教学内容和教学环节对应关系表

序号

课程目标

教学内容

教学环节

课堂教学

作业

研讨

实验

上机

1

了解可穿戴脑电、心电、脉搏波等神经生理信号的成像原理,通过实验理解音乐对神经生理信号的调控过程,掌握脑电、心电、脉搏波等信号的获取及分析基本方法。

1.       可穿戴心电、脉搏波等信号的采集与分析

2.       脑电图成像原理

3.       脑电信号采集与处理

4.       脑电图研究案例介绍

5.       基于多模态神经生理信号的音乐-情绪-认知功能调控实验

2

了解脑机接口的系统构成,熟悉经典范式设计。通过实验掌握脑机接口经典范式。

6.       脑机接口系统组成

7.       脑机接口相关的神经科学基础

8.       脑机接口系统发展历史和趋势

9.       脑机接口案例介绍

3

了解多导生理仪的实验原理。掌握多导生理仪基本操作和数据分析方法。

10.   多导生理仪的原理

11.   多导生理信号采集与分析技术

12.   多导生理研究常用范式

13.   应激压力实验

14.   生物反馈实验

4

了解微生物生物信息采集原理与方法。了解肠道微生态与脑科学关系。掌握微生物生物信息采集与分析方法。

15.   微生物生物信息采集与处理方法

16.   微生物生物信息分析


三、 课程内容

3.1 课堂教学

1.脑电、心电、脉搏等神经生理信号的基本原理与基本知识(支撑课程目标1

本章将系统介绍脑电、心电、脉搏等信号的基本原理和基础知识,可穿戴技术的发展概况和发展趋势。讲解脑电脑电、心电、脉搏信号的采集和预处理方法。


2.脑机接口原理及基本知识(支撑课程目标2

本章将对脑机接口的系统构成,经典实验范式,以及涉及的信号处理方法进行论述。并基于应用案例介绍理解上述知识。


3.多导生理仪原理及基本知识(支撑课程目标3

本章将系统介绍多导生理仪基本原理,发展概况和基础知识。熟悉多导生理仪信号采集与处理方法。



4.微生物生物信息采集原理与方法(支撑课程目标4

本章将系统介绍微生物生物信息采集信号获取基本原理,发展概况和基础知识。熟悉微生物生物信息采集基本方法和处理技术。


3.2 实验环节

1.脑电、心电、脉搏波信号的采集与分析实验(支撑课程目标1

(1)了解脑电信号的采集基本原理及常用传感器,头皮脑电的电极位置设置等基本知识。了解常见的临床/科研级设备的特色和优缺点;掌握脑电信号采集方法,完成脑电实验数据采集;通过阅读文献综述,了解常用的脑电分析方法。

(2)基于可穿戴传感器实现心电和脉搏波信号的采集与分析。掌握心电信号的常见噪声和去噪方法;学习常用的心电信号R波提取方法。

(3)基于多模态神经生理信号开展音乐-情绪-认知功能调控实验,分析实验过程中不同音乐形式对情绪和认知功能的调控作用与脑电、心电和脉搏波信号特征指标之间的映射关系。


2.眼动追踪实验(支撑课程目标2

熟悉眼动仪成像原理,熟悉眼动仪信号获取实验方法。基于眼动追踪实现遥控小车控制。 


3.稳态视觉诱发电位型脑机接口实验(支撑课程目标2

掌握稳态视觉诱发电位型脑机接口实验范式设计原理,基于脑电图采集并分析实验数据,实现意念控制虚拟键盘打字。


4.应激压力测试实验(支撑课程目标3

基于多导生理仪开展应激压力测试实验。分析心率变异性、皮肤电导水平、皮肤电导反应等可以反映压力水平变化的电生理指标。


5.生物反馈实验(支撑课程目标3

基于多导生理仪开展生物反馈实验。体验并理解采用这些生物反馈方法对在注意干预、压力缓解、情绪调节方面的重要作用。


6.测谎实验(支撑课程目标3

基于多导生理仪开展测谎实验。评估被试在回答有关问题时的生理指标变化,并讨论测谎数据的信度和效度,分析测谎数据不能作为刑事诉讼证据的可能原因。


7.微生物生物信息采集实验(支撑课程目标4

学习肠道微生物生物样本采集与样本处理方法,加深肠道微生态与脑功能关系的理解。


8.肠道微生物生物信息分析实验(支撑课程目标4

采用计算机软件QIIME,分析肠道微生的结构组成,促进理解肠道微生态理论知识。


四、 教学安排

本课程为课堂理论教学结合实验教学,通过多种生物医学信号成像原理理论知识的学习并结合实验,使学生多种生物医学信号成像技术相关的成像原理、实验范式设计、实验方法、信号处理等综合能力。

建议学时分配如下表:

序号

教学内容

课堂教学

研讨

实验

上机

总计

1

脑机接口原理,实验范式及操作,数据采集及分析

6

10

16

2

多导生理仪基本原理,实验范式及操作,数据采集及分析

4

12

16

3

可穿戴式神经、生理信号成像原理,实验范式及操作,数据采集及分析

4

12

16

4

微生物生物信息采集原理,实验操作,数据采集及分析

4

12

16

合计

18

46

64


五、 教学方法

通过实验帮助学生深刻理解和掌握多种生物医学信号成像原理;并通过案例介绍促进学生理解实验范式设计,信号获取方法和处理方法。帮助学生深刻理解和掌握多种生物医学信号获取方法和信号处理过程;并通过案例介绍帮助学生理解实验范式设计;使学生能根据需求合理灵活地设计实验范式;培养学生使用多种生物医学信号成像设备的实验能力,锻炼学生实现信号处理的程序编写能力;促进学生提高理论联系实际,课堂结合实践的能力。


六、 思政内容

在本课程教学中,将根据教学内容融入思政内容。具体内容如下:

在可穿戴生理信号获取实验环节,通过对我国脑科学计划的解读,激发学生对知识的渴望和心系国家重大发展战略的贡献精神;对可穿戴生理信号获取与分析技术的发展历程、国内外现状进行介绍,说明个人发展与国民健康的关系,激发同学们为促进全民健康事业努力奋斗的积极性。

在脑机接口实验环节中,将向学生介绍中美贸易战中,脑机接口技术被列为禁止对华出口14项关键技术之一,而我国科院院校努力克服“卡脖子”,在脑机接口世界大赛中屡次获得冠军,以此激发同学们奋发图强,力争克服“卡脖子”问题的学习动力。

在应激压力测试实验环节中,将向学生讲授现代社会人们的学习、工作和生活的压力普遍较大,抑郁症、焦虑症、睡眠障碍等心理相关疾病的发生非常普遍,对我国人民的健康造成了很大影响。通过对我国“健康中国行动”之心理健康促进行动的解读,对压力引发的自主神经系统电生理信号的研究和分析,对我国在相关生物医学领域研究成果的介绍,激发学生对压力及其心理生理学相关知识的渴望、专业报国的责任与担当、投身我国重大健康发展战略的热情。

在有关肠道微生物与脑科学内容讲解中,讲述肠道微生态失衡导致抑郁症等精神类疾病,以及自闭症等神经发育障碍。这一理论通过现代医学研究技术与理论证明了中医理论“阴阳平衡”与“辩证论治”的科学性,凸显出西医以机械唯物论为指导,追求“个体精确”而相对割裂的实证医学所存在的局限性。通过这一案例,让同学了解中医是我们中华文明的一大瑰宝,对于治疗现代出现的多种脑部疾病有不可替代作用。


七、 课程考核与成绩评定

课程的考核以考核学生对课程目标的达成为主要目的,以检查学生对教学内容的掌握程度为重要内容。课程成绩包括2个部分,分别为平时成绩、实验成绩。

成绩评定方式如下表所示:

考核环节

分值

考核/评价细则

平时成绩

20

主要考核学生课堂出席情况及评价学习态度。

实验成绩

80

主要考核学生实验操作规范,数据采集及分析能力。实验报告撰写规范。





八、 课程教材与主要参考书

参考书

《人体生理信号的非线性分析方法》,王黎,韩清鹏 著,科学出版社

《脑-计算机交互研究前沿》,高上凯, 吕宝粮,张丽清  编著, 上海交通大学出版社

《消失的微生物》,马丁.布莱泽 著,傅贺译 湖南科学技术出版社

《心理学实用新技术应用教程》,  应荣华, 施聪莺, 邓铸 著,北京师范大学出版社

 
版权所有:生物医学工程国家级实验教学示范中心(东南大学)    技术支持:南京先极科技有限公司