林 岚 张柏雯 吴水才

北京工业大学生命科学与生物工程学院 北京 100124

生物医学信号处理在生物医学工程学科的多个领域都已获得了极为成功的应用，受到了广泛的关注。近年来，随着通信技术、计算机技术和信息技术的飞速发展，已发展较成熟的经典生物医学信号处理理论体系也在向现代理论演化，新理论和新算法层出不穷[1]。学习现代生物医学信号处理的理论、方法与应用，紧跟学术前沿，已成为生物医学工程专业研究生的迫切需要[2]。为满足学科发展的需要，北京工业大学生物医学工程系从21世纪初就开始对生物医学工程专业研究生开设了现代医学信号这一门专业基础课程。课程采用传统现代信号处理的教材，基于生物医学信号的特点，内容兼顾了纵向的深度和横向的广度，涉及现代生物医学信号处理的多个主要方面及其热点和难点。课程具有应用范围广、实用性强、专业性强等特点。课程强调理论与实践、原理与应用相结合，通过课程的学习，学生可以了解该信号处理在生物医学领域中的基础理论、方法应用，是未来科研中的有力工具。

1 课程建设中的前期体会

此课程设立之初的教学效果和教学质量很好，但由于现代医学信号处理是一个高速发展的学科领域，随着时间的推移在教学中出现了一些新的问题。针对这些问题，学院根据课程特点、教学系统以及学生的知识结构，成立了以学院院长吴水才教授带头、以中青年教师为主干的信号类课程教学团队。教学团队共有教师8人，其中教授1人，副教授3人，中级职称教师4人，具有合理的老中青师资结构和队伍配置，并有着较高的教学和科研学术水平。在课程教师队伍建设方面，注重培养中、青年教师，充分发挥“传－帮－带”的作用。根据既定的教学思想，共同制订了教学大纲、教学计划，并针对专业特色，确定教学内容；定期进行教学方法的分析与讨论、教学成果总结，共同探讨教学过程中出现的各种问题，从而使课程体系逐渐完备。在吴水才教授的带领下，团队前期针对我校学生的特点对此课程进行了精品课程建设，并取得了一定成效。下面先对此课程前期建设及实施过程中取得的成果与经验做简要回顾。

课程教材及教学内容的选择直接影响教学质量。数字信号处理是一个相对完整的知识体系，而现代医学信号处理课程体系具有多元化的特征。大部分经典教材往往对生物医学信号的特点侧重不足，而且经过几年教学后内容就会相对陈旧，因此重新编排教学内容，突出教学重点，对教学内容进行重新整理和编排是非常重要的[3,4]。整个教学团队在吴水才教授的领导下，根据本专业的特点和长期的教学经验总结，在2016年将多年在现代信号处理领域的教案和科研工作的应用整编成一套系统的教材[5]，并已在科学出版社出版。该教材系统的再现了现代信号处理的理论和方法，启迪学生的创新思维，具有如下主要特点。

(1)教材紧紧抓住生物医学信号这条主线，主要包括随机信号的特点、参数估计理论、现代谱估计、维纳滤波、卡尔曼滤波、自适应滤波、时频分析、小波分析、主成分分析、独立成分分析等基础理论和方法。

(2)兼顾专业特点，从现代信号处理的角度出发，很好地将经典理论与生物医学中的最新技术结合于实际的应用，不但能够扩展学生的学习兴趣，还能够促进学生对最新知识的了解。

(3)包含了基于MATLAB的信号分析与处理基础，使广大读者在掌握了基本概念、方法的基础上，能将信号的分析、仿真处理等重要知识运用于计算机上。

2 基于研究生实训平台的课程建设

2.1 课程教学中理论与实践的脱节现象

该课程的另一个特点是课程内容抽象且对数学基础要求较高。课程基础不仅包含经典数字信号处理，还会用到数理统计、微积分变换、矩阵论、最优化方法、数值分析等许多工程数学，涉及大量的数学推导[6]。现代医学信号处理是用抽象的数学语言描述的[7]，传统教学方法注重理论概念的教学而忽略实践教学，在实际应用中就会存在一定脱节的现象。这往往导致学生可以较好掌握其基础理论，却不知如何将其在实际工程中进行应用，甚至不知道针对某种类型的生理信号应如何选择处理技术和工具。这里我们以提高学生学习兴趣和积极性为出发点，以改善教学质量为目标，在实践教学方面对本课程的教学方法进行改进。在讲授过程中更偏重算法的设计思路，而非纯粹的数学推导。现代医学信号处理很多算法都是根据计算机进行数值优化，实现快速运算。学生只需要掌握该算法的类型、特点与思路，而在课程理论教学中涉及具体实现过程中的大量公式推导并不是必要的，这些部分可以在具体实践环节来学习和掌握。这种教学方式使得学生更容易接受，减少了对数学的畏惧感。这里我们采用了实践教学与研究生工程实训平台相结合的方法，使原本抽象的理论讲解变得生动具体，提高学生的学习兴趣。

2.2 北京工业大学研究生工程实训平台

北京工业大学研究生工程实训平台暨研究生创新实践基地是教育部“研究生教育创新计划项目”之一，被列入“2005年教育部研究生教育创新计划项目”。此实训平台一方面旨在培养和拓展研究生的创新设计能力，为研究生的各类创新竞赛提供了训练场所；另一方面旨在有针对性地进行相关实训技能的训练，缩短研究生的就业适应期，提高就业竞争力。目前，平台建成了10多个主题实验室，为研究生提供了参与工程训练与科技创新的舞台，在提高研究生创新实践能力方面发挥了积极的作用。该平台自成立以来在工程实训项目中获得了丰富的成果，特别是每学年设立的研究生科技基金委托项目，为各实训室的创新起到了很好的推动和鼓励作用。

2.3 工程实训平台与课程建设的结合

研究生工程实训平台建设可以促进学生更好理解教学内容以及提高学生实践能力、创新能力。我们在此研究生工程实训平台建设了生物医学电子与信息处理研究生实训室。实训内容以适应实际的需求及创新能力的培养为依据，对学生的要求不仅仅局限在对课程所讲授的理论进行简单验证，而且让学生应用所学知识去设计比较复杂的生物医学信号检测与处理分析系统[8]。尽可能多地采用先进的实验手段，引入现代医学信号分析与处理技术的分析、设计方法。强调实训的整体性、系统性，以形成与新的课程体系相适应的实训体系。实训室由睡眠试验区、运动试验区、学生实训区和教师指导区等多个功能区域组成。实训室拥有64通道脑电图机(Biosemi)以及心电、血压、血氧、脉搏波等生物医学传感器和采集系统，以及穿戴式智慧衣用于帮助学生直接采集多种类型的生理信号，进行生理信号处理与分析。同时实训室还拥有多台服务器以及心电图、脉搏波、医学图像等数据库，帮助学生进行以深度学习算法为基础的大数据分析。实训室每年组织一次生物医学信号处理方面的竞赛，以鼓励学生在此课程方面的创新工作。在实训内容上突出信号处理方法的现代化，通过现代信号处理算法，实现对各种类型生理信号的综合分析、处理。自成立以来，实训工作主要集中在多生理参数的信号采集与处理和基于深度学习的生物医学信号的大数据两方面。

(1)多生理参数的信号采集与处理实训主要集中在穿戴式设备，如穿戴式心电图、心音及胎儿心电信号的采集与信号处理[9]。研究生将课堂所学到的基础知识与实训内容相结合，申请了多项研究生科技基金支持。如穿戴式心音监测设备研究，开发了一款24小时监测的心音信号采集设备，并对心音信号进行处理。“婴儿睡眠过程中的实时监测系统”可实时监测婴儿生理信息，当监测到异常时会及时发出预警信号。“智能胎儿心电硬件系统”围绕胎儿心电信号信噪比极低这一问题，研究了如何通过现代信号处理算法进行胎儿心电的实时性提取。

(2)深度学习的本质是计算观测信号的分层特征或表示，采用海量数据训练，将原始数据转变成低层特征，之后经过多个隐藏层形成抽象的高层特征，使得数据得到更加具体有效的特征表达，是目前不可知域最好的算法[10]。研究生基于实训平台科技基金委托项目的支持，申请了“深度学习在12导联心电自动分析中的应用研究”“深度学习在神经影像中的应用”等项目。心电图的解读一般需要心电图医生进行，传统的用于波形分析的自动化判读方法存在大量的误判和漏判，算法精度难以进一步提高。研究生利用深度学习技术对12导联的心电图进行了自动分析。基于深度学习方法建立一套神经影像大数据的智能分析平台，并将其应用于阿尔兹海默症的早期预测及脑年龄预测的研究中。

学生的创新精神是通过创新的教育、教学以及实践活动来培养的。通过实训平台对现代医学信号处理的内容进行实训，可以培养学生的创新意识、创新思维、创新能力，使学生一方面牢固、系统地掌握课程的基础知识，同时发展他们的创新能力。实训模式可以培养学生从多种不同的角度实现同一目的，让他们突破教学的限制，更多地加入自己的思想。从实训项目的结果来看，很多的学生都能在课程的内容上有一定延伸，更好掌握课程得基础内容。

3 结语

生物医学信号处理是生物医学工程专业知识体系中必不可少的知识领域，因此，现代医学信号处理是生物医学工程专业建设的重点课程之一。在本课程的建设中，我们努力做到通过授课与实训平台的实践环节相结合，开阔学生思路，提升学生的创新性思维。总体来说，通过实训平台的促进，教学质量明显提升，学生的学习兴趣也有很大提高，应用现代信号处理解决实际问题的能力也大大提升，掌握现代信号处理的前沿性研究，为学生今后的深入研究和应用打下良好的基础。

[1]黄勇.现代信号处理课程的特点与教学方法的改进[J].高等教育研究:成都,2012(4):49-51.

[2]吴水才,林岚,杨春兰.浅析“生物医学信号处理”课程教学新体系的创建与应用[J].工业和信息化教育,2016(1):20-24.

[3]盛虎,赵树源. 研究生“现代信号处理”课程教学方法探讨[J].教育教学论坛, 2017(11):240-241.

[4]Ingle V K, Proakis J G. Digital Signal Processing Using MATLAB: A Problem Solving Companion[M]. Cengage Learning, 2016.

[5]林岚,吴水才.现代医学信号处理[M].北京:科学出版社,2016.

[6]李凌,谭波,蒋涛.《生物医学信号处理》综合性实验设计[J].实验科学与技术,2013,11(5):125-127..

[7]胡广书,汪梦蝶. 生物医学信号处理研究综述[J].数据采集与处理,2015,30(5):915-932.

[8]叶继伦,顾家军,刁现芬.新型医学信号处理实验平台的设计与实现[J].实验科学与技术,2017,15(1):65-69.

[9]Ahmed W, Khalid S. ECG signal processing for recognition of cardiovascular diseases: A survey[C]. Innovative Computing Technology (INTECH), 2016 Sixth International Conference on.IEEE, 2016: 677-682.

[10]田苗,林岚,张柏雯.深度学习在神经影像中的应用研究[J].中国医疗设备,2016,31(12):4-9.