李艷鳳 陳后金

[摘 要] 深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)新分支，在學(xué)術(shù)界和工業(yè)界受到了廣泛的關(guān)注。深度學(xué)習(xí)是一門理論與實(shí)踐緊密結(jié)合的課程，為增強(qiáng)學(xué)生利用深度學(xué)習(xí)理論和方法解決工程實(shí)際問題的能力，探索與實(shí)踐了研究性實(shí)驗(yàn)教學(xué)。以“基于Faster R-CNN的乳腺X線圖像腫塊檢測(cè)”內(nèi)容為例，基于前沿的、有實(shí)際價(jià)值的科研項(xiàng)目，按照高階性和創(chuàng)新性的目標(biāo)設(shè)計(jì)實(shí)驗(yàn)內(nèi)容。通過研究性實(shí)驗(yàn)教學(xué)，加深了學(xué)生對(duì)課程相關(guān)理論的理解與應(yīng)用，增強(qiáng)了學(xué)生的高階思維能力和創(chuàng)新能力。

[關(guān)鍵詞] 深度學(xué)習(xí);目標(biāo)檢測(cè);研究性實(shí)驗(yàn)教學(xué)

[基金項(xiàng)目] 2020年度教育部新工科研究與實(shí)踐項(xiàng)目“面向新工科的信號(hào)與信息系統(tǒng)系列課程改革”（E-DZYQ20201402）;2020年度北京交通大學(xué)研究生優(yōu)質(zhì)核心課程及教育教學(xué)改革項(xiàng)目“‘深度學(xué)習(xí)課程建設(shè)”（134793522）;2019年度北京交通大學(xué)教改項(xiàng)目“模式識(shí)別與機(jī)器學(xué)習(xí)慕課建設(shè)與應(yīng)用”（356369535）

[作者簡(jiǎn)介] 李艷鳳（1988—），女，河北廊坊人，博士，北京交通大學(xué)電子信息工程學(xué)院副教授，主要從事信號(hào)與信息處理及模式識(shí)別研究。

[中圖分類號(hào)] G420? ?[文獻(xiàn)標(biāo)識(shí)碼] A? ?[文章編號(hào)] 1674-9324（2021）19-0137-04? ? ? [收稿日期] 2020-12-17

為主動(dòng)應(yīng)對(duì)、適應(yīng)并引領(lǐng)新一輪科技革命和產(chǎn)業(yè)革命，國(guó)家提出了以信息化和智能化為主要特征的新工科戰(zhàn)略。在新一代人工智能階段，國(guó)家高度重視發(fā)展人工智能。在此背景下，社會(huì)對(duì)電子信息類人才的需求也發(fā)生了改變[1]，社會(huì)需要具有深厚理論基礎(chǔ)、多學(xué)科綜合能力及創(chuàng)新能力的優(yōu)秀人才。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)新分支，在學(xué)術(shù)界和工業(yè)界受到了廣泛的關(guān)注，其在信息處理、智能控制及智能通信等領(lǐng)域具有良好的應(yīng)用前景，掌握深度學(xué)習(xí)新理論和新技術(shù)有利于電子信息類學(xué)生緊跟時(shí)代發(fā)展。

“深度學(xué)習(xí)”是一門理論與實(shí)踐緊密結(jié)合的課程。以驗(yàn)證性內(nèi)容為主的實(shí)驗(yàn)，導(dǎo)致學(xué)生的實(shí)踐能力普遍偏低，難以適應(yīng)當(dāng)今社會(huì)發(fā)展的形勢(shì)[2]。為增強(qiáng)學(xué)生理論聯(lián)系實(shí)際、解決復(fù)雜工程問題的能力，培養(yǎng)學(xué)生的創(chuàng)新意識(shí)，基于實(shí)際工程問題的研究性實(shí)驗(yàn)教學(xué)尤為重要。研究性實(shí)驗(yàn)教學(xué)是一種激發(fā)自主學(xué)習(xí)意識(shí)、鍛煉解決問題能力、培養(yǎng)科研創(chuàng)新思維的教學(xué)模式[3]，不僅要求學(xué)生加深對(duì)課程相關(guān)理論的理解，還要求學(xué)生加強(qiáng)對(duì)相關(guān)理論的實(shí)際應(yīng)用[4]，使學(xué)生由被動(dòng)接受知識(shí)轉(zhuǎn)變?yōu)橹鲃?dòng)和互動(dòng)獲取知識(shí)，由側(cè)重理解問題轉(zhuǎn)換為側(cè)重發(fā)現(xiàn)問題。據(jù)此在“深度學(xué)習(xí)”課程中，探索并實(shí)踐了面向工程實(shí)際問題的研究性實(shí)驗(yàn)教學(xué)，以“基于Faster R-CNN的乳腺X線圖像腫塊檢測(cè)”研究性實(shí)驗(yàn)為例，給出具體的實(shí)驗(yàn)教學(xué)設(shè)計(jì)與實(shí)施過程。

一、研究性實(shí)驗(yàn)工程背景

研究性實(shí)驗(yàn)的工程背景體現(xiàn)了課程內(nèi)容在實(shí)際工程中的應(yīng)用，工程背景可以取材于前沿的、有實(shí)際價(jià)值的科研項(xiàng)目，這樣不僅能夠激發(fā)學(xué)生的學(xué)習(xí)興趣，而且能夠指導(dǎo)學(xué)生解決現(xiàn)有的科學(xué)問題[5]。本實(shí)驗(yàn)的工程背景取材于課程組負(fù)責(zé)的國(guó)家自然科學(xué)基金項(xiàng)目，在該項(xiàng)目中，需要研究乳腺X線圖像中的腫塊檢測(cè)，以減輕醫(yī)師的工作強(qiáng)度，提高乳腺癌檢查的準(zhǔn)確性。該內(nèi)容正是目標(biāo)檢測(cè)內(nèi)容在智能醫(yī)療領(lǐng)域的典型應(yīng)用，因此以該項(xiàng)目提煉本次研究性實(shí)驗(yàn)的工程背景，從基于人工智能技術(shù)的乳腺X線圖像腫塊檢測(cè)意義及基于深度學(xué)習(xí)的目標(biāo)檢測(cè)網(wǎng)絡(luò)兩個(gè)方面進(jìn)行介紹。

（一）基于人工智能技術(shù)的乳腺X線圖像腫塊檢測(cè)意義

乳腺癌是女性最常見的疾病，在我國(guó)每年新診斷的癌癥中，乳腺癌的發(fā)病率占12%。早期的乳腺腫塊篩查是降低乳腺癌死亡率和提高治愈率的有效方式。在眾多乳腺攝影技術(shù)中，乳腺鉬靶X線攝影術(shù)是目前最有效的腫塊篩查手段之一。每年進(jìn)行乳腺X線攝影篩查產(chǎn)生大量的乳腺X線圖像，由于乳腺X線圖像結(jié)構(gòu)復(fù)雜，腫塊的邊界、大小、紋理和形狀差異較大，且正常的乳腺組織與腫塊組織沒有明確的界限，因此正確地檢測(cè)乳腺圖像中的腫塊區(qū)域相對(duì)困難?？紤]到視覺疲勞和經(jīng)驗(yàn)等相關(guān)因素，放射性醫(yī)師單獨(dú)閱片對(duì)乳腺癌檢查的敏感度為84%，特異性為91%。為了減輕醫(yī)師的工作強(qiáng)度，同時(shí)提高乳腺癌檢查的準(zhǔn)確性，計(jì)算機(jī)輔助診斷（Computer Aided Diagnosis，CAD）系統(tǒng)逐漸被研究用于乳腺癌檢測(cè)中。相比于傳統(tǒng)機(jī)器學(xué)習(xí)方法，深度學(xué)習(xí)方法在目標(biāo)檢測(cè)、語義分割和物體分類任務(wù)中表現(xiàn)出更大的優(yōu)勢(shì)，因此將深度學(xué)習(xí)方法應(yīng)用于乳腺X線圖像腫塊檢測(cè)成為目前的研究熱點(diǎn)。

（二）基于深度學(xué)習(xí)的目標(biāo)檢測(cè)網(wǎng)絡(luò)

Faster R-CNN[6]作為一種主流的二階段檢測(cè)網(wǎng)絡(luò)，其在目標(biāo)檢測(cè)中具有良好的性能。該網(wǎng)絡(luò)主要由區(qū)域建議網(wǎng)絡(luò)（Region Proposal Network， RPN）和Fast R-CNN檢測(cè)器構(gòu)成。區(qū)域建議網(wǎng)絡(luò)用于生成目標(biāo)候選區(qū)域，F(xiàn)ast R-CNN檢測(cè)器對(duì)RPN的輸出結(jié)果做更加精細(xì)的處理，對(duì)目標(biāo)候選區(qū)域進(jìn)行分類和回歸位置，提高檢測(cè)精度。

二、研究性實(shí)驗(yàn)內(nèi)容

實(shí)驗(yàn)內(nèi)容是研究性實(shí)驗(yàn)教學(xué)的具體實(shí)施部分，需要具有一定的高階性和創(chuàng)新性。為了達(dá)到高階性的要求，實(shí)驗(yàn)內(nèi)容設(shè)計(jì)應(yīng)關(guān)注課程相關(guān)知識(shí)的理解及將其用于解決工程問題的能力兩個(gè)目標(biāo)。因此，“基于Faster R-CNN的乳腺X線圖像腫塊檢測(cè)”實(shí)驗(yàn)內(nèi)容的設(shè)計(jì)目標(biāo)包括：（1）強(qiáng)化目標(biāo)檢測(cè)網(wǎng)絡(luò)用于不同目標(biāo)檢測(cè)任務(wù)的具體設(shè)置;（2）掌握不同特征提取網(wǎng)絡(luò)的選取方法;（3）培養(yǎng)學(xué)生將理論分析與實(shí)際應(yīng)用相結(jié)合的素質(zhì)，提高學(xué)生的工程實(shí)踐能力。高階性的實(shí)驗(yàn)內(nèi)容包括：數(shù)據(jù)擴(kuò)增、特征提取網(wǎng)絡(luò)選擇及預(yù)選框優(yōu)化。在創(chuàng)新性實(shí)驗(yàn)內(nèi)容設(shè)置上，對(duì)學(xué)生應(yīng)用Faster R-CNN的能力提出更高的要求。在實(shí)驗(yàn)內(nèi)容設(shè)計(jì)上，逐步加大實(shí)驗(yàn)內(nèi)容的難度，學(xué)生需要開展自主性學(xué)習(xí)，通過文獻(xiàn)查閱、小組討論，對(duì)Faster R-CNN進(jìn)行改進(jìn)。創(chuàng)新性實(shí)驗(yàn)的具體內(nèi)容包括：去除RPN網(wǎng)絡(luò)、去除目標(biāo)分類和精細(xì)位置回歸、級(jí)聯(lián)多次位置回歸。