李艷鳳 陳后金

[摘 要] 深度學(xué)習(xí)作為機器學(xué)習(xí)的一個新分支，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)是一門理論與實踐緊密結(jié)合的課程，為增強學(xué)生利用深度學(xué)習(xí)理論和方法解決工程實際問題的能力，探索與實踐了研究性實驗教學(xué)。以“基于Faster R-CNN的乳腺X線圖像腫塊檢測”內(nèi)容為例，基于前沿的、有實際價值的科研項目，按照高階性和創(chuàng)新性的目標設(shè)計實驗內(nèi)容。通過研究性實驗教學(xué)，加深了學(xué)生對課程相關(guān)理論的理解與應(yīng)用，增強了學(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);目標檢測;研究性實驗教學(xué)

[基金項目] 2020年度教育部新工科研究與實踐項目“面向新工科的信號與信息系統(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)教改項目“模式識別與機器學(xué)習(xí)慕課建設(shè)與應(yīng)用”（356369535）

[作者簡介] 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，主要從事信號與信息處理及模式識別研究。

[中圖分類號] G420? ?[文獻標識碼] A? ?[文章編號] 1674-9324（2021）19-0137-04? ? ? [收稿日期] 2020-12-17

為主動應(yīng)對、適應(yīng)并引領(lǐng)新一輪科技革命和產(chǎn)業(yè)革命，國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，國家高度重視發(fā)展人工智能。在此背景下，社會對電子信息類人才的需求也發(fā)生了改變[1]，社會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)作為機器學(xué)習(xí)的一個新分支，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)生緊跟時代發(fā)展。

“深度學(xué)習(xí)”是一門理論與實踐緊密結(jié)合的課程。以驗證性內(nèi)容為主的實驗，導(dǎo)致學(xué)生的實踐能力普遍偏低，難以適應(yīng)當今社會發(fā)展的形勢[2]。為增強學(xué)生理論聯(lián)系實際、解決復(fù)雜工程問題的能力，培養(yǎng)學(xué)生的創(chuàng)新意識，基于實際工程問題的研究性實驗教學(xué)尤為重要。研究性實驗教學(xué)是一種激發(fā)自主學(xué)習(xí)意識、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)生加深對課程相關(guān)理論的理解，還要求學(xué)生加強對相關(guān)理論的實際應(yīng)用[4]，使學(xué)生由被動接受知識轉(zhuǎn)變?yōu)橹鲃雍突荧@取知識，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，探索并實踐了面向工程實際問題的研究性實驗教學(xué)，以“基于Faster R-CNN的乳腺X線圖像腫塊檢測”研究性實驗為例，給出具體的實驗教學(xué)設(shè)計與實施過程。

一、研究性實驗工程背景

研究性實驗的工程背景體現(xiàn)了課程內(nèi)容在實際工程中的應(yīng)用，工程背景可以取材于前沿的、有實際價值的科研項目，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]。本實驗的工程背景取材于課程組負責的國家自然科學(xué)基金項目，在該項目中，需要研究乳腺X線圖像中的腫塊檢測，以減輕醫(yī)師的工作強度，提高乳腺癌檢查的準確性。該內(nèi)容正是目標檢測內(nèi)容在智能醫(yī)療領(lǐng)域的典型應(yīng)用，因此以該項目提煉本次研究性實驗的工程背景，從基于人工智能技術(shù)的乳腺X線圖像腫塊檢測意義及基于深度學(xué)習(xí)的目標檢測網(wǎng)絡(luò)兩個方面進行介紹。

（一）基于人工智能技術(shù)的乳腺X線圖像腫塊檢測意義

乳腺癌是女性最常見的疾病，在我國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，因此正確地檢測乳腺圖像中的腫塊區(qū)域相對困難。考慮到視覺疲勞和經(jīng)驗等相關(guān)因素，放射性醫(yī)師單獨閱片對乳腺癌檢查的敏感度為84%，特異性為91%。為了減輕醫(yī)師的工作強度，同時提高乳腺癌檢查的準確性，計算機輔助診斷（Computer Aided Diagnosis，CAD）系統(tǒng)逐漸被研究用于乳腺癌檢測中。相比于傳統(tǒng)機器學(xué)習(xí)方法，深度學(xué)習(xí)方法在目標檢測、語義分割和物體分類任務(wù)中表現(xiàn)出更大的優(yōu)勢，因此將深度學(xué)習(xí)方法應(yīng)用于乳腺X線圖像腫塊檢測成為目前的研究熱點。

（二）基于深度學(xué)習(xí)的目標檢測網(wǎng)絡(luò)

Faster R-CNN[6]作為一種主流的二階段檢測網(wǎng)絡(luò)，其在目標檢測中具有良好的性能。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檢測器構(gòu)成。區(qū)域建議網(wǎng)絡(luò)用于生成目標候選區(qū)域，F(xiàn)ast R-CNN檢測器對RPN的輸出結(jié)果做更加精細的處理，對目標候選區(qū)域進行分類和回歸位置，提高檢測精度。

二、研究性實驗內(nèi)容

實驗內(nèi)容是研究性實驗教學(xué)的具體實施部分，需要具有一定的高階性和創(chuàng)新性。為了達到高階性的要求，實驗內(nèi)容設(shè)計應(yīng)關(guān)注課程相關(guān)知識的理解及將其用于解決工程問題的能力兩個目標。因此，“基于Faster R-CNN的乳腺X線圖像腫塊檢測”實驗內(nèi)容的設(shè)計目標包括：（1）強化目標檢測網(wǎng)絡(luò)用于不同目標檢測任務(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)生將理論分析與實際應(yīng)用相結(jié)合的素質(zhì)，提高學(xué)生的工程實踐能力。高階性的實驗內(nèi)容包括：數(shù)據(jù)擴增、特征提取網(wǎng)絡(luò)選擇及預(yù)選框優(yōu)化。在創(chuàng)新性實驗內(nèi)容設(shè)置上，對學(xué)生應(yīng)用Faster R-CNN的能力提出更高的要求。在實驗內(nèi)容設(shè)計上，逐步加大實驗內(nèi)容的難度，學(xué)生需要開展自主性學(xué)習(xí)，通過文獻查閱、小組討論，對Faster R-CNN進行改進。創(chuàng)新性實驗的具體內(nèi)容包括：去除RPN網(wǎng)絡(luò)、去除目標分類和精細位置回歸、級聯(lián)多次位置回歸。