1. 引言
1.1. 《智能影像技术》课程概述
《智能影像技术》课程是面向医学技术类专业学生开设的专业核心课程，聚焦人工智能与医学影像技术的交叉融合，构建理论与实践深度融合的教学体系。课程以培养“医工交叉”复合型人才为目标，着力提升学生运用深度学习、图像处理等前沿技术解决医学影像分析与临床决策问题的能力，系统阐释技术原理在真实医疗场景中的价值转化路径。随着AI技术在医疗领域从辅助诊断向疾病预测、精准治疗等纵深发展，课程教学体系持续优化，形成“基础算法–应用模型–临床场景”递进式教学结构，实现知识传授与能力培养的有机统一。
当前医学影像技术呈现多模态、智能化发展趋势，CT、MRI、超声等成像技术在临床中各具优势[1]。课程通过构建“技术原理–临床应用–效能评估”三维教学框架，系统解析各类成像技术的工作机制、适应症谱系及临床价值；重点剖析数据采集质量、辐射安全、成本效益等关键指标，帮助学生建立完整的医学影像技术认知体系。同步引入AI在器官识别、病灶分割、风险评估等典型场景的应用案例，通过真实医疗数据的多维度分析，揭示技术落地的全流程逻辑与临床价值。
课程建设坚持价值引领与技术赋能双轮驱动，将伦理规范与技术伦理纳入课程思政体系。针对AI医疗应用中的数据隐私保护、算法可解释性、责任归属等社会关切[2]，通过案例研讨、伦理辩论等教学形式，引导学生辩证认知技术中立与责任共担的辩证关系。在讲授技术原理的同时，融入我国智能医疗领域的创新实践，如国产影像设备突破、AI辅助诊断系统基层推广等案例，强化学生的科技报国使命感。
课程建设紧扣“健康中国2030”战略部署，构建“理论讲授–工程实训–科研创新”三位一体的教学模式。依托上海交通大学医学院附属医院的临床数据资源与医疗设备企业的技术平台，打造涵盖多病种、多模态影像的实训案例库。通过线上自主学习结合线下临床实践的混合教学模式，实现知识内化到能力转化的闭环。组织校企协同实践、医院参访等教学活动，拓展学生行业视野与职业认知。创新“科研引导 + 工程实训”教学路径，鼓励学生参与AI影像算法开发项目，在真实工程实践中提升复杂问题解决能力。
在“新医科”建设背景下，课程着力构建技术理性与人文关怀相统一的育人体系[3]。通过解析智能影像技术在医疗系统中的双重属性——既是提升诊疗效率的技术工具，更是关乎生命伦理的社会技术，培养具有系统知识储备、工程实践能力、社会责任意识和人文关怀精神的高素质医学技术人才。课程持续优化“学科交叉–产教融合–思政育人”的协同机制，为服务国家医学影像技术革新与“健康中国”战略提供人才支撑。
1.2. 《智能影像技术》课程思政教育融合的必要性
党的十八大以来，党中央将立德树人根本任务纳入高等教育战略部署，习近平总书记在全国高校思想政治工作会议中强调课程思政与专业教育协同育人机制[4]。《智能影像技术》课程作为医学技术类专业核心课程，通过构建“价值引领–知识传授–能力培养”三位一体的教学体系，实现课程思政与专业教育的深度融合，是落实“三全育人”格局的重要载体(图1)。
Figure 1. Three-dimensional teaching system
图1. 三维教学体系
在人工智能国家战略驱动下，智能影像技术已成为医疗健康领域关键技术支撑。习近平总书记指出需构建专业课程与思政课程协同育人体系[5]，课程教学团队立足“医工交叉”人才培养目标，通过技术伦理、职业规范等思政要素的有机嵌入，培育学生家国情怀与社会责任感。随着技术应用深化，医疗影像处理中的数据安全、算法伦理等社会议题凸显。教育部《课程思政建设纲要》要求深挖专业课程中的价值观教育元素[6]，课程通过重构“技术伦理–职业规范–创新思维”教学模块，构建知识基础、能力提升、素质养成递进式教学结构，实现了专业教育与价值教育的同频共振。
教学实践中，课程思政建设成效显著。已有教学范式提出，“知识–能力–素养”是为有机整体，三者互相联系、互相促进，其中“素养”是最终目的[7]。课程致力于在新医科背景下，通过优化教学目标、案例库、教学方法体系三维设计，强化技术理性与人文关怀的辩证统一，形成“知识–能力–素养”协同育人范式，既契合国家对高层次科技人才的培养要求，也回应行业对复合型人才的职业素养期待，为高校落实立德树人根本任务提供了具有医学技术特色的实践路径。
2. 课程设计思路
2.1. 课程体系
本课程围绕智能医学影像技术展开，构建涵盖X射线、CT、MRI、超声、介入放射及核医学等多模态医学影像技术体系，系统阐释其原理机制、临床应用及技术演进路径。通过引入机器学习、深度学习等人工智能核心算法，结合模型训练范式，构建算法架构与医学影像的融合机制，形成由图像处理到特征提取再到临床决策的完整技术闭环，实现知识体系的结构化建构与技术路径的系统化掌握。
课程内容采用“技术原理–应用模型–伦理规范”三维递进式教学结构，聚焦图像识别、辅助诊断与疾病预测等核心模块，将技术伦理、价值判断与社会责任等思政要素嵌入教学全过程。依托唯物辩证法方法论，构建科学精神与人文关怀双轮驱动的育人范式，引导学生认知技术发展与社会价值的辩证关系，深化对“健康中国2030”战略内涵的理解，强化公共卫生治理的系统思维与数据合规意识。
教学团队立足“医工交叉”学科特性，构建关键核心技术攻关、现实问题导向、价值引领三位一体的育人机制。通过“卡脖子”技术问题的现实解构，强化自主创新能力培养；设计基于医学图像的口罩识别、疫情场景分析等典型任务，构建问题导向型科研训练体系，推动专业能力与社会责任的协同发展。
课程坚持知行合一的教学理念，依托临床真实数据与复杂病例构建实践教学场景，通过“临床问题发现–方案设计–代码技术实现”的完整闭环训练，培养学生的技术素养、批判思维与责任意识。教学目标紧扣国家科技发展战略，形成技术基础、价值引导、社会服务的复合型人才培养范式，打造具有医工交叉特色的高水平专业课程体系，服务于医学技术类复合型人才的系统化培养(图2)。
Figure 2. Three-dimensional progressive teaching structure of “technical principles—application models—ethical standards”
图2. “技术原理–应用模型–伦理规范”三维递进式教学结构
2.2. 案例库建设
课程思政案例库作为立德树人根本任务落地的重要载体，旨在将思想政治教育有机融入专业课程教学资源体系[8]。通过深度挖掘专业课程中蕴含的思政教育要素，系统整合技术发展与社会价值的关联节点，形成可迁移、可复制的教学资源矩阵，为教师提供多维度的课程思政实施路径，为学生搭建专业知识与社会责任、伦理价值的联结通道。该体系既强化了教师课程思政实施的精准性与实效性，又通过真实技术情境的沉浸式体验，深化学生对科技伦理、公共利益与国家战略的多维认知。
依托上海交通大学医学院及其附属医院的临床医学资源与多模态影像数据库，课程团队构建了“技术原理–临床应用–伦理风险”的立体化案例体系。通过筛选典型疾病谱系与高价值影像样本，提炼医学图像处理中的关键共性问题，结合人工智能在精准诊疗、智能决策与大数据健康管理中的典型应用，形成涵盖技术深度与价值广度的复合型教学资源。同步引入国际前沿案例与争议性实践事件，如算法偏见、数据安全漏洞等伦理风险事件，围绕技术边界、制度规范与社会影响开展多维度分析，拓展学生对技术发展复杂性的辩证认知。
在资源建设过程中，教学团队采用案例教学化、要素显性化的开发策略，构建包含教案设计、多媒体课件、案例解析视频及任务驱动型实训模块的多元化教学工具包。通过情境导入、案例解析、价值引导的递进式教学路径，将价值引导嵌入技术教学全过程。例如在图像识别模块中设置算法精度与临床决策的关联分析，在数据处理环节融入数据合规性与隐私保护的法规研讨，实现技术理性与价值理性的协同培育。该模式构建了“专业知识–能力素养–价值理念”三位一体的育人机制，为课程思政高质量发展提供了强有力的实质性内容支撑与实践范式。
2.3. 课程教材更新
课程教材建设紧扣医学影像与人工智能交叉融合的前沿动态，系统梳理X射线、CT、MRI、超声、介入放射及核医学等多模态成像技术的原理机制与临床应用场景，强化图像预处理、特征提取与可视化等核心技术模块，引入卷积神经网络、迁移学习等深度学习典型算法，构建影像数据从采集、预处理到智能分析的全链条技术路径。课程内容贯穿疾病筛查、风险预测、辅助诊断、个性化治疗、术中导航及术后随访的全流程诊疗闭环，形成技术赋能的医学诊疗闭环，同步嵌入肺结节识别、乳腺筛查及脑血管病分析等典型临床案例，深化技术应用的具象化认知。
更新教材构建技术理性与伦理价值双维度教学框架，引导学生关注数据安全、模型可解释性与伦理合规性，通过知识体系重构与实践情境融合，提升教学内容的精准性与系统性。在技术能力培养层面，强化医学影像数据的多模态特征表征与智能分析方法；在价值引领维度，融入科技伦理、数据治理与社会影响等思政要素，实现专业素养与社会责任意识的协同发展。
2.4. 实验实训
课程以习近平新时代中国特色社会主义思想为根本遵循，构建“实践导向–认知深化–价值引领”三位一体的教学路径，通过技术实践强化专业认知。实验模块聚焦医学图像处理与人工智能核心技术，依托国家医疗发展需求与公共卫生战略，设计“疾病识别–辅助诊断–疫情分析”等具有现实意义的项目任务，实现技术能力训练与社会责任意识培养的有机统一。
教学内容深度融合高端设备国产化进程与“健康中国”战略目标，通过多模态虚拟仿真平台与云端实验系统，构建“数据采集–模型构建–算法优化”的全流程技术训练体系。学生在虚拟临床场景中完成医学影像智能分析的完整技术闭环，实现专业技能与临床应用能力的同步提升。
实验教学体系创新融入技术伦理教育模块，设置数据安全、隐私合规、算法公正等专题研讨，构建技术理性与价值理性的辩证认知框架。采用问题驱动型教学模式与项目导向式教学策略，将职业发展思考嵌入国家科技发展战略，通过“技术赋能–社会服务–价值实现”的递进式教学设计，强化科技报国的使命意识与民生关怀的职业素养。
2.5. 教学质量评价
教学质量评价体系贯穿本课程实施全过程，构建“过程监测–动态评估–成效反馈”的多维度评价机制。通过课堂参与度、作业完成质量、实验报告规范性、小组协作效能等多维指标，建立学生综合表现的动态追踪档案，构建知识掌握、技能应用、价值判断的协同提升机制。在课程思政目标指引下，将政治认同、道德修养、法治意识、社会责任等要素与专业知识体系深度融合，形成价值引领与能力培养的协同育人模式，推动学生在理论学习中建构正确的价值认知体系。
课程建设过程中建立“动态优化–闭环管理”的反馈机制，依托问卷调查、教学观察、课堂访谈、学习日志等多元手段，构建学生思政认知水平的实时监测系统。通过“问题诊断–策略调整–效果验证”的迭代优化路径，实现教学设计与学生认知发展的精准适配。鼓励学生对课程思政内容设计进行批判性反思与建设性反馈，构建师生协同发展的教学生态，提升课程思政的开放性、适应性与实效性。
课程终结性评价采用前测后测对比分析范式，通过量化数据与质性材料的融合分析，运用调研问卷、深度访谈、学习反思报告等工具，构建课程思政育人成效的立体化评估体系。基于“知识掌握度–价值认同度–行为转化度”的三维评价模型，科学评估学生在思想认知、道德素养、学术规范意识、职业责任意识等方面的成长轨迹。通过数据驱动的动态反馈机制，为课程内容迭代、案例库更新、教学方法优化提供实证依据，逐步构建“目标导向–过程监控–结果评估”三位一体的教学质量闭环体系，实现课程思政建设的持续改进与效能提升。
3.《智能影像技术》课程思政元素举例
本课程通过整合多元教学模式与创新方法，多路径提升思政教学成效，将价值引领深度嵌入专业课堂，实现了知识传授与思想教育的无缝对接(见表1)。
Table 1. Ideological and political teaching design for each chapter of the intelligent imaging technology course
表1. 智能影像技术课程各章节思政教学设计
教学章节 |
思政目标 |
思政元素 |
教学形式 |
绪论 |
三牛精神：创新、
奋斗、奉献 |
2023年国家医保局推动的“AI辅助诊断全国推广
计划”[9] |
案例分析 历史影像 |
人工智能编程
框架 |
科学家精神：求真、
创新、探索 |
华为依托昇腾AI平台形成AI辅助诊断主战场全链条布局[10] |
代码实践 案例讨论 |
医学影像AI应用 |
抗疫精神：生命至上、
举国同心 |
2020年上海疫情，联影智能uAI新冠肺炎医学影像
智能化诊断全栈解决方案[11] |
手术视频 演示 |
医学图像处理与
特征提取 |
脱贫攻坚精神：
精准施策、协同攻坚 |
腾讯“觅影”AI眼底筛查下乡，在贵州山区部署
AI眼底相机 |
代码实践 小组讨论 |
机器学习算法 |
企业家精神：市场导向、创新驱动 |
百度飞桨医疗AI平台通过算法开源，推动医疗影像
分析技术的商业化落地 |
小组辩论 代码实践 |
深度学习算法 |
探月精神：自主创新、
攻坚克难 |
以GAN在低剂量医学图像增强中的应用为例，展现其在复杂训练条件下实现高质量图像重建的技术潜力[12] |
图例教学 模型实践 |
医学影像分割
模型构建 |
新时代北斗精神：
自主可控、精准服务 |
MixFormer模型融合CNN与Transformer双重结构，
展示国产医学影像AI系统的自主创新能力[13] |
代码实践 论文分析 |
医学影像诊断
模型构建 |
丝路精神：开放合作、
互利共赢 |
联影医疗与“一带一路”沿线国家医疗机构达成战略
合作 |
案例分析 代码实践 |
医学影像大模型 |
科学家精神：
追求卓越、持续突破 |
阿里巴巴通义实验室发布医疗大模型，通过海量数据
训练实现了跨病种、跨模态的影像分析能力 |
分组实践 小组汇报 |
3.1. 深度学习算法思政案例
作为智能影像技术的核心算法支撑，深度学习算法的创新突破直接关系到医疗影像质量提升与技术自主可控能力。本章教学需通过技术攻关的典型案例，引导学生理解算法研发中的创新逻辑与攻坚精神，深化对“探月精神”中“自主创新、攻坚克难”内涵的认知。教学中引入两个关键案例，以增强学习的实践性与价值引领力。一方面，案例展现算法在复杂场景下的技术突破，帮助学生建立技术信心；另一方面，通过探讨技术攻关背后的创新策略与社会责任，推动课程思政融入专业学习。
首先引入基于生成对抗网络(GAN)的低剂量医学图像增强技术案例，该技术通过生成器与判别器的对抗训练，在数据稀缺条件下实现高质量图像重建，显著降低辐射剂量对患者的影响，体现了技术突破对临床需求的精准响应。其次介绍了GAN模型，通过引入谱归一化与动态损失函数优化，解决了低剂量CT图像的纹理模糊与噪声干扰问题，将图像质量提升至接近标准剂量水平。通过这两个案例，学生不仅认识到GAN技术在医学影像领域的创新潜力，更在真实技术攻关情境中理解“自主创新”的实践路径与“攻坚克难”的科研精神。同时，通过组织“深度伪造”技术滥用的伦理辩论，引导学生思考算法创新与技术伦理的辩证关系，深化对技术发展需兼顾社会价值与责任意识的认知，坚定将专业发展融入国家科技战略的信念。
3.2. 医学影像诊断模型构建思政案例
在医学影像诊断模型的构建过程中，“丝路精神”所倡导的开放合作与互利共赢理念，为技术全球化发展提供了重要指引。本章教学需通过跨国协作实践，引导学生理解技术输出与区域协同的深层逻辑，深化对“技术赋能全球健康”的价值认知。联影医疗与“一带一路”沿线国家医疗机构的战略合作，正是这一精神的生动体现。
2023年第三届“一带一路”国际合作高峰论坛期间，上海联影医疗科技股份有限公司与哈萨克斯坦阿斯塔纳医科大学、埃塞俄比亚华盛顿医院等机构签署合作协议，标志着中国高端医疗装备与AI技术在全球化布局中迈出关键一步。通过“AI + 影像”技术的本地化部署，联影医疗不仅将PET-CT、MRI等设备引入东南亚、非洲等医疗资源匮乏地区，更依托数字化平台推动多模态影像数据的跨区域共享。例如，在莫桑比克，其磁共振设备成为全国第二台、北部第一台核磁共振设备，极大缓解了当地民众就医难的困境；在沙特与摩洛哥，企业通过联合科研攻关，探索肿瘤精准诊疗的新模式。这些实践既体现了“技术出海”的硬实力，也彰显了“开放共享”的软价值。
课程通过该案例，引导学生思考医学影像诊断模型如何突破地域边界，在技术标准互认、数据合规框架构建、临床需求对接等维度实现跨文化协作。例如，联影医疗通过AI算法的本地化训练，既保障了数据安全，又提升了诊断精度；通过与海外院校联合培养医疗人才，形成“技术 + 教育”的双向赋能机制。这些实践不仅展现了中国科技企业的国际担当，更让学生认识到，技术发展需以开放姿态融入全球治理，以互利共赢推动医疗资源均衡化，最终实现“健康丝绸之路”的共建共享。
3.3. 医学影像大模型思政案例
在医学影像大模型的构建过程中，“科学家精神”所倡导的追求卓越与持续突破，为技术迭代与学科交叉提供了核心动力。本章教学需通过前沿技术实践，引导学生理解大模型研发背后的科研逻辑与创新思维，深化对“技术突破–价值创造”辩证关系的认知。阿里巴巴通义实验室发布的医疗大模型，正是这一精神的典型体现。
该模型通过海量多模态医学影像数据的深度训练，实现了跨病种、跨模态的智能分析能力，标志着医学影像技术从“局部优化”向“全局重构”的范式转变。例如，其算法可同时处理CT、MRI、超声等多源数据，精准识别肺部结节、脑血管病变、乳腺肿瘤等复杂病灶，并通过动态学习机制持续优化诊断精度。这种技术突破不仅依赖于算力与算法的协同创新，更体现了科学家对“技术边界”的不断探索——通过海量数据的挖掘与模型架构的迭代，将医学影像分析推向更高维度的智能化水平。
通义实验室的实践彰显了“追求卓越”的科研精神。在技术攻坚过程中，团队通过分布式训练框架、知识蒸馏等方法，解决了医疗数据异构性、标注成本高、模型泛化能力弱等关键难题，最终实现“一模多用”的技术突破。这种持续迭代的创新逻辑，与科学家精神中永不停歇的探索欲望高度契合。课程通过该案例，引导学生思考大模型研发的底层逻辑：技术突破不仅需要算法创新，更需以问题导向的科研思维直面临床需求，以开放协同的学术态度整合多学科资源。通过理解这一过程，学生能够树立“技术向善”的科研信念，在未来的职业发展中主动承担推动医学影像智能化的责任，将个人成长融入国家科技自主创新的战略布局。
4. 结果与分析
为科学检验《智能影像技术》课程思政融合改革的成效，本研究采用前后测问卷与学生反思文本分析相结合的方式展开系统评估。量化部分使用经信效度检验的《课程思政育人成效评价量表》，覆盖国家科技认同感、伦理决策能力和科技报国使命感三个核心维度，对17名学生进行了配对样本T检验。结果显示，三项指标在课程结束后均有显著提升：国家科技认同感由前测均值3.65提升至4.41，伦理决策能力由3.35提升至4.47，科技报国使命感由3.82提升至4.65，差异均具有统计学意义(p < 0.01) (见表2)。这表明课程改革在增强学生科技自信、提升伦理判断力以及强化使命担当方面取得了积极成效。
Table 2. Comparison analysis of pre- and post-tests on the effectiveness of course-based ideological and political education (N = 17)
表2. 课程思政育人成效前后测对比分析(N = 17)
评价维度 |
测试时间 |
均值(M) |
标准差(SD) |
T值 |
p值 |
国家科技认同感 |
前测 |
3.65 |
0.79 |
−3.250 |
0.005 |
|
后测 |
4.41 |
0.51 |
|
|
伦理决策能力 |
前测 |
3.35 |
0.61 |
−5.899 |
<0.001 |
|
后测 |
4.47 |
0.51 |
|
|
科技报国使命感 |
前测 |
3.82 |
0.81 |
−3.347 |
0.004 |
|
后测 |
4.65 |
0.49 |
|
|
质性分析进一步揭示了学生普遍认为课程不仅帮助他们掌握了人工智能的基本概念与关键技术，还深化了对AI在医学影像前沿应用的理解，拓展了医工交叉的学科视野。有学生反思道：“课程让我第一次理解到人工智能并非遥不可及，而是能切实服务临床与社会的技术，这也让我更坚定未来投身国产医疗AI的决心。”同时，算法偏见与数据隐私等案例使学生意识到技术不仅是工具，更关乎公平与责任。总体来看，课程在价值塑造、知识建构与能力提升三方面形成合力：通过国产设备突破、抗疫应用和国际合作案例强化家国情怀与全球视野；通过伦理辩论提升责任意识与批判思维；通过实践训练增强专业技能与创新能力。量化与质性结果相互印证，充分证明了课程思政与专业教育的深度融合效能。
5. 结语
5.1. 挑战与反思
在改革过程中，课程团队也面临若干挑战。首先，学生基础差异较大，部分学生在编程与算法实现环节存在学习压力。其次，个别学生对思政内容的接受度有限，认为伦理讨论在一定程度上挤占了专业技能训练时间。此外，评价体系仍存在局限性，例如样本量较小、缺乏长期追踪数据，难以全面反映课程的长期影响。这些问题提示我们需要在后续改革中进一步平衡思政与技术内容的比重，探索更大规模与更长期的跟踪研究，以提升结论的稳健性。
5.2. 总结
智能影像技术课程中融入的思政元素丰富了教学内容，提高了课程的层次感，增强了学生的思想政治素养，实现了专业知识与价值观教育的结合。课程深入挖掘医工交叉学科中的思政资源，紧扣时代热点和技术发展，逐步形成较为完整的课程思政体系，引导学生树立科学的世界观和方法论，培养正确的职业伦理观念和社会责任感，同时提升创新能力。尽管思政元素的融合还有提升空间，教学设计和方法也需不断优化，但随着教学内容丰富和案例资源扩展，课程思政建设将更有效促进学生专业技能和思想素质的同步发展，实现知行合一的育人目标。未来，课程思政理论和实践的深化将为培养具备坚实技术基础和高度社会责任感的复合型医学影像人才提供保障，推动高水平医工教育体系建设和国家医疗健康战略落实。
基金项目
2024年上海市高校青年教师培养资助计划“融合与创新：《医学影像智能技术》课程思政示范课程建设”(BJ1-3000-24-0070)；2024年上海市高校教师产学研践习计划(BJ1-3000-24-0068)；2024年上海交通大学AI+微专业项目“AI + 医学影像技术”(BJ1-7000-25-7298)；2024年上海交通大学医学院本科荣誉课程建设项目“智能影像技术”(KJ3-0221-24-7294)。
NOTES
*通讯作者。