卡内基梅隆大学教授使用在线MATLAB教程教授生物医学工程的计算方法

王博士的新课程，计算生物医学工程基础，CMU第一门完全基于MATLAB和Simulink的研究生生物医学工程课程是吗^®．王博士早期进行的一项课堂调查显示，尽管他们的编程背景有限，但大多数学生都希望成为MATLAB的“高级用户”，并将其用于他们的生物医学工程课程和未来的职业生涯。

虽然他有几十年的其他语言编程经验，从汇编语言到c++，王博士不是MATLAB专家。为了准备每节课，他需要提高自己的熟练程度，并确定学生将使用的资源。

王博士使用MathWorks在线培训课程学习MATLAB，并在新的计算方法课程中实施翻转课堂方法。在给学生布置辅导课之前，王晓明会亲自完成辅导课，这样既能加快进度，又能找出学生可能需要帮助的地方。

王教授发现，他可以通过在课前要求学生完成他指定的教程，来最大限度地减少在课堂上教授基本语法的时间。在课堂上，他简要回顾了教程中介绍的主要概念，然后向学生展示如何将它们应用到生物医学工程中。例如，在他们的第一个作业中，学生们使用MATLAB分析患者数据，以找到血压、胆固醇和整体健康之间的相关性。在一节关于图像分析的课上，学生们从MATLAB Central上的File Exchange下载了一个算法，该算法对一张米粒照片进行图像分割，并对其进行修改，以计数和测量细胞核。

通过采用类似的教学方法，王博士在完成一个教程后扩展了几个重要的主题领域。例如，在线性代数中，王博士引入了额外的问题解决材料，涵盖了特征向量、奇异值分解和主成分分析的应用。学生使用MATLAB教程建立的基础使他们很容易掌握抽象和复杂的概念。

当王博士学习常微分方程(ODEs)时，他要求学生完成一个使用MATLAB求解器求解常微分方程的教程。然后要求学生用符号数学工具箱™和图形化的Simulink求解相同的ode。

课程最后以MATLAB的机器学习教程结束。许多学生选择使用传统的机器学习或基于神经网络的深度学习来完成他们所选主题的期末项目。主题包括用于检测肺炎的胸部x光图像的分类，用于检测痴呆的脑电图记录，用于检测心律失常的心电图记录，以及用于自动血细胞计数的白细胞图像。许多项目涉及比较分类方法，从简单回归到深度学习。

在未来的几个学期，王博士计划分配额外的时间在机器学习和深度学习上，以回应学生的反馈和学生在期末项目中广泛使用分类器的情况。

• 翻转课堂启用。“MATLAB教程让我教授计算方法的能力日以继夜地发生了变化，通过翻转课堂最大化了效果，”王博士说。“例如，如果我用Python教授这门课，我可能不得不从课堂上抽出时间教授基础知识，或者自己花时间创建类似的教程。”
• 积极参与了。“MATLAB基础取代了原本枯燥又耗时的一系列课程，”王博士说。“随着他们技能的提高，学生们变得更加积极和投入，他们对我给他们的挑战做出了更好、更有趣的回答。”
• 编程效率增加。“MATLAB是一个非常高效的工程工具，它使学生和像我这样的专业人士都能轻松快速地解决问题，”王博士说。“如果我要用C或c++来原型化一个类似的问题——即使我有一个很好的库可用——它可能会花费我比用MATLAB更多的时间和精力来查看结果。”