Carnegie Mellon大学教授使用在线Matlab教程来教导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，是CMU的第一个研究生级生物医学工程课程，以完全基于Matlab和Simulink金宝app^®．王博士早期在课堂上进行的调查显示，尽管他们的编程背景有限，大多数学生都希望成为MATLAB的“高级用户”，并将其用于生物医学工程课程和未来的职业生涯。

虽然他有数十年的其他语言编程经验，从汇编语言到c++，王博士不是一个MATLAB专家。为了准备每节课，他需要发展自己的熟练程度，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并实施一款翻转的课堂方法，以新的计算方法课程。在为学生分配教程之前，王博士将自己完成它，因为术后练习和识别学生可能需要援助的领域。

王博士发现，通过让学生在课前完成他指定的辅导课，他可以最大限度地减少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提出的主要概念，然后向学生展示如何在生物医学工程背景下应用这些概念。例如，在他们的第一个作业中，学生们使用MATLAB分析患者数据，以发现血压、胆固醇和整体健康之间的相关性。在图像分析课上，学生们首先从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，王博士在完成教程后扩展了几个重要的主题区域。例如，对于线性代数，Wang博士介绍了额外的问题解决材料，以涵盖特征向量，奇异值分解和主成分分析的应用。学生使用Matlab教程建造的基础使他们能够轻松掌握摘要和复杂的概念。

当王博士学习常微分方程(ode)时，他要求学生们完成一个用MATLAB求解ode的教程。然后，学生被要求用Symbolic Math Toolbox™和Simulink图形化地解决相同的ode。金宝app

本课程以机器学习与MATLAB教程结束。许多学生选择使用传统机器学习或基于神经网络的深度学习来完成他们选择的主题的期末项目。主题包括用于检测肺炎的胸部x线图像的分类，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。许多项目都涉及比较分类方法，从简单回归到深度学习。

在未来的学期中，王博士计划分配额外的时间用于机器学习和深度学习，以回应学生的反馈，以及学生在期末项目中广泛使用分类器。

• 翻转课堂启用。“MATLAB的教程在我教的计算方法，以翻转课堂最大化的结果能力使得一个日间和夜间的差异，”王医生说。“如果我用Python教授课堂，例如，我可能需要花时间讲课来教导基础知识或花费我自己的时间来创建类似的教程。”
• 积极参与引发了。“MATLAB基础替换什么将是一系列的无聊和耗时的讲座，”王医生说。“作为他们的技能建立起来，学生变得更加活跃，涉及，他们对我给予他们的挑战更好，更有趣的答案。”
• 编程效率增加。“MATLAB是一种非常有效的工程工具，它使学生和像我这样的实践专业人员能够轻松快速地解决问题，”王博士说。“如果我使用C或c++来构建一个类似问题的原型——即使我有一个很好的库——它可能会比使用MATLAB花费我更多的时间和精力来看到结果。”