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^®。王博士进行的一项早期调查显示，尽管他们的编程背景有限，但大多数学生都希望成为Matlab的“权力用户”，并为其生物医学工程课程和未来的职业生涯使用它。

虽然他有几十年的其他语言的编程经验，但从汇编语言到C ++，王博士不是Matlab专家。为每个班级准备，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，他可以通过要求学生完成在课前指定的教程来最大限度地减少教学中教学基本语法的时间。在课堂上，他简要介绍了教程中提出的主要概念，然后向学生展示了如何在生物医学工程背景下应用它们。例如，在他们的第一个作业之一中，学生使用MATLAB分析患者数据，以寻找血压，胆固醇和整体健康之间的相关性。对于图像分析的课程，学生始于从Matlab Central上下载的算法，在Matlab Central上下载，在米粒照片上执行了图像分段，并修改了计数和测量细胞核。

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。

当王博士覆盖普通微分方程（ODES）时，他要求学生完成用Matlab求解器解决问题的教程。然后，要求学生使用Simulink使用Simbulink符号使用符号数学工具箱™和以图形方式解决同样的杂散。金宝app

该课程与Matlab教程的机器学习结束。然后，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，以获得他们选择的主题的最终项目。主题包括胸部X射线图像的分类，用于检测肺炎，用于检测痴呆症的EEG记录，用于检测心律失常的ECG记录，以及用于自动血型的白细胞图像。许多项目涉及比较分类方法，从简单回归到深度学习。

对于未来的学期，Wang博士计划为机器学习和深度学习的额外时间为学生反馈和学生普遍使用分类器的最终项目。

• 翻转教室启用。“Matlab教程在教导计算方法的能力中达到了一天夜晚的差异，用一片翻转的课堂来最大化结果，”王博士说。“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基本面取代了一系列无聊和耗时的讲座，”王博士说。“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是一个极其有效的工程工具，使得两个学生和练习像我这样的专业人士可以轻松迅速地解决问题，”王博士说。“如果我要使用C或C ++来原型设计类似的问题 - 即使我有一个很好的图书馆可用 - 它可能会带我更多的时间和精力来看结果，而不是我使用matlab。”