人工智能赋能解剖学教学机遇与挑战

Opportunities and challenges for anatomy teaching enabled by artificial intelligence

摘要

人工智能（AI）的迅猛发展为医学教育教学带来前所未有的变革机遇和挑战。随着AI技术在医学教育领域的逐步渗透并影响各个医学学科发展，其在赋能解剖学教学方面展现了无限潜力和广阔前景。AI通过增强学习体验与可视化效果、个性化学习支持、教学辅助与效率提升、跨界融合等，促进了解剖学教学深度变革。同时，AI也为解剖学教学带来伦理、技术、数据隐私和安全等问题的系列挑战。本文通过综述解剖学教学面临的问题，探讨AI在解剖学教学中的创新应用机遇与挑战。

Abstract

The rapid development of artificial intelligence (AI) has brought unprecedented opportunities and challenges for medical education and teaching. With the gradual penetration of AI technology in the field of medical education, it has affected every discipline of medicine, showing unli-mited potential and broad prospects when enabling anatomy teaching. AI has promoted profound changes in anatomy teaching through enhanced learning experience and visualization, personalized learning support, teaching assistance and efficiency improvement, and cross-border integration. At the same time, AI also presents a series of challenges for the teaching of anatomy, including ethical, technical, data privacy and security issues. This paper will review the problems faced by anatomy teaching and discuss the opportunities and challenges of innovative application of AI in anatomy teaching.

关键词

人工智能 / 解剖学教学 / 机遇与挑战

Key words

artificial intelligence / anatomy teaching / opportunities and challenges

人工智能（artificial intelligence，AI）作为新一轮科技革命和产业革命的重要驱动力量，在众多领域表现出广泛的赋能作用，正以前所未有的速度和规模，深刻改变人们的生活、工作和教育教学，其在教育领域的渗透程度日渐加深，从个性化学习到智能教学辅助，从教育资源优化到教学模式创新，为教育教学带来前所未有的变革机遇。

2024世界数字教育大会于2024年1月在上海召开，教育部部长怀进鹏在“携手推动数字教育应用、共享与创新”主旨演讲中强调，我们将实施人工智能赋能行动，促进智能技术与教育教学、科学研究、社会的深度融合，为学习型社会、智能教育和数字技术发展提供有效的行动支撑^[1]。2024年政府工作报告明确指出要深化大数据、人工智能等研发应用，开展“人工智能+”行动。这无疑为“人工智能+教育”的发展提供了强有力的政策支持和方向指引。2024年9月9—10日全国教育大会在北京召开，习近平总书记出席大会并发表重要讲话，其中强调“深入实施国家教育数字化战略，扩大优质教育资源受益面，提升终身学习公共服务水平”。

毋庸置疑，在这样的大背景下，人工智能赋能医学教育已成为必然趋势。在医学教育教学中，人体解剖学一直是医学基础课程的重要组成部分。随着人工智能在医学教育领域的受关注度不断攀升，为解剖学教学带来了崭新的机遇和挑战。如何充分发挥AI在解剖学教学中的应用优势，并应对由此带来的挑战，成为亟需深入探讨的重要课题。

1 解剖学教学面临的问题

随着现代科学技术的迅猛发展，教育方式迎来了重大变革，即第四次教育革命。前三次教育革命虽然在一定程度上提升了学习质量，减轻了教师负担，然而教育的基本模式并未发生根本性改变。具体到医学重要基础课程——解剖学的教学实践中，一些突出的问题仍然存在^[2-4]。

1.1 受教学资源、教学环境限制

人体解剖学教学的核心资源是人体标本。在传统教学模式下，学生需要通过观察真实人体标本以及进行尸体操作解剖来学习。我们将用于解剖教学的尸体尊称为“大体老师”，其来源主要依靠自愿捐赠。但在现实情况下，获取一定数量且高质量的人体解剖标本难度较大且成本高昂。同时，由于伦理和法律方面的限制，标本数量愈发稀缺，这直接导致学生在观察学习和解剖操作方面的机会受到极大制约。

此外，传统人体解剖实验室的物理空间有限，各班学生只能按照既定时间安排轮流进行实验课。实验室的课外开放时间受课程安排、教师和学生时间等多种因素的影响，难以保证稳定开放。加之课堂教学时间固定，使得学生无论是观察学习标本还是进行解剖操作，在学习时间方面都受到严格限制。

1.2 教学效果不理想，教学质量难以统一

基于传统教学方法的解剖学教学，系统解剖学理论课主要以讲授为主，实验课则是教师示教与学生自主观察标本相结合；局部解剖学理论课同样以理论讲授为主，实验课在教师的指导下进行解剖操作与学习观察。这种教学过程整体较为单一、枯燥，缺乏趣味性和互动性。学生的参与度以及实物解剖操作受到时间、物理空间和标本数量的限制，教学模式仍以教师为主导，学生处于辅助地位，难以充分激发学生的学习兴趣，以及主动学习和思考的积极性，这使得学生在理解和学习人体复杂结构时面临较大困难。

1.3 个性化学习不足

每个学生的学习能力、学习进度、学习方式以及学习需求都各不相同。然而，基于传统教学方法的解剖学教学往往采用统一的教学进度、教学计划和教学方式，无法根据每个学生的特点进行个性化教学，导致学生的学习呈现同质化倾向，而非个性化发展。

1.4 教师的教学水平参差不齐

教师的教学经验、水平和教学方法也直接影响学生的学习效果，但不同教师的教学水平和教学能力存在差异，难以保证教学质量和效果的稳定性。

2 人工智能在解剖学教学中的多元应用与变革

在教育发展的长河中，教育工作者在不断探寻和突破传统教育困境的方法。如今，AI的兴起，为第四次教育革命注入了强大动力，也为解剖学教学的创新变革带来了前所未有的机遇。一直以来，解剖学教学主要依赖教师完成，但AI的迅猛发展和深度融合，正逐步改变这一现状。

2.1 增强学习体验，打造沉浸式学习环境

2.1.1 虚拟技术的应用，开启了解剖教学的新纪元

虚拟现实（VR）和增强现实（AR）技术在解剖学教学中展现其独特优势。学生借助这些技术，仿佛拥有了一双 “透视眼”，可360°全方位地观察人体器官的形态、位置、结构及其与周围组织结构的毗邻关系，以此获得逼真的三维视觉和交互体验。在虚拟解剖场景中，学生可自由地进行切割、分离、旋转器官等解剖操作，不受物理空间、教学时间及标本量的限制。这种沉浸式的学习不仅激发了学生的学习兴趣，还可以让学生在安全的环境中反复练习解剖技能，加深对解剖结构的理解，同时避免了使用真实标本可能引发的伦理和资源限制等问题^[5-6]。此外，AI 技术可以实现虚拟人体的智能交互，根据学生的操作和提问进行实时反馈和解答。

2.1.2 三维模型的构建与展示，让抽象解剖结构变得直观可见

AI 可以创建精确的三维人体解剖模型^[7]，将抽象的解剖结构用直观、立体的形式呈现给学生。相较于传统的二维图片、插图或实物标本，这种三维可视化方式更有助于学生理解和记忆复杂的解剖结构，如神经与血管的走向、器官毗邻关系及神经传导通路等。

2.1.3 AI赋能3D 打印技术，更真实还原解剖结构

传统的3D打印依赖于人类设计师构思和创建模型，过程耗时且受限于人类想象力和专业知识^[8-9]。引入AI生成的模型后，通过机器学习算法和大量现有设计的数据集，AI系统可自主生成各种各样创新且复杂的3D模型。AI融入3D 打印技术在解剖学教学中的优势明显，它省时省力，且更真实地还原解剖结构，为学生提供更直观的学习体验；提供骨骼、器官等3D模型，帮助学生更好地理解解剖学知识，提高学生的学习兴趣和教学效果。

2.1.4 数字人解剖系统的应用，全方位立体观察

数字人是将大量真实人体断面数据经计算机整合重建，形成人体的三维立体结构图像，是医学与信息技术、计算机技术相结合的成果。数字人系统可任意角度旋转、放大缩小图像，能通过仰视和俯视等视角，多角度、全方位立体观察，结合标本学习，更加形象直观、有趣，有助于提升学生的自主学习能力，也可被教师应用于解剖理论教学和实验教学^[10-11]。

2.1.5 动态与微观层面拓展，深化知识理解

传统的解剖学教学主要侧重人体或动物宏观结构的展示和讲解，而 AI 技术将使教学内容向动态和微观层面延伸。利用计算机模拟和动画技术，可生动展示人体器官的生理运动过程，如心脏的泵血、肌肉的收缩舒张、胃肠道的蠕动等，帮助学生更好地理解解剖结构与生理功能之间的关系。此外，还可以通过虚拟成像技术展示细胞、组织等微观结构的三维形态和相互作用，使学生对人体的认识更加全面、深入。

2.2 提供个性化学习支持，满足多元化学习需求

AI在解剖学个性化学习支持方面发挥着重要作用^[12-13]，主要体现在以下几个方面：

2.2.1 智能导学系统，定制专属学习路径

利用通用智能导学系统框架设计并实现的“人体解剖学”智能导学系统，能够根据学生的学习能力和对知识的掌握程度选择适当的教学策略，提供个性化的学习路径和资源，助力学生有效开展个性化学习。该系统有助于学生更高效地掌握解剖学知识，培养持续学习能力。

2.2.2 游戏化与虚拟助手，助力趣味学习与精准指导

通过融合推荐系统的移动游戏化技术工具与虚拟助手相结合，可开展人体解剖学教学，提高学生的学习效果和学业成绩。游戏化组件使学习过程更有趣、互动性更强，虚拟助手则能提供预测和建议，帮助学生明确需要提升的学术方向。

2.2.3 学习进度跟踪与分析，精准把握学习情况

AI系统可以监督、跟踪学生的学习进度、记录学习行为和答题情况等数据，并进行分析，从而了解学生的学习特点、需求、优势和不足。教师可以根据AI提供的分析报告，为学生制定个性化的教学方案和学习计划，针对学生学习的薄弱环节进行有针对性的辅导，以提高教学的效果和质量。

2.2.4 学习资源推荐，适配个人学习风格

基于学生的学习数据和需求，AI可以智能地推荐适合学生个性化的学习资源，如学习视频、练习题或拓展学习的相关解剖学文章等。这些个性化的学习资源能够满足不同学生的学习风格和需求，帮助学生更好地掌握解剖学知识。

2.3 教学辅助，提升教学效率

从学生和教师两个角度来看，AI可分别提供智能答疑、个性化、实时的学习支持以及扮演助教角色，辅助教师生成题库、作业，进行作业批改、阅卷等工作^[14-18]。

2.3.1 自动出题与评估，节省教师时间

AI可根据解剖学的教学内容、知识点和设定的指令，自动生成各类测试题，如选择题、填空题、简答题等。同时，AI能快速批改、评估和分析学生的答题情况，给出准确评分和反馈信息，节省教师批改作业和试卷的时间。一方面，让学生及时了解自己的学习效果和不足之处，以便及时改进提高；另一方面，帮助教师更好地了解学生的学习进度和知识掌握情况，调整教学方案和策略。

2.3.2 智能辅导与答疑，随时解决学习难题

学生在学习过程中遇到问题时，可以随时向 AI 智能辅导系统提问。系统会根据学生问题，快速检索相关的解剖学知识和信息，给出详细的解答和解释。这种智能辅导与答疑功能可为学生提供及时的学习支持，帮助学生解决学习解剖知识中遇到的困难，提高学习效果。

2.4 促进跨界融合，拓展知识边界

跨越学科、跨越专业是学术、科学、技术、艺术、产业等创新创造的基础，这一趋势在当今时代愈发凸显。AI的发展为文、理、医、艺、工的交叉融合、超学科融通提供了新的可能^[19-21]。

2.4.1 加强多学科融合，构建全面知识体系

AI 技术将推动解剖学与生理学、病理学、临床医学、生物力学、材料学等多学科深度融合。通过交叉融合，学生可以在学习解剖结构时，能直观了解其生理功能、病理变化以及在临床诊断和治疗中的应用。

在解剖学教学中，密切联系临床是非常重要的教学环节，医学影像的解读是其中重要的学习内容。AI可以对 CT、MRI等医学影像进行分析和处理，自动识别和标记解剖结构，帮助学生更好地理解医学影像所显示的人体内部结构。学生通过学习 AI 辅助的医学影像解读，能提升影像诊断技能，为今后的临床实践奠定坚实基础。

AI 可以结合解剖学知识和大量的临床数据，模拟各种疾病的发生和发展过程，为学生提供真实的临床病例。学生运用所学的解剖学知识分析这些病例，给出初步诊断和治疗过程，帮助学生建立系统的医学知识体系，培养综合运用多学科知识解决实际问题的能力，有助于提升疾病诊断与案例分析能力。

2.4.2 新型医疗设备研发，推动医学技术创新

通过AI将解剖学与电生理学、生物力学、材料科学等其他专业领域的知识融合，实现人脑信息的传输和控制，研究人体在运动、受力等方面的规律和特点，为开发先进、新型的医疗设备和器械，如脑机接口设备、手术器械和康复辅助器具等提供理论支持。

2.5 推动学科交叉研究，探索医学新方向

在医学影像学科工作中，采用AI 技术可识别解剖结构，并对这些数据进行分析处理，可提升影像学诊断的精准性和效率。目前，基于X线、CT和MRI图像的AI辅助解剖结构自动识别均有较成熟的研究。例如，对不同椎骨解剖结构的识别。应用CT图像进行颈椎解剖结构识别，模型识别准确率明显提高^[22]；应用2D U-Net、3D U-Net卷积神经网络（convolutional neural networks，CNN）识别椎骨并进行3D分割处理，模型的分割性能接近1^[23-24]。这些研究表明，应用AI技术可以快速有效地识别脊柱各解剖结构，特别是基于CT和MRI图像的研究，可实现较高准确率，有助于医师快速完成诊断工作。AI还可通过自动识别和分割解剖结构，帮助研究人员发现新的解剖结构和变异，为解剖学研究提供新的思路和方法。

通过收集和分析学生在解剖学学习过程中（包括考试成绩）的数据，利用AI技术进行深度分析，研究人员可以深入了解学生的学习行为和学习效果，探索更有效的课程设计、教学方法和教学模式，推动解剖学教学的不断改革和发展。

3 AI为解剖学教学带来的挑战

在全球范围内，AI技术的持续发展已成为推动医学教育变革的重要力量。AI与解剖学教学的深度融合，不仅对教学方式和学习方式产生深远的影响，更触及了教育理念、学生、教师角色转变等一系列的核心问题，必将推动教育范式的根本性变革。然而，AI是一把双刃剑，其在解剖学教学中的应用，带来了诸多潜在的教学创新和益处，但同时也引发了一系列挑战^[25-26]。

3.1 伦理问题挑战

使用AI人体模拟取代真实遗体捐赠者，可能引发一系列伦理问题，包括对人类生命的尊重和医学伦理的考量。遗体捐赠者的无私奉献对医学生教育意义重大，而AI模拟人体几乎无法让学生完全体验这一独特教育的意义，而这在医学教育中是重要的伦理教育内容。由于缺乏与遗体捐赠者的互动可能会让学生对真实人体的尊重意识淡薄，影响学生的生物伦理学意识和职业身份的形成。此外，在利用AI进行解剖学教学的过程中，可能会涉及患者数据（如用于构建病例库或医学影像数据库）。如果这些数据的收集、存储和使用未遵循严格的伦理和隐私法规，就可能会侵犯患者的权益。因此，在一些含有患者个人信息的病例和解剖学影像数据用于AI训练时，需要确保数据的匿名化处理。

3.2 教师与学生角色转变的挑战

在AI教学场景下，解剖学教师不仅仅是知识的传授者，而是要逐渐转变成为学生学习过程中的引导者和辅助者。对于许多解剖学教师而言，其在传统教学方法和工具上经验丰富，但对AI技术的掌握可能相对薄弱，这就要求教师花费大量的时间和精力学习和掌握新的AI教学软件、虚拟解剖实验室、数字人解剖系统操作等技术，深入理解AI的特点、应用场景以及在教学中的潜力与价值，这种转变无疑对教师提出了更高的要求。不仅仅教师角色需要转变，学生同样面临角色适应的挑战。

AI技术引入解剖学课程，无疑会改变学生的学习方式，但并非所有学生都能适应这种变化。一些学生可能更倾向于传统的面对面教学方式。AI系统的复杂性和技术门槛也可能成为学生学习的障碍。其次，在AI场景下学习，不仅要求学生具备良好的自主学习能力，还需具备与AI技术进行有效互动的能力。这对在传统学习模式下处于被动接受者的部分学生而言，将面临前所未有的挑战和困境。此外，在AI场景下，学生利用AI技术进行学习的时间权重加大，导致与教师或同学之间的情感交流大大减少，引发学习的孤独感，进而影响学生的角色适应。

3.3 成本、资源投入和技术局限性问题

引入AI技术，建设虚拟解剖实验室、购买数字人解剖系统等需要投入大量的资金用于购买设备、软件和维护系统。这对于一些经济条件有限的医学院校来说无疑是一个挑战。

尽管AI技术在解剖学教学中具有许多优势，但它仍然存在一些局限性。例如，AI技术的不成熟性，可能无法完全模拟真实人体结构的复杂性和变异性；其次，在数据资源有限的情况下，还可能引发错误信息传播；此外，AI技术也可能受到硬件和软件性能的限制，影响其在实际解剖学教学中的应用效果，无法充分发挥其应有的作用。

3.4 数据隐私和安全问题

AI技术涉及大量的数据处理和存储，如何确保师生的个人信息安全是一个重要问题。需要建立严格的数据保护措施和隐私政策来保障用户权益。

4 应对AI挑战的路径

面对AI给解剖学教学带来的诸多挑战，需要政府、学校、技术专家、教师和学生，乃至社会各界共同努力，通过制定法规政策、加强教师AI素养及技能培训、提高学生自学能力和与AI技术进行有效互动能力、加大对AI技术研发及保护隐私等措施，从而实现AI与解剖学教学深度融合和持续发展。

4.1 完善伦理监管机制

制定严格的AI在解剖学教学应用中的伦理准则和规范，明确人体数据采集、使用和共享的流程与标准。成立专门的伦理审查委员会，对虚拟解剖等教学项目进行伦理评估和监督，确保技术应用符合道德和法律要求。加强对学生的伦理教育，在解剖课开课前举行对“大体老师”缅怀仪式，以及在每年暑假或寒假期间开展人文素养教育实践活动，譬如围绕遗体捐献进行人文素质教育，启发学生思考生命的价值与意义。引导学生正确看待 AI 在解剖学中的应用，培养其尊重生命、保护隐私的意识。

4.2 教师和学生角色转化的应对

4.2.1 提升教师的AI素养与技术能力

对教师进行专门的培训。培训教师如何使用AI辅助工具进行人体解剖结构的3D建模和展示，以及如何利用AI算法对学生的操作进行实时反馈和评估。利用丰富的在线学习资源，如MOOCs、教育论坛等自主学习AI技术，进行反复的实践操作培训。学校可以搭建专门的实验室或培训环境，让教师在实践中熟悉AI软件和工具的使用，如虚拟解剖实验平台的操作、AI图像识别系统的应用等，通过实际操作提高教师的技术应用能力，以更好地适应AI赋能解剖学教学。

4.2.2 引导学生适应新的学习方式

培养学生自主学习能力。教师可以帮助学生制定个性化的学习计划，指导学生如何利用AI教学平台的资源进行预习、复习，如何做笔记、总结归纳知识点等。例如，指导学生在学习新的解剖结构时，先通过AI平台的3D模型进行整体观察，然后再结合文字和视频讲解深入理解，最后自己动手在虚拟环境中进行操作实践。向学生推荐优质的学习资源，包括专业的解剖学网站、在线课程、学术期刊等，并指导学生如何筛选和评估这些资源的价值和可靠性，培养学生独立获取知识的能力。

4.2.3 激发学生的学习兴趣

通过引入实际的临床案例，让学生了解解剖学知识在医学诊断和治疗中的重要性，激发学生的学习动力。例如，通过展示一些疾病的影像资料和病理报告，引导学生思考解剖结构与疾病发生发展的关系，然后让学生借助AI教学工具进行相关的解剖学分析和研究。开展互动式学习活动。组织小组讨论、角色扮演、竞赛等活动，增加学习的趣味性和互动性。比如，将学生分成小组，每个小组负责一个解剖部位的学习和讲解，然后在课堂上进行展示和交流，其他小组可以进行提问和评价。进行个性化学习体验。利用AI的个性化推荐功能，为学生提供符合其学习进度和兴趣的学习内容和练习题目，让学生在学习过程中能够不断获得成就感，从而提高学习兴趣。

4.3 技术优化与融合发展

加大对AI技术研发的投入，提高虚拟解剖模型的准确性和稳定性，不断更新和完善解剖学数据库，以涵盖更多的解剖变异情况。同时，将 AI 技术与传统教学手段有机融合，如在实际解剖操作前，利用虚拟解剖让学生进行预习和模拟练习，在操作过程中，教师再进行现场指导和纠正，从而提升学生的实践能力。此外，鼓励教师和技术科研人员合作，共同开发适合解剖学教学的 AI 应用程序和教学资源。

4.4 应对AI涉及的数据隐私和安全问题

应对AI涉及的数据隐私和安全问题，需要从法律政策、技术手段和用户意识等多方面入手。严格执行现有法律。学校和教育机构必须严格遵守国家和地区关于数据保护的法律法规，如《中华人民共和国网络安全法》《中华人民共和国数据安全法》等，明确在解剖教学中数据处理的合法边界和责任义务。加强技术防护手段。采用高强度的加密算法对解剖教学中的敏感数据，如学生的个人信息、教师的教学记录、人体解剖图像等进行加密处理，确保数据在存储和传输过程中的保密性。规定身份认证与授权。建立完善的身份认证系统，采用多因素认证方式，如密码、指纹识别、数字证书等，确保只有授权的教师和学生能够访问相应的教学数据。同时，根据用户的角色和职责，精确分配不同的数据访问权限。提高用户对自身数据保护的意识和能力。加强宣传，通过各种渠道，如社交媒体、线上、线下活动等，向学生及教师普及AI数据隐私和安全知识，以强化防范意识。

综上所述，AI技术在解剖学教学中的应用正逐步广泛、深入并走向成熟，为学生提供了更加丰富和互动的学习体验，并引领着解剖学教学的不断创新和改革。随着AI技术的持续进步，其有望在解剖学教学中发挥关键作用，培养出更多优秀的医学人才。同时，AI技术的应用也带来了新的挑战，这需要教育工作者、技术开发者和政策制定者的共同努力和协作解决，以实现AI技术与解剖学教学的完美融合，推动医学教育的高质量发展。

参考文献

[1] 教育部. 教育部部长怀进鹏2024世界数字教育大会上的主旨演讲: 携手推动数字教育应用、共享与创新[EB/OL]. (2024-02-01)[2025-01-08].

[2] 李兵, 李泽斌, 徐四元, 等. 系统解剖学实验教学改革的探索与应用[J]. 解剖学研究,2018, 40(2): 153-155.

[3] 赵学影, 王黎源, 隋东莉, 等. 转化医学理念在局部解剖学教学中的应用[J]. 基础医学教育, 2023,25 (2): 101-106.

[4] 接琳琳, 张彩霞, 李丽, 等. 人工智能在中医骨伤专业《人体解剖学》教学中的应用研究[J]. 中文信息, 2019, 257(5): 174

[5] 刘圆, 任力杰, 王洋, 等. 虚拟现实技术在神经系统解剖学教学中的应用研究[J]. 中国卒中杂志, 2022, 17(9): 1027-1030.

[6] 熊天庆, 颜丙春, 乌日汗, 等. 基于虚拟仿真技术结合数字人系统的实验教学方法在护理专业人体解剖学教学中的应用[J]. 解剖学杂志, 2024, 47(1): 69-71

[7] 刘典伟, 王彬晨, 曲伟栋, 等. 三维(3D)数字化解剖模型在口腔解剖生理学教学中的应用[J]. 医学教育研究与实践, 2022, 30(6): 737-740.

[8] 林国威, 林丹红. 融合3D打印技术的解剖教学学习效果的Meta分析[J]. 解剖学杂志,2019, 42(5): 526-529.

[9] 张陈, 魏健, 杨玉辉, 等. 3D解剖结构教学模型在人体解剖实验教学中的应用研究[J]. 吉林医学, 2019, 40(11): 2690-2692.

[10] 熊彦娥, 刘晓柳, 李平. 3D数字人系统与PBL教学法在局部解剖学教学中的应用[J]. 中国高等医学教育, 2021(1): 82-83.

[11] 许海燕, 刘明明, 刘洪梅, 等. 浅谈数字人系统在人体解剖学教学中的应用[J]. 继续医学教育, 2020, 34(3): 66-67.

[12] 许敏, 李变锋, 邵向阳. “人体解剖学”智能导学系统的设计与应用[J]. 中国医学教育技术, 2021, 35(1): 62-66

[13] CASTELLANO M S, CONTRERAS-MCKAY I, NEYEM A, et al. Empowering human anatomy education through gamification and artificial intelligence: An innovative approach to knowledge appropriation[J]. Clinical Anatomy, 2024, 37(1): 12-24.

[14] 张永格. 人工智能与英语教育: 新时代下AI对英语教学提高与帮助[J]. 电脑校园, 2021(11): 7218-7220

[15] 刘邦奇, 汪张龙, 胡健, 等. 人工智能赋能改进结果评价: 问题、 路径及展望[J]. 中国考试, 2024(1): 34-44.

[16] 何文海, 孙丽丽, 王晓东. 人工智能技术在考试阅卷中的可行性研究[J]. 中国战略新兴产业, 2024(27): 38-40.

[17] 王冠, 魏兰. 人工智能大模型技术在教育考试全题型阅卷中的应用[J]. 教育测量与评价　 2024(3): 3-18.

[18] 胡为, 刘伟, 李小智, 等. 人工智能时代背景下ChatGPT辅助JavaEE应用开发课程教学探索[J]. 电脑知识与技术, 2024, 20(25): 177-180.

[19] 钱旭红. 人工智能时代的教育变革: 超学科、 重思维、 智能化[J]. 中国高等教育,2024(15/16): 28-31.

[20] GUO Y, CHEN Q, CHOI G P T, et al. Automatic and mark detection and registration of brain cortical surfaces via quasi-conformal geometry and convolutional neural networks[J]. Computers in Biology and Medicine, 2023,163:107185.

[21] 美国布朗大学研究团队. 脑机接口[EB/OL].(2021-01-19)[2021-01-21]. 脑机接口/7864914.

[22] ZHANG L, WANG H.A novel segmentation method for cervical vertebrae based on PointNet++ and converge segmentation[J].Computer Methods and Programs in Biomedicine,2021, 200: 105798.

[23] BAE H J, HYUN H, BYEON Y, et a1.Fully aulomated 3D segmentation and separation of multiple cervical vertebrae in CT images using a 2D convolutional neural network[J].Computer Methods and Programs in Biomedicine, 2020, 184: 105119.

[24] 朱逸峰, 赵凯, 郭丽, 等. 基于深度学习模型实现颈椎MR图像上各结构的自动分割[J].放射学实践, 2021, 36: 1558-1562.

[25] CORNWALL J, HILDEBRANDT S, CHAMPNEY T H, et al. Ethical concerns surrounding artificial intelligence in anatomy education: Should AI human body simulations replace donors in the dissection room[J]. Anatomical Sciences Education, 2024, 17(5): 937-943.

[26] LAZARUS M D, TRUONG M, DOUGLAS P, et al. Artificial intelligence and clinical anatomical education: Promises and perils[J]. Anatomical Sciences Education, 2024, 17(2): 249-262.

基金资助

西安交通大学基础课程质量建设教学改革项目(1902Z-29)

西安交通大学本科教学改革重点项目(1810Z)

陕西省社会科学基金项目(2024P018)

陕西省学位与研究生教育研究项目(SXGERC2023009)