基于云影像平台的混合式教学模式在医学影像学课程中的构建与应用效果研究

Research on the construction and application effectiveness of blended teaching mode in Medical Imaging course based on cloud imaging platform

摘要

目的 探讨基于云影像平台的混合式教学模式在医学影像学课程中的构建路径，并评估其对学生理论知识掌握、实践技能提升及教学满意度的影响。 方法 选取齐齐哈尔医学院临床医学专业五年制学生为研究对象，将2023 — 2024学年78名学生设为对照组（传统教学模式），2024 — 2025学年83名学生设为试验组（基于云影像平台的混合式教学模式）。通过理论知识考核、影像诊断实践技能测试、AI工具操作能力评估及教学满意度问卷调查，比较两组教学效果。 结果 试验组在影像基础理论、影像解剖学、疾病诊断知识、临床案例分析、人工智能基础及综合知识等理论知识考核中成绩均优于对照组（均P<0.05）；在X线、CT、MRI、介入放射学、核医学阅片诊断及AI工具操作等实践技能方面亦显著提升（均P<0.05）；教学满意度各维度评分均高于对照组（均P<0.05）。 结论 基于云影像平台的混合式教学模式能有效提升医学影像学课程的教学质量，促进学生理论知识、实践技能与综合素养的全面发展，具有较高的应用价值与推广前景。

Abstract

Objective To explore the construction path of a blended teaching mode based on cloud imaging platform in Medical Imaging courses and evaluate its impact on students’ mastery of theoretical knowledge, improvement of practical skills, and teaching satisfaction. Methods Undergraduate students majoring in the five-year program of Clinical Medicine from Qiqihar Medical University were selected as the teaching objects. A total of 78 students in the academic year of 2023 to 2024 were set as the control group (traditional teaching mode), while 83 students in the academic year of 2024 to 2025 were set as the experimental group (blended teaching mode based on cloud imaging platform). The teaching effectiveness between the two groups were compared through theoretical knowledge tests, imaging diagnosis practical skill assessments, AI tool operation capability evaluations, and teaching satisfaction surveys. Results The experimental group showed superior performance in fundamental imaging theories, imaging anatomy, disease diagnostic knowledge, clinical case analysis, basics of artificial intelligence, and comprehensive knowledge in theoretical examinations (all P<0.05) compared with the control group. Significant improvements were also observed in practical skills such as X-ray, CT, MRI, interventional radiology, nuclear medicine interpretation, and AI tool operations (all P<0.05). Furthermore, the experimental group scored higher in all dimensions of teaching satisfaction than the control group (all P<0.05). Conclusion The blended teaching mode based on cloud imaging platform effectively enhances the quality of teaching in Medical Imaging courses, promotes the overall development of students’ theoretical knowledge, practical skills, and comprehensive qualities, thus demonstrating high application value and prospects for promotion.

Graphical abstract

关键词

云影像平台 / 混合式教学 / 医学影像学 / 人工智能 / 教学效果

Key words

cloud imaging platform / blended teaching / Medical Imaging / artificial intelligence / teaching effectiveness

医学影像学作为现代临床医学的关键支柱，其教学成效直接关系到医学生的疾病诊断能力与临床思维培养^[1]。然而，传统医学影像学课程长期面临教学资源有限、理论实践脱节、教学模式单一等现实挑战^[2-4]。课堂多以教师讲授、胶片读片为主，学生实践机会不足，难以将抽象理论与动态影像诊断深度融合^[5]。随着教育数字化转型与“新医科”建设的推进，混合式教学融合线上灵活性与线下互动性，已成为高等医学教育改革的重要方向^[6-7]。同时，云技术与人工智能的快速发展为医学影像教学提供了新的平台与工具支撑，使基于真实临床病例的沉浸式、交互式学习成为可能^[8-10]。在此背景下，本研究旨在探索以云影像平台为依托，构建融合线上自主学习、线下互动教学与虚拟仿真实践的混合式教学模式，并评估其在医学影像学课程中的应用潜力，以期为医学影像教育的创新与实践提供借鉴。

1 研究对象与方法

1.1 研究对象

选取齐齐哈尔医学院临床医学专业五年制学生为研究对象，采用回顾性队列研究设计。研究周期为2023年2月— 2025年6月，以学年为自然划分，将2023 — 2024学年接受传统教学模式授课的78名学生设为对照组；将2024 — 2025学年接受基于云影像平台的混合式教学模式授课的83名学生设为试验组。

1.2 研究设计

本研究为一项回顾性、非随机对照试验，核心目的在于系统评价基于云影像平台的混合式教学模式在医学影像学课程中的构建与应用效果。对照组严格遵循学院传统的教学模式，该模式以教师课堂理论讲授为轴心，辅以实验课上的影像设备实体观摩与典型病例胶片读片练习。试验组则全面实施了“线上—线下—虚拟”三维融合的混合式教学模式，该模式以自主搭建的云影像平台为技术支撑，深度融合课程思政元素，并整合了人工智能辅助诊断工具与结构化的临床应用型影像数据库。研究通过回溯性分析，在完整课程周期结束后，对两组学生的理论知识掌握度、影像诊断实践技能、AI工具操作能力及教学满意度进行综合比对，从而客观评估新教学模式的有效性。

1.3 混合式教学模式的构建

本研究构建的混合式教学模式，立足于“技术—伦理—技能三位一体”的课程整合框架，在教学实践层面具体化为“一个平台、两条主线、三维融合”的操作模型，如图1所示。“一个平台”指的是我们自主设计与搭建的“云影像平台”。该平台整合了本院及附属医院的脱敏临床真实病例影像数据，涵盖了X线、CT、MRI、超声等多种影像模态，形成了一个结构清晰、支持智能检索的临床应用型影像数据库。平台具备跨终端兼容性，支持网页与移动端访问，彻底打破了传统教学在时间与空间上的限制，实现了教学资源的云端共享与泛在学习。“两条主线”是指“线上自主学习”与“线下互动教学”双轨并行、相互支撑的教学路径，确保了学习过程的连续性与深入性。“三维融合”则旨在实现“理论知识、技术实践、临床思维”三个维度的深度交织，培养学生成为知识、能力与素养兼备的复合型医学人才。

具体的构建工作从以下四个层面展开：第一，在线上资源与活动设计层面，我们以既有的智慧树平台线上课程为基础，进行了系统性、结构化的资源扩容。上传了围绕核心知识点精心录制的微课视频、交互式多媒体课件、3D动态影像资料以及基于问题的学习案例库。学生在课前需完成指定内容的线上学习，并通过平台内置的交互功能完成思考题与课前测验，以此系统性培养其自主学习能力与问题发现意识。第二，在线下课堂教学重构层面，课堂教学实现了从“教师中心”到“学生中心”的根本性转变，成为训练学生高阶思维与能力的场域。教师利用云影像平台实时调取真实病例，组织开展案例讨论与问题导向学习，引导学生进行深入的小组研讨、影像分析与诊断推理。同时，积极引入“翻转课堂”形式，鼓励学生扮演“小教师”角色，对特定知识点或典型病例进行讲解，教师则进行精准点评、知识深化与系统总结，有效提升了课堂的互动性与思维深度。第三，在虚拟仿真与实践强化层面，充分整合学院现有的虚拟仿真实验教学资源与临床级AI工具，设计了综合性、设计性的实验项目。例如，利用ITK-SNAP进行病灶分割，通过联影智能uAI平台进行肺部结节的三维重建与标注。学生通过虚拟操作，模拟完整的临床影像诊断流程，这不仅显著强化了他们的实践操作技能，更使其直观地认识到人工智能在辅助诊断中的巨大潜力与其固有的技术局限性。第四，在课程思政有机融入层面，我们将医学伦理、医患沟通、职业精神与科学精神等思政元素作为一条暗线，无缝浸润于教学全过程。例如，在AI辅助诊断的案例讨论中，专门设置了“AI诊断的伦理边界与医生主体责任”专题模块，引导学生就技术应用中的伦理困境进行深度思辨与价值判断，从而实现知识传授与价值引领的有机统一。

1.4 教学实施过程

教学实施过程遵循“准备—实施—反馈”的闭环管理原则，确保教学活动的科学性与规范性。在准备阶段，我们组建了由医学影像学临床专家、人工智能工程师与教育学者构成的跨学科教学团队。该团队共同修订了教学大纲，设计了系列化的教学案例与课堂活动，并完成了线上教学资源的最终调试与云影像数据库的病例补充工作。在实施阶段，试验组严格按照构建的混合式模式运行：课前，学生在智慧树平台完成指定内容的自主学习并提交预习反馈；课中，教师利用云影像平台和虚拟仿真工具进行案例精讲、组织专题研讨与实操训练；课后，学生通过云影像平台进行拓展病例阅片练习，并在钉钉等社交软件建立的班级群内与师生进行实时互动与答疑。对照组则严格按原定教学计划，进行传统的理论授课与实验演示。在整个研究周期内，我们利用学院统一的数字化教学监测系统，客观记录了试验组学生的学习行为数据，包括视频观看时长与完成率、平台登录频率、作业提交情况与质量等，这些数据作为过程性评价的重要客观依据。

1.5 教学效果评价方法

采用多元化的评价体系，兼顾过程与结果、知识与能力、专业与素养。评价主要涵盖以下四个维度：第一，学习成绩评价。通过课程结束后统一的期末理论考试，比较两组学生对医学影像学核心理论知识的掌握程度。试卷由教学团队根据统一教学大纲进行命题，确保了考核的信度与效度。第二，实践技能评价。设计了标准化的影像阅片测试，要求学生对云影像平台中提供的未知临床病例进行独立的诊断分析并撰写规范的诊断报告。由两名及以上不知分组情况的资深教师进行评分，取平均分作为最终成绩，比较两组的诊断准确率与临床思维水平。同时，通过标准化的上机操作考核，评估学生使用指定AI工具完成特定任务（如使用ITK-SNAP进行病灶分割、使用uAI平台进行三维重建）的熟练度与操作规范性。第三，综合素养与教学满意度评价。采用教学团队统一设计的调查问卷，对学生的课程学习体验、自主学习能力提升感知、临床思维能力变化、伦理认知水平、职业态度认同度以及对混合式教学模式的总体满意度进行评估。问卷采用国际通用的李克特五级量表进行度量，其中伦理认知与职业态度部分设计了专门条目，涵盖医学伦理决策、患者隐私保护、AI诊断责任认知、职业荣誉感等内容。此外，在课程结束后对试验组部分学生进行了抽样半结构化访谈，围绕“AI辅助诊断中的伦理困境”“医生职业精神的理解”等主题获取质性反馈，深入了解思政教育的实际成效与学生的价值认同变化。第四，过程性评价。为体现混合式教学的特点，对试验组学生的总成绩构成进行了优化设计，其中过程性考核占比40%（其中线上学习表现15%、阶段性理论测试10%、综合阅片测试15%），终结性考核占比60%（其中客观题30%、主观案例分析题30%），并单列思政素养评估10分，该部分分数基于学生在课堂伦理讨论、专题思辨作业、临床情景模拟中的表现进行综合评价，重点考察其伦理判断能力与职业态度表现。

1.6 统计分析方法

采用SPSS 25.0软件对数据进行处理与分析。对于计量资料，如理论知识考核成绩、影像诊断实践技能成绩、AI工具操作熟练度评分、教学满意度评分等，首先进行正态性检验。符合正态分布的计量资料以(x±s)进行描述。为控制两组学生在前期基础知识水平上可能存在的基线差异，在比较理论知识总分和实践技能总分时，引入了单因素协方差分析（ANCOVA），将学生入学后相关前期课程的平均成绩作为协变量进行处理。其余组间比较采用独立样本t检验。计数资料，如性别构成等，以n（%）表示，组间比较采用χ²检验。所有统计检验均为双侧检验，以P<0.05为差异具有统计学意义。

2 结果

2.1 研究对象一般情况

研究对象中，对照组男性40名（51.28%），女性38名（48.72%）；试验组男性42名（50.60%），女性41名（49.40%），两组差异无统计学意义（χ²=0.007，P=0.931）。对照组年龄21~24岁，平均（22.53±0.81）岁；试验组年龄21~24岁，平均（22.36±0.83）岁，两组差异无统计学意义（t=1.413，P=0.160），符合研究对象的可比性要求。

2.2 两组学生理论知识考核成绩比较

试验组学生在理论知识考核的多数子项中成绩均优于对照组，包括影像基础理论、影像解剖学、疾病诊断知识、临床案例分析、人工智能基础及综合知识，差异均具有统计学意义（均P<0.05）；但在影像技术原理和医学伦理与法规方面，两组间差异无统计学意义（P>0.05）。如表1所示。

2.3 两组学生影像诊断实践技能成绩比较

在影像诊断实践技能方面，试验组同样表现出明显提升。如表2所示，试验组在X线阅片诊断、CT阅片诊断、MRI阅片诊断、介入放射学阅片、核医学阅片、综合阅片测试以及AI工具操作基础等多项技能考核中，成绩均高于对照组（均P<0.05），而超声阅片诊断方面两组未见统计学差异（P>0.05）。

2.4 两组学生教学满意度比较

教学满意度调查结果如表3所示，试验组在课程内容设计、教学方法、虚拟仿真实践、学习负担合理性及总体满意度等所有维度的评分均高于对照组（均P<0.05），表明该混合式教学模式更受学生认可。

3 讨论

本研究通过回顾性分析发现，基于云影像平台的混合式教学模式在医学影像学课程教学中展现出积极的应用效果。试验组学生在理论知识掌握方面，于影像基础理论、影像解剖学、疾病诊断知识、临床案例分析、人工智能基础及综合知识等多个领域均表现出优于对照组的趋势；在影像诊断实践技能方面，试验组在X线、CT、MRI、介入放射学、核医学阅片诊断以及综合阅片测试和AI工具操作基础方面也呈现出更好的能力发展；同时，试验组学生对课程内容设计、教学方法、虚拟仿真实践、学习负担合理性及总体满意度的评价均更为积极。以下将从机制探讨、临床意义、研究局限性及未来方向等方面展开讨论。

本研究结果与前人关于混合式教学及技术整合在医学教育中的应用研究相呼应。江登科等^[1]指出，“互联网+”时代的教学改革通过线上资源拓展了学习边界，但缺乏与临床实践深度结合的平台支持。本研究构建的云影像平台正好弥补了这一不足，通过真实病例数据库和AI工具整合，为学生提供了沉浸式学习环境。2023年吕秀玲等^[2]强调了智能终端App在影像教学中的便利性，但其应用多限于资源展示，未能实现“线上—线下—虚拟”三维融合。本模式则通过线上自主学习、线下互动教学与虚拟仿真实践的有机结合，促进了理论知识、技术实践与临床思维的深度融合。李洋等^[11]曾呼吁医学影像教学须借鉴国际经验，强化技术赋能与伦理教育并重，本研究通过课程思政有机融入和AI伦理专题讨论，有效提升了学生的综合素养。从教育心理学视角深入分析，本教学模式的有效性可能源于其契合了多种学习理论。首先，线上自主探究与线下协作研讨相结合，符合建构主义学习理论，学生通过在云平台主动探索病例、在课堂社会性互动中建构知识意义，而非被动接收。其次，云平台将复杂的影像信息以多媒体、可交互的方式呈现，并通过虚拟仿真分解操作步骤，有效管理了学生的认知负荷，使学习资源更易于同化与吸收。最后，技术接受模型（TAM）的视角下，云影像平台的有用性与易用性感知，以及AI工具的新颖性，可能提升了学生的学习意愿与参与度。正是这些机制共同作用，从认知、情感和行为多个层面促进了学习成效的全面提升^[12-15]。

本研究结果也显示，在“影像技术原理”和“医学伦理与法规”两个理论知识子项上，两组学生成绩未见显著差异。分析原因可能在于；影像技术原理涉及物理、工程等底层知识，相对抽象且稳定，传统讲授与混合式教学在短期内对其记忆与理解的影响差异可能不大。医学伦理与法规相关内容在本研究的对照组课程中亦有涉及，且其认知深化和价值内化可能需要更长时间和更复杂的社会实践，短期的课程干预效果有限，虽未达统计学显著水平，但结合下文教学满意度中伦理认知的提升，表明混合式教学模式在维持学生伦理知识水平的同时，可能通过案例讨论和专题思辨促进了其伦理意识的深化。这提示我们，未来须探索更具针对性的教学策略来提升这些特定领域的学习效果。

本研究结果表明，基于云影像平台的混合式教学模式不仅提升了学生的学术表现，更培养了其临床影像诊断的核心能力与人工智能工具应用素养。这种教学模式通过真实病例库和虚拟仿真实践，使学生更早接触并适应临床工作场景，有助于缩短从理论到实践的过渡期，提升未来临床岗位的适应能力。同时，课程中融入的伦理与职业精神教育，也为学生应对技术发展中的伦理挑战奠定了基础，具有重要的临床教育价值。

尽管本研究揭示了混合式教学模式在医学影像学课程中的积极效果，但仍存在一些局限性。首先，研究为回顾性非随机对照设计，尽管在统计分析中尝试通过ANCOVA控制前期成绩的影响，但学生的初始学习动机、数字素养等潜在混杂因素未能完全测量与校正，可能存在残余混杂偏倚。其次，本研究为一项探索性教学改革试验，样本量基于便利性原则纳入连续两个学年的全体授课学生，未进行先验的效能分析（power analysis），这可能会限制统计效能并对结论的外推性造成一定影响。再次，样本均来自同一医学院，结果的外推性需谨慎。最后，未对学生的长期知识保留率与临床实践表现进行跟踪评估。未来的研究应致力于开展设计严谨的多中心前瞻性随机对照试验（RCT），并基于效应量估算进行先验样本量计算，同时关注混合式模式在不同院校、不同学生群体中的适应性及长期效应。

总的来说，本研究成功构建并验证了“云影像平台支撑、人工智能赋能、课程思政融入”三融合的混合式教学模式。该模式能有效提升医学影像学课程的教学质量，促进学生理论知识、实践技能与综合素养的全面发展。建议在具备基本信息化教学条件的院校中，可优先在临床核心课程中推广本模式。推广过程中需注重教学团队的跨学科协作能力建设，并配套开发标准化的线上资源包与虚拟仿真案例库，以降低实施门槛，保障教学效果的同质化。

参考文献

[1] 江登科, 刘洁, 钱秋琴. “互联网+”时代下中医院校医学影像学教学改革的思考[J]. 中医药导报, 2023(7): 233-236.

[2] 吕秀玲, 刘珊, 贾晶, 等. 智能终端APP软件系统在医学影像学教学中的应用探究[J]. 中国多媒体与网络教学学报(上旬刊), 2023(9): 9-12.

[3] 陈沙, 刘平安, 刘慧萍, 等. 虚拟仿真实验室在医学教学中的应用[J]. 中国高等医学教育, 2017(1): 13-14.

[4] 付雪鹏. 当医学影像遇到云: 从影像云到云影像,医学影像的云化之路[C].第十届中国医院院长年会 论文集, 2016:1-26.

[5] 刘莹, 纪璇. 多元化教学模式在医学影像学教学实践中的应用[J]. 新疆医学, 2024(1): 117-119.

[6] 毛翠平, 张秋娟, 晋瑞, 等. 医学影像学课程教学方法研究的文献计量分析[J]. 卫生职业教育, 2024(6):153-157.

[7] 李菲菲, 刘亚坤, 任坤, 等. 基于虚拟仿真平台的多维手段在病例讨论教学中的应用[J]. 广州医科大学学报, 2018(5): 75-78.

[8] 崔英哲, 李家钰, 石莹, 等. 国内外医学教学模式对医学影像学教学改革的启示[J]. 中国继续医学教育, 2022(16): 194-198.

[9] 朗柳玲,苏金婷,任文宁,等.生成式AI赋能高等医学教育:从课程到评价的变革之路[J].中国医学教育技术,2025(6):698-704.

[10] 耿彧, 刘璐. 数字与技术赋能下医学智慧教育研究的知识图谱分析[J]. 中国医学教育技术, 2024(4): 416-422.

[11] 李洋, 王小琴, 画妍, 等.2012—2022年国内外医学伦理学研究趋势热点对比分析和教学启示[J]. 中国医学伦理学, 2023(10): 1155-1163.

[12] 许定华, 罗泽斌, 徐晓红, 等. 基于在线互动教学云平台的互联网+医学影像学教学模式研究[J]. 医学教育研究与实践, 2019(3): 400-403.

[13] 边云, 方旭, 彭雯佳, 等. 云影像结合多种教学模式的应用研究[J]. 教育教学论坛, 2022(17): 173-176.

[14] 姚侃敏, 严福华, 赵昌政, 等. 医联体云影像中心的设计与建设[J]. 中国医疗设备, 2023(9): 87-92.

[15] 卞佳, 李泉, 姜兴岳, 等. 基于云影像的CBL教学法联合多种网络工具在医学影像诊断学中的应用研究[J]. 中国高等医学教育, 2023(9): 92-93.

基金资助

黑龙江省教育科学“十四五”规划2025年度规划课题(GJB1425120)

2025年度齐齐哈尔医学院教育科学研究项目(QYJY20250125)