• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種新策略的肺結(jié)節(jié)檢測算法

    2016-08-12 05:48:07汶德勝
    電子學(xué)報 2016年6期
    關(guān)鍵詞:高斯灰度結(jié)節(jié)

    邱 實,汶德勝,馮 筠,崔 瑩

    (1.中國科學(xué)院西安光學(xué)精密機械研究所,陜西西安 710119;2.中國科學(xué)院大學(xué),北京 100049;3.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127;4.武警工程大學(xué)裝備工程學(xué)院,陜西西安 710086)

    ?

    一種新策略的肺結(jié)節(jié)檢測算法

    邱實1,2,汶德勝1,馮筠3,崔瑩4

    (1.中國科學(xué)院西安光學(xué)精密機械研究所,陜西西安 710119;2.中國科學(xué)院大學(xué),北京 100049;3.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127;4.武警工程大學(xué)裝備工程學(xué)院,陜西西安 710086)

    針對計算機在肺部CT肺結(jié)節(jié)輔助檢測過程中,二維CT圖像序列血管橫截面與肺結(jié)節(jié)成像特征類似,導(dǎo)致無法有效檢測的問題,提出新策略的肺結(jié)節(jié)檢測算法.以格式塔心理學(xué)為基礎(chǔ),以去除血管的新策略間接的對肺結(jié)節(jié)進行檢測.實驗結(jié)果表明,本算法可有效降低血管對肺結(jié)節(jié)檢測的影響,從而提高肺結(jié)節(jié)的檢測精度.

    格式塔原理;血管;肺結(jié)節(jié)

    1 引言

    肺結(jié)節(jié)是肺癌的早期形態(tài),隨著時間的推移部分肺結(jié)節(jié)發(fā)生惡性病變(血管粘連、體積變大等)轉(zhuǎn)化為肺癌,嚴重威脅著人類的健康.對其早發(fā)現(xiàn)早治療會大幅度降低發(fā)展為肺癌的可能性.所以肺結(jié)節(jié)的準確診斷是非常重要.目前觀察肺部主要是通過計算機斷層掃描產(chǎn)生數(shù)以百計的高分辨率圖像CT圖像序列,而肺結(jié)節(jié)僅占極少圖片的極小區(qū)域,如果僅憑醫(yī)生肉眼識別肺結(jié)節(jié),工作量大并且容易漏診誤診.所以通過借助于計算機對肺結(jié)節(jié)輔助檢測是當(dāng)前研究的熱點.又因為肺結(jié)節(jié)是類似球型的區(qū)域(一般直徑1~15mm),在肺部二維CT圖像中呈現(xiàn)局部高亮、高密度的類圓形型區(qū)域,與血管橫斷面成像特征相似.無法有效區(qū)分,所以準確提取肺結(jié)節(jié)也是當(dāng)前研究的難點.

    目前,肺結(jié)節(jié)檢測算法主要思路集中在從肺結(jié)節(jié)的角度進行分割、特征提取.Nie S和劉慧等[1,2]利用二維模糊聚類的方法根據(jù)灰度差異,提取感興趣區(qū)域(ROI,Region Of Interest),根據(jù)肺結(jié)節(jié)特征進行判斷,確定肺結(jié)節(jié)區(qū)域.Chen N[3]根據(jù)肺結(jié)節(jié)在二維CT上是類圓形的形態(tài)特征,建立二維模型對結(jié)節(jié)區(qū)域進行提取.以上算法僅從二維的角度,利用結(jié)節(jié)特征進行分析,無法抑制血管對其檢測的干擾,導(dǎo)致假陽高.El-Baz A[4]等根據(jù)肺結(jié)節(jié)在三維類球型特征,選取種子點三維生長.可以區(qū)分血管和肺結(jié)節(jié)的區(qū)域,假陽相比二維檢測大幅度降低,但僅能檢測出孤立的肺結(jié)節(jié),對血管粘連型肺結(jié)節(jié)無法檢測.綜上所述,血管是肺結(jié)節(jié)檢測的主要干擾,單從肺結(jié)節(jié)特征角度無法有效區(qū)分血管和結(jié)節(jié).而血管具有貫穿性、連續(xù)性等特征可以用于區(qū)分.所以本文從血管角度進行分析和去除血管,實現(xiàn)肺結(jié)節(jié)更好的檢測.

    2 本文算法

    2.1格式塔原理

    格式塔心理學(xué)派研究表明:人們看到物體是眼、腦共同作用的結(jié)果,不是單獨看待每一個個體,而是將其整體考慮,眼睛通過人腦將各個單位按照某種關(guān)系整合、簡化,使之變?yōu)橹X上易于處理的整體.

    根據(jù)格式塔原理,首先對肺部CT圖像序列去噪、提取肺實質(zhì)等預(yù)處理,將肺部與背景區(qū)分開,圖像序列初步簡化;然后通過優(yōu)化的高斯雙模型對圖像分割,得到ROI(包含肺結(jié)節(jié)、血管等),圖像序列再次簡化;再根據(jù)格式塔連續(xù)性、整合性原則,對軸位CT圖像序列建立各向同性數(shù)據(jù)體,濾除大量血管ROI;最后精確提取結(jié)節(jié)ROI,根據(jù)分類性,利用結(jié)節(jié)特征判別得到結(jié)節(jié)區(qū)域并標注.

    2.2優(yōu)化的高斯雙模型

    目前肺結(jié)節(jié)檢測的主流算法大部分需對圖像序列進行分割提取ROI.主要有Reeves A P[5]通過經(jīng)驗設(shè)定固定閾值進行分割.OTSU法[6]通過統(tǒng)像素點分布關(guān)系進行分割.McIntosh C[7]以肺部空間形態(tài)進行分割.Ray Liu[8]等人提出高斯混合模型算法,用多個高斯模型的加權(quán)求和來模擬實際情況,能在一定程度上對噪聲進行抑制.

    根據(jù)文獻[9],肺部CT主要包含椒鹽噪聲,中值濾波可很好的去除.通過試驗肺部CT圖像灰度分布數(shù)據(jù)統(tǒng)計(如圖2),從空間角度肺部大部分為氣體組織,小部分為血管和肺結(jié)節(jié)組成.從灰度角度氣體組織和血管、肺結(jié)節(jié)存在著差異,分布曲線類似兩個高斯曲線疊加(如圖3).綜合考慮肺部空間特征和CT圖像特征,本文采用高斯雙模型算法來擬合高斯曲線,以兩個高斯模型交匯處為分割閾值實現(xiàn)分割.高斯混合模型分布函數(shù)如下:

    (1)

    (2)

    其中M是高斯混合模型的混合數(shù),pi是混合系數(shù),x是灰度值,p(x|λ)是高斯混合密度,λ完整參數(shù)集,bi(x)是單個高斯密度分布函數(shù).μi和σi是高斯密度分布函數(shù)的參數(shù).

    期望最大化(Expectation Maximization,EM)算法可確定參數(shù)pi、μi和σi.該算法由Dempster,Laird和Rubin提出,用于不完全數(shù)據(jù)集進行最大似然估計的算法.此算法需對圖像每個像素點進行迭代運算,運算量大、效率低.

    根據(jù)肺部CT值分布在有限的灰度級范圍,并且區(qū)域與區(qū)域之間有著一定的差異,在此基礎(chǔ)上,我們對其求解過程進行優(yōu)化.以肺部CT灰度級為單位進行統(tǒng)計,公式優(yōu)化如下:

    (3)

    (4)

    (5)

    (6)

    其中灰度級總數(shù)G,N為圖像處理的像素總數(shù),m為迭代的次數(shù),h(x)為像素值為x時對應(yīng)像素點的數(shù)量.

    由于采用CT灰度級代替灰度值統(tǒng)計,導(dǎo)致分割閾值與最優(yōu)的分割閾值存在一定的差異,對于灰度相似的交界點上分割效果有些影響,但速度上已有了很大提高.

    2.3血管特征提取

    通過優(yōu)化的高斯雙模型分割得到大量ROI(血管、結(jié)節(jié)等)區(qū)域.在ROI中許多血管橫斷面與結(jié)節(jié)斷面的形態(tài)和灰度值及其相似,無法從二維圖像對血管和結(jié)節(jié)區(qū)分,而且依據(jù)肺結(jié)節(jié)特征對于血管粘連的肺結(jié)節(jié)檢測難度大.根據(jù)格式塔整合原理:血管具有連續(xù)性、貫穿性、圓柱型結(jié)構(gòu)等特點,可從血管角度對血管進行整合間接解決此問題.

    在CT圖像序列中,需增強血管區(qū)域,抑制其他區(qū)域.目前最有效最常見的算法均是基于Hessian矩陣的.其特征值的濾波器可突出強化血管連續(xù)性、圓柱型結(jié)構(gòu).Hessian矩陣由圖像f(x)中體素P點的二階偏導(dǎo)組成.矩陣公式如下:

    (7)

    由于肺部具有各向同性,即從任意方向觀察體素包含的性質(zhì)是相同的.而CT斷層掃描層間距和圖像分辨率不一致,要對其進行內(nèi)插修正才能反映肺部真實情況.在此,綜合周邊像素值和計算量的影響,采用線性插值對像素值修正(如圖6)公式如下,其中G為插值點坐標,IZ、Px分別為軸位圖像層厚和像素間距,其二者不相等時,按照如下算法差值,相等時,不插值.

    (8)

    以修正后的像素值為基準構(gòu)建Hessian矩陣,其構(gòu)建過程參考文獻[12],計算3個特征值λ1,λ2,λ3(滿足|λ1|≤|λ2|≤|λ3|)和特征向量ν1,ν2,ν3,代表不同方向運動趨勢,如圖7所示.對于血管這樣的管狀結(jié)構(gòu),在CT圖像中呈現(xiàn)高亮區(qū)域,沿血管方向局部灰度變化不大,而剖面方向變化劇烈,則滿足|λ3|≈|λ2|>>|λ1|≈0.

    以Hessian矩陣為基礎(chǔ),衍生出Lorenz[10]、Sato[11]和Frangi[12]構(gòu)造的經(jīng)典濾波器結(jié)構(gòu).后續(xù)Jinzhu Yang等[13~15]在以上三種濾波器基礎(chǔ)上針對不同類型的血管從速度和性能上進行優(yōu)化,都起到了較好的效果.本文對比三種經(jīng)典濾波器,最終選擇Frangi濾波器,充分利用Hessian矩陣三個特征值抑制噪聲,在不影響肺結(jié)節(jié)檢測的基礎(chǔ)上對肺部血管增強.Frangi濾波器是在Hessian基礎(chǔ)上引入比例系數(shù)R1區(qū)分平面結(jié)構(gòu)和管形結(jié)構(gòu),R2用于識別球形結(jié)構(gòu),S用于去除噪聲,α,β用于控制R1,R2和S的靈敏度,本文中選取α,β為0.5.實現(xiàn)血管的增強并對結(jié)節(jié)抑制,為后續(xù)肺結(jié)節(jié)檢測做鋪墊.

    (9)

    (10)

    (11)

    利用式(9)對圖像進行濾波,因為肺部圖像中血管、結(jié)節(jié)等腔體僅占小部分區(qū)域,而這些區(qū)域絕大部分都在提取后的ROI中.若采用Frangi濾波器直接對所有圖像序列像素點進行濾波,耗時多,效率低.可在提取后的ROI基礎(chǔ)上進行濾波,在不影響檢測效果的同時快速對血管增強.

    2.4肺結(jié)節(jié)區(qū)域提取

    通過Frangi濾波,血管區(qū)域增強,肺結(jié)節(jié)區(qū)域被抑制.但根據(jù)血管粗細、灰度值強弱不一致,導(dǎo)致增強的程度也不一樣,所以單閾值無法準確區(qū)分血管和結(jié)節(jié).而血管區(qū)域的像素值應(yīng)為局部較大值,可根據(jù)各ROI特征矢量間距離進行聚類.近年來,對聚類的研究包括:C均值聚類[1,16],最小生成樹[17],線性判別聚類[18]等算法.其中模糊C均值聚類算法(Fuzzy C Means clustering,FCM)是目前應(yīng)用最為廣泛的圖像分割算法.它將模糊性應(yīng)用到像素隸屬判斷,符合人類感知特性、便于實現(xiàn)等優(yōu)點.劉慧[1]等對FCM算法進行改進,并成功應(yīng)用到肺結(jié)節(jié)檢測方面.抑制噪聲,提取肺結(jié)節(jié).本文按照文獻[1]算法先對濾波后的ROI進行聚類,血管區(qū)域的像素點予以去除.然后將剩余的ROI對應(yīng)原圖像素點區(qū)域再次聚類(主要針對血管粘連的惡性肺結(jié)節(jié)的分割),得到疑似肺結(jié)節(jié)ROI.由于運算區(qū)域相比整幅圖像大幅度降低,使迭代次數(shù)下降,運算速度快.

    以圖像學(xué)特征和醫(yī)學(xué)特征出發(fā),選取四組共計64維影像特征[19],對肺結(jié)節(jié)ROI進行檢測,最終得到肺結(jié)節(jié)區(qū)域進行標注.

    3 實驗及結(jié)果分析

    實驗采用International Early Lung Cancer Action Project[20]和美國肺影像數(shù)據(jù)庫協(xié)會[21]數(shù)據(jù)庫50套肺部CT數(shù)據(jù)和2014年13套醫(yī)院直接采集的肺部CT數(shù)據(jù).以2名專業(yè)醫(yī)師對血管進行標注,對于肺結(jié)節(jié)(直徑2-5mm)采用獨立盲法標記作為檢測依據(jù)(金標準).

    3.1圖像分割

    本文提出的優(yōu)化雙高斯混合模型算法與OTSU法、空間信息算法、傳統(tǒng)高斯雙模型算法分割結(jié)果與醫(yī)師標注的血管、肺結(jié)節(jié)比較.使用面積交迭度[22](Area Overlap Measure,AOM)衡量分割效果的評價指標,定義為:

    (12)

    其中AOM是面積交迭度,A為標準圖像,B為分割結(jié)果圖像,S(·)表示對應(yīng)區(qū)域的像素點數(shù),AOM值越大表明分割效果越好.

    根據(jù)表1,優(yōu)化高斯雙模型算法綜合考慮像素值與肺部數(shù)據(jù)的空間特點,AOM優(yōu)于文獻[6,7]算法,但采用灰度級代替灰度值使得分割效果略低于傳統(tǒng)高斯雙模型算法,但運算速度大幅度下降,可用于臨床使用.優(yōu)化高斯雙模型在分割效果上略低于傳統(tǒng)高斯雙模型算法.通過分析圖像可知,對于灰度值較暗血管末梢或者肺結(jié)節(jié),由于集中在分割點附近,而優(yōu)化算法得出的閾值在小范圍內(nèi)存在一定的偏差,導(dǎo)致分割效果略低.

    表1 算法效果對比表

    3.2血管增強效果比較

    目前主流血管增強濾波器均是在Lorenz、Sato和Frangi算法基礎(chǔ)上改進而成.對于不同類型的血管數(shù)據(jù)檢測效果不同.

    為驗證檢測肺部血管有效性,選取來自不同掃描時間、不同層厚、層間距的30條具有典型性的肺部血管(直徑1~10mm)進行濾波增強.在各向同性優(yōu)化Hessian矩陣基礎(chǔ)上,對比三種濾波器在參數(shù)最優(yōu)的條件下的性能,引入響應(yīng)面積(Response Area,RArea)衡量濾波器響應(yīng)范圍;響應(yīng)衰減率(Response decay rate,DRate,能量衰減到原來70%所需距離)來衡量濾波器響應(yīng)的靈敏度(圖8).兩者均越小越好.

    根據(jù)圖9、10分析:Frangi濾波器利用三個特征值抑制噪聲,綜合考慮血管形狀,增強效果好.Lorenz濾波器僅選用部分特征值,導(dǎo)致相似結(jié)構(gòu)區(qū)別表達弱;Sato濾波器對特征值大小直接排序,對于血管表達式不唯一,對于不同粗細血管適應(yīng)性不強.

    3.3肺結(jié)節(jié)檢測效果

    對比LDA[18]和FCM[1]算法將提取特征后的ROI區(qū)域進行分類的結(jié)果,利用肺結(jié)節(jié)的特征64維判別.引入ROC性能指標:ROC曲線下面積(Area Under Curve,AUC)來評價檢測結(jié)果和分類器性能.FCM算法充分考慮空間分布關(guān)系,如圖11可知FCM算法AUC大于LDA算法,因此本文采用FCM[1]算法.

    3.4算法顯示效果

    如表2所示,本文提出算法對于孤立、肺壁相連、血管粘連的肺結(jié)節(jié)均可以檢測到.主要流程為:(1)CT圖像序列,經(jīng)過優(yōu)化的高斯雙模型分割得到包含血管、肺結(jié)節(jié)等高亮的ROI.(2)疑似血管區(qū)域增強,聚類得到血管ROI,對應(yīng)原圖去除.(3)不是血管ROI進行聚類、邊界修補(主要針對血管粘連的惡性肺結(jié)節(jié)),得到修補的結(jié)節(jié)ROI,通過肺結(jié)節(jié)特征進行判別并標注.最終顯示肺結(jié)節(jié)的三維圖形.

    表2算法效果圖

    4 總結(jié)

    文章針對計算機檢測肺結(jié)節(jié)假陽高,血管和肺結(jié)節(jié)不能有效區(qū)分的問題.以格式塔心理學(xué)為基礎(chǔ),提出根據(jù)血管的判別間接對肺結(jié)節(jié)檢測的新策略,通過臨床試驗,能夠檢測肺結(jié)節(jié),排除了大量血管的干擾,準確度高,但對于面積小、灰度值低的肺結(jié)節(jié)的檢測,需要后續(xù)進一步研究.

    [1]劉慧,張彩明,鄧凱,等.改進局部自適應(yīng)的快速FCM肺結(jié)節(jié)分割方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2014,26(10):1727-1736.

    Liu Hui,Zhang Caiming,Deng Kai,et al.Research on fast FCM pulmonary nodule segmentation algorithm using improved self-adaption[J].Journal of Computer-Aided Design & Computer Graphics,2014,26(10):1727-1736.(in Chinese)

    [2]Nie S,Li L,Wang Y,et al.A segmentation method for sub-solid pulmonary nodules based on fuzzy c-means clustering[A].2012 5th International Conference on Biomedical Engineering and Informatics (BMEI)[C].Chongqing,PRC:IEEE,2012.169-172.

    [3]Chen N,Liu G,Liao Y,et al.Research on computer-aided diagnosis of lung nodule[A].2014 IEEE Workshop on Electronics,Computer and Applications (IWECA)[C].Ottawa ON:IEEE,2014.1019-1022

    [4]El-Baz A,Elnakib A,Abou El-Ghar M,et al.Automatic detection of 2D and 3D lung nodules in chest spiral CT scans[J].International Journal of Biomedical Imaging,2013,11(10):1751-1762

    [5]Reeves A P,Chan A B,Yankelevitz D F,et al.On measuring the change in size of pulmonary nodules[J].IEEE Transactions on Medical Imaging,2006,25(4):435-450.

    [6]吳成茂.基于后驗概率熵的正則化 Otsu 閾值法[J].電子學(xué)報,2013,41(12):2474-2478.

    Wu Chengmao.Regularization Otsu’s thresholding method based on probability entropy [J].Acta Electonica Sinica,2013,41(12):2474-2478.(in Chinese)

    [7]McIntosh C,Hamarneh G.Medial-based deformable models in nonconvex shape-spaces for medical image segmentation[J].IEEE Transactions on Medical Imaging,2012,31(1):33-50.

    [8]Huai Li,Yue Wang,K J Ray Liu,et al.Computerized radiographic mass detection—Part I:Lesion site selection by morphological enhancement and contextual segmentation [J].IEEE Transactions on Medical Images,2001,20(4):289~301.

    [9]郭薇,魏穎,周翰遜,等.基于混合分類的肺結(jié)節(jié)檢測算法[J].東北大學(xué)學(xué)報 (自然科學(xué)版),2008,29(11):1528-1531.

    Guo Wei,Wei Ying,Wei Hanxun,et al.A detection algorithm based on hybrid classification for pulmonary nodules[J].Journal of Northeastern University( Natural Science),2008,29(11):1528-1531.(in Chinese)

    [10]Lorenz C,Carlsen I C,Buzug T M,et al.Multi-scale line segmentation with automatic estimation of width,contrast and tangential direction in 2D and 3D medical images[A].CVRMed-MRCAS'97[C].Grenoble,France:Springer Berlin Heidelberg,1997.233-242.

    [11]Sato Y,Nakajima S,Shiraga N,et al.Three-dimensional multi-scale line filter for segmentation and visualization of curvilinear structures in medical images[J].Medical Image Analysis,1998,2(2):143-168.

    [12]Frangi A F,Niessen W J,Vincken K L,et al.Multiscale vessel enhancement filtering[A].Medical Image Computing and Computer-Assisted Interventation-MICCAI’98[C].Cambridge MA,USA:Springer Berlin Heidelberg,1998.130-137.

    [13]Yang J,Ma S,Sun Q,et al.Improved Hessian multiscale enhancement filter[J].Bio-medical Materials and Engineering,2014,24(6):3267-3275.

    [14]Kumar R P,Albregtsen F,Reimers M,et al.3D multiscale vessel enhancement based centerline extraction of blood vessels[A].Medical Imaging 2013:Imaging Processing,2013[C].Lake Buena Vista (Orlando Area),Florida,USA:SPIE,2013.

    [15]陳瑞,孫靜宇,林喜榮,等.利用多光譜圖像的偽造虹膜檢測算法[J].電子學(xué)報,2011,39(3):710-713.

    Chen Rui,Sun Jing yu,Lin Xirong,et al.An algorithm for fake lrises detection using multi-spectral images [J].Acta Electonica Sinica,2011,39(3):710-713.(in Chinese)

    [16]蔣亦樟,鄧趙紅,王駿,等.熵加權(quán)多視角協(xié)同劃分模糊聚類算法[J].軟件學(xué)報,2014,25(10):2293-2311.

    Jiang Yizhang,Deng Zhaohong,Wang Jun,et al.Collaborative partition multi-view fuzzy clustering algorithm using entropy weighting[J].Journal of Software,2014,25(10):2293-2311.(in Chinese)

    [17]李翔宇,王開軍,等.基于網(wǎng)格最小生成樹的聚類算法選擇[J].模式識別與人工智能,2013,26(1):34-41.

    Li Xiangyu,Wang Kaijun,et al.Selection of clustering algorithms based on Grid-MST[J].Pattern Recognition and Artificial Intelligence,2013,26(1):34-41.(in Chinese)

    [18]汝佳,陳莉,房鼎益.一種LDA和聚類融合的SVM多類分類方法[J].西北大學(xué)學(xué)報(自然科學(xué)版),2014,44(4):559-562.

    Ru Jia,Chen Li,Fang Dingyi.SVM multi-class classification based on LDA and clustering[J].Journal of Northwest University ( Natural Science),2014,44(4):559-562.(in Chinese)

    [19]陳勝,李莉.一種全新的基于胸片計算機輔助檢測肺結(jié)節(jié)方案[J].電子學(xué)報,2010,38(5):1211-1216.

    Cheng Sheng,Li Li.A new computer aided diagnostic scheme for lung nodule detection on chest radiographs[J].Acta Electonica Sinica,2010,38(5):1211~1216.(in Chinese)

    [20]VIA/I-ELCAP.International Early Lung Cancer Action Project[DB/OL].http://www.via.cornell.edu/lungdb.html,2014-03-01

    [21]Armato III S G,McLennan G,Bidaut L,et al.The lung image database consortium (LIDC) and image database resource initiative (IDRI):A completed reference database of lung nodules on CT scans[J].Medical Physics,2011,38(2):915-931.

    [22]孫銳,陳軍,高雋.基于顯著性檢測與 HOG-NMF 特征的快速行人檢測方法[J].電子與信息學(xué)報,2013,35(8):1921-1926.

    Sun Rui,Chen Jun,Gao Jun.Fast pedestrian detection based on saliency detection and HOG-NMF features.[J] Journal of Electronics & Information Technology,2013,35(8):1921-1926.(in Chinese)

    邱實男,1986年生,助理研究員,博士研究生,研究方向:圖像處理、模式識別.

    E-mail:qiushi215@163.com

    汶德勝男,1965年生,研究員,博士生導(dǎo)師.主要研究方向為光電成像技術(shù),電子技術(shù),圖像處理等.

    E-mail:ven@opt.ac.cn

    馮筠女,1972年生,教授,博士生導(dǎo)師.研究方向:智能信息處理,機器學(xué)習(xí),醫(yī)學(xué)影像分析.

    E-mail:fengjun@nwu.edu.cn

    崔瑩女,1981年生,講師,博士研究生.研究方向:光學(xué)系統(tǒng)設(shè)計,圖像處理.

    E-mail:cuiying@opt.cn

    A New Strategy Lung Nodules Detection Algorithm

    QIU Shi1,2,WEN De-sheng1,FENG Jun3,CUI Ying4

    (1.Xi’anInstituteofOpticsandPrecisionMechanicsofCAS,Xi’an,Shaanxi710119,China;2.UniversityofChineseAcademyofSciences;Beijing100049,China;3.SchoolofInformationScienceandTechnologyEngineering,NorthwesternUniversity;Xi’an,Shaanxi710127,China;4.CollegeofEquipmentEngineering,EngineeringUniversityofChineseArmedPoliceForce,Xi’an,Shaanxi710086,China)

    When lung nodules are detected in lung CT by computers,the vessel cross section and lung nodule have similar imaging characteristics in the two-dimensional CT image sequence,resulting in unable to detect problems precisely.We employed a new strategy for the lung nodules detection algorithm,which is based on the Gestalt psychology.This method can detect lung nodules indirectly by removing blood vessels.The experimental results show that,this algorithm can effectively reduce the influence of blood vessels on lung nodule detection,so as to improve the accuracy of detection of lung nodules.

    Gestalt principles;blood;lung nodules

    2014-12-19;修回日期:2015-07-27;責(zé)任編輯:梅志強

    國家自然科學(xué)基金(No.61372046);陜西省自然科學(xué)基金(No.2014JM8338)

    TP391.41

    A

    0372-2112 (2016)06-1413-07

    猜你喜歡
    高斯灰度結(jié)節(jié)
    小高斯的大發(fā)現(xiàn)
    采用改進導(dǎo)重法的拓撲結(jié)構(gòu)灰度單元過濾技術(shù)
    肺結(jié)節(jié),不糾結(jié)
    中老年保健(2021年6期)2021-08-24 06:53:54
    發(fā)現(xiàn)肺結(jié)節(jié)需要做PET/CT嗎?
    中老年保健(2021年9期)2021-08-24 03:50:24
    基于灰度拉伸的圖像水位識別方法研究
    從氣、虛、痰、瘀辨治肺結(jié)節(jié)術(shù)后咳嗽
    天才數(shù)學(xué)家——高斯
    體檢查出肺結(jié)節(jié),我該怎么辦
    基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
    基于灰度線性建模的亞像素圖像抖動量計算
    少妇精品久久久久久久| 老司机影院毛片| 男女啪啪激烈高潮av片| 日本vs欧美在线观看视频 | 国产伦在线观看视频一区| 91成人精品电影| 97超视频在线观看视频| 亚洲精品,欧美精品| 交换朋友夫妻互换小说| 男的添女的下面高潮视频| 国产精品成人在线| 久久久久视频综合| 日韩av免费高清视频| 丰满乱子伦码专区| 欧美日韩国产mv在线观看视频| 亚洲欧美日韩卡通动漫| 少妇猛男粗大的猛烈进出视频| 久久久久久久精品精品| 中国国产av一级| 一本色道久久久久久精品综合| 少妇人妻 视频| av网站免费在线观看视频| 波野结衣二区三区在线| 人人妻人人澡人人爽人人夜夜| 尾随美女入室| 国产精品人妻久久久久久| 久久久欧美国产精品| 亚洲国产成人一精品久久久| 国产在线一区二区三区精| 乱码一卡2卡4卡精品| 欧美老熟妇乱子伦牲交| 免费大片黄手机在线观看| 久久鲁丝午夜福利片| 午夜福利在线观看免费完整高清在| 久久99蜜桃精品久久| 久久久午夜欧美精品| 三级国产精品欧美在线观看| 亚洲在久久综合| 少妇被粗大的猛进出69影院 | 欧美成人午夜免费资源| 亚洲精品第二区| 简卡轻食公司| 午夜激情福利司机影院| 久久精品久久久久久久性| 欧美 日韩 精品 国产| 亚洲图色成人| 中文字幕人妻丝袜制服| 2018国产大陆天天弄谢| 老司机亚洲免费影院| 国产成人精品一,二区| 你懂的网址亚洲精品在线观看| 精品一区二区免费观看| av不卡在线播放| 老女人水多毛片| 亚洲经典国产精华液单| 色吧在线观看| 春色校园在线视频观看| 国产淫语在线视频| 亚洲av国产av综合av卡| 欧美国产精品一级二级三级 | 久久99蜜桃精品久久| 成人影院久久| 丝袜在线中文字幕| 国产成人freesex在线| 亚洲欧美精品专区久久| av一本久久久久| 国产 精品1| 亚洲三级黄色毛片| 国产黄色免费在线视频| 久久99热这里只频精品6学生| 国产乱来视频区| 久久毛片免费看一区二区三区| 在线观看av片永久免费下载| 美女xxoo啪啪120秒动态图| 人妻系列 视频| 蜜桃在线观看..| 婷婷色麻豆天堂久久| 久久久久人妻精品一区果冻| 成年av动漫网址| 看十八女毛片水多多多| 国产一区亚洲一区在线观看| 水蜜桃什么品种好| 内射极品少妇av片p| 国产熟女午夜一区二区三区 | 中文字幕亚洲精品专区| 中文字幕人妻丝袜制服| 久久久久人妻精品一区果冻| 18禁动态无遮挡网站| 黄色配什么色好看| 亚洲精品色激情综合| 99久国产av精品国产电影| 日韩精品免费视频一区二区三区 | 亚洲人成网站在线观看播放| 欧美日韩视频精品一区| 精品国产国语对白av| 日日啪夜夜爽| 国产精品久久久久久久电影| 大码成人一级视频| 韩国av在线不卡| 18+在线观看网站| 男女边摸边吃奶| 狂野欧美激情性xxxx在线观看| a级毛色黄片| 看免费成人av毛片| 草草在线视频免费看| 精品国产国语对白av| 国产高清三级在线| 天天操日日干夜夜撸| 又粗又硬又长又爽又黄的视频| 精品一区二区三区视频在线| 亚洲人成网站在线观看播放| 日韩不卡一区二区三区视频在线| 久久久久网色| 麻豆成人av视频| 精品国产乱码久久久久久小说| 嫩草影院入口| 在线观看免费视频网站a站| 亚洲av国产av综合av卡| 18禁在线无遮挡免费观看视频| 丝袜喷水一区| 久久99精品国语久久久| 精品国产国语对白av| 免费少妇av软件| 国产永久视频网站| av在线播放精品| 丝瓜视频免费看黄片| 高清午夜精品一区二区三区| 国产精品免费大片| 亚洲人成网站在线播| 黑丝袜美女国产一区| 国产亚洲91精品色在线| 亚洲成人一二三区av| 黄色日韩在线| 久久久精品94久久精品| 99久久人妻综合| 亚洲第一区二区三区不卡| 午夜激情久久久久久久| 国产中年淑女户外野战色| 国产毛片在线视频| 最近最新中文字幕免费大全7| 久久国内精品自在自线图片| 中文字幕久久专区| 亚洲天堂av无毛| 毛片一级片免费看久久久久| 国产欧美日韩精品一区二区| 久久久久精品久久久久真实原创| 精品人妻熟女av久视频| 久久久久久久久久成人| 国产极品粉嫩免费观看在线 | 亚洲精品第二区| 成年人免费黄色播放视频 | 亚洲精品456在线播放app| 三级经典国产精品| 男女边吃奶边做爰视频| 99热这里只有精品一区| 国产永久视频网站| 精品少妇内射三级| 在线播放无遮挡| 日韩伦理黄色片| 精品久久久精品久久久| 中文资源天堂在线| 日日撸夜夜添| 天堂俺去俺来也www色官网| 成人亚洲精品一区在线观看| 国产高清国产精品国产三级| av在线app专区| 22中文网久久字幕| 精品少妇内射三级| 亚洲精华国产精华液的使用体验| www.色视频.com| av女优亚洲男人天堂| 国产成人一区二区在线| 99久久精品热视频| 韩国高清视频一区二区三区| 成人亚洲精品一区在线观看| 日韩视频在线欧美| 久久国产乱子免费精品| 老司机亚洲免费影院| 国产伦在线观看视频一区| 99热网站在线观看| 韩国高清视频一区二区三区| 亚洲成人av在线免费| 国产一区亚洲一区在线观看| 在线亚洲精品国产二区图片欧美 | 丰满人妻一区二区三区视频av| 最近2019中文字幕mv第一页| 成人亚洲欧美一区二区av| 免费av中文字幕在线| 久久久久久久大尺度免费视频| av天堂中文字幕网| 久久影院123| 久久久久久人妻| 男女免费视频国产| 久久 成人 亚洲| 一级爰片在线观看| av福利片在线| 一级黄片播放器| 女性生殖器流出的白浆| 丰满迷人的少妇在线观看| 亚洲美女搞黄在线观看| 欧美亚洲 丝袜 人妻 在线| 午夜91福利影院| 国产又色又爽无遮挡免| 五月玫瑰六月丁香| 高清毛片免费看| 边亲边吃奶的免费视频| 91精品伊人久久大香线蕉| 免费少妇av软件| 69精品国产乱码久久久| 97精品久久久久久久久久精品| 欧美日本中文国产一区发布| √禁漫天堂资源中文www| 国产精品久久久久久久久免| 在线看a的网站| 美女xxoo啪啪120秒动态图| 十八禁高潮呻吟视频 | 免费看日本二区| 肉色欧美久久久久久久蜜桃| 最近中文字幕高清免费大全6| 观看免费一级毛片| 久久国产乱子免费精品| 亚洲人与动物交配视频| 熟女电影av网| 亚洲,一卡二卡三卡| 欧美精品高潮呻吟av久久| 亚洲真实伦在线观看| 精品国产国语对白av| 国产成人午夜福利电影在线观看| 亚州av有码| 99热这里只有是精品在线观看| 欧美日韩综合久久久久久| 夫妻午夜视频| 九九爱精品视频在线观看| 两个人的视频大全免费| 中文字幕av电影在线播放| 青春草视频在线免费观看| 久久国产乱子免费精品| 国产淫片久久久久久久久| 99re6热这里在线精品视频| 一本色道久久久久久精品综合| 欧美丝袜亚洲另类| av网站免费在线观看视频| 91久久精品国产一区二区成人| 日本欧美视频一区| 国产成人91sexporn| 一级黄片播放器| 精品国产一区二区三区久久久樱花| 久久午夜综合久久蜜桃| 大又大粗又爽又黄少妇毛片口| 久久国产乱子免费精品| 亚洲精品成人av观看孕妇| 黄色日韩在线| 嫩草影院新地址| 精品一区二区三卡| 少妇丰满av| 乱系列少妇在线播放| 国产成人精品福利久久| 精品久久久久久久久av| tube8黄色片| 亚洲精品日韩av片在线观看| 99热全是精品| 永久免费av网站大全| 中文字幕av电影在线播放| 人妻 亚洲 视频| 亚洲美女视频黄频| 亚洲精品456在线播放app| 亚洲欧美精品自产自拍| 国产免费视频播放在线视频| 中文资源天堂在线| 黑人猛操日本美女一级片| 十八禁高潮呻吟视频 | 精品亚洲成国产av| 欧美日韩精品成人综合77777| 精品一区二区三区视频在线| 久久久国产精品麻豆| 亚洲精品国产成人久久av| 日本91视频免费播放| 日本与韩国留学比较| 亚洲四区av| 人妻制服诱惑在线中文字幕| 男女国产视频网站| 国产免费又黄又爽又色| 99久久精品热视频| 纯流量卡能插随身wifi吗| 欧美精品人与动牲交sv欧美| 六月丁香七月| 中国美白少妇内射xxxbb| 亚洲国产欧美在线一区| 午夜精品国产一区二区电影| 国产亚洲5aaaaa淫片| 性色avwww在线观看| 久久久久久久久久成人| 中国国产av一级| 久久国产精品男人的天堂亚洲 | 亚洲欧美精品专区久久| 秋霞在线观看毛片| 久久99一区二区三区| 国产精品久久久久久av不卡| 免费大片黄手机在线观看| 狂野欧美激情性xxxx在线观看| 又黄又爽又刺激的免费视频.| 最黄视频免费看| 三级国产精品片| 午夜福利在线观看免费完整高清在| 卡戴珊不雅视频在线播放| 欧美高清成人免费视频www| 一本—道久久a久久精品蜜桃钙片| 中文字幕制服av| 亚洲真实伦在线观看| 麻豆成人午夜福利视频| 亚洲av日韩在线播放| 精品久久久精品久久久| 国产有黄有色有爽视频| 18禁在线无遮挡免费观看视频| 欧美+日韩+精品| 精品久久久久久久久av| 亚洲丝袜综合中文字幕| 多毛熟女@视频| 国产日韩欧美在线精品| 免费不卡的大黄色大毛片视频在线观看| 中文字幕免费在线视频6| 街头女战士在线观看网站| 熟女人妻精品中文字幕| 成人毛片a级毛片在线播放| 国语对白做爰xxxⅹ性视频网站| 欧美人与善性xxx| 91久久精品国产一区二区三区| 日本欧美视频一区| 日韩中文字幕视频在线看片| 午夜影院在线不卡| 中国三级夫妇交换| av在线老鸭窝| 国产一区二区在线观看av| 亚洲av综合色区一区| 天天躁夜夜躁狠狠久久av| 卡戴珊不雅视频在线播放| 伦精品一区二区三区| 亚洲av电影在线观看一区二区三区| 欧美一级a爱片免费观看看| 七月丁香在线播放| 中文在线观看免费www的网站| 精品一品国产午夜福利视频| 色吧在线观看| 老熟女久久久| 桃花免费在线播放| 亚洲国产成人一精品久久久| 少妇人妻一区二区三区视频| 欧美 日韩 精品 国产| 成人黄色视频免费在线看| 国产日韩欧美视频二区| 午夜日本视频在线| 2021少妇久久久久久久久久久| 男女无遮挡免费网站观看| 一级毛片 在线播放| 久久久久久久国产电影| 亚洲怡红院男人天堂| 亚洲精品中文字幕在线视频 | 成人国产av品久久久| 777米奇影视久久| 国产一区有黄有色的免费视频| 精品久久久久久电影网| 亚洲av在线观看美女高潮| 少妇丰满av| 久久久久久久国产电影| 欧美日韩精品成人综合77777| 性色av一级| 亚洲精品视频女| 丝袜脚勾引网站| 日本免费在线观看一区| 欧美 亚洲 国产 日韩一| 波野结衣二区三区在线| 精品国产国语对白av| 久久国产精品大桥未久av | 成年美女黄网站色视频大全免费 | 男人添女人高潮全过程视频| 多毛熟女@视频| a级一级毛片免费在线观看| √禁漫天堂资源中文www| 99久久精品一区二区三区| 亚洲内射少妇av| 国产色婷婷99| √禁漫天堂资源中文www| 免费人成在线观看视频色| 国产亚洲91精品色在线| 中文字幕久久专区| 男女边吃奶边做爰视频| 熟女av电影| 成人影院久久| 亚洲在久久综合| 久久精品久久精品一区二区三区| 久久久国产精品麻豆| 国产免费视频播放在线视频| 欧美区成人在线视频| 99久久综合免费| 国产精品.久久久| 男男h啪啪无遮挡| 久久国产精品大桥未久av | 日本黄大片高清| 热99国产精品久久久久久7| 肉色欧美久久久久久久蜜桃| 亚洲国产色片| 日日啪夜夜撸| 极品教师在线视频| 久久精品久久久久久噜噜老黄| 亚洲不卡免费看| 亚洲国产精品专区欧美| 国产免费又黄又爽又色| 国产亚洲午夜精品一区二区久久| 欧美高清成人免费视频www| 偷拍熟女少妇极品色| 不卡视频在线观看欧美| 美女内射精品一级片tv| 日本免费在线观看一区| 国产片特级美女逼逼视频| 欧美三级亚洲精品| 狂野欧美白嫩少妇大欣赏| 最新的欧美精品一区二区| 超碰97精品在线观看| 看非洲黑人一级黄片| 蜜桃久久精品国产亚洲av| 国产伦精品一区二区三区视频9| av线在线观看网站| 国产亚洲91精品色在线| 亚洲精华国产精华液的使用体验| av在线播放精品| 久久女婷五月综合色啪小说| 99久久精品国产国产毛片| 交换朋友夫妻互换小说| 国产亚洲一区二区精品| 国内揄拍国产精品人妻在线| 99热这里只有是精品50| 亚洲精品国产色婷婷电影| 久久久久久久久久成人| 亚洲婷婷狠狠爱综合网| 国产免费一级a男人的天堂| 国产美女午夜福利| 久久国产乱子免费精品| 十八禁高潮呻吟视频 | 亚洲,欧美,日韩| 国产高清有码在线观看视频| av天堂中文字幕网| 亚洲国产精品成人久久小说| freevideosex欧美| 欧美日韩亚洲高清精品| 国产精品国产三级国产av玫瑰| 日韩精品免费视频一区二区三区 | 少妇人妻一区二区三区视频| 精品亚洲乱码少妇综合久久| 欧美精品国产亚洲| 日韩欧美一区视频在线观看 | 久久久久久久久久久免费av| 国内精品宾馆在线| 男人舔奶头视频| 韩国高清视频一区二区三区| 国产精品秋霞免费鲁丝片| 欧美精品高潮呻吟av久久| 国国产精品蜜臀av免费| 久久久久国产精品人妻一区二区| 国产精品成人在线| 亚洲av在线观看美女高潮| 777米奇影视久久| 国产又色又爽无遮挡免| 国产成人免费无遮挡视频| 欧美日韩一区二区视频在线观看视频在线| 国产 精品1| 黄片无遮挡物在线观看| 黑人巨大精品欧美一区二区蜜桃 | 国产一区二区在线观看av| 国产免费又黄又爽又色| 亚洲情色 制服丝袜| 女性生殖器流出的白浆| 亚洲精品日本国产第一区| 亚洲精品,欧美精品| 内地一区二区视频在线| xxx大片免费视频| 国产精品不卡视频一区二区| 国产精品久久久久久av不卡| 国产女主播在线喷水免费视频网站| 麻豆乱淫一区二区| 免费播放大片免费观看视频在线观看| 亚洲第一av免费看| 青青草视频在线视频观看| 三级经典国产精品| 下体分泌物呈黄色| 国产熟女午夜一区二区三区 | 国产免费福利视频在线观看| 韩国高清视频一区二区三区| 日日撸夜夜添| 蜜桃在线观看..| 国产av国产精品国产| 在线天堂最新版资源| 少妇人妻精品综合一区二区| 少妇丰满av| 国产色婷婷99| 一级二级三级毛片免费看| 女性生殖器流出的白浆| 曰老女人黄片| 观看av在线不卡| 91成人精品电影| √禁漫天堂资源中文www| 欧美日本中文国产一区发布| 在现免费观看毛片| 男人舔奶头视频| 九九爱精品视频在线观看| 一级片'在线观看视频| 国产精品99久久久久久久久| 一区二区三区乱码不卡18| 国产免费一级a男人的天堂| 久久久久国产精品人妻一区二区| 国内揄拍国产精品人妻在线| 男人添女人高潮全过程视频| 最近中文字幕高清免费大全6| 一级毛片黄色毛片免费观看视频| 亚洲精品第二区| 一区在线观看完整版| 中文字幕亚洲精品专区| 五月玫瑰六月丁香| 在线播放无遮挡| av国产久精品久网站免费入址| 边亲边吃奶的免费视频| 免费看日本二区| 成人国产av品久久久| 国产成人免费无遮挡视频| 我的老师免费观看完整版| 亚洲精品456在线播放app| 爱豆传媒免费全集在线观看| 欧美+日韩+精品| 一区二区三区免费毛片| 日韩av不卡免费在线播放| 久久久久久久大尺度免费视频| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲高清免费不卡视频| 国产成人精品无人区| 亚洲av综合色区一区| 亚州av有码| 尾随美女入室| 国产亚洲精品久久久com| 久久热精品热| 久热久热在线精品观看| 99久久精品热视频| 日韩在线高清观看一区二区三区| 精品久久久精品久久久| 国产精品成人在线| 成人美女网站在线观看视频| 丰满迷人的少妇在线观看| 久久久久久久久久人人人人人人| a 毛片基地| 美女主播在线视频| 国产色婷婷99| 亚洲国产精品一区三区| 免费av不卡在线播放| 久久久久国产精品人妻一区二区| 菩萨蛮人人尽说江南好唐韦庄| 成人午夜精彩视频在线观看| 久久午夜福利片| 久久99精品国语久久久| 99热这里只有是精品50| av国产精品久久久久影院| 在线看a的网站| 久久久久久久国产电影| 激情五月婷婷亚洲| 老司机影院毛片| 丰满饥渴人妻一区二区三| 色吧在线观看| 精品人妻熟女毛片av久久网站| 成年人午夜在线观看视频| 精品久久久久久久久亚洲| 免费人成在线观看视频色| 午夜福利视频精品| 亚洲精品久久久久久婷婷小说| 国产乱人偷精品视频| 搡老乐熟女国产| 国产男女超爽视频在线观看| 秋霞在线观看毛片| 精品久久久久久电影网| 精品一区二区三卡| 精品少妇内射三级| 国产精品偷伦视频观看了| 99热这里只有是精品50| 嫩草影院新地址| 纵有疾风起免费观看全集完整版| 九九爱精品视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91 | 一区二区三区乱码不卡18| 欧美日韩在线观看h| 亚洲第一av免费看| 在线观看免费高清a一片| 久久久久久久久久久久大奶| 久久久久久久久久久丰满| av天堂久久9| 欧美日韩一区二区视频在线观看视频在线| 丝袜在线中文字幕| 成人国产av品久久久| 国产成人freesex在线| 乱系列少妇在线播放| 七月丁香在线播放| 国产一区二区三区综合在线观看 | 一本久久精品| 少妇人妻一区二区三区视频| 日韩欧美一区视频在线观看 | 最新的欧美精品一区二区| 一级爰片在线观看| 国产成人a∨麻豆精品| freevideosex欧美| 欧美一级a爱片免费观看看| 日日摸夜夜添夜夜爱| 蜜臀久久99精品久久宅男| 又黄又爽又刺激的免费视频.| 视频中文字幕在线观看| 交换朋友夫妻互换小说| 久久精品国产a三级三级三级| 久久人人爽av亚洲精品天堂| 成年美女黄网站色视频大全免费 | 免费av不卡在线播放| 天堂俺去俺来也www色官网|