• <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
    我的老师免费观看完整版| 欧美xxxx性猛交bbbb| 亚洲av成人精品一区久久| 国产精品一区二区在线观看99 | 亚洲欧洲国产日韩| 毛片一级片免费看久久久久| 精品久久久久久成人av| h日本视频在线播放| 自拍偷自拍亚洲精品老妇| 又粗又硬又长又爽又黄的视频| 欧美zozozo另类| 又爽又黄无遮挡网站| 久久久久久久久中文| 两个人的视频大全免费| 亚洲国产欧美在线一区| 成人av在线播放网站| 又爽又黄a免费视频| 亚洲色图av天堂| 国产精品国产三级专区第一集| 亚洲18禁久久av| 最近手机中文字幕大全| 夜夜爽夜夜爽视频| 麻豆久久精品国产亚洲av| 免费不卡的大黄色大毛片视频在线观看 | 国产黄色小视频在线观看| 久久精品夜色国产| 99久久精品一区二区三区| 麻豆久久精品国产亚洲av| 国产欧美另类精品又又久久亚洲欧美| 精品欧美国产一区二区三| 观看免费一级毛片| 1000部很黄的大片| 久久人人爽人人爽人人片va| 国产麻豆成人av免费视频| 99热精品在线国产| 一区二区三区高清视频在线| 99在线人妻在线中文字幕| 久久久色成人| 国产欧美日韩精品一区二区| 日韩人妻高清精品专区| 欧美性猛交╳xxx乱大交人| 久久精品夜色国产| 熟妇人妻久久中文字幕3abv| 日韩精品有码人妻一区| 性色avwww在线观看| 国产精品永久免费网站| 波野结衣二区三区在线| 亚洲美女视频黄频| 午夜精品在线福利| 人人妻人人看人人澡| 午夜福利高清视频| 一级二级三级毛片免费看| 久久精品国产亚洲网站| 欧美人与善性xxx| 亚洲欧美精品专区久久| 卡戴珊不雅视频在线播放| 一卡2卡三卡四卡精品乱码亚洲| 看免费成人av毛片| 久久99热这里只有精品18| 嫩草影院入口| 国产日韩欧美在线精品| 国产高潮美女av| 亚洲内射少妇av| 国产成人aa在线观看| 亚洲丝袜综合中文字幕| 2021天堂中文幕一二区在线观| 我要看日韩黄色一级片| 女的被弄到高潮叫床怎么办| 在线a可以看的网站| 99热网站在线观看| 精品一区二区三区视频在线| 国产淫语在线视频| 汤姆久久久久久久影院中文字幕 | 久久精品久久久久久噜噜老黄 | 特级一级黄色大片| 草草在线视频免费看| videossex国产| 国产在视频线在精品| 插逼视频在线观看| 色综合站精品国产| 国产精品伦人一区二区| 在线观看66精品国产| av免费在线看不卡| av女优亚洲男人天堂| 一级毛片aaaaaa免费看小| 国产精品综合久久久久久久免费| 一个人免费在线观看电影| 男人狂女人下面高潮的视频| 特级一级黄色大片| 亚洲av男天堂| 欧美xxxx性猛交bbbb| 中国美白少妇内射xxxbb| 日本与韩国留学比较| 一夜夜www| 成人亚洲精品av一区二区| h日本视频在线播放| 久久久久久伊人网av| 亚洲va在线va天堂va国产| 最近最新中文字幕大全电影3| 午夜福利在线观看免费完整高清在| 七月丁香在线播放| 热99re8久久精品国产| 国产伦理片在线播放av一区| 草草在线视频免费看| 禁无遮挡网站| 日韩成人av中文字幕在线观看| 国产精品久久久久久精品电影小说 | 看非洲黑人一级黄片| 免费搜索国产男女视频| 国产色爽女视频免费观看| 国产女主播在线喷水免费视频网站 | 国产黄色小视频在线观看| 女的被弄到高潮叫床怎么办| 亚洲电影在线观看av| 床上黄色一级片| 麻豆乱淫一区二区| av福利片在线观看| 国产精品三级大全| 中文字幕制服av| 老司机影院毛片| av又黄又爽大尺度在线免费看 | 国产一级毛片七仙女欲春2| 国产av不卡久久| 非洲黑人性xxxx精品又粗又长| 国产伦一二天堂av在线观看| 日日撸夜夜添| 久久久久性生活片| 在线a可以看的网站| 亚洲av成人av| 亚洲av不卡在线观看| 亚洲成人av在线免费| 亚洲欧美日韩卡通动漫| 日本一本二区三区精品| 亚洲欧美精品专区久久| 亚洲精品国产av成人精品| 精品国内亚洲2022精品成人| 久久99精品国语久久久| 一级毛片我不卡| 国产激情偷乱视频一区二区| 搡女人真爽免费视频火全软件| 国产精华一区二区三区| 国产伦在线观看视频一区| 久久精品久久久久久噜噜老黄 | 国产亚洲5aaaaa淫片| 女人十人毛片免费观看3o分钟| 天堂影院成人在线观看| 只有这里有精品99| 男人的好看免费观看在线视频| 国产欧美日韩精品一区二区| 婷婷六月久久综合丁香| 人妻系列 视频| 黄色一级大片看看| 国产精品三级大全| 欧美成人精品欧美一级黄| 在线a可以看的网站| 日本猛色少妇xxxxx猛交久久| 青春草国产在线视频| 国产毛片a区久久久久| 在线免费观看的www视频| 精品人妻熟女av久视频| 三级经典国产精品| 色综合站精品国产| 老司机福利观看| av.在线天堂| 淫秽高清视频在线观看| 精品人妻一区二区三区麻豆| 亚洲成人精品中文字幕电影| 欧美色视频一区免费| 91精品一卡2卡3卡4卡| 国产不卡一卡二| 日本一二三区视频观看| 黄色配什么色好看| 国产一区二区亚洲精品在线观看| 久久精品国产亚洲av天美| 国产精品一区二区性色av| 最近视频中文字幕2019在线8| 亚洲美女搞黄在线观看| 2022亚洲国产成人精品| 一区二区三区免费毛片| 久久久久免费精品人妻一区二区| 亚州av有码| 桃色一区二区三区在线观看| 国产成人精品久久久久久| 最近视频中文字幕2019在线8| 九九爱精品视频在线观看| 国产女主播在线喷水免费视频网站 | 两性午夜刺激爽爽歪歪视频在线观看| 久久人人爽人人爽人人片va| 色尼玛亚洲综合影院| 欧美精品一区二区大全| 久久午夜福利片| 国产欧美日韩精品一区二区| 国产精品一及| 老司机福利观看| 午夜福利网站1000一区二区三区| 亚洲婷婷狠狠爱综合网| 欧美日本视频| 国产一区亚洲一区在线观看| 欧美另类亚洲清纯唯美| 午夜日本视频在线| 国产精华一区二区三区| 亚洲色图av天堂| 成年女人永久免费观看视频| 又爽又黄a免费视频| 婷婷色麻豆天堂久久 | 两个人的视频大全免费| 一边摸一边抽搐一进一小说| 欧美激情国产日韩精品一区| 亚洲欧洲日产国产| videos熟女内射| 亚洲真实伦在线观看| 丰满少妇做爰视频| 搞女人的毛片| 成人特级av手机在线观看| 国产久久久一区二区三区| 91久久精品电影网| 插阴视频在线观看视频| 成人高潮视频无遮挡免费网站| 精品午夜福利在线看| 如何舔出高潮| 国产一级毛片七仙女欲春2| 色哟哟·www| 少妇熟女欧美另类| 久久久欧美国产精品| 天天躁夜夜躁狠狠久久av| 爱豆传媒免费全集在线观看| 国模一区二区三区四区视频| 超碰97精品在线观看| 国产探花在线观看一区二区| 亚洲中文字幕一区二区三区有码在线看| 九九久久精品国产亚洲av麻豆| 日韩成人av中文字幕在线观看| 久久人人爽人人片av| 国产精品人妻久久久久久| 日韩av在线免费看完整版不卡| 有码 亚洲区| 精品一区二区三区视频在线| 秋霞伦理黄片| 久久欧美精品欧美久久欧美| 国产视频首页在线观看| 久久久精品大字幕| 菩萨蛮人人尽说江南好唐韦庄 | 午夜福利网站1000一区二区三区| 亚洲va在线va天堂va国产| 国产精品99久久久久久久久| or卡值多少钱| 国产成人a区在线观看| 亚洲精品日韩av片在线观看| 非洲黑人性xxxx精品又粗又长| 在线天堂最新版资源| 国产精品女同一区二区软件| 成人欧美大片| 精品午夜福利在线看| 亚洲人成网站在线播| 2022亚洲国产成人精品| 国产精品美女特级片免费视频播放器| 波野结衣二区三区在线| 国产高清有码在线观看视频| 91精品一卡2卡3卡4卡| 亚洲自偷自拍三级| 日韩欧美国产在线观看| 少妇人妻一区二区三区视频| 韩国av在线不卡| 日本-黄色视频高清免费观看| 国产黄片视频在线免费观看| 欧美日本视频| 日韩强制内射视频| 看片在线看免费视频| 最近最新中文字幕免费大全7| 国产一级毛片在线| 人人妻人人澡欧美一区二区| 热99re8久久精品国产| h日本视频在线播放| 中国国产av一级| av线在线观看网站| 哪个播放器可以免费观看大片| 99久国产av精品国产电影| 亚洲最大成人中文| 欧美性猛交黑人性爽| 欧美另类亚洲清纯唯美| 日本色播在线视频| 热99re8久久精品国产| 国产熟女欧美一区二区| 天美传媒精品一区二区| 国产精品人妻久久久久久| 亚洲精品色激情综合| 麻豆精品久久久久久蜜桃| 亚洲自拍偷在线| 性色avwww在线观看| 看免费成人av毛片| 青春草亚洲视频在线观看| 久久久a久久爽久久v久久| 国产一区二区三区av在线| 男人和女人高潮做爰伦理| 九草在线视频观看| 69人妻影院| a级一级毛片免费在线观看| 亚洲精品成人久久久久久| 久久国内精品自在自线图片| 久久鲁丝午夜福利片| 国产精品人妻久久久影院| 99久国产av精品| 在线观看av片永久免费下载| 日韩亚洲欧美综合| 亚洲色图av天堂| 我要看日韩黄色一级片| 国产午夜精品一二区理论片| 国产精品av视频在线免费观看| 一级黄片播放器| 亚洲国产高清在线一区二区三| 国产黄片视频在线免费观看| 日日摸夜夜添夜夜添av毛片| 麻豆国产97在线/欧美| av线在线观看网站| 欧美日韩精品成人综合77777| 国产黄色视频一区二区在线观看 | 美女cb高潮喷水在线观看| 天天一区二区日本电影三级| 乱人视频在线观看| 国产又色又爽无遮挡免| 色哟哟·www| 国产大屁股一区二区在线视频| 色噜噜av男人的天堂激情| 三级国产精品片| 人体艺术视频欧美日本| 久久99热这里只频精品6学生 | 91午夜精品亚洲一区二区三区| 亚洲国产最新在线播放| 亚洲在久久综合| 亚洲av成人av| 男女那种视频在线观看| 国产精品,欧美在线| 女人被狂操c到高潮| 精品人妻偷拍中文字幕| 国产在视频线精品| 黄色日韩在线| 有码 亚洲区| 人妻系列 视频| 久久精品久久精品一区二区三区| 亚洲欧美一区二区三区国产| 久久久久免费精品人妻一区二区| 国产午夜福利久久久久久| 热99在线观看视频| 卡戴珊不雅视频在线播放| 欧美高清性xxxxhd video| 国产毛片a区久久久久| 国产中年淑女户外野战色| 午夜免费男女啪啪视频观看| 国产精品综合久久久久久久免费| 偷拍熟女少妇极品色| 久久草成人影院| 少妇熟女aⅴ在线视频| 亚洲av男天堂| 免费黄色在线免费观看| 特级一级黄色大片| 精品午夜福利在线看| 免费在线观看成人毛片| 国产成人freesex在线| 天堂√8在线中文| 成年av动漫网址| 日本午夜av视频| 久久草成人影院| 美女大奶头视频| 女人被狂操c到高潮| 亚洲自拍偷在线| 又爽又黄无遮挡网站| 国产一区二区三区av在线| 久久久国产成人精品二区| 国产一区二区三区av在线| 免费看av在线观看网站| 精华霜和精华液先用哪个| 久热久热在线精品观看| 亚洲欧美成人综合另类久久久 | 亚洲国产精品sss在线观看| 精品无人区乱码1区二区| 老司机影院毛片| 久久综合国产亚洲精品| 国产综合懂色| 亚洲精品日韩在线中文字幕| 久久久久性生活片| 久久99蜜桃精品久久| 啦啦啦啦在线视频资源| 欧美bdsm另类| 中文字幕人妻熟人妻熟丝袜美| 成人国产麻豆网| 国产视频内射| 91午夜精品亚洲一区二区三区| 亚洲最大成人手机在线| 99视频精品全部免费 在线| 一区二区三区免费毛片| 寂寞人妻少妇视频99o| 中文乱码字字幕精品一区二区三区 | 可以在线观看毛片的网站| 国产黄a三级三级三级人| 欧美潮喷喷水| 最近视频中文字幕2019在线8| 亚洲无线观看免费| av在线播放精品| www.av在线官网国产| 少妇猛男粗大的猛烈进出视频 | 国产午夜精品论理片| 校园人妻丝袜中文字幕| 白带黄色成豆腐渣| 性色avwww在线观看| 精品熟女少妇av免费看| 国产人妻一区二区三区在| 久久热精品热| 麻豆av噜噜一区二区三区| 免费观看a级毛片全部| 特大巨黑吊av在线直播| 99热网站在线观看| 免费人成在线观看视频色| 欧美性猛交黑人性爽| 91狼人影院| 国产高清国产精品国产三级 | 亚洲精品乱久久久久久| 99热这里只有精品一区| 蜜臀久久99精品久久宅男| 麻豆av噜噜一区二区三区| 亚洲成人精品中文字幕电影| 国产人妻一区二区三区在| 久久久午夜欧美精品| 桃色一区二区三区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 精品人妻一区二区三区麻豆| 99在线人妻在线中文字幕| 国产精品人妻久久久久久| 日本免费a在线| 亚洲国产精品合色在线| 午夜老司机福利剧场| 我的老师免费观看完整版| 国产老妇伦熟女老妇高清| 国产三级中文精品| 欧美成人精品欧美一级黄| 亚洲伊人久久精品综合 | 日韩制服骚丝袜av| 国产色婷婷99| 亚洲欧洲日产国产| 日本熟妇午夜| 男插女下体视频免费在线播放| 永久免费av网站大全| 非洲黑人性xxxx精品又粗又长| 国产 一区精品| 欧美高清性xxxxhd video| 亚洲精品乱久久久久久| 天堂av国产一区二区熟女人妻| 长腿黑丝高跟| 日韩在线高清观看一区二区三区| 两个人视频免费观看高清| 人人妻人人澡人人爽人人夜夜 | 女人被狂操c到高潮| 久久亚洲精品不卡| 青春草视频在线免费观看| 久久精品夜色国产| 亚洲在久久综合| 校园人妻丝袜中文字幕| 精品不卡国产一区二区三区| 国产精品一区www在线观看| 免费观看人在逋| 看免费成人av毛片| 国产精华一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲人成网站在线播| 国产精品国产三级国产av玫瑰| 免费一级毛片在线播放高清视频| 又爽又黄a免费视频| 99久久中文字幕三级久久日本| 久久精品熟女亚洲av麻豆精品 | 国产黄片美女视频| 欧美色视频一区免费| 人人妻人人澡欧美一区二区| 91精品国产九色| 97人妻精品一区二区三区麻豆| 亚洲va在线va天堂va国产| 精品一区二区三区视频在线| 免费看光身美女| 观看美女的网站| 精品少妇黑人巨大在线播放 | 国产亚洲av片在线观看秒播厂 | 神马国产精品三级电影在线观看| 亚洲欧美中文字幕日韩二区| 永久网站在线| 男插女下体视频免费在线播放| 中文亚洲av片在线观看爽| 嫩草影院入口| 一级黄色大片毛片| 国产精品久久视频播放| 看十八女毛片水多多多| 亚洲av熟女| 成人高潮视频无遮挡免费网站| 日韩成人av中文字幕在线观看| 熟妇人妻久久中文字幕3abv| 午夜亚洲福利在线播放| 内射极品少妇av片p| 视频中文字幕在线观看| 内射极品少妇av片p| 超碰av人人做人人爽久久| 久久久欧美国产精品| or卡值多少钱| 欧美激情国产日韩精品一区| 一区二区三区乱码不卡18| 精品人妻偷拍中文字幕| 99热这里只有精品一区| 亚洲欧洲日产国产| 国产精品.久久久| 99久国产av精品国产电影| 久久99蜜桃精品久久| 亚洲天堂国产精品一区在线| 久久久精品欧美日韩精品| 人人妻人人澡人人爽人人夜夜 | 欧美另类亚洲清纯唯美| 国产黄a三级三级三级人| 看免费成人av毛片| 麻豆成人午夜福利视频| 亚洲精品日韩av片在线观看| 国产色婷婷99| 亚洲av熟女| 午夜福利网站1000一区二区三区| 欧美成人精品欧美一级黄| 国产一区亚洲一区在线观看| 国产免费男女视频| 在现免费观看毛片| 亚洲成人中文字幕在线播放| 啦啦啦观看免费观看视频高清| 免费大片18禁| 免费无遮挡裸体视频| 国模一区二区三区四区视频| 久久久久久久久久久免费av| av.在线天堂| 日韩欧美精品免费久久| 最近中文字幕2019免费版| 69av精品久久久久久| 日韩在线高清观看一区二区三区| АⅤ资源中文在线天堂| 欧美97在线视频| 亚洲av福利一区| 国产伦精品一区二区三区四那| 国产成人福利小说| 国产激情偷乱视频一区二区| 最近视频中文字幕2019在线8| 91狼人影院| 一区二区三区四区激情视频| 波野结衣二区三区在线| 国产在视频线精品| 欧美精品一区二区大全| 秋霞在线观看毛片| 91aial.com中文字幕在线观看| 欧美成人精品欧美一级黄| 亚洲欧洲国产日韩| 午夜久久久久精精品| 亚洲18禁久久av| 午夜视频国产福利| 欧美一区二区亚洲| 国产毛片a区久久久久| 欧美成人一区二区免费高清观看| 人体艺术视频欧美日本| 国产老妇伦熟女老妇高清| 亚洲激情五月婷婷啪啪| 成人鲁丝片一二三区免费| 成人国产麻豆网| 国产高清三级在线| 少妇的逼好多水| 免费av观看视频| 日韩成人av中文字幕在线观看| 欧美不卡视频在线免费观看| videossex国产| 1000部很黄的大片| 麻豆乱淫一区二区| 久久精品国产自在天天线| 中文字幕人妻熟人妻熟丝袜美| 久久人人爽人人爽人人片va| 国产亚洲精品av在线| 日日干狠狠操夜夜爽| 夫妻性生交免费视频一级片| 三级国产精品片| 国产一区亚洲一区在线观看| 黄色一级大片看看| 99热6这里只有精品| 日韩大片免费观看网站 | 久久亚洲精品不卡| 欧美日本视频| 日韩亚洲欧美综合| 亚洲av成人精品一二三区| 国产精品不卡视频一区二区| 亚洲欧美清纯卡通| 黄片wwwwww| 日韩欧美在线乱码| 大香蕉97超碰在线| 色噜噜av男人的天堂激情| 日韩欧美在线乱码| 午夜精品在线福利| 成人国产麻豆网| 尾随美女入室| 一本一本综合久久| 久久精品夜夜夜夜夜久久蜜豆| 欧美高清成人免费视频www| 毛片女人毛片| 搡女人真爽免费视频火全软件| 欧美日本视频| 久久久国产成人免费| www.色视频.com| 免费看光身美女| 国产中年淑女户外野战色| 国产一区亚洲一区在线观看| 看十八女毛片水多多多| 成年免费大片在线观看| 国产成人福利小说| 熟女电影av网| 久久久久久久国产电影| 青春草亚洲视频在线观看| 纵有疾风起免费观看全集完整版 | 日韩欧美在线乱码| 一本一本综合久久| 精品久久久久久电影网 | 欧美xxxx黑人xx丫x性爽|