• <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 ?

    基于局部空間變換網(wǎng)絡(luò)的醫(yī)學圖像配準

    2022-07-12 14:03:42劉曉芳
    計算機應用與軟件 2022年6期
    關(guān)鍵詞:雙通道浮動解碼

    張 糾 劉曉芳* 楊 兵

    1(中國計量大學計算機應用與技術(shù)研究所 浙江 杭州 310018) 2(中國計量大學電子信息與通信研究所 浙江 杭州 310018) 3(浙江省電磁波信息技術(shù)與計量檢測重點實驗室 浙江 杭州 310018)

    0 引 言

    基于計算機輔助技術(shù)的醫(yī)學影像分析為病灶識別與定位[1]、疾病診斷[2-3]等提供了可靠的信息基礎(chǔ)。其中,醫(yī)學圖像配準是指對浮動圖像(Moving image)進行空間變換,確定浮動圖像與固定圖像(Fixed image)的空間對應關(guān)系[4],尋求最佳空間映射。

    醫(yī)學圖像配準問題的核心在于如何確定圖像間的相似性以及如何對圖像進行空間映射[4],在臨床應用中,通常將同一個人在不同時間段所獲得的圖像進行配準或?qū)⒍鄠€人配準到標準圖譜上。傳統(tǒng)基于灰度值的配準方法[5]將配準問題抽象為最小化相似度測量以尋找最優(yōu)參數(shù)的優(yōu)化問題,然而,此種方法存在效果較差,無法取得最優(yōu)解等局限性問題。近年來,由于神經(jīng)網(wǎng)絡(luò)具有能夠從圖像特征中學習復雜映射、自動優(yōu)化配準參數(shù)、建立優(yōu)化模型等優(yōu)點,提供了用于處理配準問題的新思路,已被廣泛用于醫(yī)學圖像配準中[6-8]。

    基于編碼-解碼結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)如U-net[9]能夠自動對輸入圖像進行底層特征提取,其獨特的網(wǎng)絡(luò)結(jié)構(gòu)在處理醫(yī)學圖像解剖結(jié)構(gòu)相對固定、數(shù)據(jù)量較少的情況下具有較好的擬合性能。空間變換網(wǎng)絡(luò)(Spatial Transform Networks, STN)[10]是一種結(jié)合卷積運算、仿射變換、空間采樣的顯式特征空間變換網(wǎng)絡(luò)結(jié)構(gòu),其常用于特征提取網(wǎng)絡(luò)之后,對配準場(Registration Field)進行空間變換得到配準圖像(Registered Image),以確定圖像間的空間映射關(guān)系?;诳臻g變換網(wǎng)絡(luò)的編碼-解碼結(jié)構(gòu)是處理醫(yī)學圖像配準的常用網(wǎng)絡(luò)框架,然而,此類網(wǎng)絡(luò)具有沒有充分考慮到各通道特征重要性不同、基于單路的特征空間變換對局部圖像特征變換能力不足,以及特征與特征之間信息融合程度不高等問題,針對此問題,本文提出一種基于特征塊局部空間變換的雙路編碼-解碼網(wǎng)絡(luò)用于配準問題,本文方法在圖像特征塊的基礎(chǔ)上,進行了特征重要性加權(quán)和基于雙通道的局部特征空間變換。

    1 相關(guān)工作

    1.1 醫(yī)學圖像配準

    醫(yī)學圖像配準是后續(xù)圖像融合,疾病診斷的基礎(chǔ),其目標是根據(jù)浮動圖像與固定圖像之間的相似性關(guān)系,確定兩幅圖像間的最佳映射。根據(jù)空間變換的類型,醫(yī)學圖像配準方法可分為剛體配準與非剛體配準[11]。剛體配準方法具有變換參數(shù)較少、運算效率高等優(yōu)點,然而,大多數(shù)醫(yī)學圖像如心臟CT(Computed Tomography, CT)圖像都存在非剛體變換,因此對于基于非剛體變換的配準方法研究較多。

    傳統(tǒng)基于灰度值的配準方法采用互相關(guān)系數(shù)(Cross Correlation)[12]等相似性測量指標,通過優(yōu)化參數(shù)模型確定最終映射關(guān)系,此外,互信息(Mutual Information)[13]及其改進的條件互信息(conditional Mutual Information)[14]、最大梯度距離(Maximum Distance-Gradient, MDG)[15]、熵圖像(Entropy Images)、流行學習(Manifold Learning)[16]等也常用于醫(yī)學圖像配準問題中。

    神經(jīng)網(wǎng)絡(luò)本質(zhì)上也是一種參數(shù)優(yōu)化模型,其優(yōu)點是能夠通過最小化損失函數(shù)自動學習優(yōu)化參數(shù),建立圖像間的配準模型。近年來,神經(jīng)網(wǎng)絡(luò)在處理配準問題上表現(xiàn)出較好的學習性能,如遞歸級聯(lián)網(wǎng)絡(luò)[17]通過網(wǎng)絡(luò)級聯(lián)的方式逐層對圖像特征進行空間變換,在肝臟配準問題上表現(xiàn)出較好的泛化性能,遞歸配準網(wǎng)絡(luò)[18]將遞歸神經(jīng)網(wǎng)絡(luò)引入圖像配準問題中,將圖像看作一系列序列模型。

    醫(yī)學圖像配準常用的網(wǎng)絡(luò)框架如圖1所示,采用基礎(chǔ)特征提取網(wǎng)絡(luò)得到配準場,通過最小化損失函數(shù)得到浮動圖像與固定圖像間的空間映射參數(shù)。

    圖1 醫(yī)學圖像配準框架

    1.2 基于空間變換網(wǎng)絡(luò)的編碼-解碼配準模型

    基于編碼-解碼結(jié)構(gòu)的網(wǎng)絡(luò)模型如U-net[9]、SegNet[19]等,利用跳躍連接(Skip Connection)結(jié)構(gòu)融合同級之間不同分辨率的特征,利用高分辨率特征具有輪廓、梯度、顏色等信息,低分辨率特征具有抽象化特征信息,將兩者的語義信息融合,使融合后的特征同時具有高層與底層特征的語義信息,能夠?qū)υ驾斎雸D像做出精細化特征表達。

    圖2 編碼-解碼網(wǎng)絡(luò)結(jié)構(gòu)

    圖2為編碼-解碼網(wǎng)絡(luò)基本結(jié)構(gòu),其整體可分為三個組成部分:特征編碼,特征解碼,特征融合。一般來說,輸入圖像與輸出圖像具有相同或相近大小分辨率,輸入圖像經(jīng)過卷積、激活函數(shù)、下采樣等運算后得到編碼后的圖像特征,下采樣的次數(shù)一般為3到4次。過多的下采樣次數(shù)導致參數(shù)數(shù)量增加,計算速度減慢;過少的下采樣次數(shù)導致提取到的特征不足以表征圖像的深層細節(jié)。最大池化(max-pooling)是常見的下采樣運算,可看作正則化的一種方式。卷積運算是實現(xiàn)圖像特征提取的關(guān)鍵,其數(shù)學表達式如下:

    (1)

    式中:x為輸入圖像;k為卷積核;z為輸出圖像?;诰幋a-解碼結(jié)構(gòu)的卷積網(wǎng)絡(luò)通常采用跳躍連接的方式進行特征融合,其數(shù)學表達如下:

    (2)

    式中:X表示編碼層級的特征;Z表示解碼層級的特征;O表示通道拼接后的融合特征。

    圖3 空間變換網(wǎng)絡(luò)基本結(jié)構(gòu)

    圖3為空間變換網(wǎng)絡(luò)結(jié)構(gòu),空間變換網(wǎng)絡(luò)是一種針對圖像特征變換的通用網(wǎng)絡(luò)模塊,能對輸入圖像進行仿射變換,由于其采用卷積、全連接等運算,使得空間變換網(wǎng)絡(luò)可以擬合復雜函數(shù)映射,輸出變換參數(shù),得到空間變換后的圖像特征??臻g變換網(wǎng)絡(luò)整體由定位器、網(wǎng)格生成器、采樣器三部分組成。

    1) 定位器通過卷積等運算,輸出輸入特征與輸出特征之間的變換參數(shù):

    (3)

    2) 網(wǎng)格生成器根據(jù)仿射變換矩陣以及輸出特征空間坐標,計算與之對應的輸入特征空間坐標。

    3) 采樣器根據(jù)網(wǎng)格生成器得到的空間坐標點,利用雙線性插值對輸出特征進行填充:

    (4)

    2 基于特征塊空間變換的配準模型

    2.1 網(wǎng)絡(luò)結(jié)構(gòu)

    基于空間變換網(wǎng)絡(luò)的編碼-解碼網(wǎng)絡(luò)沒有考慮到不同通道的特征重要性不同,此外,空間變換網(wǎng)絡(luò)針對整個輸入特征,局部特征空間變換能力不足。針對此問題,本文提出了一種基于特征塊的雙通道空間變換網(wǎng)絡(luò)(Feature Patch Based Dual-channel Spatial Transform Network, FPDC-STN)。結(jié)合編碼-解碼網(wǎng)絡(luò),本文的配準模型結(jié)構(gòu)如圖4所示。

    圖4 基于特征塊的雙通道空間變換網(wǎng)絡(luò)配準模型

    本文模型采用兩個編碼-解碼結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)分別對浮動圖像和固定圖像進行特征提取,同時將固定圖像的特征編碼部分與浮動圖像的特征解碼部分對齊,組成對稱網(wǎng)絡(luò)。為提高特征利用率,借鑒特征金字塔網(wǎng)絡(luò)[20]思想,從固定圖像和浮動圖像的編碼-解碼網(wǎng)絡(luò)中分別抽取了第2、第4、第6層特征,兩者特征融合之前用二維卷積進行了特征空間轉(zhuǎn)換。圖4中,F(xiàn)W-Block為特征加權(quán)(Feature Weighting)模塊,F(xiàn)PDC-STN為本文提出的特征塊雙通道變換模塊,兩者的網(wǎng)絡(luò)結(jié)構(gòu)如圖5、圖6所示。

    特征加權(quán)模塊對原始輸入特征的通道加權(quán)可以分為4步:1) 對于輸入特征,采用兩個不同尺寸的分組卷積核得到兩組不同的輸出特征,并設(shè)置分組數(shù)K對兩組輸出特征進行分組,分別得到K個特征塊;2) 利用式(5)對特征塊進行全局平均池化(Global Average Pooling, GAP),得到特征加權(quán)參數(shù);3) 使用全連接和激活函數(shù)等對特征塊進行通道加權(quán),如式(6)所示;4) 分別對K個特征塊進行合并,采用通道拼接的方式得到原始輸入特征通道加權(quán)后的輸出特征。

    (5)

    式中:H表示輸入特征塊的高;W表示輸入特征塊的寬;UC表示某個通道的特征塊;ZC表示某個通道的輸出特征塊。

    O=σ(g(Z,w))=σ(w2δ(w1Z))

    (6)

    式中:Z表示輸出特征塊;w1、w2表示全連接參數(shù);δ表示非線性激活函數(shù)如ReLU等;σ表示Sigmoid函數(shù)。

    借鑒空間變換網(wǎng)絡(luò)結(jié)構(gòu)的思想,本文采用了基于特征塊空間變換的方式對原始輸入特征進行空間變換。此外,針對原始空間變換網(wǎng)絡(luò)感受野大小固定的局限性問題,本文還提出了一種基于雙通道的空間變換網(wǎng)絡(luò),基于權(quán)值共享方式將特征塊空間變換與雙通道策略結(jié)合形成最終的基于特征塊的雙通道空間變換網(wǎng)絡(luò)(FPDC-STN)。FPDC-STN對輸入特征的空間變換可分為以下3步:1) 采用兩個不同尺寸大小的卷積核(3×3,5×5)對原始輸入特征進行分組卷積,然后對特征進行分塊;2) 對每個特征塊,分別進行空間定位-網(wǎng)格生成-采樣操作,得到空間變換后的輸出特征塊;3) 對輸出特征塊進行合并,基于通道拼接的方式得到最終空間變換后的輸出特征。

    2.2 損失函數(shù)

    本文所用的損失函數(shù)包括兩部分,分別為衡量浮動圖像與固定圖像之間的相似性指標Lsin(φ),配準場的正則化項Lsmooth(φ)。兩者分別定義如下:

    Lsim(F,R,φ)=-CC(F,R(φ))=

    (7)

    (8)

    式中:CC(F,M(φ))表示局部相關(guān)系數(shù)(Correlation Coefficient),衡量配準圖像R(φ)與固定圖像F之間的局部相關(guān)性;φ表示配準場(Registration Field);pi表示索引為i的像素??倱p失函數(shù)定義為相似性指標Lsim(φ)與正則化項Lsmooth(φ)之和,如式(9)所示,λ為正則化參數(shù)。

    L(F,M,φ)=Lsin(F,M,φ)+λLsmooth(φ)

    (9)

    2.3 整體算法流程

    本文提出的基于局部空間變換網(wǎng)絡(luò)的醫(yī)學圖像配準算法整體流程如圖7所示。

    圖7 本文整體算法流程

    Step1輸入數(shù)據(jù)集劃分參數(shù)train_rate、validate_rate、test_rate,將數(shù)據(jù)集劃分為訓練集、驗證集、測試集。

    Step2對訓練數(shù)據(jù)進行數(shù)據(jù)增強,包括圖像旋轉(zhuǎn)、圖像扭曲等。

    Step3對待配準圖像進行預配準、去噪等預處理操作。

    Step4初始化網(wǎng)絡(luò)參數(shù)、迭代次數(shù)Itr、正則化系數(shù)lamda等。

    Step5更新網(wǎng)絡(luò)參數(shù),以及分別建立特征塊雙通道變換模塊、特征加權(quán)模塊、特征編碼-解碼網(wǎng)絡(luò)。特征塊雙通道變換模塊(其中split_num表示劃分的特征塊數(shù)量)主要偽代碼表示如下(使用Pytorch框架編程):

    Apply 3×3 convolution and 5×5 convolution to input features;

    Split input features into split_num;

    # 空間定位

    Location_module=nn.Squential(nn.Conv2d(1,8,3),

    nn.MaxPool2d(2,2),

    nn.Relu(True),

    nn.Conv2d(8,10,5),

    nn.MaxPool2d(2,2),

    nn.ReLU(True))

    #3*2 仿射變換回歸器

    fc_loc=nn.Sequential(

    nn.Linear(10 * 3 * 3, 32),

    nn.ReLU(True),

    nn.Linear(32, 3 * 2)

    )

    # 組合特征塊

    Combine input features

    特征加權(quán)模塊表示如下;

    # 劃分特征塊

    Split input features into split_num;

    # 平均池化

    avg_pool = nn.AdaptiveAvgPool2d(1)

    # 特征加權(quán)以及特征賦值

    fc=nn.Sequential(

    nn.Linear(channel, channel // reduc tion, bias=False),

    nn.ReLU(inplace=True),

    nn.Linear(channel // reduction, channel, bias=False),

    nn.Sigmoid()

    )

    # 組合特征塊

    Combine input features

    Step6網(wǎng)絡(luò)前向傳播獲得預測值。

    Step7用式(9)計算損失函數(shù),并計算配準評價指標。

    Step8使用梯度下降算法,如式(10)所示,網(wǎng)絡(luò)反向傳播。

    (10)

    Step9迭代次數(shù)或損失函數(shù)是否滿足要求,若滿足要求,則執(zhí)行Step 10,若不滿足要求,則執(zhí)行Step 5。

    Step10配準算法結(jié)束。

    3 實 驗

    實驗采用的硬件設(shè)備是顯存大小為12 GB的Nvidia GeForce GT1080ti GPU以及Intel i7 8700 CPU,軟件環(huán)境采用Python 3.6,機器學習處理包sklearn以及醫(yī)學圖像處理工具SimpleITK,配準實驗基于深度學習框架Pytorch[27]實現(xiàn)。初始學習率設(shè)置為0.000 01,并使用初始動量為0.9的Adam優(yōu)化器。迭代次數(shù)設(shè)置為2萬次,并采用隨機梯度下降(Stochastic Gradient Descent,SGD)更新網(wǎng)絡(luò)參數(shù),正則化系數(shù)λ設(shè)置為1.0。

    3.1 數(shù)據(jù)集與實驗參數(shù)

    本文分別在腦部數(shù)據(jù)以及肝臟數(shù)據(jù)上進行了配準實驗。肝臟數(shù)據(jù)集來自MSD[21]以及SLIVER[22],腦部數(shù)據(jù)集來自ADNI[23]、ABIDE[24]、LBPA[25]。所有的數(shù)據(jù)重采樣為132×132×132分辨率大小,并用醫(yī)學圖像處理工具FreeSurfer[26]進行了包括初步配準、腦部區(qū)域提取等標準預處理步驟。提取肝臟掃描數(shù)據(jù)、腦部掃描數(shù)據(jù)總計1 000個,其中800個用于訓練配準模型,100個用于驗證模型,100個用于測試模型。此外,為了增加實驗數(shù)據(jù),所有數(shù)據(jù)都進行一系列數(shù)據(jù)增強操作,如二維旋轉(zhuǎn)、中心裁剪、數(shù)據(jù)扭曲等。實驗樣例圖像如圖8所示。

    圖8 實驗樣例圖像

    3.2 評價指標

    本文采用Dice系數(shù)評價配準與固定圖像之間的重合程度:

    (11)

    式中:Dice系數(shù)范圍為[0,1]。當Dice系數(shù)為1時表示配準圖像與固定圖像完全匹配,當Dice系數(shù)為0時表示配準圖像與固定圖像完全不匹配。

    3.3 腦圖像配準實驗

    本文評估了不同實驗參數(shù)對配準效果的影響,評價標準為驗證集Dice系數(shù)、一段時間后評價指標是否變化、網(wǎng)絡(luò)收斂時間。評估參數(shù)包括正則化系數(shù)λ、迭代次數(shù)、Adam優(yōu)化器初始動量、學習率。結(jié)果如表1-表4所示。

    表1 迭代次數(shù)對配準精度的影響

    表2 正則化系數(shù)對配準精度的影響

    表3 Adam初始動量對配準精度的影響

    表4 學習率對配準精度的影響

    根據(jù)表1可知,迭代次數(shù)為20 000次時,一段時間后驗證集評價不再變化,故本文設(shè)置的迭代次數(shù)為20 000次。根據(jù)表2可知,正則化系數(shù)λ=1時,驗證指標Dice系數(shù)最高,故本文設(shè)置的正則化系數(shù)為1。根據(jù)表3可知,Adam初始動量為0.90時,驗證集Dice系數(shù)指標最高,故本文設(shè)置的Adam初始動量為0.90。根據(jù)表4可知,學習率為0.000 01時,配準網(wǎng)絡(luò)已經(jīng)收斂,并且驗證集Dice系數(shù)指標最高,當學習率為0.000 1時,雖然配準網(wǎng)絡(luò)已經(jīng)收斂,但是其驗證集Dice系數(shù)低于學習率為0.000 01時Dice系數(shù),故本文設(shè)置的學習率為0.000 01。

    圖9為本文配準方法對于腦部圖像的配準結(jié)果,此外,為了說明本文配準模型的有效性與準確性,與UtilzReg方法[28]以及FAIM方法[29]進行了對比。

    圖9 腦部圖像配準結(jié)果

    本文選取了兩個切片的配準結(jié)果如圖9第一行以及第二行所示,圖9中第三行是第二行配準結(jié)果的局部放大圖。從固定圖像與浮動圖像中可以看出,固定圖像的外形輪廓與浮動圖像有較大差別,兩者內(nèi)部組織結(jié)構(gòu)也不相同,固定圖像內(nèi)部組織如腦白質(zhì)、腦灰質(zhì)等紋理較為簡單,而浮動圖像內(nèi)部組織的紋理比較復雜,這對配準算法的空間變換性能提出了較高要求。

    圖9(c)為本文提出的配準方法的配準結(jié)果,本文方法可以針對浮動圖像與固定圖像之間的差異,對浮動圖像的外部輪廓以及內(nèi)部組織紋理進行準確的空間變換,這表明本文提出的基于特征塊的雙通道空間變換網(wǎng)絡(luò)FPDC-STN以及特征通道加權(quán)能夠捕捉圖像細節(jié)特征,對圖像局部做出準確配準。圖9(d)為FAIM配準方法的配準結(jié)果,可以看出,F(xiàn)AIM方法能夠根據(jù)固定圖像與浮動圖像之間的整體輪廓差異對浮動圖像做出較為準確的空間變換。然而,相比本文配準方法,F(xiàn)AIM方法針對圖像局部細節(jié)處理仍顯不足,配準結(jié)果中局部細節(jié)與浮動圖像差異不大,這說明FAIM方法不能準確地根據(jù)局部圖像細節(jié)對浮動圖像進行空間形變。圖9(e)為UtilzReg方法的配準結(jié)果,整體來說,此方法與FAIM方法差距不大,在處理圖像配準細節(jié)上較差。

    表5為本文方法與FAIM方法以及UtilzReg方法的評價結(jié)果,本文進行了10次重復實驗,對配準結(jié)果計算Dice指標的平均值以及標準差??梢钥闯觯疚姆椒ㄋ〉玫钠骄鵇ice指標相比FAIM方法提高2.7%,相比UtilzReg方法提高1.4%,在幾種方法中取得最高的Dice系數(shù)。從配準穩(wěn)定程度上看,本文的Dice指標的標準差最小,也是三種配準方法中最穩(wěn)定的算法。

    表5 各方法腦部配準評價

    3.4 肝臟圖像配準實驗

    圖10為本文在肝臟圖像上的配準結(jié)果,同時也與FAIM算法以及UtilzReg算法比較了肝臟圖像配準的有效性與準確性,結(jié)果如表6所示。

    圖10 肝臟圖像配準結(jié)果

    表6 各方法肝臟配準評價

    圖10第一行與第二行為選取的部分切片圖像配準結(jié)果,第三行為第二行配準結(jié)果的局部放大圖??梢钥闯觯疚呐錅史椒軌蜉^準確地處理圖像細節(jié),如圖10(c)所示,針對固定圖像中的局部亮點,本文配準方法能夠?qū)Ω訄D像進行局部空間變換,配準結(jié)果與固定圖像差異不大。對于FAIM以及UtilzReg方法,兩者能較好地對肝臟整體輪廓作出形變,但是在處理局部細節(jié)時仍然存在較多孤立像素點以及局部空間變換不足等問題。表6表明,與FAIM配準方法相比,本文方法平均Dice系數(shù)提高了8.5%,與UtilzReg方法相比,本文方法提高了3.6%。本文方法在保持最高平均Dice評教指標的同時,具有較好的穩(wěn)定性。

    4 結(jié) 語

    本文在現(xiàn)有基于空間變換網(wǎng)絡(luò)的編碼-解碼配準模型基礎(chǔ)上,提出了針對特征融合的特征加權(quán)模塊以及基于特征塊的雙通道空間變換網(wǎng)絡(luò)FPDC-STN;針對空間變換網(wǎng)絡(luò)無法有效解決圖像局部空間變換、感受野有限,以及空間變換參數(shù)無法共享等問題,本文提出的基于特征塊的雙通道空間變換網(wǎng)絡(luò)能夠針對拆分的特征塊進行準確局部變換;同時,利用雙通道策略以及兩種尺寸大小不同的分組卷積策略,共享空間變換網(wǎng)絡(luò),有利于減少網(wǎng)絡(luò)參數(shù)量和提高網(wǎng)絡(luò)的空間變換能力。此外,本文提出的特征加權(quán)模塊以及特征塊變換模塊通過兩個大小不同的卷積核,獲取不同大小的感受野,本文提出的配準算法可以對自然圖像和醫(yī)學圖像進行特征變換和特征加權(quán),作為具體應用實例,本文在醫(yī)學圖像上驗證了其配準有效性和準確性,進一步提升了圖像的空間變換性能,提高了圖像的配準精度。

    猜你喜歡
    雙通道浮動解碼
    中國船級社(CCS)發(fā)布 《海上浮動設(shè)施入級規(guī)范》(2023)
    《解碼萬噸站》
    近端胃切除雙通道重建及全胃切除術(shù)用于胃上部癌根治術(shù)的療效
    解碼eUCP2.0
    中國外匯(2019年19期)2019-11-26 00:57:32
    NAD C368解碼/放大器一體機
    Quad(國都)Vena解碼/放大器一體機
    一種用于剪板機送料的液壓浮動夾鉗
    帶有浮動機構(gòu)的曲軸孔鏜刀應用研究
    采用6.25mm×6.25mm×1.8mm LGA封裝的雙通道2.5A、單通道5A超薄微型模塊穩(wěn)壓器
    分類高考能否打通“雙通道”
    成年女人毛片免费观看观看9 | 啦啦啦在线免费观看视频4| 老熟妇乱子伦视频在线观看 | 色精品久久人妻99蜜桃| 国产男人的电影天堂91| 一本大道久久a久久精品| 丝袜在线中文字幕| 美女高潮喷水抽搐中文字幕| 久久天躁狠狠躁夜夜2o2o| 亚洲精品乱久久久久久| 欧美乱码精品一区二区三区| 久久久久久久国产电影| 美女高潮喷水抽搐中文字幕| 一区在线观看完整版| 国产人伦9x9x在线观看| 国产精品国产三级国产专区5o| 久久国产精品男人的天堂亚洲| 亚洲av日韩精品久久久久久密| 国产av又大| 成人影院久久| 天堂俺去俺来也www色官网| 午夜免费观看性视频| 肉色欧美久久久久久久蜜桃| 精品久久蜜臀av无| 成年人午夜在线观看视频| 中文字幕精品免费在线观看视频| 麻豆乱淫一区二区| 日韩欧美国产一区二区入口| 欧美黑人精品巨大| 午夜福利免费观看在线| 亚洲av国产av综合av卡| 极品人妻少妇av视频| 国产高清国产精品国产三级| 无限看片的www在线观看| 欧美日韩黄片免| 久久人人97超碰香蕉20202| 一个人免费看片子| 国产一区二区三区在线臀色熟女 | 国产野战对白在线观看| 叶爱在线成人免费视频播放| 国产麻豆69| 精品国内亚洲2022精品成人 | 黄色怎么调成土黄色| 亚洲欧美激情在线| 在线精品无人区一区二区三| 日韩有码中文字幕| 男男h啪啪无遮挡| 久久久久久人人人人人| 成人亚洲精品一区在线观看| 国产97色在线日韩免费| 免费日韩欧美在线观看| 日韩 欧美 亚洲 中文字幕| 一个人免费在线观看的高清视频 | 建设人人有责人人尽责人人享有的| 考比视频在线观看| 亚洲精品日韩在线中文字幕| 欧美大码av| 亚洲欧美日韩另类电影网站| 久久av网站| 国产成人影院久久av| 男女高潮啪啪啪动态图| 秋霞在线观看毛片| 国产在线视频一区二区| 99久久国产精品久久久| 久久久久精品国产欧美久久久 | 五月开心婷婷网| 亚洲国产看品久久| tube8黄色片| 亚洲男人天堂网一区| cao死你这个sao货| 老司机午夜十八禁免费视频| 日本猛色少妇xxxxx猛交久久| 精品国产乱子伦一区二区三区 | 91麻豆精品激情在线观看国产 | 亚洲国产日韩一区二区| 人妻 亚洲 视频| kizo精华| 一区福利在线观看| 国产精品.久久久| 母亲3免费完整高清在线观看| 最黄视频免费看| 欧美另类亚洲清纯唯美| 91精品伊人久久大香线蕉| 国产精品99久久99久久久不卡| 亚洲精品国产av蜜桃| 午夜免费观看性视频| 99精国产麻豆久久婷婷| 久久性视频一级片| 少妇的丰满在线观看| 国产人伦9x9x在线观看| 少妇猛男粗大的猛烈进出视频| 免费日韩欧美在线观看| 亚洲精品中文字幕在线视频| 18禁观看日本| 午夜影院在线不卡| 亚洲精品粉嫩美女一区| 亚洲av国产av综合av卡| 一区二区三区精品91| 欧美日本中文国产一区发布| 91av网站免费观看| 精品一品国产午夜福利视频| 久久久久久久精品精品| netflix在线观看网站| a级毛片黄视频| 亚洲精品在线美女| 丝瓜视频免费看黄片| 亚洲精品久久成人aⅴ小说| 欧美黄色片欧美黄色片| 亚洲九九香蕉| 日韩大码丰满熟妇| 国产成人免费观看mmmm| 国产日韩一区二区三区精品不卡| 一本久久精品| tube8黄色片| av网站免费在线观看视频| 高清在线国产一区| 超碰97精品在线观看| 国产精品二区激情视频| 国产区一区二久久| 国产精品久久久久成人av| 精品人妻一区二区三区麻豆| a级片在线免费高清观看视频| 国产一区二区三区在线臀色熟女 | 淫妇啪啪啪对白视频 | 精品福利永久在线观看| 成人黄色视频免费在线看| svipshipincom国产片| 久热爱精品视频在线9| 日韩有码中文字幕| 免费在线观看视频国产中文字幕亚洲 | 三上悠亚av全集在线观看| 亚洲av日韩精品久久久久久密| 国产区一区二久久| 性色av一级| 国产精品.久久久| 亚洲精品乱久久久久久| 动漫黄色视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 国产高清国产精品国产三级| 亚洲少妇的诱惑av| 18在线观看网站| 精品少妇久久久久久888优播| 亚洲av成人不卡在线观看播放网 | 午夜两性在线视频| 老司机影院毛片| 婷婷丁香在线五月| 悠悠久久av| 天天添夜夜摸| 久久久精品94久久精品| www.自偷自拍.com| 中国美女看黄片| 精品国产乱子伦一区二区三区 | 免费av中文字幕在线| 动漫黄色视频在线观看| 精品免费久久久久久久清纯 | 国产成人欧美在线观看 | 国产精品久久久久成人av| 考比视频在线观看| 免费不卡黄色视频| 老熟妇乱子伦视频在线观看 | 国产男女内射视频| 久久久久久久国产电影| 最近最新免费中文字幕在线| 亚洲中文日韩欧美视频| 国产av一区二区精品久久| 亚洲色图 男人天堂 中文字幕| 中文字幕av电影在线播放| 人人妻,人人澡人人爽秒播| 51午夜福利影视在线观看| www.精华液| 美女视频免费永久观看网站| 91av网站免费观看| 一级毛片女人18水好多| 午夜福利乱码中文字幕| 极品人妻少妇av视频| 丝袜脚勾引网站| 宅男免费午夜| 成年女人毛片免费观看观看9 | 久久午夜综合久久蜜桃| 91成人精品电影| 中国美女看黄片| 午夜福利视频精品| 黄片小视频在线播放| 亚洲国产av新网站| 性色av一级| 精品久久久久久久毛片微露脸 | 老熟妇仑乱视频hdxx| 免费观看av网站的网址| 国产亚洲欧美精品永久| av不卡在线播放| 999久久久国产精品视频| h视频一区二区三区| 成在线人永久免费视频| 免费人妻精品一区二区三区视频| 18禁裸乳无遮挡动漫免费视频| 啦啦啦中文免费视频观看日本| 美女国产高潮福利片在线看| 在线观看人妻少妇| 欧美日韩中文字幕国产精品一区二区三区 | 人人澡人人妻人| 欧美日韩av久久| 午夜免费成人在线视频| 19禁男女啪啪无遮挡网站| 国产黄色免费在线视频| 搡老乐熟女国产| 亚洲专区中文字幕在线| 免费高清在线观看视频在线观看| 亚洲精品国产av成人精品| 1024香蕉在线观看| 各种免费的搞黄视频| 久久国产精品影院| 日韩欧美免费精品| 国产av国产精品国产| 天天躁狠狠躁夜夜躁狠狠躁| 成人手机av| 国产精品久久久久成人av| 深夜精品福利| 久久久久国产一级毛片高清牌| 性色av一级| 男女之事视频高清在线观看| 窝窝影院91人妻| 日韩精品免费视频一区二区三区| 老司机午夜十八禁免费视频| 老司机靠b影院| 狠狠狠狠99中文字幕| 久久99热这里只频精品6学生| 天天影视国产精品| 久久这里只有精品19| 下体分泌物呈黄色| 肉色欧美久久久久久久蜜桃| 啦啦啦中文免费视频观看日本| 男女无遮挡免费网站观看| 欧美日韩一级在线毛片| 丰满饥渴人妻一区二区三| 国产有黄有色有爽视频| 少妇猛男粗大的猛烈进出视频| 久久久精品免费免费高清| 99热国产这里只有精品6| 曰老女人黄片| 国内毛片毛片毛片毛片毛片| av在线播放精品| 日韩欧美一区视频在线观看| 操美女的视频在线观看| 三上悠亚av全集在线观看| 国产精品 国内视频| 国产免费一区二区三区四区乱码| 国产一区二区三区综合在线观看| 91大片在线观看| 新久久久久国产一级毛片| 两性夫妻黄色片| 岛国在线观看网站| 午夜福利在线免费观看网站| 国产99久久九九免费精品| 久久精品aⅴ一区二区三区四区| 18禁黄网站禁片午夜丰满| 又紧又爽又黄一区二区| 天堂中文最新版在线下载| 黄色怎么调成土黄色| 成年动漫av网址| 一区二区av电影网| 成人av一区二区三区在线看 | 男人舔女人的私密视频| 亚洲av国产av综合av卡| a 毛片基地| 国产成人精品在线电影| 啦啦啦中文免费视频观看日本| 人妻 亚洲 视频| 在线av久久热| 成人国产一区最新在线观看| 一区在线观看完整版| 性色av一级| 日本a在线网址| 久久 成人 亚洲| 国产不卡av网站在线观看| 亚洲精品乱久久久久久| 亚洲伊人色综图| 青草久久国产| 少妇 在线观看| 国产亚洲精品久久久久5区| 一级毛片女人18水好多| 免费在线观看完整版高清| av又黄又爽大尺度在线免费看| 久久人人97超碰香蕉20202| 嫁个100分男人电影在线观看| 久久精品亚洲熟妇少妇任你| 91成年电影在线观看| 亚洲欧洲精品一区二区精品久久久| 一个人免费看片子| 女人精品久久久久毛片| 日本五十路高清| 精品熟女少妇八av免费久了| 999精品在线视频| 一级片免费观看大全| 搡老熟女国产l中国老女人| 国产一区二区三区综合在线观看| 淫妇啪啪啪对白视频 | 少妇的丰满在线观看| 成年av动漫网址| 国产黄频视频在线观看| 国产亚洲av高清不卡| 国产福利在线免费观看视频| 99国产精品一区二区三区| 久久久国产精品麻豆| 精品第一国产精品| 亚洲,欧美精品.| 欧美另类亚洲清纯唯美| 青春草视频在线免费观看| 99久久精品国产亚洲精品| 免费在线观看影片大全网站| 免费观看a级毛片全部| 亚洲精品成人av观看孕妇| 亚洲一码二码三码区别大吗| 久久精品亚洲熟妇少妇任你| 黄色视频,在线免费观看| 日本av手机在线免费观看| 午夜福利一区二区在线看| 成年女人毛片免费观看观看9 | 国产亚洲精品一区二区www | 国产在线视频一区二区| xxxhd国产人妻xxx| 他把我摸到了高潮在线观看 | 97人妻天天添夜夜摸| 国产亚洲精品久久久久5区| 大片免费播放器 马上看| 精品少妇黑人巨大在线播放| 黑人欧美特级aaaaaa片| 久久亚洲国产成人精品v| 日韩大片免费观看网站| 建设人人有责人人尽责人人享有的| 成人亚洲精品一区在线观看| 婷婷丁香在线五月| 男女午夜视频在线观看| e午夜精品久久久久久久| 欧美亚洲日本最大视频资源| 肉色欧美久久久久久久蜜桃| 狂野欧美激情性xxxx| 一区在线观看完整版| 精品国内亚洲2022精品成人 | 亚洲专区中文字幕在线| 欧美激情 高清一区二区三区| 女警被强在线播放| 女人爽到高潮嗷嗷叫在线视频| 国产精品1区2区在线观看. | av福利片在线| 免费在线观看视频国产中文字幕亚洲 | 成年av动漫网址| 亚洲九九香蕉| 亚洲熟女精品中文字幕| 一区在线观看完整版| 可以免费在线观看a视频的电影网站| 美女福利国产在线| 久久人人爽人人片av| 男女床上黄色一级片免费看| 香蕉国产在线看| 高清欧美精品videossex| 久久天堂一区二区三区四区| 免费在线观看黄色视频的| av电影中文网址| kizo精华| 首页视频小说图片口味搜索| 黄网站色视频无遮挡免费观看| 亚洲av电影在线进入| 欧美精品av麻豆av| 嫩草影视91久久| 久久精品成人免费网站| 99久久综合免费| 亚洲国产看品久久| 亚洲欧美成人综合另类久久久| 亚洲va日本ⅴa欧美va伊人久久 | 久久久久国内视频| 夜夜骑夜夜射夜夜干| 大陆偷拍与自拍| 亚洲成人手机| 五月开心婷婷网| 日日摸夜夜添夜夜添小说| 精品人妻熟女毛片av久久网站| 丰满迷人的少妇在线观看| 国产不卡av网站在线观看| svipshipincom国产片| 午夜福利乱码中文字幕| 中文字幕最新亚洲高清| 黄片小视频在线播放| 久久影院123| a级片在线免费高清观看视频| 高清在线国产一区| 亚洲国产精品999| 国产精品一区二区在线不卡| 91麻豆精品激情在线观看国产 | 亚洲男人天堂网一区| 制服人妻中文乱码| 他把我摸到了高潮在线观看 | 九色亚洲精品在线播放| 视频在线观看一区二区三区| 另类精品久久| 美女主播在线视频| 91字幕亚洲| 精品国产一区二区久久| 国产深夜福利视频在线观看| 99热网站在线观看| 国产野战对白在线观看| 日韩中文字幕视频在线看片| 精品一区二区三卡| 欧美日韩亚洲国产一区二区在线观看 | 午夜成年电影在线免费观看| 少妇被粗大的猛进出69影院| 欧美大码av| a级片在线免费高清观看视频| 久久久久久久久免费视频了| 亚洲第一青青草原| 啦啦啦中文免费视频观看日本| 国产一区二区激情短视频 | 国产成人精品久久二区二区91| www日本在线高清视频| www.av在线官网国产| 午夜成年电影在线免费观看| 王馨瑶露胸无遮挡在线观看| 老熟妇乱子伦视频在线观看 | 国产三级黄色录像| 午夜日韩欧美国产| 亚洲av美国av| 国产男人的电影天堂91| 韩国精品一区二区三区| 久久性视频一级片| 一边摸一边抽搐一进一出视频| 午夜福利在线免费观看网站| 亚洲av电影在线观看一区二区三区| 男女午夜视频在线观看| 99精品久久久久人妻精品| 九色亚洲精品在线播放| 欧美日韩亚洲综合一区二区三区_| 国产av国产精品国产| 欧美变态另类bdsm刘玥| 亚洲国产欧美在线一区| 午夜免费观看性视频| 亚洲国产精品一区三区| 十八禁网站网址无遮挡| 亚洲中文日韩欧美视频| 51午夜福利影视在线观看| a级毛片黄视频| 亚洲av国产av综合av卡| 飞空精品影院首页| 桃花免费在线播放| 极品少妇高潮喷水抽搐| 欧美成狂野欧美在线观看| 高清欧美精品videossex| 视频区欧美日本亚洲| 一级毛片女人18水好多| 91成年电影在线观看| 搡老熟女国产l中国老女人| 满18在线观看网站| 秋霞在线观看毛片| 最黄视频免费看| 精品亚洲乱码少妇综合久久| 日韩中文字幕视频在线看片| 1024香蕉在线观看| 久久人人爽av亚洲精品天堂| 久久精品人人爽人人爽视色| 亚洲欧美日韩另类电影网站| 嫁个100分男人电影在线观看| 久久久久久人人人人人| 一本—道久久a久久精品蜜桃钙片| 日韩电影二区| 91老司机精品| 亚洲性夜色夜夜综合| 在线 av 中文字幕| 久久精品亚洲av国产电影网| 久久人人97超碰香蕉20202| 爱豆传媒免费全集在线观看| 18禁国产床啪视频网站| 久久国产亚洲av麻豆专区| 狠狠婷婷综合久久久久久88av| 手机成人av网站| 国产黄频视频在线观看| 老熟女久久久| 国产成人啪精品午夜网站| 黄片小视频在线播放| 美女福利国产在线| 日韩视频一区二区在线观看| 国产成人免费无遮挡视频| 国产野战对白在线观看| 久久精品熟女亚洲av麻豆精品| 两性夫妻黄色片| a级毛片黄视频| 黄频高清免费视频| 丝袜美足系列| 国产在线免费精品| 50天的宝宝边吃奶边哭怎么回事| 亚洲男人天堂网一区| 两个人看的免费小视频| 亚洲精品久久成人aⅴ小说| 自拍欧美九色日韩亚洲蝌蚪91| 久久精品国产a三级三级三级| 后天国语完整版免费观看| 激情视频va一区二区三区| 欧美亚洲 丝袜 人妻 在线| 亚洲精品一卡2卡三卡4卡5卡 | 欧美日韩亚洲综合一区二区三区_| 国产高清国产精品国产三级| 日韩精品免费视频一区二区三区| 极品人妻少妇av视频| 午夜两性在线视频| 欧美日韩亚洲综合一区二区三区_| 99久久99久久久精品蜜桃| 亚洲人成77777在线视频| 免费一级毛片在线播放高清视频 | 成人av一区二区三区在线看 | 国产精品一区二区精品视频观看| 黄片小视频在线播放| 亚洲国产av新网站| 久久久久久久大尺度免费视频| 亚洲国产欧美一区二区综合| 曰老女人黄片| 精品国产乱码久久久久久男人| 午夜免费鲁丝| 欧美精品高潮呻吟av久久| 交换朋友夫妻互换小说| 欧美性长视频在线观看| 在线精品无人区一区二区三| 首页视频小说图片口味搜索| 涩涩av久久男人的天堂| 少妇人妻久久综合中文| 亚洲国产欧美日韩在线播放| 国产欧美日韩一区二区精品| 成人av一区二区三区在线看 | a级毛片黄视频| 交换朋友夫妻互换小说| 欧美 亚洲 国产 日韩一| 亚洲九九香蕉| 超碰成人久久| 性色av乱码一区二区三区2| 99国产精品一区二区三区| 国产av精品麻豆| 热re99久久国产66热| 人人妻人人澡人人爽人人夜夜| 亚洲色图综合在线观看| 亚洲久久久国产精品| 久久综合国产亚洲精品| 十八禁网站网址无遮挡| 久久久久久久久免费视频了| 亚洲,欧美精品.| 国产男女内射视频| 精品一区二区三卡| 亚洲av男天堂| 国产亚洲精品一区二区www | 国产精品亚洲av一区麻豆| 少妇粗大呻吟视频| 亚洲天堂av无毛| 欧美亚洲日本最大视频资源| 国产色视频综合| 美女视频免费永久观看网站| 国产欧美日韩一区二区精品| 免费在线观看影片大全网站| 久9热在线精品视频| 飞空精品影院首页| 国产一区二区三区av在线| 一级a爱视频在线免费观看| 午夜福利在线观看吧| 人妻人人澡人人爽人人| 亚洲欧美一区二区三区黑人| www日本在线高清视频| 天天操日日干夜夜撸| 黄色视频在线播放观看不卡| 国产精品 国内视频| 日韩一区二区三区影片| 国产成人影院久久av| 国产精品国产三级国产专区5o| 嫁个100分男人电影在线观看| 国产日韩欧美亚洲二区| 国产一区二区 视频在线| 中文字幕人妻丝袜制服| 亚洲精品在线美女| 99热网站在线观看| 中文字幕人妻丝袜一区二区| 老司机深夜福利视频在线观看 | 91成人精品电影| 亚洲国产精品一区三区| 国产免费福利视频在线观看| 妹子高潮喷水视频| 日本vs欧美在线观看视频| 波多野结衣av一区二区av| 狂野欧美激情性xxxx| 亚洲欧美一区二区三区久久| 91成人精品电影| 视频在线观看一区二区三区| 亚洲精品成人av观看孕妇| 一级片免费观看大全| 亚洲欧美清纯卡通| 男女下面插进去视频免费观看| 热99国产精品久久久久久7| 亚洲一区二区三区欧美精品| 国产精品久久久久久精品古装| 日韩有码中文字幕| av线在线观看网站| 国产精品秋霞免费鲁丝片| 十八禁高潮呻吟视频| 精品久久久久久电影网| 在线观看人妻少妇| 国产成人啪精品午夜网站| 国产又色又爽无遮挡免| 精品一区二区三区av网在线观看 | 一本久久精品| 天天操日日干夜夜撸| 黄网站色视频无遮挡免费观看| 国产一区二区三区av在线| 亚洲精品国产av蜜桃| 精品久久久久久电影网| 国产日韩欧美在线精品| 男女高潮啪啪啪动态图| 十八禁网站免费在线| 黑人操中国人逼视频| 啪啪无遮挡十八禁网站| 韩国高清视频一区二区三区| 女警被强在线播放| 国产真人三级小视频在线观看| 欧美国产精品一级二级三级|