• <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 ?

    面向各向異性3D-MRI圖像超分辨率重建的ESRGAN網(wǎng)絡(luò)

    2022-06-21 06:14:32賈媛媛1b賀向前韓寶如祝華正杜井龍
    重慶大學(xué)學(xué)報 2022年5期
    關(guān)鍵詞:低分辨率分辨率圖像

    張 建,賈媛媛,1b,賀向前,韓寶如,祝華正,杜井龍

    (1.重慶醫(yī)科大學(xué) a.醫(yī)學(xué)信息學(xué)院; b. 醫(yī)學(xué)數(shù)據(jù)研究院,重慶 400016;2.重慶科技學(xué)院 智能技術(shù)與工程學(xué)院,重慶 401331)

    高分辨率磁共振圖像(MRI, magnetic resonance images)可以為醫(yī)生提供更加豐富的病理信息,提高診斷可信度,在醫(yī)療診斷中極其重要。然而在MRI成像過程中,獲取高分辨率的圖像需要更長的掃描時間和更高的信噪比,但病人難以長時間保持靜止不動。為了縮短掃描時間,通常采用方法是加大掃描層厚,但是這將會導(dǎo)致3D-MRI圖像的分辨率降低,最終限制后期對圖像的處理、分析和疾病的診斷。

    超分辨率(SR, super resolution)重建是一種利用單幅或多幅低分辨率圖像重建出高分辨率圖像的技術(shù)。近年來,隨著深度學(xué)習(xí)技術(shù)的發(fā)展,基于學(xué)習(xí)的SR重建算法取得了較好的效果?;谏疃染矸e神經(jīng)網(wǎng)絡(luò)(DCNN, deep convolutional neural network)的SR重建算法能夠自動從數(shù)據(jù)中提取特征,可以構(gòu)建更為抽象的特征表示,因此取代了手工提取特征和創(chuàng)建算法的傳統(tǒng)機(jī)器學(xué)習(xí)方法以及其它淺層學(xué)習(xí)算法。Pham[1]和Srinivasan[2]等人將卷積神經(jīng)網(wǎng)絡(luò)(CNN, convolutional neural network)用于SR重建3D-MRI圖像,取得了較理想的重建結(jié)果。為不斷提高3D-MRI圖像SR重建精度,研究者們提出了多種不同的網(wǎng)絡(luò)結(jié)構(gòu)。如Pham[1]等提出了3D殘差卷積神經(jīng)網(wǎng)絡(luò),對腦部3D-MRI圖像進(jìn)行多尺度SR重建;Chen[3]等人使用3D稠密網(wǎng)絡(luò)(DenseNet)在K空間對3D-MRI圖像進(jìn)行SR重建,該算法可以實(shí)現(xiàn)特征復(fù)用,減少模型參數(shù)。然而,上述基于CNN的SR重建算法以提高峰值信噪比(PSNR, peak signal to noise ratio)為訓(xùn)練目標(biāo),但PSNR度量無法模擬人類的視覺機(jī)制,會導(dǎo)致SR結(jié)果過于平滑、細(xì)節(jié)模糊,具有重建精度低、感知質(zhì)量差等缺點(diǎn)。近年來,生成對抗網(wǎng)絡(luò)(GAN, generative adversarial network)的出現(xiàn)在一定程度上解決了上述問題,進(jìn)一步提高圖像SR重建結(jié)果的視覺感知質(zhì)量。相比較于一般的CNN模型,GAN采用判別網(wǎng)絡(luò)隱式地作為優(yōu)化目標(biāo),能夠在概率密度無法計(jì)算時逼近目標(biāo)函數(shù),生成與原始高分辨率圖像幾乎無法區(qū)分的、更加符合人眼視覺的真實(shí)圖像,有著更強(qiáng)的生成能力和學(xué)習(xí)能力。隨后,研究者們將GAN網(wǎng)絡(luò)引入到了3D-MRI圖像的SR重建研究中[4-5]。Chen[6]等人證明利用GAN網(wǎng)絡(luò)SR重建3D-MRI圖像可以獲得更豐富的紋理細(xì)節(jié)信息。但目前利用GAN網(wǎng)絡(luò)對3D-MRI圖像進(jìn)行SR重建的相關(guān)研究較少,其主要原因是MRI圖像為3D數(shù)據(jù),會導(dǎo)致GAN網(wǎng)絡(luò)模型的參數(shù)量急劇增大,網(wǎng)絡(luò)模型訓(xùn)練時間較長,對內(nèi)存的需求也急劇增加。

    將增強(qiáng)型超分辨率生成對抗網(wǎng)絡(luò)(ESRGAN, enhanced super-resolution generative adversarial networks)[7]模型引入到3D-MRI圖像的SR重建中,并采用視覺損失函數(shù)作為目標(biāo)優(yōu)化函數(shù),從而使SR重建結(jié)果更符合人類視覺機(jī)制。此外,為了降低模型的復(fù)雜度,減少參數(shù),加快模型訓(xùn)練的速度,利用3D-MRI圖像的跨層面自相似性,將3D-MRI圖像SR重建任務(wù)降維。

    1 研究算法

    研究主要采用ESRGAN網(wǎng)絡(luò)對3D-MRI圖像進(jìn)行SR重建,并利用3D-MRI圖像的跨層面自相似性,將SR重建任務(wù)降維。算法的主要步驟如下圖1所示:

    圖1 算法框架Fig.1 The algorithm framework of this paper

    ①提取低分辨率3D-MRI圖像切片:分別沿層面選擇方向提取各向異性3D-MRI圖像的低分辨率二維切片圖像,該過程可提取出2種尺寸的低分辨率圖像。

    ②SR重建:將兩組低分辨率二維切片分別輸入ESRGAN網(wǎng)絡(luò),重建高分辨圖像,以復(fù)原圖像的細(xì)節(jié)信息,ESRGAN網(wǎng)絡(luò)的具體結(jié)構(gòu)將進(jìn)行詳細(xì)介紹。

    ③融合圖像:分別將SR重建后的高分辨率圖像按照切片的原索引位置還原,以產(chǎn)生3D-MRI圖像,然后將產(chǎn)生的2幅三維圖像融合,最終產(chǎn)生1幅各向同性高分辨率3D-MRI圖像。

    1.1 ESRGAN網(wǎng)絡(luò)結(jié)構(gòu)

    ESRGAN網(wǎng)絡(luò)包含1個生成網(wǎng)絡(luò)、1個鑒別網(wǎng)絡(luò)。在不斷提高判斷能力的鑒別網(wǎng)絡(luò)的持續(xù)反饋下,不斷改善生成網(wǎng)絡(luò)的生成參數(shù),直到生成網(wǎng)絡(luò)生成的結(jié)果能夠通過鑒別網(wǎng)絡(luò)的判斷。

    1.1.1 ESRGAN生成網(wǎng)絡(luò)

    ESRGAN的生成網(wǎng)絡(luò)部分仍然采用了SRResNet[8](如圖2所示)的基本網(wǎng)絡(luò)架構(gòu),其中大部分計(jì)算是在LR特征空間中完成的。在LR特征空間進(jìn)行計(jì)算,處理的數(shù)據(jù)量會較小,因此對計(jì)算量和顯存消耗也較少,可以提高SR重建的速度。原始的SRResNet網(wǎng)絡(luò)架構(gòu)中包含16個基本殘差塊,每個殘差塊中包含2個3×3的卷積層,卷積層后接批量歸一化層(BN, batch normalization)和參數(shù)化ReLU[9]作為激活函數(shù),2個尺度為2的子像素卷積層(sub-pixel convolution layers)[10]用來增大特征圖尺寸。使用的ESRGAN對其“Basic Block”進(jìn)行了修改并取得了更好的性能。ESRGAN網(wǎng)絡(luò)相較于SRGAN網(wǎng)絡(luò)的主要改進(jìn)有以下幾個方面:

    圖2 SRResNet結(jié)構(gòu)(ESRGAN的生成網(wǎng)絡(luò))Fig.2 The structure of Generative Network of ESRGAN

    1)剔除了生成網(wǎng)絡(luò)中所有的BN層,如圖3(a)所示。研究發(fā)現(xiàn),在不同的面向PSNR的任務(wù)中(包括SR和去模糊任務(wù)),去除BN層可以提高性能并降低計(jì)算復(fù)雜度。當(dāng)訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的統(tǒng)計(jì)差異很大時,BN層容易引入偽影,限制了模型的泛化能力,降低了模型的穩(wěn)定性。因此,為了提高模型的穩(wěn)定性和泛化能力,ESRGAN網(wǎng)絡(luò)剔除了BN層,同時也可以降低計(jì)算復(fù)雜度和對內(nèi)存的需求。

    2)使用RRDB(residual in residual dense block)替代了生成網(wǎng)絡(luò)中的基本殘差塊[7]。RRDB比SRGAN中基本殘差塊的網(wǎng)絡(luò)結(jié)構(gòu)更深、更復(fù)雜。一般來說,增加網(wǎng)絡(luò)結(jié)構(gòu)的層數(shù)和連接數(shù)量可以有效地提高網(wǎng)絡(luò)性能[11-13]。具體地,RRDB結(jié)合了多層殘差網(wǎng)絡(luò)和稠密連接,網(wǎng)絡(luò)結(jié)構(gòu)如圖3(b)所示。所提出的RRDB在殘差結(jié)構(gòu)中包含殘差結(jié)構(gòu),即在不同層次使用殘差結(jié)構(gòu)。同時,RRDB引入稠密連接塊,進(jìn)一步提高了網(wǎng)絡(luò)的性能。

    圖3 ESRGAN網(wǎng)絡(luò)改進(jìn)Fig.3 The improvement of Generative network of ESRGAN

    1.1.2 ESRGAN鑒別網(wǎng)絡(luò)

    ESRGAN采用相對鑒別網(wǎng)絡(luò)[11-13]。SRGAN中的標(biāo)準(zhǔn)鑒別網(wǎng)絡(luò)預(yù)測一個輸入圖像是真實(shí)和自然圖像的概率;與SRGAN中的標(biāo)準(zhǔn)鑒別網(wǎng)絡(luò)不同,相對鑒別網(wǎng)絡(luò)試圖預(yù)測真實(shí)圖像xr相對比偽圖像xf更真實(shí)的概率。在SRGAN中,標(biāo)準(zhǔn)鑒別網(wǎng)絡(luò)被表示為

    D(x)=σ(C(x)),

    (1)

    其中,σ是sigmoid函數(shù),C(x)是非變換鑒別網(wǎng)絡(luò)輸出。因此,相對鑒別網(wǎng)絡(luò)的公式為

    DRa(xr,xf)=σ(C(xr)-Exf[C(xf)]),

    (2)

    其中,Exf[C(xf)]代表小批量中所有假數(shù)據(jù)取平均值。由此,相對鑒別網(wǎng)絡(luò)損失函數(shù)定義為

    (3)

    相應(yīng)的生成網(wǎng)絡(luò)的對抗損失函數(shù)定義為

    (4)

    因此,采用ESRGAN網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)在對抗訓(xùn)練過程中能夠同時利用生成數(shù)據(jù)和真實(shí)數(shù)據(jù)的梯度進(jìn)行學(xué)習(xí);而SRGAN網(wǎng)絡(luò)中只有生成數(shù)據(jù)的梯度在對抗訓(xùn)練的過程中發(fā)揮作用。

    1.2 基于視覺機(jī)制的損失函數(shù)

    基于更接近感知相似性的思想[14-16],Johnson[17]等人提出了感知損失Lpercep,并在SRGAN中進(jìn)行了擴(kuò)展。感知損失一般是定義在預(yù)先訓(xùn)練的深層網(wǎng)絡(luò)的激活層上,由于特征通過激活層后會變得非常稀疏,而稀疏特征不利于模型的監(jiān)督學(xué)習(xí),會導(dǎo)致模型性能較差。因此,Wang[7]等人在ESRGAN模型中提出了一種更有效的感知損失計(jì)算方法,即利用激活層之前的特征計(jì)算感知損失,可以使重建后的圖像有更銳利的邊緣和豐富的紋理,提高圖像的高頻信息質(zhì)量;同時使重建圖像的亮度更接近真實(shí)圖像。為進(jìn)一步提高3D-MRI重建結(jié)果的視覺質(zhì)量,使用基于視覺機(jī)制的損失函數(shù),包含3個主要部分:感知損失、對抗損失和內(nèi)容損失。損失函數(shù)的計(jì)算公式如下

    (5)

    其中:L1是評估重建圖像和真實(shí)圖像之間的1范式距離內(nèi)容損失;λ和η是平衡不同損失項(xiàng)的系數(shù)。

    1.3 ESRGAN網(wǎng)絡(luò)模型的訓(xùn)練

    由于3D-MRI圖像是多參數(shù)、原生三維成像,圖像自身具有豐富的先驗(yàn)信息,不同掃描層面的圖像具有跨層面自相似性,根據(jù)上述3D-MRI圖像的特性,構(gòu)建了各向異性3D-MRI圖像SR重建數(shù)據(jù)集。3D-MRI圖像的跨層面自相似性指的是:在同一幅3D-MRI圖像的不同層面的二維切片圖像中,存在許多相同或不同尺度的相似性組織結(jié)構(gòu)[18]。因此,針對原始高分辨率3D-MRI圖像O,利用均值下采樣,模擬生成3幅低分辨率各向異性3D-MRI圖像,即橫軸低分辨率3D-MRI圖像A,冠狀低分辨率3D-MRI圖像C,矢狀低分辨率3D-MRI圖像S。再根據(jù)上述圖像生成如下訓(xùn)練集合,即高、低分辨率圖像對:圖像O的冠狀面與圖像A的冠狀面,圖像O的矢狀面與圖像A的矢狀面;圖像O的橫軸面與圖像C的橫軸面,圖像O的矢狀面與圖像C的矢狀面;圖像O的橫軸面與圖像S的橫軸面,圖像O的冠狀面與圖像S的冠狀面。該思路通過降維的方式擴(kuò)大了訓(xùn)練集合的尺寸,如一幅高分辨率3D-MRI圖像(圖像尺寸170×256×256)可提取1 364幅2D-MRI層面作為訓(xùn)練集合。根據(jù)3D-MRI圖像的跨層面自相似性,可以有效地擴(kuò)大訓(xùn)練集規(guī)模,對于充分發(fā)揮DCNN的性能具有重要作用。使用不同層面方向的3D-MRI切片同時訓(xùn)練網(wǎng)絡(luò),可以使一個網(wǎng)絡(luò)同時SR重建不同層面方向的3D-MRI圖像切片,而不用分別針對不同層面選擇方向訓(xùn)練不同的SR重建網(wǎng)絡(luò)。此外,該方法還能利用3D-MRI圖像中的三維特征信息,提升二維DCNN的SR重建性能。

    2 實(shí)驗(yàn)結(jié)果及分析

    為了驗(yàn)證算法的有效性,分別與非局部均值法(NLM, Non-Local means)[19]、基于稀疏編碼的SR重建算法(SC, sparse coding)[20]、基于DCNN的代表性方法SRCNN[21]和VDSR[22]算法、基于殘差學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的各向異性3D-MRI圖像SR重建算法(RLSR, residual learning based super-resolution reconstruction algorithm)[23]做了對比分析。

    2.1 實(shí)驗(yàn)設(shè)置與參數(shù)選擇

    通過Python編程語言處理3D-MRI圖像。主要硬件環(huán)境為搭載Intel Xeon CPU E5-2620 v4處理器、32 GB內(nèi)存以及一塊NVIDIA GTX2080Ti(11GB顯存)顯卡的圖形工作站,模型訓(xùn)練和測試基于pytorch深度學(xué)習(xí)框架。模型訓(xùn)練中批樣本數(shù)量為4,訓(xùn)練圖像切塊大小為128×128,初始學(xué)習(xí)率為0.000 1,且每迭代5 000次學(xué)習(xí)率減半,總迭代次數(shù)為400 000。學(xué)習(xí)率的初始值和衰減規(guī)律是根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)設(shè)定,如此設(shè)定能使模型較快的穩(wěn)定收斂。

    2.2 數(shù)據(jù)集

    筆者采用公開的臨床真實(shí)數(shù)據(jù)集Kirby 21數(shù)據(jù)集[24]中10幅(KKI33-KKI42)T1加權(quán)像3D-MRI圖像生成訓(xùn)練集合,圖像的分辨率為1×1×1.2 mm3,圖像大小為170×256×256。研究使用含有膠質(zhì)瘤的BraTS數(shù)據(jù)集[25]以及Brainweb[26]數(shù)據(jù)集對訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行測試。其中,BraTS采用2015年公布的T1加權(quán)像和T2加權(quán)像進(jìn)行測試,圖像的分辨率為1×1×1 mm3,圖像大小為240×240×155,該數(shù)據(jù)集為臨床真實(shí)數(shù)據(jù)集;采用Brainweb數(shù)據(jù)集中的T1加權(quán)像進(jìn)行測試,圖像的分辨率為1×1×1 mm3,圖像大小為181×217×181,該數(shù)據(jù)集為模擬數(shù)據(jù)集。

    2.3 評價指標(biāo)

    自Dong[21]等人提出SRCNN的開創(chuàng)性以來,DCNN方法迎來了蓬勃發(fā)展。各種網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)和訓(xùn)練策略不斷地提高了SR的性能,特別是基于PSNR值優(yōu)化訓(xùn)練的策略[13-22]。然而,這些面向PSNR的方法往往在沒有足夠高頻細(xì)節(jié)的情況下輸出過于平滑的結(jié)果,使得重建圖像產(chǎn)生不必要的偽影,因?yàn)镻SNR度量基本上不符合人類觀察者的主觀評估[23-27]。當(dāng)重建圖像達(dá)到一定質(zhì)量以上時,PSNR值的提高并不能伴隨視覺效果的提高。因此,PSNR評價與人類的主觀評估不成正相關(guān)性。

    近年來,圖像SR領(lǐng)域出現(xiàn)了新的圖像質(zhì)量評價指標(biāo)——感知指數(shù)(PI, perceptual index)[27]。研究發(fā)現(xiàn)相較于PSNR,PI能夠更加符合人類視覺感知特征。PSNR值越大,就代表失真越少。然而,Blau[28]等人研究發(fā)現(xiàn)失真和感知質(zhì)量是相互矛盾的。感知質(zhì)量的判斷依據(jù)是2個非參考性指標(biāo)Ma’s score[29]和NIQE[29],即感知指數(shù)

    (6)

    因此采用PSNR、SSIM[30-31]、RMSE等常規(guī)評價指標(biāo)評價重建結(jié)果,同時采用感知質(zhì)數(shù)PI評價重建結(jié)果的感知質(zhì)量。其中PSNR和SSIM的值越高,表明重建結(jié)果越好;RMSE和PI的值越低表明重建精度越高。

    2.4 實(shí)驗(yàn)結(jié)果與討論

    2.4.1 定量分析

    1)模擬數(shù)據(jù)集T1加權(quán)像重建結(jié)果

    為了驗(yàn)證算法的SR重建效果,測試了ESRGAN算法在BrainWeb模擬數(shù)據(jù)集T1加權(quán)像的SR重建結(jié)果。通過預(yù)處理(均值下采樣)BrainWeb數(shù)據(jù)集中T1加權(quán)像得到的各向異性低分辨率3D-MRI圖像的分辨率為1 mm×1 mm×2 mm,由不同算法SR重建得到的3D-MRI圖像的分辨率分別為1 mm×1 mm×1 mm,圖像SR重建結(jié)果如表1所示,最好的結(jié)果加粗顯示。

    表1 不同方法重建BrainWeb T1w MRI圖像的結(jié)果評估

    從表1中可以看出,算法SR重建BrainWeb數(shù)據(jù)集的T1加權(quán)3D-MRI圖像時得到的PNSR/SSIM/RMSE/PI分別為41.8565dB/0.9946/2.1028/4.1683,它的PNSR值比NLM算法低1.624 9 dB,RMSE值比NLM算法高0.3587,PI的值則低0.3263。上述結(jié)果表明,算法雖在PSNR和RMSE指標(biāo)上略差于傳統(tǒng)基于重建的3D-MRI圖像SR重建算法,但在PI上優(yōu)于傳統(tǒng)基于重建的3D-MRI圖像SR重建算法。同樣,對比基于淺層學(xué)習(xí)的SR重建算法(SP)以及其他的基于深度學(xué)習(xí)的SR重建算法(SRCNN、VDSR、RSLR),算法雖PSNR、SSIM以及RMSE值略差,但在PI上取得了最優(yōu)。結(jié)果證明,重建圖像的PI與PSNR、SSIM和RMSE等指標(biāo)并不構(gòu)成正向比例,而算法在保證圖像質(zhì)量的同時,更加注重圖像高頻細(xì)節(jié)的復(fù)原,更傾向于生成視覺感知效果更優(yōu)的SR圖像。

    綜上所述,算法在對BrainWeb數(shù)據(jù)集T1加權(quán)像的重建中,雖不能取得最佳的PSNR、SSIM以及RMSE值,但可以得到最佳的PI,使生成圖像的視覺感知效果最好。

    2)臨床數(shù)據(jù)集T1加權(quán)像重建結(jié)果

    為進(jìn)一步驗(yàn)證算法的SR重建效果,用了含有膠質(zhì)瘤的BraTS數(shù)據(jù)集進(jìn)行測試。通過預(yù)處理(均值下采樣)BraTS數(shù)據(jù)集中T1加權(quán)像得到的各向異性的低分辨率3D-MRI圖像的分辨率為1 mm×1 mm×2 mm,由不同算法SR重建得到的3D-MRI圖像的分辨率分別為1 mm×1 mm×1 mm,SR重建結(jié)果如表2所示,最好的結(jié)果加粗顯示。

    表2 不同方法重建BraTS T1w MRI圖像的結(jié)果評估

    從表2可以看出,算法SR重建BraTS數(shù)據(jù)集的T1加權(quán)3D-MRI圖像時得到的PNSR/SSIM/RMSE/PI分別為45.320 1dB/0.995 6/5.397 4/5.419 3,它的PNSR值比NLM算法高0.753 1 dB,而RMSE和PI的值則分別低0.488 9和1.138 8。上述結(jié)果表明,研究算法在PSNR、RMSE和PI 3個指標(biāo)上均優(yōu)于傳統(tǒng)基于重建的3D-MRI圖像SR重建算法。與基于淺層學(xué)習(xí)的SR重建算法SP相比,算法的PSNR值提高了0.303 3 dB,而RMSE和PI的值則分別降低0.1922和0.4918,研究算法優(yōu)于基于淺層學(xué)習(xí)的SP算法。在基于DCNN的3D-MRI圖像SR重建算法中,算法在BraTS數(shù)據(jù)集的T1加權(quán)像上取得了最優(yōu)的PI值。與SRCNN算法比較,PSNR提高了0.9424dB,而RMSE/PI降低了0.618 5/0.062 5,說明研究算法在PSNR、RMSE和PI 3個指標(biāo)上均優(yōu)于SRCNN算法。與VDSR和RLSR算法比較,PSNR分別降低了0.31 dB和0.289 4 dB,RMSE分別增加了0.189 2和0.176 8,PI分別降低了1.077 6和0.913 8,結(jié)果表明研究算法雖在PSNR和RMSE指標(biāo)上略差于VDSR和RLSR,但在PI指標(biāo)上仍然優(yōu)于VDSR和RLSR重建算法。雖然算法在BraTS數(shù)據(jù)集T1加權(quán)像上的重建結(jié)果SSIM值較低,但與其他算法相差不大。

    綜上所述,研究算法在BraST數(shù)據(jù)集T1加權(quán)像的重建結(jié)果取得了最優(yōu)的PI值;傳統(tǒng)的基于DCNN的重建方法(RLSR,SRCNN,VDSR)普遍比基于重建的方法(NLM)和基于淺層學(xué)習(xí)的算法(SP)性能更好。在基于深度學(xué)習(xí)的重建方法中,RLSR和VDSR方法的PSNR表現(xiàn)優(yōu)異,但PI相對SRCNN方法較差。而方法則取得了PI上的最優(yōu)。在以上所有方法SR重建結(jié)果中,研究方法的SSIM雖然略低于其他方法,但差值較小,無明顯差異;方法的PSNR和RMSE雖然不是最優(yōu),但這正是所要表達(dá)的觀點(diǎn)之一:在PSNR和RMSE達(dá)到一定高度時,圖像質(zhì)量不再伴隨PSNR和RMSE的提高而提高,而是隨著PI的降低而提高。

    因此,研究算法在提高SR重建結(jié)果的感知質(zhì)量上有較大優(yōu)勢。為進(jìn)一步論證該結(jié)論,采用Kirby 21數(shù)據(jù)集中的非訓(xùn)練集樣本的T1加權(quán)像(KKI01-KKI10)進(jìn)行重建,并計(jì)算了研究算法重建結(jié)果的PI值,實(shí)驗(yàn)結(jié)果如表3所示。其中PI最大值為3.961 2、最小值為3.197 0、均值為3.582 9、方差為0.052 9??梢钥闯鲅芯克惴ㄖ亟▓D像的PI值較低且穩(wěn)定,再次證明了研究算法能夠取得較好的感知質(zhì)量。

    表3 重建T1加權(quán)像(KKI01-KKI10)的PI值

    2.4.2 定性分析

    為了進(jìn)一步驗(yàn)證算法的優(yōu)越性和能否恢復(fù)有病理3D-MRI圖像的細(xì)節(jié)信息,展示了BraTS數(shù)據(jù)集T1加權(quán)像重建結(jié)果,即將分辨率從1 mm×1 mm×2 mm重建為1 mm×1 mm×1 mm。

    實(shí)驗(yàn)重建結(jié)果如圖4所示,分別展示了不同SR方法重建結(jié)果中3個不同層面方向的圖像與局部細(xì)節(jié)放大圖。可以看出,低分辨率(LR)MRI圖像比較模糊,放大區(qū)域的圖像高頻信息不清晰,且存在明顯的塊效應(yīng)。與LR相比,NLM算法和SP算法SR重建得到的圖像邊緣清晰度有一定提升?;贒CNN算法的重建結(jié)果相較于基于重建的算法,取得了較優(yōu)的重建結(jié)果。在所有對比方法中,算法SR重建的3D-MRI圖像整體質(zhì)量最好,高頻信息比較豐富,且放大區(qū)域的腦組織結(jié)構(gòu)的邊緣比較清晰,更加接近真實(shí)圖像的邊緣。研究算法能夠更好的恢復(fù)3D-MRI圖像的細(xì)節(jié)信息,尤其是高頻細(xì)節(jié)。

    圖4 不同方法以1×1×2為比例系數(shù)對BraTS T1w圖像重建的結(jié)果Fig.4 The results of BraTS T1w image reconstructed by different methods with scale factor 1×1×2

    2.4.3 多模態(tài)3D-MRI圖像重建

    為了驗(yàn)證方法對不同模態(tài)3D-MRI圖像重建效果,實(shí)驗(yàn)采用Kirby 21數(shù)據(jù)集中的T1加權(quán)像為訓(xùn)練數(shù)據(jù)集,訓(xùn)練重建尺度為1×1×2的網(wǎng)絡(luò)模型,對BraTS數(shù)據(jù)集T2加權(quán)像進(jìn)行重建,同樣取得了令人滿意的結(jié)果,重建結(jié)果如表4所示,部分定性結(jié)果展示如圖5所示。

    表4 不同方法重建BraTS T2w MRI圖像的結(jié)果評估

    圖5 不同方法以1×1×2為比例系數(shù)對BraTS T2w圖像重建的結(jié)果Fig.5 The results of BraTS T2w image reconstructed by different methods with scale factor 1×1×2

    從表4中可以看出,算法SR重建BraTS數(shù)據(jù)集的T2加權(quán)3D-MRI圖像時得到的PNSR/SSIM/RMSE/PI分別為43.816 4 dB/0.996 2/4.936 1/5.391 7,它的PNSR值比NLM算法高1.422 9 dB,RMSE值比NLM算法低0.8786,PI的值比NLM算法低0.942 8,上述結(jié)果表明,算法在PSNR、RMSE和PI 3個指標(biāo)上均優(yōu)于傳統(tǒng)基于重建的3D-MRI圖像SR重建算法。同樣的,對比基于淺層學(xué)習(xí)的SR重建算法(SP),研究算法在PSNR、RMSE以及PI 3個指標(biāo)上均優(yōu)于基于淺層學(xué)習(xí)的SR重建算法(SP);與基于DCNN的VDSR和RLSR方法相比,研究算法在PSNR、RMSE以及PI 3個指標(biāo)上均取得最優(yōu),尤其PI指標(biāo)差異顯著。上述結(jié)果證明,算法在PSNR、RMSE以及PI 3個指標(biāo)上均優(yōu)于NLM、SP、VDSR和RLSR 4種方法,雖然SSIM指標(biāo)略差,但差值較小。最后,與SRCNN方法相比較,雖然算法的PI(且僅有PI)略差于SRCNN,但是差值不大,無明顯差距。

    綜上所述,在對BraTS數(shù)據(jù)集的T2加權(quán)像的重建中,算法在至少3個指標(biāo)上優(yōu)于其他方法,且剩余指標(biāo)差值較小,無顯著差異。因此,算法總體上取得最優(yōu)重建效果。

    從圖5中所展示的局部放大圖可以看出,與其他的SR重建算法相比,算法的重建結(jié)果中高頻細(xì)節(jié)更加接近原始真實(shí)圖像,而其他方法重建結(jié)果的圖像邊緣過于平滑,與原始真實(shí)圖像差距明顯。

    同樣的,為了進(jìn)一步論證算法的多模態(tài)SR重建效果,采用Kirby 21數(shù)據(jù)集中的T2加權(quán)像(KKI01-KKI10)進(jìn)行重建,并計(jì)算了算法重建結(jié)果的PI值,實(shí)驗(yàn)結(jié)果如表5所示。其中PI最大值為4.368 7、最小值為3.963 6、均值為4.116 2、方差為0.017??梢钥闯鏊惴ㄖ亟▓D像的PI值較低且穩(wěn)定,再次證明了算法在多模態(tài)SR重建也能夠取得較好的感知質(zhì)量。

    表5 重建T2加權(quán)像(KKI01-KKI10)的PI值

    根據(jù)上述實(shí)驗(yàn)結(jié)果可以得出結(jié)論:雖然訓(xùn)練集僅含有T1加權(quán)圖像,但算法卻可以SR重建T1加權(quán)圖像和T2加權(quán)圖像,因此具有多模態(tài)3D-MRI超分辨率重建效果。

    3 結(jié) 語

    研究提出使用ESRGAN網(wǎng)絡(luò)SR重建3D-MRI圖像,并利用3D-MRI圖像的跨層面自相似性,將重建任務(wù)降維到2D,減少了參數(shù)量,降低了對內(nèi)存的需求,同時加快了模型訓(xùn)練速度。通過與傳統(tǒng)方法實(shí)驗(yàn)對比證明,方法在視覺質(zhì)量方面取得了最好的效果,能夠生成感知質(zhì)量更好、更加符合人類觀察者視覺感知的高分辨率3D-MRI圖像,并且算法可以重建多模態(tài)的3D-MRI圖像。因此,方法可用于臨床3D-MRI圖像的SR重建,提高疾病診斷的精度。

    猜你喜歡
    低分辨率分辨率圖像
    基于全局和局部特征集成的低分辨率人臉識別方法
    紅外熱成像中低分辨率行人小目標(biāo)檢測方法
    改進(jìn)的LapSRN遙感圖像超分辨重建
    基于偏移學(xué)習(xí)的低分辨率人體姿態(tài)估計(jì)
    有趣的圖像詩
    EM算法的參數(shù)分辨率
    原生VS最大那些混淆視聽的“分辨率”概念
    樹木的低分辨率三維模型資源創(chuàng)建實(shí)踐
    基于深度特征學(xué)習(xí)的圖像超分辨率重建
    一種改進(jìn)的基于邊緣加強(qiáng)超分辨率算法
    国产一区二区三区在线臀色熟女| 精品久久久久久久毛片微露脸| 久久 成人 亚洲| 亚洲中文日韩欧美视频| 久久久久免费精品人妻一区二区 | 亚洲国产精品合色在线| 欧美乱码精品一区二区三区| www.熟女人妻精品国产| 九色国产91popny在线| 在线看三级毛片| 九色国产91popny在线| 亚洲va日本ⅴa欧美va伊人久久| 精品一区二区三区视频在线观看免费| 久久国产乱子免费精品| АⅤ资源中文在线天堂| 欧美激情在线99| 给我免费播放毛片高清在线观看| 非洲黑人性xxxx精品又粗又长| 99久国产av精品| av在线老鸭窝| 国产精品国产高清国产av| 色哟哟哟哟哟哟| 成人特级黄色片久久久久久久| 18禁黄网站禁片免费观看直播| 久久久久久久久久黄片| 搡女人真爽免费视频火全软件 | 丰满人妻一区二区三区视频av| 亚洲18禁久久av| 亚洲av成人av| 亚洲欧美日韩卡通动漫| 一本一本综合久久| 国产91av在线免费观看| 美女被艹到高潮喷水动态| 国产成人freesex在线 | 波多野结衣高清作品| 99久久精品一区二区三区| 欧美区成人在线视频| 久久精品国产自在天天线| 欧美日韩乱码在线| 亚洲欧美精品综合久久99| 国产成人一区二区在线| 波多野结衣高清无吗| 亚洲精品粉嫩美女一区| 精品无人区乱码1区二区| a级一级毛片免费在线观看| 网址你懂的国产日韩在线| 亚洲第一区二区三区不卡| 又黄又爽又免费观看的视频| 全区人妻精品视频| 婷婷亚洲欧美| 国产成人精品久久久久久| 日韩中字成人| 亚洲熟妇熟女久久| 九色成人免费人妻av| 欧美bdsm另类| 国产 一区精品| 国产精品人妻久久久影院| 18禁在线无遮挡免费观看视频 | 18禁黄网站禁片免费观看直播| 校园人妻丝袜中文字幕| 亚洲国产精品久久男人天堂| 精品熟女少妇av免费看| 精品午夜福利在线看| 欧美成人a在线观看| 99riav亚洲国产免费| 国产精品av视频在线免费观看| 身体一侧抽搐| 日产精品乱码卡一卡2卡三| 亚洲精品日韩av片在线观看| 村上凉子中文字幕在线| 国产一区二区在线av高清观看| 男女之事视频高清在线观看| 国产精品久久久久久av不卡| 51国产日韩欧美| 国产久久久一区二区三区| 国产色婷婷99| 欧美日韩国产亚洲二区| 高清午夜精品一区二区三区 | 亚洲欧美日韩东京热| 看片在线看免费视频| 白带黄色成豆腐渣| 亚洲一区二区三区色噜噜| 看十八女毛片水多多多| 久久久成人免费电影| 午夜老司机福利剧场| 精品99又大又爽又粗少妇毛片| 免费一级毛片在线播放高清视频| 看十八女毛片水多多多| 人人妻人人澡人人爽人人夜夜 | 亚洲第一区二区三区不卡| 欧美高清性xxxxhd video| 国产精品久久久久久久久免| 国产成人freesex在线 | 亚洲国产日韩欧美精品在线观看| 精品久久久久久久久亚洲| 91久久精品国产一区二区成人| 日本在线视频免费播放| 精品一区二区三区人妻视频| 99九九线精品视频在线观看视频| 亚洲av电影不卡..在线观看| 亚洲电影在线观看av| 国产精品久久久久久精品电影| 免费观看人在逋| 成人无遮挡网站| 午夜福利在线在线| 男女啪啪激烈高潮av片| 草草在线视频免费看| 成人无遮挡网站| 淫妇啪啪啪对白视频| 一进一出抽搐gif免费好疼| a级毛片免费高清观看在线播放| a级毛色黄片| 天天一区二区日本电影三级| 在线观看一区二区三区| 久久九九热精品免费| 国产精品电影一区二区三区| 两个人的视频大全免费| 91在线精品国自产拍蜜月| 亚洲久久久久久中文字幕| 变态另类成人亚洲欧美熟女| 亚洲精品色激情综合| 麻豆国产av国片精品| 赤兔流量卡办理| 日本与韩国留学比较| 一夜夜www| 亚洲第一电影网av| 精品熟女少妇av免费看| 深爱激情五月婷婷| 欧美国产日韩亚洲一区| 成人毛片a级毛片在线播放| 丰满乱子伦码专区| 亚洲av电影不卡..在线观看| 亚洲电影在线观看av| 久久精品综合一区二区三区| 九九爱精品视频在线观看| 亚洲中文字幕日韩| 中国国产av一级| 亚洲成a人片在线一区二区| 国内精品一区二区在线观看| 亚洲精品色激情综合| 亚洲婷婷狠狠爱综合网| 国产精华一区二区三区| av天堂中文字幕网| 人妻制服诱惑在线中文字幕| 成人亚洲欧美一区二区av| 日韩欧美三级三区| 美女高潮的动态| 国产精品国产高清国产av| 久久中文看片网| 亚洲人与动物交配视频| 又黄又爽又免费观看的视频| 日韩大尺度精品在线看网址| 亚洲欧美日韩无卡精品| 一本久久中文字幕| 中国美白少妇内射xxxbb| 黄片wwwwww| 99riav亚洲国产免费| 麻豆一二三区av精品| 亚洲成人中文字幕在线播放| 亚洲国产精品成人久久小说 | 免费av观看视频| 久久精品国产自在天天线| 午夜免费激情av| 免费一级毛片在线播放高清视频| 日韩制服骚丝袜av| 99热这里只有是精品在线观看| 又黄又爽又免费观看的视频| 久久精品综合一区二区三区| 午夜久久久久精精品| 精品人妻偷拍中文字幕| 欧美成人一区二区免费高清观看| 免费人成在线观看视频色| av在线观看视频网站免费| 欧美zozozo另类| 国内精品久久久久精免费| 日产精品乱码卡一卡2卡三| 日日摸夜夜添夜夜爱| 国产 一区 欧美 日韩| 国产爱豆传媒在线观看| videossex国产| 丝袜喷水一区| 久久欧美精品欧美久久欧美| 国产亚洲av嫩草精品影院| 亚洲成av人片在线播放无| 男人舔女人下体高潮全视频| 久久精品夜色国产| 日本黄色视频三级网站网址| 久久6这里有精品| 欧美一级a爱片免费观看看| 亚洲精品一区av在线观看| 一个人观看的视频www高清免费观看| 啦啦啦观看免费观看视频高清| 国产 一区精品| 国产亚洲av嫩草精品影院| 久久亚洲国产成人精品v| 精品一区二区免费观看| 97超级碰碰碰精品色视频在线观看| 一级黄色大片毛片| 日本免费a在线| 一本精品99久久精品77| 日本色播在线视频| 亚洲成人久久爱视频| 色综合色国产| 激情 狠狠 欧美| 亚洲国产精品国产精品| 午夜福利18| 国产亚洲精品久久久com| 搡老熟女国产l中国老女人| 99久久精品热视频| 国产成人aa在线观看| 国内精品一区二区在线观看| 嫩草影院精品99| 亚洲第一电影网av| 美女免费视频网站| 国产中年淑女户外野战色| 黄色日韩在线| 欧美一区二区亚洲| 亚洲欧美日韩高清在线视频| 久久精品国产自在天天线| 简卡轻食公司| 成年版毛片免费区| 国产一区二区三区在线臀色熟女| 人妻丰满熟妇av一区二区三区| 亚洲精品成人久久久久久| 99在线视频只有这里精品首页| 人妻制服诱惑在线中文字幕| 国产精品精品国产色婷婷| 国产av一区在线观看免费| 欧美+亚洲+日韩+国产| 美女内射精品一级片tv| 特级一级黄色大片| 国国产精品蜜臀av免费| 九九爱精品视频在线观看| 嫩草影视91久久| 午夜老司机福利剧场| 久久亚洲国产成人精品v| 在线免费观看的www视频| 干丝袜人妻中文字幕| 高清午夜精品一区二区三区 | 如何舔出高潮| 亚洲av中文av极速乱| 亚洲va在线va天堂va国产| 久久久久久久久久成人| or卡值多少钱| 国产探花在线观看一区二区| 久久久久久伊人网av| 日本撒尿小便嘘嘘汇集6| 在线a可以看的网站| 深爱激情五月婷婷| 成熟少妇高潮喷水视频| 国产精品电影一区二区三区| 亚洲欧美清纯卡通| 欧美成人精品欧美一级黄| 中国美白少妇内射xxxbb| 人人妻人人澡欧美一区二区| 日韩高清综合在线| 三级经典国产精品| 校园人妻丝袜中文字幕| 久久久久免费精品人妻一区二区| 男人舔女人下体高潮全视频| 久久久久久久午夜电影| 美女免费视频网站| 色综合站精品国产| 久久草成人影院| 不卡视频在线观看欧美| 色综合亚洲欧美另类图片| 麻豆成人午夜福利视频| 亚洲最大成人中文| 嫩草影视91久久| 亚洲av一区综合| 欧美另类亚洲清纯唯美| 看免费成人av毛片| 亚洲av.av天堂| 国产美女午夜福利| 国产伦精品一区二区三区四那| 人人妻,人人澡人人爽秒播| 两个人视频免费观看高清| 久久久a久久爽久久v久久| 日韩人妻高清精品专区| 亚洲性夜色夜夜综合| 天堂影院成人在线观看| 最好的美女福利视频网| 久久午夜福利片| 日韩在线高清观看一区二区三区| 久久这里只有精品中国| 亚洲国产精品成人久久小说 | 中文在线观看免费www的网站| 婷婷精品国产亚洲av| 国产男人的电影天堂91| 国产美女午夜福利| 一个人看的www免费观看视频| 波多野结衣高清作品| aaaaa片日本免费| 伊人久久精品亚洲午夜| 午夜a级毛片| 一进一出抽搐动态| 伦精品一区二区三区| 少妇丰满av| 99在线视频只有这里精品首页| 成人高潮视频无遮挡免费网站| 高清毛片免费看| 亚洲欧美成人精品一区二区| av天堂在线播放| 成年女人永久免费观看视频| 国产91av在线免费观看| 欧美区成人在线视频| 国产精品爽爽va在线观看网站| 成年av动漫网址| 我的老师免费观看完整版| 欧美一区二区亚洲| 日韩欧美国产在线观看| 最好的美女福利视频网| 一区二区三区免费毛片| 99久久成人亚洲精品观看| 国产高潮美女av| 俄罗斯特黄特色一大片| 蜜桃久久精品国产亚洲av| 精品熟女少妇av免费看| 欧美一区二区国产精品久久精品| 国产69精品久久久久777片| 黄色配什么色好看| www.色视频.com| 国产亚洲av嫩草精品影院| 日韩欧美在线乱码| 男人舔女人下体高潮全视频| 国产亚洲91精品色在线| 91在线精品国自产拍蜜月| 午夜爱爱视频在线播放| 精品久久久久久成人av| 欧美三级亚洲精品| 噜噜噜噜噜久久久久久91| 精品午夜福利视频在线观看一区| 麻豆久久精品国产亚洲av| 听说在线观看完整版免费高清| 国产精品永久免费网站| 久久久久国产网址| 久久久午夜欧美精品| 国产欧美日韩精品亚洲av| 插阴视频在线观看视频| 中文字幕免费在线视频6| 欧美日韩国产亚洲二区| 男人舔奶头视频| АⅤ资源中文在线天堂| 国产精华一区二区三区| 99久久成人亚洲精品观看| 欧美不卡视频在线免费观看| 午夜影院日韩av| 成人午夜高清在线视频| 性欧美人与动物交配| 成人欧美大片| 国内精品美女久久久久久| 亚洲综合色惰| 亚洲婷婷狠狠爱综合网| 蜜桃亚洲精品一区二区三区| 在线播放无遮挡| 在线观看av片永久免费下载| 久久精品影院6| 1024手机看黄色片| 亚洲在线观看片| 午夜福利在线观看免费完整高清在 | 国模一区二区三区四区视频| 亚洲久久久久久中文字幕| 成人高潮视频无遮挡免费网站| 亚洲欧美日韩无卡精品| 欧美性感艳星| 日本撒尿小便嘘嘘汇集6| 18+在线观看网站| 亚洲av中文av极速乱| 日韩强制内射视频| 日韩 亚洲 欧美在线| 欧美最黄视频在线播放免费| 成人av一区二区三区在线看| 久久人人爽人人爽人人片va| 国内精品宾馆在线| 成人美女网站在线观看视频| 欧美三级亚洲精品| 国产高清视频在线观看网站| 国内精品宾馆在线| 国内精品久久久久精免费| 国产免费一级a男人的天堂| 欧美日韩在线观看h| www.色视频.com| 韩国av在线不卡| 日日摸夜夜添夜夜添av毛片| 人妻夜夜爽99麻豆av| 色噜噜av男人的天堂激情| 国产成人福利小说| 亚洲国产精品成人久久小说 | 午夜福利视频1000在线观看| 在线看三级毛片| 日本一本二区三区精品| 国产免费男女视频| 国产精品一区二区性色av| 少妇被粗大猛烈的视频| 久久久久久国产a免费观看| 18禁在线无遮挡免费观看视频 | 亚洲av二区三区四区| 亚洲精品日韩在线中文字幕 | 成人毛片a级毛片在线播放| 日韩精品有码人妻一区| 国产精品久久久久久av不卡| 啦啦啦啦在线视频资源| 变态另类成人亚洲欧美熟女| 国产精品三级大全| 俺也久久电影网| 欧洲精品卡2卡3卡4卡5卡区| 国产午夜精品论理片| 日本免费一区二区三区高清不卡| 一进一出好大好爽视频| av在线播放精品| 午夜激情欧美在线| 亚洲人成网站高清观看| 黄色配什么色好看| av中文乱码字幕在线| АⅤ资源中文在线天堂| 一级毛片我不卡| 一卡2卡三卡四卡精品乱码亚洲| 在线国产一区二区在线| 国产午夜福利久久久久久| 亚洲美女视频黄频| 一级毛片久久久久久久久女| 国产成人aa在线观看| 国产精品一区二区免费欧美| 成年版毛片免费区| 日韩成人伦理影院| 午夜福利在线观看免费完整高清在 | 成人鲁丝片一二三区免费| 国产伦精品一区二区三区四那| 欧美日韩综合久久久久久| 五月伊人婷婷丁香| 听说在线观看完整版免费高清| 给我免费播放毛片高清在线观看| 国内久久婷婷六月综合欲色啪| 中文资源天堂在线| 91午夜精品亚洲一区二区三区| 亚洲av.av天堂| 搡老妇女老女人老熟妇| 精品无人区乱码1区二区| 中文字幕久久专区| 你懂的网址亚洲精品在线观看 | 久久午夜福利片| 联通29元200g的流量卡| 人妻夜夜爽99麻豆av| 成人美女网站在线观看视频| 日本 av在线| 国产精品1区2区在线观看.| 国产高清激情床上av| 性插视频无遮挡在线免费观看| 校园春色视频在线观看| 精品熟女少妇av免费看| 国产男人的电影天堂91| 麻豆成人午夜福利视频| 一本一本综合久久| 成人综合一区亚洲| 国产精品久久久久久久电影| 久久人人爽人人爽人人片va| 精品欧美国产一区二区三| 日韩在线高清观看一区二区三区| 亚洲真实伦在线观看| 最近中文字幕高清免费大全6| 国产91av在线免费观看| 精品熟女少妇av免费看| 舔av片在线| 桃色一区二区三区在线观看| 国产黄片美女视频| 国产精品国产三级国产av玫瑰| 国产欧美日韩一区二区精品| 中国美白少妇内射xxxbb| 97超视频在线观看视频| 国产视频内射| 在线a可以看的网站| 少妇的逼好多水| 欧美成人精品欧美一级黄| 成熟少妇高潮喷水视频| 搡老熟女国产l中国老女人| 国产伦精品一区二区三区视频9| 国产精华一区二区三区| 尾随美女入室| 国产精品免费一区二区三区在线| 久久久国产成人免费| 婷婷亚洲欧美| 99久久中文字幕三级久久日本| 久久精品国产亚洲网站| 成人亚洲欧美一区二区av| 成人漫画全彩无遮挡| 观看免费一级毛片| 男女啪啪激烈高潮av片| 国产精品久久视频播放| 亚洲精华国产精华液的使用体验 | 久久精品影院6| 成人鲁丝片一二三区免费| 国产白丝娇喘喷水9色精品| 波多野结衣高清作品| 免费在线观看成人毛片| 成人亚洲欧美一区二区av| 舔av片在线| av黄色大香蕉| 亚洲真实伦在线观看| 一边摸一边抽搐一进一小说| 美女被艹到高潮喷水动态| 看非洲黑人一级黄片| 午夜亚洲福利在线播放| 欧美色欧美亚洲另类二区| 国产高清不卡午夜福利| 久久精品综合一区二区三区| 特大巨黑吊av在线直播| 国产一级毛片七仙女欲春2| 久久综合国产亚洲精品| 国产激情偷乱视频一区二区| 亚洲欧美日韩无卡精品| 18禁裸乳无遮挡免费网站照片| av专区在线播放| 国产真实伦视频高清在线观看| 麻豆国产av国片精品| 特级一级黄色大片| 亚洲av.av天堂| 成年免费大片在线观看| 在线观看66精品国产| 丰满乱子伦码专区| 99热这里只有精品一区| 成人av一区二区三区在线看| 久久6这里有精品| av在线老鸭窝| 亚洲乱码一区二区免费版| 欧美成人一区二区免费高清观看| 看黄色毛片网站| 久久久久久伊人网av| 特大巨黑吊av在线直播| 91午夜精品亚洲一区二区三区| 18禁在线无遮挡免费观看视频 | 日本 av在线| 亚洲成a人片在线一区二区| 熟女电影av网| 99九九线精品视频在线观看视频| 级片在线观看| 国产一区二区三区av在线 | 性插视频无遮挡在线免费观看| 国产精品乱码一区二三区的特点| 日韩强制内射视频| 亚洲天堂国产精品一区在线| 国产三级在线视频| 日日摸夜夜添夜夜爱| 国内精品久久久久精免费| 亚洲成人中文字幕在线播放| 99热6这里只有精品| 高清午夜精品一区二区三区 | 国产精品久久久久久精品电影| 国产日本99.免费观看| 亚洲电影在线观看av| av视频在线观看入口| 免费一级毛片在线播放高清视频| 久久亚洲精品不卡| 国产精品美女特级片免费视频播放器| 久久久久国产精品人妻aⅴ院| 九九热线精品视视频播放| 国产在视频线在精品| 国产精品无大码| 99在线视频只有这里精品首页| 免费av不卡在线播放| 岛国在线免费视频观看| 少妇的逼水好多| 国产成年人精品一区二区| 色av中文字幕| 久久欧美精品欧美久久欧美| 一个人观看的视频www高清免费观看| 午夜久久久久精精品| 1000部很黄的大片| 久久久精品欧美日韩精品| 九九爱精品视频在线观看| 免费看av在线观看网站| 少妇熟女aⅴ在线视频| 搡老岳熟女国产| 欧美成人a在线观看| 麻豆一二三区av精品| 国内揄拍国产精品人妻在线| 插阴视频在线观看视频| 成人一区二区视频在线观看| 日韩精品青青久久久久久| 国产高清有码在线观看视频| 久久久久精品国产欧美久久久| 国产成人精品久久久久久| 国产成人福利小说| 欧美色欧美亚洲另类二区| 亚洲国产高清在线一区二区三| 乱人视频在线观看| 欧美极品一区二区三区四区| 内射极品少妇av片p| 日日撸夜夜添| 毛片女人毛片| a级一级毛片免费在线观看| 亚洲欧美日韩无卡精品| 最后的刺客免费高清国语| 国产在线男女| 久久精品国产自在天天线| 午夜免费激情av| 欧美潮喷喷水| 美女大奶头视频| 一本久久中文字幕| 国产精品亚洲美女久久久| 亚洲欧美日韩无卡精品| 欧美色视频一区免费| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品影视一区二区三区av| 久久鲁丝午夜福利片| 在线观看美女被高潮喷水网站| 免费av观看视频| 最近视频中文字幕2019在线8| 可以在线观看毛片的网站| 国产精品日韩av在线免费观看| 亚洲三级黄色毛片| 十八禁网站免费在线| 日韩欧美国产在线观看| 热99在线观看视频| 老司机福利观看| 午夜a级毛片|