• <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 ?

    基于磁共振影像層間插值的超分辨率及多視角融合

    2021-12-07 10:10:02秦品樂曾建潮李俊伯
    計(jì)算機(jī)應(yīng)用 2021年11期
    關(guān)鍵詞:冠狀插值切片

    李 萌,秦品樂,曾建潮*,李俊伯

    (1.山西省醫(yī)學(xué)影像與數(shù)據(jù)分析工程研究中心(中北大學(xué)),太原 030051;2.中北大學(xué)大數(shù)據(jù)學(xué)院,太原 030051;3.山西省醫(yī)學(xué)影像人工智能工程技術(shù)研究中心(中北大學(xué)),太原 030051)

    0 引言

    在現(xiàn)代醫(yī)學(xué)領(lǐng)域中,計(jì)算機(jī)斷層掃描(Computed Tomography,CT)[1]、磁共振成像(Magnetic Resonance Imaging,MRI)[2]和其他醫(yī)學(xué)成像技術(shù)得到了廣泛應(yīng)用。通過可視化顯示人體組織或器官的重建技術(shù),可以將醫(yī)學(xué)成像系統(tǒng)獲得的一系列完整的二維數(shù)據(jù)聚合為三維體數(shù)據(jù)。為了提供必要的人體視覺信息,需要獲取高分辨率、高對(duì)比度的醫(yī)學(xué)圖像。對(duì)于MRI,獲取高分辨率圖像需要很長(zhǎng)時(shí)間。因此,為了減少因患者身體位移所造成的誤差,降低內(nèi)存成本,通常只存儲(chǔ)必要數(shù)量的切片,所以大多數(shù)醫(yī)學(xué)成像是各向異性的,切片內(nèi)的分辨率高,切片間的分辨率低。在這些設(shè)備獲得的三維體積數(shù)據(jù)中,切片之間的間距比其相鄰像素之間的間距要大得多,包含階梯狀邊緣、不連續(xù)表面、間斷細(xì)節(jié)和其他現(xiàn)象。所以這些不完整的數(shù)據(jù)具有較低的診斷意義。

    醫(yī)學(xué)數(shù)據(jù)插值的早期工作可以追溯到1992 年,Goshtasby等[3]提出利用連續(xù)切片之間的小且漸進(jìn)的解剖學(xué)差異,并通過搜索小鄰域來(lái)找到像素之間的對(duì)應(yīng)關(guān)系。傳統(tǒng)的切片插值方法有兩類:基于強(qiáng)度的方法和基于變形的方法。線性和三次樣條插值方法是基于強(qiáng)度的方法的經(jīng)典示例,它們直接根據(jù)相鄰切片的強(qiáng)度執(zhí)行插值。在后面的研究,研究者們提出了以尋找更精確的變形場(chǎng)為重點(diǎn)的許多方法,包括基于形狀的方法[4]、基于形態(tài)學(xué)的方法[5]和基于配準(zhǔn)的方法[6]等。在上述方法中作出的重要假設(shè)是,相鄰切片包含相似的解剖結(jié)構(gòu),即結(jié)構(gòu)的變化必須足夠小,以便可以在兩個(gè)切片之間找到密集的對(duì)應(yīng)關(guān)系。這種假設(shè)在很大程度上限制了切片插值方法的適用性,尤其是在稀疏采樣切片時(shí)。此外,這些方法沒有利用兩個(gè)相鄰切片之外的信息。當(dāng)切片之間的解剖差異很大時(shí),需要更復(fù)雜的建模方法。文獻(xiàn)[7-9]的方法直接基于像素灰度。這些方法的優(yōu)點(diǎn)是操作原理簡(jiǎn)單、計(jì)算復(fù)雜度低,且易于實(shí)現(xiàn)、應(yīng)用范圍廣。但是,它們忽略了一個(gè)重要因素:像素變化是由對(duì)象的結(jié)構(gòu)引起的。對(duì)于線性插值和最鄰近插值而言尤其如此,由于線性插值和最近鄰插值僅考慮了很少的相鄰像素進(jìn)行插值處理,因此無(wú)法考慮許多相關(guān)像素,導(dǎo)致插值精度很低,圖像模糊,某些結(jié)構(gòu)上的細(xì)節(jié)殘缺,視覺真實(shí)性差,并且可能出現(xiàn)偽像。隨后,文獻(xiàn)[10-12]提出了其他基于像素的方法,并嘗試將更多的相鄰像素應(yīng)用于插值算法。Penney等[13]提出了一種基于非剛性配準(zhǔn)的方法,以更好地找到具有相似結(jié)構(gòu)特征的切片之間的映射關(guān)系。此外,F(xiàn)rakes 等[14]還提出了一種改進(jìn)的網(wǎng)格控制插值方法。盡管現(xiàn)有研究已經(jīng)取得了一些進(jìn)展,但是仍然存在偽影和模糊的問題。

    由于深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolution Neural Network,DCNN)在醫(yī)學(xué)圖像分析方面的表現(xiàn)優(yōu)于傳統(tǒng)方法,文獻(xiàn)[15-17]提出了通過對(duì)數(shù)據(jù)中的復(fù)雜變化建模,可以用于學(xué)習(xí)從各向異性磁共振(Magnetic Resonance,MR)到各向同性的映射。Dong 等[18]首先提出了使用深度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率(image Super-Resolution using deep Convolutional Neural Network,SRCNN),學(xué)習(xí)一種通過三層CNN 將低分辨率(Low Resolution,LR)圖像轉(zhuǎn)換為高分辨率(High Resolution,HR)圖像的映射。許多研究探索了改善單幅圖像超分辨率(Single Image Super Resolution,SISR)的策略,例如使用更深的架構(gòu)和權(quán)重共享[19]。但是,這些方法需要將插值作為預(yù)處理步驟,從而極大增加了數(shù)據(jù)的計(jì)算復(fù)雜性和前導(dǎo)率。為了解決上述問題,Dong 等[20]提出將反卷積層應(yīng)用于低分辨率圖像以直接上采樣至更高分辨率。具體來(lái)說(shuō),Zhang 等[21]結(jié)合了殘差學(xué)習(xí)塊和密集塊,并引入了殘差密集塊(Residual Dense Block,RDB),以使所有層的功能都可以被其他層直接看到,從而進(jìn)一步提高了性能,表明了殘差學(xué)習(xí)在圖像超分辨率上擁有更好的效果。除此之外,晉銀峰等[22]在對(duì)抗生成網(wǎng)絡(luò)的基礎(chǔ)上提出基于對(duì)抗生成網(wǎng)絡(luò)框架和正則化的超分辨率重建算法,保證了低分辨率MR 圖像到高分辨率圖像的映射一致性。

    為了使上采樣因子更具靈活性,以實(shí)現(xiàn)更快的部署和更高的魯棒性,Lim 等[23]提出了用于單一圖像超分辨率的增強(qiáng)型深度殘差網(wǎng)絡(luò)(Enhanced Deep residual networks for single image Super-Resolution,EDSR),通過在模型中創(chuàng)建單個(gè)子結(jié)構(gòu),以適應(yīng)不同的上采樣因子。Hu等[24]提出的用于超分辨率的任意放大網(wǎng)絡(luò)(Magnification-arbitrary network for Super-Resolution,Meta-SR)可為每個(gè)LR-SR 像素對(duì)動(dòng)態(tài)生成濾波器,從而允許任意上采樣因子。

    為了獲得更高分辨率的冠狀面和矢狀面視覺效果,提高其在醫(yī)學(xué)診斷中的意義,本文提出了一種多視角超分辨率重建融合網(wǎng)絡(luò),分別對(duì)冠狀面和矢狀面進(jìn)行特征提取后,通過空間矩陣濾波器生成動(dòng)態(tài)權(quán)重用于任意尺度上采樣,在聚合成三維體數(shù)據(jù)后沿軸狀方向分割成二維圖像再進(jìn)行兩兩融合。相較于直接對(duì)三維圖像進(jìn)行超分辨率重建及融合,二維圖像需要消耗的內(nèi)存及圖形處理器(Graphics Processing Unit,GPU)資源更少,網(wǎng)絡(luò)更加輕量級(jí)且收斂速度更快。

    1 相關(guān)工作

    1.1 上采樣層

    在超分辨率網(wǎng)絡(luò)中,較為主流的上采樣層方法有反卷積層和像素篩選(Pixel Shuffle),由于反卷積層是先填充零再進(jìn)行卷積操作達(dá)到放大圖像的目的,因此會(huì)產(chǎn)生難以避免的偽影,導(dǎo)致重建效果較差。Pixel Shuffle 則是通過卷積得到r2(r為上采樣因子,即圖像的擴(kuò)大倍率)個(gè)通道的特征圖,然后通過周期篩選的方法得到高分辨率圖像,但是由于感受野分布不均勻,因此可能會(huì)使圖像邊界發(fā)生畸變。

    除上述方法外,一種用于超分辨率的任意放大網(wǎng)絡(luò)(Meta-SR)在超分辨率重建的效果上取得了巨大的提升,該算法提出的Meta-Upscale 包含三個(gè)重要的函數(shù):Location Projection、Weight Prediction、Future Mapping。Location Projection 函數(shù)把像素投射到LR 圖像上,Weight Prediction 函數(shù)為SR 圖像上每個(gè)像素預(yù)測(cè)對(duì)應(yīng)濾波器的權(quán)重,最后Feature Mapping 函數(shù)利用預(yù)測(cè)得到的權(quán)重將LR 圖像的特征映射回SR圖像空間來(lái)計(jì)算其像素值。

    本文受Meta-SR 的Meta-Upscale 啟發(fā),結(jié)合Pixel Shuffle設(shè)計(jì)了上采樣模塊,Meta-SR 通過輸入-輸出映射,缺少對(duì)三維空間下分辨率變化的考慮。本文設(shè)計(jì)的各向異性插值模塊采用了一種新的圖像范圍投影,針對(duì)醫(yī)學(xué)圖像三維數(shù)據(jù)的空間分辨率的變化,通過計(jì)算圖像中體素的空間位置信息,動(dòng)態(tài)獲取上采樣層所需要上采樣卷積核的權(quán)重,這樣網(wǎng)絡(luò)可以不用保存每個(gè)尺度對(duì)應(yīng)模型的權(quán)重,從而實(shí)現(xiàn)對(duì)輸入低分辨率圖像的任意尺度超分辨率放大。

    1.2 多視角融合

    Peng 等[25]提出了基于邊緣超分辨率、融合和細(xì)化的深層切片插值(Deep Slice Interpolation via Marginal Super-Resolution,fusion and refinement,DSIM-SR),首先對(duì)冠狀面和矢狀面通過邊緣超分辨率(Marginal Super-Resolution,MSR)網(wǎng)絡(luò)分別得到目標(biāo)分辨率的體數(shù)據(jù),然后通過兩視圖融合修正(Two-view Fusion and Refinement,TFR)學(xué)習(xí)沿軸向的結(jié)構(gòu)變化來(lái)進(jìn)一步提高切片插值的質(zhì)量,在重建效果上取得了一定的提升。TFR 網(wǎng)絡(luò)將冠狀面和矢狀面通過MSR 之后得到的體數(shù)據(jù)分別重新截取獲得軸狀面的數(shù)據(jù),將對(duì)應(yīng)的軸狀面兩兩作為輸入進(jìn)入融合網(wǎng)絡(luò)。融合網(wǎng)絡(luò)采用殘差密集網(wǎng)絡(luò)(Residual Dense Network,RDN),訓(xùn)練融合網(wǎng)絡(luò)的目標(biāo)函數(shù)為:

    本文提出了一種多視角融合網(wǎng)絡(luò)結(jié)構(gòu),通過對(duì)冠狀面和矢狀面層間插值之后得到的體數(shù)據(jù)沿軸狀方向提取軸狀面數(shù)據(jù),對(duì)得到的兩部分軸狀面數(shù)據(jù)一一對(duì)應(yīng),進(jìn)行融合,根據(jù)軸狀方向數(shù)據(jù)進(jìn)行約束,增強(qiáng)兩種數(shù)據(jù)的共同特征,然后將融合后的數(shù)據(jù)和通過RDN 特征提取后的數(shù)據(jù)進(jìn)行逐像素加,從而達(dá)到提高重建效果的目的。

    2 多視角超分辨率重建融合網(wǎng)絡(luò)

    本文所提出的多視角超分辨融合網(wǎng)絡(luò)整體結(jié)構(gòu)如圖1 所示。所提網(wǎng)絡(luò)主要分為兩個(gè)階段:第一個(gè)階段為層間插值階段,首先采用RDN 對(duì)低分辨率圖像進(jìn)行特征提取,其次通過生成不同大小的卷積濾波器和各向異性亞像素卷積來(lái)得到任意的上采樣因子,通過執(zhí)行亞像素卷積和周期性轉(zhuǎn)換操作以產(chǎn)生放大后的圖像。第二個(gè)階段為多視角融合階段,對(duì)完成第一階段的冠狀圖和矢狀圖所得到的體數(shù)據(jù)沿軸狀方向切割成二維數(shù)據(jù),兩兩進(jìn)行融合,結(jié)合軸狀面進(jìn)一步提高切片插值的質(zhì)量。

    令I(lǐng)(x,y,z)∈Rx×y×z表示MR 的切片。通常來(lái)說(shuō),將x軸稱為矢狀軸,將y軸稱為冠狀軸,將z軸稱為軸狀軸,因此各面的切片表示為:1)矢狀面,Ix(y,z)=I(x,y,z),?x;2)冠狀面,Iy(x,z)=I(x,y,z),?y;3)軸狀面,Iz(x,y)=I(x,y,z),?z。

    同時(shí),以軸狀面為例,其稀疏采樣定義為:

    2.1 層間插值

    在準(zhǔn)備階段,將MR 體數(shù)據(jù)分別沿矢狀方向和冠狀方向獲取到Ix(y,z)、Iy(x,z),分別對(duì)Ix(y,z)和Iy(x,z)進(jìn)行下采樣后,再進(jìn)行特征提取,獲取到特征提取圖FLR,然后再通過空間矩陣濾波器,計(jì)算得到動(dòng)態(tài)權(quán)重,通過周期性Pixel Shuffle 獲取到超分辨率后的結(jié)果ISR。

    2.1.1 特征提取

    在特征提取階段,將單張矢狀切面或冠狀切面輸入RDN中進(jìn)行特征提取,如圖2 所示。對(duì)于給定的低分辨率圖像,特征提取階段僅提取特征圖FLR:

    圖2 特征提取網(wǎng)絡(luò)Fig.2 Feature extraction network

    其中θFL是過濾器學(xué)習(xí)網(wǎng)絡(luò)的參數(shù)。

    2.1.2 空間濾波器

    由于MR 的拍攝時(shí)間較長(zhǎng),且病人移動(dòng)會(huì)對(duì)成像造成影響,通常會(huì)采用適量減少切片的方式來(lái)減少拍攝時(shí)長(zhǎng);且由于設(shè)備及實(shí)際情況的差異,不同數(shù)據(jù)在插值階段所需要的縮放因子也存在較大的差異。傳統(tǒng)的上采樣模塊會(huì)預(yù)定義卷積核的數(shù)量以及由訓(xùn)練集學(xué)習(xí)得到的權(quán)重,Meta-SR 采用Meta-Upscale Module 代替?zhèn)鹘y(tǒng)的放大模塊。針對(duì)任意縮放因子,Meta-Upscale Module 可以通過縮放因子動(dòng)態(tài)地預(yù)測(cè)放大濾波器的權(quán)重,進(jìn)而使用這些權(quán)重生成任意大小的高分辨率圖像,實(shí)現(xiàn)單一模型解決任意縮放因子的超分辨率問題。

    如圖3 所示,本文受Meta-SR 的啟發(fā),為了解決MR 圖像普遍存在的切片內(nèi)分辨率高、切片間分辨率低導(dǎo)致的各向異性,在上采樣模塊中首先設(shè)計(jì)了一個(gè)空間位置矩陣濾波器(Space Position Filter,SPF),通過像素之間的空間位置計(jì)算得到權(quán)重,從而允許任意大小的上采樣因子。將ISR的空間分辨率表示為(Rh,Rw)。為了找到體素之間的對(duì)應(yīng)關(guān)系,首先計(jì)算ILR生成的特征塊中每一個(gè)點(diǎn)與ISR之間的坐標(biāo)距離,根據(jù)它們?cè)谧罱K圖像ISR中的坐標(biāo)位置,用坐標(biāo)距離乘以空間分辨率(Rh,Rw),從而得出其對(duì)應(yīng)的物理距離關(guān)系。以目標(biāo)通道c、濾波尺寸k、空間分辨率(Rh,Rw)以及通道c在坐標(biāo)位置的映射Mc作為輸入可得空間位置矩陣Pc:

    圖3 層間插值上采樣Fig.3 Inter-layer interpolation upsampling

    由計(jì)算Pc的輸入?yún)?shù)可以看出,Pc包含了給定切片的空間分辨率信息并且與目標(biāo)通道建立了關(guān)聯(lián)關(guān)系,同時(shí)會(huì)對(duì)后續(xù)參與的計(jì)算同樣建立起這種關(guān)系。

    最后,將空間位置矩陣作為輸入,進(jìn)入到過濾器生成階段,該階段由5 個(gè)卷積層和4 個(gè)ReLU 組成:第一層卷積的輸出通道為32,即RDN 中的默認(rèn)超參數(shù);第二、三、四層卷積的輸出通道數(shù)為64;第五層卷積的輸出通道數(shù)為FLR的通道數(shù),最后得到可根據(jù)空間分辨率變化的過濾器權(quán)重Wc。將FLR與Wc相乘,得到對(duì)應(yīng)坐標(biāo)的值,通過周期性篩選得到ISR。

    2.2 多視角融合網(wǎng)絡(luò)

    本文提出了多視角融合網(wǎng)絡(luò)通過學(xué)習(xí)單個(gè)切片的結(jié)構(gòu)變化來(lái)進(jìn)一步提高切片插值的質(zhì)量。如圖4 所示,該網(wǎng)絡(luò)分為兩個(gè)部分,本文用矢狀和冠狀超分辨率后體數(shù)據(jù)的Isag(x,y,z)和Icor(x,y,z)分別獲得單張軸向切片(x,y)和(x,y)用作輸入。

    圖4 多視角融合網(wǎng)絡(luò)Fig.4 Multi-view fusion network

    在第一部分中,首先對(duì)(x,y)和(x,y)取均值,得到=(x,y),由于(x,y)和(x,y)的每個(gè)像素代表從矢狀和冠狀方向的最佳估計(jì),因此切片(x,y)的平均值可以減少某些方向上的偽影。令(x,y) 的網(wǎng)絡(luò)輸入為X=(batch,h,w,256)(x,y)的網(wǎng)絡(luò)輸入為Y=(batch,h,w,256)。首先,經(jīng)過Embedded Gaussian 中的兩個(gè)嵌入權(quán)重變換,分別得到(batch,h,w,128)和(batch,h,w,128),通過降低通道數(shù),達(dá)到減少計(jì)算量的目的。其次,對(duì)這兩個(gè)輸出進(jìn)行reshape 操作,使之變成(batch,h×w,256)對(duì)這兩個(gè)矩陣進(jìn)行矩陣乘,計(jì)算相似性,得到(batch,h×w,h×w),在第2 個(gè)維度上進(jìn)行SoftMax 操作,得到(batch,h×w,h×w)找到當(dāng)前圖片中每個(gè)像素與其他所有位置像素的歸一化相關(guān)性;然后,對(duì)均值也采用一樣的操作,先通道降維后resha pe;接下來(lái),和(batch,h×w,h×w)進(jìn)行矩陣乘,得到(batch,h×w,128),本質(zhì)就是輸出的每個(gè)位置值都是其他所有位置的加權(quán)平均值,通過SoftMax 操作可以進(jìn)一步突出共性。經(jīng)過一個(gè)1× 1卷積恢復(fù)輸出通道,保證輸入輸出尺度完全相同。最后,和進(jìn)行逐像素加,目標(biāo)函數(shù)為:

    在第二部分中,本文采用具有5 個(gè)RDB 的RDN,每個(gè)RDB有4個(gè)卷積層,增長(zhǎng)率為16的目標(biāo)函數(shù)為:

    RDN 通過密集卷積層來(lái)提取充分的局部特征,對(duì)于每一個(gè)RDB,不僅允許將前一個(gè)RDB 的狀態(tài)直接連接至當(dāng)前RDB的所有層形成連續(xù)記憶,還可以通過局部密集連接充分利用其中的所有層,再通過局部特征融合(Local Feature Fusion,LFF)自適應(yīng)地保留累積的特征。通過使用RDB 中的局部特征融合來(lái)自適應(yīng)學(xué)習(xí)來(lái)自先前和當(dāng)前局部特征的更有效特征,并穩(wěn)定更大網(wǎng)絡(luò)的訓(xùn)練。在完全獲得密集的局部特征后,使用全局特征融合將所有RDB 提取到的特征融合在一起,自適應(yīng)地學(xué)習(xí)全部分層特征,得到全局特征。

    最后,對(duì)第一部分和第二部分得到的結(jié)果進(jìn)行逐像素加得到最終的結(jié)果。

    在融合部分中的兩部分圖像是由冠狀面和矢狀面分別進(jìn)行超分辨率重建后重新聚合成三維數(shù)據(jù)后,再次切片得到的軸狀面數(shù)據(jù),融合旨在獲取圖像不同面的關(guān)聯(lián)性,對(duì)軸向進(jìn)行約束。通過第一部分中的兩層(4 個(gè))卷積能夠弱化圖像中的偽影,再與第二部分中得到的結(jié)果進(jìn)行逐像素加后,可以達(dá)到增強(qiáng)圖像中的關(guān)鍵組織區(qū)域的紋理信息的目的。

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)參數(shù)

    本文使用了15 個(gè)來(lái)自阿茲海默癥神經(jīng)成像計(jì)劃(Alzheimer’s Disease Neuroimaging Initiative,ADNI)數(shù)據(jù)集中的MR T1 權(quán)重的腦部數(shù)據(jù),MR 以1mm × 1mm × 1mm 的各向同性采樣。原數(shù)據(jù)在軸狀面的分辨率均為256 × 256,部分?jǐn)?shù)據(jù)軸狀方向的切片數(shù)量略少于256,本文選擇將其零填充到256 × 256 × 256后重新獲取切片,最終在軸狀面、矢狀面和冠狀面各得到3840個(gè)切片。進(jìn)一步通過系數(shù)k=2、k=3、k=4對(duì)各向同性數(shù)據(jù)進(jìn)行抽樣,得到I↓k(x,y,z),大小分別為256 ×256 × 128、256 × 256 × 85 和256 × 256 × 64。本文將數(shù)據(jù)分成訓(xùn)練集、驗(yàn)證集和測(cè)試集三部分,樣本數(shù)量分別為12、1、2。在測(cè)試集中,本文僅采用具有腦部組織區(qū)域的圖組成測(cè)試集。

    實(shí)驗(yàn)階段本文使用PyTorch1.0,對(duì)所有模型采用Adam 作為梯度下降優(yōu)化器,動(dòng)量為0.5,學(xué)習(xí)率為1× 10-4,學(xué)習(xí)率衰減為1× 10-5,每當(dāng)訓(xùn)練損失的最優(yōu)值在20 個(gè)epoch 內(nèi)沒有改善時(shí),學(xué)習(xí)率進(jìn)行衰減,訓(xùn)練使用一臺(tái)NVIDIA P100 GPU 服務(wù)器。

    3.2 對(duì)比實(shí)驗(yàn)

    為了測(cè)試本文算法的性能,將本文算法與傳統(tǒng)的最近鄰差值(Bilinear),雙三次插值法(Bicubic),基于神經(jīng)網(wǎng)絡(luò)的RDN,Meta-SR 以及同樣進(jìn)行了多視角融合的DSIM-SR 算法進(jìn)行了性能對(duì)比。

    表1 給出了尺度分別為×2、×3、×4 時(shí)各算法的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)值和結(jié)構(gòu)相似 性(Structural SIMilarity,SSIM)指標(biāo)。與同樣進(jìn)行了多視角融合的DSIM-SR 相比,本文算法在各個(gè)尺度上均有1 dB 左右PSNR 值的提升,且與其他算法相比,本文算法和DSIM-SR 的性能表現(xiàn)都更優(yōu),這是由于本文算法和DSIM-SR 均設(shè)計(jì)了多視角融合模塊,通過約束軸狀方向,對(duì)單一視角重建的結(jié)果進(jìn)行了修正。且本文算法在融合模塊進(jìn)一步進(jìn)行了結(jié)構(gòu)優(yōu)化,更為突出了圖像高頻信息較為豐富的區(qū)域,進(jìn)一步提高了邊界區(qū)分度。

    表1 不同算法在測(cè)試集上的PSNR和SSIM對(duì)比Tab.1 PSNR and SSIM comparison of different algorithms on test set

    為了客觀顯示本文算法與各個(gè)算法的重建效果,本文從測(cè)試集中選取了兩幅高分辨率圖像,分別進(jìn)行4 倍下采樣后輸入以上6 個(gè)算法,重建效果如圖5 所示。由圖5 可以看出,相較于其他5 個(gè)算法,從視覺效果上來(lái)看,本文算法提升明顯;且與同樣進(jìn)行了多視角融合的DSIM-SR相比,本文算法在圖像的細(xì)節(jié)上也取得了更優(yōu)的還原度。

    圖5 不同算法重建效果對(duì)比Fig.5 Reconstruction effect comparison of different algorithms

    3.3 消融實(shí)驗(yàn)

    為了進(jìn)一步驗(yàn)證多視角融合網(wǎng)絡(luò)的作用,在實(shí)驗(yàn)中去掉本文算法的多視角融合網(wǎng)絡(luò)部分,分別使用僅對(duì)冠狀面進(jìn)行超分辨率重建的結(jié)果和僅對(duì)矢狀面進(jìn)行超分辨率重建的結(jié)果,與多視角融合之后的結(jié)果進(jìn)行比較,如圖6所示。

    由圖6 可以看出,僅對(duì)冠狀面進(jìn)行重建和僅對(duì)矢狀面進(jìn)行重建時(shí),由于缺乏軸向方向上的約束,均表現(xiàn)出一定的方向偽影。在本文算法的融合部分中,通過對(duì)兩個(gè)面進(jìn)行軸向約束,降低偽影對(duì)圖像的影響,融合的圖像更貼近真實(shí)圖像。

    圖6 消融實(shí)驗(yàn)中多視角融合前后重建效果對(duì)比Fig.6 Comparison of reconstruction effect before and after multi-view fusion in ablation experiment

    表2 中給出了尺度分別為×2、×3、×4 時(shí)僅對(duì)冠狀面進(jìn)行重建、僅對(duì)矢狀面進(jìn)行重建和多視角融合后的PSNR 和SSIM指標(biāo)。

    從表2中可以看出,多視角融合后的PSNR 相較于僅對(duì)冠狀面進(jìn)行重建和僅對(duì)矢狀面進(jìn)行重建的結(jié)果在各個(gè)尺度中均有一定的提升。

    表2 融合前后的PSNR和SSIM對(duì)比Tab.2 PSNR and SSIM comparison before and after fusion

    4 結(jié)語(yǔ)

    針對(duì)MR 圖像切片內(nèi)分辨率高而切片間分辨率低導(dǎo)致的冠狀面和矢狀面缺乏醫(yī)學(xué)診斷意義這一問題,本文提出了一種新的多視角超分辨率融合算法。該算法可以實(shí)現(xiàn)任意上采樣因子放大低分辨率的圖像,同時(shí)通過以軸狀面作為約束進(jìn)行多視角融合,進(jìn)一步提升了圖像的視覺感知效果。實(shí)驗(yàn)結(jié)果表明,該算法可以對(duì)存在各向異性的MR 圖像進(jìn)行重建,將冠狀面和矢狀面的圖像恢復(fù)至與軸狀面相同分辨率,便于醫(yī)學(xué)診斷。但是該算法中均采用將三維數(shù)據(jù)轉(zhuǎn)換成二維數(shù)據(jù)后進(jìn)行處理,因此在處理過程中,僅考慮了橫向與縱向之間的關(guān)聯(lián)關(guān)系,缺少對(duì)于斜向角度中關(guān)系的利用,因此接下來(lái)將進(jìn)一步研究直接針對(duì)三維體數(shù)據(jù)進(jìn)行三維上的處理。

    猜你喜歡
    冠狀插值切片
    新型冠狀病毒感染者咽拭子與糞便排毒規(guī)律及臨床表現(xiàn)
    尺骨冠狀突骨折的入路和預(yù)后
    肘后路結(jié)合多種固定治療肱骨遠(yuǎn)端冠狀面骨折
    基于Sinc插值與相關(guān)譜的縱橫波速度比掃描方法
    基于SDN與NFV的網(wǎng)絡(luò)切片架構(gòu)
    一種改進(jìn)FFT多譜線插值諧波分析方法
    基于四項(xiàng)最低旁瓣Nuttall窗的插值FFT諧波分析
    腎穿刺組織冷凍切片技術(shù)的改進(jìn)方法
    冰凍切片、快速石蠟切片在中樞神經(jīng)系統(tǒng)腫瘤診斷中的應(yīng)用價(jià)值比較
    冠狀切口在神經(jīng)外科的應(yīng)用進(jìn)展
    又黄又粗又硬又大视频| 久久人妻福利社区极品人妻图片| 两个人免费观看高清视频| 啦啦啦免费观看视频1| 啦啦啦免费观看视频1| 三上悠亚av全集在线观看| a 毛片基地| 精品国产国语对白av| 日本av手机在线免费观看| 国产片内射在线| 国产97色在线日韩免费| 国产一区二区在线观看av| 操美女的视频在线观看| 午夜激情久久久久久久| 久久国产精品人妻蜜桃| 国产高清videossex| 国产亚洲欧美精品永久| 亚洲欧美日韩高清在线视频 | 久久久精品国产亚洲av高清涩受| 777米奇影视久久| 2018国产大陆天天弄谢| 久久久久久久久免费视频了| 丰满少妇做爰视频| 黑人巨大精品欧美一区二区mp4| 亚洲欧美激情在线| 亚洲精品在线美女| 国产一区有黄有色的免费视频| 亚洲第一av免费看| 美女高潮喷水抽搐中文字幕| 亚洲精品美女久久久久99蜜臀| 成年人免费黄色播放视频| 五月开心婷婷网| 国产欧美日韩综合在线一区二区| 天天躁日日躁夜夜躁夜夜| 亚洲国产欧美日韩在线播放| 午夜福利免费观看在线| 1024视频免费在线观看| 亚洲熟女精品中文字幕| 亚洲第一av免费看| 国产精品.久久久| 啪啪无遮挡十八禁网站| 精品一区二区三区四区五区乱码| 爱豆传媒免费全集在线观看| 黄色怎么调成土黄色| 一区二区三区乱码不卡18| 午夜两性在线视频| 一区二区三区激情视频| 欧美av亚洲av综合av国产av| www.999成人在线观看| 国产亚洲精品久久久久5区| 性色av乱码一区二区三区2| 免费高清在线观看视频在线观看| a级毛片在线看网站| 十八禁人妻一区二区| 日韩一卡2卡3卡4卡2021年| 大码成人一级视频| 91老司机精品| 亚洲专区字幕在线| 国产精品久久久久久精品古装| 人人妻,人人澡人人爽秒播| 90打野战视频偷拍视频| 少妇人妻久久综合中文| 欧美精品啪啪一区二区三区 | 欧美在线一区亚洲| 亚洲欧美成人综合另类久久久| 满18在线观看网站| 99久久人妻综合| 欧美亚洲日本最大视频资源| 国产成人系列免费观看| 精品一品国产午夜福利视频| 国产精品国产av在线观看| 亚洲精品粉嫩美女一区| 天天操日日干夜夜撸| av福利片在线| av一本久久久久| 午夜激情久久久久久久| 91九色精品人成在线观看| 最近最新中文字幕大全免费视频| 国产精品久久久久久人妻精品电影 | 桃红色精品国产亚洲av| 91麻豆av在线| 欧美日韩av久久| 国产av一区二区精品久久| 男女边摸边吃奶| 91大片在线观看| 在线观看www视频免费| www.999成人在线观看| 欧美日韩福利视频一区二区| 免费在线观看视频国产中文字幕亚洲 | tube8黄色片| 国产区一区二久久| 波多野结衣一区麻豆| 亚洲国产av新网站| 人妻久久中文字幕网| 欧美黄色淫秽网站| 中文字幕人妻丝袜一区二区| a级片在线免费高清观看视频| 国产一区二区激情短视频 | 夜夜夜夜夜久久久久| 亚洲欧洲精品一区二区精品久久久| 丁香六月欧美| 国产亚洲av高清不卡| 亚洲精品一区蜜桃| 亚洲国产精品一区二区三区在线| 国产成人av激情在线播放| 12—13女人毛片做爰片一| 十八禁网站网址无遮挡| 成人国产av品久久久| 中文字幕制服av| 亚洲久久久国产精品| 日韩三级视频一区二区三区| 亚洲五月色婷婷综合| 亚洲精品中文字幕在线视频| av线在线观看网站| 欧美黑人欧美精品刺激| 午夜福利在线观看吧| 一本色道久久久久久精品综合| 国产成人免费无遮挡视频| 少妇 在线观看| 99久久人妻综合| 少妇被粗大的猛进出69影院| 欧美日韩中文字幕国产精品一区二区三区 | 青草久久国产| 亚洲伊人久久精品综合| 一级片'在线观看视频| 欧美成狂野欧美在线观看| 精品久久久久久久毛片微露脸 | 免费高清在线观看视频在线观看| 国产精品 欧美亚洲| 亚洲专区字幕在线| 久久久久久久大尺度免费视频| 人人妻,人人澡人人爽秒播| 欧美变态另类bdsm刘玥| a级毛片在线看网站| 中文精品一卡2卡3卡4更新| 老司机亚洲免费影院| 欧美日韩亚洲高清精品| 久久亚洲国产成人精品v| 纵有疾风起免费观看全集完整版| 99香蕉大伊视频| 国产一区二区三区av在线| 欧美大码av| 丰满饥渴人妻一区二区三| 在线观看免费视频网站a站| 国产精品麻豆人妻色哟哟久久| 99re6热这里在线精品视频| 国产欧美日韩一区二区精品| 看免费av毛片| 女人爽到高潮嗷嗷叫在线视频| 99久久人妻综合| 视频区欧美日本亚洲| 香蕉国产在线看| 9色porny在线观看| 黑人巨大精品欧美一区二区mp4| 久久精品aⅴ一区二区三区四区| 亚洲av日韩在线播放| av片东京热男人的天堂| 色播在线永久视频| 亚洲精品国产av蜜桃| 国产免费av片在线观看野外av| 最近最新中文字幕大全免费视频| 极品人妻少妇av视频| 少妇猛男粗大的猛烈进出视频| 欧美亚洲日本最大视频资源| 精品少妇黑人巨大在线播放| 青草久久国产| 黄色a级毛片大全视频| 一边摸一边做爽爽视频免费| 国产免费av片在线观看野外av| 日本a在线网址| 久久久久视频综合| 老司机深夜福利视频在线观看 | 国产在线一区二区三区精| 国产不卡av网站在线观看| 久久天躁狠狠躁夜夜2o2o| 国产男人的电影天堂91| 精品一区二区三区av网在线观看 | 久久热在线av| 欧美精品亚洲一区二区| 考比视频在线观看| 日韩人妻精品一区2区三区| 人人妻人人添人人爽欧美一区卜| 免费黄频网站在线观看国产| 午夜精品久久久久久毛片777| 亚洲专区字幕在线| 久久久水蜜桃国产精品网| 日韩一区二区三区影片| 日韩电影二区| 久久精品国产亚洲av高清一级| 桃花免费在线播放| 真人做人爱边吃奶动态| 亚洲精品中文字幕在线视频| 午夜福利,免费看| 国产免费福利视频在线观看| 18禁裸乳无遮挡动漫免费视频| 精品国产国语对白av| 韩国精品一区二区三区| 国产精品九九99| 十分钟在线观看高清视频www| 国产成+人综合+亚洲专区| 久久久精品免费免费高清| av网站免费在线观看视频| 中文字幕最新亚洲高清| 日韩中文字幕欧美一区二区| 久久中文看片网| 免费女性裸体啪啪无遮挡网站| 久久久精品国产亚洲av高清涩受| 国产1区2区3区精品| 黄色 视频免费看| 国产欧美亚洲国产| 欧美日韩一级在线毛片| 91精品国产国语对白视频| 亚洲 国产 在线| 日韩三级视频一区二区三区| 成人手机av| av在线播放精品| 国产精品久久久久久精品电影小说| 国产成人一区二区三区免费视频网站| 中文字幕色久视频| 啦啦啦中文免费视频观看日本| 亚洲精品国产av蜜桃| 一个人免费在线观看的高清视频 | 亚洲国产欧美在线一区| 中文字幕精品免费在线观看视频| 男人添女人高潮全过程视频| 最近中文字幕2019免费版| 久久精品国产亚洲av高清一级| 国产精品秋霞免费鲁丝片| 丁香六月欧美| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产日韩一区二区| 精品国产乱码久久久久久小说| 真人做人爱边吃奶动态| 精品人妻一区二区三区麻豆| 欧美xxⅹ黑人| 午夜激情久久久久久久| 久久久久国产精品人妻一区二区| 另类亚洲欧美激情| 国产熟女午夜一区二区三区| 久久国产亚洲av麻豆专区| 成年动漫av网址| 久久这里只有精品19| 亚洲熟女毛片儿| 中文字幕另类日韩欧美亚洲嫩草| 少妇猛男粗大的猛烈进出视频| 午夜福利一区二区在线看| 日本撒尿小便嘘嘘汇集6| 亚洲熟女毛片儿| 亚洲欧美精品自产自拍| 一区二区三区乱码不卡18| 亚洲男人天堂网一区| 自拍欧美九色日韩亚洲蝌蚪91| 91字幕亚洲| 又大又爽又粗| 曰老女人黄片| 精品免费久久久久久久清纯 | 多毛熟女@视频| 精品人妻1区二区| 欧美成狂野欧美在线观看| 手机成人av网站| 成在线人永久免费视频| 日日夜夜操网爽| 久久天堂一区二区三区四区| 日本猛色少妇xxxxx猛交久久| 亚洲精品一区蜜桃| 女警被强在线播放| 久久久久久久大尺度免费视频| 亚洲精品自拍成人| 老司机深夜福利视频在线观看 | 国产精品久久久久成人av| 岛国毛片在线播放| 久久人人爽av亚洲精品天堂| 久久精品国产a三级三级三级| 国产福利在线免费观看视频| 国产精品亚洲av一区麻豆| 亚洲va日本ⅴa欧美va伊人久久 | 99国产精品一区二区蜜桃av | 老司机午夜十八禁免费视频| 久久热在线av| 黄色 视频免费看| 日韩视频一区二区在线观看| 欧美另类亚洲清纯唯美| 性色av一级| 日韩熟女老妇一区二区性免费视频| 欧美黄色淫秽网站| 亚洲欧美精品综合一区二区三区| 纵有疾风起免费观看全集完整版| av不卡在线播放| 男女床上黄色一级片免费看| 色婷婷av一区二区三区视频| 日韩制服骚丝袜av| 成人国产av品久久久| 日本av免费视频播放| 91精品国产国语对白视频| 午夜福利视频在线观看免费| 纵有疾风起免费观看全集完整版| 久久久久久久久免费视频了| 久久久国产欧美日韩av| 这个男人来自地球电影免费观看| av国产精品久久久久影院| 80岁老熟妇乱子伦牲交| 欧美一级毛片孕妇| 丰满饥渴人妻一区二区三| 亚洲中文av在线| 成人三级做爰电影| 老司机在亚洲福利影院| 亚洲成av片中文字幕在线观看| 久久香蕉激情| 欧美乱码精品一区二区三区| avwww免费| 中文字幕另类日韩欧美亚洲嫩草| 女性生殖器流出的白浆| 国产97色在线日韩免费| 老司机亚洲免费影院| 考比视频在线观看| 麻豆国产av国片精品| 一本综合久久免费| 另类亚洲欧美激情| 天天操日日干夜夜撸| 精品久久久精品久久久| 亚洲精品国产精品久久久不卡| 久久久久视频综合| 国产亚洲一区二区精品| 国产在线视频一区二区| 18禁黄网站禁片午夜丰满| 欧美日韩国产mv在线观看视频| 91字幕亚洲| 一二三四在线观看免费中文在| 成年动漫av网址| 亚洲一区二区三区欧美精品| 夫妻午夜视频| 动漫黄色视频在线观看| 色94色欧美一区二区| 高清av免费在线| 黄色 视频免费看| 亚洲av日韩在线播放| 人人澡人人妻人| 巨乳人妻的诱惑在线观看| 中文欧美无线码| 老司机影院成人| 一个人免费在线观看的高清视频 | 男男h啪啪无遮挡| 久久久久精品人妻al黑| 亚洲精品av麻豆狂野| 亚洲精品久久成人aⅴ小说| 久久久精品国产亚洲av高清涩受| 狂野欧美激情性bbbbbb| 岛国毛片在线播放| 99热网站在线观看| 国产精品久久久久久精品电影小说| 久久久久精品人妻al黑| 国产亚洲欧美精品永久| 悠悠久久av| 国内毛片毛片毛片毛片毛片| 国产片内射在线| 久久国产精品男人的天堂亚洲| 别揉我奶头~嗯~啊~动态视频 | 国产三级黄色录像| 国产男女内射视频| 亚洲精品国产av蜜桃| 日本a在线网址| 高潮久久久久久久久久久不卡| 美女午夜性视频免费| 久久久久久久久久久久大奶| 嫁个100分男人电影在线观看| 别揉我奶头~嗯~啊~动态视频 | 久久久精品免费免费高清| 午夜精品久久久久久毛片777| 岛国在线观看网站| 亚洲精品美女久久av网站| 少妇的丰满在线观看| 欧美成人午夜精品| 亚洲精品国产精品久久久不卡| 老司机福利观看| 水蜜桃什么品种好| 美女午夜性视频免费| 麻豆国产av国片精品| 亚洲午夜精品一区,二区,三区| 欧美黄色片欧美黄色片| 免费av中文字幕在线| 国产免费av片在线观看野外av| 男女国产视频网站| 欧美黑人欧美精品刺激| 国产1区2区3区精品| 视频区欧美日本亚洲| 亚洲成人手机| 黄频高清免费视频| 97人妻天天添夜夜摸| 中亚洲国语对白在线视频| 亚洲欧美日韩另类电影网站| 香蕉丝袜av| 免费av中文字幕在线| 国产成人欧美在线观看 | 五月开心婷婷网| 午夜成年电影在线免费观看| 老熟女久久久| 亚洲激情五月婷婷啪啪| 亚洲成人免费电影在线观看| 69精品国产乱码久久久| 亚洲伊人色综图| 成人国语在线视频| 青春草视频在线免费观看| 多毛熟女@视频| 1024香蕉在线观看| 国产av国产精品国产| 亚洲中文av在线| 黑人操中国人逼视频| 国产亚洲精品久久久久5区| 岛国在线观看网站| 国产成人影院久久av| 精品国产超薄肉色丝袜足j| 一区在线观看完整版| 久久久久久久大尺度免费视频| 精品国产一区二区久久| tube8黄色片| 亚洲精品国产一区二区精华液| 久热这里只有精品99| 国产高清国产精品国产三级| 成年人免费黄色播放视频| 看免费av毛片| 俄罗斯特黄特色一大片| 欧美日韩精品网址| 国产一区二区三区av在线| 999久久久国产精品视频| 热99re8久久精品国产| 亚洲少妇的诱惑av| av网站在线播放免费| 久久毛片免费看一区二区三区| av天堂久久9| 91精品三级在线观看| 国产成人免费无遮挡视频| 99国产综合亚洲精品| 欧美性长视频在线观看| 日韩大码丰满熟妇| 999久久久国产精品视频| av片东京热男人的天堂| 午夜福利乱码中文字幕| 91老司机精品| 国产精品一区二区在线观看99| 我要看黄色一级片免费的| 亚洲av欧美aⅴ国产| 黄网站色视频无遮挡免费观看| 男人舔女人的私密视频| 久久久久精品人妻al黑| 18禁裸乳无遮挡动漫免费视频| 乱人伦中国视频| 久久精品久久久久久噜噜老黄| 成人av一区二区三区在线看 | 18禁黄网站禁片午夜丰满| 国产精品久久久久久精品古装| 香蕉国产在线看| 97人妻天天添夜夜摸| 日本a在线网址| 欧美 亚洲 国产 日韩一| 亚洲av电影在线进入| 精品少妇久久久久久888优播| 亚洲视频免费观看视频| 欧美另类亚洲清纯唯美| 欧美97在线视频| 久久精品亚洲av国产电影网| 日韩一区二区三区影片| 国产成人精品无人区| 99久久综合免费| 在线观看免费视频网站a站| 精品国产一区二区三区久久久樱花| 黄片播放在线免费| 一区福利在线观看| 亚洲天堂av无毛| 丰满饥渴人妻一区二区三| 久久99一区二区三区| 午夜福利影视在线免费观看| 精品一品国产午夜福利视频| 自拍欧美九色日韩亚洲蝌蚪91| 搡老岳熟女国产| 美女主播在线视频| 日韩一区二区三区影片| 中文字幕另类日韩欧美亚洲嫩草| 一级毛片精品| 国产三级黄色录像| 男女国产视频网站| 久久久精品免费免费高清| 欧美日韩亚洲国产一区二区在线观看 | 成人影院久久| 欧美变态另类bdsm刘玥| 亚洲美女黄色视频免费看| 动漫黄色视频在线观看| 一二三四社区在线视频社区8| 夫妻午夜视频| 999久久久精品免费观看国产| 免费人妻精品一区二区三区视频| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲欧洲日产国产| 嫩草影视91久久| 久久香蕉激情| 亚洲 国产 在线| 国产一区二区在线观看av| 水蜜桃什么品种好| 人成视频在线观看免费观看| 成年人午夜在线观看视频| 日韩熟女老妇一区二区性免费视频| 夫妻午夜视频| 精品一品国产午夜福利视频| 人人妻人人澡人人看| 欧美+亚洲+日韩+国产| 国产国语露脸激情在线看| 欧美+亚洲+日韩+国产| 亚洲熟女精品中文字幕| 免费日韩欧美在线观看| 欧美xxⅹ黑人| 高清在线国产一区| 宅男免费午夜| 亚洲国产中文字幕在线视频| 精品人妻1区二区| 国产精品亚洲av一区麻豆| 老熟妇仑乱视频hdxx| 男人操女人黄网站| 嫩草影视91久久| 久久久久久亚洲精品国产蜜桃av| 欧美精品高潮呻吟av久久| 国产亚洲欧美精品永久| 天天影视国产精品| 免费av中文字幕在线| 五月开心婷婷网| 亚洲国产精品成人久久小说| 精品熟女少妇八av免费久了| 国产精品影院久久| 日韩一卡2卡3卡4卡2021年| 亚洲少妇的诱惑av| 啦啦啦 在线观看视频| 后天国语完整版免费观看| 色老头精品视频在线观看| 国产亚洲精品久久久久5区| 老熟妇乱子伦视频在线观看 | 夜夜夜夜夜久久久久| 亚洲伊人色综图| 精品一区二区三区四区五区乱码| av在线app专区| 亚洲成国产人片在线观看| 91成人精品电影| 在线av久久热| 国产真人三级小视频在线观看| 亚洲第一欧美日韩一区二区三区 | 精品亚洲成a人片在线观看| 十分钟在线观看高清视频www| 国产亚洲精品第一综合不卡| 日韩一卡2卡3卡4卡2021年| 久久精品国产a三级三级三级| 国产麻豆69| 每晚都被弄得嗷嗷叫到高潮| 操美女的视频在线观看| a级片在线免费高清观看视频| 天天躁日日躁夜夜躁夜夜| 久久性视频一级片| 国产精品久久久av美女十八| 免费在线观看日本一区| 人成视频在线观看免费观看| 黑人巨大精品欧美一区二区蜜桃| 国产高清videossex| 天天添夜夜摸| 精品国产超薄肉色丝袜足j| 老司机午夜福利在线观看视频 | 久久精品国产亚洲av高清一级| 少妇粗大呻吟视频| svipshipincom国产片| 久久国产精品大桥未久av| 韩国高清视频一区二区三区| 欧美一级毛片孕妇| 国产三级黄色录像| 黑人巨大精品欧美一区二区mp4| 操美女的视频在线观看| 国产精品二区激情视频| 在线 av 中文字幕| 午夜老司机福利片| 国产91精品成人一区二区三区 | 日本91视频免费播放| 国产精品一区二区免费欧美 | 亚洲精品中文字幕在线视频| 婷婷丁香在线五月| 久久中文看片网| 真人做人爱边吃奶动态| 亚洲一码二码三码区别大吗| 狠狠精品人妻久久久久久综合| 免费久久久久久久精品成人欧美视频| 欧美激情 高清一区二区三区| 久久 成人 亚洲| 男女免费视频国产| 欧美+亚洲+日韩+国产| 成人18禁高潮啪啪吃奶动态图| 久久人妻福利社区极品人妻图片| 欧美亚洲日本最大视频资源| 夫妻午夜视频| 久久人妻福利社区极品人妻图片| 欧美 日韩 精品 国产| 丰满人妻熟妇乱又伦精品不卡| 91av网站免费观看| 纯流量卡能插随身wifi吗| 男女国产视频网站| 男女之事视频高清在线观看| 18禁观看日本| 国产亚洲午夜精品一区二区久久| 成在线人永久免费视频| 国产成人欧美| av一本久久久久| 亚洲精品中文字幕一二三四区 | 亚洲av电影在线进入| 妹子高潮喷水视频| 国产亚洲午夜精品一区二区久久| 久久中文字幕一级| 老熟妇仑乱视频hdxx| 中国国产av一级| 精品免费久久久久久久清纯 | 亚洲国产欧美日韩在线播放| 国产精品欧美亚洲77777| 肉色欧美久久久久久久蜜桃| 午夜精品国产一区二区电影|