• <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
    精品一区二区免费观看| 2018国产大陆天天弄谢| 热re99久久国产66热| 性色av一级| 午夜影院在线不卡| 亚洲人成77777在线视频| 视频在线观看一区二区三区| 国产片内射在线| 一区二区三区乱码不卡18| 美女视频免费永久观看网站| kizo精华| 亚洲精品视频女| 欧美精品国产亚洲| 一区二区三区乱码不卡18| 男人舔女人的私密视频| 国产白丝娇喘喷水9色精品| 哪个播放器可以免费观看大片| 伦理电影免费视频| 一边摸一边做爽爽视频免费| 97超碰精品成人国产| 国产永久视频网站| 欧美少妇被猛烈插入视频| 中文字幕精品免费在线观看视频 | 国产成人精品无人区| 精品国产乱码久久久久久小说| 欧美性感艳星| 天堂俺去俺来也www色官网| 少妇被粗大的猛进出69影院 | 热re99久久国产66热| 女的被弄到高潮叫床怎么办| kizo精华| 国产一区二区三区av在线| 成人影院久久| 国产69精品久久久久777片| 欧美变态另类bdsm刘玥| 国产精品偷伦视频观看了| 亚洲欧洲精品一区二区精品久久久 | 精品一区二区三卡| 国产女主播在线喷水免费视频网站| 久久久久久伊人网av| 男男h啪啪无遮挡| 18禁观看日本| 老司机影院毛片| 免费在线观看黄色视频的| 精品少妇久久久久久888优播| 国产精品一二三区在线看| 赤兔流量卡办理| 伊人亚洲综合成人网| 大片电影免费在线观看免费| 亚洲欧美日韩另类电影网站| 午夜福利乱码中文字幕| 只有这里有精品99| 亚洲精品久久午夜乱码| 国产深夜福利视频在线观看| 欧美日韩一区二区视频在线观看视频在线| 亚洲综合色惰| 美国免费a级毛片| 国产日韩欧美亚洲二区| av.在线天堂| 十分钟在线观看高清视频www| 日韩欧美精品免费久久| 国产精品久久久av美女十八| 你懂的网址亚洲精品在线观看| 国产熟女午夜一区二区三区| 亚洲国产欧美在线一区| av天堂久久9| 2021少妇久久久久久久久久久| 亚洲精品中文字幕在线视频| 男女无遮挡免费网站观看| 99精国产麻豆久久婷婷| 99热国产这里只有精品6| 成人18禁高潮啪啪吃奶动态图| 美女国产高潮福利片在线看| 久久精品国产亚洲av天美| 久久鲁丝午夜福利片| 久久女婷五月综合色啪小说| 这个男人来自地球电影免费观看 | 伦理电影大哥的女人| 午夜福利网站1000一区二区三区| 五月伊人婷婷丁香| 日本wwww免费看| 伦理电影免费视频| 亚洲国产精品成人久久小说| 久久久国产欧美日韩av| 黄色一级大片看看| 精品福利永久在线观看| 2022亚洲国产成人精品| av免费观看日本| 亚洲美女视频黄频| 人人妻人人澡人人看| 桃花免费在线播放| 五月玫瑰六月丁香| 日本猛色少妇xxxxx猛交久久| 多毛熟女@视频| 青青草视频在线视频观看| 日本欧美国产在线视频| 妹子高潮喷水视频| 巨乳人妻的诱惑在线观看| 亚洲国产日韩一区二区| 国产免费福利视频在线观看| 婷婷色麻豆天堂久久| 精品国产乱码久久久久久小说| 色吧在线观看| 成人漫画全彩无遮挡| 国产成人a∨麻豆精品| 欧美精品亚洲一区二区| 久久人人97超碰香蕉20202| 午夜福利视频在线观看免费| 国产精品人妻久久久久久| 成人免费观看视频高清| 天天操日日干夜夜撸| av福利片在线| 多毛熟女@视频| 亚洲国产最新在线播放| 国产色婷婷99| 汤姆久久久久久久影院中文字幕| 在线观看美女被高潮喷水网站| 在线亚洲精品国产二区图片欧美| 免费观看在线日韩| 国产片内射在线| 亚洲,欧美,日韩| 国产一区二区在线观看日韩| a级毛片黄视频| 欧美变态另类bdsm刘玥| 一区二区av电影网| 久久久久精品性色| 亚洲丝袜综合中文字幕| 哪个播放器可以免费观看大片| 国产精品女同一区二区软件| 国产精品久久久久久精品电影小说| 精品99又大又爽又粗少妇毛片| 热99久久久久精品小说推荐| 99re6热这里在线精品视频| 建设人人有责人人尽责人人享有的| 妹子高潮喷水视频| 日韩成人伦理影院| 2022亚洲国产成人精品| 一级片'在线观看视频| 国产1区2区3区精品| 国产无遮挡羞羞视频在线观看| 欧美97在线视频| 黑丝袜美女国产一区| 亚洲av中文av极速乱| 亚洲成国产人片在线观看| 久久综合国产亚洲精品| 亚洲四区av| 亚洲精品国产av蜜桃| av视频免费观看在线观看| av有码第一页| 亚洲精品自拍成人| av片东京热男人的天堂| 视频中文字幕在线观看| 国产精品久久久久久精品电影小说| 乱人伦中国视频| 九草在线视频观看| 亚洲av中文av极速乱| 久久综合国产亚洲精品| 少妇精品久久久久久久| 91aial.com中文字幕在线观看| av卡一久久| 国产日韩欧美在线精品| 国产精品国产三级专区第一集| 啦啦啦视频在线资源免费观看| 午夜福利视频在线观看免费| 男人操女人黄网站| 国产精品嫩草影院av在线观看| 18禁国产床啪视频网站| 免费不卡的大黄色大毛片视频在线观看| 欧美精品亚洲一区二区| 免费av不卡在线播放| 九色成人免费人妻av| 建设人人有责人人尽责人人享有的| 女人久久www免费人成看片| 五月玫瑰六月丁香| 久热久热在线精品观看| 最近最新中文字幕大全免费视频 | 精品视频人人做人人爽| 免费播放大片免费观看视频在线观看| 97精品久久久久久久久久精品| 看免费成人av毛片| 国产精品三级大全| 狠狠精品人妻久久久久久综合| 亚洲欧美精品自产自拍| 亚洲 欧美一区二区三区| 少妇精品久久久久久久| 国产一区二区在线观看日韩| 亚洲av免费高清在线观看| 欧美老熟妇乱子伦牲交| 亚洲欧美成人综合另类久久久| 大香蕉97超碰在线| 国产在线视频一区二区| 多毛熟女@视频| 久久久久久久大尺度免费视频| 全区人妻精品视频| 日本av手机在线免费观看| 乱码一卡2卡4卡精品| 亚洲一区二区三区欧美精品| 日韩免费高清中文字幕av| 亚洲精品一二三| 亚洲欧美成人综合另类久久久| 久久久久网色| 在线观看人妻少妇| 你懂的网址亚洲精品在线观看| 久久久久久伊人网av| 国产成人a∨麻豆精品| 亚洲av综合色区一区| 日韩电影二区| 国产成人精品无人区| 日日撸夜夜添| 日韩欧美精品免费久久| 免费黄网站久久成人精品| 十八禁网站网址无遮挡| 欧美亚洲 丝袜 人妻 在线| 精品一区在线观看国产| 日韩 亚洲 欧美在线| 亚洲三级黄色毛片| 欧美精品一区二区大全| 在线观看三级黄色| 99久久综合免费| 韩国精品一区二区三区 | 天美传媒精品一区二区| 人妻少妇偷人精品九色| 久久久精品免费免费高清| 一级,二级,三级黄色视频| 一边亲一边摸免费视频| 亚洲欧美中文字幕日韩二区| 国产日韩欧美亚洲二区| 精品国产露脸久久av麻豆| 99热网站在线观看| 精品国产国语对白av| 九九爱精品视频在线观看| 午夜福利,免费看| 日韩av不卡免费在线播放| 精品一区二区免费观看| 日日爽夜夜爽网站| 久久99热6这里只有精品| 久久精品熟女亚洲av麻豆精品| 美女脱内裤让男人舔精品视频| 国产成人91sexporn| 免费大片18禁| 欧美亚洲日本最大视频资源| 国产成人一区二区在线| 国产黄频视频在线观看| 狂野欧美激情性xxxx在线观看| 日韩一区二区三区影片| 国产不卡av网站在线观看| 2022亚洲国产成人精品| 亚洲情色 制服丝袜| 亚洲精品中文字幕在线视频| 岛国毛片在线播放| 亚洲欧美成人综合另类久久久| 9191精品国产免费久久| 少妇精品久久久久久久| a级毛片在线看网站| 爱豆传媒免费全集在线观看| 一本大道久久a久久精品| 国产欧美日韩综合在线一区二区| 国产精品三级大全| 亚洲av综合色区一区| 精品人妻熟女毛片av久久网站| 国产一区二区在线观看日韩| 99久久综合免费| 97在线人人人人妻| 欧美日韩一区二区视频在线观看视频在线| 精品久久蜜臀av无| 一级毛片我不卡| 国产高清三级在线| 国产有黄有色有爽视频| 日日撸夜夜添| 9191精品国产免费久久| tube8黄色片| 国产有黄有色有爽视频| 又粗又硬又长又爽又黄的视频| 男人爽女人下面视频在线观看| 美女中出高潮动态图| 伊人亚洲综合成人网| 久久久精品94久久精品| 亚洲国产色片| 精品视频人人做人人爽| 日韩av在线免费看完整版不卡| 国国产精品蜜臀av免费| 亚洲欧美一区二区三区国产| 18禁国产床啪视频网站| 成人手机av| 校园人妻丝袜中文字幕| 欧美 日韩 精品 国产| 成年人免费黄色播放视频| 精品一区二区免费观看| 春色校园在线视频观看| 少妇的逼水好多| 五月伊人婷婷丁香| 99久久精品国产国产毛片| 在线精品无人区一区二区三| 成人影院久久| 考比视频在线观看| 一边亲一边摸免费视频| 国产免费又黄又爽又色| 少妇的丰满在线观看| 精品99又大又爽又粗少妇毛片| 超色免费av| 国产精品嫩草影院av在线观看| 久久女婷五月综合色啪小说| 美女福利国产在线| 黄色一级大片看看| 久久青草综合色| 国产不卡av网站在线观看| 亚洲国产欧美在线一区| 国产日韩欧美在线精品| 一级毛片 在线播放| 在线亚洲精品国产二区图片欧美| 欧美人与性动交α欧美精品济南到 | 黑人猛操日本美女一级片| 欧美精品高潮呻吟av久久| 亚洲欧洲国产日韩| 久久人人97超碰香蕉20202| 成人手机av| 97精品久久久久久久久久精品| 国产成人精品久久久久久| 精品卡一卡二卡四卡免费| 日韩,欧美,国产一区二区三区| av一本久久久久| 亚洲国产看品久久| 午夜激情久久久久久久| 老女人水多毛片| 亚洲伊人久久精品综合| 极品少妇高潮喷水抽搐| 极品人妻少妇av视频| 狠狠精品人妻久久久久久综合| 国产 一区精品| 99热全是精品| 欧美xxxx性猛交bbbb| 久久久欧美国产精品| 免费在线观看黄色视频的| 大片免费播放器 马上看| 精品亚洲成国产av| 人成视频在线观看免费观看| 国产一区亚洲一区在线观看| 国产精品一区www在线观看| 久久精品国产亚洲av涩爱| www.色视频.com| 久久久久国产精品人妻一区二区| 亚洲精品一二三| 国产极品粉嫩免费观看在线| 久久 成人 亚洲| 日韩精品免费视频一区二区三区 | 多毛熟女@视频| 国产精品蜜桃在线观看| 制服丝袜香蕉在线| 欧美精品av麻豆av| 国产欧美日韩一区二区三区在线| 最近中文字幕2019免费版| 最新中文字幕久久久久| 五月天丁香电影| 尾随美女入室| 国产极品粉嫩免费观看在线| 日本av手机在线免费观看| 亚洲欧美色中文字幕在线| 91午夜精品亚洲一区二区三区| 久久青草综合色| 日本91视频免费播放| 久久久亚洲精品成人影院| 看免费av毛片| 老女人水多毛片| 国产精品无大码| 国产1区2区3区精品| 久久婷婷青草| 国产精品一国产av| 亚洲国产最新在线播放| 宅男免费午夜| 久久精品国产自在天天线| 国产黄色视频一区二区在线观看| 大香蕉久久网| 国产激情久久老熟女| 女的被弄到高潮叫床怎么办| 人体艺术视频欧美日本| 啦啦啦在线观看免费高清www| 97人妻天天添夜夜摸| 久久精品aⅴ一区二区三区四区 | 久久鲁丝午夜福利片| 国产成人精品婷婷| 97精品久久久久久久久久精品| 少妇高潮的动态图| 精品一区在线观看国产| 精品亚洲成a人片在线观看| 91国产中文字幕| 色婷婷久久久亚洲欧美| www.av在线官网国产| 夫妻午夜视频| 国产乱人偷精品视频| 国产黄频视频在线观看| 老司机亚洲免费影院| 亚洲经典国产精华液单| 亚洲情色 制服丝袜| 亚洲,欧美精品.| 美女xxoo啪啪120秒动态图| 伦精品一区二区三区| 日韩成人av中文字幕在线观看| 国产一区二区三区综合在线观看 | 亚洲欧美一区二区三区黑人 | 亚洲,欧美,日韩| 亚洲情色 制服丝袜| 99国产精品免费福利视频| 亚洲 欧美一区二区三区| 五月开心婷婷网| 精品卡一卡二卡四卡免费| 精品国产露脸久久av麻豆| 2021少妇久久久久久久久久久| 亚洲av日韩在线播放| 熟女人妻精品中文字幕| 免费人妻精品一区二区三区视频| 美女视频免费永久观看网站| 久久99蜜桃精品久久| 国产精品99久久99久久久不卡 | 久久精品国产a三级三级三级| 国产精品国产三级专区第一集| 激情视频va一区二区三区| 国产一区二区三区av在线| 国产无遮挡羞羞视频在线观看| 男女边摸边吃奶| 2021少妇久久久久久久久久久| 国产白丝娇喘喷水9色精品| 观看美女的网站| 久久婷婷青草| 国产精品国产三级国产av玫瑰| 中文字幕免费在线视频6| 国产黄色免费在线视频| 老司机亚洲免费影院| 免费av不卡在线播放| av在线播放精品| 国产精品不卡视频一区二区| 大片电影免费在线观看免费| 国产欧美日韩一区二区三区在线| 丝袜人妻中文字幕| 国产老妇伦熟女老妇高清| 老司机影院毛片| av国产精品久久久久影院| 久久亚洲国产成人精品v| 大片电影免费在线观看免费| 亚洲国产精品国产精品| av免费观看日本| 青春草国产在线视频| 伊人亚洲综合成人网| 国内精品宾馆在线| 国产高清不卡午夜福利| 欧美日韩视频高清一区二区三区二| 青春草视频在线免费观看| 亚洲国产av影院在线观看| 国产精品蜜桃在线观看| 欧美亚洲 丝袜 人妻 在线| 欧美 亚洲 国产 日韩一| videosex国产| 人妻人人澡人人爽人人| 26uuu在线亚洲综合色| 91国产中文字幕| 久久久久国产精品人妻一区二区| 免费人成在线观看视频色| 免费播放大片免费观看视频在线观看| 在线免费观看不下载黄p国产| 肉色欧美久久久久久久蜜桃| 日韩中字成人| 美女国产高潮福利片在线看| 久久99一区二区三区| 国产精品女同一区二区软件| 亚洲国产精品999| www.熟女人妻精品国产 | 在线观看免费视频网站a站| 只有这里有精品99| 久久精品久久精品一区二区三区| 久热这里只有精品99| 草草在线视频免费看| 国产精品久久久久久久久免| 国产精品久久久久久久电影| 久久影院123| av视频免费观看在线观看| www.色视频.com| 亚洲国产精品国产精品| 日韩精品有码人妻一区| 伊人久久国产一区二区| 色吧在线观看| 精品视频人人做人人爽| 看免费av毛片| 午夜福利在线观看免费完整高清在| 少妇 在线观看| 精品国产乱码久久久久久小说| 欧美精品高潮呻吟av久久| 中文字幕最新亚洲高清| 国产成人精品在线电影| 9热在线视频观看99| 欧美精品一区二区免费开放| 涩涩av久久男人的天堂| 欧美国产精品一级二级三级| www.av在线官网国产| 国内精品宾馆在线| 91国产中文字幕| 伊人久久国产一区二区| 激情五月婷婷亚洲| 90打野战视频偷拍视频| 下体分泌物呈黄色| a级毛片在线看网站| 黄色视频在线播放观看不卡| 交换朋友夫妻互换小说| 国产av精品麻豆| 色哟哟·www| 国产日韩欧美亚洲二区| 欧美日韩精品成人综合77777| 妹子高潮喷水视频| 亚洲精品,欧美精品| 国产亚洲一区二区精品| 欧美精品一区二区免费开放| 免费看av在线观看网站| 午夜av观看不卡| 亚洲国产欧美日韩在线播放| 街头女战士在线观看网站| 久热久热在线精品观看| 在线观看三级黄色| 久久久久久久久久成人| av不卡在线播放| 只有这里有精品99| 涩涩av久久男人的天堂| 精品第一国产精品| 久久久久久久久久人人人人人人| 99久久精品国产国产毛片| 国产精品成人在线| 女的被弄到高潮叫床怎么办| 九色成人免费人妻av| 岛国毛片在线播放| 水蜜桃什么品种好| 亚洲美女视频黄频| 热99久久久久精品小说推荐| 亚洲国产最新在线播放| 99国产综合亚洲精品| 亚洲四区av| 午夜av观看不卡| 在线观看一区二区三区激情| 国产国拍精品亚洲av在线观看| 欧美激情国产日韩精品一区| 一级毛片我不卡| 亚洲精品aⅴ在线观看| 亚洲国产成人一精品久久久| 午夜久久久在线观看| 人妻一区二区av| 国产精品久久久久成人av| 国产精品一国产av| 乱人伦中国视频| 成人影院久久| 国产av码专区亚洲av| 亚洲四区av| 观看av在线不卡| 日韩精品免费视频一区二区三区 | 五月天丁香电影| 国产永久视频网站| 男人舔女人的私密视频| 搡女人真爽免费视频火全软件| 人妻 亚洲 视频| 少妇猛男粗大的猛烈进出视频| 亚洲人成77777在线视频| 麻豆乱淫一区二区| 一本色道久久久久久精品综合| 日韩电影二区| 国产成人a∨麻豆精品| 制服丝袜香蕉在线| 午夜福利影视在线免费观看| 久久久国产精品麻豆| 国产成人精品久久久久久| 国产精品熟女久久久久浪| √禁漫天堂资源中文www| 午夜福利乱码中文字幕| 高清av免费在线| 国产爽快片一区二区三区| 99热网站在线观看| 久久久国产欧美日韩av| 制服诱惑二区| 晚上一个人看的免费电影| 制服诱惑二区| 亚洲美女搞黄在线观看| 日本色播在线视频| 伊人久久国产一区二区| 日韩中文字幕视频在线看片| 97在线人人人人妻| 中文精品一卡2卡3卡4更新| 自线自在国产av| 久久人人爽人人爽人人片va| 久久狼人影院| 国产激情久久老熟女| 国产男女超爽视频在线观看| 国产亚洲精品久久久com| 最黄视频免费看| 久久精品aⅴ一区二区三区四区 | 亚洲国产毛片av蜜桃av| 午夜免费鲁丝| 国产福利在线免费观看视频| 亚洲精品国产av蜜桃| 亚洲精品色激情综合| 国产欧美亚洲国产| 夜夜骑夜夜射夜夜干| 这个男人来自地球电影免费观看 | 18禁在线无遮挡免费观看视频| 欧美日韩成人在线一区二区| 国产xxxxx性猛交| 亚洲内射少妇av| 夫妻性生交免费视频一级片| 午夜激情av网站| 国产 一区精品| 国产xxxxx性猛交| 精品少妇内射三级| 日本免费在线观看一区| 侵犯人妻中文字幕一二三四区| 黑人高潮一二区| 久久久久久久久久久免费av| 久久久精品区二区三区| 国产国语露脸激情在线看| 久久久欧美国产精品| 在现免费观看毛片| 又大又黄又爽视频免费| 免费人成在线观看视频色|