图像处理方案来检测皮肤浅表真菌感染

文摘

浅表真菌感染的发病率为20到全球人口的25%。荧光显微法提取的皮肤样品经常用于感染的快速评估。支持皮肤科医生,科学家发明了一种图像分析方案评估数字显微图像检测真菌菌丝。这项研究的目的是提高诊断质量和缩短time-to-diagnosis。分析,包括预处理、分割、参数化,和分类识别结构,进行数字显微图像。创建测试数据集的菌丝和假阳性对象评估算法。此外,真正的临床图像的性能是研究使用415张图片。结果表明,菌丝的敏感性是94%和89%为单数和集群菌丝,分别。意味着排除假阳性对象率是91%。临床图像的敏感性是83%,特异性是79%。 Although the performance is lower for the clinical images than for the test dataset, a reliable and fast diagnosis can be achieved since it is not crucial to detect every hypha to conclude that a sample consisting of several images is infected. The proposed analysis therefore enables a high diagnostic quality and a fast sample assessment to be achieved.

1。介绍

假设20 - 25%的全球人口是影响表面的真菌感染,发病率不断增加(1]。在热带地区发病率的主要原因是由于真菌生长的理想的温暖和潮湿的条件(2]。真菌感染的主要原因,(3,4),消化角蛋白,因此可以发现对皮肤及其附件(头发、指甲)5]。他们是通过直接的人与人之间的接触或间接传播通过受感染表皮脱屑或头发5]。

由于普遍发生和由此产生的大量的病人,这是一个常见的任务皮肤科医生诊断和治疗真菌感染。直接显微镜检查通常是用作筛选方法,因为它是快速和具有成本效益的6]。荧光染色增加样本对比,因此进一步促进真菌的检测(7,8]。显微镜方法的一个缺点是,没有真菌物种可以获得的信息。因此,额外的方法如真菌文化或dna聚合酶链反应方法必须被执行,当真菌物种是重要的信息9]。然而,直接显微镜检查是必不可少的浅表真菌感染的诊断方法(6]。

虽然显微镜比文化——更快、更便宜或基于dna的方法,它有一些缺点。根据用户体验,样本条件下,样本大小,它可能仍然是费时的评估完成样品。因此诊断多个样本可能是一个单调乏味的任务,可能导致分类错误和增加内部和interobserver可变性。

为了克服这些缺点,一个图像分析计划已经被开发出来,它自动检测真菌感染在数字荧光显微镜图像。利用图像处理的方法检测真菌结构是一种常见的方法在生物技术真菌生长在发酵过程的描述和分析10- - - - - -13]。然而,真菌感染的临床图像的自动评价,据我们所知,一个新的话题。

发达临床常规分析方案应该有用,必须设计来满足特定需求。最重要的是,除了高敏感性和特异性,一个可靠的诊断应该在病人接触时间可用。因此,图像分析和可视化的结果必须适应临床工作流程。在这种情况下有必要减少time-to-diagnosis尽可能大程度。这可以通过选择在线可视化算法计算时间和较低的检测结果。

在这项研究中提出的方法使用多个图像处理步骤进行预处理,段,参数化自动荧光成像系统拍摄的图像。参数来描述结构被用于检测到一个基于规则的分类方案决定是否一个真菌感染。被选出的图像处理方法实现可接受的计算时间。方法的性能评价为手动选择测试数据集和临床感染和未感染病人的图像。

2。材料和方法

2.1。样品材料和准备

感染小皮肤鳞片组成的样本来自大学医院的临床病例。常规检查中收集样本,真菌感染被临床医生诊断。此外,未受感染的健康受试者的样本还在医院。浸渍和染色的样品制备包括商用MykoColor (RSC制药、吉森、德国)在我们的实验室。皮肤鳞片都位于一个物体滑动和0.02毫升MykoColor是补充道。盖玻片是用来轻轻压平样本。

2.2。成像设备

成像是使用一个实验执行自动荧光成像系统(赫尔穆特•霍德GmbH是一家位于德国)提供一个完整的1厘米²区域扫描(100年由单一图像)的载玻片皮肤尺度随机分布。系统配备一个单色相机(5像素),客观(10倍放大,0.25 NA)和LED照明单元(激发峰:365海里)并能自动对焦对样本结构。

2.3。对图像的描述,菌丝和其他结构

自动化的样品的荧光图像捕获设备通常与明亮的荧光结构显示一个黑暗的背景。这些结构是菌丝,属于真菌感染或假阳性结构和文物被误解为菌丝。图1显示了两类菌丝,单数(a)和集群(b),通常可以观察到,在这项研究正在调查。奇异菌丝具有相对统一的宽度和强度。形状通常是细长的或弯曲的树枝。群集的菌丝可以被描述为一个集聚重叠奇异和可能有多个连接的分枝菌丝。

假阳性结构出现在样品主要是纤维素纤维的衣服,圆形和不规则反射照明单位发生的空气夹杂物,和其他杂项物品如塑料粒子和污垢。

纤维素纤维(见图2(一个))通常可以发现在皮肤样品。特征是细长但不规则表面和纹理不同宽度。此外,纤维往往大于菌丝。

圆形和不规则空气夹杂物(数字2 (b)和2 (c))在样品制备过程中发生。小型夹杂物形成圆形结构与光明和空气之间的转换的染色试剂由于反射照明单元。大型夹杂物显示各种不规则形状类似小型夹杂物的转换。

杂结构等外部污染塑料粒子的样本容器(图2 (d))用于传输和存储,污垢和灰尘。其他对象的形状是可变的,但在大多数情况下不同菌丝。此外,这些对象可以确定由于高强度。

图3显示了一个典型的概述临床图像与多个结构像皮肤鳞片,纤维素纤维和其他粒子通常可以发现。图片显示的各种可疑对象必须处理同时检测菌丝和皮肤科医生的挑战在评估数据和软件算法。

2.4。图像分析

(概述如图发达图像分析方案4)分为图像预处理和分割阶段,参数化和对象分类。OpenCV的开源图片处理框架(14是用于实现。此外,开发了一个图形用户界面加载图像数据和可视化结果。

预处理和分割开始Canny-Algorithm [15减少背景和边缘检测结构。二值化后,算法结束不连续物体(使用形态学膨胀)和提取连接结构成单个地区的利益(ROI)使用连接组件方法基于区域增长算法。

填坑,可能存在的对象,下一个预处理步骤扩展了ROI的一个像素宽边界分离对象的ROI。然后大量填充算法用于分配任意强度值对所有像素周围的对象。在最后一步我们分配对象不对应的所有像素强度值任意强度的值。

预处理后的所有单个对象存储在一个数据集,用于连续参数化和分类的步骤。

图5显示了菌丝每个预处理步骤的结果。

在参数化步骤形态和统计特性计算数据集中每一个可疑对象。必须提到所有阈值声明下面只有有效利用成像系统和相机设置。因此,他们应该在其他系统上了。首先,预选对象的对象大小和对象执行强度。

对象的大小。解决小工艺品,往往出现在样品中,只有对象包括一定数量的像素被认为是在分类。250年使用图像设置一个阈值的像素是手动选择基于菌丝的大小分布。

对象的强度。使用相机的曝光时间和增加配置匹配的亮度彩色菌丝。因此,阈值的平均强度的结构(使用设置值为130)研究解决非常聪明的假阳性结构。

然后,以下特性计算剩余可疑对象。随后基于规则的分类使用这些特性和阈值来排除假阳性对象(没有菌丝)对象和数据集的真阳性菌丝。

柱状图分析。的强度分布不规则的空气夹杂物显示了第一个峰值特征在低强度和第二个峰值下降斜率的第一个高峰。这是由于这样的事实:空气和染色试剂产生不同的图像强度值。因此,roi包含不规则空气夹杂物包含两个背景强度水平仅存在于空气夹杂物。这些信息是用来区分这些结构与菌丝。形状识别的特征峰的位置和振幅平滑直方图的计算和比较手工派生对象阈值(峰值的位置1本30和振幅峰值后2不低于15)。这些阈值是通过评估获得的所有观察到的不规则空气夹杂物。

检测循环结构。一个算法基于霍夫变换原理(16)循环空气循环结构是用来排除夹杂物。周围的矩形圆形物体的二次,计算算法只对对象的宽高比在0.8和1.2之间。像素强度沿圆周围集中在中间的矩形与相应的总结和归一化半径圈周长。10%的阈值的像素躺在圆了决定,对象是一个包含循环空气。

宽度的分析。的菌丝是统一的宽度和表面光滑,分布宽度计算垂直于结构骨架之间的两个相邻像素的每一个像素位置(在图所示的例子6)。此外,连接在骨架检测区分单数和集群菌丝。平均厚度和随后比较标准差阈值(单数菌丝:平均厚度4.4到9像素,标准偏差低于2.8;集群菌丝:平均厚度4.4到10像素,标准偏差低于12)。利用这些信息,不规则的结构,如纤维素纤维、塑料粒子、其他污染物,太薄或厚的结构如空气夹杂物识别和排除感染数据集的结构。

后分类识别假阳性所有对象被排除在数据集,只剩下真阳性菌丝。呈现的结果被发现感染的图像对象可视化的图形用户界面。

2.5。规范的分类参数

组成的测试数据集的子集手动选择所有发生的真和假阳性结果的对象创建指定分类特性。100单数菌丝,70集群菌丝,90圆形反射,90不规则反射,44纤维素纤维,和19杂项粒子子集的选择。上面所示的分类参数被手动优化迭代过程中产量最高的灵敏度。测试数据集的分类结果如表所示1和2,分别。只有足够大小的对象选择,“对象大小”标准的性能评估。

2.6。评价

的总体性能的方法临床使用荧光显微镜图像自动成像系统评估。因此,敏感性、特异性和计算时间总共415张图片。这些图像最初分为“感染”和“未”有经验的临床医生。该算法用于自动分类和比较的结果。

这项研究的结果发表在“形象”的角度来看,这意味着一个给定的图像被认为是感染一旦发现菌丝。因此,可以使用“/形象”的角度达到一个正确的分类没有检测图像中所有菌丝存在。未感染的正确分类图像,相比之下,意味着算法来解决每一个假阳性结构。

“每个图像”评价方法选择的临床意义单一的图像。皮肤科医生不需要认识所有菌丝实际上存在于样本。从理论上讲,它足以检测诊断菌丝真菌感染。

3所示。结果

所有计算进行3.00 GHz的英特尔酷睿2四核Q9650 CPU。尽管图像导入和图像的处理分别进行单核心,没有图像处理本身的并行实现。

3.1。分类的性能

分类的结果为真,假阳性的测试数据集结构如表所示1。在给定的上下文中,“分类正确”意味着对象被确认为真阳性的菌丝,对象是不被认为是假阳性的菌丝。

优化后的检出率分类算法的参数是单数和集群菌丝94%和89%,分别。关于假阳性结构圆形反射的检出率是98%,不规则的反射86%,为86%,纤维素纤维和其他粒子89%。

假阳性结构分类特性的性能如表所示2。不同类型的检出率不同(圆形反射,不规则的反射,纤维素纤维,和混杂。假阳性结构的粒子)。“强度”对象特性特别适用于纤维素纤维和其他粒子。循环测量和直方图分析解决假阳性由于反射的空气夹杂物成功和宽度计算检测阳性的类。

此外,Canny-Algorithm用于细分分类性能有很大的影响。在圆形反射算法解决50假阳性对象由于强度较低。另一方面,该算法没有检测所有最初连续对象作为单一的对象。它倾向于大型结构分割成多个对象。这种效应可以观察到纤维素纤维和其他粒子。

更详细的算法的评价表明,该方法用于减少假阳性结构错误排除真阳性菌丝的可疑对象的数据集。宽度计算,循环结构的检测、直方图分析每个解决两个奇异菌丝。集群菌丝5和3个对象被排除在外的宽度计算和直方图分析,分别(数据没有显示)。

3.2。临床图像性能

发达算法检测图像和174 160 194感染221未正确图片。因此,总敏感性为83%,特异性为79%临床荧光显微镜图像(见表3)。总共8433个对象分割使用减少的背景。在2311年拒绝小结构,对象仍为分类。

处理步骤的分析表明,计算乘以每对象和图像预处理18 - 96毫秒,18到101毫秒的分割、11和61毫秒等参数化分类,分别。整个处理的平均计算时间是47个毫秒为对象和一个图像(见表258毫秒4)。

4所示。讨论

图像分析方案检测真菌感染在数字荧光显微镜图像。该计划包括图像预处理、分割、参数化、分类步骤,所有的检出率有强烈的影响。结果表明,该分类参数为菌丝产量高检测率(94%和89%为单数和集群菌丝,职责)的测试数据集。然而,临床图像的整体性能降低。这可以解释为不同图像质量的测试数据集和临床图像。作为测试数据集的目的是评价算法的灵敏度的形态和统计功能,唯一的对象,是选择那些高图像质量的锋利的轮廓和高object-to-background对比。临床图像的图像质量,另一方面,差相比,测试数据集。object-to-background对比可以低因为其他结构重叠菌丝。此外,由于样品厚度,一些结构可能位于失焦领域,因此出现模糊。

然而,“每形象”的方法增加了敏感性,因为它足以探测到一个菌丝诊断感染。在这种情况下,它被认为,由于真菌生长,通常多个奇异和集群菌丝存在于感染样本。因此正确分类图像作为感染的可能性增加而越来越多的菌丝。

可以观察到相同的结果的特异性方法。假阳性结构测试数据集的检出率高于整体特异性。在这里,“每形象”的方法恶化的结果作为一个图像通常包含多个假阳性的结构都必须被正确分类。特别是不规则空气夹杂物、纤维素纤维和其他粒子可以减少特异性,因为超过10%的对象进行分类错误(见表2)。

因此,高灵敏度的权衡是特异性较低,而结果是,负责大量的未感染的对象发现菌丝。为了方便皮肤科医生的诊断过程提出了图像分类为真阳性不突出检测对象。这样有经验的皮肤科医生可以更迅速地决定是否一个图像包含菌丝,他们没有明确需要评估每一个对象。

当前评价的局限性,分析执行“每图像”基地,而不是“每个病人”基础上。“每形象”的方法用于优化处理算法,因为它是更敏感的微小的改进算法。使用这种方法更深刻的见解和优化性能也势可以派生。然而,评估系统的性能在许多学科的临床试验必须使用“每个病人”方法和ROC分析17必须执行。

计算时间的分析显示一个图像平均时间内完全分类的258 ms。这意味着感染可以诊断后直接开始处理,如果出现在第一图像。另一方面,如果没有感染或感染位于最后一个图片,它需要大约30秒(假设100图像扫描/样本)获得完整的结果。

减少计算时间的主要缺点是计算昂贵复杂的分割与分类算法不能在这种背景下实现的。细长的分段对象(如菌丝可以执行,特别是提出了活动轮廓模型作为刘et al。18]。这种迭代方法的缺点是,容易体对象的分割时间理想图像背景大概是1秒,三秒在嘈杂的背景。细长的血管像真菌菌丝,计算时间是说大约13到141秒取决于所使用的迭代和所需的分割质量。Inglis和灰色也报告轮廓分割用于集群菌丝昂贵的处理时间(19]。这些算法提供非常准确的菌丝的轮廓,但过于缓慢的上下文中使用临床常规诊断。使用这些复杂的算法在未来工作,计算将会加速。并行化或使用GPU计算可能是一个有前途的方法。

然而,越复杂的边缘检测分割方法用于这项研究也被报道成功检测菌丝或细长的结构图像。鲍姆等人描述称为HyphArea处理框架使用一个基于Sobel算子的边缘检测算法(20.在生物技术的应用程序)来测量真菌生长。Kumar等人报告的成功运用精明的边缘检测滤波器血管轮廓截面图像(21]。我们的研究也显示良好的分割结果;由于不同尺度的图像质量和干扰对象,然而,一些结构分为多个对象。

相比研究进行测量真菌的生物量和生长过程描述在发酵过程中,所使用的处理方案类似于本文提供的方法。Papagianni回顾了生物技术的常用方法,总结了轮廓的图像处理步骤如下:图像增强、图像分割、目标检测、二进制图像处理/计算,测量和数据分析(13]。这个大纲也实现了研究。

回顾研究显示的结果非常良好的分割性能10- - - - - -12,22,23]。最重要的不同临床皮肤图像相比,在我们的研究中使用生物技术图像宽增加的复杂性和可变性的结构。生物技术方法不需要处理假阳性结构,意想不到的污染,和理解力降低结构由于不同样本条件,也就是说,分割结果不能容易比较。

一般来说,预处理和分类算法本身的参数需要配置非常彻底。所有加工步骤依赖于图像的大小和强度信息。他们依赖于所使用的放大,物镜的数值孔径,照明装置,照相机。因此,在这项研究中使用的值和阈值是有效的使用实验成像系统和显示为例子。考虑到真菌菌丝的形态和假阳性对象并不随改变成像系统提出了参数化的方法通常可以被转移。分类,相比之下,不太可能从其他系统中,图像在不同条件下,可以评估成功没有调优的阈值,除非图像分辨率、放大、图像质量和荧光强度保留。然而,在这项研究中,提出的算法是专门发展成像系统和不需要进一步评估工作结果转移到其他成像平台。

此外,它被认为结果取决于可以优化算法的性能,但仔细的样品制备。减少假阳性的公司结构在运输、贮存和试图避免空气夹杂物染色过程中重要的步骤增加特异性,诊断所需的时间降到最低。增加灵敏度,保证均匀的样品厚度是很有用的,以避免失焦的结构图像。这可以通过确保一个适当的时间的浸渍和应用染色试剂和样品施加足够的压力。

支持医务人员的优缺点,讨论了计算“第二意见”领域的放射学(24自1990年代初。在这里,所谓的计算机辅助诊断(CAD)现在是一个常见的和被广泛接受的工具来提高放射诊断的准确性和一致性,也减少图像阅读时间(25,26]。Gurcan等人报告的方法也被转移到病理图像,在这一领域CAD算法已经开始开发疾病检测、诊断和预后预测补充病理学家的意见。Gurcan等人进一步描述定量图像评估需要补充教育但主观意见,病理学家(27]。在这项研究中提出的方法遵循这些想法和CAD方法转移到皮肤表面的真菌感染。

5。结论

方法可以加快这一进程为皮肤科真菌感染的诊断。它提供了标准化和可复制的结果,有助于提高诊断的整体质量。适用于临床常规,显微镜下,探针制备和软件必须被组合成一个商用自动成像系统。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这个项目(HA项目没有。294/11-39)资助的框架的仿制德国黑森州Projekte,资助基金的LOEWE-Landes-Offensive苏珥Entwicklung Wissenschaftlich-okonomischer Exzellenz, Forderlinie 3: KMU-Verbundvorhaben进攻(国家科学和经济发展的卓越)。

引用

1. b . Havlickova诉答:Czaika, m·弗里德里希·“全球皮肤真菌病流行病学趋势,”真菌病,51卷,不。4,男童,2008页。视图:出版商的网站|谷歌学术搜索
2. m·f·r·g·迪亚斯·m·v·Quaresma-Santos f . Bernardes-Filho a·g·d·f·阿莫林r . c .因为他和d·r·Azulay”更新治疗浅表真菌病:评论文章第一部分,”阿奈德Dermatologia巴甲,卷88,不。5,764 - 774年,2013页。视图:出版商的网站|谷歌学术搜索
3. m . Ameen“浅表真菌感染的流行病学,”在皮肤科诊所,28卷,不。2、197 - 201年,2010页。视图:出版商的网站|谷歌学术搜索
4. b·p·凯利“浅表真菌感染”,儿科在审查,33卷,不。4,pp. e22-e37, 2012年。视图:出版商的网站|谷歌学术搜索
5. r .干草,“浅表真菌感染”,医学,37卷,不。11日,第612 - 610页,2009年。视图:出版商的网站|谷歌学术搜索
6. s . c . Deorukhkar和美国赛”,通过年龄念珠菌病的实验室诊断方法,”国际目前的微生物学和应用科学杂志》上,3卷,不。1,第218 - 206页,2014。视图:谷歌学术搜索
7. j . Aslanzadeh g·d·罗伯茨,“直接的临床标本真菌感染的实验室诊断,”临床微生物学通讯,13卷,不。24日,第188 - 185页,1991年。视图:出版商的网站|谷歌学术搜索
8. d·j·m·霍尔丹和大肠Robart calcofluor白色的比较、氢氧化钾和文化浅表真菌感染的实验室诊断,”诊断微生物学和传染病,13卷,不。4、337 - 339年,1990页。视图:出版商的网站|谷歌学术搜索
9. m·f·德Chauvin”新的诊断技术”,欧洲皮肤病与性病学学会杂志》上补充1卷。19日,20 - 24,2005页。视图:出版商的网站|谷歌学术搜索
10. 美国Reichl、t . k . Buschulte和e·d·Gilles”研究早期的生长和分支链霉菌属tendae通过一个图像处理系统中,“杂志的显微镜,卷158,不。1,55 - 62、1990页。视图:出版商的网站|谷歌学术搜索
11. 美国Reichl, h·杨,工作流管理。Gilles, h .狼”,一种改进的方法测量菌丝的间隔的间距链霉菌属tendae通过荧光显微镜加上图像处理。”《微生物学字母,卷67,不。1 - 2、207 - 209年,1990页。视图:出版商的网站|谷歌学术搜索
12. p·w·考克斯和c·r·托马斯”分类和测量真菌球的自动图像分析,“生物技术和生物工程,39卷,不。9日,第952 - 945页,1992年。视图:出版商的网站|谷歌学术搜索
13. m . Papagianni”表征的真菌形态使用数字图像分析技术,”微生物与生化技术杂志》上》第六卷,没有。4、189 - 194年,2014页。视图:出版商的网站|谷歌学术搜索
14. k . Pulli a . Baksheev k . Kornyakov诉Eruhimov,“实时计算机视觉与OpenCV,”ACM的通信,55卷,不。6,61 - 69年,2012页。视图:出版商的网站|谷歌学术搜索
15. j .精明的边缘检测的计算方法,“IEEE模式分析与机器智能,8卷,不。6,679 - 698年,1986页。视图:出版商的网站|谷歌学术搜索
16. 伊林沃思和j .难应付的霍夫变换的一项调查显示,“计算机视觉、图形和图像处理,44卷,不。1,第116 - 87页,1988。视图:出版商的网站|谷歌学术搜索
17. c·e·梅茨“接受者操作特征分析:观察者性能的定量评价的工具和成像系统,”美国放射学杂志》上,3卷,不。6,413 - 422年,2006页。视图:出版商的网站|谷歌学术搜索
18. h . t . Liu, w·金,赵y, z . Liu和w·田,“医学图像分割混合提出活动轮廓模型的基础上,“计算和数学方法在医学文章ID 890725卷,2014年,10页,2014。视图:出版商的网站|谷歌学术搜索
19. Inglis i m和a·j·格雷,“评估半自动轮廓分割方法应用于真菌菌丝,”生物识别技术卷,57号1,第239 - 232页,2001。视图:出版商的网站|谷歌学术搜索|MathSciNet
20. t·鲍姆a . Navarro-Quezada w . Knogge d . Douchkov·施魏策尔和塞弗特,“HyphArea-automated时空真菌的分析模式,”植物生理学杂志,卷168,不。1,第78 - 72页,2011。视图:出版商的网站|谷歌学术搜索
21. r·p·库马尔f . Albregtsen m .雷蒙b .埃德温·t·Langøo . j . Elle,“三维血管分割和基于二维截面中心线提取分析,“《生物医学工程,43卷,不。5,1223 - 1234年,2015页。视图:出版商的网站|谷歌学术搜索
22. o .丹尼尔·f·Schonholzer, j . Zeyer”量化的真菌菌丝落叶树的叶子自动图像分析,“应用与环境微生物学,卷61,不。11日,第3918 - 3910页,1995年。视图:谷歌学术搜索
23. k·g·塔克t·凯利,p . Delgrazia和c r·托马斯“全自动测量菌丝体的形态通过图像分析,“生物技术进展,8卷,不。4、353 - 359年,1992页。视图:出版商的网站|谷歌学术搜索
24. c . j . Vyborny“电脑能帮助放射科医生阅读乳房x线照片吗?”放射学,卷191,不。2、315 - 317年,1994页。视图:出版商的网站|谷歌学术搜索
25. k . Doi:“当前状态和未来潜在的医学图像的计算机辅助诊断,”英国放射学杂志》上补充1卷。78年,pp. s3-s19, 2005。视图:出版商的网站|谷歌学术搜索
26. j . Shiraishi问:李、d Appelbaum和k . Doi“计算机辅助诊断和人工智能在临床成像,”在核医学研讨会第41卷。。6,449 - 462年,2011页。视图:出版商的网站|谷歌学术搜索
27. m . n . Gurcan l e。a ., a . Madabhushi n·m·Rajpoot b .日圆,“组织病理学图像分析:一个评论,”在生物医学工程IEEE评论,2卷,第171 - 147页,2009年。视图:出版商的网站|谷歌学术搜索

版权

版权©2015 Ulf马德尔et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。