TXI:内窥镜图像增强的纹理和颜色增强成像

文摘

识别损伤的微妙的形态和/或颜色变化在白光成像(WLI)内窥镜检查仍然是一个挑战。通常内窥镜图像遭受非均匀照明在整个图像由于曲率腔和内窥镜的照明光的方向。我们提出一种图像增强技术来解决上述缺点称为纹理和颜色增强成像(TXI)。TXI旨在加强三个形象因素" WLI(纹理、亮度和颜色)以明确组织的细微差别。在我们的方法中,retinex-based增强采用内窥镜图像处理链。Retinex-based增强结合颜色增强大大加重粘膜表面的色调差异。我们应用TXI动物内窥镜图像和评估TXI与传统内窥镜相比的性能增强技术,通常使用真实世界的图像处理技术,新提出了手术内窥镜图像增强技术。我们的实验结果表明,TXI可以提高亮度选择性地在黑暗的内窥镜图像领域,可以提高组织的细微差别细微形态或颜色变化等,同时防止over-enhancement。这些实验结果表明提出的潜力TXI算法作为未来的临床工具检测胃肠病变有difficult-to-recognize组织差异。

1。介绍

内镜检查在早期病变检测中起着重要作用降低胃肠道癌症相关的死亡率。大肠癌是最常见的胃肠道癌症在世界范围内,在2018年报告了180万例新病例和862000例死亡(1]。在结直肠癌的早期检测全结肠镜检查是重要的为了避免间隔期间结直肠息肉癌症,和腺瘤检出率1%的提高与降低3%的利率区间癌症(2]。胃癌是全球第二最常见的胃肠道癌症,早期发现是有用的为提高5年针对疾病的存活率(3]。目前的标准实践结直肠息肉检测和检测胃癌内镜使用白光成像(WLI);然而" WLI的性能检测早期肠癌和胃癌病变是不满意的4,5]。例如,结肠镜检查研究显示结直肠息肉的小姐率可能高达22%到26% (5]。息肉有轻微的形态变化等持平或沮丧的外观或息肉及息肉苍白有微妙的颜色变化可能会被忽视6- - - - - -8]。

来提高检测性能,一些临床调查的有效性image-enhanced内镜(IEE) [9)进行。光image-enhanced技术如窄带成像技术(NBI) [10)已被广泛研究。在胃里,NBI胃癌的早期筛查的好处是不确定最近的一项多中心随机对照试验没有发现提高检出率与使用NBI WLI [11]。在结肠,NBI可能帮助一个endoscopist达到一个更高的腺瘤检出率在" WLI但只有当肠道准备是最优的12]。因此,越来越有兴趣开发新技术,提高检测性能。

在本文中,我们调查的内窥镜图像增强技术设计意图改善胃肠道损伤检测。正如上面提到的,很难识别病变" WLI微妙的形态和/或颜色变化。内窥镜图像经常遭受非均匀照明由于曲率腔和内窥镜的照明光的方向。非均匀照明可以使观察困难因为遥远的区域可能出现暗。我们提出一种新的图像增强技术来解决这些缺点称为纹理和颜色增强成像(TXI)。TXI旨在加强三个形象因素" WLI(纹理、亮度和颜色)来定义组织的细微差别明显。

一些图像处理技术提出了解决非均匀照明的真实世界的图像。直方图均衡化(他)和伽马校正(GC)是众所周知的和广泛使用的技术,因为他们的简单算法。在他整个图像的直方图调整平衡的灰度值和GC增强了亮度和对比度扩展和压缩明亮区域的黑色区域。然而,这些方法的主要缺点是图像中每个像素分别治疗不考虑相邻像素的输出图像与输入图像不一致。解决上面的问题,自适应图像增强技术,把每个像素相对于周围环境。例如,retinex理论(13]基于人类视觉特性已被广泛应用在实际图像处理增强光线亮度。retinex理论,原始图像分为两层,一个基本层和一个细节层,每一层处理来提高非均匀照明。王等人。14)提出了一种基于非线性函数变换的彩色图像校正方法根据多尺度retinex模型。Okuhata et al。15)提出了一个估计的基础层使用变分retinex模型和应用GC的基础层内窥镜图像。罗等。16)演示了使用改性多尺度retinex模型外科内窥镜图像中只有细节层用于解决非均匀照明。然而,在这些方法中,很难保持图像的亮度和色彩保真度以及他或GC。例如,图像亮度在疫病区域压缩通过应用GC基本层(15],基础层,包括信息的图像亮度和颜色完全排除在16]。在胃肠内镜," WLI用作标准基线观察,这是至关重要的维持原来的亮度和颜色的一致性" WLI舒适和熟悉的医生形象。

为了解决上述缺点,我们提出一种图像处理技术修改retinex-based处理以提高组织的细微差别和维护" WLI外观。此外,我们还提出retinex-based增强色彩增强的组合极大地增强色调细微的颜色差别的帮助更容易识别。新奇的工作不仅是改善图像中光照不均匀性,提出了相关工作(14- - - - - -16),但也通过应用retinex-based算法和增强组织的细微差别颜色胃肠图像增强算法,同时保持图像自然(WLI外观)。

在本文中,我们目前TXI算法的内窥镜图像和定量评估指标验证TXI性能。另外,我们应用TXI动物内窥镜图像和评估性能的TXI相比对传统IEE方法用于临床实践,如结构增强[9)和血红蛋白指数(IHb)颜色增强[9),实际的图像处理技术,如他,和新提出的技术16]因为手术内窥镜图像增强。这些动物实验的结果表明,TXI提供了一个平衡的改善图像特征重要的医生寻找异常(选择性增加亮度,更大的分色,和纹理增强)同时最小化总变化可能产生负面影响的熟悉(自然)。

2。方法

本节介绍了TXI算法和定量评估指标用于内窥镜图像评价的定义。TXI,估计基础和细节层后,部分亮度调整应用维护的基础层的亮度和色彩明亮的地区平衡RGB组件。由于轻微的形态和颜色变化都包含在细节层,这种变化的对比度增强是通过使用细节层。对细节增强,我们提出的一个重要应用程序中修改retinex-based内窥镜图像的方法。在内窥镜图像,几个亮点往往由于镜面反射。自亮点通常非常小的区域和相当高的对比,这些都不是在基础层中提取,但在细节层对应于局部对比度亮度和颜色的场景。因此,增强细节层诱发强烈的增加亮点,这样可能会模糊图像增强斑点,导致错过了病变。要解决这个缺点,我们提出一个方法来消除亮点从细节层包括基础层的斑点。

2.1。TXI算法

TXI旨在加强三个形象因素(纹理、亮度和颜色)通过应用retinex理论。这个理论的基础是将图像分解成两个截然不同的层次根据人类视觉特点:基本层代表场景中的照明组件和一个细节层对应于局部对比场景的亮度和颜色。可以减少传感器的局部对比度色调映射自更大的动态范围传感器要映射到一个更小的范围。这一理论的目的是防止此类对比减少基础层的压缩,同时保持细节层。

TXI如图的流程图1。TXI包括以下六个过程。输入图像分为基础层和细节层的步骤1通过使用一个single-scale retinex算法(SSR) (17]。在步骤2,基础层的黑暗区域的亮度是纠正。很难调整图像的亮度有选择地在黑暗地区通过光源控制,因为它是应用在整个图像,可以导致亮晕光。另一方面,由于基地层对应于照明组件,部分图像中亮度控制可以通过处理技术。增强纹理和颜色的步骤3- - - - - -5。基础层的动态范围压缩在步骤3对轻微的形态维持当地的对比,重要或颜色变化包括在细节层。在步骤4、纹理增强应用于细节层增强微妙的对比。压缩基本层和增强细节层重组步骤5产生TXI图像直接显示TXI mode2或进一步处理。输出图像的步骤5在最后一步有其色调增强6。彩色增强算法的目的是扩大图像中颜色差异尤其是红色和白色色调之间。步骤的输出6TXI模型。有两个设置TXI:模型与增强和mode2没有颜色增强,出现接近" WLI色调。

步骤1。分成两层
苏维埃社会主义共和国(17)和多尺度retinex算法(MSR) (18)是众所周知的retinex-based算法一样简单。在这项工作中,我们使用SSR的喜爱,因为它很简单,而且容易实现。
苏维埃社会主义共和国是由 (在哪里x,y)是对输入图像的像素我_c三个颜色通道的红、绿、蓝(c )。D_c和B_c分别代表细节层和底部层。根据SSR,基地层可以通过高斯滤波器卷积计算我_c。然而,有缺点的应用SSR使用高斯滤波器,这是一个光环工件发生在边缘图像。计算方法基本层使用一个edge-preserving过滤器来解决这个缺点被报道在19,20.]。在这项工作中,我们使用一个edge-preserving过滤器代替高斯滤波器,基础层是派生的使用 在哪里和像素位置,= (x,y),= (u, )。 是一个标准化的术语: 在哪里f是一个高斯函数在空间域和是强度的高斯域。
正如上面提到的,通常亮点可以发生在内窥镜图像。由于亮点是非常小的区域和高对比度,这些都不是在基础层提取(2),但在细节层。有必要移除这些景点的细节层避免over-enhancement斑点。这是由使用 在哪里的面积是亮点。图像中的亮点可以包含在基本层通过使用(4)。通过使用(1)和(4),细节层是派生的再次使用 因此, 内的亮点。

步骤2。亮度调整
亮度校正的黑暗区域是由使用 在哪里h是一个阈值参数,α是一个亮度校正参数,B_马克斯基本层的最大强度在吗R,G,B每个像素的值。一个更高的h值代表更高亮度的调整目标,和一个更小的α在黑暗中显示强大的增益。这些值经验确定。首先,我们测试α= 1/2,h从1/5马克斯(集成电路)到3/4马克斯(集成电路)寻找合适的h价值。我们发现h= 1/4马克斯(集成电路)显示了良好的性能平衡的可视化在黑暗和明亮的区域。然后,我们测试了α从1到1/2,发现α= 1/1.4显示相对较好的业绩,在黑暗地区平衡图像噪声和可视化。在这里,max (我_c)代表之间的最大强度值R,G,B频道。在(7),较小的基极层强度比h是纠正α增加亮度在黑暗的区域。修正后的基本层B”_c推导出使用 在哪里米(x,y)是一个获得地图代表获得每个像素值校正: 在(8),每个颜色通道的基本层乘以相同的增益值。因此,色彩平衡的比例在每个颜色通道可以被保留,和亮度校正可以执行,同时保持输入图像的色调。

步骤3。贴图色调
色调映射应用于纠正基础层要通过使用相同的功能目前用于内窥镜图像处理链。因为贴图色调通常是一个非线性过程,它需要相同的色调映射函数要保证颜色复现。贴图色调后的基础层表示为 在哪里γ目前使用的色调映射函数要在链中的贴图色调的内窥镜图像处理。γ是一个函数类似于一般的语调曲线函数中使用伽马校正(GC)。

步骤4。纹理增强
纹理增强是由使用 在哪里加强细节层和吗是一个增强参数。而更大的值可以提高当地的对比,设置过高可能导致over-enhancement。增强参数是根据经验确定。我们测试了从1.0到2.0找到合适的价值。我们发现= 1.2显示了当地的相对性能良好的可视化对比而抑制over-enhancement。所示(1),细节层代表当地对比输入图像之间的差异,基本层。因此, 当 当地没有对比的存在。另一方面, 基于1当有更多或更少的价值 哪里有地方的对比。因此,形态或颜色变化所导致的局部对比度可以增强(11)。此外,在亮点, 由(6),因此,这些斑点是不影响(11),它可以防止over-enhancement这些斑点。

第5步。图像叠加
基本层色调映射和增强细节层要重组后使用 在哪里O2_c是TXI模式2的输出。

步骤6。彩色增强
颜色增强然后应用于TXI mode2输出更清晰地定义轻微的颜色对比。特别是,苍白或红色区域增强早期病变检测的重要信息。颜色的区别作为度量胃肠内窥镜图像的色彩对比(21]。被定义为任意两点之间的欧几里得距离CIE 1976洛杉矶吗b空间,这对应于变色被人类的视觉系统。因此,颜色增强旨在扩大特别是在红色和白色的颜色通过直接提高色调在CIE 1976洛杉矶b空间。颜色增强以以下方式进行:(一)RGB输出TXI mode2转化为CIE1976洛杉矶b(b)的语气一个 是扩大了C(年代)加强色彩对比之间尤其是红色和白色的颜色(c)(b)的输出转换回RGB输出让我们定义一个 图像和扩展一个 形象一个和 ,和推导出使用 所示(14),C(年代)定义为一个线性函数由一些多边形线由于其容易实现。的语气一个 扩大了使用C(年代),和一个区间年代₁和年代₂代表扩张目标区间。坐标的年代_n,t_n)根据经验确定。而一个更大的目标区间年代₁和年代₂和一个更大的增强之间t₁和t₂可以增强色彩对比,设定范围太宽可能导致over-enhancement。首先,我们分析了语气一个 的图像用于我们的动物实验来确定(年代_n,t_n),发现的范围一个 是15 <一个 < 50岁。因此,我们测试了(年代₀,t₀]= [0],[年代₁,t₁),(年代₂,t₂在一系列15至50,发现年代₁,t₁]=[15,5]和[年代₂,t₂]=[30、30]显示相对较好的业绩,平衡色彩对比红色和白色的基调和自然的再现性" WLI外观形象。
形象的例子所示的数字2(一)-2(e),数字2(一)-2(e)表示," WLI TXI mode2, TXI模型,TXI mode2没有亮点从细节中提取层(6),和没有亮点TXI模型提取细节层(6),分别。如图2,当比较TXI mode2 " WLI,粘膜颜色和结构的变化的对比可以增强TXI mode2,外观和颜色的TXI mode2接近" WLI的特点。此外,亮度在黑暗地区增加TXI模型和mode2而明亮的区域保留。比较和mode2 TXI模型,模型有更高的粘膜颜色对比特别是在红色和白色的颜色。亮点是增强TXI没有亮点从细节中提取数据层(6)2(d)和2(e)的增强细节层包括亮点。相反,增加这样的亮点在TXI数字2(b)和2(c)可以抑制利用方程(6)。

2.2。内窥镜图像评价定量评估指标

几个定量评估指标被广泛用于评估现实世界图像的可见性。在内窥镜视觉评估,有一些研究的可见性进行了定量评估(16,22]。然而,医生的主观评价是目前最主要的方法来验证图像质量的胃肠内窥镜图像,和建立的定量评估是一项具有挑战性的任务,因为没有可用的黄金标准。在这项工作中,我们定义以下定量评估指标验证TXI性能的纹理,亮度,和颜色增强:(1)标准差平均照明,(2)色差,(3)edge-based对比测量(EBCM) [23),和(4)结构相似度指数(SSIM) (24]。

我们定义的标准偏差平均照明作为照明均匀性的度量。的度量可以被解释为一个指标亮度校正在黑暗的图像区域值越小,均匀性越好。在这里,得到图像的平均照明使用 在哪里Y从RGB派生通过使用参数中定义ITU-R BT.601和F_k与内核平均滤波器尺寸k和是卷积算子。F_k用于消除图像噪声的影响和对比照明均匀性的度量。k是根据经验确定。我们测试了k从1到29日,结果k= 17相对一致的主观的结果。

正如上面提到的,颜色不同最近使用的度量胃肠内窥镜图像的色彩对比。因此,在这项工作中,我们定义色调的颜色差异度规的提高。

我们定义EBCM作为图像的指标对比。EBCM被定义为之间的对比我(x,y),其平均edge-weighted价值E(x,y在一个补丁O这是一个感兴趣的区域(ROI)的计算图像对比(16,23]: 在哪里是所有相邻像素的集合(x,y),(u, )边缘像素值(u, ),和G总像素值的ROI。

SSIM是一个评价指标提出了(24]。SSIM用于评估原始图像之间的相似性和增强的图像通过评估图像亮度,对比,和结构。我们使用SSIM作为自然的度量,在我们的案例中定义为" WLI外观形象的再现性。

3所示。实验结果

3.1。实验设置

TXI算法应用于内镜图像从动物实验获得。我们收购了内窥镜图像在食道,胃和结肠的麻醉猪验证TXI性能。在这个工作中,所有使用伊维斯LUCERA精英系统获得的图像和GIF-H290Z内窥镜(奥林巴斯公司(日本东京)。原始图像的预处理图像,即。、图像传感器输出。参考图像和增强图像从原始图像生成的计算机仿真确保相同的场景和入射角之间的粘膜的方法。我们定义了参考图像与传统的" WLI结构增强水平A3和增强图像TXI模型,TXI mode2,和传统或临床使用增强的方法,如结构增强水平A8和水生生物研究所颜色增强。结构增强[9]是一种内镜处理器设置,增加粗图像的清晰度特性从低(1)高(8)。我们A3级别设置为参考图像,因为设置的默认设置是伊维斯LUCERA精英系统。水生生物研究所颜色增强[9)也是一个设置,增加色彩对比图像中基于血红蛋白指数,和红色的颜色变得更加红色和白色的颜色变得更白。除了这些临床使用方法,我们比较TXI与传统技术,如他对真实世界的图像处理,提出一个新retinex-based技术M1 (16]因为手术内窥镜图像增强。所有增强图像的增强结构设置是A3除非另有注明。所有实验在PC上运行Windows 64位专业系统利用微软Visual Studio 2012和MATLAB c++ 2019 b。所有动物实验动物伦理委员会的批准奥林巴斯公司,日本东京。

3.2。主观的评价

的能力TXI选择性地增强图像的亮度是评估食管(图3)。中心区域的亮度增加TXI(数字3(d)和3(g)),而光明的外围区域。相比之下,参考(图3(一)),他(图3(e)和M1(图)3over-enhanced (f))。他的形象,整体形象对比上升,但黑暗地区的扩张。周边地区的亮度增加一个不自然的程度上在M1(图3(f))。手,TXI(数字3(d)和3(g))可以自然地增强黑暗地区相比,他和M1。

接下来,TXI增强色彩对比的能力评估在胃的内窥镜图像(图4)。TXI模型(图的颜色对比4(g)和mode2(图)4(d)(图)出现高于参考4(一))和水生生物研究所颜色增强(图4(b))。此外,白色色调TXI模型下变得更白,导致更大的红色和白色的对比色调特别的中心形象描绘成白色虚线圆图4(g),他和M1 (16)方法提高整幅图像的对比;然而他们也导致晕光的领域扩张(数字4(e)和4(f),箭头)。

最后,由TXI纹理增强与其他方法相比了。如图5,M1(图5(f)), TXI模型(图5(g)), mode2(图5(d))有更好的对比,特别是轻微粘膜形态学变化,参考(a),水生生物研究所颜色增强(b),他(e), (c)和A8结构增强。而M1算法生成更大的整体形象的对比,它深受over-enhancement和晕光明显左边的图像(图5(f))。另一方面,TXI可以自然地增强轻微粘膜对比与M1(数字5(d)和5(g))。

3.3。定量评估

定量评价的亮度、颜色和纹理增强了使用三个图像如图6。所有指标除了色差计算ROI描绘成一个白色广场在每个图像。我们几个roi如图7∆E,计算颜色区别红色和白色的颜色。roi描绘成红色广场和白色方块显示区域用红色和白色的颜色在每个内窥镜图像,分别。每个ROI的大小被设置为20×20像素。∆E之间的平均CIE 1976b在每一个红色和白色的ROI计算值。

表1显示了结果的定量评价七个不同的解剖区域图像处理方法。标准偏差的平均照明作为照明均匀性的度量。如表所示1,建立有较小的值比TXI模型参考,水生生物研究所颜色增强,和A8结构增强图像,以及两种模式TXI几乎相同的值。相比之下,他和M1 (16),TXI标准差较小的平均照度。这些结果表明,TXI模型和mode2可以减少图像的不均匀性,提高亮度有选择性地在黑暗的区域。色差∆E是定义为一个度量的颜色对比。如表所示1,建立具有较高TXI模型∆E比几乎所有其他增强方法。这些结果表明,TXI可以提高能见度红色和白色的颜色比其他颜色的对比增强方法。此外,在比较与mode2 TXI模型时,∆E是高于mode2的模型,符合TXI模型的算法设计调整mode2并不时颜色对比。M1图像色差比TXI食道;然而,如图3,M1的图片往往是overenhanced相比其他增强方法。为了评估图像对比,从每个增强方法测量(EBCM结果表1)。TXI模型和模式2值高于所有其他显示TXI可以大大提高图像对比度增强方法因纹理增强。我们最后的结果展示TXI对自然图像的影响。更高的SSIM表值1表明更好的自然保护。水生生物研究所颜色增强SSIM价值最高,表明水生生物研究所颜色增强是最接近参考。TXI相对接近的SSIM价值水生生物研究所色彩增强和A8结构增强和远高于他和M1。TXI mode2 SSIM价值高于TXI模型作为预测由于其缺乏色调增强。这些结果与主观的结果(数据一致3- - - - - -5),这表明TXI保持更好的在他和M1,自然和TXI mode2 TXI模型有更好的自然。

4所示。讨论和总结

本文提出一项调查探索实施的可能性retinex-based增强的内窥镜图像处理链中的潜在改善病变可见性。几项研究retinex理论被用于提高内镜能见度已报告(14- - - - - -16),而这些研究的目的主要是提高能见度不良由于身体有限(非均匀和高度方向)在内窥镜照明。相反,这项工作的目的是改善不仅图像中的光照不均匀性也增强组织的细微差别将retinex-based算法应用于胃肠道图像。调查的结果总结如下:(1)TXI可以提高亮度有选择地在黑暗地区的内窥镜图像和可以提高组织的细微差别等轻微的形态和/或颜色变化在传统的增强方法包括结构增强和水生生物研究所颜色增强。(2)比较TXI和传统技术(他)对真实世界的图像处理和新提议retinex-based外科内窥镜图像增强技术(16],TXI可以实现显著的图像增强与特点," WLI外表而防止over-enhancement观察到这些其他的方法。(3)和mode2 TXI有两种模式,模型,并增强它们之间的亮度和纹理是相似的。增强模型的色彩对比是优于mode2按照颜色模型算法的增强;然而,自然在mode2比模型。

总的来说,TXI提供了一个平衡改善图像特性的重要医生寻找异常(选择性增加亮度,更大的分色,和纹理增强)同时最小化总可能熟悉(自然)产生负面影响的变化。

尽管我们提出TXI算法优于其他增强技术,有两个主要的局限性。首先,苏维埃社会主义共和国(17)是采用这项工作,因为它是一个简单的算法和容易实现。然而,SSR的性能取决于过滤器用于计算的方差基地层,我们根据经验值动物内窥镜图像。进一步调查来检查是否TXI的性能可以通过使用一个高级retinex模型改进报道在现实世界的图像处理25)是必要的。这项工作的第二个限制是有限数量的动物进行内窥镜检查病例验证TXI算法的性能和参数TXI调整专门为动物内窥镜图像。因此,参数需要优化申请TXI实际临床内镜图像来自人类。此外,主观评价之间的一致性,提出定量评价指标证明只有这些动物实验的结果。因此,进一步的工作是需要检查从医生和主观评价之间的协议我们这里描述提出的指标。

我们已经描述了两种TXI模式在这个工作。我们的动物实验表明,TXI模型的色彩对比是更好的比TXI mode2自TXI模型直接扩展色调在洛杉矶b空间;然而,自然TXI mode2优于TXI模型。在实际临床实践,保持外观颜色接近" WLI可能比许多医生因为当前的标准实践需要使用" WLI期间检查。因此,这将是有趣的比较和mode2 TXI模型的性能在实际临床使用。

我们现在调查的临床相关性TXI算法运用到实际的临床内镜图像从上部和下部内镜获得。本次评估的结果将在不久的将来公布。TXI也可以结合光学图像增强技术如NBI TXI以来实现完全的内窥镜图像处理链。我们现在也正在调查,结合临床实践的可能性。此外,基于深度学习方法越来越多的被应用于内窥镜图像,尤其是对改善损伤检测。这些技术和TXI TXI以来预计将提高检测性能可以提高传统" WLI微妙的对比。在这方面,我们也探索的可能性,结合人工智能和TXI和即将到来的这次调查报告。

数据可用性

使用的数据来支持本研究的发现正在禁运而研究成果商业化。可用的数据可以在整个研究商业化,并请求数据将被相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢f . Hirano和美国Kuratani在获得他们的帮助和提供动物内窥镜图像数据。他是感激t . Iwasaki m . Yajima k . Takasugi k .山崎h·佐佐木和t .鹤冈发展中理论发展的建议。作者也感谢j . Thieman a . Ogawa j . Teresko和j . Nedick仔细校对。

引用

1. 谁,癌症的事实表2020年,瑞士日内瓦,https://www.who.int/news-room/fact-sheets/detail/cancer。
2. d·j·科里,t·r·莱文和c . a . Doubeni“腺瘤检出率和结直肠癌和死亡的风险,”新英格兰医学杂志》上,卷370,不。26日,第1306 - 1298页,2014年。视图:出版商的网站|谷歌学术搜索
3. h . Katai t石川,k Akazawa et al .,“五年生存分析对日本:手术切除胃癌病例的回顾性分析超过100000名患者来自全国注册日本胃癌协会(2001 - 2007),“胃癌,21卷,不。1,第154 - 144页,2018。视图:出版商的网站|谷歌学术搜索
4. 崔k . s . j . k . 6月译。公园et al .,”韩国不同的胃癌筛查方法的性能:以人群为基础的研究中,“《公共科学图书馆•综合》文章ID e50041卷。7日,2012年。视图:出版商的网站|谷歌学术搜索
5. j·c·范·j·b·Reitsma j·斯托克et al .,“息肉率由串联结肠镜检查小姐:系统回顾,“美国胃肠病学杂志》卷,101年,第350 - 343页,2006年。视图:谷歌学术搜索
6. m .敏·邓w·张,太阳x, y, b .笨蛋,“比较链接的颜色成像和白光结肠镜检查结直肠息肉的检测:一个多中心、随机、交叉试验,”胃肠内镜,卷86,不。4、724 - 730年,2017页。视图:出版商的网站|谷歌学术搜索
7. t . Higuchi k苏吉哈拉,j . r .爵士乐”人口和colorectum锯齿状息肉的病理特点,“组织病理学卷,47号1,32-40,2005页。视图:出版商的网站|谷歌学术搜索
8. b . Leggett诉白厅,“锯齿状的通路在结直肠癌发病机理中的作用,“胃肠病学,卷138,不。6,2088 - 2100年,2010页。视图:出版商的网站|谷歌学术搜索
9. h .在h .羽,“建议达成共识在内镜术语:不同的内窥镜成像技术应如何分组和定义?”内窥镜检查,40卷,不。9日,第778 - 775页,2009年。视图:谷歌学术搜索
10. k .戈诺t·奥比m .山口et al .,“窄带内窥镜成像,增强组织的外观特性”《生物医学光学,9卷,不。3、568 - 577年,2004页。视图:出版商的网站|谷歌学术搜索
11. n .吉田h . Doyama t .矢野et al .,“高危患者早期胃癌检测:多中心随机对照试验在第二代窄带成像的影响,“肠道,卷70,不。1、1 - 9,2020页。视图:出版商的网站|谷歌学术搜索
12. s . s . a . Nathan s刃,p .巴et al .,“窄带成像技术检测肿瘤在结肠镜检查:一个荟萃分析的随机对照试验的患者个体数据,”胃肠病学,卷157,不。2、462 - 471年,2019页。视图:出版商的网站|谷歌学术搜索
13. l . Meylan和美国Susstrunk”,高动态范围图像渲染retinex-based自适应滤波器,”IEEE反式。图像处理,15卷,不。9日,2006年。视图:出版商的网站|谷歌学术搜索
14. z . w . Wang Chen x元,吴x”纠正低照度图像自适应图像增强方法,”信息科学卷。496年,25-41,2019页。视图:出版商的网站|谷歌学术搜索
15. 中村h . Okuhata h, s . Hara h . Tsutsui和t . Onoye”应用程序的实时Retinex内窥镜图像的图像增强,”IEEE工程学报》第35届国际会议在医学和生物学协会(EMBC)日本大阪,页3407 - 3410,,2013年7月。视图:谷歌学术搜索
16. x罗,H.-Q。曾,y Wan, X.-B。张,Y.-P。Du, t·m·彼得斯“内镜视野增加使用多尺度bilateral-weighted retinex机器人手术,”IEEE医学成像,38卷,不。12日,第2874 - 2863页,2019年。视图:出版商的网站|谷歌学术搜索
17. 上d . j . z拉赫曼,g . a . Woodell”中心的属性和性能/ retinex周围,”IEEE图像处理》第六卷,没有。3、451 - 462年,1997页。视图:出版商的网站|谷歌学术搜索
18. d . j .上z拉赫曼,g . A . Woodell”之间的鸿沟的多尺度Retinex彩色图像和人类观察的场景,“IEEE图像处理》第六卷,没有。7,965 - 976年,1997页。视图:出版商的网站|谷歌学术搜索
19. 张e、h·杨和m .徐”小说为高动态范围图像色调映射方法将edge-preserving过滤器纳入方法基于retinex,”应用数学与信息科学,9卷,不。1,第417 - 411页,2015。视图:出版商的网站|谷歌学术搜索
20. f·杜兰和j·多尔西,“快速双边过滤高动态范围图像的显示,“ACM交易图片,21卷,不。3、257 - 266年,2002页。视图:出版商的网站|谷歌学术搜索
21. d .藤本n . Muguruma k Okamoto et al .,”链接的颜色成像增强内镜检测无柄锯齿状腺瘤/息肉,”内镜国际开放》第六卷,第334 - 322页,2018年。视图:出版商的网站|谷歌学术搜索
22. Imtiaz, m . s . s . k .穆罕默德,f . Deeba和k·a·瓦希德”Tri-scan:内窥镜图像颜色增强工具,三阶段”医疗系统杂志第41卷。。102年,2017年。视图:出版商的网站|谷歌学术搜索
23. t·侯赛因和t . Tjahjadi自动图像均衡化和对比度增强使用高斯混合模型,”IEEE图像处理,21卷,不。1,第156 - 145页,2012。视图:出版商的网站|谷歌学术搜索
24. z, a·c·Bovik h·r·谢赫和e . Simoncelli“图像质量评估:从错误的可见性结构相似,“IEEE图像处理,13卷,不。4、600 - 612年,2004页。视图:出版商的网站|谷歌学术搜索
25. g . Eilertsen r·k·Mantiuk和j·昂格尔,“实时noise-aware色调映射,”ACM交易图片,34卷,不。198年,2015年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Tomoya佐藤。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。