專利名稱：基于二次三維區(qū)域生長的腹部器官分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)學(xué)圖像處理領(lǐng)域，涉及一種腹部器官分割方法，可用于腹部CT圖 像中，對感興趣腹部器官如肝臟、脾臟和腎臟進行提取，以輔助臨床醫(yī)療診斷。
背景技術(shù)：
腹部器官的分割具有重要的理論價值和廣泛的臨床應(yīng)用前景。從復(fù)雜背景中提取 感興趣器官是進行三維可視化的前提和基礎(chǔ)。更重要的是，確定感興趣器官的病變位 置和區(qū)域有助于進行外科手術(shù)、放射性治療等。醫(yī)學(xué)圖像的對比度低，邊緣模糊，以 及不同病人器官形狀的不確定性，使得長期以來醫(yī)學(xué)圖像的分割大部分集中在人機交 互水平，處理時間長，而且處理結(jié)果易受人為因素影響。因此，圖像自動分割一直是 醫(yī)學(xué)圖像處理的研究重點和難點。John E. Koss等人1999年在《IEEE Transactions On Medical Imaging》雜志上提出利 用Hopfield網(wǎng)絡(luò)對圖像的紋理特征進行聚類分割，分割得到的器官取決于Hopfield網(wǎng)絡(luò) 中指定的聚類數(shù)目。該方法需要多次迭代才能收斂，時間消耗大，得到的區(qū)域往往不 連續(xù)。Hyunjin Park等人2003年在《正EE Transactions On Medical Imaging》雜志上提 出利用腹部器官的解剖學(xué)形態(tài)圖譜對圖像作配準，從而估計器官灰度值分布的高斯模 型參數(shù)，并利用貝葉斯方法得到分割結(jié)果。該方法需要手工設(shè)置多個控制點，影響了 方法的自動化。周永新等人2005年在《IEEE Transactions On Information Technology In Biomedical》雜志上提出了一種腹部器官的自動分割方法，該方法通過將圖像和解剖 學(xué)形態(tài)圖譜做配準，并采用模糊連接分割來提取感興趣器官。但解剖學(xué)圖譜的建立需 要用到大量的數(shù)據(jù)，也會花費大量的時間。意大利的Paola Campadelli等人在2007年 IEEE會議上發(fā)表的論文《Automatic segmentation of abdominal organs from CT scans》 中，提出了利用三維區(qū)域生長法進行腹部器官的自動分割。該方法能比較有效的提取 出感興趣器官，但是由于腹部器官的灰度值與其周圍組織的灰度值很相近，使結(jié)果出 現(xiàn)過分割現(xiàn)象；另外，該方法中各個感興趣器官的分割是按其解剖位置從上到下依次 進行的，上一個器官的分割結(jié)果直接影響后續(xù)器官的分割；而且對各個感興趣器官分 割的具體實施歩驟也大不相同，缺少一個適用于所有感興趣器官分割的統(tǒng)一框架，使 得該方法缺少魯棒性。發(fā)明內(nèi)容本發(fā)明的目的在于克服上述已有技術(shù)的不足，提供一種基于二次三維區(qū)域生長的 腹部器官提取方法，以實現(xiàn)對感興趣器官的準確分割，并有效地提高了腹部器官分割 方法的魯棒性。為實現(xiàn)上述目的，本發(fā)明包括如下步驟(1) 輸入一套完整的DICOM格式腹部CT切片，讀取每幅切片中的像素數(shù)據(jù)， 得到一套切片圖像數(shù)據(jù)；(2) 根據(jù)腹部CT成像特點，截取每幅切片圖像數(shù)據(jù)中的身體區(qū)域，得到一套身 體區(qū)域切片，并將這些身體區(qū)域切片按切片序號從小到大存成三維數(shù)據(jù)體D1;(3) 對三維數(shù)據(jù)體D1中的每幅身體區(qū)域切片，用二維高斯濾波器去除其噪聲， 得到去噪三維數(shù)據(jù)體D2;(4) 利用Canny算法提取去噪三維數(shù)據(jù)體D2中每幅切片的邊緣，得到三維邊緣 數(shù)據(jù)體Y;(5) 根據(jù)腹部CT圖像中感興趣器官的解剖位置及其灰度值分布，確定三維區(qū)域 生長的初始種子點，結(jié)合三維邊緣數(shù)據(jù)體Y和初始種子點的灰度信息，確定三維區(qū)域 生長的生長規(guī)則，根據(jù)已確定的初始種子點和生長規(guī)則，對去噪三維數(shù)據(jù)體D2進行 第一次三維區(qū)域生長，得到生長后的三維數(shù)據(jù)體D3;(6) 采用三維形態(tài)學(xué)開運算，提取生長后的三維數(shù)據(jù)體D3的三維形態(tài)學(xué)邊緣D4;(7) 結(jié)合三維形態(tài)學(xué)邊緣D4，重新確定三維區(qū)域生長的生長規(guī)則，利用第一次 三維區(qū)域生長的初始種子點，對去噪三維數(shù)據(jù)體D2重新進行三維區(qū)域生長，得到第 二次三維區(qū)域生長后的三維數(shù)據(jù)體D5;(8) 采用三維形態(tài)學(xué)膨脹方法，對第二次三維區(qū)域生長后的三維數(shù)據(jù)體D5進行 平滑處理，得到感興趣器官的最終分割結(jié)果。本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點1. 本發(fā)明由于根據(jù)腹部CT圖像中感興趣器官的解剖位置及其灰度值分布自動 地確定三維區(qū)域生長的初始種子點，克服了現(xiàn)有方法需要人工指定初始種子點的缺 點；2. 本發(fā)明由于結(jié)合Canny邊緣進行第一次三維區(qū)域生長，并結(jié)合了第一次三維區(qū) 域生長得到的分割結(jié)果的形態(tài)學(xué)邊緣進行第二次三維區(qū)域生長，有效地抑制了傳統(tǒng)三 維區(qū)域生長方法出現(xiàn)的過分割現(xiàn)象；3.本發(fā)明自動地提取各個感興趣器官的初始種子點，對不同器官進行完全獨立 地分割，不會出現(xiàn)現(xiàn)有分割方法中提取不同器官時出現(xiàn)的累加錯誤，提高了方法的魯 棒性。


圖1為本發(fā)明的主要操作過程示意圖；圖2為腹部感興趣器官種子區(qū)域在CT圖像中的位置示意圖；圖3為腹部感興趣器官的灰度直方圖統(tǒng)計結(jié)果圖；圖4為腹部感興趣器官的單幅分割結(jié)果示意圖；圖5為腹部感興趣器官的分割結(jié)果三維重建效果圖。
具體實施方式
參照圖l，本發(fā)明的具體實施步驟如下 步驟l:輸入待分割圖像。輸入一套包含完整的肝臟、脾臟和腎臟器官的DICOM格式的腹部CT切片，由 于DICOM格式的圖像帶有大量與器官分割無關(guān)的信息，為了減少數(shù)據(jù)的存儲空間， 這里只讀取與圖像有關(guān)的信息，主要包括每幅切片的像素數(shù)據(jù)和后續(xù)處理中所需的切片序列標識號信息，從而得到一套待分割的切片圖像數(shù)據(jù)。 步驟2:圖像預(yù)處理。對待分割的切片圖像數(shù)據(jù)進行預(yù)處理，主要包括截取身體區(qū)域和去除圖像噪聲。 截取身體區(qū)域由于腹部CT圖像中包含大量非身體區(qū)域的像素，為了進一步減 少存儲圖像的空間和處理時間，這里只需截取身體的大致區(qū)域，可采用以下簡單方法 任意指定一幅切片圖像，通過沿不同方向進行掃描找出其最上、最下、最左、最右的 非零點坐標。由最上和最下非零點縱坐標，以及最左和最右非零點橫坐標確定的區(qū)域 即為該幅切片上的身體區(qū)域。由于螺旋CT序列成像時速度較快，因此切片上身體區(qū) 域的位置基本固定，所以其他切片上身體區(qū)域的位置都采用該幅切片上的位置。這樣， 便得到一套身體區(qū)域切片。由于切片的輸入順序不同會對分割結(jié)果造成影響，需要對 輸入的所有切片進行排序。每幅切片都自帶有與實際身體位置相對應(yīng)的序列標識號信息，對輸入的圖像按該序列號從小到大進行排序，并存成三維數(shù)據(jù)體D1。去除圖像噪聲醫(yī)學(xué)圖像通常都含有大量的噪聲，為了減少圖像噪聲對分割結(jié)果 帶來的影響，需要對圖像進行去噪處理。由于高斯濾波器對于去除各種類型的噪聲都 有很好的效果，為此采用該濾波方法去除圖像噪聲。利用高斯函數(shù)的可分離性，二維6高斯濾波可通過一維高斯模板函數(shù)逐次沿水平方向和沿垂直方向的巻積來實現(xiàn)。其具 體實施步驟如下2a.設(shè)計一維高斯模板這里采用的模板函數(shù)為g(;c)-;exp(x —柳)2 2(j2，模板窗口大小取為7o"，其中x表示像素值，取[-3o",3ct]內(nèi)的整數(shù)，w表示模板窗口中像素X的平均值，(7表示平滑尺寸，這里取0" = 2.0;2b.利用一維高斯模板，對三維數(shù)據(jù)體D1中的每幅身體區(qū)域切片沿x方向進行巻 積，得到第一次巻積后圖像；2c.利用一維高斯模板，對第一次巻積后圖像，沿y方向進行巻積，得到最終濾 波結(jié)果，并將其存為去噪三維數(shù)據(jù)體D2。步驟3:利用Canny算法提取去噪三維數(shù)據(jù)體D2中每幅切片的邊緣，得到三維 邊緣數(shù)據(jù)體Y。這里希望能得到盡量精確的圖像邊緣，而Canny邊緣檢測算法正能做到這一點。 該方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。醫(yī)學(xué)圖像的邊緣模糊，采用 Canny算法能較好的提取感興趣器官的邊緣。Canny邊緣檢測算法的第一歩是對圖像 做高斯濾波，而歩驟2中已經(jīng)對每幅切片利用高斯濾波器去除圖像噪聲，所以不需重 新進行這一處理，只需對去噪三維數(shù)據(jù)體D2中的每幅切片圖像進行Caimy算法的其 他后續(xù)處理，便得到三維邊緣數(shù)據(jù)體Y。步驟4:結(jié)合三維邊緣數(shù)據(jù)體Y，對去噪三維數(shù)據(jù)體D2進行第一次三維區(qū)域生長， 得到生長后的三維數(shù)據(jù)體D3。具體實施如下4a.確定初始種子點 (4al)從去噪三維數(shù)據(jù)體D2中選取連續(xù)10幅包含感興趣器官面積較大的切片， 將這些切片作為種子切片。(4a2)根據(jù)感興趣器官在腹部的解剖位置，在選取的種子切片中確定種子區(qū)域的 范圍，并根據(jù)各感興趣器官的灰度值分布，選取待定初始種子點，具體實施過程如下由于感興趣器官在腹部的解剖位置是相對固定的，所以在腹部CT圖像中感興趣 器官的位置也是相對固定的。比如肝臟位于腹部CT圖像的左上方，脾臟位于腹部CT 圖像的右下方，兩個腎臟分別位于腹部CT圖像的左、右下方。根據(jù)這些信息，在種 子切片上選取種子區(qū)域，選取的感興趣器官的種子區(qū)域如圖2所示。圖2中由白線畫 出的最大矩形所圍區(qū)域是由步驟2截取的身體區(qū)域，x表示身體區(qū)域的長度，y表示 身體區(qū)域的寬度，其中圖(a)中由白線畫出的較小矩形所圍區(qū)域是肝臟的種子區(qū)域，7圖(b)中由白線畫出的較小矩形所圍區(qū)域是脾臟的種子區(qū)域，圖(C)中由白線畫出 的兩個較小矩形所圍區(qū)域是兩個腎臟的種子區(qū)域，左邊矩形對應(yīng)的是右腎臟種子區(qū) 域，右邊矩形對應(yīng)的是左腎臟種子區(qū)域。肝臟種子區(qū)域的最左位置選在距身體區(qū)域最 左位置W3/16處，最上位置選在距身體區(qū)域最上位置yf3/16處，肝臟種子區(qū)域的長 度為x/4，寬度為y/2。脾臟種子區(qū)域的最右位置選在距身體區(qū)域最右位置x/8處，最 下位置選在距身體區(qū)域最下位置y/5處，脾臟種子區(qū)域的長度為x*5/16，寬度為y/3。 右腎臟種子區(qū)域的最左位置選在距身體區(qū)域最左位置x/6處，左腎臟種子區(qū)域的最右 位置選在距身體區(qū)域最右位置x/6處，兩個腎臟的最下位置都選在距身體區(qū)域最下位 置y/3處，兩個腎臟種子區(qū)域的長度都為x/4，寬度都為y/3。統(tǒng)計由上述方法得到的各個感興趣器官種子區(qū)域內(nèi)的灰度直方圖，統(tǒng)計結(jié)果如圖 3所示，其中圖(a)為肝臟的灰度直方圖，圖(b)為脾臟的灰度直方圖，圖(c)為腎臟的灰度直方圖。根據(jù)灰度直方圖，取種子區(qū)域內(nèi)滿足:nsg(x)2:r2的像素x作為 待定的初始種子點，其中g(shù)o)表示像素x的灰度值，n為最小閾值，72為最大閾值。參照圖3，對于肝臟，根據(jù)圖(a)取T1為110， T2為210;對于脾臟，根據(jù)圖(b) 取Tl為lO， T2為170;對于腎臟，根據(jù)圖(c)取T1為20， T2為200;(4a3)通過上述處理，待定初始種子點中可能仍含有不是待分割器官的像素，需 要做進一步的處理。具體做法是對待定的初始種子點，采用3x3x3的結(jié)構(gòu)元素進行 三維形態(tài)學(xué)腐蝕處理，計算腐蝕后每幅種子切片上各個連通區(qū)域的面積，并提取最大 連通區(qū)域內(nèi)的像素作為最終的初始種子點。 4b.確定生長規(guī)則將滿足lg(x)-vll〈w的去噪三維數(shù)據(jù)體中的像素;c標記為生長點，但對與三維邊 緣數(shù)據(jù)體Y對應(yīng)的去噪三維數(shù)據(jù)體D2中的那部分邊緣像素不做標記，其中g(shù)(x)表示 像素x的灰度值，v表示初始種子點的均值，a表示初始種子點的標準差，c為控制 常數(shù)。4c.利用已確定的初始種子點和生長規(guī)則，對去噪三維數(shù)據(jù)體D2進行三維區(qū)域生 長，具體生長過程如下(4cl)將初始種子點存入堆棧中；(4c2)從堆棧中取出一個像素，搜索其周圍26鄰域中的像素，將滿足生長規(guī)則 的像素標記為生長點，并將其存入堆棧中，這里的26鄰域是指當前像素在所處切片 上的8鄰域，與當前像素位置相對應(yīng)的上層切片上的像素及其周圍8鄰域，再加上與 當甜像素位置相對應(yīng)的下層切片上的像素及其周圍8鄰域；(4c3)重復(fù)步驟(4c2)，直到堆棧為空，或者所有滿足生長規(guī)則的像素都已標記 為生長點，則停止生長，那些標記為生長點的像素構(gòu)成生長后的三維數(shù)據(jù)體D3。步驟5:采用結(jié)構(gòu)元素為3x3x3的三維形態(tài)學(xué)開運算，提取第一次三維區(qū)域生長 后的三維數(shù)據(jù)體D3的三維形態(tài)學(xué)邊緣D4;步驟6:結(jié)合三維邊緣數(shù)據(jù)體Y和三維形態(tài)學(xué)邊緣D4，對去噪三維數(shù)據(jù)體D2進 行第二次三維區(qū)域生長，得到生長后的三維數(shù)據(jù)體D5。其具體實施過程是以步驟 4a確定的初始種子點為第二次三維區(qū)域生長的初始種子點，重新確定生長規(guī)則，按照 步驟4c進行生長，得到生長后的三維數(shù)據(jù)體D5。其中重新確定的生長規(guī)則為將滿 足lg(x)-vl〈cc7的去噪三維數(shù)據(jù)體中的像素x標記為生長點，但排除滿足該條件的以下三種情況的像素情況1:與三維邊緣數(shù)據(jù)體Y對應(yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素； 情況2:與三維形態(tài)學(xué)邊緣D4對應(yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素；情況3:計算第一次三維區(qū)域生長后的三維數(shù)據(jù)體D3中每幅切片上各個連通區(qū)域的面積，與面積小于閾值r的連通區(qū)域?qū)?yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素，其中g(shù)(;c)表示像素jc的灰度值，v表示初始種子點的均值，J表示初始種子點的標準 差，c為控制常數(shù)。步驟7:采用結(jié)構(gòu)元素為5x5x5的三維形態(tài)學(xué)膨脹，對第二次三維區(qū)域生長后的 三維數(shù)據(jù)體D5進行平滑處理，得到腹部器官的最終分割結(jié)果。本發(fā)明的效果通過以下仿真實驗進一歩說明。1. 實驗條件及內(nèi)容本實驗數(shù)據(jù)來自于北京腫瘤醫(yī)院64排螺旋CT掃描圖像，成像層厚0.625mm，每幅 切片都是512x512的16位DICOM格式圖像?？偣矞y試了3套腹部CT切片數(shù)據(jù)，每套數(shù) 據(jù)大約都有350幅切片。各個感興趣器官的分割實驗都在丫0++6.0的1^ ^環(huán)境下進行， 并在Matlab環(huán)境下對最終分割結(jié)果做了三維重建，由于切片數(shù)太多，不能在Matlab環(huán) 境下對一套完整的切片分割結(jié)果都進行三維重建，在此采用隔層重建的方法。2. 實驗結(jié)果及結(jié)果分析對上述的一套腹部CT切片數(shù)據(jù)，用本發(fā)明所述方法進行各個感興趣器官的分割， 實驗結(jié)果如圖4和圖5所示。圖4是分割結(jié)果的單幅顯示，這里只分別給出一幅肝臟、脾臟和腎臟的分割結(jié)果 圖。其中圖(a)為肝臟分割的原圖，圖(b)為肝臟分割結(jié)果圖，圖(c)為脾臟分割的原圖，圖(d)為脾臟分割結(jié)果圖，圖(e)為腎臟分割的原圖，圖(f)為腎臟分割結(jié)果圖。圖5是分割結(jié)果的三維重建顯示，其中圖(a)是肝臟分割結(jié)果的三維重建效果圖，圖(b)是脾臟分割結(jié)果的三維重建效果圖，圖(c)是腎臟分割結(jié)果的三維重建效果圖。 從兩種形式的分割結(jié)果圖可以看出本發(fā)明能夠?qū)Ω共緾T切片中的感興趣器官進行準確地分割，有效地抑制了過分割現(xiàn)象。
權(quán)利要求
1.一種基于二次三維區(qū)域生長的腹部器官分割方法，包括如下步驟(1)輸入一套完整的DICOM格式腹部CT切片，讀取每幅切片中的像素數(shù)據(jù)，得到一套切片圖像數(shù)據(jù)；(2)根據(jù)腹部CT成像特點，截取每幅切片圖像數(shù)據(jù)中的身體區(qū)域，得到一套身體區(qū)域切片，并將這些身體區(qū)域切片按切片序號從小到大存成三維數(shù)據(jù)體D1；(3)對三維數(shù)據(jù)體D1中的每幅身體區(qū)域切片，用二維高斯濾波器去除其噪聲，得到去噪三維數(shù)據(jù)體D2；(4)利用Canny算法提取去噪三維數(shù)據(jù)體D2中每幅切片的邊緣，得到三維邊緣數(shù)據(jù)體Y；(5)根據(jù)腹部CT圖像中感興趣器官的解剖位置及其灰度值分布，確定三維區(qū)域生長的初始種子點，結(jié)合三維邊緣數(shù)據(jù)體Y和初始種子點的灰度信息，確定三維區(qū)域生長的生長規(guī)則，根據(jù)已確定的初始種子點和生長規(guī)則，對去噪三維數(shù)據(jù)體D2進行第一次三維區(qū)域生長，得到生長后的三維數(shù)據(jù)體D3；(6)采用三維形態(tài)學(xué)開運算，提取生長后的三維數(shù)據(jù)體D3的三維形態(tài)學(xué)邊緣D4；(7)結(jié)合三維形態(tài)學(xué)邊緣D4，重新確定三維區(qū)域生長的生長規(guī)則，利用第一次三維區(qū)域生長的初始種子點，對去噪三維數(shù)據(jù)體D2重新進行三維區(qū)域生長，得到第二次三維區(qū)域生長后的三維數(shù)據(jù)體D5；(8)采用三維形態(tài)學(xué)膨脹方法，對第二次三維區(qū)域生長后的三維數(shù)據(jù)體D5進行平滑處理，得到感興趣器官的最終分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的二次三維區(qū)域生長的腹部器官分割方法，其中歩驟(5) 所述的確定三維區(qū)域生長的初始種子點，按如下歩驟進行(2a)從去噪三維數(shù)據(jù)體D2中選取連續(xù)10幅包含感興趣器官面積較大的切片， 將這些切片作為種子切片；(2b)根據(jù)感興趣器官在腹部的解剖位置，在選取的種子切片中確定種子區(qū)域 的范圍，并根據(jù)感興趣器官的灰度值分布，選取待定初始種子點；(2c)對待定初始種子點進行三維形態(tài)學(xué)腐蝕，并提取每幅種子切片中的最大 連通區(qū)域作為初始種子點。
3. 根據(jù)權(quán)利要求1所述的二次三維區(qū)域生長的腹部器官分割方法，其中歩驟(5)所述的確定三維區(qū)域生長的生長規(guī)則，是將滿足lgO)"卜ca的去噪三維數(shù)據(jù)體中 的像素x標記為生長點，但對與三維邊緣數(shù)據(jù)體Y對應(yīng)的去噪三維數(shù)據(jù)體D2中的 那部分像素不做標記，其中g(shù)(;c)表示像素jc的灰度值，v表示初始種子點的均值，ct 表示初始種子點的標準差，c為控制常數(shù)。
4.根據(jù)權(quán)利要求1所述的二次三維區(qū)域生長的腹部器官分割方法，其中步驟(7) 所述的重新確定三維區(qū)域生長的生長規(guī)則，是將滿足lg0)-vl〈cc7的去噪三維數(shù)據(jù)體中的像素x標記為生長點，但排除滿足該條件的以下三種情況的像素a) 與三維邊緣數(shù)據(jù)體Y對應(yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素；b) 與三維形態(tài)學(xué)邊緣D4對應(yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素；c) 計算第一次三維區(qū)域生長后的三維數(shù)據(jù)體D3中的每幅切片上各個連通區(qū)域 的面積，與面積小于閾值r的連通區(qū)域?qū)?yīng)的去噪三維數(shù)據(jù)體D2中的那部分像素， 其中g(shù)(x)表示像素;c的灰度值，v表示初始種子點的均值，"表示初始種子點的標 準差，c為控制常數(shù)。
全文摘要
本發(fā)明公開了一種基于二次三維區(qū)域生長的腹部器官分割方法，屬于醫(yī)學(xué)圖像處理領(lǐng)域。該方法首先結(jié)合感興趣器官的解剖位置、灰度值分布等先驗知識，自動地提取初始種子點，并結(jié)合Canny邊緣檢測算法提取的圖像邊緣，對圖像進行第一次三維區(qū)域生長；然后提取第一次生長后得到的分割結(jié)果圖的三維形態(tài)學(xué)邊緣；最后結(jié)合提取的三維形態(tài)學(xué)邊緣和原圖像的Canny邊緣，對原圖像進行第二次三維區(qū)域生長，并對第二次三維區(qū)域生長得到的分割結(jié)果做三維形態(tài)學(xué)膨脹，得到最終的腹部感興趣器官分割結(jié)果。本發(fā)明有效地抑制了傳統(tǒng)的三維區(qū)域生長法存在的過分割現(xiàn)象，能準確地提取出腹部CT圖像中的感興趣器官，適用于輔助進行臨床醫(yī)療診斷。
文檔編號G06T15/20GK101576997SQ20091002298
公開日2009年11月11日 申請日期2009年6月19日 優(yōu)先權(quán)日2009年6月19日
發(fā)明者周偉達, 莉 張, 武彩麗, 焦李成, 鄒海雙 申請人:西安電子科技大學(xué)