 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
数字图像处理技术及其在生物学中的应用
下载积分：1200
内容提示：数字图像处理技术及其在生物学中的应用
文档格式：PDF|
浏览次数：26|
上传日期： 00:23:07|
文档星级：
该用户还上传了这些文档
数字图像处理技术及其在生物学中的应用
官方公共微信& 数字图像处理在口腔医学中的应用与进展
数字图像处理在口腔医学中的应用与进展
摘 要：数字图像处理在口腔医学中的应用与进展
【题　名】数字图像处理在口腔医学中的应用与进展
【作　者】黄剑 周正炎 丁国伟
【机　构】同济大学附属同济医院口腔科,上海200065
【刊　名】《同济大学学报：医学版》 2003年第24卷第5期,436-438页
【关键词】数字化 图像处理 口腔医学 应用
【文　摘】数字图像处理在口腔医学中的应用与进展
【下载地址】
本文导航：
数字化,图像处理,口腔医学,应用
上一篇：暂无MARC状态：订购　
文献类型：中文图书　浏览次数：26　
题名/责任者:
/&#x59峰林著
出版发行项:
北&#x4:北&#x4理工大学&#x51版社,2014-4-1
ISBN及定价:
978-7-5640-7897-3 7-5640-7897-9 &#x7装/CNY48.00
载体形态项:
156页;27cm
并列正题名:
个人责任者:
中图法分类号:
提要文摘附注:
本书内容包&#x62：数字&#x56&#x50处理概述、数字&#x56&#x50处理&#x7&#x7、&#x56&#x50频&#x57变换、&#x56&#x50增强、&#x56&#x50分割、&#x56&#x50特征提取与分析等。
使用对象附注:
数字&#x56&#x50处理相关&#x4员
全部MARC细节信息>>
此书刊没有复本
此书刊可能正在订购中或者处理中
显示全部馆藏信息
您可能感兴趣的图书(点击查看)
同名作者的其他著作(点击查看)
请输入下面显示的内容
送 书 地：医学图像领域中数字图像处理的应用
医学图像领域中数字图像处理的应用
　　数字图像处理经历了近60年的发展，在生产生活的诸多领域得到了广泛应用，以下是小编搜集整理的一篇探究医学图像领域中数字图像处理应用的，欢迎阅读参考。
　　计算机技术不断发展，硬件性能不断提升，软件效能不断优化，在其带动下，数字图像处理技术也得到了迅速的发展。以往难以解决的技术性瓶颈，而今已经可以轻而易举的突破。但是在一些专业性较强的领域，对于数字图像处理有着一些特殊的要求，很多通用的数字图像处理技术、方法，不能充分发挥其优势，甚至无法使用。本文针对数字图像去噪这一典型问题，在简单回顾相关通用数字图像处理技术发展的基础上，针对医学PET图像的特殊性，提出一些自己的看法及思考。
　　虽然数字图像处理技术很早便被应用于医学相关领域，但是由于医学图像自身的分类多样、成像技术相对复杂，目前仍然有许多影响医学图像成像的诸多因素无法从理论层面解释，所以数字图像处理技术在医学领域的发展仍然相对滞后。
　　2数字图像处理技术的回顾
　　数字图像处理作为一个学科，经过将近60年的发展，已经形成了完善的理论体系，并细化为多个专业方向。数字图像处理技术诞生之初，图像去噪就是其主要目标之一。在通用数字图像处理领域，常见的噪声主要包括乘性噪声和加性噪声。数字图像的噪声往往和图像的特征信息交织在一起，如何有效地区别并去除噪声，同时尽量保持图像的细节完整，是数字图像去除噪声要面对的难题[1].
　　2.1空间域通过卷积处理图像噪声对获得的图像在空间域直接进行处理，往往采用卷积的数学形式。例如常见的均值滤波、中值滤波、为纳滤波等。常见的中值滤波可定义为：
　　式子中{xij(i,j)&I2}表示数字图像个点的灰度值。根据图像处理的实际需要，目前已经有许多成熟的滤波器可供选择。该类方法的优势在于数学结构相对简单，运算量较小，但是图像处理结果相对较差，容易造成图像细节丢失或者噪声抑制不足等结果。
　　2.2频率域通过相应转换处理图像噪声将要处理的图像进行转换，根据实际情况选择适当的频带进行处理，然后经过反变换获得去噪后的图像[2].基于小波及其衍生分析方法的多尺度分析是该种方法中最具代表性的。因为该类方法理论较为成熟，数学机构灵活，所以至今仍然被学术界关注，并且每年都有一些新的方法被提出。虽然该类方法与前面提到的滤波器方法相比在运算复杂性上有着较大的劣势，但其在图像处理结果上的优势明显，并且随着计算机硬件效能的提升，在频率域的多尺度分析方法已经得到了较为普及的应用[3].
　　传统的小波去噪方法(wavelet-baseddenoising)：将含有噪声的图像进行小波变换，转化成小波系数Wf(j,k)，选择合适的阈值Tf,根据一定的处理规则，对小波系数进行处理，把小波系数中噪声的部分去除，最后经过小波反变换得到去噪后的图像。
　　根据实际的图像分析需求，在小波的基础上发展出了很多小波的衍生方法。这些方法又可以按照处理图像时基函数的变化与否分为自适应分析和非自适应分析。其中自适应分析比较常见的方法有：Brushlet、Wedgelet、Bandelet和Directionlet等。非自适应分析常见的方法有：Ridgelet、Curvelet、Contourlet、Shearlet、NSCT等[3].
　　3数字图像技术在医学图像领域的应用
　　数字图像处理在医学领域有着广泛的应用，在这里只针对医疗中常见的大型设备来简单阐述。这里仅例举CT、MRI和PET(positronemissiontomography)三种具有代表性的影像设备来简单分析。
　　CT、MRI和PET都属于临床常见的影像设备，虽然成像原理各不相同，但却使用许多相同的数字成像技术。CT主要是运用X光穿透被照体，检测X光的衰减，从而反推出被照体的衰减系数，根据已知的衰减系数对照表重建出被照体的解剖图像。MRI的结构成像主要检测静态磁场中外加射频脉冲对人体内氢质子的影响，从而得到对应的MR信号，重建出对应的解剖图像。PET主要是检测注入人体内的放射性核医药物在人体内代谢过程中发生&湮灭&放射出的&射线，通过图像重建得到对应的功能性信息[4].
　　以上三种设备普遍使用了空间域通过卷积去噪的方法，最为常见的就是Gaussionfilter.几乎常见的品牌设备都将此种方法作为图像重建过程中的去噪标准步骤。一般作为补充，许多品牌的设备也内建了一些&更为复杂&和&有效&的去噪方法。但是实际使用中，去噪效果并不十分理想[5].
　　4局限与对策
　　CT在图像重建过程中，如果只简单使用Gaussionfilter,忽略X光的实际物理效应，如康普顿散射、X光的能谱分布等，得不到较为准确的图像信息，这也是目前临床使用的普通CT无法做到准确&定量&的原因之一。MRI成像相较CT更为复杂，而且截至目前尚无研究表明MRI对人体有任何直接危害，所以MRI设备生产商将更多资源投入到如何从设备的硬件改善来提高图像品质，而不是考虑如何从图像处理的角度来解决问题。因此Gaussionfilter在MRI中使用也非常广泛。PET成像与CT原理不同，但是同样受限于放射剂量。与MRI相比PET的图像处理技术相对较为多样，因为PET图像自身的一些特点，也决定其需要配合更多的图像处理才能获得更多有价值的信息[6].而对于PET来说，虽然核医药物的&射线产生符合泊松分布，但是在临床实际图像处理中往往并不针对泊松来处理，Guassionfilter依然被使用。
　　由于早期计算机硬件的效能不高，许多优秀的数字图像处理方法无法应用于临床实践，当今计算机硬件效能已经有了大幅度提升，可以重新考虑在相关大型医疗影像设备中植入较为先进的算法，从而获得更为优良的图像质量。并且应当根据不同影像设备的成像特点，合理优化图像处理技术，做到通过软件提升，使设备硬件发挥最大效率，使病人在最小的辐射剂量下得到最优化的诊疗。
　　5讨论与总结
　　数字图像处理经历了近60年的发展，涌现出了许多优秀的理论与研究成果，也在生产生活的诸多领域得参考文献到了广泛应用。医疗领域对于图像处理有着强大的需求，但就目前来看，该领域的数字图像处理技术发展仍然滞后。对于科研工作者，医疗领域的图像处理有较高的研究价值和较大的研究空间。要根据临床实践，通过深入研究医学图像的成像原理，理清问题的研究重点，有针对性地设计实验方法，从而获得较好的研究结果。在社会发展，人们越来越重视自身健康和生活质量的大背景下，只有把研究工作与生产生活实践相结合，才能获得科研转化为生产力的良性循环。在科学技术飞速发展的大背景下，只有深入研究，细化问题，有针对性地解决具体问题，才是科研的最重要任务。
　　参考文献
　　[1]宁媛,李皖.图像去噪的几种方法分析比较[J].贵州工业大学学报：自然科学版，2006(34)：63-66.
　　[2]马国兵，肖培如。基于小波的图像去噪研究综述[J].工业控制计算机，2013(5)：91-92.
　　[3]李彦，汪胜前，邓承志。多尺度几何分析的图像去噪方法综述[J].计算机工程与应用，2011(47)。
　　[4]陈武凡，秦安，江少峰，等。医学图像分析的现状与展望[J].中国生物医学工程学报，2008(27)。
　　[5]LePogamA,HanzouliH,HattM,etal.DenoisingofPETimagesbycombiningwaveletsandcurveletsforimprovedpreservationofresolutionandquantitation[J].MedicalImageAnalysis,2013(17)：877-891.
　　[6]MejiaJM,OchoaDominguezHDJ,VergaraVillegasOO,etal.Noisereductioninsmall-animalPETimagesusingamultiresolutiontransform[J].IEEETransactionsonMedicalImaging,2014(33)：.
下页更精彩：1
本文已影响人
医学图像领域中数字图像处理的应用相关推荐
[医学图像领域中数字图像处理的应用]网友评论
<div class="ds-thread" data-thread-key="637574" data-title="医学图像领域中数字图像处理的应用" data-image="">数字图像处理的就业前景
我的图书馆
数字图像处理的就业前景
数字图像处理的就业前景 收藏 最近版上有不少人在讨论图像处理的就业方向，似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来，个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号，从这个意义上来说，图像处理是整个信号处理里面就业形势最好的，因为你不仅要掌握（一维）信号处理的基本知识，也要掌握图像处理（二维或者高维信号处理）的知识。其次，图像处理是计算机视觉和视频处理的基础，掌握好了图像处理的基本知识，就业时就可以向这些方向发展。目前的模式识别，大部分也都是图像模式识别。在实际应用场合，采集的信息很多都是图像信息，比如指纹、条码、人脸、虹膜、车辆等等。说到应用场合，千万不能忘了医学图像这一块，如果有医学图像处理的背景，去一些医疗器械公司或者医疗软件公司也是不错的选择。图像处理对编程的要求比较高，如果编程很厉害，当然就业也多了一个选择方向，并不一定要局限在图像方向。下面谈谈我所知道的一些公司信息，不全，仅仅是我所了解到的或者我所感兴趣的，实际远远不止这么多。搜索方向基于内容的图像或视频搜索是很多搜索公司研究的热点。要想进入这个领域，必须有很强的编程能力，很好的图像处理和模式识别的背景。要求高待遇自然就不错，目前这方面的代表公司有微软、google、yahoo和百度，个个鼎鼎大名。医学图像方向目前在医疗器械方向主要是几个大企业在竞争，来头都不小，其中包括Simens、GE、飞利浦和柯达，主要生产CT和MRI等医疗器材。由于医疗器械的主要功能是成像，必然涉及到对图像的处理，做图像处理的很有机会进入这些公司。它们在国内都设有研发中心，simens的在上海和深圳，GE和柯达都在上海，飞利浦的在沈阳。由于医疗市场是一个没有完全开发的市场，而一套医疗设备的价格是非常昂贵的，所以在这些地方的待遇都还可以，前景也看好。国内也有一些这样的企业比如深圳安科和迈瑞计算机视觉和模式识别方向我没去调研过有哪些公司在做，但肯定不少，比如指纹识别、人脸识别、虹膜识别。还有一个很大的方向是车牌识别，这个我倒是知道有一个公司高德威智能交通似乎做的很不错的样子。目前视频监控是一个热点问题，做跟踪和识别的可以在这个方向找到一席之地。上海法视特位于上海张江高科技园区，在视觉和识别方面做的不错。北京的我也知道两个公司：大恒和凌云，都是以图像作为研发的主体。视频方向一般的高校或者研究所侧重在标准的制定和修改以及技术创新方面，而公司则侧重在编码解码的硬件实现方面。一般这些公司要求是熟悉或者精通MPEG、H.264或者AVS，选择了这个方向，只要做的还不错，基本就不愁饭碗。由于这不是我所感兴趣的方向，所以这方面的公司的信息我没有收集，但平常在各个bbs或者各种招聘网站经常看到。我所知道的两个公司：诺基亚和pixelworks
其实一般来说，只要涉及到成像或者图像的基本都要图像处理方面的人。比方说一个成像设备，在输出图像之前需要对原始图像进行增强或者去噪处理，存储时需要对图像进行压缩，成像之后需要对图像内容进行自动分析，这些内容都是图像处理的范畴。下面列举一些与图像有关或者招聘时明确说明需要图像处理方面人才的公司：上海豪威集成电路有限公司（）、中芯微、摩托罗拉上海研究院、威盛（VIA）、松下、索尼、清华同方、三星。
所有与图像（静止或者运动图像）有关的公司都是一种选择。比如数码相机、显微镜成像、超声成像、工业机器人控制、显示器、电视、遥感等等，都可以作为求职方向。要求：1、外语。如果进外企，外语的重要性不言而喻。一般外企的第一轮面试都是英语口语面试。2、编程。这方面尤以C＋＋为重，很多公司的笔试都是考c＋＋知识。3、专业水平。如果要找专业相关的工作，研究生期间的研究经历和发表的论文就显的比较重要。4、知识面的宽度。我觉得在研究生期间，除了做好自己的研究方向之外，扩宽一下知识面也有很大的帮助，当然这个知识面指的是图像处理、计算机视觉和模式识别，知识面越宽，就业时的选择就会越多。图像处理方向毕业的就业面非常广，而且待遇在应届生应该是中上等。其实还是一句话，能力决定一切。只要研究生三年没有白过，根本不愁找不到好工作。祝所有正在读研或者即将读研的朋友将来都能有一份满意的工作。我说点不好的 呵呵 版主的说法我同意 都是正面的反面的来说：现在大学和研究机构做图象的越来越多了，这里面老板自己懂图象的不知道有多少？！老板不懂，影响还是很大的多数做图象的是用MATLAB，用别人的代码（如小波）。在研究生三年学好C++毕业的有多少？在公司C++是重要的。图象其实就是信号处理，除了本科是学信号的以外，信号与系统、数字信号处理是一定要学好的，那相应的数学方面的概率，多元统计，甚至泛函也要了解。外语的基本要求是看懂英文文献（不一定全看懂），相应的英文书。去外企做研发，这是必备的。然后是口语和听力。说这些不是波冷水，希望大家了解清楚。Compared to the number of jobs available each year in the imaging soceity, the people who are majoring on it are way too much. I have to say most of the people who studied the this area were not end up with working on this area anymore.The most important thing here is to understand image processing, it requires a broad level of knowledge including, some math (algrebra, statistics, PDE), dsp, pattern recognition, programming skills...It is all these background skills will find you a job, so prepare to have a deep understanding on all these areas related to image processing我也是学模式识别的,但是研究方向是遥感图像处理和识别.总的来说这个方向是比较专,但也是目前图像处理中比较难做的一个方向,因为遥感图像的复杂性超过我们所见过的任何图像.其实谈到就业问题,我觉得如果研究方向比较适合,特别是读研期间能到斑竹谈的那些牛比的公司实习,了解企业真正需要的方向可能做起来有目标性.顺便提下:高德威公司还是不要考虑,因为本人在毕业面试过程中,虽然面试的人力资源人员很友善,但是通过他们老板写的一些文章可以发现他们还是一个比较自恋和自大的公司.楼主是好人，不过此文更多是安慰，新手不可太当真衡量专业好坏的标准有两个:应用前景和技术门槛。个人觉得图像处理应用前景一般,比通信,计算机差远了,而技术门槛,相信不是新手都清楚,比微波之类低不少。总的来说图像方向就业一般,在it业算较冷得,特别是模式识别,人工智能之类,看起来高深邪乎,其实就是博士都不好找工作(亲身所见)
1）说到图像处理比通信差，很大部分的原因是当前行业背景，但通信真正的研发在中国又有多少，我的朋友中很多做工程的，况且现在在通信领域，很大的一个难点，也是多媒体通信。2）说到比计算机差，我觉得这与你怎么看待计算机专业有关，有人觉得是基础，是工具，有人觉得是专业。况且计算机那边，现在研究图像的也不少。3）再者，说微波，RFID等入门难，但要做精又谈何容易，而且兴趣真的很重要，没有兴趣，再有前景的专业，你也不一定能做好，还有女生并不适合搞这个，就业时，单位一般会暗示。另外，就业面也较窄，好公司真的难进，找工的时候，真的很郁闷，特别对女生。或许将来很大发展前途，这个另当别论。4）说回图像处理，我觉得还是较中肯的，略有好的嫌疑，关键还是在读研的时候能把方向做宽（一般做图像处理，需要何模式识别等相结合，拓宽知识面是必要的，在真正做研究的时候，也发现是必须的），研究点做深入，注重实现能力、创新能力和学习能力，通过论文。多培养自己的材料组织提炼能力，锻炼逻辑思维。如果真的能做到三年光阴不虚度，找工应该不是问题，到时真正要考虑的是定位问题。5）当然，最后，找工的时候，包装是一种技巧，整合是一种需要。我觉得做图像处理还是很有前途的。
作图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最牛的几个超级大拿(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。
做好这几点的途径之一就是充分利用网络资源，特别是权威网站和大拿们的个人主页。下面是我收集的一些资源，希望对大家有用。(这里我要感谢SMTH AI版的alamarik和Graphics版的faintt)
导航栏： [1]研究群体、[2]大拿主页、[3]前沿期刊、[4]GPL软件资源、[5]搜索引擎。
一、研究群体这是卡奈基梅隆大学的计算机视觉研究组的主页，上面提供很全的资料，从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件，甚至还有一个搜索引擎。
这是一个侧重图像分析的站点，一般。但是提供一个Image Analysis环境---ZIMAGE and SZIMAGE。
康奈尔大学的计算机视觉和图像分析研究组，好像是电子和计算机工程系的。侧重医学方面的研究，但是在上面有相当不错资源，关键是它正在建设中，能够跟踪一些信息。
有一个很有意思的项目：DID(文档图像解码)。
斯坦福大学计算机系主页，自己找吧:(
主要研究：Brain Extraction Tool,Nonlinear noise reduction,Linear Image Registration,
Automated Segmentation,Structural brain change analysis,motion correction,etc.
这是密歇根州立大学计算机和电子工程系的模式识别--图像处理研究组，它的FTP上有许多的文章(NEW)。
德国的一个数字图像处理研究小组，在其上面能找到一些不错的链接资源。
CVIP(used to be CVCC for Computer Vision and Cluster Computing) is a research group focusing on cluster-based computer vision within the Spiral Architecture.
The mission of the Center for Image Analysis is to foster multi-disciplinary research in image, multimedia and related technologies by establishing links
between academic institutes, industry and government agencies, and to transfer key technologies to
help industry build next
generation commercial and military imaging and multimedia systems.
可以通过它来搜索全世界各地的知名的计算机视觉研究组(CV Groups)，极力推荐。
二、图像处理GPL库Cppima 是一个图像处理的C++函数库。这里有一个较全面介绍它的库函数的文档，当然你也可以下载压缩的GZIP包，里面包含TexInfo格式的文档。
Welcome to the IRAF Homepage! IRAF is the Image Reduction and Analysis Facility, a general purpose software
system for the reduction and analysis of astronomical data.
一个非常不错的Unix系统的图像处理工具，看看它的截图。你可以在此基础上构建自己的专用图像处理工具包。
这是GPL软件集散地，到这里找你想要得到的IP库吧。
三、搜索资源当然这里基本的搜索引擎还是必须要依靠的，比如Google等，可以到我常用的链接看看。下面的链接可能会节省你一些时间：
四、大拿网页这位可是MIT人工智能实验室的BILL FREEMAN。大名鼎鼎！专长是：理解--贝叶斯模型。
MERL(Mitsubishi Electric Research Laboratory)中的擅长&#8220;Style Machine&#8221;高手。
CV界极有声望的A.Blake 1977年毕业于剑桥大学三一学院并或数学与电子科学学士学位。之后在MIT，Edinburgh，Oxford先后组建过研究小组并成为Oxford的教授，直到1999年进入微软剑桥研究中心。主要工作领域是计算机视觉。
这位牛人好像正在学习汉语，并且搜集了诸如&#8220;两只老虎(Two Tigers)&#8221;的歌曲，嘿嘿:)他的主页上面还有几个牛：Shumeet Baluja, Takeo Kanade。他们的Face Detection作的绝对是世界一流。他毕业于卡奈基梅隆大学的计算机科学系，兴趣是计算机视觉。
这位老牛在1963年就获得了MIT的博士学位！他领导的Image Lab比较出名的是指纹识别。
--------------------------------------------------------------------------------
下面这些是我搜集的牛群(大部分是如日中天的Ph.D们)，可以学习的是他们的Study Ways!
Finn Lindgren(Sweden):Statistical image analysis Pavel Paclik(Prague):statistical pattern recognition Dr. Mark Burge:machine learning and graph theory yalin Wang:Document Image Analysis Geir Storvik: Image analysis Heidorn Joakim Lindblad:Digital Image Cytometry S.Lavirotte: Sporring:scale-space techniques Mark Jenkinson:Reduction of MR Artefacts Justin K. Romberg:digital signal processing Fauqueur:Image retrieval by regions of interest James J. Nolan:Computer Vision Daniel X. Pape:Information Drew Pilant:remote sensing technology
五、前沿期刊(TOP10)这里的期刊大部分都可以通过上面的大拿们的主页间接找到，在这列出主要是为了节省直接想找期刊投稿的兄弟的时间:)
IEEE Trans. On PAMI IEEE Transactionson Image Processing Pattern Recognition Pattern Recognition Letters
Neural Networks Tutorial Review
Image Compression with Neural Networks
Backpropagator's Review
Bibliographies on Neural Networks
Intelligent Motion Control with an Artificial Cerebellum
Kernel Machines
Some Neural Networks Research Organizations
Neural Network Modeling in Vision Research
Neural Networks and Machine Learning
Neural Application Software
Neural Network Toolbox for MATLAB
Netlab Software
Kunama Systems Limited
Computer Vision
Computer Vision Homepage, Carnegie Mellon University
Annotated Computer Vision Bibliography
Lawrence Berkeley National Lab Computer Vision and Robotics Applications
CVonline by University of Edinburgh The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision,
Computer Vision Handbook,
Vision Systems Courseware
Research Activities in Computer Vision
Vision Systems Acronyms
Dictionary of Terms in Human and Animal Vision
Metrology based on Computer Vision
Digital Photography
Digital Photography, Scanning, and Image Processing
Educational Resources, Universities
Center for Image Processing in Education
Library of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology
Mathematical Experiences through Image Processing, University of Washington
Vismod Tech Reports and Publications, MIT
Vision Lab PhD dissertation list, University of Antwerp
INRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systems
Image Processing Resources
Publications of Carsten Steger
comp.dsp FAQ
Robotics FAQ
Where's the sci.image.processing FAQ?
comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations
Astronomical Image Processing System FAQ
本文来自CSDN博客，转载请标明出处：
TA的最新馆藏[转]&[转]&[转]&[转]&