• <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 ?

    基于基因組合模式挖掘的輔助診斷專(zhuān)家系統(tǒng)

    2014-08-05 02:40:44賈奇男寶媛媛賀建峰
    關(guān)鍵詞:數(shù)據(jù)源權(quán)重輔助

    馬 磊,賈奇男,張 俊,寶媛媛,賀建峰,李 龍

    1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 生物醫(yī)學(xué)工程系,昆明 650500

    2.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系,昆明 650500

    3.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 自動(dòng)化系,昆明 650500

    基于基因組合模式挖掘的輔助診斷專(zhuān)家系統(tǒng)

    馬 磊1,賈奇男2,張 俊2,寶媛媛1,賀建峰1,李 龍3

    1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 生物醫(yī)學(xué)工程系,昆明 650500

    2.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系,昆明 650500

    3.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院 自動(dòng)化系,昆明 650500

    1 引言

    專(zhuān)家系統(tǒng)是一種以人工智能技術(shù)為基礎(chǔ),結(jié)合某個(gè)特殊領(lǐng)域內(nèi)的知識(shí)與經(jīng)驗(yàn),利用計(jì)算機(jī)實(shí)現(xiàn)模擬專(zhuān)家進(jìn)行決策,或?yàn)槭褂谜咛峁Q策依據(jù)和參考的智能信息系統(tǒng)。醫(yī)學(xué)領(lǐng)域中,Ledley在1966年首次提出了“計(jì)算機(jī)輔助診斷”CAID這一概念;1976年,斯坦福大學(xué)的Shortliffe等人設(shè)計(jì)了用于協(xié)助診斷細(xì)菌感染性疾病的醫(yī)學(xué)專(zhuān)家系統(tǒng)MYCIN。在該系統(tǒng)取得較好的診斷效果的基礎(chǔ)上,Shortliffe等人還建立了一套醫(yī)學(xué)專(zhuān)家系統(tǒng)的設(shè)計(jì)開(kāi)發(fā)理論[1]。隨后,在1990年Umbaugh在人工智能技術(shù)的基礎(chǔ)上,針對(duì)皮膚癌多樣化色彩的問(wèn)題,設(shè)計(jì)了皮膚癌輔助診斷系統(tǒng)[2]。在國(guó)內(nèi),學(xué)者蔡?hào)|聯(lián)等人在2005年也針對(duì)糖尿病設(shè)計(jì)了專(zhuān)門(mén)的專(zhuān)家系統(tǒng)[3]。而余帥帥等人則在2011年設(shè)計(jì)了自身免疫疾病的輔助診斷系統(tǒng)[4]。

    醫(yī)學(xué)領(lǐng)域的診斷工作一般可歸納為聯(lián)想、推斷、判斷這樣的一個(gè)思維過(guò)程。為模擬這一思維過(guò)程,大多數(shù)診斷專(zhuān)家系統(tǒng)均是基于規(guī)則推導(dǎo)。利用規(guī)則推導(dǎo)的方式來(lái)實(shí)現(xiàn)一個(gè)醫(yī)學(xué)輔助診斷系統(tǒng)的優(yōu)點(diǎn)在于:規(guī)則推導(dǎo)方式符合醫(yī)務(wù)工作者對(duì)于疾病診斷的思維習(xí)慣。然而,基于規(guī)則的專(zhuān)家系統(tǒng)也存在不足:如果醫(yī)務(wù)工作者試圖利用基因芯片技術(shù)從基因的角度去診斷某一種疾病,則輔助診斷專(zhuān)家系統(tǒng)設(shè)計(jì)將花費(fèi)大量工作在已知規(guī)則的建立上。另一方面,某種疾病的診斷研究,其本質(zhì)也是發(fā)現(xiàn)某種致病規(guī)則的過(guò)程。而基于規(guī)則推導(dǎo)的輔助診斷專(zhuān)家系統(tǒng)顯然是不能滿(mǎn)足這樣的功能的。因此,要設(shè)計(jì)滿(mǎn)足利用基因診斷技術(shù),并且能夠?yàn)樵\斷研究提供輔助指導(dǎo)的專(zhuān)家系統(tǒng),需要跳出傳統(tǒng)規(guī)則推導(dǎo)的思維方式。

    隨著機(jī)器學(xué)習(xí)理論與技術(shù)的發(fā)展,越來(lái)越多的科研工作者開(kāi)始利用機(jī)器學(xué)習(xí)算法來(lái)設(shè)計(jì)開(kāi)發(fā)醫(yī)學(xué)領(lǐng)域的專(zhuān)家系統(tǒng)。2002年杜建鳳等研究了模糊神經(jīng)網(wǎng)絡(luò)在專(zhuān)家系統(tǒng)中的運(yùn)用[5]。同年,蔡航設(shè)計(jì)了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的醫(yī)療診斷專(zhuān)家系統(tǒng)[6]。2004年,李丙春等將徑向基函數(shù)網(wǎng)絡(luò)擴(kuò)展到醫(yī)學(xué)圖像領(lǐng)域,用于對(duì)醫(yī)學(xué)圖像的分類(lèi)[7]。H.L.Chen等于2011年設(shè)計(jì)了基于粗糙集特征選擇并結(jié)合支持向量機(jī)的專(zhuān)家系統(tǒng),用于對(duì)乳腺癌的診斷[8],同年Ali Kele?等也基于模糊神經(jīng)規(guī)則設(shè)計(jì)了用于乳腺癌診斷的專(zhuān)家系統(tǒng)[9]。

    這些用于診斷的專(zhuān)家系統(tǒng)無(wú)疑都是成功的。但在實(shí)際使用過(guò)程中,醫(yī)務(wù)工作者更多地是將診斷系統(tǒng)用于輔助最終結(jié)論的產(chǎn)生。而利用傳統(tǒng)的分類(lèi)算法構(gòu)建的專(zhuān)家系統(tǒng)通常都是直接給出診斷結(jié)論,卻不提供結(jié)論依據(jù)。因此,在以往理論工作的基礎(chǔ)上,根據(jù)以前所設(shè)計(jì)的算法,將算法進(jìn)行工程化應(yīng)用,設(shè)計(jì)并實(shí)現(xiàn)了一種基于挖掘基因組合模式的輔助診斷專(zhuān)家系統(tǒng)。這一專(zhuān)家系統(tǒng)方案,既滿(mǎn)足了給出診斷結(jié)果的要求,同時(shí)也能夠給出診斷的依據(jù)供使用者參考,或以此為依據(jù)研究新的診斷規(guī)則。

    2 關(guān)鍵算法

    從機(jī)器學(xué)習(xí)的角度來(lái)看,診斷可以抽象為一個(gè)分類(lèi)問(wèn)題,即將多維特征映射到一維空間中[10]。然而,機(jī)器學(xué)習(xí)領(lǐng)域存在很多分類(lèi)算法。理論上,只要符合基本條件,這些算法均可以直接用于診斷。但是,考慮到醫(yī)務(wù)從業(yè)者的思維習(xí)慣,分類(lèi)算法必須能夠提供分類(lèi)依據(jù),從而讓使用者接受(或否定)輔助診斷結(jié)果,或發(fā)現(xiàn)新的規(guī)則模式以啟示使用者發(fā)現(xiàn)新的診斷規(guī)則。因此,基于以往的工作設(shè)計(jì)了新的分類(lèi)方法用以解決這一問(wèn)題。

    2.1 MORE算法—一種Apriori算法的改進(jìn)

    以腫瘤基因?yàn)槔诨虮磉_(dá)信息數(shù)據(jù)中,用規(guī)則或模式來(lái)定義一系列特征基因的組合,風(fēng)險(xiǎn)模式指的是與腫瘤產(chǎn)生具有相關(guān)性的模式;相應(yīng)的,預(yù)防模式則指與腫瘤的產(chǎn)生不具有相關(guān)性的模式。通常,人們可以利用Apriori[11]算法或FP-growth[12]等算法來(lái)挖掘風(fēng)險(xiǎn)與預(yù)防模式。然而,由于基因表達(dá)數(shù)據(jù)的特殊性,直接利用傳統(tǒng)的關(guān)聯(lián)規(guī)則算法會(huì)產(chǎn)生大量的時(shí)間開(kāi)銷(xiāo)。針對(duì)這一情況李久勇等人對(duì)Apriori算法進(jìn)行了改進(jìn)并用于挖掘風(fēng)險(xiǎn)模式與預(yù)防模式[13]。以挖掘風(fēng)險(xiǎn)模式為例,首先引入局部支持度(local support,lsupp)代替全局支持度(support)來(lái)判斷一個(gè)規(guī)則或模式是否為頻繁的,其定義如下:

    其中 pc是 p∧c的縮寫(xiě),該規(guī)則為,如果一個(gè)模式的局部支持度大于給定的閾值,則這個(gè)模式是一個(gè)頻繁模式。當(dāng)確定一個(gè)模式是頻繁模式之后,則需要確定該模式為風(fēng)險(xiǎn)模式的置信度。與傳統(tǒng)的置信度指標(biāo)不同,在MORE算法中以相對(duì)風(fēng)險(xiǎn)值作為置信度指標(biāo)。

    可以采用相對(duì)風(fēng)險(xiǎn)值對(duì)風(fēng)險(xiǎn)或預(yù)防模式進(jìn)行定義。

    定義1風(fēng)險(xiǎn)模式是頻繁項(xiàng)集中的元素,相對(duì)風(fēng)險(xiǎn)值高于給定閾值;而預(yù)防模式也是頻繁項(xiàng)集中的元素,其相對(duì)風(fēng)險(xiǎn)值小于給定閾值。

    然而數(shù)據(jù)挖掘中的風(fēng)險(xiǎn)和預(yù)防模式會(huì)帶來(lái)許多冗余的模式,這不利于觀(guān)察結(jié)果。在獲得風(fēng)險(xiǎn)模式與預(yù)防模式之后,利用模式的相對(duì)風(fēng)險(xiǎn)值排序等步驟,即可獲得最優(yōu)風(fēng)險(xiǎn)模式與預(yù)防模式。而最優(yōu)風(fēng)險(xiǎn)模式和預(yù)防模式能夠被挖掘的原因,也是由于所使用的局部支持度作為規(guī)則濾除閾值能夠滿(mǎn)足反單調(diào)性原則。

    2.2 最優(yōu)風(fēng)險(xiǎn)與預(yù)防模式賦權(quán)算法ORPWS

    張俊鵬等人在MORE算法的啟發(fā)下,針對(duì)挖掘最優(yōu)風(fēng)險(xiǎn)模式和預(yù)防模式中可能出現(xiàn)特征交叉的問(wèn)題,在MORE算法的基礎(chǔ)上提出了ORPSW算法[14]。該算法基于MORE算法所挖掘出的典型風(fēng)險(xiǎn)集與典型預(yù)防集,計(jì)算出兩個(gè)集合的期望閾值,而后計(jì)算出單個(gè)特征基因在所在集合中的經(jīng)驗(yàn)分布概率并降序排序。設(shè)置模式探查長(zhǎng)度L形成新的風(fēng)險(xiǎn)集與預(yù)防集。統(tǒng)計(jì)兩個(gè)集合中單階特征基因在總量為L(zhǎng)的所屬集合中的經(jīng)驗(yàn)分布概率,按照其經(jīng)驗(yàn)分布概率進(jìn)行降序排列。根據(jù)所設(shè)定的概率閾值,從兩個(gè)集合中濾去低概率基因,從而生成最優(yōu)風(fēng)險(xiǎn)與預(yù)防集。相應(yīng)的,基因所對(duì)應(yīng)的經(jīng)驗(yàn)分布概率值乘以基值100即為其所在集合中的權(quán)重。

    定義2如果一個(gè)特征基因是一個(gè)在局部支持度條件下生成的風(fēng)險(xiǎn)或預(yù)防集中的元素,而它的經(jīng)驗(yàn)分布概率大于等于期望閾值,那么它就屬于最優(yōu)風(fēng)險(xiǎn)或最優(yōu)預(yù)防集。

    通過(guò)積累的樣本,利用ORPWS算法獲得最優(yōu)風(fēng)險(xiǎn)集與最優(yōu)預(yù)防集,以及集合中模式的權(quán)重后,即完成了對(duì)風(fēng)險(xiǎn)預(yù)防模型的訓(xùn)練。對(duì)于新的待預(yù)測(cè)受試者樣本,只需要根據(jù)模型計(jì)算出其所包含的特征基因的風(fēng)險(xiǎn)概率和預(yù)防概率。通過(guò)概率值的大小比較即可得出該受試者屬于患病風(fēng)險(xiǎn)人群(風(fēng)險(xiǎn)概率大于預(yù)防概率)還是需要預(yù)防人群(預(yù)防概率大于風(fēng)險(xiǎn)概率),或是需要留院觀(guān)察(風(fēng)險(xiǎn)概率等于預(yù)防概率)。

    挖掘風(fēng)險(xiǎn)和預(yù)防集比挖掘最優(yōu)風(fēng)險(xiǎn)和預(yù)防模式更加有效,原因之一在于只關(guān)心特征基因本身而不關(guān)心它們的組合。第二個(gè)原因是可以通過(guò)計(jì)算每個(gè)特征基因的頻率,來(lái)了解每個(gè)特征基因的權(quán)重,從而可以確定每個(gè)特征基因?qū)δ[瘤的影響程度。

    3 系統(tǒng)的實(shí)現(xiàn)與系統(tǒng)工作原理

    3.1 系統(tǒng)的整體結(jié)構(gòu)

    目前實(shí)際上醫(yī)療機(jī)構(gòu)的大部分系統(tǒng)均運(yùn)行在其內(nèi)部網(wǎng)絡(luò)環(huán)境中。本文所提及的專(zhuān)家系統(tǒng)應(yīng)作為醫(yī)療機(jī)構(gòu)整體系統(tǒng)中的一個(gè)子系統(tǒng)。基于此,本文給出了輔助診斷專(zhuān)家系統(tǒng)的一種實(shí)現(xiàn)方案。圖1是輔助診斷專(zhuān)家系統(tǒng)(100)的設(shè)計(jì)方案框圖。

    系統(tǒng)可以直接通過(guò)系統(tǒng)總線(xiàn)對(duì)本地腫瘤基因數(shù)據(jù)源(108)進(jìn)行訪(fǎng)問(wèn),本地腫瘤基因數(shù)據(jù)源為目前廣泛使用的基因表達(dá)結(jié)構(gòu)化數(shù)據(jù)文件。同時(shí),可以通過(guò)網(wǎng)絡(luò)接口(110)對(duì)遠(yuǎn)程腫瘤基因數(shù)據(jù)源(112)進(jìn)行訪(fǎng)問(wèn)。

    系統(tǒng)中數(shù)據(jù)清洗工具(122)對(duì)數(shù)據(jù)源進(jìn)行清洗,涉及從數(shù)據(jù)中檢測(cè)和去除錯(cuò)誤及不一致的數(shù)據(jù)部分以改善數(shù)據(jù)質(zhì)量,并且將數(shù)據(jù)源重新組織為挖掘過(guò)程中所使用的特殊格式文件。特征預(yù)處理(124)包括基于熵的離散化功能模塊和基于CFS的特征提取功能模塊,用于對(duì)數(shù)據(jù)進(jìn)行特征基因提取。應(yīng)用程序(120)同時(shí)也包括數(shù)據(jù)挖掘算法和從結(jié)構(gòu)化數(shù)據(jù)源中挖掘最優(yōu)風(fēng)險(xiǎn)模式(134)、最優(yōu)預(yù)防模式(136)、最優(yōu)風(fēng)險(xiǎn)權(quán)重集(140)和最優(yōu)預(yù)防權(quán)重集(142)的算法程序。

    圖1 診斷系統(tǒng)框架

    另外,存儲(chǔ)器(116)存儲(chǔ)經(jīng)過(guò)數(shù)據(jù)清洗后的結(jié)構(gòu)化病人數(shù)據(jù)源(126),結(jié)構(gòu)化病人數(shù)據(jù)源包括病人訓(xùn)練數(shù)據(jù)源(128)和病人測(cè)試數(shù)據(jù)源(130)。病人訓(xùn)練數(shù)據(jù)源(128)經(jīng)過(guò)訓(xùn)練可以產(chǎn)生模型(132)存儲(chǔ)在存儲(chǔ)器中,這些模型有最優(yōu)風(fēng)險(xiǎn)模式(134)和最優(yōu)預(yù)防模式(136)。對(duì)模型進(jìn)行約束和匯集,進(jìn)而產(chǎn)生權(quán)重集(138)。權(quán)重集(138)分為最優(yōu)風(fēng)險(xiǎn)權(quán)重集(140)和最優(yōu)預(yù)防權(quán)重集(142)。利用所得到的權(quán)重集對(duì)病人測(cè)試數(shù)據(jù)源(130)進(jìn)行打分,得到測(cè)試數(shù)據(jù)的風(fēng)險(xiǎn)權(quán)重和預(yù)防權(quán)重(144)。

    3.2 診斷工作原理

    圖2是用于挖掘有用的腫瘤基因信息和對(duì)病人狀況進(jìn)行診斷的基本流程框架。該框架包括訓(xùn)練階段(200)和測(cè)試階段(204)。在訓(xùn)練階段中,病人訓(xùn)練數(shù)據(jù)源(128)通過(guò)基于最小熵的離散處理和CFS特征基因提?。?02)提取出與疾病有關(guān)的離散風(fēng)險(xiǎn)特征和預(yù)防特征。得到的離散特征基因通過(guò)數(shù)據(jù)挖掘算法挖掘出最優(yōu)風(fēng)險(xiǎn)模式(134)和最優(yōu)預(yù)防模式(136),又通過(guò)統(tǒng)計(jì)分析,得到最優(yōu)風(fēng)險(xiǎn)權(quán)重集(140)和最優(yōu)預(yù)防權(quán)重集(142)。在測(cè)試階段(204),利用得到的最優(yōu)風(fēng)險(xiǎn)和預(yù)防權(quán)重集,對(duì)病人測(cè)試數(shù)據(jù)源(130)進(jìn)行權(quán)重打分,產(chǎn)生風(fēng)險(xiǎn)權(quán)重(206)和預(yù)防權(quán)重(208)。利用權(quán)重比較(210),來(lái)診斷病人患病的癥狀,如果風(fēng)險(xiǎn)權(quán)重顯著大于預(yù)防權(quán)重,則癥狀判斷為“患病”(212);如果風(fēng)險(xiǎn)權(quán)重與預(yù)防權(quán)重差異不大,則癥狀判斷為“繼續(xù)觀(guān)察”(214);如果風(fēng)險(xiǎn)權(quán)重顯著小于預(yù)防權(quán)重,則癥狀判斷為“正?!保?16)。訓(xùn)練階段(200)負(fù)責(zé)從病人訓(xùn)練數(shù)據(jù)源(128)中提取模型,并將這些模型轉(zhuǎn)化為權(quán)重集。所挖掘的模型分為風(fēng)險(xiǎn)模式和預(yù)防模式,風(fēng)險(xiǎn)模式為風(fēng)險(xiǎn)因子組成的模型,而預(yù)防模式為預(yù)防因子組成的模型。所轉(zhuǎn)化的權(quán)重集是風(fēng)險(xiǎn)或預(yù)防因子導(dǎo)致患病和不患病的權(quán)重集合。測(cè)試階段(204)負(fù)責(zé)將病人測(cè)試數(shù)據(jù)源(130)進(jìn)行權(quán)重打分,比較患病的風(fēng)險(xiǎn)權(quán)重和不患病的預(yù)防權(quán)重,進(jìn)而推斷病人的狀況。

    圖2 診斷流程

    4 實(shí)驗(yàn)驗(yàn)證

    實(shí)驗(yàn)部分,以甲狀腺腫瘤數(shù)據(jù)為例[15],展示專(zhuān)家系統(tǒng)的工作細(xì)節(jié)以及如何做出輔助診斷。

    4.1 訓(xùn)練診斷模型

    做出診斷前需要首先訓(xùn)練診斷模型。模型訓(xùn)練模塊在系統(tǒng)的后臺(tái)中,只需要將積累的樣本數(shù)據(jù)上傳至服務(wù)器,并告知系統(tǒng)管理員即可由系統(tǒng)管理員進(jìn)行對(duì)應(yīng)操作,即可完成模型的訓(xùn)練。圖3所反映的即為訓(xùn)練數(shù)據(jù)源上傳的管理頁(yè)面。

    圖3 上傳訓(xùn)練數(shù)據(jù)

    在完成數(shù)據(jù)上傳之后,就可以開(kāi)始訓(xùn)練診斷模型。根據(jù)ORPWS算法的原理,此處需要設(shè)置兩個(gè)參數(shù)用于模型的訓(xùn)練,它們分別是最小局部支持度與模式探尋長(zhǎng)度L,如圖4所示。

    系統(tǒng)管理員可以根據(jù)要求,設(shè)置對(duì)應(yīng)的參數(shù)。之后點(diǎn)擊上傳,模型就會(huì)在后臺(tái)自動(dòng)訓(xùn)練,這個(gè)過(guò)程對(duì)于系統(tǒng)管理員而言是透明的。訓(xùn)練完的模型會(huì)出現(xiàn)在上傳管理頁(yè)面中,圖3中標(biāo)記部分即為所訓(xùn)練出的模型。

    4.2 利用訓(xùn)練出的模型進(jìn)行輔助診斷

    在模型訓(xùn)練完成之后,醫(yī)生便可連入服務(wù)器對(duì)受試者樣本進(jìn)行診斷。只需將本地待診斷樣本數(shù)據(jù)上傳至服務(wù)器,點(diǎn)擊對(duì)應(yīng)的診斷按鈕,系統(tǒng)將會(huì)自動(dòng)跳轉(zhuǎn)到對(duì)應(yīng)的診斷結(jié)果頁(yè)面。從訓(xùn)練樣本數(shù)據(jù)源中抽取出一個(gè)確診患有甲狀腺癌的患者作為測(cè)試樣本,通過(guò)輔助診斷系統(tǒng)得到了輔助診斷結(jié)果,如圖5所示。診斷結(jié)果為多條記錄。每一條記錄對(duì)應(yīng)一個(gè)模式,包含有以下幾個(gè)信息:

    (1)結(jié)果:該模式的類(lèi)型,即風(fēng)險(xiǎn)或預(yù)防。

    (2)模式長(zhǎng)度:該模式的長(zhǎng)度,即包含有幾個(gè)特征基因。

    (3)率比值:該模式的率比值指標(biāo)。

    (4)相對(duì)風(fēng)險(xiǎn):該模式的相對(duì)風(fēng)險(xiǎn)值。

    (5)致病因子:具體的模式內(nèi)容。

    圖5 診斷結(jié)果展示

    可以通過(guò)計(jì)算風(fēng)險(xiǎn)模式的權(quán)重之和與預(yù)防模式的權(quán)重之和,來(lái)比較大小,從而得到受試者目前屬于甲狀腺癌風(fēng)險(xiǎn)人群或是預(yù)防人群,或是其他狀態(tài)。

    例如在本例中,可以計(jì)算該受試者的風(fēng)險(xiǎn)與預(yù)防權(quán)重:

    (1)風(fēng)險(xiǎn)權(quán)重=34.645 9+23.446+14.276+12.636 8= 85.004 7

    (2)預(yù)防權(quán)重=0.362 9+0.282 3+0.238 9+0.214 2+ 0.038 8+0.038 4+0.007 2=1.182 7

    從權(quán)重來(lái)看,此受試者應(yīng)當(dāng)為風(fēng)險(xiǎn)人群。注意到,圖5第一條記錄中,包含有FTI=-28.5這一模式。該模式是傳統(tǒng)診斷中用于判斷甲狀腺癌的一個(gè)指標(biāo)。而通過(guò)輔助診斷系統(tǒng),發(fā)現(xiàn)該模式還可以與其他模式相關(guān)聯(lián),所產(chǎn)生的模式也是高相對(duì)風(fēng)險(xiǎn)模式。如圖5的第二條記錄中,看到該模式與另外兩個(gè)模式相結(jié)合,產(chǎn)生了一個(gè)長(zhǎng)度為3的新模式。如果醫(yī)生對(duì)于這樣的新模式感興趣,可以在未來(lái)的診斷或者研究中對(duì)其進(jìn)一步探索和總結(jié),如果從醫(yī)學(xué)領(lǐng)域角度可證實(shí)該模式確系與甲狀腺癌的發(fā)生有相關(guān)性,則可以將這一模式歸入傳統(tǒng)診斷方法的規(guī)則中,為未來(lái)的診斷提供參考依據(jù)。

    5 結(jié)論與展望

    本文描述了一種基于基因信息的輔助診斷專(zhuān)家系統(tǒng)。該系統(tǒng)是之前所提出的ORPWS分類(lèi)算法的一個(gè)具體工程實(shí)踐。系統(tǒng)克服了傳統(tǒng)基于規(guī)則推斷的診斷系統(tǒng)的不足,同時(shí)也彌補(bǔ)了其他基于分類(lèi)器的診斷系統(tǒng)不利于發(fā)現(xiàn)規(guī)則的劣勢(shì)。在一定程度上能夠同時(shí)兼顧醫(yī)務(wù)工作者的日常輔助診斷和對(duì)診斷學(xué)科研的需求。

    下一步的主要工作將涉及兩個(gè)方面:

    (1)對(duì)算法進(jìn)行改進(jìn)。由于需要考慮到傳統(tǒng)診斷中醫(yī)務(wù)工作者更習(xí)慣于規(guī)則的推導(dǎo),因此本文算法也是在關(guān)聯(lián)規(guī)則分析的基礎(chǔ)上進(jìn)行分類(lèi)的。然而,由于關(guān)聯(lián)規(guī)則分析要求樣本均為離散性特征,這樣就導(dǎo)致了不得不在數(shù)據(jù)預(yù)處理階段進(jìn)行離散化處理。未來(lái)將研究如何將這種基于關(guān)聯(lián)規(guī)則的診斷方法擴(kuò)展到連續(xù)性特征數(shù)據(jù)上。同時(shí),也需要從貝葉斯統(tǒng)計(jì)理論體系的角度對(duì)ORPWS算法進(jìn)行改進(jìn),使其更加具備統(tǒng)計(jì)學(xué)的理論支撐。

    (2)對(duì)專(zhuān)家系統(tǒng)的工程化應(yīng)用及改進(jìn)。目前的專(zhuān)家系統(tǒng)還只是一個(gè)雛形,雖然這個(gè)系統(tǒng)基本上能夠?qū)崿F(xiàn)輔助診斷的要求,但依舊有很大改進(jìn)的空間。后續(xù)需要對(duì)其進(jìn)行優(yōu)化或局部重新設(shè)計(jì),使得該系統(tǒng)使用更加便捷和完善。

    致謝 本文作者感謝澳大利亞南澳大學(xué)李久勇教授的無(wú)私幫助與支持。

    [1]Shortliffe E H.Computer-based medical consultations,MYCIN[M].[S.l.]:Elsevier Publishing Company,1976.

    [2]Umbaugh,Scott E.Automatic color segmentation of images with application to detection of variegated coloring in skin tumors[J].Engineering in Medicine and Biology Magazine,1989,8(4):43-50.

    [3]蔡?hào)|聯(lián),羅狄隱,耿珊珊,等.糖尿病治療專(zhuān)家系統(tǒng)研制和應(yīng)用[J].中國(guó)臨床營(yíng)養(yǎng)雜志,2005,13(5):289-293.

    [4]余帥帥,葉云程,曾碧新.自身免疫疾病輔助診斷專(zhuān)家系統(tǒng)[J].計(jì)算機(jī)應(yīng)用與軟件,2011,28(1):89-91.

    [5]杜建鳳,宋梅,張璋,等.模糊神經(jīng)網(wǎng)絡(luò)在決策專(zhuān)家系統(tǒng)中的研究與應(yīng)用[J].系統(tǒng)工程與電子技術(shù),2002,24(2):45-47.

    [6]蔡航.基于神經(jīng)網(wǎng)絡(luò)的醫(yī)療診斷專(zhuān)家系統(tǒng)[J].數(shù)理醫(yī)藥學(xué)雜志,2002,15(4):294-295.

    [7]李丙春,耿國(guó)華,周明全,等.一個(gè)醫(yī)學(xué)圖像分類(lèi)器的設(shè)計(jì)[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(17):230-232.

    [8]Chen H L,Yang B,Liu J,et al.A support vector machine classifier with rough set-based feature selection for breast cancer diagnosis[J].Expert Systems with Applications,2011,38(7):9014-9022.

    [9]Kele? A,Yavuz U.Expert system based on neuro-fuzzy rules for diagnosis breast cancer[J].Expert Systems with Applications,2011,38(5):5719-5726.

    [10]Kononenko I.Machine learning for medical diagnosis:history,state of the art and perspective[J].Artificial Intelligence in Medicine,2001,23(1):89-109.

    [11]Agrawal R,Mannila H,Srikant R,et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining,1996,12:307-328.

    [12]Han J,Pei J,Yin Y.Mining frequent patterns without candidate generation[J].ACM SIGMOD Record,2000,29(2):1-12.

    [13]Li J Y,F(xiàn)u A W,F(xiàn)ahey P.Efficient discovery of risk patterns in medical data[J].Artificial Intelligence in Medicine,2009,45(1):77-89.

    [14]張俊鵬,賀建峰,馬磊.基于最優(yōu)風(fēng)險(xiǎn)與預(yù)防模型的醫(yī)療數(shù)據(jù)挖掘算法[J].計(jì)算機(jī)工程,2011,37(22):32-34.

    [15]Li J Y,F(xiàn)u A W,He H,et al.Mining risk patterns in medical data[C]//Proceedings of the Eleventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD),2005:770-775.

    MA Lei1,JIA Qinan2,ZHANG Jun2,BAO Yuanyuan1,HE Jianfeng1,LI Long3

    1.Department of Biomedical Engineering,School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China
    2.Department of Computer Science and Technology,School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China
    3.Department of Automation,School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China

    The development of effective nucleic acid analysis such as gene chip technology in the medical field makes clinical diagnosis and medical research be able to apply it to acquire a large number of genetic information of tumor genesis. Meanwhile,with the progress and application of machine learning theory and technology recently,plenty of expert systems based on artificial intelligence technology have occurred in various fields.Aiming to the characteristics of the analyzed gene information,this paper proposes the methods and implementation of a tumor auxiliary diagnostic expert system,and discusses the key techniques of data mining on the system implementation process.It also describes the structural framework, working mechanism and auxiliary diagnosis principle of the system.The experiment releases the test results by using clinical medical data,and the result indicates that system implementation discussed herein can meet the requirement of an auxiliary diagnosis in certain extent.

    genetic data mining;association rules;classification;auxiliary diagnosis;expert system

    在醫(yī)療領(lǐng)域中,基因芯片技術(shù)等高效核酸分析手段不斷發(fā)展,使得臨床診斷與醫(yī)學(xué)研究中能夠利用這一技術(shù)獲取大量與腫瘤生成相關(guān)的基因信息。同時(shí),近年來(lái)隨著機(jī)器學(xué)習(xí)理論與技術(shù)的不斷發(fā)展與應(yīng)用,在各領(lǐng)域內(nèi)出現(xiàn)了大量基于人工智能技術(shù)的專(zhuān)家系統(tǒng)。針對(duì)基因芯片信息的特點(diǎn),描述了一種腫瘤輔助診斷專(zhuān)家系統(tǒng)的設(shè)計(jì)思路與實(shí)現(xiàn)方案;討論了在專(zhuān)家系統(tǒng)實(shí)現(xiàn)過(guò)程中所采用的關(guān)鍵數(shù)據(jù)挖掘技術(shù);重點(diǎn)敘述了系統(tǒng)的結(jié)構(gòu)框架、工作機(jī)制與輔助診斷原理。在實(shí)驗(yàn)中,展示了臨床獲得的醫(yī)療數(shù)據(jù)在所論述系統(tǒng)中的測(cè)試結(jié)果。實(shí)驗(yàn)結(jié)果表明所論述的系統(tǒng)實(shí)現(xiàn)方案能夠在一定程度上滿(mǎn)足輔助診斷的需求。

    基因數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則;分類(lèi);輔助診斷;專(zhuān)家系統(tǒng)

    A

    TP311

    10.3778/j.issn.1002-8331.1305-0155

    MA Lei,JIA Qinan,ZHANG Jun,et al.Study of auxiliary diagnostic expert system based on combined genetic patterns mining.Computer Engineering and Applications,2014,50(24):122-126.

    國(guó)家自然科學(xué)基金(No.11265007);云南省基礎(chǔ)應(yīng)用研究基金(No.2009Zc049M)。

    馬磊(1978—),通訊作者,男,講師,研究領(lǐng)域?yàn)樯镄畔W(xué),數(shù)據(jù)挖掘,軟件工程;賈奇男(1986—),男,在讀碩士研究生,研究領(lǐng)域?yàn)閿?shù)據(jù)挖掘,機(jī)器學(xué)習(xí);張?。?990—),男,在讀碩士研究生,研究領(lǐng)域?yàn)閿?shù)據(jù)挖掘,機(jī)器學(xué)習(xí)。E-mail:roy_murray@qq.com

    2013-05-14

    2013-06-30

    1002-8331(2014)24-0122-05

    CNKI網(wǎng)絡(luò)優(yōu)先出版:2013-09-12,http∶//www.cnki.net/kcms/detail/11.2127.TP.20130912.1433.010.html

    猜你喜歡
    數(shù)據(jù)源權(quán)重輔助
    小議靈活構(gòu)造輔助函數(shù)
    倒開(kāi)水輔助裝置
    權(quán)重常思“浮名輕”
    為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
    Web 大數(shù)據(jù)系統(tǒng)數(shù)據(jù)源選擇*
    基于公約式權(quán)重的截短線(xiàn)性分組碼盲識(shí)別方法
    基于不同網(wǎng)絡(luò)數(shù)據(jù)源的期刊評(píng)價(jià)研究
    減壓輔助法制備PPDO
    提高車(chē)輛響應(yīng)的轉(zhuǎn)向輔助控制系統(tǒng)
    基于真值發(fā)現(xiàn)的沖突數(shù)據(jù)源質(zhì)量評(píng)價(jià)算法
    午夜免费观看性视频| 肉色欧美久久久久久久蜜桃| 91久久精品电影网| 丰满人妻一区二区三区视频av| 亚洲精品国产成人久久av| 精品久久久久久久末码| 内地一区二区视频在线| 熟女av电影| 午夜福利网站1000一区二区三区| 精品午夜福利在线看| 男男h啪啪无遮挡| 韩国av在线不卡| 国产亚洲av片在线观看秒播厂| 十八禁网站网址无遮挡 | 日产精品乱码卡一卡2卡三| 五月玫瑰六月丁香| 婷婷色综合www| 欧美极品一区二区三区四区| 国产精品人妻久久久久久| 身体一侧抽搐| 一级毛片 在线播放| 最近中文字幕高清免费大全6| 精品人妻熟女av久视频| 中文字幕久久专区| 夫妻性生交免费视频一级片| 少妇丰满av| 免费大片18禁| 超碰97精品在线观看| 久久久欧美国产精品| 男女免费视频国产| 啦啦啦在线观看免费高清www| 亚洲婷婷狠狠爱综合网| 亚洲精品乱码久久久v下载方式| 亚洲久久久国产精品| 亚洲av国产av综合av卡| 久久久国产一区二区| 国产精品久久久久成人av| 免费黄网站久久成人精品| 久久精品国产亚洲av涩爱| 国内少妇人妻偷人精品xxx网站| 一级毛片 在线播放| 国产成人a∨麻豆精品| 午夜精品国产一区二区电影| av天堂中文字幕网| 97超视频在线观看视频| 在现免费观看毛片| 国产伦精品一区二区三区四那| 国产免费福利视频在线观看| 又粗又硬又长又爽又黄的视频| 国产亚洲精品久久久com| 少妇精品久久久久久久| 欧美精品一区二区大全| 精品久久久久久久久av| 韩国高清视频一区二区三区| 久久鲁丝午夜福利片| 国产真实伦视频高清在线观看| 久久ye,这里只有精品| 亚洲人与动物交配视频| 另类亚洲欧美激情| 久久久午夜欧美精品| 免费av中文字幕在线| 丝袜脚勾引网站| 大又大粗又爽又黄少妇毛片口| 身体一侧抽搐| 日韩强制内射视频| 极品教师在线视频| 一个人看的www免费观看视频| 26uuu在线亚洲综合色| 91在线精品国自产拍蜜月| av女优亚洲男人天堂| 少妇 在线观看| 日本一二三区视频观看| av又黄又爽大尺度在线免费看| 精品国产露脸久久av麻豆| 中国三级夫妇交换| 久久久久久久精品精品| 干丝袜人妻中文字幕| 亚洲av成人精品一区久久| 亚洲国产日韩一区二区| 在线观看免费日韩欧美大片 | 久久国产精品大桥未久av | 午夜福利网站1000一区二区三区| 精品一区二区免费观看| 99久久综合免费| 午夜老司机福利剧场| 秋霞在线观看毛片| 伦理电影大哥的女人| av在线观看视频网站免费| 午夜激情久久久久久久| 亚洲高清免费不卡视频| 熟妇人妻不卡中文字幕| 日本黄色日本黄色录像| 国产精品国产三级国产av玫瑰| 亚洲,一卡二卡三卡| 亚洲精品成人av观看孕妇| 国产日韩欧美在线精品| 欧美最新免费一区二区三区| 日韩精品有码人妻一区| 亚洲精品久久午夜乱码| 99热6这里只有精品| 国产成人精品一,二区| 九草在线视频观看| 国产精品国产三级专区第一集| av一本久久久久| 日韩免费高清中文字幕av| 国产一级毛片在线| 久久久欧美国产精品| 国产成人精品久久久久久| 亚洲欧洲国产日韩| 一区二区三区四区激情视频| 国产69精品久久久久777片| av专区在线播放| 美女脱内裤让男人舔精品视频| 最黄视频免费看| 国产高清国产精品国产三级 | 国产女主播在线喷水免费视频网站| 视频区图区小说| 99九九线精品视频在线观看视频| a级毛色黄片| av专区在线播放| 国产有黄有色有爽视频| 久久久久精品久久久久真实原创| 国精品久久久久久国模美| 青春草国产在线视频| 免费人成在线观看视频色| 一个人看的www免费观看视频| 欧美亚洲 丝袜 人妻 在线| xxx大片免费视频| 成人无遮挡网站| 欧美成人精品欧美一级黄| 欧美高清成人免费视频www| 制服丝袜香蕉在线| 精品午夜福利在线看| 夜夜骑夜夜射夜夜干| 国产91av在线免费观看| 国产精品.久久久| 久久国产乱子免费精品| xxx大片免费视频| 18禁在线播放成人免费| 国产成人a∨麻豆精品| 三级国产精品片| 欧美变态另类bdsm刘玥| 久久热精品热| 欧美国产精品一级二级三级 | 性色avwww在线观看| 久久99热6这里只有精品| 日韩视频在线欧美| 国内少妇人妻偷人精品xxx网站| 2018国产大陆天天弄谢| 亚洲精品国产av成人精品| 欧美一级a爱片免费观看看| 成年美女黄网站色视频大全免费 | 精品一品国产午夜福利视频| 午夜福利高清视频| 舔av片在线| 国产精品蜜桃在线观看| 亚洲在久久综合| 亚洲真实伦在线观看| 国国产精品蜜臀av免费| 久久久久国产精品人妻一区二区| av在线app专区| 久久久久久久久久人人人人人人| 一本色道久久久久久精品综合| 我要看黄色一级片免费的| 97在线人人人人妻| 成年美女黄网站色视频大全免费 | av.在线天堂| 亚洲国产av新网站| 国内精品宾馆在线| 久久久精品免费免费高清| 我的老师免费观看完整版| 亚洲精品色激情综合| 国产精品爽爽va在线观看网站| 一本一本综合久久| 久久国产精品男人的天堂亚洲 | 亚洲精品自拍成人| 高清av免费在线| 久久久色成人| 成人综合一区亚洲| av网站免费在线观看视频| 国产国拍精品亚洲av在线观看| 干丝袜人妻中文字幕| 国产av一区二区精品久久 | 国产av国产精品国产| 国产亚洲一区二区精品| 欧美日本视频| 久久热精品热| 久久精品国产自在天天线| 人妻 亚洲 视频| 在线观看一区二区三区激情| 我要看日韩黄色一级片| 国产高清国产精品国产三级 | 夜夜看夜夜爽夜夜摸| 精品酒店卫生间| 久久久久久久久久人人人人人人| 久久久亚洲精品成人影院| 这个男人来自地球电影免费观看 | 欧美成人一区二区免费高清观看| 99热全是精品| 国产精品久久久久久久久免| www.av在线官网国产| 观看av在线不卡| 噜噜噜噜噜久久久久久91| 狂野欧美激情性bbbbbb| 欧美变态另类bdsm刘玥| 亚洲精品日韩av片在线观看| 国产免费一区二区三区四区乱码| 精品一区二区三区视频在线| 99热6这里只有精品| 王馨瑶露胸无遮挡在线观看| 成人黄色视频免费在线看| 亚洲av成人精品一二三区| 七月丁香在线播放| 国产视频首页在线观看| 国产精品久久久久久av不卡| 天堂俺去俺来也www色官网| 亚洲丝袜综合中文字幕| 麻豆成人av视频| 国产在线免费精品| 中文天堂在线官网| 久久国产乱子免费精品| 一本色道久久久久久精品综合| 狂野欧美激情性xxxx在线观看| 超碰av人人做人人爽久久| 插阴视频在线观看视频| 国产精品一区www在线观看| 97在线人人人人妻| www.av在线官网国产| 中文天堂在线官网| 免费av中文字幕在线| 国产中年淑女户外野战色| 熟女av电影| 免费观看a级毛片全部| 日韩成人av中文字幕在线观看| 91精品国产九色| 亚洲国产日韩一区二区| 久久久久久久大尺度免费视频| 久久久久久久久久久丰满| 女人久久www免费人成看片| 草草在线视频免费看| 高清不卡的av网站| 极品少妇高潮喷水抽搐| 日本-黄色视频高清免费观看| 国产亚洲欧美精品永久| 性色av一级| 亚洲性久久影院| 一本色道久久久久久精品综合| 熟女人妻精品中文字幕| 18+在线观看网站| 成人黄色视频免费在线看| 亚洲av电影在线观看一区二区三区| 老司机影院成人| 少妇的逼水好多| 欧美精品一区二区免费开放| 精品少妇久久久久久888优播| 久久久久久久久久久丰满| 日本黄大片高清| 欧美国产精品一级二级三级 | 日日撸夜夜添| 美女cb高潮喷水在线观看| 久久久久久久大尺度免费视频| h日本视频在线播放| 各种免费的搞黄视频| 亚洲欧美中文字幕日韩二区| 熟女av电影| 亚洲成人中文字幕在线播放| 精品久久久精品久久久| 日韩视频在线欧美| 亚洲精品,欧美精品| 亚洲欧美日韩卡通动漫| 晚上一个人看的免费电影| 日韩免费高清中文字幕av| 国产成人a区在线观看| 免费观看性生交大片5| 亚洲aⅴ乱码一区二区在线播放| 美女福利国产在线 | 嫩草影院入口| 人妻系列 视频| 精品一区二区三卡| 成人亚洲精品一区在线观看 | 高清午夜精品一区二区三区| 午夜福利在线在线| 国产熟女欧美一区二区| 看非洲黑人一级黄片| 成人漫画全彩无遮挡| 黄色视频在线播放观看不卡| 少妇精品久久久久久久| 久久人妻熟女aⅴ| 丰满乱子伦码专区| 九九爱精品视频在线观看| 高清午夜精品一区二区三区| 男女国产视频网站| 九九爱精品视频在线观看| 精品熟女少妇av免费看| 欧美极品一区二区三区四区| 国产av精品麻豆| 少妇的逼好多水| 久久久久性生活片| 国产一区二区三区综合在线观看 | 日本午夜av视频| 亚洲成人手机| 在线观看免费视频网站a站| 亚洲成人av在线免费| 国产黄频视频在线观看| 丰满迷人的少妇在线观看| 国产成人免费无遮挡视频| 国产色爽女视频免费观看| 久久热精品热| 18禁裸乳无遮挡免费网站照片| 国产爽快片一区二区三区| 最近中文字幕2019免费版| 少妇人妻久久综合中文| 99热6这里只有精品| 精品少妇黑人巨大在线播放| 九九久久精品国产亚洲av麻豆| 亚洲四区av| 久久久久久久久久成人| 中文精品一卡2卡3卡4更新| 99热这里只有是精品在线观看| 女人久久www免费人成看片| 国产精品国产三级国产av玫瑰| 丝袜脚勾引网站| 伦理电影大哥的女人| 久久久久视频综合| 国产精品熟女久久久久浪| 久久久欧美国产精品| 最新中文字幕久久久久| 国产美女午夜福利| 国产在线视频一区二区| 在线观看三级黄色| 纯流量卡能插随身wifi吗| 久久女婷五月综合色啪小说| 五月伊人婷婷丁香| 亚洲怡红院男人天堂| 一个人看视频在线观看www免费| 国产精品.久久久| 免费人妻精品一区二区三区视频| av又黄又爽大尺度在线免费看| 女人十人毛片免费观看3o分钟| 美女视频免费永久观看网站| 中文天堂在线官网| 亚洲成人手机| 午夜视频国产福利| 草草在线视频免费看| 99热6这里只有精品| 欧美日韩综合久久久久久| a级毛片免费高清观看在线播放| 九九爱精品视频在线观看| 男女边摸边吃奶| av卡一久久| 日韩欧美一区视频在线观看 | 成人高潮视频无遮挡免费网站| 日韩中文字幕视频在线看片 | 边亲边吃奶的免费视频| 91久久精品国产一区二区成人| 在线观看免费视频网站a站| 国产精品秋霞免费鲁丝片| 国产精品一区www在线观看| 精品酒店卫生间| 免费av中文字幕在线| 午夜免费观看性视频| 日韩不卡一区二区三区视频在线| 成年免费大片在线观看| 身体一侧抽搐| 久久午夜福利片| 人妻 亚洲 视频| 在线观看一区二区三区| 久久韩国三级中文字幕| 国产伦理片在线播放av一区| 日韩中文字幕视频在线看片 | 深爱激情五月婷婷| 另类亚洲欧美激情| 亚洲av福利一区| 97在线人人人人妻| 亚洲欧美一区二区三区黑人 | 王馨瑶露胸无遮挡在线观看| 在线精品无人区一区二区三 | 丰满少妇做爰视频| 亚洲av成人精品一区久久| 午夜日本视频在线| 国精品久久久久久国模美| 日韩欧美一区视频在线观看 | 男人狂女人下面高潮的视频| 免费观看在线日韩| 美女福利国产在线 | 大香蕉久久网| 大片电影免费在线观看免费| 久久久久久久国产电影| 国产一区二区三区av在线| 国产淫片久久久久久久久| 精品亚洲成a人片在线观看 | 免费看不卡的av| 黑人猛操日本美女一级片| av在线老鸭窝| 夜夜看夜夜爽夜夜摸| 一本一本综合久久| 熟女av电影| 色视频在线一区二区三区| 精品一品国产午夜福利视频| 久久久成人免费电影| 国产亚洲一区二区精品| 在线观看av片永久免费下载| 成年人午夜在线观看视频| 国产成人精品福利久久| 在线观看国产h片| 欧美+日韩+精品| 久久久国产一区二区| 一个人免费看片子| 看非洲黑人一级黄片| 久久久久性生活片| 交换朋友夫妻互换小说| 夜夜骑夜夜射夜夜干| 国产成人精品福利久久| 偷拍熟女少妇极品色| 久久久精品免费免费高清| 在线观看三级黄色| 亚洲人成网站高清观看| 男女边吃奶边做爰视频| 国产淫语在线视频| 18禁在线播放成人免费| 岛国毛片在线播放| 在线观看国产h片| 国产日韩欧美亚洲二区| 国产欧美另类精品又又久久亚洲欧美| 免费黄网站久久成人精品| 国产精品成人在线| 精品人妻熟女av久视频| 熟女电影av网| 欧美成人一区二区免费高清观看| 一级毛片aaaaaa免费看小| 色吧在线观看| 久久久久精品性色| kizo精华| 欧美三级亚洲精品| 成人午夜精彩视频在线观看| 成人综合一区亚洲| 免费av不卡在线播放| 国产极品天堂在线| 一边亲一边摸免费视频| 久久精品久久精品一区二区三区| 久久韩国三级中文字幕| 一级爰片在线观看| 久久久亚洲精品成人影院| 日韩av免费高清视频| 狂野欧美激情性bbbbbb| 久久av网站| 99久久精品热视频| 日韩亚洲欧美综合| 大又大粗又爽又黄少妇毛片口| 国产女主播在线喷水免费视频网站| 搡老乐熟女国产| 国产91av在线免费观看| 九草在线视频观看| 一本色道久久久久久精品综合| 在线免费十八禁| 日日摸夜夜添夜夜添av毛片| 日本午夜av视频| 啦啦啦视频在线资源免费观看| 国产深夜福利视频在线观看| 亚洲经典国产精华液单| 男女免费视频国产| 啦啦啦视频在线资源免费观看| 国产伦在线观看视频一区| 中文精品一卡2卡3卡4更新| 国产亚洲av片在线观看秒播厂| 国产伦精品一区二区三区视频9| 晚上一个人看的免费电影| 亚洲欧美日韩无卡精品| 秋霞在线观看毛片| 亚洲精品乱码久久久久久按摩| 丝袜脚勾引网站| 夜夜看夜夜爽夜夜摸| 日韩欧美精品免费久久| 精品熟女少妇av免费看| 亚洲av免费高清在线观看| 大香蕉久久网| 免费观看性生交大片5| 91狼人影院| 久久久久人妻精品一区果冻| av专区在线播放| 久久久久视频综合| 精品99又大又爽又粗少妇毛片| 亚洲天堂av无毛| 日本黄色片子视频| 街头女战士在线观看网站| 国产中年淑女户外野战色| 亚洲激情五月婷婷啪啪| 亚洲人与动物交配视频| 亚洲精品自拍成人| 国产视频内射| 国产精品成人在线| 亚洲精品国产av成人精品| 久久国产精品大桥未久av | 99热网站在线观看| 国产av一区二区精品久久 | 欧美高清成人免费视频www| 亚洲aⅴ乱码一区二区在线播放| 国产成人精品久久久久久| 建设人人有责人人尽责人人享有的 | 亚洲欧美成人综合另类久久久| 免费大片18禁| av女优亚洲男人天堂| 99re6热这里在线精品视频| 国产伦理片在线播放av一区| 爱豆传媒免费全集在线观看| 国产精品久久久久久久久免| 国产熟女欧美一区二区| 成人影院久久| 久久精品国产鲁丝片午夜精品| 精品国产一区二区三区久久久樱花 | 日本一二三区视频观看| 久久久久久久久久久免费av| 日韩不卡一区二区三区视频在线| av女优亚洲男人天堂| 久久国产精品大桥未久av | 免费av不卡在线播放| 成人影院久久| 少妇精品久久久久久久| 亚洲美女黄色视频免费看| 国产精品一二三区在线看| 免费高清在线观看视频在线观看| 日韩一区二区三区影片| 国产精品成人在线| 免费看日本二区| 欧美日韩在线观看h| 国产一级毛片在线| 最新中文字幕久久久久| 亚洲国产精品国产精品| 中国三级夫妇交换| 成人综合一区亚洲| 久久久国产一区二区| 在线观看免费视频网站a站| 高清不卡的av网站| 日韩欧美一区视频在线观看 | 免费高清在线观看视频在线观看| 2021少妇久久久久久久久久久| 国产免费福利视频在线观看| 日本欧美国产在线视频| 一级毛片黄色毛片免费观看视频| 在现免费观看毛片| 成人毛片60女人毛片免费| 国产精品嫩草影院av在线观看| 亚洲欧美精品自产自拍| 2021少妇久久久久久久久久久| 在线看a的网站| av女优亚洲男人天堂| 国产黄色免费在线视频| 妹子高潮喷水视频| 欧美bdsm另类| 欧美成人午夜免费资源| 最近最新中文字幕免费大全7| 99热这里只有是精品50| 亚洲欧美成人综合另类久久久| 丝瓜视频免费看黄片| 亚洲精品久久久久久婷婷小说| 美女高潮的动态| 26uuu在线亚洲综合色| 国产日韩欧美亚洲二区| 久久人人爽人人爽人人片va| 国产成人a区在线观看| 大码成人一级视频| 中文字幕久久专区| 在线观看国产h片| 亚洲国产日韩一区二区| 久久午夜福利片| av.在线天堂| 亚洲国产色片| 在线观看免费日韩欧美大片 | 亚洲欧美一区二区三区国产| 精品久久久久久久久亚洲| 欧美一级a爱片免费观看看| 久久精品久久精品一区二区三区| 中国美白少妇内射xxxbb| 久久午夜福利片| 久久国产精品男人的天堂亚洲 | 亚洲色图综合在线观看| 国产无遮挡羞羞视频在线观看| 国产一区二区三区av在线| 晚上一个人看的免费电影| 女人久久www免费人成看片| 99久久精品国产国产毛片| 亚洲av欧美aⅴ国产| 最近2019中文字幕mv第一页| 中文字幕av成人在线电影| 少妇熟女欧美另类| 亚洲一级一片aⅴ在线观看| 亚洲av中文字字幕乱码综合| 在线观看美女被高潮喷水网站| av天堂中文字幕网| 国产老妇伦熟女老妇高清| 国产黄色免费在线视频| 中文字幕制服av| 色吧在线观看| 国产欧美日韩精品一区二区| 18禁在线播放成人免费| 欧美日本视频| 欧美zozozo另类| 日韩国内少妇激情av| 毛片一级片免费看久久久久| 国产成人精品久久久久久| 美女cb高潮喷水在线观看| 婷婷色麻豆天堂久久| 国产视频内射| 3wmmmm亚洲av在线观看| 久久精品国产亚洲网站| 欧美日韩在线观看h| 久久久久久久大尺度免费视频| 免费播放大片免费观看视频在线观看| 久久精品国产亚洲av天美| 七月丁香在线播放| 国产成人a区在线观看| 精品久久国产蜜桃| 熟女av电影| 亚洲精品久久午夜乱码| 亚洲色图av天堂|