• <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 ?

    基于深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)方法研究

    2017-07-05 15:22:56陳德華周東陽(yáng)樂(lè)嘉錦
    關(guān)鍵詞:深度特征方法

    陳德華,周東陽(yáng),樂(lè)嘉錦

    (東華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,上海 201620 )

    ?

    基于深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)方法研究

    陳德華,周東陽(yáng),樂(lè)嘉錦

    (東華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,上海 201620 )

    甲狀腺結(jié)節(jié)是一種常見臨床疾病,其發(fā)病率逐年增高。對(duì)于診治甲狀腺結(jié)節(jié)的首要問(wèn)題是明確及鑒別其良惡性質(zhì)。為了提高甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)的準(zhǔn)確率,提出一種基于深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性鑒別方法。實(shí)驗(yàn)在真實(shí)醫(yī)療數(shù)據(jù)集上對(duì)比了深度學(xué)習(xí)算法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸算法,結(jié)果表明基于深度學(xué)習(xí)的預(yù)測(cè)方法具有最高的準(zhǔn)確率,在非稀疏數(shù)據(jù)和稀疏數(shù)據(jù)集上分別達(dá)到94%和88.84%。

    甲狀腺結(jié)節(jié)良惡性預(yù)測(cè);受限玻爾茲曼機(jī);深度信念網(wǎng)絡(luò);深度學(xué)習(xí)

    0 引言

    在甲狀腺結(jié)節(jié)的臨床治療過(guò)程中,甲狀腺結(jié)節(jié)良惡性的鑒別是甲狀腺結(jié)節(jié)診治的基礎(chǔ)。目前,穿刺檢查和病理檢查是鑒別甲狀腺結(jié)節(jié)良惡性的主要手段。但是,穿刺檢查和病理檢查具有損傷性,對(duì)患者的正常甲狀腺組織造成破壞。因此,如何有效地利用無(wú)損傷的超聲檢查結(jié)果來(lái)預(yù)測(cè)甲狀腺結(jié)節(jié)良惡性,對(duì)于甲狀腺結(jié)節(jié)診治具有重要的意義。

    為了幫助醫(yī)生提高臨床診斷的準(zhǔn)確性,讓患者避免不必要的檢查過(guò)程,降低患者誤診率,近年來(lái)越來(lái)越多的學(xué)者試圖通過(guò)機(jī)器學(xué)習(xí)、專家系統(tǒng)等人工智能方法進(jìn)行甲狀腺結(jié)節(jié)良惡性鑒別。深度學(xué)習(xí)技術(shù)是機(jī)器學(xué)習(xí)領(lǐng)域中最新研究成果,通過(guò)構(gòu)建具有很多隱藏層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù),來(lái)學(xué)習(xí)更有用的特征,從而最終提升分類或預(yù)測(cè)的準(zhǔn)確性,因此,與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比,利用深度學(xué)習(xí)來(lái)學(xué)習(xí)特征,更能夠刻畫數(shù)據(jù)豐富的內(nèi)在信息,并展現(xiàn)出強(qiáng)大的從樣本集中學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力[1]。

    但是目前大多數(shù)研究都是基于甲狀腺超聲圖像數(shù)據(jù),或者經(jīng)過(guò)挑選之后比較完整的文本特征數(shù)據(jù),采用傳統(tǒng)的機(jī)器學(xué)習(xí)方法訓(xùn)練模型,沒有考慮到真實(shí)醫(yī)療數(shù)據(jù)存在稀疏性的問(wèn)題,因此預(yù)測(cè)結(jié)果還有很大的提升空間[2]。醫(yī)療數(shù)據(jù)的稀疏性主要體現(xiàn)在數(shù)據(jù)提取的缺失性上,由于患者病癥的不同、醫(yī)生診斷描述方式不同以及提取的規(guī)則不同,難免會(huì)導(dǎo)致許多缺失數(shù)據(jù),也即稀疏數(shù)據(jù)。

    為此,本文考慮到深度置信網(wǎng)絡(luò)在預(yù)測(cè)上的優(yōu)勢(shì),結(jié)合甲狀腺結(jié)節(jié)超聲數(shù)據(jù)的稀疏性提出了一個(gè)基于深度信念網(wǎng)絡(luò)(DBN)的甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)方法,該方法能夠利用深度學(xué)習(xí)的優(yōu)勢(shì),通過(guò)逐層特征變換,將樣本在原空間的特征表示變換到一個(gè)新特征空間,可以從稀疏的不平衡的數(shù)據(jù)中挖掘出更有價(jià)值的特征,從而使分類或預(yù)測(cè)更加容易。

    1 相關(guān)工作

    通過(guò)機(jī)器學(xué)習(xí)方法提高對(duì)疾病的診斷預(yù)測(cè)準(zhǔn)確率已經(jīng)成為智慧醫(yī)療的一個(gè)重要實(shí)現(xiàn)途徑,其中很多學(xué)者在甲狀腺結(jié)節(jié)的診斷分類方面做了相關(guān)研究。

    在甲狀腺結(jié)節(jié)的預(yù)測(cè)鑒別研究上,熊偉等人提出了一種利用局部紋理特征與多示例學(xué)習(xí)相結(jié)合的方法,利用KNN算法來(lái)實(shí)現(xiàn)對(duì)甲狀腺結(jié)節(jié)的分類,準(zhǔn)確率達(dá)85.59%[3]。Ma Jieming 等人提出一種基于SVM的甲狀腺結(jié)節(jié)預(yù)測(cè)方法,在普通SVM模型的代價(jià)函數(shù)中加入懲罰項(xiàng)進(jìn)行優(yōu)化,有效地防止模型的過(guò)擬合,并且準(zhǔn)確率達(dá)86.6%[4]。李前程等人將結(jié)節(jié)的良惡性作為因變量,以超聲表現(xiàn)作為自變量,采用二分類logistic 回歸分析篩選出對(duì)甲狀腺結(jié)節(jié)良惡性有顯著鑒別作用的超聲指標(biāo)并建立回歸模型,準(zhǔn)確率達(dá)89.91%[5]。

    2 研究模型

    2.1 DBN模型

    p(v,h(1),h(2),…,h)=

    (1)

    圖1 DBN網(wǎng)絡(luò)結(jié)構(gòu)

    在訓(xùn)練階段,在可視層會(huì)產(chǎn)生一個(gè)向量v,通過(guò)它將值傳遞到隱藏層。反過(guò)來(lái),可視層的輸入會(huì)被隨機(jī)選擇,以嘗試去重構(gòu)原始的輸入信號(hào)。最后,這些新的可視的神經(jīng)元激活單元將前向傳遞重構(gòu)隱藏層激活單元,獲得h。執(zhí)行這種反復(fù)步驟叫做吉布斯采樣(Gibbs Sampling)[7]。而隱藏層激活單元和可視層輸入之間的相關(guān)性差別就作為權(quán)值更新的主要依據(jù)。

    在預(yù)訓(xùn)練后,DBN可以通過(guò)BP算法根據(jù)誤差函數(shù)進(jìn)行逆向調(diào)節(jié),從而對(duì)判別性能做調(diào)整。這個(gè)性能會(huì)比單純的BP算法訓(xùn)練的網(wǎng)絡(luò)好。這可以很直觀地給予解釋:DBN的BP算法只需要對(duì)權(quán)值參數(shù)空間進(jìn)行一個(gè)局部的搜索,這相比BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō),訓(xùn)練是更快的,而且收斂的時(shí)間也更少[8]。

    2.2 RBM神經(jīng)網(wǎng)絡(luò)

    RBM是DBN 的核心組件之一,它由一個(gè)可見層V和一個(gè)隱藏層H組成,層間的節(jié)點(diǎn)兩兩相連,層內(nèi)的節(jié)點(diǎn)不相連。

    RBM模型訓(xùn)練過(guò)程如下:

    Step 1初始化

    (1)輸入訓(xùn)練特征

    (2)給定訓(xùn)練次數(shù)J

    (3)指定可見層和隱藏層的單元數(shù)

    (4)初始化權(quán)值矩陣W和噪聲控制參數(shù)ɑ,b

    Step 2訓(xùn)練

    FOR iter=1,2,…,JDO

    {

    1.調(diào)用RBM,生成ΔW,Δa,Δb

    2.刷新參數(shù)W,ɑ,b

    }

    下面討論可視層節(jié)點(diǎn)和隱藏層節(jié)點(diǎn)間權(quán)值W計(jì)算過(guò)程。

    可見層變量v和隱藏層變量h的聯(lián)合組態(tài)(joint configuration)的能量可以表示為:

    (2)

    其中θ={W,a,b}為模型參數(shù)。

    而某個(gè)組態(tài)的聯(lián)合概率分布可以通過(guò)Boltzmann分布來(lái)確定:

    (3)

    隱藏層節(jié)點(diǎn)之間是條件獨(dú)立的,即

    (4)

    對(duì)公式(4)進(jìn)行因子分解Factorizes,得到在給定可視層v上,隱藏層第j個(gè)節(jié)點(diǎn)為1或者為0的概率:

    (5)

    同理,在給定隱藏層h的基礎(chǔ)上,可視層第i個(gè)節(jié)點(diǎn)為1或者為0的概率也可以容易得到:

    (6)

    給定一個(gè)滿足獨(dú)立同分布的樣本集:D={v(1),v(2),…,v(N)}需要學(xué)習(xí)參數(shù)θ={W,a,b}。

    通過(guò)最大似然估計(jì)得到L最大時(shí)對(duì)應(yīng)的參數(shù)W:

    (7)

    (8)

    3 實(shí)驗(yàn)結(jié)果與模型評(píng)估

    3.1 實(shí)驗(yàn)數(shù)據(jù)采集

    所有實(shí)驗(yàn)數(shù)據(jù)均來(lái)自某三甲醫(yī)院患者的實(shí)際超聲指標(biāo)特征。為了檢驗(yàn)本文所構(gòu)建的DBN模型的對(duì)稀疏的超聲數(shù)據(jù)預(yù)測(cè)效果的提升,分別使用了兩組不同的實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)訓(xùn)練模型數(shù)據(jù)分別為從30萬(wàn)條超聲診斷數(shù)據(jù)抽取的3 000條指標(biāo)非稀疏的數(shù)據(jù)和3 000條稀疏的數(shù)據(jù)。

    3.2 數(shù)據(jù)預(yù)處理

    實(shí)驗(yàn)前先將非結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理[9],提取出需要的指標(biāo)以及對(duì)應(yīng)的文本描述。然后對(duì)結(jié)構(gòu)化后的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗,解決異常值、缺失值等問(wèn)題。接著將表示特征指標(biāo)程度的文本變量轉(zhuǎn)換為算法所能處理的數(shù)值型變量[10]。最后數(shù)值化后超聲指標(biāo)中各個(gè)特征的物理意義和數(shù)量級(jí)是均不相同的,所以,需要對(duì)結(jié)構(gòu)化后的數(shù)據(jù)進(jìn)行歸一化,統(tǒng)一衡量標(biāo)準(zhǔn)值,本文采用Z-score標(biāo)準(zhǔn)化方法。

    3.3 實(shí)驗(yàn)結(jié)果及分析

    兩組數(shù)據(jù)分別使用1層隱藏層DBN模型(DBN1)、2層隱藏層DBN模型(DBN2)、BP神經(jīng)網(wǎng)絡(luò)模型以及邏輯回歸(LR)進(jìn)行預(yù)測(cè),評(píng)價(jià)指標(biāo)選為準(zhǔn)確率、召回率和 F 系數(shù),模型的預(yù)測(cè)效果對(duì)比結(jié)果如表1、表2所示。

    表1 非稀疏數(shù)據(jù)實(shí)驗(yàn)對(duì)比

    表2 稀疏數(shù)據(jù)實(shí)驗(yàn)對(duì)比

    由表1可以看出, DBN 模型在準(zhǔn)確率、召回率和F值上都已超越邏輯回歸,DBN1模型的準(zhǔn)確率略高于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型,召回率稍低,F(xiàn)系數(shù)幾乎持平。但是DBN2模型3項(xiàng)指標(biāo)都略優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。

    由表2可以看出,DBN1模型在準(zhǔn)確率、召回率和F系數(shù)上已經(jīng)超越傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型和邏輯回歸, DBN2更是遠(yuǎn)優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型和邏輯回歸模型。

    從兩組實(shí)驗(yàn)可以看出DBN模型在非稀疏數(shù)據(jù)上雖然占優(yōu),但是優(yōu)勢(shì)并不明顯。而在稀疏性數(shù)據(jù)上,DBN模型全面超越BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸。由此可以得出DBN模型非常適合對(duì)稀疏性數(shù)據(jù)進(jìn)行分類。

    4 結(jié)論

    DBN對(duì)高維特征向量具有很強(qiáng)的提取特征和分類特征的能力,通過(guò)多層隱藏層可以盡可能保留數(shù)據(jù)的特征,能夠有效解決稀疏數(shù)據(jù)特征信息密度低的問(wèn)題。實(shí)驗(yàn)結(jié)果表明,DBN 在稀疏性數(shù)據(jù)預(yù)測(cè)任務(wù)中的效果好于BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸,是一種非常適用于對(duì)稀疏數(shù)據(jù)進(jìn)行分類的算法。未來(lái)的工作主要從兩個(gè)方向入手:首先,使用更科學(xué)的方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,使得處理后的數(shù)據(jù)盡可能保留其特征;其次,針對(duì)稀疏數(shù)據(jù)的特征使用更為優(yōu)秀的DBN網(wǎng)絡(luò)結(jié)構(gòu),使算法對(duì)數(shù)據(jù)集分類結(jié)果更有說(shuō)服力。

    [1] HINTON G E. A practical guide to training restricted boltzmann machines[M].Berlin: Springer Berlin Heidelberg, 2012.

    [2] 黃海新, 吳迪, 文峰. 決策森林研究綜述[J]. 電子技術(shù)應(yīng)用, 2016, 42(12):5-9.

    [3] 熊偉,龔勛,羅俊,李天瑞.基于局部紋理特征的超聲甲狀腺結(jié)節(jié)良惡性識(shí)別[J]. 數(shù)據(jù)采集與處理, 2015,30(1): 186-191.

    [4] Ma Jieming,Luo Si, DIGHE M, et al. Differential diagnosis of thyroid nodules with ultrasound elastography based on support vector machines[C]. Ultrasonics Symposium (IUS), 2010 IEEE, 2010:1372-1375.

    [5] 李前程,孫麗娜,吳雙,等. 高頻超聲及彈性成像對(duì)甲狀腺結(jié)節(jié)性質(zhì)鑒別診斷的logistic回歸分析[J]. 中國(guó)地方病防治雜志, 2015(4): 291-293.

    [6] HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets[J].Neural Computation, 2006,18(7):1527-1554.

    [7] GEMAN S, GEMAN D. Stochastic relaxation, gibbs distributions, and the bayesian restoration of images[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1984, 6(6):721-741.

    [8] 蔣良孝, 李超群. 基于BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近方法及其MATLAB實(shí)現(xiàn)[J]. 微型機(jī)與應(yīng)用, 2004, 23(1):52-53.

    [9] 陳德華,馮潔瑩,樂(lè)嘉錦,等. 中文病理文本的結(jié)構(gòu)化處理方法研究[J]. 計(jì)算機(jī)科學(xué), 2016,43(10): 272-276.

    [10] 戚湧,陳俊,李千目. 基于冗余消除和屬性數(shù)值化的XACML策略優(yōu)化方法[J]. 計(jì)算機(jī)科學(xué), 2016,43(2):163-168.

    Thyroid nodule benign and malignant prediction based on deep learning

    Chen Dehua, Zhou Dongyang, Le Jiajin

    (School of Computer Science and Technology, Donghua University, Shanghai 201620, China)

    Thyroid nodule is a common clinical disease and the incidence has increased year by year. For the diagnosis and treatment of thyroid nodules, the primary problem is to identify the benign and malignant nature. In order to improve the prediction accuracy of benign and malignant thyroid nodules, this paper presents a method for the identification of benign and malignant thyroid nodules based on deep learning. Through experiments,the deep learning algorithm is compared with the traditional BP neural network and logistic regression in the real medical data set. The results show that prediction method based on deep learning has the highest accuracy, reaching 93.57% and 88.84% with the non-sparse data and the sparse data set.

    benign and malignant thyroid nodules prediction; limited Boltzmann machine; deep belief network; deep learning

    TP181; TP183

    A

    10.19358/j.issn.1674- 7720.2017.12.004

    陳德華,周東陽(yáng),樂(lè)嘉錦.基于深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)方法研究[J].微型機(jī)與應(yīng)用,2017,36(12):13-15.

    2016-12-20)

    陳德華(1976-),男,博士,副教授,主要研究方向:數(shù)據(jù)庫(kù),數(shù)據(jù)倉(cāng)庫(kù)與智慧醫(yī)療。

    周東陽(yáng)(1990-),通信作者,男,碩士研究生,主要研究方向:數(shù)據(jù)工程。E-mail:zhouguang.1@163.com。

    樂(lè)嘉錦(1951-),男,教授,博士生導(dǎo)師,主要研究方向:數(shù)據(jù)科學(xué)管理及軟件工程理論與實(shí)踐。

    猜你喜歡
    深度特征方法
    深度理解一元一次方程
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    深度觀察
    深度觀察
    深度觀察
    抓住特征巧觀察
    可能是方法不對(duì)
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    国产成人精品无人区| 亚洲婷婷狠狠爱综合网| 国产一级毛片在线| 99re6热这里在线精品视频| 大话2 男鬼变身卡| 在线观看三级黄色| 亚洲国产精品成人久久小说| 国产成人精品一,二区| 成人免费观看视频高清| 欧美日韩精品成人综合77777| 伦理电影免费视频| 精品人妻熟女av久视频| 男女无遮挡免费网站观看| 在线天堂最新版资源| 亚洲av成人精品一二三区| 日本av手机在线免费观看| 97精品久久久久久久久久精品| 欧美一级a爱片免费观看看| 久久久久久久久久人人人人人人| 美女大奶头黄色视频| 欧美激情极品国产一区二区三区 | 欧美性感艳星| 国产av国产精品国产| 久久99热这里只频精品6学生| 国精品久久久久久国模美| 嫩草影院入口| 久久影院123| 精品少妇久久久久久888优播| 99久久综合免费| 亚洲av免费高清在线观看| 人妻系列 视频| 欧美日韩亚洲高清精品| 免费黄频网站在线观看国产| 国产不卡av网站在线观看| 亚洲精品美女久久av网站| 看十八女毛片水多多多| 午夜福利网站1000一区二区三区| 国产精品一国产av| 黑人高潮一二区| 亚洲精品国产色婷婷电影| 国产成人精品婷婷| 涩涩av久久男人的天堂| av在线老鸭窝| 国产不卡av网站在线观看| 国产精品嫩草影院av在线观看| 中文字幕亚洲精品专区| 国产免费现黄频在线看| 少妇人妻久久综合中文| 日本欧美国产在线视频| 亚洲丝袜综合中文字幕| 亚洲精品视频女| 国产亚洲午夜精品一区二区久久| 精品一区二区三区视频在线| 久久久精品免费免费高清| 亚洲精品aⅴ在线观看| xxx大片免费视频| 国产精品久久久久成人av| videos熟女内射| 久久国产精品大桥未久av| 国产精品秋霞免费鲁丝片| 男男h啪啪无遮挡| 亚洲人成网站在线播| 九草在线视频观看| 国产伦精品一区二区三区视频9| 日日爽夜夜爽网站| 极品少妇高潮喷水抽搐| 免费观看在线日韩| 久久人人爽人人爽人人片va| 久久精品国产亚洲网站| 日韩成人伦理影院| av免费观看日本| 日韩强制内射视频| 丰满饥渴人妻一区二区三| 国产精品不卡视频一区二区| 日本色播在线视频| 久久97久久精品| 中文字幕制服av| 伦理电影大哥的女人| 免费播放大片免费观看视频在线观看| 婷婷色综合www| tube8黄色片| 一级毛片黄色毛片免费观看视频| 亚洲av福利一区| 国产老妇伦熟女老妇高清| 亚洲精品久久成人aⅴ小说 | 国产片内射在线| 秋霞在线观看毛片| 欧美人与善性xxx| 国产精品一国产av| 精品卡一卡二卡四卡免费| 在线观看人妻少妇| 人成视频在线观看免费观看| 丰满迷人的少妇在线观看| 国产69精品久久久久777片| 国产成人一区二区在线| 3wmmmm亚洲av在线观看| 亚洲成人手机| 大又大粗又爽又黄少妇毛片口| 22中文网久久字幕| 中文字幕最新亚洲高清| 国产精品蜜桃在线观看| 色网站视频免费| 18禁裸乳无遮挡动漫免费视频| 热99国产精品久久久久久7| 亚洲精品久久成人aⅴ小说 | 国产 精品1| 久久久欧美国产精品| 亚洲精品,欧美精品| 综合色丁香网| 老女人水多毛片| 寂寞人妻少妇视频99o| 国产亚洲午夜精品一区二区久久| 建设人人有责人人尽责人人享有的| 在线精品无人区一区二区三| 又大又黄又爽视频免费| 国产片特级美女逼逼视频| 精品人妻在线不人妻| 汤姆久久久久久久影院中文字幕| 啦啦啦中文免费视频观看日本| 九九爱精品视频在线观看| 亚洲成人av在线免费| 中文精品一卡2卡3卡4更新| 亚洲av免费高清在线观看| 美女国产高潮福利片在线看| 精品久久久久久电影网| 我的女老师完整版在线观看| 一级a做视频免费观看| 视频中文字幕在线观看| 久久人人爽人人片av| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 纯流量卡能插随身wifi吗| 国产免费现黄频在线看| 国产国拍精品亚洲av在线观看| 狂野欧美激情性bbbbbb| 精品少妇黑人巨大在线播放| 人人妻人人澡人人看| 能在线免费看毛片的网站| 国产日韩欧美在线精品| 久久免费观看电影| 9色porny在线观看| 亚洲少妇的诱惑av| 亚洲精品日韩在线中文字幕| 久久 成人 亚洲| 国产亚洲精品第一综合不卡 | 欧美国产精品一级二级三级| 欧美成人精品欧美一级黄| 波野结衣二区三区在线| 国产精品免费大片| 妹子高潮喷水视频| 你懂的网址亚洲精品在线观看| 2018国产大陆天天弄谢| 天堂俺去俺来也www色官网| 看免费成人av毛片| 777米奇影视久久| 亚洲欧美日韩另类电影网站| 精品国产露脸久久av麻豆| 欧美国产精品一级二级三级| 亚洲国产精品国产精品| 亚洲av欧美aⅴ国产| 七月丁香在线播放| 日韩伦理黄色片| 日韩电影二区| 免费看光身美女| 人妻夜夜爽99麻豆av| 亚洲国产精品专区欧美| 久久 成人 亚洲| 日本黄色片子视频| 国产午夜精品一二区理论片| 中文字幕人妻丝袜制服| 国产成人91sexporn| 亚洲,一卡二卡三卡| 国产精品一二三区在线看| h视频一区二区三区| 全区人妻精品视频| 国产色爽女视频免费观看| 欧美日韩综合久久久久久| 日本av免费视频播放| 国产精品免费大片| 日本黄色片子视频| 永久免费av网站大全| 黄片播放在线免费| 黄色欧美视频在线观看| 午夜av观看不卡| 国模一区二区三区四区视频| 人人妻人人爽人人添夜夜欢视频| 精品久久蜜臀av无| 欧美 日韩 精品 国产| 精品熟女少妇av免费看| 美女xxoo啪啪120秒动态图| 成年av动漫网址| 天天操日日干夜夜撸| 欧美日韩视频高清一区二区三区二| 亚洲精品一区蜜桃| 欧美精品一区二区免费开放| 日韩亚洲欧美综合| 女人久久www免费人成看片| 又粗又硬又长又爽又黄的视频| 另类精品久久| 人体艺术视频欧美日本| 国产av国产精品国产| 大又大粗又爽又黄少妇毛片口| 一区在线观看完整版| 美女cb高潮喷水在线观看| 欧美激情 高清一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| 熟女人妻精品中文字幕| 亚洲人成77777在线视频| av一本久久久久| 九九爱精品视频在线观看| 日韩一本色道免费dvd| 下体分泌物呈黄色| 少妇被粗大的猛进出69影院 | 一级,二级,三级黄色视频| 毛片一级片免费看久久久久| 熟女av电影| 成人国产麻豆网| 51国产日韩欧美| 日韩熟女老妇一区二区性免费视频| 久久久国产一区二区| 三上悠亚av全集在线观看| 亚洲av日韩在线播放| 最近中文字幕高清免费大全6| 青春草视频在线免费观看| 看非洲黑人一级黄片| a 毛片基地| 亚洲中文av在线| 国产精品免费大片| 少妇精品久久久久久久| 九九久久精品国产亚洲av麻豆| 99热6这里只有精品| 99精国产麻豆久久婷婷| 精品少妇久久久久久888优播| 日韩视频在线欧美| 七月丁香在线播放| 熟妇人妻不卡中文字幕| av.在线天堂| 大片电影免费在线观看免费| 少妇的逼好多水| 欧美另类一区| 国产片特级美女逼逼视频| av专区在线播放| 这个男人来自地球电影免费观看 | 久久99热这里只频精品6学生| 99热这里只有精品一区| 国产精品一区二区在线观看99| 亚洲色图 男人天堂 中文字幕 | 国产一区二区在线观看日韩| 亚洲精品国产av成人精品| 精品人妻一区二区三区麻豆| 人妻 亚洲 视频| 狠狠婷婷综合久久久久久88av| 久久久久久伊人网av| 观看美女的网站| 国产精品久久久久久久久免| 欧美最新免费一区二区三区| av在线观看视频网站免费| 校园人妻丝袜中文字幕| 亚洲精品国产av成人精品| 欧美 日韩 精品 国产| 欧美人与善性xxx| 少妇丰满av| 亚洲精品国产av成人精品| 亚洲第一av免费看| 亚洲精品自拍成人| 观看美女的网站| 国产精品久久久久久精品古装| 九草在线视频观看| 极品人妻少妇av视频| 2021少妇久久久久久久久久久| 午夜免费观看性视频| 国产精品偷伦视频观看了| xxxhd国产人妻xxx| 黑人巨大精品欧美一区二区蜜桃 | 久久热精品热| 18禁在线播放成人免费| 免费黄网站久久成人精品| 国产精品久久久久久久电影| 免费久久久久久久精品成人欧美视频 | 一级二级三级毛片免费看| 中文字幕久久专区| 五月玫瑰六月丁香| 午夜福利视频在线观看免费| www.色视频.com| 香蕉精品网在线| 婷婷色麻豆天堂久久| 国产精品久久久久成人av| 女人久久www免费人成看片| 9色porny在线观看| 熟女av电影| 国产精品免费大片| 久久精品熟女亚洲av麻豆精品| 久久久久精品久久久久真实原创| 久久国内精品自在自线图片| 乱人伦中国视频| 亚洲国产精品成人久久小说| 欧美一级a爱片免费观看看| 人妻夜夜爽99麻豆av| 一级a做视频免费观看| 啦啦啦啦在线视频资源| 成年人免费黄色播放视频| 一区二区av电影网| 最近手机中文字幕大全| 成人综合一区亚洲| 日韩av在线免费看完整版不卡| 18禁在线播放成人免费| 九九爱精品视频在线观看| 狠狠婷婷综合久久久久久88av| 免费久久久久久久精品成人欧美视频 | 一级毛片我不卡| kizo精华| 国产片内射在线| 精品视频人人做人人爽| 国产男人的电影天堂91| 夜夜爽夜夜爽视频| 亚洲国产精品专区欧美| 精品亚洲乱码少妇综合久久| 九九久久精品国产亚洲av麻豆| 欧美日韩亚洲高清精品| 亚洲一区二区三区欧美精品| 丰满乱子伦码专区| 成人毛片a级毛片在线播放| 久久久久久久久大av| 国产片特级美女逼逼视频| 两个人免费观看高清视频| 亚洲精品日韩av片在线观看| 能在线免费看毛片的网站| 秋霞伦理黄片| 少妇被粗大猛烈的视频| 亚洲精品国产av成人精品| 亚洲三级黄色毛片| 91国产中文字幕| 亚洲成人手机| 久久精品熟女亚洲av麻豆精品| 国产黄频视频在线观看| 王馨瑶露胸无遮挡在线观看| 亚洲丝袜综合中文字幕| 亚洲色图 男人天堂 中文字幕 | 观看av在线不卡| av国产久精品久网站免费入址| 一级毛片aaaaaa免费看小| 欧美日韩在线观看h| 一级毛片我不卡| 中国美白少妇内射xxxbb| 久久久久久伊人网av| 亚洲国产成人一精品久久久| 国产国语露脸激情在线看| 纯流量卡能插随身wifi吗| 哪个播放器可以免费观看大片| 啦啦啦啦在线视频资源| 国产熟女午夜一区二区三区 | 国产精品国产三级国产av玫瑰| av黄色大香蕉| 一级毛片 在线播放| 黑人巨大精品欧美一区二区蜜桃 | 18禁在线无遮挡免费观看视频| 久久av网站| 国产精品一区二区在线不卡| 伦精品一区二区三区| 美女xxoo啪啪120秒动态图| 国产精品不卡视频一区二区| 搡老乐熟女国产| 欧美变态另类bdsm刘玥| 国产日韩一区二区三区精品不卡 | 日韩av免费高清视频| 男女无遮挡免费网站观看| 国产国拍精品亚洲av在线观看| 男人添女人高潮全过程视频| 免费av中文字幕在线| h视频一区二区三区| 一级a做视频免费观看| 午夜免费观看性视频| 夫妻午夜视频| 国产精品人妻久久久久久| 国产高清国产精品国产三级| 欧美+日韩+精品| 日本av手机在线免费观看| 精品人妻熟女毛片av久久网站| 亚洲精品久久午夜乱码| 国产在线免费精品| 亚洲国产最新在线播放| 欧美三级亚洲精品| 国产 精品1| 亚洲精品亚洲一区二区| 天堂俺去俺来也www色官网| 国产午夜精品久久久久久一区二区三区| 久久久精品区二区三区| 3wmmmm亚洲av在线观看| 伊人久久国产一区二区| 黑人高潮一二区| 成人综合一区亚洲| 伦理电影免费视频| 国产探花极品一区二区| 91久久精品国产一区二区成人| 国产成人精品在线电影| 丰满少妇做爰视频| 制服丝袜香蕉在线| 九色亚洲精品在线播放| 日本与韩国留学比较| 美女视频免费永久观看网站| 久久精品久久久久久噜噜老黄| 内地一区二区视频在线| 女人精品久久久久毛片| 国产色婷婷99| 激情五月婷婷亚洲| 免费看光身美女| 国产免费视频播放在线视频| 免费av不卡在线播放| 午夜91福利影院| 国产av码专区亚洲av| 免费日韩欧美在线观看| 男女啪啪激烈高潮av片| 999精品在线视频| 少妇被粗大猛烈的视频| 国产亚洲av片在线观看秒播厂| 777米奇影视久久| 两个人免费观看高清视频| 成人18禁高潮啪啪吃奶动态图 | 日韩强制内射视频| 欧美日本中文国产一区发布| 精品卡一卡二卡四卡免费| 狠狠婷婷综合久久久久久88av| 男人爽女人下面视频在线观看| 伊人亚洲综合成人网| 久久精品国产亚洲网站| 久久精品国产自在天天线| 国产在线一区二区三区精| 一本色道久久久久久精品综合| 欧美97在线视频| 国产亚洲午夜精品一区二区久久| 久久久久久久久久成人| 国模一区二区三区四区视频| 交换朋友夫妻互换小说| 妹子高潮喷水视频| 亚洲伊人久久精品综合| 国产色婷婷99| 黑人欧美特级aaaaaa片| 性高湖久久久久久久久免费观看| av电影中文网址| 成人毛片60女人毛片免费| 99热6这里只有精品| av免费观看日本| 午夜日本视频在线| 亚洲精品第二区| 午夜av观看不卡| 丝瓜视频免费看黄片| 亚州av有码| 秋霞伦理黄片| 久久99热这里只频精品6学生| .国产精品久久| 国产精品嫩草影院av在线观看| 视频在线观看一区二区三区| 中文字幕亚洲精品专区| 精品久久久久久久久亚洲| 日韩免费高清中文字幕av| 日本欧美国产在线视频| 国产免费现黄频在线看| 在线观看美女被高潮喷水网站| 午夜免费男女啪啪视频观看| 国产精品人妻久久久影院| 十八禁高潮呻吟视频| 一区二区av电影网| 高清毛片免费看| 日本与韩国留学比较| 国产亚洲一区二区精品| 久久久午夜欧美精品| av女优亚洲男人天堂| 夜夜看夜夜爽夜夜摸| 亚洲欧美清纯卡通| 亚洲av二区三区四区| 在线观看免费高清a一片| 亚洲久久久国产精品| 免费av中文字幕在线| 国产精品国产三级国产专区5o| av黄色大香蕉| 亚洲色图 男人天堂 中文字幕 | 日韩中文字幕视频在线看片| 久久久久久久久久久丰满| 久久精品国产自在天天线| 啦啦啦啦在线视频资源| a级毛片在线看网站| 国产毛片在线视频| 欧美另类一区| 秋霞伦理黄片| 亚洲综合色网址| 国产成人精品一,二区| 七月丁香在线播放| 亚洲国产精品国产精品| 又大又黄又爽视频免费| 久热久热在线精品观看| 婷婷色麻豆天堂久久| 午夜激情av网站| 亚洲av欧美aⅴ国产| 日韩亚洲欧美综合| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 在线天堂最新版资源| av国产久精品久网站免费入址| 久久久久久久久久人人人人人人| 国产精品99久久99久久久不卡 | 亚洲精品一区蜜桃| 欧美少妇被猛烈插入视频| 欧美激情极品国产一区二区三区 | 一级毛片aaaaaa免费看小| 久久ye,这里只有精品| 久久久国产精品麻豆| 美女国产高潮福利片在线看| 美女主播在线视频| 亚洲三级黄色毛片| 久久97久久精品| 在线看a的网站| 少妇 在线观看| 亚洲一区二区三区欧美精品| 少妇人妻精品综合一区二区| 日韩av在线免费看完整版不卡| 我的女老师完整版在线观看| 久久精品夜色国产| 亚洲av欧美aⅴ国产| a级毛片黄视频| 亚洲av欧美aⅴ国产| 亚洲人与动物交配视频| 视频在线观看一区二区三区| 最近的中文字幕免费完整| 久久99一区二区三区| 久久久久网色| 久久99一区二区三区| 女性被躁到高潮视频| 三级国产精品欧美在线观看| 亚洲综合精品二区| 狠狠婷婷综合久久久久久88av| 日韩免费高清中文字幕av| 免费观看在线日韩| 久久久久网色| 天天躁夜夜躁狠狠久久av| 99热6这里只有精品| 国产黄频视频在线观看| 蜜桃国产av成人99| 精品国产乱码久久久久久小说| 晚上一个人看的免费电影| 欧美日韩精品成人综合77777| 成年av动漫网址| 99久久中文字幕三级久久日本| 91成人精品电影| 亚洲av.av天堂| 乱码一卡2卡4卡精品| 亚洲国产精品一区三区| 欧美日韩一区二区视频在线观看视频在线| a级毛色黄片| 亚洲一级一片aⅴ在线观看| 亚洲,欧美,日韩| 老司机亚洲免费影院| 国产 一区精品| 久久狼人影院| av卡一久久| 一级,二级,三级黄色视频| 亚洲精品一区蜜桃| 欧美性感艳星| 永久网站在线| 久久久久久久国产电影| 丰满乱子伦码专区| 九九在线视频观看精品| 亚洲成人一二三区av| 亚洲综合色网址| 女人久久www免费人成看片| 少妇人妻精品综合一区二区| av免费在线看不卡| 国产探花极品一区二区| 中文乱码字字幕精品一区二区三区| 观看av在线不卡| 青春草视频在线免费观看| 男男h啪啪无遮挡| 蜜臀久久99精品久久宅男| 老女人水多毛片| xxxhd国产人妻xxx| 国产永久视频网站| 伊人久久国产一区二区| 天堂8中文在线网| 永久免费av网站大全| av线在线观看网站| 亚洲情色 制服丝袜| 天堂中文最新版在线下载| 亚洲国产成人一精品久久久| av一本久久久久| 一级毛片黄色毛片免费观看视频| 久热久热在线精品观看| 欧美国产精品一级二级三级| 国产av码专区亚洲av| 91精品国产九色| 国产男女内射视频| 国产av精品麻豆| 51国产日韩欧美| 国产精品秋霞免费鲁丝片| 午夜福利,免费看| 五月天丁香电影| 草草在线视频免费看| 少妇的逼水好多| 国产亚洲精品久久久com| 久久精品久久久久久噜噜老黄| 国产不卡av网站在线观看| 2021少妇久久久久久久久久久| 成人黄色视频免费在线看| 国产av一区二区精品久久| 春色校园在线视频观看| 26uuu在线亚洲综合色| 国产精品不卡视频一区二区| 女性被躁到高潮视频| 亚洲国产av影院在线观看| 欧美激情国产日韩精品一区| 水蜜桃什么品种好| 一本—道久久a久久精品蜜桃钙片| 黑丝袜美女国产一区| 日韩欧美精品免费久久| 一区在线观看完整版| 国产又色又爽无遮挡免| 中文字幕精品免费在线观看视频 | 午夜激情久久久久久久|