• <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)測方法研究

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

    陳德華,周東陽,樂嘉錦

    (東華大學(xué) 計算機(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)測方法研究

    陳德華,周東陽,樂嘉錦

    (東華大學(xué) 計算機(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。對于診治甲狀腺結(jié)節(jié)的首要問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。實驗在真實醫(yī)療數(shù)據(jù)集上對比了深度學(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;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,對患者的正常甲狀腺組織造成破壞。因此,如何有效地利用無損傷的超聲檢查結(jié)果來預(yù)測甲狀腺結(jié)節(jié)良惡性,對于甲狀腺結(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程,降低患者誤診率,近年來越來越多的學(xué)者試圖通過機(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),來學(xué)習(xí)更有用的特征,從而最終提升分類或預(yù)測的準(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,沒有考慮到真實醫(yī)療數(shù)據(jù)存在稀疏性的問題,因此預(yù)測結(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)測上的優(yōu)勢,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)測方法,該方法能夠利用深度學(xué)習(xí)的優(yōu)勢,通過逐層特征變換,將樣本在原空間的特征表示變換到一個新特征空間,可以從稀疏的不平衡的數(shù)據(jù)中挖掘出更有價值的特征,從而使分類或預(yù)測更加容易。

    1 相關(guān)工作

    通過機(jī)器學(xué)習(xí)方法提高對疾病的診斷預(yù)測準(zhǔn)確率已經(jīng)成為智慧醫(yī)療的一個重要實現(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算法來實現(xiàn)對甲狀腺結(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)測方法,在普通SVM模型的代價函數(shù)中加入懲罰項進(jìn)行優(yōu)化,有效地防止模型的過擬合,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,在可視層會產(chǎn)生一個向量v,通過它將值傳遞到隱藏層。反過來,可視層的輸入會被隨機(jī)選擇,以嘗試去重構(gòu)原始的輸入信號。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BP算法根據(jù)誤差函數(shù)進(jìn)行逆向調(diào)節(jié),從而對判別性能做調(diào)整。這個性能會比單純的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算法只需要對權(quán)值參數(shù)空間進(jìn)行一個局部的搜索,這相比BP神經(jīng)網(wǎng)絡(luò)來說,訓(xùn)練是更快的,而且收斂的時間也更少[8]。

    2.2 RBM神經(jīng)網(wǎng)絡(luò)

    RBM是DBN 的核心組件之一,它由一個可見層V和一個隱藏層H組成,層間的節(jié)點兩兩相連,層內(nèi)的節(jié)點不相連。

    RBM模型訓(xùn)練過程如下:

    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)點和隱藏層節(jié)點間權(quán)值W計算過程。

    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)。

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

    (3)

    隱藏層節(jié)點之間是條件獨立的,即

    (4)

    對公式(4)進(jìn)行因子分解Factorizes,得到在給定可視層v上,隱藏層第j個節(jié)點為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個節(jié)點為1或者為0的概率也可以容易得到:

    (6)

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

    通過最大似然估計得到L最大時對應(yīng)的參數(shù)W:

    (7)

    (8)

    3 實驗結(jié)果與模型評估

    3.1 實驗數(shù)據(jù)采集

    所有實驗數(shù)據(jù)均來自某三甲醫(yī)院患者的實際超聲指標(biāo)特征。為了檢驗本文所構(gòu)建的DBN模型的對稀疏的超聲數(shù)據(jù)預(yù)測效果的提升,分別使用了兩組不同的實驗數(shù)據(jù)。實驗訓(xùn)練模型數(shù)據(jù)分別為從30萬條超聲診斷數(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

    實驗前先將非結(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)以及對應(yīng)的文本描述。然后對結(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)中各個特征的物理意義和數(shù)量級是均不相同的,所以,需要對結(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 實驗結(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,評價指標(biāo)選為準(zhǔn)確率、召回率和 F 系數(shù),模型的預(yù)測效果對比結(jié)果如表1、表2所示。

    表1 非稀疏數(shù)據(jù)實驗對比

    表2 稀疏數(shù)據(jù)實驗對比

    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。

    從兩組實驗可以看出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模型非常適合對稀疏性數(shù)據(jù)進(jìn)行分類。

    4 結(jié)論

    DBN對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題。實驗結(jié)果表明,DBN 在稀疏性數(shù)據(jù)預(yù)測任務(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稀疏數(shù)據(jù)進(jìn)行分類的算法。未來的工作主要從兩個方向入手:首先,使用更科學(xué)的方法對數(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),使算法對數(shù)據(jù)集分類結(jié)果更有說服力。

    [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甲狀腺結(jié)節(jié)性質(zhì)鑒別診斷的logistic回歸分析[J]. 中國地方病防治雜志, 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實現(xiàn)[J]. 微型機(jī)與應(yīng)用, 2004, 23(1):52-53.

    [9] 陳德華,馮潔瑩,樂嘉錦,等. 中文病理文本的結(jié)構(gòu)化處理方法研究[J]. 計算機(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,樂嘉錦.基于深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性預(yù)測方法研究[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,數(shù)據(jù)倉庫與智慧醫(yī)療。

    周東陽(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”
    不忠誠的四個特征
    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
    用對方法才能瘦
    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
    老师上课跳d突然被开到最大视频| 免费看光身美女| 久久精品91蜜桃| 18禁黄网站禁片免费观看直播| 国产一区二区亚洲精品在线观看| 精品欧美国产一区二区三| 日本三级黄在线观看| 国产伦在线观看视频一区| 欧美一区二区精品小视频在线| 久久中文看片网| а√天堂www在线а√下载| 午夜激情欧美在线| 在线播放无遮挡| 成人毛片a级毛片在线播放| 久久99热这里只有精品18| 亚洲七黄色美女视频| 无人区码免费观看不卡| 国产色婷婷99| 三级国产精品欧美在线观看| 九色成人免费人妻av| 久久久久国内视频| 最近最新中文字幕大全电影3| 色综合色国产| 久久精品国产亚洲av香蕉五月| 亚洲欧美日韩卡通动漫| 国产美女午夜福利| av在线亚洲专区| 中文字幕av成人在线电影| 97超视频在线观看视频| 日本欧美国产在线视频| 天堂网av新在线| 日韩中文字幕欧美一区二区| 精品午夜福利在线看| 午夜老司机福利剧场| 亚洲男人的天堂狠狠| 国产精品99久久久久久久久| 村上凉子中文字幕在线| 两个人视频免费观看高清| 成年免费大片在线观看| 搡老熟女国产l中国老女人| 中文字幕高清在线视频| 亚洲在线自拍视频| 国内少妇人妻偷人精品xxx网站| 国产精品免费一区二区三区在线| 桃红色精品国产亚洲av| 成人综合一区亚洲| 又粗又爽又猛毛片免费看| 亚洲内射少妇av| 男人和女人高潮做爰伦理| 亚洲天堂国产精品一区在线| 不卡一级毛片| 淫秽高清视频在线观看| 啦啦啦啦在线视频资源| 国产乱人伦免费视频| 男人舔女人下体高潮全视频| 国产精品久久视频播放| 精品国内亚洲2022精品成人| 国产精品久久久久久亚洲av鲁大| 18禁在线播放成人免费| 老司机福利观看| 欧美绝顶高潮抽搐喷水| 日本 av在线| 亚洲aⅴ乱码一区二区在线播放| 极品教师在线视频| 人妻制服诱惑在线中文字幕| 色综合亚洲欧美另类图片| 一个人观看的视频www高清免费观看| 极品教师在线视频| 亚洲经典国产精华液单| 国产精品久久久久久精品电影| 在线观看午夜福利视频| 黄色欧美视频在线观看| 嫩草影视91久久| a级毛片a级免费在线| 无人区码免费观看不卡| 日日摸夜夜添夜夜添av毛片 | 亚洲成a人片在线一区二区| 国产亚洲精品av在线| 国产精品福利在线免费观看| 亚洲av一区综合| 女的被弄到高潮叫床怎么办 | 美女cb高潮喷水在线观看| 观看免费一级毛片| 22中文网久久字幕| 舔av片在线| 国产亚洲欧美98| 欧美人与善性xxx| 少妇人妻一区二区三区视频| 久久午夜福利片| 老师上课跳d突然被开到最大视频| 欧美三级亚洲精品| 国产av不卡久久| 国产真实乱freesex| 少妇的逼水好多| 成人国产一区最新在线观看| 国产高清有码在线观看视频| 最近最新中文字幕大全电影3| 欧美日韩黄片免| 床上黄色一级片| 国产麻豆成人av免费视频| 亚洲中文日韩欧美视频| 国产一区二区三区av在线 | 九九热线精品视视频播放| 非洲黑人性xxxx精品又粗又长| 午夜视频国产福利| 日本与韩国留学比较| 国产伦人伦偷精品视频| 精品人妻一区二区三区麻豆 | 亚洲真实伦在线观看| 18禁在线播放成人免费| 级片在线观看| 成人国产一区最新在线观看| 99久久无色码亚洲精品果冻| 可以在线观看毛片的网站| 欧美+亚洲+日韩+国产| 欧美性感艳星| 高清在线国产一区| 亚洲第一区二区三区不卡| 成年女人永久免费观看视频| 如何舔出高潮| 国产一区二区三区视频了| 色综合站精品国产| 日本在线视频免费播放| 一进一出抽搐gif免费好疼| 综合色av麻豆| 久久久久精品国产欧美久久久| 夜夜看夜夜爽夜夜摸| 色哟哟·www| 久久99热6这里只有精品| 少妇熟女aⅴ在线视频| 久久精品国产亚洲av香蕉五月| 给我免费播放毛片高清在线观看| 中文字幕高清在线视频| 美女大奶头视频| 少妇猛男粗大的猛烈进出视频 | 精品久久久久久久久久久久久| 一区二区三区激情视频| 国产精品精品国产色婷婷| 亚洲精品456在线播放app | 久久九九热精品免费| 亚洲精品456在线播放app | 搡老妇女老女人老熟妇| 无人区码免费观看不卡| 国产探花在线观看一区二区| 免费观看在线日韩| 国产欧美日韩精品亚洲av| 最后的刺客免费高清国语| 亚洲精品一卡2卡三卡4卡5卡| 国产老妇女一区| avwww免费| 中亚洲国语对白在线视频| 国内久久婷婷六月综合欲色啪| 少妇高潮的动态图| 午夜福利在线在线| 黄色视频,在线免费观看| 日韩 亚洲 欧美在线| 少妇的逼水好多| 久久精品人妻少妇| 欧美一区二区国产精品久久精品| videossex国产| 免费黄网站久久成人精品| 尾随美女入室| 色在线成人网| 欧美一区二区亚洲| 韩国av在线不卡| 中文在线观看免费www的网站| 亚洲性久久影院| 亚洲精品成人久久久久久| 在线观看午夜福利视频| 搞女人的毛片| АⅤ资源中文在线天堂| 成人亚洲精品av一区二区| 熟女电影av网| 亚洲最大成人av| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品亚洲一区二区| 亚洲av熟女| 国产色婷婷99| 国产伦精品一区二区三区视频9| 男人和女人高潮做爰伦理| 色5月婷婷丁香| 国产高清激情床上av| 精品欧美国产一区二区三| 亚洲性久久影院| 99热网站在线观看| 免费看av在线观看网站| 麻豆久久精品国产亚洲av| 欧美一区二区亚洲| 中文字幕人妻熟人妻熟丝袜美| 国产爱豆传媒在线观看| 欧美成人a在线观看| 大又大粗又爽又黄少妇毛片口| 日韩欧美精品v在线| 日韩欧美精品免费久久| 久久久久久久久久成人| 国产av不卡久久| 极品教师在线视频| 波多野结衣高清无吗| 亚洲aⅴ乱码一区二区在线播放| 人妻丰满熟妇av一区二区三区| 最好的美女福利视频网| 99精品久久久久人妻精品| 黄色配什么色好看| 亚洲精品国产成人久久av| 亚洲不卡免费看| 亚洲 国产 在线| 日本 欧美在线| 成人欧美大片| 他把我摸到了高潮在线观看| 又爽又黄无遮挡网站| 国产极品精品免费视频能看的| 极品教师在线免费播放| 国内精品久久久久精免费| 国产午夜精品久久久久久一区二区三区 | 国内揄拍国产精品人妻在线| 麻豆精品久久久久久蜜桃| 变态另类成人亚洲欧美熟女| 在线观看美女被高潮喷水网站| 九色国产91popny在线| 人人妻,人人澡人人爽秒播| 中国美女看黄片| 欧美日本视频| 亚洲av成人av| 老女人水多毛片| 国产男靠女视频免费网站| 男人的好看免费观看在线视频| 在线播放无遮挡| 国产精品国产三级国产av玫瑰| 欧美丝袜亚洲另类 | 在线免费十八禁| 又黄又爽又免费观看的视频| 极品教师在线免费播放| 亚洲av中文字字幕乱码综合| 亚洲国产欧洲综合997久久,| 精品人妻一区二区三区麻豆 | 免费av毛片视频| 99热6这里只有精品| 亚洲人成网站在线播放欧美日韩| 一区二区三区四区激情视频 | 亚洲在线观看片| www日本黄色视频网| 国产成人aa在线观看| 国产黄片美女视频| 欧美日韩乱码在线| 麻豆一二三区av精品| 婷婷六月久久综合丁香| 非洲黑人性xxxx精品又粗又长| 亚洲中文字幕日韩| 久久亚洲真实| 熟妇人妻久久中文字幕3abv| 成人特级av手机在线观看| 级片在线观看| 久久亚洲精品不卡| 久久精品国产99精品国产亚洲性色| 国产一区二区三区视频了| 99国产精品一区二区蜜桃av| 看黄色毛片网站| 亚洲av美国av| 国产精品久久电影中文字幕| 亚洲欧美日韩无卡精品| 一级黄片播放器| 国产午夜福利久久久久久| 一夜夜www| 联通29元200g的流量卡| 亚洲一级一片aⅴ在线观看| 又爽又黄无遮挡网站| ponron亚洲| 久久午夜福利片| 国产精品99久久久久久久久| 国产精品精品国产色婷婷| 中文字幕久久专区| 亚洲一级一片aⅴ在线观看| 精品日产1卡2卡| 大型黄色视频在线免费观看| 久久久色成人| 成年女人看的毛片在线观看| 欧美zozozo另类| 欧美日本视频| 露出奶头的视频| 十八禁国产超污无遮挡网站| 国产91精品成人一区二区三区| 一级av片app| 在线观看av片永久免费下载| 简卡轻食公司| 国产一区二区三区视频了| 日本 欧美在线| 不卡视频在线观看欧美| 午夜亚洲福利在线播放| 国产伦在线观看视频一区| 国国产精品蜜臀av免费| 日韩大尺度精品在线看网址| 亚洲自偷自拍三级| 国产综合懂色| www.色视频.com| 成年女人毛片免费观看观看9| ponron亚洲| 国产亚洲av嫩草精品影院| 国产精品98久久久久久宅男小说| 亚洲av熟女| 尾随美女入室| 国产精品女同一区二区软件 | 久久6这里有精品| 亚洲精华国产精华液的使用体验 | 免费观看的影片在线观看| 国产白丝娇喘喷水9色精品| 日本免费a在线| 麻豆一二三区av精品| 波多野结衣高清作品| 高清在线国产一区| 99热网站在线观看| 久久精品国产亚洲av天美| 97人妻精品一区二区三区麻豆| 18禁黄网站禁片午夜丰满| 麻豆久久精品国产亚洲av| 日韩高清综合在线| 国产亚洲精品久久久久久毛片| av视频在线观看入口| 中文资源天堂在线| 亚洲狠狠婷婷综合久久图片| 亚洲中文日韩欧美视频| or卡值多少钱| 在线国产一区二区在线| 亚洲无线在线观看| 日韩一区二区视频免费看| 国产高清视频在线观看网站| 精品久久久噜噜| 亚洲综合色惰| 级片在线观看| 美女黄网站色视频| 国产大屁股一区二区在线视频| 少妇丰满av| 久久精品国产99精品国产亚洲性色| 日本五十路高清| 简卡轻食公司| 男女啪啪激烈高潮av片| av女优亚洲男人天堂| 国产一级毛片七仙女欲春2| www.www免费av| 国产高清不卡午夜福利| 亚洲va在线va天堂va国产| 一个人看的www免费观看视频| 午夜亚洲福利在线播放| 亚洲国产精品合色在线| 亚洲av熟女| 看免费成人av毛片| 毛片一级片免费看久久久久 | 超碰av人人做人人爽久久| 精品久久久久久久人妻蜜臀av| 亚洲av成人av| 联通29元200g的流量卡| 久久精品综合一区二区三区| 日韩在线高清观看一区二区三区 | 久久久精品大字幕| 天堂√8在线中文| 国产又黄又爽又无遮挡在线| 亚洲一级一片aⅴ在线观看| 国产大屁股一区二区在线视频| 他把我摸到了高潮在线观看| 最近最新中文字幕大全电影3| 日日撸夜夜添| 国产精品一区二区免费欧美| 九色成人免费人妻av| 精品国内亚洲2022精品成人| 长腿黑丝高跟| 可以在线观看毛片的网站| 亚洲内射少妇av| 可以在线观看毛片的网站| 亚洲内射少妇av| 国产激情偷乱视频一区二区| a级毛片免费高清观看在线播放| 国产欧美日韩精品一区二区| 久久精品综合一区二区三区| 中文资源天堂在线| 狠狠狠狠99中文字幕| 亚洲性久久影院| 一个人免费在线观看电影| 亚洲性久久影院| 免费观看人在逋| 国产精品99久久久久久久久| 欧美在线一区亚洲| 在线观看66精品国产| 亚洲精品久久国产高清桃花| 在线天堂最新版资源| 高清毛片免费观看视频网站| 成人特级黄色片久久久久久久| 禁无遮挡网站| 22中文网久久字幕| 夜夜夜夜夜久久久久| 国产av在哪里看| 欧美丝袜亚洲另类 | 久久人妻av系列| 色吧在线观看| 亚洲欧美日韩高清在线视频| 国产成人福利小说| 亚洲成av人片在线播放无| 欧美日韩中文字幕国产精品一区二区三区| 91在线观看av| 男女之事视频高清在线观看| 婷婷精品国产亚洲av| 日韩欧美精品免费久久| 麻豆久久精品国产亚洲av| 午夜爱爱视频在线播放| 国产三级在线视频| 老司机福利观看| 搡女人真爽免费视频火全软件 | 午夜免费男女啪啪视频观看 | 久久久国产成人精品二区| 18禁黄网站禁片免费观看直播| 中文字幕免费在线视频6| 婷婷六月久久综合丁香| 国产成人a区在线观看| 十八禁网站免费在线| 啦啦啦韩国在线观看视频| 丰满乱子伦码专区| 久久精品国产亚洲av涩爱 | 麻豆国产97在线/欧美| 九九爱精品视频在线观看| 亚洲成人中文字幕在线播放| 亚洲人成网站在线播| 人人妻人人澡欧美一区二区| 51国产日韩欧美| 此物有八面人人有两片| 欧美成人免费av一区二区三区| 男人舔女人下体高潮全视频| 久久国产精品人妻蜜桃| 琪琪午夜伦伦电影理论片6080| 中文字幕av在线有码专区| 偷拍熟女少妇极品色| 中国美白少妇内射xxxbb| 日日干狠狠操夜夜爽| av福利片在线观看| 午夜精品久久久久久毛片777| 日韩人妻高清精品专区| 蜜桃亚洲精品一区二区三区| 亚洲综合色惰| 国产欧美日韩精品一区二区| 观看美女的网站| 国产黄片美女视频| 日韩亚洲欧美综合| 最好的美女福利视频网| 欧美极品一区二区三区四区| 91麻豆精品激情在线观看国产| 天堂网av新在线| 日韩强制内射视频| 老熟妇乱子伦视频在线观看| 久久午夜亚洲精品久久| av中文乱码字幕在线| 91精品国产九色| 精品国产三级普通话版| 国内精品久久久久精免费| 中文字幕熟女人妻在线| 成年版毛片免费区| 久久九九热精品免费| 91午夜精品亚洲一区二区三区 | 在线免费观看的www视频| 欧美最黄视频在线播放免费| 噜噜噜噜噜久久久久久91| 国产探花极品一区二区| a在线观看视频网站| 老熟妇仑乱视频hdxx| 欧美丝袜亚洲另类 | 国产精品电影一区二区三区| 亚洲av一区综合| av福利片在线观看| 可以在线观看的亚洲视频| 最好的美女福利视频网| 久久精品国产鲁丝片午夜精品 | 日韩国内少妇激情av| 性插视频无遮挡在线免费观看| 不卡一级毛片| 免费看av在线观看网站| 国产私拍福利视频在线观看| 中文字幕高清在线视频| 欧美在线一区亚洲| 麻豆久久精品国产亚洲av| 夜夜夜夜夜久久久久| 亚洲美女视频黄频| 成人欧美大片| 久久6这里有精品| 成年女人看的毛片在线观看| 国产视频内射| 草草在线视频免费看| 淫妇啪啪啪对白视频| 久久久精品欧美日韩精品| 欧美不卡视频在线免费观看| 男人的好看免费观看在线视频| 91午夜精品亚洲一区二区三区 | 亚洲av成人av| 国产午夜精品论理片| 久久午夜福利片| 精品人妻偷拍中文字幕| 极品教师在线视频| 久久久久久久久久黄片| 久久久久久久久中文| 99久久无色码亚洲精品果冻| 国产极品精品免费视频能看的| 欧美色欧美亚洲另类二区| 国产精品av视频在线免费观看| 成人美女网站在线观看视频| 欧美性猛交╳xxx乱大交人| 婷婷精品国产亚洲av| 国产精品一区www在线观看 | 精品久久久噜噜| 免费大片18禁| 国产高清不卡午夜福利| 国产麻豆成人av免费视频| 一a级毛片在线观看| 亚洲三级黄色毛片| 一个人免费在线观看电影| 夜夜看夜夜爽夜夜摸| 99热这里只有是精品在线观看| 精品一区二区免费观看| 小蜜桃在线观看免费完整版高清| 一区二区三区四区激情视频 | 又紧又爽又黄一区二区| 成人性生交大片免费视频hd| 精品人妻视频免费看| 日本一本二区三区精品| 免费大片18禁| 色综合色国产| 人妻少妇偷人精品九色| eeuss影院久久| 国产探花在线观看一区二区| 69人妻影院| 我的老师免费观看完整版| 中出人妻视频一区二区| 亚州av有码| netflix在线观看网站| 一边摸一边抽搐一进一小说| 此物有八面人人有两片| 久久久久久久久久久丰满 | 国内精品久久久久精免费| 男女之事视频高清在线观看| 永久网站在线| 蜜桃亚洲精品一区二区三区| 国产精品一区二区三区四区久久| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲四区av| 18禁黄网站禁片免费观看直播| 成人综合一区亚洲| 亚洲av熟女| 午夜福利高清视频| 亚洲av电影不卡..在线观看| 色哟哟·www| 看十八女毛片水多多多| 狂野欧美白嫩少妇大欣赏| 99久久精品热视频| netflix在线观看网站| 最后的刺客免费高清国语| 国产精品福利在线免费观看| 亚洲人成网站高清观看| 我要搜黄色片| 精品一区二区三区人妻视频| 色av中文字幕| 国产成人福利小说| 亚洲经典国产精华液单| 很黄的视频免费| 欧美bdsm另类| 小蜜桃在线观看免费完整版高清| 中国美女看黄片| 欧美日本亚洲视频在线播放| 最近最新中文字幕大全电影3| 亚洲av一区综合| 三级国产精品欧美在线观看| 亚洲avbb在线观看| a级毛片a级免费在线| 国产亚洲精品久久久久久毛片| 性欧美人与动物交配| 亚洲国产欧洲综合997久久,| 婷婷亚洲欧美| 国产精品美女特级片免费视频播放器| 久久亚洲精品不卡| 在线播放无遮挡| 亚洲最大成人手机在线| 3wmmmm亚洲av在线观看| 赤兔流量卡办理| 午夜免费激情av| 国产真实伦视频高清在线观看 | 亚洲七黄色美女视频| 日韩欧美 国产精品| 精品99又大又爽又粗少妇毛片 | av福利片在线观看| 麻豆av噜噜一区二区三区| 国产亚洲91精品色在线| 国产乱人伦免费视频| 97超级碰碰碰精品色视频在线观看| 国产精品人妻久久久影院| 婷婷亚洲欧美| aaaaa片日本免费| 国产精品一区二区三区四区久久| 欧美不卡视频在线免费观看| 日本撒尿小便嘘嘘汇集6| 免费不卡的大黄色大毛片视频在线观看 | av福利片在线观看| 啦啦啦啦在线视频资源| 九色成人免费人妻av| 在线a可以看的网站| 久久精品国产99精品国产亚洲性色| 国产成人福利小说| 国产精品亚洲一级av第二区| 亚洲一区高清亚洲精品| 国产精品三级大全| 九九在线视频观看精品| 中出人妻视频一区二区| a级毛片免费高清观看在线播放| 亚洲国产高清在线一区二区三| 午夜福利成人在线免费观看| 亚洲av日韩精品久久久久久密| 日本黄色视频三级网站网址| 中文字幕免费在线视频6| 最近视频中文字幕2019在线8| 三级国产精品欧美在线观看| 在线播放国产精品三级| 国产黄色小视频在线观看| 成人国产一区最新在线观看|