• <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)的電子病歷實(shí)體標(biāo)準(zhǔn)化

    2019-10-15 02:21趙逸凡鄭建立徐霄玲
    軟件導(dǎo)刊 2019年8期

    趙逸凡 鄭建立 徐霄玲

    摘 要:電子病歷中同一醫(yī)療概念的提及形式具有多樣性,阻礙了醫(yī)療數(shù)據(jù)的分析和利用,研究電子病歷實(shí)體標(biāo)準(zhǔn)化具有現(xiàn)實(shí)意義。設(shè)計(jì)并實(shí)現(xiàn)了基于深度學(xué)習(xí)的電子病歷實(shí)體標(biāo)準(zhǔn)化算法,使用Siamese網(wǎng)絡(luò)架構(gòu)和LSTM網(wǎng)絡(luò)搭建模型,采用Pairwise方法訓(xùn)練模型,在測(cè)試集上與傳統(tǒng)基于編輯距離的方法進(jìn)行比較。對(duì)手術(shù)實(shí)體標(biāo)準(zhǔn)化的實(shí)驗(yàn)結(jié)果顯示,深度學(xué)習(xí)算法正確率達(dá)到79.71%,比傳統(tǒng)方法提高了17.4個(gè)百分點(diǎn),表明深度學(xué)習(xí)算法在電子病歷實(shí)體標(biāo)準(zhǔn)化方面具有有效性。

    關(guān)鍵詞:電子病歷;實(shí)體標(biāo)準(zhǔn)化;長(zhǎng)短期記憶網(wǎng)絡(luò);孿生網(wǎng)絡(luò)

    DOI:10. 11907/rjdk. 182786 開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2019)008-0012-04

    Deep Learning Based Entity Normalization of Electronic Medical Records

    ZHAO Yi-fan,ZHENG Jian-li,XU Xiao-ling

    (School of Medical Instrument and Food Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

    Abstract: The diversity of the mentioning forms of the same medical concept in electronic medical records hinders the analysis and utilization of medical data. Therefore, the entity normalization of electronic medical records has research significance. In this paper, we design and implement a deep learning-based entity normalization algorithm for electronic medical records. We use Siamese network architecture and LSTM network to build the model, and use pairwise method to train the model. Our method is compared to the traditional edit distance based method on the test set. The experimental results on surgery entity normalization showed that the accuracy of the deep learning algorithm is 79.71%,which is 17.4% higher than the traditional method, indicating the effectiveness of the deep learning algorithm on the entity normalization of electronic medical records.

    Key Words: electronic medical record; entity normalization; long short-term memory network; Siamese network

    基金項(xiàng)目:上海市衛(wèi)計(jì)委中醫(yī)藥科技創(chuàng)新項(xiàng)目(ZYKC201702003)

    作者簡(jiǎn)介:趙逸凡(1994-),男,上海理工大學(xué)醫(yī)療器械與食品學(xué)院碩士研究生,研究方向?yàn)獒t(yī)學(xué)信息學(xué)、自然語(yǔ)言處理;鄭建立(1965-),男,博士,上海理工大學(xué)醫(yī)療器械與食品學(xué)院副教授、碩士生導(dǎo)師,研究方向?yàn)獒t(yī)學(xué)信息系統(tǒng)與集成技術(shù)、醫(yī)學(xué)儀器嵌入式控制系統(tǒng);徐霄玲(1994-),女,上海理工大學(xué)醫(yī)療器械與食品學(xué)院碩士研究生,研究方向?yàn)樽匀徽Z(yǔ)言處理。本文通訊作者:鄭建立。

    0 引言

    隨著醫(yī)療信息化的快速發(fā)展,各醫(yī)院積累了海量的電子病歷數(shù)據(jù),如何有效利用這些數(shù)據(jù)提高醫(yī)療健康服務(wù)水平是研究熱點(diǎn)。電子病歷中同一醫(yī)療概念會(huì)有多種不同的表述形式,阻礙了醫(yī)療數(shù)據(jù)的檢索、分析和利用。把形式多樣的實(shí)體提及(Entity Mention)映射到標(biāo)準(zhǔn)的醫(yī)療術(shù)語(yǔ),即實(shí)體標(biāo)準(zhǔn)化(Entity Normalization),是有效利用醫(yī)療健康數(shù)據(jù)的前提。

    電子病歷實(shí)體標(biāo)準(zhǔn)化研究由國(guó)際公開(kāi)評(píng)測(cè)任務(wù)推動(dòng),最具代表性的兩個(gè)評(píng)測(cè)任務(wù)是2013年的 ShARe/CLEF eHealth Shared Task 1b[1]和 2014年的 SemEval Task 7[2],這兩個(gè)任務(wù)都是要找到電子病歷中的實(shí)體(如疾病和癥狀)在“醫(yī)學(xué)術(shù)語(yǔ)系統(tǒng)命名法—臨床術(shù)語(yǔ)[3]”(Systematized Nomenclature of Medicine - Clinical Terms,簡(jiǎn)稱 SNOMED-CT)中的編碼。現(xiàn)有實(shí)體標(biāo)準(zhǔn)化方法大多基于實(shí)體提及與標(biāo)準(zhǔn)術(shù)語(yǔ)的相似度得分。Rohit J Kate[4]通過(guò)改進(jìn)的編輯距離計(jì)算相似度;Robert Leaman等[5]采用成對(duì)排序?qū)W習(xí)方法,用向量空間模型表示實(shí)體提及并引入權(quán)重矩陣計(jì)算相似度得分;Li Haodi等[6]使用深度學(xué)習(xí)方法取得在ShARe/CLEF 數(shù)據(jù)集和NCBI疾病數(shù)據(jù)集[7]上的最高正確率,該方法先使用人工編寫(xiě)的規(guī)則從標(biāo)準(zhǔn)術(shù)語(yǔ)集中挑出候選,再基于卷積神經(jīng)網(wǎng)絡(luò)輸出語(yǔ)義向量對(duì)候選排序。

    上述研究都面向英文電子病歷,針對(duì)中文電子病歷的實(shí)體標(biāo)準(zhǔn)化研究相對(duì)較少,且缺乏公開(kāi)可用的標(biāo)注數(shù)據(jù)集。趙亞輝[8]選取國(guó)內(nèi)某醫(yī)院的門(mén)診和住院病歷作為實(shí)驗(yàn)數(shù)據(jù),以國(guó)際疾病分類第10版(ICD-10)為目標(biāo)術(shù)語(yǔ)集,研究了疾病名的標(biāo)準(zhǔn)化。在門(mén)診病歷上改進(jìn)的編輯距離效果最好,正確率為76.6%,在住院病歷上Rank SVM的正確率最高,達(dá)到74.7%。

    1 實(shí)體標(biāo)準(zhǔn)化算法

    1.1 算法總體結(jié)構(gòu)

    基于深度學(xué)習(xí)的實(shí)體標(biāo)準(zhǔn)化算法總體結(jié)構(gòu)見(jiàn)圖1。

    圖1 基于深度學(xué)習(xí)的實(shí)體標(biāo)準(zhǔn)化算法總體結(jié)構(gòu)

    本算法主要思想是計(jì)算手術(shù)名與各個(gè)標(biāo)準(zhǔn)術(shù)語(yǔ)的匹配度,選擇最匹配的術(shù)語(yǔ)。匹配度計(jì)算采用Siamese網(wǎng)絡(luò)。Siamese 網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)而不是具體的某種網(wǎng)絡(luò),在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)中應(yīng)用廣泛[9-13],它有兩個(gè)結(jié)構(gòu)相同共享權(quán)值的子網(wǎng)絡(luò)。圖1中的兩個(gè)字嵌入完全相同,兩個(gè)編碼器也完全一樣。輸入的短語(yǔ)中每個(gè)字都會(huì)映射到一個(gè)多維稠密向量,稱為字嵌入,也常稱為字向量。本文使用Li S等[14]在百度百科的文本上訓(xùn)練出的字向量,并且在訓(xùn)練階段使字向量保持不變,不再微調(diào)。然后使用編碼器分別將兩個(gè)字向量序列映射到目標(biāo)向量空間(可以看成是特征提取),最后在目標(biāo)向量空間使用歐氏距離表示兩個(gè)輸入的匹配度,歐氏距離越小則匹配度越高。

    本文未采用分類模型。因?yàn)槭中g(shù)的標(biāo)準(zhǔn)術(shù)語(yǔ)有上萬(wàn)條,如果把每個(gè)術(shù)語(yǔ)看作一個(gè)類別則類別數(shù)量龐大,而每個(gè)類別的樣本數(shù)量較少甚至沒(méi)有,用分類算法顯然效果不佳。而 Siamese 網(wǎng)絡(luò)能從訓(xùn)練樣本中學(xué)習(xí)到匹配度模型,即使類別數(shù)量龐大也能獲得不錯(cuò)的效果。

    1.2 BiLSTM網(wǎng)絡(luò)

    本文采用 BiLSTM網(wǎng)絡(luò)作為 Siamese 網(wǎng)絡(luò)結(jié)構(gòu)中用于提取特征的編碼器。

    長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,簡(jiǎn)稱 LSTM)是循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱RNN)的一種。普通的循環(huán)神經(jīng)網(wǎng)絡(luò)用于序列數(shù)據(jù)建模時(shí)容易產(chǎn)生梯度爆炸和梯度消失,難以訓(xùn)練。LSTM 通過(guò)引入遺忘門(mén)、記憶門(mén)、輸出門(mén)的三態(tài)門(mén)結(jié)構(gòu),使網(wǎng)絡(luò)能夠選擇性地保留狀態(tài)信息,解決了梯度爆炸和梯度消失問(wèn)題。因此,LSTM適用于對(duì)序列數(shù)據(jù)建模,如文本數(shù)據(jù)。

    普通的LSTM只能捕捉到從前向后的信息,但在實(shí)體標(biāo)準(zhǔn)化任務(wù)中僅有單向信息是不夠的。雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bi-directional Long Short-Term Memory,簡(jiǎn)稱BiLSTM)由前向LSTM與后向LSTM組合而成,也就是在單向LSTM基礎(chǔ)上增加了一個(gè)逆向的LSTM,前向和后向輸出連接在一起作為整個(gè)網(wǎng)絡(luò)輸出,這樣能更好地捕捉到雙向序列信息[15]。

    1.3 訓(xùn)練方法

    模型訓(xùn)練采用 Pairwise 方法,樣本是一對(duì)短語(yǔ),即手術(shù)名和標(biāo)準(zhǔn)術(shù)語(yǔ)。正例是病歷手術(shù)名和對(duì)應(yīng)的標(biāo)準(zhǔn)術(shù)語(yǔ),反例是手術(shù)名和不對(duì)應(yīng)的標(biāo)準(zhǔn)術(shù)語(yǔ)。

    兩個(gè)短語(yǔ)的向量表示為[F1]和[F2],它們的歐氏距離記作[d(F1,F(xiàn)2)]。訓(xùn)練目標(biāo)是使匹配兩個(gè)短語(yǔ)的[d(F1,F(xiàn)2)]盡可能小,而不匹配兩個(gè)短語(yǔ)的[d(F1,F(xiàn)2)]盡可能大。所以,損失函數(shù)需要滿足兩個(gè)性質(zhì):①對(duì)于兩個(gè)匹配短語(yǔ),[d(F1,F(xiàn)2)]越小,損失函數(shù)越小;②對(duì)于兩個(gè)不匹配短語(yǔ),[d(F1,F(xiàn)2)]越小,損失函數(shù)越大。

    本文使用對(duì)比損失[16]作為損失函數(shù),定義如下:

    [L=12NiNyidi2+(1-yi)max{0,m-di}2]? ?(1)

    其中[di]、[yi]分別表示第[i]項(xiàng)樣本的編輯距離和標(biāo)簽。[yi=1]表示兩個(gè)短語(yǔ)匹配,[yi=0]表示兩個(gè)短語(yǔ)不匹配。當(dāng)[yi=1]時(shí),該樣本的損失是[yidi2],顯然滿足第一個(gè)性質(zhì)。當(dāng)[yi=0]時(shí),該樣本的損失是[max{0,m-di}2],距離小于[m]時(shí)獲得[(m-di)2]的懲罰,距離大于[m]時(shí)沒(méi)有懲罰,距離越小損失越大,距離足夠大時(shí)損失為0,滿足第二個(gè)性質(zhì)。

    本文使用隨機(jī)梯度下降的改進(jìn)算法Adam[17]使損失函數(shù)最小,訓(xùn)練時(shí)采用mini-batch模式。

    2 實(shí)驗(yàn)

    2.1 實(shí)驗(yàn)數(shù)據(jù)

    手術(shù)是電子病歷實(shí)體中的重要類別,本文選擇中文電子病歷中手術(shù)實(shí)體標(biāo)準(zhǔn)化問(wèn)題進(jìn)行實(shí)驗(yàn)。我國(guó)一直采用國(guó)際疾病分類第9版臨床修訂本(International Classification of Diseases,Ninth Revision,Clinical Modification,簡(jiǎn)稱 ICD-9-CM)作為手術(shù)與操作分類代碼的填寫(xiě)標(biāo)準(zhǔn),并于2015年對(duì)其擴(kuò)碼修訂,收錄了醫(yī)院各個(gè)科室的各種手術(shù)與操作共計(jì)1萬(wàn)余條,內(nèi)容準(zhǔn)確完備[18]。因此,本文使用擴(kuò)碼后的 ICD-9-CM 中的標(biāo)準(zhǔn)術(shù)語(yǔ)作為手術(shù)實(shí)體標(biāo)準(zhǔn)化術(shù)語(yǔ)集。

    本文選取某三甲醫(yī)院的300份電子病歷中出現(xiàn)的345個(gè)不同手術(shù)名作為實(shí)驗(yàn)數(shù)據(jù),并標(biāo)注這些手術(shù)名對(duì)應(yīng)的 ICD-9-CM 標(biāo)準(zhǔn)術(shù)語(yǔ)。隨機(jī)選取20%作為測(cè)試集,剩下的80%用于訓(xùn)練。訓(xùn)練需要成對(duì)的短語(yǔ),訓(xùn)練集中的手術(shù)名與對(duì)應(yīng)的標(biāo)準(zhǔn)術(shù)語(yǔ)作為正例,反例是手術(shù)名與隨機(jī)選取的不對(duì)應(yīng)ICD術(shù)語(yǔ)。通過(guò)上述方式構(gòu)建的數(shù)據(jù)對(duì)總計(jì)5 429條,正負(fù)例比例為19∶1。

    2.2 實(shí)驗(yàn)環(huán)境、超參數(shù)與評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)代碼使用 Python 3.6,Tensorflow 1.8 編寫(xiě);硬件環(huán)境:Intel E5-1620v4,NVIDIA GeForce GTX 1080;操作系統(tǒng):Windows 10。

    經(jīng)過(guò)多次實(shí)驗(yàn),選定的超參數(shù)見(jiàn)表1。

    表1 實(shí)體標(biāo)準(zhǔn)化算法超參數(shù)值

    大部分實(shí)體標(biāo)準(zhǔn)化研究都采用正確率作為算法的評(píng)價(jià)指標(biāo)。標(biāo)準(zhǔn)術(shù)語(yǔ)數(shù)量多,實(shí)體標(biāo)準(zhǔn)化難度較大,因此本文除top-1正確率外,還加入top-5正確率作為額外的評(píng)價(jià)參考[19]。top-5 正確率指算法給出的前5個(gè)候選中的正確答案比率。

    2.3 實(shí)驗(yàn)結(jié)果與分析

    本文選擇基于編輯距離的相似度算法[20]作為比較基準(zhǔn),計(jì)算公式為:

    [Sim(A,B)=1-d(A,B)max (len(A), len(B)]? ? ?(2)

    式(2)中,A,B為待計(jì)算的兩個(gè)字符串,[len(A)]和 [len(B)]分別是字符串A和B的字符個(gè)數(shù),[ d(A,B)]是A和B的編輯距離,即將A變成B的最小操作次數(shù),允許的編輯操作為替換一個(gè)字符、插入一個(gè)字符、刪除一個(gè)字符3種。

    表2 電子病歷手術(shù)實(shí)體標(biāo)準(zhǔn)化實(shí)驗(yàn)結(jié)果

    表2中,Siamese-LSTM表示編碼器部分使用單向的LSTM網(wǎng)絡(luò),LSTM單元數(shù)量為20。Siamese-BiLSTM表示編碼器使用雙向LSTM,每個(gè)方向有10個(gè)LSTM單元,共20個(gè)。編輯距離算法的top-5正確率比top-1 正確率高了約14.5個(gè)百分點(diǎn),差距較大。通過(guò)分析編輯距離算法出錯(cuò)的樣本,發(fā)現(xiàn)與手術(shù)名在字面上相似的標(biāo)準(zhǔn)術(shù)語(yǔ)有多個(gè),匹配時(shí)易造成干擾,比如“左肺上葉切除術(shù)”對(duì)應(yīng)標(biāo)準(zhǔn)術(shù)語(yǔ)是“肺葉切除術(shù)”,但對(duì)“余肺肺葉切除術(shù)”造成了干擾,使得編輯距離算法無(wú)法作出正確匹配。兩種Siamese網(wǎng)絡(luò)在top-1、top-5正確率上都明顯好于編輯距離,可見(jiàn)對(duì)于手術(shù)實(shí)體標(biāo)準(zhǔn)化,僅依靠字面形式上的相似度,融合語(yǔ)義信息和序列信息的向量空間模型能有效消除干擾項(xiàng)影響,提升標(biāo)準(zhǔn)化正確率。對(duì)于Siamese網(wǎng)絡(luò)編碼器部分,雙向LSTM 在top-1、top-5正確率上均明顯好于單向LSTM,尤其是在最重要的top-1正確率上提升了約11.6個(gè)百分點(diǎn),說(shuō)明手術(shù)實(shí)體標(biāo)準(zhǔn)化任務(wù)僅有單向序列信息是不夠的,增加逆向序列信息能有效改善手術(shù)實(shí)體標(biāo)準(zhǔn)化效果。

    3 結(jié)語(yǔ)

    電子病歷實(shí)體形式多樣,嚴(yán)重阻礙了醫(yī)療數(shù)據(jù)的分析和利用。本文針對(duì)中文電子病歷實(shí)體標(biāo)準(zhǔn)化進(jìn)行了研究,基于Siamese神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和Pairwise訓(xùn)練方法實(shí)現(xiàn)了手術(shù)實(shí)體標(biāo)準(zhǔn)化算法。實(shí)驗(yàn)結(jié)果顯示,基于深度學(xué)習(xí)的方法比基于編輯距離的相似度算法準(zhǔn)確率明顯提高,表明深度學(xué)習(xí)算法可有效應(yīng)用到實(shí)體標(biāo)準(zhǔn)化問(wèn)題上。但目前算法的正確率尚未達(dá)到實(shí)際應(yīng)用程度,還需對(duì)現(xiàn)有算法進(jìn)一步優(yōu)化,或者使用更優(yōu)的模型和訓(xùn)練方法。

    參考文獻(xiàn):

    [1] SUOMINEN H, SALANTER? S, VELUPILLAI S, et al. Overview of the share/clef ehealth evaluation lab 2013[C]. International Conference of the Cross-Language Evaluation Forum for European Languages, 2013: 212-231.

    [2] PRADHAN S,ELHADAD N,CHAPMAN W,et al. SemEval-2014 task 7: analysis of clinical text[C]. Proceedings of the 8th International Workshop on Semantic Evaluation (SemEval 2014),2014: 54-62.

    [3] DE SILVA T S,MACDONALD D, PATERSON G, et al. Systematized nomenclature of medicine clinical terms to represent computed to mography procedures[J]. Computer methods and programs in biomedicine, 2011, 101(3): 324-329.

    [4] KATE R J. Normalizing clinical terms using learned edit distance patterns[J]. Journal of the American Medical Informatics Association, 2015, 23(2):380-386.

    [5] LEAMAN R,ISLAMAJ DO?AN R, LU Z. DNORM: disease name normalization with pairwise learning to rank[J]. Bioinformatics, 2013, 29(22): 2909-2917.

    [6] LI H,CHEN Q,TANG B,et al. CNN-based ranking for biomedical entity normalization[J]. BMC bioinformatics,2017,18(11): 385-392.

    [7] DO?AN R I, LEAMAN R, LU Z. NCBI disease corpus: a resource for disease name recognition and concept normalization[J]. Journal of biomedical informatics, 2014(47): 1-10.

    [8] 趙亞輝. 臨床醫(yī)療實(shí)體鏈接方法研究[D].? 哈爾濱:哈爾濱工業(yè)大學(xué),2017.

    [9] VARIOR R R,SHUAI B,LU J, et al. A siamese long short-term memory architecture for human re-identification[C]. European Conference on Computer Vision. Springer, Cham, 2016: 135-153.

    [10] MUELLER J,THYAGARAJAN A. Siamese recurrent architectures for learning sentence similarity[C]. AAAI,2016:2786-2792.

    [11] NECULOIU P,VERSTEEGH M,ROTARU M. Learning text similarity with Siamese recurrent networks[C]. Proceedings of the 1st Workshop on Representation Learning for NLP,2016: 148-157.

    [12] 龐亮,蘭艷艷,徐君,等. 深度文本匹配綜述[J]. 計(jì)算機(jī)學(xué)報(bào), 2017,40(4): 985-1003.

    [13] 吳漢釗. 基于孿生卷積神經(jīng)網(wǎng)絡(luò)的人臉追蹤[J]. 計(jì)算機(jī)工程與應(yīng)用,2018,54(14):175-179.

    [14] LI S, ZHAO Z, HU R, et al. Analogical reasoning on Chinese morphological and semantic relations[C]. Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics. 2018(2): 138-143

    [15] GRAVES A, SCHMIDHUBER J. Framewise phoneme classification with bidirectional LSTM and other neural network architectures[J].? Neural Networks, 2005, 18(5-6): 602-610.

    [16] GU J, WANG Z, KUEN J, et al. Recent advances in convolutional neural networks[J].? Pattern Recognition, 2018(77): 354-377.

    [17] KINGMA D P, BA J. Adam: a method for stochastic optimization[C].? San Diego:the 3rd International Conference for learning Representations,2015.

    [18] 劉愛(ài)民. 手術(shù)、操作分類與代碼應(yīng)用指導(dǎo)手冊(cè)2017臨床修訂版[M]. 北京: 中國(guó)協(xié)和醫(yī)科大學(xué)出版社, 2017:1-2.

    [19] RUSSAKOVSKY O, DENG J, SU H, et al. Imagenet large scale visual recognition challenge[J].? International Journal of Computer Vision, 2015, 115(3): 211-252.

    [20] 劉震,陳晶,鄭建賓,等. 中文短文本聚合模型研究[J].? 軟件學(xué)報(bào),2017,28(10): 2674-2692.

    (責(zé)任編輯:杜能鋼)

    国产精品99久久99久久久不卡| 欧美日韩一级在线毛片| 国产精品 国内视频| 亚洲国产精品成人综合色| 免费看美女性在线毛片视频| 一夜夜www| 热99re8久久精品国产| 国产视频内射| 美女被艹到高潮喷水动态| 香蕉久久夜色| 搞女人的毛片| 伊人久久精品亚洲午夜| 亚洲va日本ⅴa欧美va伊人久久| 久久欧美精品欧美久久欧美| 国产av不卡久久| 日本一二三区视频观看| 日本三级黄在线观看| 日本三级黄在线观看| 亚洲国产精品合色在线| 午夜影院日韩av| 90打野战视频偷拍视频| 在线观看免费午夜福利视频| 淫妇啪啪啪对白视频| 人人妻人人看人人澡| 久久精品91蜜桃| 欧美午夜高清在线| 欧美激情在线99| 久久草成人影院| 久久精品亚洲精品国产色婷小说| 国产精品久久久久久亚洲av鲁大| 亚洲内射少妇av| 给我免费播放毛片高清在线观看| 黄色丝袜av网址大全| 精品福利观看| 色噜噜av男人的天堂激情| 国产精品爽爽va在线观看网站| 精品熟女少妇八av免费久了| 亚洲在线自拍视频| 夜夜看夜夜爽夜夜摸| 香蕉av资源在线| 午夜亚洲福利在线播放| 久久亚洲真实| 蜜桃亚洲精品一区二区三区| 亚洲久久久久久中文字幕| 国产伦在线观看视频一区| 国产精品久久久久久亚洲av鲁大| 九九热线精品视视频播放| 熟女人妻精品中文字幕| 99热精品在线国产| 99久久久亚洲精品蜜臀av| 国产高清视频在线观看网站| 青草久久国产| 国产色爽女视频免费观看| 在线a可以看的网站| 搡女人真爽免费视频火全软件 | 午夜福利成人在线免费观看| 日韩欧美三级三区| 日韩欧美三级三区| 久久久久久国产a免费观看| 日韩av在线大香蕉| tocl精华| 少妇的丰满在线观看| 国产精品亚洲美女久久久| 午夜影院日韩av| 国产精品女同一区二区软件 | 日本一二三区视频观看| 久久久久久久亚洲中文字幕 | 日本精品一区二区三区蜜桃| 成年人黄色毛片网站| 国产在线精品亚洲第一网站| 亚洲 欧美 日韩 在线 免费| 99精品欧美一区二区三区四区| 久久午夜亚洲精品久久| 午夜精品一区二区三区免费看| 国产一级毛片七仙女欲春2| 亚洲精品色激情综合| 欧美成狂野欧美在线观看| 亚洲在线自拍视频| 成人av一区二区三区在线看| 国产三级黄色录像| bbb黄色大片| 色综合婷婷激情| 神马国产精品三级电影在线观看| 久久久精品欧美日韩精品| xxxwww97欧美| 色综合婷婷激情| 国产野战对白在线观看| 日本免费a在线| 久久草成人影院| 99久久九九国产精品国产免费| 一区福利在线观看| 精品久久久久久久末码| 国产综合懂色| 午夜福利在线观看免费完整高清在 | 欧美av亚洲av综合av国产av| 亚洲欧美一区二区三区黑人| 欧美成人免费av一区二区三区| 日韩精品中文字幕看吧| 日本 av在线| 中国美女看黄片| 国产 一区 欧美 日韩| 亚洲电影在线观看av| 亚洲精品美女久久久久99蜜臀| 青草久久国产| 亚洲av中文字字幕乱码综合| 波多野结衣高清无吗| 听说在线观看完整版免费高清| 成年免费大片在线观看| 岛国在线观看网站| 热99在线观看视频| 国产成人影院久久av| 国产成人a区在线观看| 亚洲一区二区三区色噜噜| 九色成人免费人妻av| 国产成人av教育| 一本综合久久免费| eeuss影院久久| 日韩av在线大香蕉| 国产aⅴ精品一区二区三区波| 成人特级黄色片久久久久久久| 国产欧美日韩精品亚洲av| 黄色片一级片一级黄色片| 91九色精品人成在线观看| 在线视频色国产色| 亚洲五月天丁香| 九色国产91popny在线| 久久久久久九九精品二区国产| or卡值多少钱| 99久国产av精品| 国产精品99久久99久久久不卡| 黄片小视频在线播放| 精品一区二区三区视频在线 | 免费人成视频x8x8入口观看| 中文在线观看免费www的网站| 三级国产精品欧美在线观看| 亚洲av电影在线进入| 少妇的丰满在线观看| 白带黄色成豆腐渣| 亚洲精品成人久久久久久| 国产一区二区激情短视频| 亚洲五月天丁香| 99热这里只有是精品50| 日韩人妻高清精品专区| 国产精品三级大全| 中国美女看黄片| 热99re8久久精品国产| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 婷婷丁香在线五月| 日日摸夜夜添夜夜添小说| 手机成人av网站| av天堂在线播放| 国产精品,欧美在线| 日本a在线网址| 国产淫片久久久久久久久 | 麻豆成人午夜福利视频| 欧洲精品卡2卡3卡4卡5卡区| 国产午夜精品论理片| 麻豆久久精品国产亚洲av| 久久这里只有精品中国| 亚洲熟妇熟女久久| 天天躁日日操中文字幕| 国产精品久久久久久久久免 | 亚洲va日本ⅴa欧美va伊人久久| 一进一出好大好爽视频| 一进一出抽搐动态| 亚洲最大成人中文| 18禁国产床啪视频网站| 狂野欧美白嫩少妇大欣赏| 伊人久久精品亚洲午夜| 亚洲,欧美精品.| 18禁黄网站禁片午夜丰满| 国产免费男女视频| 国产欧美日韩一区二区三| 麻豆国产av国片精品| 国产午夜精品论理片| 日韩欧美一区二区三区在线观看| 亚洲国产色片| 成人高潮视频无遮挡免费网站| 精品国产美女av久久久久小说| 99精品久久久久人妻精品| 一本综合久久免费| 国产精品免费一区二区三区在线| 夜夜看夜夜爽夜夜摸| 午夜福利免费观看在线| 亚洲久久久久久中文字幕| 老汉色∧v一级毛片| 欧美一区二区亚洲| av黄色大香蕉| 日韩精品青青久久久久久| 成人午夜高清在线视频| 精品国内亚洲2022精品成人| 色在线成人网| 国产成人影院久久av| 色综合婷婷激情| 亚洲美女视频黄频| 国产美女午夜福利| 白带黄色成豆腐渣| 久久香蕉国产精品| 99热这里只有精品一区| 日韩人妻高清精品专区| 免费搜索国产男女视频| 脱女人内裤的视频| 成人三级黄色视频| 国产亚洲精品久久久com| netflix在线观看网站| 国产真人三级小视频在线观看| 欧美成狂野欧美在线观看| 又黄又粗又硬又大视频| 日本精品一区二区三区蜜桃| 免费看日本二区| 精品国产超薄肉色丝袜足j| 俄罗斯特黄特色一大片| 九色国产91popny在线| 色在线成人网| 成年人黄色毛片网站| 欧美绝顶高潮抽搐喷水| 日本精品一区二区三区蜜桃| 国产v大片淫在线免费观看| 国产午夜福利久久久久久| 午夜亚洲福利在线播放| 怎么达到女性高潮| 欧美在线黄色| 成人性生交大片免费视频hd| 婷婷亚洲欧美| 久久久国产精品麻豆| 亚洲国产精品久久男人天堂| 欧美又色又爽又黄视频| 久久久久国内视频| 久久久久免费精品人妻一区二区| 99热只有精品国产| 国产成人欧美在线观看| 两个人的视频大全免费| 91久久精品国产一区二区成人 | 免费av毛片视频| av片东京热男人的天堂| 在线天堂最新版资源| 国产黄色小视频在线观看| 亚洲在线观看片| 18禁黄网站禁片免费观看直播| 亚洲欧美日韩高清专用| 757午夜福利合集在线观看| 亚洲精品国产精品久久久不卡| 亚洲国产中文字幕在线视频| 97碰自拍视频| 高清毛片免费观看视频网站| 日韩国内少妇激情av| 亚洲精品美女久久久久99蜜臀| 亚洲人成网站在线播| 欧美+亚洲+日韩+国产| 午夜福利在线观看吧| 韩国av一区二区三区四区| 男女床上黄色一级片免费看| 色av中文字幕| 男人舔奶头视频| 18禁裸乳无遮挡免费网站照片| 韩国av一区二区三区四区| 男女床上黄色一级片免费看| 欧洲精品卡2卡3卡4卡5卡区| 2021天堂中文幕一二区在线观| 嫁个100分男人电影在线观看| 日本熟妇午夜| 久久精品综合一区二区三区| 真实男女啪啪啪动态图| www日本黄色视频网| 可以在线观看的亚洲视频| 久久国产精品影院| 亚洲av第一区精品v没综合| 99热精品在线国产| 午夜免费观看网址| 亚洲第一欧美日韩一区二区三区| 伊人久久大香线蕉亚洲五| 性色avwww在线观看| 国产精品99久久久久久久久| 国产一区二区激情短视频| 欧美大码av| 欧美bdsm另类| e午夜精品久久久久久久| 1000部很黄的大片| 一边摸一边抽搐一进一小说| 内射极品少妇av片p| 色综合站精品国产| 亚洲人成网站高清观看| 久久婷婷人人爽人人干人人爱| 国产亚洲欧美98| 久久久久久人人人人人| 99riav亚洲国产免费| 免费看光身美女| 国产精品爽爽va在线观看网站| 淫妇啪啪啪对白视频| 久久精品国产亚洲av香蕉五月| 欧美色欧美亚洲另类二区| 每晚都被弄得嗷嗷叫到高潮| 99riav亚洲国产免费| 国产毛片a区久久久久| 极品教师在线免费播放| 精品人妻一区二区三区麻豆 | 亚洲片人在线观看| 国产单亲对白刺激| 午夜福利在线在线| 欧美色视频一区免费| 免费av不卡在线播放| 亚洲欧美一区二区三区黑人| 欧美日本视频| 九九热线精品视视频播放| 人妻丰满熟妇av一区二区三区| 国产精品av视频在线免费观看| 狂野欧美激情性xxxx| 亚洲av成人不卡在线观看播放网| 欧美色视频一区免费| 久久香蕉精品热| 久久久久久久精品吃奶| 两性午夜刺激爽爽歪歪视频在线观看| 90打野战视频偷拍视频| 国产伦精品一区二区三区四那| 88av欧美| 九色国产91popny在线| 草草在线视频免费看| www国产在线视频色| 神马国产精品三级电影在线观看| 操出白浆在线播放| 欧美日韩黄片免| 欧美成人一区二区免费高清观看| 婷婷亚洲欧美| 精品免费久久久久久久清纯| 久久精品亚洲精品国产色婷小说| 舔av片在线| 成人精品一区二区免费| 亚洲内射少妇av| 亚洲在线观看片| 美女黄网站色视频| 中文字幕人妻熟人妻熟丝袜美 | 中文字幕久久专区| 日韩欧美三级三区| 观看免费一级毛片| 午夜免费观看网址| 久久久久精品国产欧美久久久| 久久精品夜夜夜夜夜久久蜜豆| www国产在线视频色| 午夜影院日韩av| 在线看三级毛片| 大型黄色视频在线免费观看| 最近在线观看免费完整版| 夜夜看夜夜爽夜夜摸| 一边摸一边抽搐一进一小说| 三级男女做爰猛烈吃奶摸视频| 欧美在线一区亚洲| 欧美不卡视频在线免费观看| 欧美在线一区亚洲| 激情在线观看视频在线高清| 亚洲av熟女| 免费看光身美女| 最新中文字幕久久久久| 国产精品久久久久久久久免 | 美女黄网站色视频| 国产综合懂色| 欧美黄色片欧美黄色片| 亚洲第一电影网av| 老熟妇仑乱视频hdxx| 天美传媒精品一区二区| 亚洲一区二区三区不卡视频| 极品教师在线免费播放| 亚洲无线观看免费| 欧美性感艳星| 亚洲无线观看免费| 制服丝袜大香蕉在线| 国产亚洲精品一区二区www| 舔av片在线| 国产亚洲精品av在线| 亚洲av电影在线进入| 日韩欧美在线乱码| 极品教师在线免费播放| 欧美+日韩+精品| 国产精品女同一区二区软件 | 一级毛片高清免费大全| 成年女人永久免费观看视频| 午夜免费男女啪啪视频观看 | av福利片在线观看| 日韩高清综合在线| 精品国产亚洲在线| 欧美成狂野欧美在线观看| 不卡一级毛片| 国产欧美日韩一区二区精品| 两个人的视频大全免费| 欧美日韩福利视频一区二区| 国内少妇人妻偷人精品xxx网站| 久久久国产成人免费| 91久久精品电影网| 久99久视频精品免费| 91久久精品电影网| 在线免费观看不下载黄p国产 | 国产99白浆流出| 青草久久国产| 成人av一区二区三区在线看| 国产成人av教育| 欧美又色又爽又黄视频| 色视频www国产| 在线视频色国产色| 欧美另类亚洲清纯唯美| 日韩欧美一区二区三区在线观看| 观看免费一级毛片| 久久精品影院6| 看片在线看免费视频| 琪琪午夜伦伦电影理论片6080| 国产伦精品一区二区三区四那| 午夜福利免费观看在线| 国产精品99久久久久久久久| 欧美在线一区亚洲| 欧美日韩综合久久久久久 | 岛国视频午夜一区免费看| 亚洲欧美日韩高清在线视频| 久久香蕉国产精品| 中文资源天堂在线| 国产黄色小视频在线观看| 欧美激情久久久久久爽电影| 色精品久久人妻99蜜桃| 亚洲精品在线美女| 午夜精品久久久久久毛片777| 91字幕亚洲| aaaaa片日本免费| 亚洲乱码一区二区免费版| 亚洲欧美精品综合久久99| 久久亚洲精品不卡| 最新美女视频免费是黄的| 亚洲熟妇中文字幕五十中出| 久久久久久久久中文| 日韩欧美免费精品| 国产精品国产高清国产av| 欧美xxxx黑人xx丫x性爽| 欧美三级亚洲精品| 亚洲成人久久爱视频| av中文乱码字幕在线| 又爽又黄无遮挡网站| 最新中文字幕久久久久| 两个人看的免费小视频| 亚洲精品粉嫩美女一区| 美女被艹到高潮喷水动态| 中文字幕熟女人妻在线| 亚洲国产精品合色在线| 一本久久中文字幕| 日韩人妻高清精品专区| 国产成人欧美在线观看| 国产免费av片在线观看野外av| 国产色爽女视频免费观看| 亚洲内射少妇av| 久久精品国产综合久久久| 一个人免费在线观看电影| 亚洲色图av天堂| 日本一二三区视频观看| 亚洲精品亚洲一区二区| 亚洲欧美精品综合久久99| 日韩欧美一区二区三区在线观看| 国产探花在线观看一区二区| 18禁在线播放成人免费| 成人国产综合亚洲| 久久九九热精品免费| 又粗又爽又猛毛片免费看| 美女高潮的动态| 免费观看精品视频网站| 国产一区二区亚洲精品在线观看| 久久精品亚洲精品国产色婷小说| 午夜福利在线观看吧| 我的老师免费观看完整版| 国内精品久久久久久久电影| 一a级毛片在线观看| 两个人看的免费小视频| 国产精品爽爽va在线观看网站| 少妇熟女aⅴ在线视频| 俺也久久电影网| 久久久久久九九精品二区国产| 国产97色在线日韩免费| 精品国产美女av久久久久小说| 国产精品电影一区二区三区| 少妇裸体淫交视频免费看高清| 亚洲色图av天堂| 国产精品嫩草影院av在线观看 | 国产熟女xx| 久久久久久久精品吃奶| 三级国产精品欧美在线观看| 成人鲁丝片一二三区免费| 久久精品夜夜夜夜夜久久蜜豆| 精品一区二区三区av网在线观看| 舔av片在线| 欧美日韩精品网址| 亚洲欧美日韩高清专用| 日韩成人在线观看一区二区三区| 一本精品99久久精品77| 九九热线精品视视频播放| 日韩精品中文字幕看吧| 好男人在线观看高清免费视频| 神马国产精品三级电影在线观看| 欧美中文综合在线视频| 亚洲精品粉嫩美女一区| 岛国在线观看网站| 最近在线观看免费完整版| 国产午夜精品久久久久久一区二区三区 | 久久久久国产精品人妻aⅴ院| 男插女下体视频免费在线播放| 久久欧美精品欧美久久欧美| 日本在线视频免费播放| 亚洲av日韩精品久久久久久密| 久久久久国产精品人妻aⅴ院| 午夜福利视频1000在线观看| 男女午夜视频在线观看| 中文在线观看免费www的网站| 成人特级av手机在线观看| 少妇高潮的动态图| 国产淫片久久久久久久久 | 久久久久久久久久黄片| 欧美日韩国产亚洲二区| a在线观看视频网站| 久久欧美精品欧美久久欧美| 国内久久婷婷六月综合欲色啪| 变态另类丝袜制服| 国产精品一区二区三区四区免费观看 | 欧美激情久久久久久爽电影| 好男人在线观看高清免费视频| 国产真实伦视频高清在线观看 | 淫秽高清视频在线观看| 国产精品国产高清国产av| 最近在线观看免费完整版| 美女大奶头视频| 国产成人av激情在线播放| 亚洲av一区综合| 亚洲电影在线观看av| 成年免费大片在线观看| 精品乱码久久久久久99久播| 一本综合久久免费| 成年人黄色毛片网站| 亚洲国产精品sss在线观看| 国产aⅴ精品一区二区三区波| 天天添夜夜摸| 亚洲成人免费电影在线观看| 精品无人区乱码1区二区| 国产蜜桃级精品一区二区三区| 一区二区三区国产精品乱码| 中亚洲国语对白在线视频| 日本免费一区二区三区高清不卡| 成熟少妇高潮喷水视频| 国产一区二区在线av高清观看| 亚洲国产精品合色在线| 成人av在线播放网站| 免费av观看视频| 久久天躁狠狠躁夜夜2o2o| 神马国产精品三级电影在线观看| 精品人妻一区二区三区麻豆 | 亚洲av第一区精品v没综合| 国产极品精品免费视频能看的| 色视频www国产| 男女做爰动态图高潮gif福利片| 美女被艹到高潮喷水动态| 91久久精品国产一区二区成人 | 免费观看的影片在线观看| 久久国产乱子伦精品免费另类| 国产成人av激情在线播放| 狠狠狠狠99中文字幕| 两个人的视频大全免费| 亚洲avbb在线观看| 国产三级黄色录像| 亚洲精品一卡2卡三卡4卡5卡| 国内精品久久久久久久电影| 国产精品免费一区二区三区在线| 国产精品99久久久久久久久| 1024手机看黄色片| 少妇丰满av| 亚洲中文日韩欧美视频| 国产成人影院久久av| 日韩欧美精品v在线| 日本一本二区三区精品| 国产高清有码在线观看视频| 一区二区三区高清视频在线| svipshipincom国产片| 乱人视频在线观看| 全区人妻精品视频| 欧美中文日本在线观看视频| 国产高清视频在线观看网站| 婷婷亚洲欧美| 很黄的视频免费| 亚洲av免费在线观看| 成人高潮视频无遮挡免费网站| 可以在线观看的亚洲视频| 他把我摸到了高潮在线观看| 成人永久免费在线观看视频| 精品一区二区三区视频在线 | 天堂av国产一区二区熟女人妻| 久久亚洲真实| 人人妻人人澡欧美一区二区| 99热这里只有是精品50| 丝袜美腿在线中文| av天堂在线播放| 亚洲在线观看片| 99久久无色码亚洲精品果冻| 日本五十路高清| 午夜精品一区二区三区免费看| 亚洲黑人精品在线| 波多野结衣高清无吗| 99热这里只有是精品50| 久久久久久久精品吃奶| av天堂在线播放| 国内精品久久久久精免费| 国产精品 国内视频| 亚洲美女黄片视频| 高清在线国产一区| 一二三四社区在线视频社区8| 国产亚洲精品一区二区www| av视频在线观看入口| av天堂中文字幕网| 亚洲人成电影免费在线| 久久婷婷人人爽人人干人人爱| 国产成+人综合+亚洲专区| 一级作爱视频免费观看| 午夜免费观看网址| 欧美日韩瑟瑟在线播放| 热99re8久久精品国产| 99精品欧美一区二区三区四区| 精品福利观看|