• <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)

    在线天堂最新版资源| 午夜福利在线在线| 国产美女午夜福利| 午夜精品久久久久久毛片777| 日日干狠狠操夜夜爽| 色精品久久人妻99蜜桃| 青草久久国产| 亚洲人成电影免费在线| 性欧美人与动物交配| 人人妻人人看人人澡| 国产精品一区二区性色av| 亚洲av.av天堂| 男女视频在线观看网站免费| 亚洲一区高清亚洲精品| 9191精品国产免费久久| 久久国产乱子伦精品免费另类| 亚洲内射少妇av| 久久九九热精品免费| 99久久成人亚洲精品观看| 亚洲国产精品合色在线| 久久婷婷人人爽人人干人人爱| 日本a在线网址| 日本黄色片子视频| 老司机深夜福利视频在线观看| av天堂在线播放| 国产亚洲欧美在线一区二区| 很黄的视频免费| 丁香六月欧美| 一区二区三区高清视频在线| 国产亚洲欧美在线一区二区| 日本撒尿小便嘘嘘汇集6| 亚洲av中文字字幕乱码综合| 99国产极品粉嫩在线观看| 久久精品综合一区二区三区| 两人在一起打扑克的视频| 久久久久久久久中文| 老熟妇仑乱视频hdxx| 十八禁网站免费在线| 男人的好看免费观看在线视频| 日韩欧美在线二视频| 亚洲欧美日韩东京热| 精品人妻1区二区| 琪琪午夜伦伦电影理论片6080| 麻豆国产av国片精品| 亚洲在线观看片| 亚洲 欧美 日韩 在线 免费| 变态另类丝袜制服| 免费在线观看亚洲国产| 色5月婷婷丁香| 男女那种视频在线观看| 久久久久久久亚洲中文字幕 | 免费观看精品视频网站| 久久久久精品国产欧美久久久| 日日夜夜操网爽| 国产在线精品亚洲第一网站| 亚洲精品一卡2卡三卡4卡5卡| 久久这里只有精品中国| 国产精品爽爽va在线观看网站| 观看美女的网站| 色综合站精品国产| 国产三级中文精品| 午夜影院日韩av| 在线免费观看的www视频| 天堂动漫精品| 日本a在线网址| 成人性生交大片免费视频hd| 色av中文字幕| 看免费av毛片| 白带黄色成豆腐渣| 婷婷精品国产亚洲av在线| 国产精品,欧美在线| 日日干狠狠操夜夜爽| 日本撒尿小便嘘嘘汇集6| 午夜精品在线福利| 精品国内亚洲2022精品成人| 欧美最黄视频在线播放免费| 午夜免费男女啪啪视频观看 | 国产精品99久久久久久久久| 国产又黄又爽又无遮挡在线| 国产亚洲精品综合一区在线观看| 欧美区成人在线视频| 少妇人妻一区二区三区视频| 国产精品一区二区三区四区久久| 91久久精品国产一区二区成人| 欧美xxxx性猛交bbbb| 男女那种视频在线观看| 精品一区二区三区视频在线观看免费| 免费高清视频大片| x7x7x7水蜜桃| 免费无遮挡裸体视频| 99久久精品热视频| 精品一区二区三区视频在线| 国产亚洲精品av在线| 午夜影院日韩av| 国产高清有码在线观看视频| 国产色爽女视频免费观看| 国产极品精品免费视频能看的| 亚洲18禁久久av| 国产真实乱freesex| 真人做人爱边吃奶动态| 91av网一区二区| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品乱码久久久v下载方式| .国产精品久久| 日韩欧美三级三区| 一级黄片播放器| 国产成+人综合+亚洲专区| 久久国产乱子伦精品免费另类| av视频在线观看入口| 桃红色精品国产亚洲av| 婷婷丁香在线五月| 91在线观看av| av在线观看视频网站免费| 少妇裸体淫交视频免费看高清| 欧美色欧美亚洲另类二区| 怎么达到女性高潮| 国产白丝娇喘喷水9色精品| 国产乱人视频| 久久精品国产自在天天线| 久久久久久久午夜电影| 日本一二三区视频观看| 国产视频内射| 日本在线视频免费播放| 看黄色毛片网站| 少妇高潮的动态图| 波多野结衣高清无吗| 久久久成人免费电影| 我要看日韩黄色一级片| 欧美乱妇无乱码| 欧美另类亚洲清纯唯美| 在线播放无遮挡| 每晚都被弄得嗷嗷叫到高潮| 精华霜和精华液先用哪个| 亚洲国产欧美人成| 精品久久久久久久末码| 免费观看的影片在线观看| 久久草成人影院| 脱女人内裤的视频| 少妇高潮的动态图| 日本与韩国留学比较| 色哟哟·www| 国产精品久久视频播放| 欧美3d第一页| 一卡2卡三卡四卡精品乱码亚洲| 色综合亚洲欧美另类图片| 欧美一区二区亚洲| 日本黄色片子视频| 国产探花在线观看一区二区| 国产伦一二天堂av在线观看| 少妇人妻一区二区三区视频| 69av精品久久久久久| 亚洲男人的天堂狠狠| 亚洲国产精品合色在线| 最新中文字幕久久久久| 欧美激情在线99| 亚洲第一欧美日韩一区二区三区| 91在线观看av| 亚洲自拍偷在线| 国产亚洲欧美在线一区二区| 国产成人影院久久av| 日韩欧美在线二视频| 在线a可以看的网站| 日韩人妻高清精品专区| 九九热线精品视视频播放| 日韩 亚洲 欧美在线| 国产精品影院久久| 亚洲熟妇中文字幕五十中出| 免费观看的影片在线观看| 一级av片app| 赤兔流量卡办理| 中文字幕av成人在线电影| 免费电影在线观看免费观看| 舔av片在线| 麻豆国产av国片精品| 十八禁国产超污无遮挡网站| 精品福利观看| 热99在线观看视频| 亚洲精品久久国产高清桃花| 免费黄网站久久成人精品 | www.色视频.com| 亚洲国产精品成人综合色| 老司机午夜福利在线观看视频| 免费人成在线观看视频色| av天堂中文字幕网| 国产高清激情床上av| 欧美激情在线99| 中出人妻视频一区二区| 99久久九九国产精品国产免费| 97人妻精品一区二区三区麻豆| 一夜夜www| 蜜桃亚洲精品一区二区三区| 丁香六月欧美| 日本黄大片高清| 深夜a级毛片| 国产精品一区二区三区四区久久| 久久午夜福利片| 免费黄网站久久成人精品 | or卡值多少钱| 三级毛片av免费| 午夜日韩欧美国产| 亚洲精品在线观看二区| 午夜a级毛片| 神马国产精品三级电影在线观看| 欧美在线黄色| 俄罗斯特黄特色一大片| 国产美女午夜福利| 亚洲人与动物交配视频| 国产综合懂色| 黄色一级大片看看| 18禁黄网站禁片免费观看直播| 亚洲最大成人av| 欧美xxxx黑人xx丫x性爽| av女优亚洲男人天堂| 人妻久久中文字幕网| 久久久久久久亚洲中文字幕 | 精品国产三级普通话版| 一夜夜www| 欧美色欧美亚洲另类二区| 亚洲午夜理论影院| 三级国产精品欧美在线观看| 91麻豆精品激情在线观看国产| 日本a在线网址| 色av中文字幕| 国产精品亚洲美女久久久| 国产三级在线视频| 国产一区二区三区在线臀色熟女| 亚洲人成伊人成综合网2020| 成人精品一区二区免费| 成人av一区二区三区在线看| 国产私拍福利视频在线观看| 国产黄色小视频在线观看| 非洲黑人性xxxx精品又粗又长| 99久国产av精品| 成人一区二区视频在线观看| 国产午夜精品论理片| 亚洲最大成人中文| 国产一区二区三区视频了| 亚洲精品日韩av片在线观看| 欧美黄色片欧美黄色片| 欧美性感艳星| 简卡轻食公司| 又爽又黄无遮挡网站| a级一级毛片免费在线观看| 国内精品美女久久久久久| 97超视频在线观看视频| 国产精品精品国产色婷婷| 国产成人av教育| 搡老熟女国产l中国老女人| 欧美在线黄色| 国产精品日韩av在线免费观看| 久久性视频一级片| 午夜福利成人在线免费观看| 国产午夜精品论理片| 午夜两性在线视频| 五月伊人婷婷丁香| 18禁在线播放成人免费| 午夜福利视频1000在线观看| 久99久视频精品免费| 中出人妻视频一区二区| 国产成人a区在线观看| 在线观看舔阴道视频| 日本黄色视频三级网站网址| 精品国产三级普通话版| 国产国拍精品亚洲av在线观看| 亚洲最大成人av| 桃色一区二区三区在线观看| 九色国产91popny在线| 亚洲无线观看免费| 欧美绝顶高潮抽搐喷水| 亚洲专区国产一区二区| av天堂在线播放| 精品乱码久久久久久99久播| 在线观看美女被高潮喷水网站 | 亚洲精华国产精华精| 91麻豆av在线| 国内精品久久久久精免费| 国产午夜精品论理片| 日韩精品中文字幕看吧| 999久久久精品免费观看国产| 日本与韩国留学比较| 精品乱码久久久久久99久播| 最近视频中文字幕2019在线8| 99久久九九国产精品国产免费| 日韩欧美精品v在线| 夜夜爽天天搞| 国产色爽女视频免费观看| 亚洲一区二区三区色噜噜| 丰满乱子伦码专区| 国模一区二区三区四区视频| 亚洲avbb在线观看| 在线观看66精品国产| av欧美777| 一夜夜www| 国产亚洲精品久久久com| 国产精品伦人一区二区| 亚洲人成网站高清观看| 色5月婷婷丁香| 身体一侧抽搐| 他把我摸到了高潮在线观看| 露出奶头的视频| 亚洲成人久久爱视频| 赤兔流量卡办理| 精品人妻视频免费看| 亚洲五月天丁香| 十八禁国产超污无遮挡网站| 国产精品久久久久久久电影| 国产三级黄色录像| 一级av片app| 在线a可以看的网站| 最近视频中文字幕2019在线8| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品在线观看二区| 久久久久久久精品吃奶| av女优亚洲男人天堂| 亚洲中文日韩欧美视频| 午夜福利18| 狠狠狠狠99中文字幕| 内地一区二区视频在线| 国语自产精品视频在线第100页| 亚洲美女黄片视频| 九九热线精品视视频播放| 国产成人aa在线观看| 在线国产一区二区在线| 少妇丰满av| 真人一进一出gif抽搐免费| 日韩大尺度精品在线看网址| 亚洲精品在线观看二区| 最近视频中文字幕2019在线8| 99在线视频只有这里精品首页| 国产成人a区在线观看| 在线观看av片永久免费下载| 精品久久久久久久久av| 亚洲欧美日韩高清专用| 国产久久久一区二区三区| 欧美+日韩+精品| 中文字幕av成人在线电影| 亚洲18禁久久av| 国产亚洲av嫩草精品影院| 亚洲精品乱码久久久v下载方式| a级一级毛片免费在线观看| 亚洲精品一区av在线观看| a级毛片免费高清观看在线播放| 好男人在线观看高清免费视频| 夜夜夜夜夜久久久久| 直男gayav资源| 国产激情偷乱视频一区二区| 亚洲av五月六月丁香网| 亚洲国产精品999在线| 精品久久国产蜜桃| 午夜精品在线福利| 最近最新中文字幕大全电影3| 成人高潮视频无遮挡免费网站| 亚洲真实伦在线观看| 亚洲av日韩精品久久久久久密| 国产精华一区二区三区| 午夜久久久久精精品| 成人高潮视频无遮挡免费网站| 亚洲精品一区av在线观看| 亚洲,欧美精品.| 国产视频内射| 一进一出抽搐gif免费好疼| а√天堂www在线а√下载| 人妻丰满熟妇av一区二区三区| 久久精品国产自在天天线| 非洲黑人性xxxx精品又粗又长| 免费av不卡在线播放| 18禁在线播放成人免费| 国产单亲对白刺激| 亚洲国产高清在线一区二区三| 变态另类丝袜制服| 可以在线观看的亚洲视频| 老熟妇乱子伦视频在线观看| 久久久久久久久大av| 国产真实乱freesex| 99久久九九国产精品国产免费| 欧美黄色片欧美黄色片| 美女高潮的动态| 在线观看免费视频日本深夜| 亚洲内射少妇av| 99久国产av精品| 在线观看66精品国产| 亚洲熟妇中文字幕五十中出| 中出人妻视频一区二区| 嫩草影视91久久| 最后的刺客免费高清国语| 一个人看视频在线观看www免费| 亚洲自偷自拍三级| www.熟女人妻精品国产| 色在线成人网| 亚洲成人久久爱视频| 日韩中文字幕欧美一区二区| 69人妻影院| 色5月婷婷丁香| 综合色av麻豆| 九色国产91popny在线| 五月伊人婷婷丁香| 老司机午夜十八禁免费视频| 一级黄色大片毛片| 在线观看美女被高潮喷水网站 | 国产精品野战在线观看| 97人妻精品一区二区三区麻豆| 日韩亚洲欧美综合| 国产乱人伦免费视频| 黄色视频,在线免费观看| 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 | 深夜a级毛片| a在线观看视频网站| 中文字幕高清在线视频| 午夜a级毛片| 午夜激情福利司机影院| 99久久九九国产精品国产免费| 一二三四社区在线视频社区8| 亚洲欧美精品综合久久99| 1000部很黄的大片| 免费观看人在逋| 久久人妻av系列| 国产三级在线视频| 毛片女人毛片| 免费看光身美女| 国产精品三级大全| 亚洲精品456在线播放app | 日韩欧美国产在线观看| av在线观看视频网站免费| 在线观看午夜福利视频| 99久久99久久久精品蜜桃| 国产主播在线观看一区二区| 成人性生交大片免费视频hd| 国产白丝娇喘喷水9色精品| 噜噜噜噜噜久久久久久91| av在线老鸭窝| 日韩中字成人| 老司机午夜十八禁免费视频| 午夜两性在线视频| 欧美激情在线99| 人人妻人人看人人澡| 亚洲精品色激情综合| 国产69精品久久久久777片| 国产视频一区二区在线看| 观看美女的网站| 99热这里只有是精品50| 婷婷色综合大香蕉| 成人性生交大片免费视频hd| 欧美最新免费一区二区三区 | 内地一区二区视频在线| 2021天堂中文幕一二区在线观| 久久久国产成人免费| 麻豆成人av在线观看| 亚洲av一区综合| 午夜免费男女啪啪视频观看 | 免费无遮挡裸体视频| 两个人视频免费观看高清| 搡老熟女国产l中国老女人| 中文字幕熟女人妻在线| 免费人成在线观看视频色| 亚州av有码| 精品午夜福利视频在线观看一区| 欧美又色又爽又黄视频| 精品熟女少妇八av免费久了| 国产精品一区二区三区四区免费观看 | 少妇裸体淫交视频免费看高清| 乱码一卡2卡4卡精品| 国产爱豆传媒在线观看| 欧美xxxx黑人xx丫x性爽| 91九色精品人成在线观看| 亚洲av免费在线观看| 丰满人妻一区二区三区视频av| 日韩av在线大香蕉| 少妇的逼水好多| 国产精品一及| 99久国产av精品| 国产av在哪里看| 可以在线观看的亚洲视频| 亚洲中文字幕日韩| 国产高清有码在线观看视频| 免费av观看视频| 欧美精品国产亚洲| 国产精品永久免费网站| 少妇人妻一区二区三区视频| xxxwww97欧美| 欧美+亚洲+日韩+国产| 午夜精品久久久久久毛片777| 日本成人三级电影网站| 国产一区二区三区在线臀色熟女| 久久人妻av系列| 男人舔女人下体高潮全视频| x7x7x7水蜜桃| 人妻夜夜爽99麻豆av| 国产成人影院久久av| 看十八女毛片水多多多| 精品免费久久久久久久清纯| 亚洲,欧美,日韩| 俄罗斯特黄特色一大片| 亚洲无线观看免费| 听说在线观看完整版免费高清| 色综合婷婷激情| 色综合站精品国产| 天堂网av新在线| 久久99热这里只有精品18| 男人狂女人下面高潮的视频| 搡老岳熟女国产| 国产成人欧美在线观看| 日韩成人在线观看一区二区三区| 午夜激情福利司机影院| ponron亚洲| 成年人黄色毛片网站| 精品不卡国产一区二区三区| 一夜夜www| 看黄色毛片网站| 亚洲av美国av| 亚洲美女搞黄在线观看 | 青草久久国产| 黄色日韩在线| 搡老妇女老女人老熟妇| 久久久久免费精品人妻一区二区| 欧美精品国产亚洲| 尤物成人国产欧美一区二区三区| 美女免费视频网站| 成人av在线播放网站| 国产精品亚洲一级av第二区| 亚洲av熟女| 国产熟女xx| 成年女人永久免费观看视频| 又黄又爽又刺激的免费视频.| av国产免费在线观看| 国产中年淑女户外野战色| 国产高潮美女av| 高清毛片免费观看视频网站| 久久久久国产精品人妻aⅴ院| 91在线精品国自产拍蜜月| 在线观看舔阴道视频| 欧美一区二区国产精品久久精品| 亚洲三级黄色毛片| 久久精品影院6| 精品久久久久久久久久免费视频| 国产精品久久久久久精品电影| 午夜福利成人在线免费观看| 一a级毛片在线观看| 欧美极品一区二区三区四区| 久久精品夜夜夜夜夜久久蜜豆| 亚洲avbb在线观看| 国产真实伦视频高清在线观看 | 精品人妻熟女av久视频| 日韩免费av在线播放| 久久久国产成人免费| 精品人妻偷拍中文字幕| 久久久久九九精品影院| 欧美最新免费一区二区三区 | 日本在线视频免费播放| 国产免费av片在线观看野外av| 国产av一区在线观看免费| 婷婷色综合大香蕉| 国产亚洲欧美98| 亚洲乱码一区二区免费版| 美女高潮的动态| 3wmmmm亚洲av在线观看| 中出人妻视频一区二区| 精品人妻1区二区| 国产精品美女特级片免费视频播放器| 国产一级毛片七仙女欲春2| 日韩欧美精品免费久久 | 欧美一区二区国产精品久久精品| 久久国产精品人妻蜜桃| 久久婷婷人人爽人人干人人爱| 中出人妻视频一区二区| 无遮挡黄片免费观看| 夜夜夜夜夜久久久久| 国产精品久久久久久亚洲av鲁大| 一进一出抽搐动态| ponron亚洲| 国产美女午夜福利| 99久久久亚洲精品蜜臀av| 国内毛片毛片毛片毛片毛片| 99热精品在线国产| 一二三四社区在线视频社区8| 久久久久精品国产欧美久久久| 精品久久久久久久久亚洲 | 午夜福利视频1000在线观看| 黄色日韩在线| 夜夜爽天天搞| 国产精品一区二区三区四区免费观看 | 欧美黑人巨大hd| 亚洲色图av天堂| 男女视频在线观看网站免费| 亚洲精品一卡2卡三卡4卡5卡| 国产精品久久视频播放| 欧美日韩综合久久久久久 | 五月伊人婷婷丁香| 欧美3d第一页| 91av网一区二区| 成年女人毛片免费观看观看9| 国产三级中文精品| 别揉我奶头~嗯~啊~动态视频| 精品一区二区三区人妻视频| a在线观看视频网站| 免费av不卡在线播放| 嫩草影院入口| 在线观看免费视频日本深夜| 一区二区三区免费毛片| 欧美最新免费一区二区三区 | 国产中年淑女户外野战色| 91字幕亚洲| 国产麻豆成人av免费视频| 两个人的视频大全免费| 国产淫片久久久久久久久 | 久久久久久久久大av| 国产大屁股一区二区在线视频| 一进一出好大好爽视频| 久久人妻av系列| 亚洲国产欧洲综合997久久,| 亚洲在线自拍视频| 亚洲av美国av| 亚洲人成网站高清观看| 亚洲av美国av| 夜夜躁狠狠躁天天躁| 国产精品一区二区三区四区久久|