• <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)

    亚洲七黄色美女视频| 亚洲熟妇熟女久久| 亚洲久久久久久中文字幕| 国产精品自产拍在线观看55亚洲| 无遮挡黄片免费观看| 免费电影在线观看免费观看| 欧美xxxx黑人xx丫x性爽| 亚洲av电影不卡..在线观看| 亚洲无线观看免费| 全区人妻精品视频| 女同久久另类99精品国产91| 啦啦啦韩国在线观看视频| 亚洲人成网站在线播| 熟女人妻精品中文字幕| 亚洲狠狠婷婷综合久久图片| 丰满乱子伦码专区| АⅤ资源中文在线天堂| 在线观看美女被高潮喷水网站 | 亚洲狠狠婷婷综合久久图片| 亚洲av电影在线进入| 精华霜和精华液先用哪个| 麻豆久久精品国产亚洲av| 国产精品98久久久久久宅男小说| 一个人看的www免费观看视频| 欧美+日韩+精品| 免费看光身美女| 99国产极品粉嫩在线观看| www.色视频.com| 欧美一区二区国产精品久久精品| 午夜福利欧美成人| 九九在线视频观看精品| 国产色婷婷99| 亚洲在线自拍视频| 18+在线观看网站| 小蜜桃在线观看免费完整版高清| 欧美日韩精品网址| 亚洲真实伦在线观看| 色综合亚洲欧美另类图片| 久久久久久久久大av| 亚洲 欧美 日韩 在线 免费| 国产激情欧美一区二区| 日韩大尺度精品在线看网址| 99热精品在线国产| 国产又黄又爽又无遮挡在线| 日韩欧美在线乱码| 日韩人妻高清精品专区| 国产蜜桃级精品一区二区三区| 亚洲激情在线av| 午夜影院日韩av| 国产精品影院久久| 每晚都被弄得嗷嗷叫到高潮| 亚洲avbb在线观看| 中国美女看黄片| 男女视频在线观看网站免费| 亚洲av电影在线进入| 香蕉av资源在线| 哪里可以看免费的av片| 欧美成人性av电影在线观看| 他把我摸到了高潮在线观看| 亚洲av熟女| 欧美极品一区二区三区四区| 亚洲中文字幕日韩| 久久精品综合一区二区三区| 一边摸一边抽搐一进一小说| 欧美黄色淫秽网站| 观看免费一级毛片| 成年免费大片在线观看| 成人性生交大片免费视频hd| 国产成人aa在线观看| 国产精品影院久久| 色哟哟哟哟哟哟| av国产免费在线观看| 欧美bdsm另类| 不卡一级毛片| 国产免费男女视频| 成人永久免费在线观看视频| 一个人看的www免费观看视频| 亚洲欧美日韩东京热| 九九在线视频观看精品| 国产一区二区激情短视频| 国模一区二区三区四区视频| 亚洲人成伊人成综合网2020| 久久精品国产99精品国产亚洲性色| 俺也久久电影网| 国模一区二区三区四区视频| 51午夜福利影视在线观看| 亚洲欧美日韩高清专用| 国产69精品久久久久777片| 级片在线观看| 午夜两性在线视频| 日韩欧美一区二区三区在线观看| 极品教师在线免费播放| 最后的刺客免费高清国语| 午夜亚洲福利在线播放| or卡值多少钱| 淫秽高清视频在线观看| 女人十人毛片免费观看3o分钟| 国产亚洲精品久久久com| 一级作爱视频免费观看| 国产久久久一区二区三区| 波野结衣二区三区在线 | 国产精品一及| 国产精品久久久久久精品电影| 亚洲精品在线观看二区| 老熟妇乱子伦视频在线观看| 国产精品久久久久久久电影 | 久久久久久大精品| 免费搜索国产男女视频| 一级作爱视频免费观看| 亚洲国产精品久久男人天堂| 欧美绝顶高潮抽搐喷水| 亚洲成人久久性| 日韩欧美精品v在线| 无遮挡黄片免费观看| 97碰自拍视频| 日韩欧美 国产精品| 村上凉子中文字幕在线| 少妇高潮的动态图| 久久国产乱子伦精品免费另类| 国产精品日韩av在线免费观看| 51午夜福利影视在线观看| 国产高清有码在线观看视频| 欧美zozozo另类| 搡老妇女老女人老熟妇| 亚洲精华国产精华精| 日本黄色片子视频| 欧美中文综合在线视频| 国产亚洲精品av在线| 日本与韩国留学比较| 69av精品久久久久久| 午夜久久久久精精品| 亚洲国产高清在线一区二区三| 久久99热这里只有精品18| 久久久久久大精品| 欧美一区二区亚洲| 舔av片在线| 欧美性感艳星| 99riav亚洲国产免费| 亚洲最大成人手机在线| 蜜桃久久精品国产亚洲av| 又紧又爽又黄一区二区| 中文字幕人成人乱码亚洲影| 在线免费观看的www视频| 18禁国产床啪视频网站| 国产精品av视频在线免费观看| 91av网一区二区| 麻豆国产97在线/欧美| 欧美zozozo另类| 日韩欧美精品免费久久 | 免费观看精品视频网站| 亚洲自拍偷在线| 午夜亚洲福利在线播放| 桃色一区二区三区在线观看| 亚洲av中文字字幕乱码综合| 亚洲成av人片在线播放无| 国产伦精品一区二区三区四那| 可以在线观看毛片的网站| a级一级毛片免费在线观看| 亚洲欧美日韩东京热| 动漫黄色视频在线观看| 欧美日韩中文字幕国产精品一区二区三区| 欧美中文日本在线观看视频| 99视频精品全部免费 在线| 免费电影在线观看免费观看| 欧美成人a在线观看| 麻豆国产av国片精品| 啪啪无遮挡十八禁网站| 日韩av在线大香蕉| 国产淫片久久久久久久久 | 精品免费久久久久久久清纯| 国产高清三级在线| 大型黄色视频在线免费观看| 丰满乱子伦码专区| 操出白浆在线播放| 国产三级在线视频| www.色视频.com| 一二三四社区在线视频社区8| 露出奶头的视频| 久久亚洲真实| 婷婷丁香在线五月| 国产又黄又爽又无遮挡在线| 成年版毛片免费区| 亚洲无线在线观看| 99热6这里只有精品| 亚洲中文日韩欧美视频| 99久久久亚洲精品蜜臀av| av欧美777| 97超视频在线观看视频| 亚洲av免费在线观看| 久久6这里有精品| 精品熟女少妇八av免费久了| 国产精品一区二区免费欧美| 国产野战对白在线观看| 真人一进一出gif抽搐免费| 看黄色毛片网站| 最好的美女福利视频网| 久久久久久大精品| 亚洲欧美日韩卡通动漫| 两个人视频免费观看高清| 免费看十八禁软件| 免费在线观看亚洲国产| svipshipincom国产片| 免费看光身美女| 久久精品夜夜夜夜夜久久蜜豆| 国产亚洲av嫩草精品影院| 窝窝影院91人妻| 亚洲精品亚洲一区二区| 欧美性猛交黑人性爽| 国产成人影院久久av| 国产淫片久久久久久久久 | 日本成人三级电影网站| 欧美一区二区精品小视频在线| 亚洲激情在线av| 最近最新免费中文字幕在线| 日韩欧美在线二视频| 午夜日韩欧美国产| 亚洲av中文字字幕乱码综合| 一个人看的www免费观看视频| 午夜福利欧美成人| 国产精品自产拍在线观看55亚洲| 欧美日韩福利视频一区二区| 午夜久久久久精精品| av天堂中文字幕网| 国产一区二区在线观看日韩 | 91在线精品国自产拍蜜月 | 中文字幕熟女人妻在线| 亚洲在线观看片| 丁香欧美五月| 欧美成人a在线观看| 最新美女视频免费是黄的| 一级黄色大片毛片| 波多野结衣高清无吗| 日韩欧美精品v在线| 国产欧美日韩精品亚洲av| 99riav亚洲国产免费| 中出人妻视频一区二区| 99热精品在线国产| 国产精品久久久久久亚洲av鲁大| 超碰av人人做人人爽久久 | 人人妻人人看人人澡| 亚洲专区国产一区二区| 又粗又爽又猛毛片免费看| 精品国产美女av久久久久小说| 成人无遮挡网站| 亚洲国产中文字幕在线视频| 99久久九九国产精品国产免费| 日韩精品青青久久久久久| 亚洲av一区综合| 夜夜躁狠狠躁天天躁| 中文字幕人成人乱码亚洲影| 成年免费大片在线观看| 日本黄色视频三级网站网址| 国产黄a三级三级三级人| 黄色片一级片一级黄色片| 精品人妻一区二区三区麻豆 | 亚洲国产精品成人综合色| 1024手机看黄色片| 免费在线观看日本一区| 村上凉子中文字幕在线| 国产精品嫩草影院av在线观看 | 一区二区三区免费毛片| 国产精品永久免费网站| 熟妇人妻久久中文字幕3abv| 三级男女做爰猛烈吃奶摸视频| av天堂在线播放| or卡值多少钱| 黄色片一级片一级黄色片| 久久久精品大字幕| 嫩草影视91久久| 嫁个100分男人电影在线观看| 国产精品乱码一区二三区的特点| 国产私拍福利视频在线观看| 99精品久久久久人妻精品| 香蕉久久夜色| 2021天堂中文幕一二区在线观| 国产精品香港三级国产av潘金莲| 亚洲性夜色夜夜综合| 亚洲成a人片在线一区二区| 美女被艹到高潮喷水动态| 老熟妇仑乱视频hdxx| 日本a在线网址| 精品久久久久久久人妻蜜臀av| 丰满人妻一区二区三区视频av | 99久久99久久久精品蜜桃| 五月伊人婷婷丁香| 亚洲五月天丁香| 欧美丝袜亚洲另类 | 日韩人妻高清精品专区| 男女床上黄色一级片免费看| 夜夜夜夜夜久久久久| 婷婷精品国产亚洲av| 色吧在线观看| 国产精品久久久久久久久免 | 制服人妻中文乱码| 一级黄色大片毛片| 日韩 欧美 亚洲 中文字幕| 欧美一区二区亚洲| 亚洲第一欧美日韩一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 欧美av亚洲av综合av国产av| 69av精品久久久久久| 免费观看精品视频网站| 深夜精品福利| 国产精品一区二区免费欧美| 色噜噜av男人的天堂激情| 日本一二三区视频观看| 一级毛片高清免费大全| 日本五十路高清| 亚洲18禁久久av| 国产精品久久久久久人妻精品电影| 国产中年淑女户外野战色| 免费一级毛片在线播放高清视频| 91字幕亚洲| 两个人视频免费观看高清| 国内精品久久久久精免费| 日韩欧美精品v在线| 成人无遮挡网站| 小蜜桃在线观看免费完整版高清| 村上凉子中文字幕在线| 99在线人妻在线中文字幕| 俺也久久电影网| 国产高清videossex| 成人特级黄色片久久久久久久| 亚洲内射少妇av| 97超级碰碰碰精品色视频在线观看| 中文字幕高清在线视频| 一a级毛片在线观看| 成人鲁丝片一二三区免费| 国产精品综合久久久久久久免费| 亚洲欧美日韩卡通动漫| 午夜精品一区二区三区免费看| 免费看a级黄色片| 搡老妇女老女人老熟妇| 国产成人aa在线观看| 看片在线看免费视频| 精品一区二区三区视频在线观看免费| 国产欧美日韩精品亚洲av| 狂野欧美激情性xxxx| 在线观看66精品国产| 久久久久久久久大av| 午夜激情福利司机影院| 亚洲av成人不卡在线观看播放网| 很黄的视频免费| 亚洲 国产 在线| 国产精华一区二区三区| 欧美+日韩+精品| 亚洲精品色激情综合| 热99re8久久精品国产| 国产精品一区二区三区四区免费观看 | 国产成人欧美在线观看| 日韩欧美在线乱码| 国产午夜精品久久久久久一区二区三区 | 一本综合久久免费| 亚洲国产欧洲综合997久久,| 看免费av毛片| 色综合站精品国产| 亚洲成av人片在线播放无| 露出奶头的视频| 天堂av国产一区二区熟女人妻| 搡女人真爽免费视频火全软件 | 人人妻,人人澡人人爽秒播| 亚洲国产欧洲综合997久久,| 51国产日韩欧美| netflix在线观看网站| 男女下面进入的视频免费午夜| 国产精品嫩草影院av在线观看 | 国产精品爽爽va在线观看网站| 99久久精品国产亚洲精品| 欧美绝顶高潮抽搐喷水| 午夜福利高清视频| 在线免费观看的www视频| 午夜福利视频1000在线观看| 国产伦在线观看视频一区| 男女床上黄色一级片免费看| 亚洲人与动物交配视频| 国产黄片美女视频| 九九热线精品视视频播放| 99久久精品一区二区三区| 国产三级黄色录像| 在线播放无遮挡| 极品教师在线免费播放| 国产精品99久久久久久久久| 久久香蕉国产精品| 色尼玛亚洲综合影院| 成人国产一区最新在线观看| 亚洲av第一区精品v没综合| e午夜精品久久久久久久| 天堂网av新在线| 日韩欧美 国产精品| 久久香蕉国产精品| 久久久国产成人精品二区| 国产精品久久久久久久电影 | 99热精品在线国产| 国产蜜桃级精品一区二区三区| 一级黄片播放器| 国内精品美女久久久久久| 99国产综合亚洲精品| 国产精品亚洲av一区麻豆| 欧美精品啪啪一区二区三区| 亚洲激情在线av| 国产美女午夜福利| 熟女电影av网| 男女之事视频高清在线观看| 成人鲁丝片一二三区免费| 小说图片视频综合网站| 在线观看美女被高潮喷水网站 | 国产高清视频在线播放一区| 亚洲欧美日韩卡通动漫| 色综合婷婷激情| 欧美黑人欧美精品刺激| 熟女少妇亚洲综合色aaa.| 亚洲精品在线观看二区| 一本一本综合久久| 欧美最新免费一区二区三区 | 色吧在线观看| 欧美日韩亚洲国产一区二区在线观看| av天堂在线播放| 午夜精品久久久久久毛片777| 久久香蕉精品热| 欧美一区二区国产精品久久精品| 怎么达到女性高潮| 91麻豆精品激情在线观看国产| 亚洲国产中文字幕在线视频| 精品电影一区二区在线| 中文资源天堂在线| 国产欧美日韩精品亚洲av| 国产av一区在线观看免费| www日本黄色视频网| 免费在线观看成人毛片| 三级国产精品欧美在线观看| 免费看十八禁软件| 少妇高潮的动态图| 日韩欧美免费精品| 少妇的逼水好多| 国产精品一区二区三区四区久久| 国产久久久一区二区三区| 亚洲真实伦在线观看| 久久精品91无色码中文字幕| 搞女人的毛片| 噜噜噜噜噜久久久久久91| 免费观看精品视频网站| 国产欧美日韩一区二区三| 老司机福利观看| 国产精品久久久久久亚洲av鲁大| 亚洲最大成人手机在线| 亚洲av二区三区四区| 一夜夜www| 亚洲成av人片在线播放无| 亚洲av成人av| 色尼玛亚洲综合影院| 搡老岳熟女国产| 国产成人av教育| 成人欧美大片| 97人妻精品一区二区三区麻豆| 国产精品美女特级片免费视频播放器| 亚洲人成网站在线播放欧美日韩| av视频在线观看入口| 国产熟女xx| 国产黄a三级三级三级人| 国产在线精品亚洲第一网站| 一区福利在线观看| 亚洲精品456在线播放app | 最近最新中文字幕大全电影3| avwww免费| 欧美一级毛片孕妇| 伊人久久大香线蕉亚洲五| 久久午夜亚洲精品久久| 久久国产精品影院| 日韩av在线大香蕉| 少妇高潮的动态图| 高潮久久久久久久久久久不卡| 久久中文看片网| 在线播放国产精品三级| 中文字幕人成人乱码亚洲影| www国产在线视频色| 亚洲乱码一区二区免费版| 色视频www国产| 亚洲精品一区av在线观看| 很黄的视频免费| 大型黄色视频在线免费观看| 99在线视频只有这里精品首页| 国产亚洲精品久久久久久毛片| 国模一区二区三区四区视频| 亚洲色图av天堂| 一个人观看的视频www高清免费观看| 老司机深夜福利视频在线观看| 国产精品女同一区二区软件 | 中国美女看黄片| 老司机在亚洲福利影院| 51午夜福利影视在线观看| 99国产精品一区二区三区| 观看美女的网站| 久久精品国产综合久久久| 国产一区二区三区在线臀色熟女| 看黄色毛片网站| 色综合站精品国产| 在线国产一区二区在线| 国产精品爽爽va在线观看网站| 成人精品一区二区免费| 国产欧美日韩精品亚洲av| 国产成人av激情在线播放| 欧美黄色片欧美黄色片| 国产又黄又爽又无遮挡在线| 国产主播在线观看一区二区| 法律面前人人平等表现在哪些方面| 日韩 欧美 亚洲 中文字幕| 国产精品久久久久久久久免 | 亚洲一区二区三区色噜噜| 99riav亚洲国产免费| 久久香蕉精品热| 免费看十八禁软件| 在线a可以看的网站| 精品久久久久久久末码| h日本视频在线播放| 免费人成视频x8x8入口观看| 色老头精品视频在线观看| 久久久久久久精品吃奶| 久久久久国产精品人妻aⅴ院| 性色av乱码一区二区三区2| 亚洲国产日韩欧美精品在线观看 | 日韩欧美在线乱码| 亚洲性夜色夜夜综合| 在线观看舔阴道视频| 免费大片18禁| 香蕉久久夜色| 男女之事视频高清在线观看| 内射极品少妇av片p| 一个人免费在线观看电影| 国产免费男女视频| 国产伦人伦偷精品视频| 搞女人的毛片| 一夜夜www| www日本在线高清视频| 天美传媒精品一区二区| 午夜日韩欧美国产| 国产三级黄色录像| 丁香六月欧美| 淫秽高清视频在线观看| 久久精品国产综合久久久| 欧美性感艳星| 老司机深夜福利视频在线观看| 久久久久久久精品吃奶| 婷婷精品国产亚洲av| www.www免费av| 亚洲中文字幕一区二区三区有码在线看| 男人和女人高潮做爰伦理| 日本免费一区二区三区高清不卡| 三级毛片av免费| 2021天堂中文幕一二区在线观| 久久精品国产99精品国产亚洲性色| 亚洲成人中文字幕在线播放| 法律面前人人平等表现在哪些方面| 丰满的人妻完整版| 精品久久久久久久久久免费视频| 国产欧美日韩精品亚洲av| 精品久久久久久久人妻蜜臀av| 国产亚洲欧美在线一区二区| 在线观看舔阴道视频| 午夜亚洲福利在线播放| 国产精品一区二区三区四区免费观看 | 九色成人免费人妻av| 波多野结衣巨乳人妻| 免费看美女性在线毛片视频| 757午夜福利合集在线观看| 色精品久久人妻99蜜桃| 亚洲 欧美 日韩 在线 免费| 亚洲国产色片| 99国产极品粉嫩在线观看| 成年免费大片在线观看| 国产不卡一卡二| 真实男女啪啪啪动态图| 国产av不卡久久| 亚洲成av人片在线播放无| 一夜夜www| av福利片在线观看| 成年人黄色毛片网站| 精品人妻偷拍中文字幕| 欧美黄色淫秽网站| 久久这里只有精品中国| 国产 一区 欧美 日韩| 国产一区二区激情短视频| 香蕉久久夜色| 欧美黑人巨大hd| 精品一区二区三区人妻视频| 日韩有码中文字幕| 日本与韩国留学比较| 法律面前人人平等表现在哪些方面| 日韩欧美三级三区| 色综合婷婷激情| 欧美成人性av电影在线观看| 波野结衣二区三区在线 | 脱女人内裤的视频| 舔av片在线| 少妇高潮的动态图| 黄片大片在线免费观看| 三级国产精品欧美在线观看| 免费在线观看亚洲国产| 久久精品国产自在天天线| 九色国产91popny在线| 女生性感内裤真人,穿戴方法视频| 一本综合久久免费| 嫩草影院入口| 亚洲成人久久性| e午夜精品久久久久久久| 最新中文字幕久久久久| 国产精品一区二区免费欧美| 欧美性猛交黑人性爽| 日韩精品中文字幕看吧| 亚洲成av人片免费观看| 人人妻,人人澡人人爽秒播| 欧美另类亚洲清纯唯美| www.999成人在线观看| 免费av观看视频| 国产高清有码在线观看视频| 在线观看免费视频日本深夜|