• <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 ?

    一種對fMRI數(shù)據(jù)分類的加權(quán)隨機SVM集群算法

    2019-10-18 02:57:59王志剛胥茜畢夏安
    軟件導刊 2019年9期

    王志剛 胥茜 畢夏安

    摘 要:如何從小樣本、高維度特性的功能磁共振成像(fMRI)數(shù)據(jù)中識別出內(nèi)在的腦區(qū)活動模式,對理解人腦意義重大。隨著模式識別技術(shù)和機器學習算法的發(fā)展,fMRI的分類研究也引起了人們的重視。提出一種對fMRI數(shù)據(jù)分類的加權(quán)隨機SVM集群(WRSVMC)算法。該算法分為兩步,首先通過隨機選擇樣本和特征建立多個SVM,以構(gòu)建集成分類器;然后在投票過程中,對每個SVM賦權(quán)重,以優(yōu)化模型的集成性能。結(jié)合fMRI數(shù)據(jù)和圖論特征,采用WRSVMC算法對輕度認知障礙(MCI)患者數(shù)據(jù)展開分類研究。結(jié)果表明,準確率最高可達87.67%。該方法能幫助醫(yī)師對MCI患者進行輔助診斷。

    關(guān)鍵詞:fMRI分類;加權(quán)隨機SVM集群;圖論特征;輕度認知障礙

    DOI:10. 11907/rjdk. 191824 開放科學(資源服務)標識碼(OSID):

    中圖分類號:TP312文獻標識碼:A 文章編號:1672-7800(2019)009-0093-04

    A Weighted Random SVM Cluster Algorithm for Classifying fMRI Data

    WANG Zhi-gang, XU Qian, BI Xia-an

    (College of Information Science and Engineering, Hunan Normal University, Changsha 410081, China)

    Abstract: How to identify intrinsic brain activity patterns from small-sample and high-dimensional functional magnetic resonance imaging (fMRI) data is of great significance for understanding the human brain. With the development of pattern recognition technology and machine learning algorithm, the classification of fMRI has also attracted people's attention. This paper presents a weighted random SVM cluster (WRSVMC) algorithm for fMRI data classification. The algorithm is divided into two steps. Firstly, multiple SVMs are established by randomly selecting samples and features to construct an integrated classifier. Then, in the voting process, each SVM is weighted to optimize the integration performance of the model. Combined with fMRI data and graph theory characteristics, WRSVMC algorithm is used to classify the data of patients with mild cognitive impairment (MCI). The results show that the highest accuracy rate is 87.67%. This method can help doctors diagnose MCI patients.

    Key Words: fMRI classification; weighted random SVM cluster; graph theory characteristics; mild cognitive impairment

    0 引言

    在眾多神經(jīng)影像成像技術(shù)中,fMRI由于其無創(chuàng)傷、無需注射放射性示蹤物以及良好的時間和空間分辨率等優(yōu)點,在腦研究領域得到了廣泛應用。fMRI主要基于血氧水平依賴(Blood Oxygenation Level Dependent,BOLD)對比度增強原理間接反映神經(jīng)元活動,從而創(chuàng)建腦功能活動圖譜。它不僅專注于對大腦組織進行成像,而且能根據(jù)被執(zhí)行的外在刺激任務,跟蹤腦血液流向的不同區(qū)域,從而定位那些能夠?qū)崿F(xiàn)特定腦功能和認知的腦區(qū),為探討高級腦功能和研究腦疾病提供了技術(shù)基礎。

    文獻[1]利用fMRI圖像診斷輕度認知障礙(Mild Cognitive Impairment,MCI)癥狀時,選擇單個體素的BOLD曲線變化率作為數(shù)據(jù)特征并結(jié)合SVM算法進行分類,準確率最高可達75%;文獻[2]運用改進的譜聚類算法提取fMRI數(shù)據(jù)模式特征,再用SVM分類器進行分類,準確率達82%;文獻[3]在AD的fMRI分類研究中,通過使用獨立成分分析方法提取AD和正常認知的組間特征,再利用SVM分類器對AD患者進行識別,平均準確率最高達97.82%;文獻[4]在利用fMRI圖像判別精神抑郁癥時,使用SVM作為分類器,通過粒子種群算法提取最優(yōu)超參數(shù)組合,基于整體測試集的分類準確率可達到84.62%;文獻[5]通過提取BOLD-fMRI信號的獨立成分作為腦功能連接網(wǎng)絡的節(jié)點,用滑動時間窗口構(gòu)建動態(tài)功能網(wǎng)絡,然后將網(wǎng)絡特征輸入到SVM分類器中以識別精神分裂癥患者,準確率高達80.36%。

    Sidhu等[6]在注意缺陷多動障礙(Attention-Deficit Hyperactivity Disorder,ADHD)的分類研究中,基于表型數(shù)據(jù)(年齡、性別、手性、IQ等)和fMRI數(shù)據(jù),通過使用快速傅里葉變換和主成分分析進行降維,并結(jié)合SVM算法對ADHD患者和健康組對照分類,準確率高達76%;Khazaee等[7]對AD的fMRI分類研究中,通過構(gòu)建圖功能連接網(wǎng)絡獲取圖論特征,并將圖論特征輸入到SVM分類器里,在AD患者和正常認知的分類實驗中實現(xiàn)了100%的分類準確率;Sato等[8]在對重度抑郁癥(major depression,MD)的fMRI分類研究中,使用最大熵線性判別分析對MD患者和健康組進行對照識別,留一交叉驗證準確率高達78.26。2018年,F(xiàn)eczko等[9]在對ASD患者的fMRI分類研究中,使用功能隨機森林(Functional Random Forest,F(xiàn)RF)算法對ASD兒童和健康組對照進行分類,準確率達72.7%。

    在基于機器學習(ML)的fMRI應用研究中,SVM由于其特有的小數(shù)據(jù)學習方法、泛化性能強等優(yōu)點而受到廣泛關(guān)注,并在某些疾病的識別上取得了良好效果。但是fMRI圖像數(shù)據(jù)帶有大量噪聲,僅僅依靠單一的SVM模型很難實現(xiàn)穩(wěn)定和準確的分類。因此,傳統(tǒng)ML模型尤其是SVM算法還存在改進空間。

    本文提出的加權(quán)隨機SVM集群(WRSVMC)算法對隨機SVM分類器集群作進一步加權(quán),以提高模型的集成性能,用來提取最優(yōu)特征子集,并進一步檢測引發(fā)疾病的異常腦區(qū),為腦疾病的研究提供新的視角。所采用的靜息態(tài)fMRI數(shù)據(jù)來源于ADNI數(shù)據(jù)庫。

    1 隨機SVM集群簡介

    在研究靜息態(tài)fMRI數(shù)據(jù)構(gòu)成的功能網(wǎng)絡中,一般采用兩兩腦區(qū)時間序列之間的皮爾遜相關(guān)系數(shù),衡量腦區(qū)之間的功能性關(guān)系。近年來,圖論特征也被廣泛應用于fMRI分類。但這兩種特征都因其高維特性而易引發(fā)“維災難”。全面利用小樣本、高維度的fMRI數(shù)據(jù)集,并從中挖掘有意義的信息,是一項非常困難的工作。因此降維是分析的首要任務,傳統(tǒng)的降維技術(shù)有主成分分析(PCA)、等度量映射(Isomap)和線性判別分析(LDA)等,然而降維后會導致部分信息損失,且低維度特征不方便進行解釋。更好的方法是從原始特征中直接提取對算法分類性能具有強影響力的特征,以降低圖像噪聲給判別任務帶來的不利影響。

    SVM模型的數(shù)據(jù)分類表現(xiàn)優(yōu)秀,尤其是小樣本、高維度的fMRI圖像數(shù)據(jù)。但由于高圖像噪聲,單個SVM很難獲得穩(wěn)定、魯棒的泛化能力。2018年,文獻[10]提出了隨機SVM集群(Random SVM Cluster,RSVMC)的思想,運用多個SVM分類器進行組合預測,通過集成學習使得好壞不等的SVM分類器最終形成一個強大的集成分類器,從而獲得比單個SVM更加優(yōu)秀的泛化性能。

    RSVMC雖然解決了單個SVM分類算法中的弊端,也提升了分類準確率,但仍有改進空間。各SVM分類能力不同,其中部分SVM分類效果相對較差,而且采用同等權(quán)重的投票原則,忽略了分類器之間存在的強弱差異,影響了模型整體性能。

    2 加權(quán)隨機SVM集群原理

    2.1 基本原理

    為了提高RSVMC集群中分類能力優(yōu)秀的SVM在投票過程中的影響力,同時降低分類能力欠佳的SVM的作用,通過對不同SVM基分類器進行賦權(quán),最終形成更穩(wěn)定且準確率更高的加權(quán)隨機SVM集群,如圖1所示。

    2.2 實現(xiàn)方法

    在實驗數(shù)據(jù)集D的劃分過程中,將D隨機劃分為測試集Test和訓練驗證合集S,其中,測試集Test用來測試整個新集群的泛化能力。而合集S再被細分為訓練集[Strain]和驗證集[Svalidation],[Strain]用來訓練SVM基分類器,[Svalidation]用來獲取SVM的權(quán)重。在每次訓練SVM基學習器時,都要將合集[S]隨機劃分為[Strain]和[Svalidation],以保持基學習器的多樣性。算法主要分為4個步驟,WRSVMC構(gòu)建流程如圖2所示。

    步驟1:每次訓練SVM時,都要隨機挑選訓練樣本和特征。假設總共有d維特征,根據(jù)經(jīng)驗挑選特征數(shù)[d]。

    步驟2:用訓練集[Strain]訓練SVM基學習器。

    步驟3:用驗證集[Svalidation]獲取SVMs的分類結(jié)果,根據(jù)分類準確率對SVMs進行加權(quán),權(quán)重計算公式為:

    其中,[Tcorrectl]表示驗證集中,被第一個SVM分類正確的樣本數(shù),[TL]是驗證樣本總數(shù)。

    步驟4:將這些加權(quán)SVM分類器進行組合,從而實現(xiàn)加權(quán)集成。

    2.3 性能評價指標

    預測測試集中每一個待分類樣本的類別。首先,將每個樣本通過隨機SVM集群分類器檢測并經(jīng)過加權(quán)統(tǒng)計,屬于a類別的總票數(shù)記為[Sa]:

    其中,[fix]是測試樣本x被第i個SVM預測的結(jié)果,[Ι? ]是指示函數(shù),若測試樣本x被SVM預測為a類,取值為1,否則為0。

    對于新樣本的類別,經(jīng)過加權(quán)后選出票數(shù)最多的類別A作為樣本最終類別:

    由于樣本類別已知,通過對比預測類別和真實類別,可以得到測試集樣本分類正確的樣本數(shù)量,記為[Ttrue],若T為測試樣本總數(shù),則Pre是WRSVMC的分類準確率:

    3 WRSVMC在fMRI中的應用

    按圖論理論將fMRI數(shù)據(jù)構(gòu)建成腦功能網(wǎng)絡?;谧詣咏馄蕵擞洠ˋnatomical Automatic Labeling,AAL)圖譜將大腦劃分為90個腦區(qū),構(gòu)成90個網(wǎng)絡節(jié)點;通過計算節(jié)點之間的皮爾遜相關(guān)系數(shù)得到網(wǎng)絡的邊,這些邊代表靜息狀態(tài)腦區(qū)之間的功能連通性,生成一個90×90的對稱相關(guān)矩陣。用閾值[v∈[1,0]]對矩陣進行二值化處理,如果邊的權(quán)重絕對值大于[v],則邊值為1,否則為0。

    在構(gòu)建好的網(wǎng)絡中分別選取最短路徑、度數(shù)、局部效率和聚類系數(shù)4個局部圖論指標。每個網(wǎng)絡都有4 005條最短路徑特征,其它3個指標各有90個特征,共計4 275個特征用作WRSVMC分類器的原始輸入。

    定義原始實驗樣本集為[Hh,ChNh=1],其中,N為實驗樣本集總數(shù),[Hh=(Hh,1,Hh,2,?,Hh,k)T]為每位被試的k維樣本特征,[Hh,k]表示第h個被試的第k個樣本特征,[Ch∈{+1,-1}]為類別標簽。

    通過特征保留找到400個重要特征,從中提取最優(yōu)特征子集,最后搜尋相關(guān)腦區(qū)。

    在特征保留過程中,首先保留準確率大于50%的SVM基分類器,然后將這些SVM選擇的特征乘上對應的權(quán)重作為特征的權(quán)重系數(shù),記為[Weigthj]:

    將同一維樣本特征的權(quán)重系數(shù)合并,最終篩選出權(quán)重系數(shù)排名前400的特征為重要特征,流程如圖3所示。

    為了篩選出與疾病關(guān)聯(lián)密切的最優(yōu)特征子集,還需對重要特征作進一步優(yōu)化。在保留前q個特征的情況下計算分類準確率,q的取值范圍為[{70,72,?,400}]。最優(yōu)特征子集的個數(shù)為分類準確率最高時所對應的q值。

    異常特征次數(shù)與腦區(qū)頻率是相對應的,在獲得具有強分辨力的異常特征后,可以找到與之關(guān)聯(lián)的異常腦區(qū),其頻率可以用來度量不同腦區(qū)對WRSVMC分類性能的影響。某腦區(qū)的頻率越高,則其對WRSVMC的影響越大,與被研究的腦疾病越相關(guān)。

    4 WRSVMC性能分析

    在同樣環(huán)境下分別用WRSVMC、RSVMC和隨機森林算法對fMRI數(shù)據(jù)進行50次MCI分類對比實驗。從圖4所示的泛化性能對比可以看出,WRSVMC擁有相對較高的分類準確度,其范圍為75%~85%。而RSVMC和隨機森林的準確度范圍相對較低??梢奧RSVMC在MCI分類應用中的準確率更高,整體泛化能力也更好。

    當WRSVMC準確率達到最高時,其SVM基分類器數(shù)目即為最優(yōu)基分類器數(shù)目。將SVM的數(shù)量逐步從20個增加到600個,步長為10,計算在不同基分類器數(shù)量下WRSVMC的分類準確率。從圖5可以看出,隨著基分類器數(shù)目遞增,準確率呈現(xiàn)增加趨勢,在500時達到了83.56%的最高準確率,并趨于穩(wěn)定。因此,500被選為最優(yōu)基分類器數(shù)目。

    5 結(jié)語

    本文將靜息態(tài)fMRI與圖論相結(jié)合,運用WRSVMC算法輔助判別MCI患者。算法不僅可以提高判別準確率,而且可以用于檢測大腦異常區(qū)域,為MCI的診斷提供了有價值的視角。但實驗還存在一定缺陷:由于AAL模板將大腦劃分為90個腦區(qū),對于復雜的大腦而言這種劃分規(guī)模仍然不夠細;4個圖論指標的選定是基于現(xiàn)有文獻進行的,將來應考慮其它重要指標以增強指標的多樣性;實驗采用fMRI數(shù)據(jù),在后續(xù)研究中,可以考慮采用磁共振成像等其它模式數(shù)據(jù),使分類和預測信息更加全面。

    參考文獻:

    [1] 呂艷陽,相潔. 基于SVM的fMRI數(shù)據(jù)分類及MCI診斷應用[J]. 計算機工程與設計,2013,34(9): 3313-3317.

    [2] 趙冬琴,相潔. 基于譜聚類的MCI功能影像分類特征選擇研究[J]. 計算機工程與設計,2014,35(4):1379-1384.

    [3] 楊文璐,李彥. 基于功能磁共振影像的阿爾茨海默病分類研究[J]. 安徽大學學報:自然科學版,2015(3):88-95.

    [4] 張濤,張明輝,李清偉,等. 基于粒子群-支持向量機的時間序列分類診斷模型[J]. 同濟大學學報:自然科學版,2016,44(9): 1450-1457.

    [5] 馬士林,梅雪,李微微. fMRI動態(tài)功能網(wǎng)絡構(gòu)建及其在腦部疾病識別中的應用[J]. 計算機科學,2016,43(10): 317-321.

    [6] SIDHU G,ASGARIAN N,GREINER R,et al. Kernel principal component analysis for dimensionality reduction in fMRI-based diagnosis of ADHD[J]. ?Frontiers in Systems Neuroscience,2012(6): 74.

    [7] KHAZAEE A,EBRAHIMZADEH A,BABAJANI-FEREMI A. Identifying patients with Alzheimer's disease using resting-state fMRI and graph theory[J]. Clinical Neurophysiology,2015,126(11):2132-2141.

    [8] SATO JR,MOLL J,GREEN S, et al. Machine learning algorithm accurately detects fMRI signature of vulnerability to major depression[J]. ?Psychiatry Research: Neuroimaging,2015,233(2):289-291.

    [9] FECZKO E,BALBA N,MIRANDA-DOMINGUEZ O,et al. Subtyping cognitive profiles in autism spectrum disorder using a functional random forest algorithm[J]. Neuroimage,2018,172(12):674-688.

    [10] BI X,JIANG Q,SUN Q,et al. Analysis of Alzheimer's disease based on the random neural network cluster in fMRI[J]. ?Frontiers in Neuroinformatics, 2018(12): 60.

    [11] 張兆晨,冀俊忠. 基于循環(huán)神經(jīng)網(wǎng)絡的時序fMRI數(shù)據(jù)分類方法研究[J]. 小型微型計算機系統(tǒng),2018,39(7):1426-1430.

    [12] IIDAKA T. Resting state functional magnetic resonance imaging and neural network classified autism and control[J]. Cortex, 2015,63: 55-67.

    [13] DESHPANDE G,WANG P,RANGAPRAKASH D,et al. Fully connected cascade artificial neural network architecture for attention deficit hyperactivity disorder classification from functional magnetic resonance imaging data[J]. Ieee Transactions on Cybernetics, 2015, 45(12): 2668-2679.

    [14] SUK H,WEE C,LEE S,et al. State-space model with deep learning for functional dynamics estimation in resting-state fMRI[J]. Neuroimage,2016,129:292-307.

    [15] BI X,WANG Y,SHU Q,et al. Classification of autism spectrum disorder using random support vector machine cluster[J]. ?Frontiers in Genetics,2018(9): 18.

    (責任編輯:孫 娟)

    国产午夜精品一二区理论片| xxx大片免费视频| 亚洲国产精品专区欧美| 熟女电影av网| 大香蕉久久网| 国产色婷婷99| 亚洲第一av免费看| 精品亚洲成国产av| 麻豆乱淫一区二区| 成人手机av| 卡戴珊不雅视频在线播放| 午夜激情久久久久久久| 七月丁香在线播放| 成人漫画全彩无遮挡| 国产免费一区二区三区四区乱码| 一区二区三区四区激情视频| 大片免费播放器 马上看| 亚洲,一卡二卡三卡| 久久久久视频综合| 亚洲美女黄色视频免费看| 天天操日日干夜夜撸| 美女福利国产在线| 在线看a的网站| 成人综合一区亚洲| 老熟女久久久| 97超碰精品成人国产| 性高湖久久久久久久久免费观看| 各种免费的搞黄视频| 久久久久久伊人网av| 午夜久久久在线观看| 黑人欧美特级aaaaaa片| 制服人妻中文乱码| 男男h啪啪无遮挡| √禁漫天堂资源中文www| 亚洲欧美精品自产自拍| 亚洲欧美成人综合另类久久久| 在线天堂最新版资源| 国产男女超爽视频在线观看| av.在线天堂| 欧美3d第一页| 欧美成人午夜精品| 午夜免费鲁丝| 日韩av不卡免费在线播放| 欧美最新免费一区二区三区| 国产日韩欧美在线精品| 免费观看a级毛片全部| 91国产中文字幕| 国产福利在线免费观看视频| 亚洲伊人久久精品综合| 免费av中文字幕在线| 热re99久久国产66热| 色婷婷久久久亚洲欧美| 一级毛片我不卡| av一本久久久久| 亚洲欧美成人综合另类久久久| 国产欧美日韩综合在线一区二区| 国产精品人妻久久久影院| 欧美精品av麻豆av| 国产亚洲精品久久久com| 少妇人妻精品综合一区二区| 天堂俺去俺来也www色官网| 如何舔出高潮| 国产精品99久久99久久久不卡 | 日韩欧美一区视频在线观看| 激情视频va一区二区三区| 在线 av 中文字幕| 丰满少妇做爰视频| 国产1区2区3区精品| 少妇人妻 视频| 黄色一级大片看看| 91久久精品国产一区二区三区| 国产一区二区在线观看日韩| 亚洲精品日韩在线中文字幕| 男女啪啪激烈高潮av片| 婷婷色麻豆天堂久久| 国产女主播在线喷水免费视频网站| 国产又爽黄色视频| av在线观看视频网站免费| 伦精品一区二区三区| www.色视频.com| 精品福利永久在线观看| av网站免费在线观看视频| 99视频精品全部免费 在线| 久久久国产精品麻豆| 久久精品aⅴ一区二区三区四区 | a级毛片在线看网站| 精品少妇内射三级| 国产精品不卡视频一区二区| 男人舔女人的私密视频| 免费黄网站久久成人精品| a级毛片黄视频| 在线观看三级黄色| 亚洲成人av在线免费| 久久99精品国语久久久| av.在线天堂| 亚洲国产日韩一区二区| 看十八女毛片水多多多| 久久久久国产网址| 女人久久www免费人成看片| 久热这里只有精品99| 久久99热6这里只有精品| 午夜精品国产一区二区电影| 亚洲国产欧美日韩在线播放| 美女国产高潮福利片在线看| 99久国产av精品国产电影| 看免费av毛片| 中文字幕av电影在线播放| av天堂久久9| 亚洲内射少妇av| 国产精品国产三级国产av玫瑰| videossex国产| 99热6这里只有精品| 久久久a久久爽久久v久久| 十八禁高潮呻吟视频| 日韩电影二区| 国产一区二区激情短视频 | 成人亚洲精品一区在线观看| 在线观看免费视频网站a站| 亚洲人成网站在线观看播放| 国产精品不卡视频一区二区| 夫妻性生交免费视频一级片| 成年美女黄网站色视频大全免费| 午夜日本视频在线| 国产黄色免费在线视频| 人人妻人人澡人人看| av一本久久久久| 亚洲欧洲日产国产| 99九九在线精品视频| 亚洲成人手机| 美女xxoo啪啪120秒动态图| 街头女战士在线观看网站| 天堂中文最新版在线下载| 看十八女毛片水多多多| 久久精品人人爽人人爽视色| 日韩,欧美,国产一区二区三区| 午夜福利在线观看免费完整高清在| 免费人妻精品一区二区三区视频| 婷婷色综合大香蕉| 亚洲欧洲日产国产| 啦啦啦中文免费视频观看日本| 久久精品人人爽人人爽视色| 久久鲁丝午夜福利片| 亚洲一码二码三码区别大吗| 免费观看a级毛片全部| 桃花免费在线播放| av电影中文网址| 精品亚洲成国产av| 国产精品.久久久| 日本色播在线视频| 国产精品免费大片| 午夜老司机福利剧场| 亚洲综合精品二区| 黄网站色视频无遮挡免费观看| 日韩在线高清观看一区二区三区| 久久久久久久久久久免费av| 天堂中文最新版在线下载| 亚洲精品视频女| 亚洲丝袜综合中文字幕| 如日韩欧美国产精品一区二区三区| 亚洲精品aⅴ在线观看| 日本午夜av视频| 桃花免费在线播放| 在线观看美女被高潮喷水网站| 最近的中文字幕免费完整| 夜夜爽夜夜爽视频| 国产在线视频一区二区| 国产永久视频网站| av免费观看日本| 最新中文字幕久久久久| 两个人看的免费小视频| 日本欧美视频一区| 精品视频人人做人人爽| 人体艺术视频欧美日本| 亚洲美女视频黄频| 免费av中文字幕在线| 亚洲 欧美一区二区三区| 女性被躁到高潮视频| 女人被躁到高潮嗷嗷叫费观| 免费看不卡的av| 1024视频免费在线观看| 国产一区二区在线观看av| 国产男人的电影天堂91| 国产精品免费大片| 国产免费视频播放在线视频| 久久精品国产综合久久久 | 天天躁夜夜躁狠狠躁躁| 赤兔流量卡办理| av国产精品久久久久影院| 日韩一区二区视频免费看| 两个人免费观看高清视频| 蜜桃在线观看..| 黄色配什么色好看| 国产女主播在线喷水免费视频网站| 中文字幕人妻熟女乱码| 天天操日日干夜夜撸| 51国产日韩欧美| a 毛片基地| 成年av动漫网址| 亚洲精品美女久久久久99蜜臀 | 欧美3d第一页| 在线看a的网站| h视频一区二区三区| 五月开心婷婷网| 免费看光身美女| 亚洲成人av在线免费| 亚洲精品,欧美精品| 午夜福利在线观看免费完整高清在| 亚洲精品第二区| 亚洲美女搞黄在线观看| 精品国产一区二区三区四区第35| 免费在线观看完整版高清| 成人免费观看视频高清| 亚洲美女黄色视频免费看| 啦啦啦在线观看免费高清www| 国产精品国产三级国产av玫瑰| 夫妻午夜视频| 最近中文字幕高清免费大全6| 国产精品久久久久成人av| 久久精品夜色国产| 精品一区二区三卡| 制服丝袜香蕉在线| 777米奇影视久久| 久久久久网色| 免费黄色在线免费观看| 免费观看av网站的网址| 欧美精品一区二区大全| 日韩伦理黄色片| 久久影院123| 在现免费观看毛片| 在线观看www视频免费| 国产又爽黄色视频| 欧美变态另类bdsm刘玥| 国产国拍精品亚洲av在线观看| 男女国产视频网站| 日本av手机在线免费观看| 欧美国产精品va在线观看不卡| 亚洲av综合色区一区| 建设人人有责人人尽责人人享有的| 欧美 日韩 精品 国产| 下体分泌物呈黄色| www.色视频.com| 免费黄网站久久成人精品| 韩国av在线不卡| 亚洲精品456在线播放app| 极品少妇高潮喷水抽搐| 久久精品国产亚洲av天美| 免费在线观看完整版高清| 免费看不卡的av| 两个人看的免费小视频| 少妇人妻久久综合中文| 国产男女内射视频| 免费不卡的大黄色大毛片视频在线观看| 波多野结衣一区麻豆| 亚洲熟女精品中文字幕| 国产精品一区二区在线不卡| 9热在线视频观看99| 黑人巨大精品欧美一区二区蜜桃 | 精品国产国语对白av| 制服人妻中文乱码| 九九在线视频观看精品| 国产成人精品在线电影| 纵有疾风起免费观看全集完整版| 国产精品偷伦视频观看了| 久久精品国产鲁丝片午夜精品| 久久久久久人妻| 日日啪夜夜爽| 国产精品.久久久| 国产亚洲av片在线观看秒播厂| 午夜福利,免费看| 精品人妻偷拍中文字幕| 草草在线视频免费看| 亚洲国产精品一区三区| 人人澡人人妻人| 下体分泌物呈黄色| 久久久久精品性色| 久久精品久久久久久噜噜老黄| 午夜久久久在线观看| 日韩欧美精品免费久久| 三上悠亚av全集在线观看| 精品少妇黑人巨大在线播放| 国产欧美亚洲国产| 精品福利永久在线观看| 美女主播在线视频| 亚洲成av片中文字幕在线观看 | 久久久久网色| 三级国产精品片| 赤兔流量卡办理| 亚洲激情五月婷婷啪啪| 九色成人免费人妻av| 亚洲婷婷狠狠爱综合网| 国产欧美日韩一区二区三区在线| 91精品三级在线观看| 国产在线免费精品| 亚洲av免费高清在线观看| 人体艺术视频欧美日本| 亚洲色图 男人天堂 中文字幕 | 国产av码专区亚洲av| 国产在线免费精品| 久久99精品国语久久久| 久久综合国产亚洲精品| 亚洲美女搞黄在线观看| 亚洲精品视频女| 性色avwww在线观看| videos熟女内射| 亚洲精品日韩在线中文字幕| 亚洲婷婷狠狠爱综合网| 久久精品国产亚洲av天美| freevideosex欧美| 黄片播放在线免费| 亚洲av在线观看美女高潮| 熟女电影av网| 国产男女内射视频| 老司机亚洲免费影院| 成年女人在线观看亚洲视频| 亚洲av国产av综合av卡| 汤姆久久久久久久影院中文字幕| 国产精品久久久av美女十八| 久久久久久久久久久免费av| 日韩av在线免费看完整版不卡| 国产精品免费大片| 9191精品国产免费久久| 国产xxxxx性猛交| 亚洲一区二区三区欧美精品| 人人澡人人妻人| 国产乱人偷精品视频| 熟女电影av网| 欧美精品一区二区免费开放| 在线观看美女被高潮喷水网站| 99久国产av精品国产电影| 国产国语露脸激情在线看| 少妇的丰满在线观看| 美女内射精品一级片tv| 男人添女人高潮全过程视频| 久久人妻熟女aⅴ| 自拍欧美九色日韩亚洲蝌蚪91| 在现免费观看毛片| 亚洲丝袜综合中文字幕| 这个男人来自地球电影免费观看 | 亚洲成人手机| 久久久久久久大尺度免费视频| 捣出白浆h1v1| 亚洲成国产人片在线观看| 欧美成人午夜精品| 国产成人精品福利久久| 一级a做视频免费观看| av国产精品久久久久影院| 女的被弄到高潮叫床怎么办| 伦理电影免费视频| 日韩中文字幕视频在线看片| 在线观看免费高清a一片| 久热久热在线精品观看| 国产成人精品福利久久| 成人手机av| 精品一区在线观看国产| 热re99久久精品国产66热6| 久久久精品区二区三区| av天堂久久9| 青春草国产在线视频| 久久鲁丝午夜福利片| 国产男人的电影天堂91| 久久人人爽人人片av| 国产色婷婷99| 欧美亚洲日本最大视频资源| 久久女婷五月综合色啪小说| 国产免费福利视频在线观看| 人妻一区二区av| 国产熟女午夜一区二区三区| 在线 av 中文字幕| 亚洲精品一二三| 制服诱惑二区| 一区二区三区四区激情视频| 国产日韩欧美亚洲二区| 欧美日韩综合久久久久久| 成人手机av| av.在线天堂| 成人国产麻豆网| 日本欧美国产在线视频| 久久女婷五月综合色啪小说| 中国国产av一级| 丝袜喷水一区| 欧美日韩精品成人综合77777| 我要看黄色一级片免费的| 精品酒店卫生间| 亚洲精华国产精华液的使用体验| 亚洲精品aⅴ在线观看| 美女xxoo啪啪120秒动态图| 久久久久久久国产电影| 日本黄大片高清| 国产精品秋霞免费鲁丝片| 热re99久久国产66热| 欧美精品高潮呻吟av久久| 欧美精品一区二区免费开放| 97在线视频观看| 国产 一区精品| 美女xxoo啪啪120秒动态图| 蜜桃国产av成人99| 99re6热这里在线精品视频| 人人妻人人澡人人看| 日韩一区二区三区影片| 九草在线视频观看| 色吧在线观看| 最近2019中文字幕mv第一页| 黄色配什么色好看| 99热网站在线观看| 免费不卡的大黄色大毛片视频在线观看| 在线观看免费日韩欧美大片| 免费av中文字幕在线| 婷婷成人精品国产| 亚洲国产精品999| av播播在线观看一区| 在线观看美女被高潮喷水网站| 热re99久久精品国产66热6| 国产一区二区激情短视频 | 老司机影院毛片| 午夜久久久在线观看| 激情视频va一区二区三区| 国产免费现黄频在线看| 99热网站在线观看| 97人妻天天添夜夜摸| 少妇高潮的动态图| 色婷婷av一区二区三区视频| 99久国产av精品国产电影| 国产免费又黄又爽又色| 90打野战视频偷拍视频| 日韩大片免费观看网站| 又黄又粗又硬又大视频| 久久狼人影院| 国产精品一国产av| 99久久精品国产国产毛片| 免费黄网站久久成人精品| 我要看黄色一级片免费的| 日韩欧美一区视频在线观看| 亚洲av男天堂| 国产精品蜜桃在线观看| freevideosex欧美| 一本久久精品| 国产在线视频一区二区| 久久人人爽av亚洲精品天堂| 国产不卡av网站在线观看| 色婷婷av一区二区三区视频| 一边摸一边做爽爽视频免费| 亚洲成人av在线免费| 大片电影免费在线观看免费| 亚洲精品中文字幕在线视频| 亚洲国产精品一区二区三区在线| 一二三四中文在线观看免费高清| 熟女av电影| 黑人猛操日本美女一级片| 女人被躁到高潮嗷嗷叫费观| 国产精品 国内视频| 99热国产这里只有精品6| 母亲3免费完整高清在线观看 | 国产欧美亚洲国产| 最近最新中文字幕免费大全7| 水蜜桃什么品种好| 国产白丝娇喘喷水9色精品| 女人精品久久久久毛片| 亚洲精品中文字幕在线视频| 久久久久久久久久人人人人人人| 亚洲国产精品一区三区| 婷婷成人精品国产| 美女脱内裤让男人舔精品视频| 亚洲欧洲精品一区二区精品久久久 | 国产熟女午夜一区二区三区| 女性被躁到高潮视频| 国产av精品麻豆| 美女福利国产在线| av在线app专区| 91aial.com中文字幕在线观看| 男人爽女人下面视频在线观看| 国产有黄有色有爽视频| 亚洲精品久久午夜乱码| 久久毛片免费看一区二区三区| 精品午夜福利在线看| 青春草国产在线视频| 狠狠婷婷综合久久久久久88av| av黄色大香蕉| 亚洲欧美中文字幕日韩二区| 国产精品.久久久| xxxhd国产人妻xxx| 80岁老熟妇乱子伦牲交| 成人国语在线视频| 久久久久久久大尺度免费视频| 男人操女人黄网站| 51国产日韩欧美| 人成视频在线观看免费观看| 免费久久久久久久精品成人欧美视频 | 精品国产露脸久久av麻豆| 欧美性感艳星| 精品亚洲乱码少妇综合久久| 91aial.com中文字幕在线观看| 亚洲av免费高清在线观看| 国产精品.久久久| 黄色怎么调成土黄色| 精品视频人人做人人爽| 亚洲天堂av无毛| 五月伊人婷婷丁香| 日日撸夜夜添| 丰满迷人的少妇在线观看| 日日啪夜夜爽| 久久精品国产自在天天线| 水蜜桃什么品种好| 午夜免费鲁丝| 亚洲丝袜综合中文字幕| 看非洲黑人一级黄片| 18禁动态无遮挡网站| 一区在线观看完整版| 亚洲欧美中文字幕日韩二区| 99国产综合亚洲精品| 制服人妻中文乱码| 国产精品人妻久久久久久| 中文字幕人妻熟女乱码| 97精品久久久久久久久久精品| 边亲边吃奶的免费视频| 美女主播在线视频| 90打野战视频偷拍视频| 亚洲av男天堂| av在线app专区| 国产熟女欧美一区二区| 大陆偷拍与自拍| 午夜91福利影院| 蜜桃在线观看..| 国产片内射在线| 国产淫语在线视频| 国产精品人妻久久久影院| 日韩精品免费视频一区二区三区 | 两个人看的免费小视频| 久久精品国产鲁丝片午夜精品| 草草在线视频免费看| 国产精品一区www在线观看| 两个人免费观看高清视频| 搡女人真爽免费视频火全软件| av在线app专区| 中文精品一卡2卡3卡4更新| 欧美变态另类bdsm刘玥| 久久人妻熟女aⅴ| a 毛片基地| 丝袜人妻中文字幕| 婷婷色av中文字幕| 国产黄频视频在线观看| 99热全是精品| 免费人妻精品一区二区三区视频| a 毛片基地| 老女人水多毛片| 日韩电影二区| 我的女老师完整版在线观看| 男女午夜视频在线观看 | 亚洲国产最新在线播放| 久久久久久久久久人人人人人人| 日日爽夜夜爽网站| 宅男免费午夜| 交换朋友夫妻互换小说| av在线播放精品| 十八禁网站网址无遮挡| 久久热在线av| 成年动漫av网址| 黑人高潮一二区| 男人添女人高潮全过程视频| 国产国拍精品亚洲av在线观看| 一区二区日韩欧美中文字幕 | 亚洲精品成人av观看孕妇| 亚洲人成77777在线视频| 搡老乐熟女国产| 国产欧美日韩一区二区三区在线| 哪个播放器可以免费观看大片| 纯流量卡能插随身wifi吗| 久久这里只有精品19| 国产老妇伦熟女老妇高清| 成年女人在线观看亚洲视频| 午夜日本视频在线| 桃花免费在线播放| 久久久久网色| 午夜日本视频在线| 丝袜美足系列| 国产 精品1| 满18在线观看网站| 亚洲人与动物交配视频| 91午夜精品亚洲一区二区三区| 久久久久精品性色| 天天操日日干夜夜撸| 丝袜脚勾引网站| 在线观看免费日韩欧美大片| 999精品在线视频| 菩萨蛮人人尽说江南好唐韦庄| 久久精品久久久久久久性| 久久免费观看电影| 侵犯人妻中文字幕一二三四区| 日韩av不卡免费在线播放| 日韩av不卡免费在线播放| 日日摸夜夜添夜夜爱| 免费av不卡在线播放| 中文字幕av电影在线播放| av有码第一页| 国产免费一区二区三区四区乱码| 国产精品一区二区在线观看99| 国产免费一区二区三区四区乱码| 国产av精品麻豆| 成年人午夜在线观看视频| 国产女主播在线喷水免费视频网站| 最近的中文字幕免费完整| 这个男人来自地球电影免费观看 | 国产有黄有色有爽视频| 我要看黄色一级片免费的| 男女下面插进去视频免费观看 | 免费观看在线日韩| 曰老女人黄片| av播播在线观看一区| 男人舔女人的私密视频| 我的女老师完整版在线观看| 日韩 亚洲 欧美在线| 18禁动态无遮挡网站| 婷婷色综合大香蕉| 亚洲国产精品国产精品| 一边亲一边摸免费视频| 日韩在线高清观看一区二区三区|