• <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 ?

    基于最大最小爬山算法的肺癌預后模型

    2020-03-11 11:53:38
    關鍵詞:貝葉斯肺癌變量

    (山東科技大學 數學與系統(tǒng)科學學院,山東 青島 266590)

    肺癌是發(fā)病率和死亡率增長最快、對人類健康和生命威脅最大的惡性腫瘤之一,世界衛(wèi)生組織國際癌癥研究機構發(fā)布最新報告稱肺癌死亡人數最多,占預計癌癥死亡總人數的18.4%。另外,肺癌還具有預后差的特點,影響其預后的因素主要包括患者個體相關因素、腫瘤相關因素和治療相關因素[1]。目前,臨床醫(yī)學主要根據手術病理分期判斷預后,由于考慮影響腫瘤發(fā)生的因素減少,其預測效果較差[2],因此,建立一個適用于臨床醫(yī)學且考慮多因素的肺癌預后模型具有重要意義。

    早期,國內外在疾病預測方面多采用統(tǒng)計學中的COX回歸方法構建模型。隨著數據挖掘技術被應用到醫(yī)學研究領域,眾多學者采用機器學習的方法進行疾病研究。劉雅琴等[3]使用logistic回歸、決策樹和人工神經網絡方法研究預后模型的預測效果,是國內機器學習領域研究腫瘤預測的有效嘗試。Kim等[4]利用支持向量機預測了乳腺癌患者術后5年生存情況。Chen等[5]對4個醫(yī)療機構的非小細胞肺癌患者,使用人工神經網絡建立了患者生存狀況風險模型。牟冬梅等[6]構建了妊娠高血壓綜合征危險因素決策樹預測模型。宋一鳴[7]基于SEER數據庫使用決策樹、神經網絡、支持向量機、Logistic回歸、深度神經網絡等分別建立了肺癌患者預后的相關研究模型。

    復發(fā)、轉移、風險評估及生存情況評價是腫瘤預后的主要研究內容[8],本研究針對患者術后5年后生存情況進行研究。選取SEER數據庫[9]中部分肺癌患者的數據,根據相關研究提取影響患者生存情況的預后因素,通過貝葉斯網絡方法利用訓練集構建肺癌預后模型,其中采用最大最小爬山算法建立模型,并采用貝葉斯估計進行模型參數學習與概率推理,最后將本研究模型與Logistic回歸、人工神經網絡、決策樹及支持向量機方法在測試集上進行分類實驗比較,驗證所建立模型的有效性。

    1 數據來源及變量選擇

    數據選自美國國立癌癥研究所“監(jiān)測、流行病學和結果數據庫”(SEER數據庫)[9]中2008年至2014年期間被確診為肺癌的患者,其中包括5年內直接因癌細胞致死和隨訪期滿5年仍生存的患者。刪除數據缺失嚴重、記錄錯誤及因非肺癌致死的患者記錄,最終共計879位患者數據。

    表1 肺癌患者變量信息

    根據腫瘤信息,參考文獻[10,11]和其他相關研究[2-3,7]中提及的與患者生存相關的預后因素,從數據庫中導出包含這些因素的16個信息變量,具體如表1所示,其中后四項為連續(xù)型變量,其余為離散型變量。

    5年后生存情況是預后效果的重要評價指標,所以選擇患者術后5年生存情況為結果變量(生存時間以月為單位)。生存時間60個月及以上患者生存情況為“生存”(記為1),低于60個月的患者生存情況為“死亡”(記為0)。

    2 肺癌預后模型的建立

    2.1 特征選擇

    為提高模型的預測準確性,對上述16個信息變量進行特征選擇。首先,利用SPSS進行卡方檢驗,在p<0.05下通過檢驗的變量有12個,分別為:婚姻狀況、組織學分級、腫瘤分期、轉移程度、擴散程度、淋巴結累積程度、手術類型、是否放療、確診年齡、腫瘤大小、淋巴結受檢數量及淋巴結陽性數量。然后,在卡方檢驗基礎上利用SPSS進行Logistic回歸分析,在p<0.05下最終篩選出的特征變量有6個,分別為:組織學分級、腫瘤分期、確診年齡、腫瘤大小、淋巴結受檢數量及淋巴結陽性數量。篩選結果如表2所示。

    2.2 數據離散化

    (1)

    表2 Logistic回歸分析篩選變量結果

    2.3 模型建立方法

    在疾病生存預測方面,傳統(tǒng)的統(tǒng)計模型難以計算后驗概率,不能直觀地表示變量之間的關系,本研究利用貝葉斯網絡方法建立肺癌預后模型。

    貝葉斯網絡是一個帶參數的有向無環(huán)圖,用二元組〈G,Θ〉表示,其中G=(V,E)表示節(jié)點關系的有向無環(huán)圖,稱為貝葉斯網絡結構,節(jié)點集合V={X1,X2,…,Xn}表示隨機變量,有向邊集合E={eij|Xi→Xj,i,j=1,2,…,n}表示變量之間的依賴關系;Θ={Θ1,Θ2,…,Θn}表示節(jié)點Xi的條件概率,稱為貝葉斯網絡參數,節(jié)點Xi的參數Θi表示其自身和父節(jié)點集Pa(Xi)的條件概率分布,即Θi=P(Xi|Pa(Xi))。另外,任意給定的貝葉斯網絡都滿足馬爾科夫條件,即?Xi∈V,Xi獨立于除其父節(jié)點集合Pa(Xi)外的所有非子孫節(jié)點,因此,變量集V=(X1,X2,…,Xn}聯合概率分布可分解為:

    (2)

    貝葉斯網絡模型用有向無環(huán)圖表示變量之間的依賴和獨立關系,用條件概率分布刻畫變量對其父節(jié)點的依賴關系,因此,建立貝葉斯網絡模型包括兩部分:①確定變量間關系,找到網絡結構,即結構學習;②確定每個節(jié)點的條件概率表,即參數學習。

    2.3.1 結構學習方法

    利用最大最小爬山(Max-Min hill-climbing, MMHC)算法對貝葉斯網絡結構進行學習。該算法是Tsamardinos等[12]于2006年提出的一種經典的貝葉斯網絡結構學習算法,結合了依賴分析和評分搜索等方法,分為兩個階段進行學習:第一階段利用MMPC(max-min parents and children)算法確定出每個節(jié)點的候選父子節(jié)點集,構建出貝葉斯網絡結構的無向框架;第二階段利用貪婪爬山算法對已經得到的網絡結構的框架進行搜索評分,找出使評分函數最大的網絡結構。

    MMPC算法是從給定數據集中利用最大-最小啟發(fā)式策略確定目標變量T的候選父子節(jié)點(candidate parents and children,CPC)集,分為兩個階段。第一階段通過定義一個關聯度函數來確定其他變量與目標變量T在給定CPC下的條件依賴程度,函數值越大表示變量間的條件依賴關系越強;當函數值為零時,表示變量間沒有依賴關系,也就是條件獨立。最大最小啟發(fā)式策略每次選擇與目標變量T在給定CPC條件下最小關聯度最大的那個變量進入CPC,當除了CPC中變量所有其他變量與目標變量T在給定CPC條件下都條件獨立時,第一階段停止。第二階段檢驗候選父子節(jié)點集CPC中的變量,移去不該有變量,即對于CPC中的變量X,如果存在CPC的子集S使得Assoc(X,T|S),則將變量X從CPC中移去。

    變量X與T在給定變量集Z下的關聯度函數定義為:

    (3)

    (4)

    其中,S表示變量集Z的子集。MMPC算法如下所示:

    算法1:MMPC算法

    輸入:目標變量T,數據集D

    輸出:目標變量T的候選父子節(jié)點集CPC

    第一階段:

    1:令CPC≠φ;

    2:WhileCPC不再變化 do

    3: 〈F,assocF〉=MaxMinHeuristic(T,CPC)

    4: ifassocF≠0 then

    5:CPC=CPC∪F

    6: end if

    7:end

    第二階段:

    8:for 任意X∈CPC

    9: if 存在S?CPC,使Assoc(X,T|S)=0,即Ind(X,T|S)then

    10:CPC=CPC{X}

    11: end if

    12:end for

    13:返回CPC

    子程序MaxMinHeuristic(T,CPC)

    輸入:目標變量T,CPC子集

    輸出:以CPC為條件集,與T的最小關聯度最大的變量

    14:assocF=maxX∈VMinAssoc(X,T|CPC)

    15:F=arg maxX∈VMinAssoc(X,T|CPC)

    16:返回 〈F,assocF〉

    MMHC算法第二階段利用貪婪爬山搜索在結構空間中搜索評分最高的網絡結構,評分函數采用BDeu評分。該階段的貪婪爬山搜索從空圖開始,每一步搜索的過程是:首先在不產生有向環(huán)的情況下,對當前所得模型分別執(zhí)行一次加邊、減邊、轉邊操作得到一系列候選模型,并計算出每個候選模型的評分;然后將最大評分的候選模型與當前模型比較,若最大評分的候選模型評分大,則將其作為下一個當前模型繼續(xù)搜索,否則停止搜索并返回當前模型[13]。

    在MMHC算法中,貪婪爬山搜索將每個節(jié)點的搜索空間限制在其候選父子節(jié)點集上,即僅考慮當Y∈CPCX時添加邊Y→X,此約束顯著降低了搜索空間的復雜性,提高了算法的效率。MMHC算法如下:

    算法2:MMHC算法

    輸入:數據集D

    輸出:有向無環(huán)圖

    1:for 所有變量X∈Vdo

    2:CPCX=MMPC(X,D)

    3:end for

    4:從空圖出發(fā)執(zhí)行貪婪爬山搜索的3個搜索算子加邊、減邊和轉邊。

    當且僅當Y∈CPCX時,添加有向邊Y→X。

    5:返回最高得分的有向無環(huán)圖

    2.3.2 參數學習方法

    參數學習在統(tǒng)計學中主要有最大似然估計和貝葉斯估計兩種基本方法,本研究采用貝葉斯估計[13]對貝葉斯網絡參數進行學習。

    設一個貝葉斯網絡有n個節(jié)點V={X1,X2,…,Xn},其中節(jié)點Xi有ri種取值,其父節(jié)點π(Xi)的取法有qi種組合。若Xi無父節(jié)點,則qi=1。該貝葉斯網絡的參數為:

    θijk=P(Xi=k|π(Xi)=j)(i=1,2,…,n;j=1,2,…,qi;k=1,2,…,ri)。

    (5)

    用θ表示所有θijk組成的參數向量。設D={D1,D2,…,Dm}是一組關于貝葉斯網絡的獨立同分布的完整數據,則θ的似然函數為:

    (6)

    其中Nijk表示數據集D中滿足Xi=k和π(Xi)=j的樣本數量。假設參數θ的先驗概率分布服從狄利克雷分布Dir(αij1,αij2,…,αijri)(i=1,2,…n;j=1,2,…,qi),則:

    (7)

    (8)

    從而,p(θ|D)~Dir(Nij1+αij1,Nij2+αij2,…,Nijri+αijri)(i=1,2,…,n;j=1,2,…,qi),因此,參數θ的貝葉斯估計為[13]:

    (9)

    2.4 模型建立與結果分析

    將最終保留的879條完整觀測記錄的數據集按照7∶3的比例分為訓練集和測試集,其中訓練集樣本為615個,測試集樣本為264個。訓練集用來構建預后模型,測試集用來預測性能,對預后模型進行評價。

    實驗環(huán)境基本配置為CPU 2.53 GHz、RAM 2.00 GB,操作系統(tǒng)為Windows 7,在MATLAB 7.0上利用貝葉斯網絡工具箱Full BNT1.0.4。對貝葉斯網絡結構的學習,利用MATLAB編程,最終得到的肺癌預后模型如圖1所示,其中,7個節(jié)點為表2所示的6個特征變量及1個結果變量,節(jié)點之間的連線表明變量間的相互影響關系。實驗結果顯示,腫瘤大小和組織學分級通過影響腫瘤分期間接地影響患者的生存情況;而確診時的年齡、腫瘤分期、淋巴結受檢數量以及淋巴結陽性數量直接影響患者的生存情況,這一結論符合醫(yī)學實際。

    1-確診時年齡;2-腫瘤大??;3-組織學分級;4-腫瘤分期;5-淋巴結受檢數量;6-淋巴結陽性數量;7-生存情況。

    進一步,對圖1得到的預后模型進行貝葉斯網絡參數學習與推理,利用測試集實現對患者生存情況的預測,從而評價該模型的性能。貝葉斯網絡的參數學習與推理過程均利用貝葉斯網絡工具箱FullBNT-1.0.4實現。最終實驗結果顯示在264個測試集樣本中,預測正確的達202例,預測準確率為76.52%,表明由MMHC算法構建的肺癌預后模型對肺癌患者5年后生存情況的預測準確性良好,可以用于對肺癌患者生存情況的預測。

    3 對比試驗

    在疾病預測方面,目前常用的有Logistic回歸、人工神經網絡、決策樹及支持向量機等機器學習方法[7]。為了進一步研究MMHC算法構建的貝葉斯網絡預后模型的優(yōu)良性,以預測準確率為標準,將本模型與Logistic回歸、人工神經網絡、決策樹及支持向量機等方法在測試集上進行分類實驗比較。具體地在WEKA[14]上選擇上述四種方法對應的Logistic、J48、Multilayer Perceptron及SMO四個算法,采用十折交叉驗證的方法對測試集數據進行分類,與本算法在預測準確率及其他性能指標方面作比較,結果如表3所示。

    由表3可知,提出的預后模型在預測準確率、精確度和ROC曲線下面積的結果均好于其他方法,說明在本研究的肺癌數據上貝葉斯網絡模型是最優(yōu)的。傳統(tǒng)的疾病預后模型以統(tǒng)計學中COX回歸、Logistic回歸為主,但統(tǒng)計學方法通常要求變量之間滿足獨立性等條件,無法處理變量間共線性的問題,因此存在局限性。貝葉斯網絡模型是一種概率圖模型,通過有向邊和條件概率形象地刻畫出變量間的依賴關系,能夠進行有效地概率推理且預測準確率高,可以應用于疾病預測。

    表3 不同算法的預測準確率及性能指標

    4 結論

    利用貝葉斯網絡方法建立肺癌預后模型,對患者術后5年生存情況進行研究。首先對變量進行特征選擇,最終選擇影響患者生存情況的6項預后因素;然后利用MMHC算法在訓練集上建立肺癌預后模型,在測試集上對患者進行5年后生存情況預測。實驗結果顯示,利用MMHC算法建立的肺癌預后模型的預測準確率達76.52%,高于目前常用的Logistic回歸、人工神經網絡、決策樹及支持向量機方法。但是,本研究未對數據集中所有的變量進行研究,只是根據腫瘤信息文獻提取了與生存預測相關的16個變量,故研究的模型變量具有一定的主觀性與局限性。在未來的研究中,可以對更多的變量進行系統(tǒng)的研究,提高模型的準確性。

    猜你喜歡
    貝葉斯肺癌變量
    中醫(yī)防治肺癌術后并發(fā)癥
    對比增強磁敏感加權成像對肺癌腦轉移瘤檢出的研究
    抓住不變量解題
    也談分離變量
    貝葉斯公式及其應用
    基于貝葉斯估計的軌道占用識別方法
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    SL(3,3n)和SU(3,3n)的第一Cartan不變量
    microRNA-205在人非小細胞肺癌中的表達及臨床意義
    基于肺癌CT的決策樹模型在肺癌診斷中的應用
    一进一出抽搐gif免费好疼| 精品久久久久久久久av| 一区二区三区激情视频| 免费一级毛片在线播放高清视频| 国产精品精品国产色婷婷| 麻豆久久精品国产亚洲av| 韩国av一区二区三区四区| 欧美高清性xxxxhd video| 国产黄a三级三级三级人| 国产野战对白在线观看| 欧美高清成人免费视频www| 亚洲美女搞黄在线观看 | 久久久久久久久大av| 国产老妇女一区| 亚洲国产日韩欧美精品在线观看| 亚洲av第一区精品v没综合| 一a级毛片在线观看| 日本黄色视频三级网站网址| 午夜精品一区二区三区免费看| 日本免费a在线| 色在线成人网| 婷婷亚洲欧美| 亚洲avbb在线观看| 国产麻豆成人av免费视频| 一边摸一边抽搐一进一小说| 久久久精品欧美日韩精品| 一二三四社区在线视频社区8| 精品人妻1区二区| 久久伊人香网站| 狂野欧美白嫩少妇大欣赏| 69av精品久久久久久| 亚州av有码| 久久欧美精品欧美久久欧美| 亚洲av五月六月丁香网| 日日夜夜操网爽| 黄色丝袜av网址大全| 亚洲人成电影免费在线| 欧美成人性av电影在线观看| 黄片小视频在线播放| 美女免费视频网站| 在线十欧美十亚洲十日本专区| 亚洲av成人精品一区久久| 欧美丝袜亚洲另类 | 亚洲国产精品sss在线观看| 久久香蕉精品热| 国产又黄又爽又无遮挡在线| 精品久久久久久久末码| 90打野战视频偷拍视频| 久久精品国产自在天天线| 中文字幕av在线有码专区| 欧美日韩福利视频一区二区| 国产免费av片在线观看野外av| 久久热精品热| 亚洲欧美日韩东京热| 高潮久久久久久久久久久不卡| 国产69精品久久久久777片| 别揉我奶头~嗯~啊~动态视频| 国产精品女同一区二区软件 | 深夜a级毛片| 日韩欧美国产一区二区入口| 久久国产精品影院| 国产精品不卡视频一区二区 | 九九久久精品国产亚洲av麻豆| 精品人妻偷拍中文字幕| 女同久久另类99精品国产91| 国产精品野战在线观看| 真实男女啪啪啪动态图| 成人鲁丝片一二三区免费| 99在线视频只有这里精品首页| 色播亚洲综合网| 亚洲七黄色美女视频| 亚洲熟妇熟女久久| 最好的美女福利视频网| 欧美三级亚洲精品| 国产精品乱码一区二三区的特点| 高潮久久久久久久久久久不卡| 狂野欧美白嫩少妇大欣赏| 国产亚洲av嫩草精品影院| 狠狠狠狠99中文字幕| 国产国拍精品亚洲av在线观看| 欧美bdsm另类| 2021天堂中文幕一二区在线观| 国产午夜福利久久久久久| 一个人看的www免费观看视频| 成人永久免费在线观看视频| 国产探花在线观看一区二区| 国产又黄又爽又无遮挡在线| 成人亚洲精品av一区二区| 少妇人妻精品综合一区二区 | 久久中文看片网| 极品教师在线免费播放| 久久精品国产清高在天天线| 少妇被粗大猛烈的视频| 午夜免费成人在线视频| 99国产极品粉嫩在线观看| 三级国产精品欧美在线观看| 国产毛片a区久久久久| 好看av亚洲va欧美ⅴa在| 免费观看精品视频网站| 精品人妻一区二区三区麻豆 | 成人精品一区二区免费| av在线老鸭窝| 校园春色视频在线观看| 51午夜福利影视在线观看| 日本精品一区二区三区蜜桃| 三级国产精品欧美在线观看| 亚洲成人久久性| 小说图片视频综合网站| 999久久久精品免费观看国产| 99久久久亚洲精品蜜臀av| 亚洲美女黄片视频| 欧美午夜高清在线| 99国产精品一区二区三区| 淫妇啪啪啪对白视频| 一级av片app| 欧美3d第一页| 欧美另类亚洲清纯唯美| bbb黄色大片| 国产精品伦人一区二区| 又黄又爽又刺激的免费视频.| 最近在线观看免费完整版| 亚洲成av人片免费观看| 国产精品精品国产色婷婷| 久久久久亚洲av毛片大全| 午夜福利18| 国产高清激情床上av| 91久久精品电影网| 小说图片视频综合网站| 日韩免费av在线播放| 久久国产乱子免费精品| 久久亚洲精品不卡| 中文字幕高清在线视频| 国产伦在线观看视频一区| 国产黄片美女视频| 国内精品美女久久久久久| 美女大奶头视频| 一进一出好大好爽视频| 午夜福利在线观看免费完整高清在 | 国产精品1区2区在线观看.| 国产极品精品免费视频能看的| 美女被艹到高潮喷水动态| 免费av观看视频| 天堂av国产一区二区熟女人妻| 国产精品伦人一区二区| 日韩欧美国产在线观看| 中文资源天堂在线| 国产乱人伦免费视频| av在线蜜桃| 99国产极品粉嫩在线观看| 午夜福利欧美成人| 少妇的逼好多水| 69av精品久久久久久| 国产欧美日韩一区二区精品| 首页视频小说图片口味搜索| 日韩大尺度精品在线看网址| 啦啦啦韩国在线观看视频| 国产精品人妻久久久久久| 亚洲欧美日韩东京热| 九九在线视频观看精品| 亚洲真实伦在线观看| 日韩中字成人| 亚洲av美国av| 琪琪午夜伦伦电影理论片6080| 最近中文字幕高清免费大全6 | 欧美日本亚洲视频在线播放| 国产私拍福利视频在线观看| 欧美在线黄色| 久久婷婷人人爽人人干人人爱| 黄片小视频在线播放| 97碰自拍视频| 精品久久久久久,| 国产野战对白在线观看| 动漫黄色视频在线观看| .国产精品久久| 欧美日韩瑟瑟在线播放| 欧美日韩瑟瑟在线播放| 国产精品98久久久久久宅男小说| 免费av不卡在线播放| 亚洲专区中文字幕在线| 亚洲专区中文字幕在线| 亚洲精品一区av在线观看| 99热只有精品国产| 色精品久久人妻99蜜桃| 女人被狂操c到高潮| 日本在线视频免费播放| 国产 一区 欧美 日韩| 美女被艹到高潮喷水动态| 亚洲,欧美,日韩| 欧美激情国产日韩精品一区| 欧美日韩国产亚洲二区| 99精品在免费线老司机午夜| 网址你懂的国产日韩在线| 波多野结衣高清无吗| 高清日韩中文字幕在线| 超碰av人人做人人爽久久| 色精品久久人妻99蜜桃| 97超级碰碰碰精品色视频在线观看| 午夜精品在线福利| 精品欧美国产一区二区三| www.www免费av| 亚洲精品久久国产高清桃花| 欧美色视频一区免费| 人妻久久中文字幕网| 色尼玛亚洲综合影院| 亚洲三级黄色毛片| 成人高潮视频无遮挡免费网站| 小说图片视频综合网站| 亚洲精品亚洲一区二区| 一级a爱片免费观看的视频| 精品久久久久久久久av| 欧美激情在线99| 国产精品美女特级片免费视频播放器| 国产精品永久免费网站| 9191精品国产免费久久| 精品久久久久久成人av| 色尼玛亚洲综合影院| 老司机午夜福利在线观看视频| 国产激情偷乱视频一区二区| 国产在线精品亚洲第一网站| 怎么达到女性高潮| 又黄又爽又刺激的免费视频.| 日韩欧美国产在线观看| 午夜日韩欧美国产| 中文资源天堂在线| 国产午夜福利久久久久久| 五月伊人婷婷丁香| 五月玫瑰六月丁香| 一夜夜www| 亚洲成人久久爱视频| 99久久成人亚洲精品观看| 欧美日本视频| .国产精品久久| 91久久精品电影网| 国产探花在线观看一区二区| 我要搜黄色片| 亚洲性夜色夜夜综合| 少妇的逼好多水| av中文乱码字幕在线| 精品久久久久久,| 久久香蕉精品热| 欧美又色又爽又黄视频| av欧美777| 床上黄色一级片| 久久6这里有精品| 最近在线观看免费完整版| 欧美国产日韩亚洲一区| 99精品在免费线老司机午夜| 欧美不卡视频在线免费观看| 成人特级黄色片久久久久久久| 无遮挡黄片免费观看| 深夜精品福利| 观看美女的网站| 最后的刺客免费高清国语| 亚洲五月天丁香| 国产日本99.免费观看| 乱码一卡2卡4卡精品| 国语自产精品视频在线第100页| 97人妻精品一区二区三区麻豆| 国产精品爽爽va在线观看网站| 精品人妻熟女av久视频| 可以在线观看毛片的网站| 少妇高潮的动态图| 欧美日韩黄片免| 免费看a级黄色片| 美女高潮喷水抽搐中文字幕| 一级毛片久久久久久久久女| 亚洲人成伊人成综合网2020| 精品国内亚洲2022精品成人| 国产精品野战在线观看| 国产免费一级a男人的天堂| 国产私拍福利视频在线观看| 99国产精品一区二区蜜桃av| 国产精品美女特级片免费视频播放器| 国内精品久久久久精免费| 日本成人三级电影网站| 在线观看一区二区三区| 一区二区三区四区激情视频 | 18禁在线播放成人免费| 国产精品久久久久久精品电影| 在线免费观看的www视频| 国产av不卡久久| 一夜夜www| 免费搜索国产男女视频| 国产亚洲av嫩草精品影院| 极品教师在线视频| 亚洲不卡免费看| 又爽又黄a免费视频| 一个人看视频在线观看www免费| 精品人妻偷拍中文字幕| 琪琪午夜伦伦电影理论片6080| aaaaa片日本免费| 赤兔流量卡办理| 动漫黄色视频在线观看| www.色视频.com| 啪啪无遮挡十八禁网站| 如何舔出高潮| 人妻制服诱惑在线中文字幕| 日韩欧美 国产精品| 少妇被粗大猛烈的视频| 国产av不卡久久| 男人的好看免费观看在线视频| 国产麻豆成人av免费视频| 亚洲天堂国产精品一区在线| 免费av观看视频| 网址你懂的国产日韩在线| 亚洲乱码一区二区免费版| 免费高清视频大片| 午夜福利在线观看吧| 国产亚洲欧美98| 欧美最黄视频在线播放免费| 国语自产精品视频在线第100页| 日本与韩国留学比较| 亚洲av成人av| 欧美xxxx黑人xx丫x性爽| 蜜桃久久精品国产亚洲av| 欧美+日韩+精品| 亚洲乱码一区二区免费版| 久久久久久大精品| 国产精品美女特级片免费视频播放器| 在线播放国产精品三级| 午夜日韩欧美国产| 国产精品亚洲美女久久久| 亚洲 国产 在线| 97碰自拍视频| 极品教师在线免费播放| 亚洲精品456在线播放app | 在线播放国产精品三级| 亚洲精品一卡2卡三卡4卡5卡| 久久国产乱子免费精品| 五月玫瑰六月丁香| 日韩高清综合在线| 午夜久久久久精精品| 欧美精品啪啪一区二区三区| 久久精品国产自在天天线| 成人午夜高清在线视频| 校园春色视频在线观看| av福利片在线观看| 男女做爰动态图高潮gif福利片| 偷拍熟女少妇极品色| 首页视频小说图片口味搜索| 内射极品少妇av片p| 美女免费视频网站| 欧美激情在线99| 又爽又黄a免费视频| 夜夜看夜夜爽夜夜摸| 亚洲18禁久久av| 别揉我奶头~嗯~啊~动态视频| 免费在线观看日本一区| 少妇的逼水好多| 老熟妇乱子伦视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品在线观看二区| 国产精品一及| 午夜免费激情av| 久久亚洲真实| 国产在线精品亚洲第一网站| 精品99又大又爽又粗少妇毛片 | 亚洲成a人片在线一区二区| 看片在线看免费视频| 国产午夜精品久久久久久一区二区三区 | 97碰自拍视频| 超碰av人人做人人爽久久| 国产精品伦人一区二区| 欧美不卡视频在线免费观看| 国产精品av视频在线免费观看| 老鸭窝网址在线观看| 国产精品伦人一区二区| 欧美日韩国产亚洲二区| 永久网站在线| 国产精品,欧美在线| 麻豆国产av国片精品| 久久久久精品国产欧美久久久| 国产亚洲精品综合一区在线观看| 国产精品久久久久久久电影| 国产一区二区在线观看日韩| 国产高清有码在线观看视频| 午夜福利成人在线免费观看| 欧美不卡视频在线免费观看| 国产精品av视频在线免费观看| 久久天躁狠狠躁夜夜2o2o| 又爽又黄a免费视频| 亚洲成人免费电影在线观看| 男女床上黄色一级片免费看| 亚洲欧美日韩高清专用| 在线国产一区二区在线| 又粗又爽又猛毛片免费看| 噜噜噜噜噜久久久久久91| 欧美黄色淫秽网站| 成人高潮视频无遮挡免费网站| 在线观看一区二区三区| 久久6这里有精品| 蜜桃久久精品国产亚洲av| 欧美绝顶高潮抽搐喷水| 国产午夜精品久久久久久一区二区三区 | 日韩欧美精品v在线| 97热精品久久久久久| 精品国内亚洲2022精品成人| 婷婷精品国产亚洲av在线| 最近中文字幕高清免费大全6 | 国产精品爽爽va在线观看网站| 亚洲欧美精品综合久久99| 99视频精品全部免费 在线| 亚洲精品粉嫩美女一区| 非洲黑人性xxxx精品又粗又长| 国产伦一二天堂av在线观看| 亚洲精品成人久久久久久| 性插视频无遮挡在线免费观看| 丰满人妻熟妇乱又伦精品不卡| av中文乱码字幕在线| 中亚洲国语对白在线视频| 在线国产一区二区在线| eeuss影院久久| 欧美xxxx黑人xx丫x性爽| 天堂网av新在线| 神马国产精品三级电影在线观看| 一级毛片久久久久久久久女| 精品99又大又爽又粗少妇毛片 | 国产免费男女视频| 亚洲精品日韩av片在线观看| 性插视频无遮挡在线免费观看| 男女那种视频在线观看| 久久久久久九九精品二区国产| 国产精品精品国产色婷婷| 老司机福利观看| 国产亚洲精品久久久久久毛片| 日本精品一区二区三区蜜桃| 无人区码免费观看不卡| 欧美绝顶高潮抽搐喷水| 国产精品,欧美在线| 成人性生交大片免费视频hd| 欧美日韩国产亚洲二区| 国产主播在线观看一区二区| 久久九九热精品免费| 亚洲中文日韩欧美视频| 淫秽高清视频在线观看| 欧美3d第一页| 在线观看66精品国产| 成人特级av手机在线观看| 国产单亲对白刺激| 白带黄色成豆腐渣| 欧美精品国产亚洲| 欧美黄色淫秽网站| 日本成人三级电影网站| 亚洲熟妇熟女久久| 欧美中文日本在线观看视频| 国语自产精品视频在线第100页| 亚洲18禁久久av| 桃色一区二区三区在线观看| 成年版毛片免费区| АⅤ资源中文在线天堂| 国产精品亚洲av一区麻豆| 国产老妇女一区| 有码 亚洲区| 极品教师在线视频| 一区二区三区激情视频| 亚洲av电影在线进入| 久久伊人香网站| 精品人妻偷拍中文字幕| 午夜亚洲福利在线播放| 欧洲精品卡2卡3卡4卡5卡区| 午夜福利在线观看免费完整高清在 | 国产高清三级在线| 精品人妻1区二区| 色播亚洲综合网| 美女被艹到高潮喷水动态| 亚洲精品成人久久久久久| 国产精华一区二区三区| 18+在线观看网站| av欧美777| 别揉我奶头~嗯~啊~动态视频| 一个人看视频在线观看www免费| www.色视频.com| 美女 人体艺术 gogo| 国产精品98久久久久久宅男小说| 国产三级黄色录像| 免费黄网站久久成人精品 | 亚洲精华国产精华精| 波多野结衣巨乳人妻| 国产高清激情床上av| 非洲黑人性xxxx精品又粗又长| .国产精品久久| 90打野战视频偷拍视频| 高清在线国产一区| 日韩欧美国产一区二区入口| 18禁裸乳无遮挡免费网站照片| 日韩欧美在线乱码| 一进一出好大好爽视频| 两人在一起打扑克的视频| 夜夜看夜夜爽夜夜摸| 少妇裸体淫交视频免费看高清| 亚洲在线自拍视频| 亚洲片人在线观看| 精品无人区乱码1区二区| 久久香蕉精品热| 一个人免费在线观看电影| 中文字幕久久专区| 日本 av在线| 亚洲一区高清亚洲精品| 成人av一区二区三区在线看| 99国产精品一区二区蜜桃av| 国产在线男女| 一进一出好大好爽视频| 欧美黄色淫秽网站| 两个人的视频大全免费| 99久久无色码亚洲精品果冻| 人人妻人人看人人澡| 久久这里只有精品中国| 三级毛片av免费| 少妇高潮的动态图| 亚洲无线在线观看| 色尼玛亚洲综合影院| 国产av在哪里看| 毛片一级片免费看久久久久 | 久99久视频精品免费| 九九在线视频观看精品| 亚洲精品影视一区二区三区av| 成年版毛片免费区| 久久天躁狠狠躁夜夜2o2o| 亚洲一区二区三区不卡视频| 99在线人妻在线中文字幕| 国产色婷婷99| 黄色女人牲交| 人妻久久中文字幕网| 久久精品人妻少妇| 嫩草影院入口| 熟妇人妻久久中文字幕3abv| 色哟哟·www| 国产成人a区在线观看| 国产精品,欧美在线| 91麻豆av在线| 激情在线观看视频在线高清| 综合色av麻豆| 美女高潮的动态| 国产一区二区三区视频了| 久久天躁狠狠躁夜夜2o2o| 一个人看视频在线观看www免费| 成人特级av手机在线观看| 狂野欧美白嫩少妇大欣赏| 午夜福利在线观看免费完整高清在 | 国产免费一级a男人的天堂| 最近在线观看免费完整版| 精品人妻偷拍中文字幕| 狂野欧美白嫩少妇大欣赏| 国产亚洲精品久久久久久毛片| 欧美激情在线99| 免费看光身美女| 天美传媒精品一区二区| 夜夜躁狠狠躁天天躁| 黄片小视频在线播放| 别揉我奶头 嗯啊视频| 深夜a级毛片| 99精品久久久久人妻精品| 成年女人看的毛片在线观看| 色精品久久人妻99蜜桃| 在线十欧美十亚洲十日本专区| 亚洲av美国av| 国产aⅴ精品一区二区三区波| 国产伦精品一区二区三区视频9| 亚洲av电影不卡..在线观看| 亚洲国产精品999在线| 麻豆av噜噜一区二区三区| 午夜两性在线视频| 国模一区二区三区四区视频| 一区福利在线观看| 亚洲精品在线美女| 欧美性感艳星| 天堂网av新在线| 五月玫瑰六月丁香| 又黄又爽又刺激的免费视频.| 精品久久久久久久久亚洲 | 日本免费a在线| 午夜免费男女啪啪视频观看 | 看免费av毛片| 国产av不卡久久| 免费在线观看日本一区| 国产国拍精品亚洲av在线观看| 成人美女网站在线观看视频| 一二三四社区在线视频社区8| 99精品在免费线老司机午夜| 欧美黑人欧美精品刺激| 国产av一区在线观看免费| 欧美bdsm另类| 内地一区二区视频在线| 丁香欧美五月| 国产69精品久久久久777片| 97人妻精品一区二区三区麻豆| 免费在线观看成人毛片| 91字幕亚洲| 亚洲一区高清亚洲精品| 亚洲真实伦在线观看| 非洲黑人性xxxx精品又粗又长| 成人av一区二区三区在线看| 午夜精品在线福利| 亚洲 欧美 日韩 在线 免费| 禁无遮挡网站| 人妻夜夜爽99麻豆av| 麻豆成人午夜福利视频| 久久热精品热| 99热这里只有是精品在线观看 | 国产美女午夜福利| 亚洲精品在线观看二区| 色视频www国产| 亚洲精品成人久久久久久| 亚洲国产精品久久男人天堂| 我的女老师完整版在线观看| 国产成人a区在线观看| 色综合站精品国产| 色5月婷婷丁香| 日日干狠狠操夜夜爽| 国产精品98久久久久久宅男小说| 日本 欧美在线| 亚洲国产高清在线一区二区三| 精品欧美国产一区二区三| 精品人妻偷拍中文字幕| 色视频www国产|