• <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CNN與GRU降噪自編碼的心電信號分類方法

    2020-06-19 08:45:58燕婷王于超金中一
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)

    燕婷 王于超 金中一

    摘 要:心電圖是一種用來監(jiān)測心臟活動的標(biāo)準(zhǔn)測試。心電圖能夠體現(xiàn)心臟異常,包括心律失常,心律失常是心律異常的通稱。同一類型的心律失常在同一患者不同階段的心電信號存在一定差異,不同患者同一類型的心律失常心電信號差異會更大,這對人工判斷是一大挑戰(zhàn)。提出一種基于降噪自編碼的CNN與GRU結(jié)合的心電圖分類方法,從公共數(shù)據(jù)庫(MIT-BIH)中提取原始心電信號集中進(jìn)行實驗。該集合人為擴(kuò)大到平均5類心跳實例,并過濾掉高頻噪聲。該方法對室上(S)和心室搏動(V)的準(zhǔn)確率分別為99.49%、99.43%,靈敏度分別為90.55%、96.65%,精確率分別為91.04%、95.46%。結(jié)果表明,該模型與目前先進(jìn)水平在性能上有較大提高,具有良好的可擴(kuò)展性。

    關(guān)鍵詞:心電圖信號;降噪自編碼;卷積神經(jīng)網(wǎng)絡(luò);門控循環(huán)單元

    DOI: 10. 11907/rjdk.191995

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP301

    文獻(xiàn)標(biāo)識碼:A

    文章編號:1672-7800(2020)004-0075-04

    Denoising Autoencoder ECG Signal Classification Method Based on CNN and GRU

    YAN Ting, WANG Yu-chao, JIN Zhong-yi

    (College of Computer Science and Engineering , Slzandong University of Science and Tech.nology , Qingda0 2665 1 0 . Ch.ina )Abstract: An electrocardiogram is a standard test used to monitor cardiac activity. An electrocardiogram can reflect cardiac abnormali-ties including arrhythruia . which is a general term f'or heart thythm abnormalities. The same tvpe of arrhythmia has a certain dif'ferencein ECG signals at different stages of the same patient. The difference in ECG signals between the same type of arrhythmia in differentpatients is greater, "-hich is a big challenge for manual judgment. Therefore. this paper proposes a method of ECG classification basedon CNN and G RU based on denoising autoencoders. The experiment is carried out in the original ECG signal extracted from a public da-tabase(MIT-BIH). This set was artificially expanded to average the numher of instances of Category 5 heartbeats and filtered out highf'requency noise. The accuracy of the method f'or the supraventricular (S) and ventricular beat (V) was 99.49% . 99.43, the sensitivitywere 90.55% . 96.65% . respectively and the accuracy rate were 91.04% . 95.46%. The experiment showed that compared with the ad-vanced level. the model ' s the perforruance has heen greatly iruproved and has good scalability.Key Words : ECG classif'ication; denoising autoencoder; convolutional neural network; gated recurrent unit

    O 引言

    在心臟疾病的臨床診斷中,心律失?!袝r表現(xiàn)為心臟功能的嚴(yán)重改變,如果不及時有效治療,可能導(dǎo)致腦猝死或心臟猝死。因此,對心律失常的早期診斷、臨床分析和治療策略至關(guān)重要。心電圖(ECG)是一種無創(chuàng)的廉價技術(shù),常用來檢測心律異常,測量一段時間內(nèi)心臟的電活動。

    心電圖分類醫(yī)學(xué)儀器促進(jìn)協(xié)會(AAMI)[2]標(biāo)準(zhǔn)定義5種類型:正常(N)、心室(v)、室上(S)、正常和心室融合(F)和未知搏動(0)?,F(xiàn)有的心拍分類方法主要是深度學(xué)習(xí)[3]方法,包括深度信念網(wǎng)絡(luò)(DBNs)[4-5]、白編碼器(DAE)[6-7]、卷積神經(jīng)網(wǎng)絡(luò)CNNs)[8-9]。深度學(xué)習(xí)在圖像分類[10]、目標(biāo)識別[11-12]、人臉識別等許多應(yīng)用中效果很好。對分割后的ECGs采用11層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理[13],最大精度達(dá)到93.18%。一個深度殘差神經(jīng)元網(wǎng)絡(luò)[14-15]直接應(yīng)用34層深度CNN對陣列進(jìn)行分類,不需要任何復(fù)雜的預(yù)處理和特征工程步驟,這種方法通過使用比其它同類方法大500倍的數(shù)據(jù)集實現(xiàn)了心臟病學(xué)家級別的性能。

    傳統(tǒng)的ECG信號分類方法需要提前知道一定的信號先驗知識,或經(jīng)常需要專家進(jìn)行手動標(biāo)注,耗費(fèi)大量時間,準(zhǔn)確性和效率往往差異很大,且不利于穿戴式設(shè)備應(yīng)用?;谶@些不足,本文提出一種基于降噪白編碼模式的CNN與GRU結(jié)合的心電分類方法,提高了心電圖(ECG)信號分類準(zhǔn)確性和效率,并有利于可穿戴設(shè)備應(yīng)用。

    1數(shù)據(jù)處理

    1.1數(shù)據(jù)庫選擇

    本文選用的MIT-BIH心律失常數(shù)據(jù)庫[16]。包含48條半小時的2導(dǎo)聯(lián)動態(tài)心電圖記錄,錄音采樣頻率是360Hz,所有記錄都包含原始心電信號,并由兩名或兩名以上心臟病專家分別進(jìn)行逐拍標(biāo)記,被標(biāo)記的心跳總數(shù)為108655次。這些心跳分成15種不同的類型,如表1所示。4個記錄(102、104、107和217)被排除在外,因為它們包含有節(jié)奏的心跳。剩下的44條記錄分為訓(xùn)練集、測試集和驗證集,本文選用的是導(dǎo)聯(lián)Ⅱ。

    1.2數(shù)據(jù)預(yù)處理

    與文獻(xiàn)[17-18]類似,所有心電信號都是先用200ms寬度的中值濾波去除P波和QRS波,再用600ms寬度的中值濾波去除T波。利用原始輸入的ECG信號減去利用中值濾波器去除完的P波、QRS波和T波,得到的信號便是基線校正后的ECG信號。然后采用截止頻率為35Hz的12階低通濾波器去除電源線和高頻噪聲.最終得到本文所需要的ECG信號,如圖l所示。

    1.3數(shù)據(jù)分割

    數(shù)據(jù)分割先要進(jìn)行R峰檢測。由于在MIT-BIH數(shù)據(jù)庫中給出了準(zhǔn)確的R峰位置,因此本文直接使用原有的R峰位置劃分心拍。在MIT-BIH數(shù)據(jù)庫所給的R峰中,去除第一個R峰與最后一個R峰,取每個R峰與前一個R峰和后一個R峰的RR間隔的一半之和為一個心拍,運(yùn)用插值法對剩余的n-2個心拍進(jìn)行降采樣,降為60維即一個心拍的長度為60,其中包含P-QRS-T波,如圖2所示。眾所周知,時間信息對于識別類簽名非常重要,因此添加4個時間特性,即前RR間隔、后RR間隔、局部RR間隔和全局RR間隔。每一個R峰與前一個R峰的RR間隔為前RR間隔,與后一個R峰的RR間隔為后RR間隔,局部RR間隔是在lOs內(nèi)通過滑動R峰窗口得到的所有R峰間隔的平均值。全局RR間隔是在5分鐘內(nèi)通過滑動R峰窗口得到的所有R峰中平均值,最終拼接成64維矩陣輸入模型。

    2模型

    2.1降噪自編碼模型

    白編碼模型是一種壓縮再解壓過程。本文的降噪白編碼在訓(xùn)練過程中輸入的數(shù)據(jù)有一部分是“損壞”的。DAE( Denoising Autoencoder)的核心思想是,一個能夠恢復(fù)出原始信號的神經(jīng)網(wǎng)絡(luò)表達(dá)未必是最好的,能夠?qū)Α皳p壞”的原始數(shù)據(jù)編碼、解碼,然后還能恢復(fù)真正的原始數(shù)據(jù),這樣的特征才是好的。選擇降噪白編碼原因是,白編碼學(xué)習(xí)只是對輸入的原始數(shù)據(jù)加以保存,并不能確保從中獲得重要的特征表示;而降噪白編碼器可以通過對輸人數(shù)據(jù)加入噪聲重構(gòu)含有噪聲的輸入數(shù)據(jù)解決該問題。降噪白編碼分為數(shù)據(jù)損壞、編碼和解碼階段。

    (1)原始數(shù)據(jù)“損壞”階段。本文給原始數(shù)據(jù)加入15dB的高斯白噪聲,如圖3所示。

    (2)編碼階段。對加入高斯噪聲之后的ECG信號進(jìn)行壓縮,編碼階段公式如下:

    (3)解碼階段。對進(jìn)行編碼后的ECG信號進(jìn)行解壓,解碼階段公式如下: 2.2 CNN模型

    卷積神經(jīng)網(wǎng)絡(luò)是一種特征提取器,其中包含了卷積層和子采樣層。在卷積神經(jīng)網(wǎng)絡(luò)的卷積層中,一個神經(jīng)元只能與很少的部分神經(jīng)元相互連接。CNN權(quán)值共享的特點(diǎn)減少了相應(yīng)的訓(xùn)練參數(shù),相同的權(quán)值可以使濾波器的檢測結(jié)果不受信號位置影響,池化運(yùn)算降低了網(wǎng)絡(luò)的空間分辨率,從而消除了信號的微小偏移和扭曲。對輸入數(shù)據(jù)的平移不變性要求不高,使訓(xùn)練出來的模型具有較強(qiáng)的泛化能力,卷積的矩陣尺寸如式3所示。

    其中,w為卷積層的矩陣大小,F(xiàn)為卷積核大小,s為卷積核移動幅度,P為零填充邊界寬度。

    2.3 GRU模型

    GRU模型是遞歸神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,GRU層有更新門和重置門兩個門,相對于RNN而言,GRU可以很好地解決其梯度消失和梯度爆炸問題,因此GRU是對遞歸神經(jīng)網(wǎng)絡(luò)( RNN)的一種改進(jìn)。重置門r可由公式(4)計算得到。

    其中,r,是用來計算候選隱藏層的,即前一時刻隱藏層h,中的信息有多少保留在當(dāng)前時刻 ,中;x,為f時刻隱藏層所輸入的心電圖信號,h,1為t時刻前一個時間點(diǎn)輸出的心電圖信號,W為重置門權(quán)值,U為f時刻的前一時刻隱藏層中重置門的權(quán)值。通過公式(5)計算更新門。

    z,指前一個時間點(diǎn)隱藏層h,忘記多少信息,候選隱藏層 加入了多少信息。W,為更新門權(quán)值,U.為f時刻的前一個時間更新門權(quán)值,最終輸出結(jié)果通過公式(6)計算得到。其中h見公式(7)。

    式中,U為f時刻前一個時間點(diǎn)隱藏層權(quán)重,w為候選隱藏層權(quán)值。GRU不但在訓(xùn)練樣本較少情況下可以防止訓(xùn)練出現(xiàn)過擬合,而且在訓(xùn)練樣本多的時候可以節(jié)省訓(xùn)練時間。

    2.4實驗?zāi)P?/p>

    本文采用基于降噪白編碼的CNN與GRU結(jié)合的心電分類方法,在編碼階段使用兩層卷積和兩層GRU,在解碼階段僅使用兩層卷積,在一定程度上節(jié)省了很多訓(xùn)練時間,實驗?zāi)P腿鐖D4所示。

    3 實驗結(jié)果

    通過對MIT-BIH數(shù)據(jù)庫進(jìn)行訓(xùn)練與測試,得到測試集的混淆矩陣如表2所示。

    通過混淆矩陣可以算出測試集的準(zhǔn)確率、精確率和靈敏度。準(zhǔn)確率指分類模型中所有判斷正確的結(jié)果占總觀測值的比重;精確率指模型預(yù)測為positive的所有結(jié)果中,模型預(yù)測正確的比重;靈敏度指真實值為positive的所有結(jié)果中,模型預(yù)測正確的比重。由于在MIT-BIH數(shù)據(jù)庫中,類F和Q在數(shù)據(jù)集中的比例非常?。ㄐ∮?%),因此這兩類分類性能對總體性能貢獻(xiàn)不大。另一方面,S類和V類的比例更高(約10%)[19]。這兩類包含了大多數(shù)心律失常,因此把重點(diǎn)放在這兩類上。對比結(jié)果[20]如表3所示。

    4 結(jié)語

    本文采用基于降噪白編碼的兩層卷積神經(jīng)網(wǎng)絡(luò)和GRU神經(jīng)網(wǎng)絡(luò),不僅提高了心電圖(ECG)信號分類的準(zhǔn)確性和效率,而且采用的兩層卷積神經(jīng)網(wǎng)絡(luò)在一定程度上可以滿足可穿戴設(shè)備應(yīng)用。后續(xù)將從以下幾方面進(jìn)行深入研究:①多導(dǎo)聯(lián)心電數(shù)據(jù)處理;②用可變窗口對心律失常變長進(jìn)行分類;③分析更多導(dǎo)聯(lián)(2-12)的心電信號片段;④在臨床環(huán)境中對提出的方法進(jìn)行測試。

    參考文獻(xiàn):

    [1]陳學(xué)琴.基于心電圖分析的心率失常分類[D].北京:北京交通大

    學(xué),2011.

    [2]DEANS. ZANDRA C. Recommended practice for testing and report-ing performance results of rentricular arrhmtmia detection algorithms[c].Arlington:Associatinn Advanc.ement Medical Instrumentation ,1987.

    [3]張文輝基于深度學(xué)習(xí)的監(jiān)控視頻車輛實時監(jiān)測[J].軟件導(dǎo)刊,2019,18(7):37-40.

    [4]HINTON G E. OSINDERO S Y.A fast learning algorithm for deep he-lief nets[J]. Neural Comput, 2006(18): 1527-1554

    [5]朱龍飛,王鵬程.基于深度信念網(wǎng)絡(luò)的腦電信號疲勞檢測系統(tǒng)[J].計算機(jī)測量與控制,2019,27(5):26-29,34

    [6]SWIETOJANSKI P, GHOSHAL A. RENALS S.Convolutional neuralnetworks for distant speech recngnition[J].IEEE Signal Process. Lett,2014(21):1120-1124.

    [7]崔廣新,李殿奎基于自編碼算法的深度學(xué)習(xí)綜述[J].計算機(jī)系統(tǒng)

    應(yīng)用,2018,27(9):47-51.

    [8]SCHMIDHUBER J Deep learning in neural networks: An overview[J] Neural lYretw, 2015( 61):85-117.

    [9]高碩,許少華.一種集成CNN模型及其在ECG信號分類中的應(yīng)用

    [J]軟件導(dǎo)刊,2019. 18(7):24-27.

    [lo]]楊鑫,楊晶東基于多分支網(wǎng)絡(luò)的圖像分類算法[J].軟件導(dǎo)刊,

    2019.18(7):56-59.

    [11]BAI J,WU Y. ZHANG J,et al. Subset based deep learning forRCB-D object recognition[J]. Neurocomputing, 2015(165):280-292

    [12]程嘉遠(yuǎn),于小紅.不確定性理論在通信目標(biāo)識別中的應(yīng)用[J]火力與指揮控制,2018,43(8):96-101.

    [13]ACHARYA U R. FUJITA H. GERTYCH A. et al. Automated iden- tification of shockable and non-shockahle life-threatening ventricu-lar arrhvthmias using convolu tional neural network[J].Future Gener-ation Computer Svstems, 2018(79): 952-959.

    [14]RAJPURKAR P. HANNUNr A. PREPRINT M H. Cardiologist-levelarrh\'thmia detection with convolutional neural netwnrks[DB/OL].https: //aixiv.org/pdf/1707 .01 836.pdf

    [15]HE K.ZHANC X. REN S,et al. Deep residual learning for image rec-ognition[EB/OL].https: //blog.csdn.net/wspba/article/details/57074389.

    [16]TAN J H. HACIWARA Y. PANG W,et al. Application nf stackedcon,'olutional and long shoit-tPrm memorv network for accurate iden-tification of CAD ECG signals[J]. Computers in Biology and Medi-cine. 2018(94):19-26.

    [17] DE CHAZAL P.0'DWYER M,REILLY R B,Automatic classififi-cation of heartheats using ECC morphology and heartbeat interval fea-tures[J].IEEE Transactions on Biome dic al Engineering, 2004(51):1196-1206.

    [18]DE CHAZAL P, REILLY R B A patient-adapting heartbeat classifi-fier using ECG morphology and heanbeat interval features[ Jl. IEEETransactions on Binmedical EWineering, 2006(53): 2535-2543.

    [19]XL S S,MAK M W.CHEUNG C C Towards end-tr)-end ECG classi-fication with raw signal extraction and deep neural networks[J].IEEE Journal of Biomedical and Health Informatics, 2018(5):287-351

    [20]ACHARYA L R, OH S L, HACIWARA Y. et al.A deep convolu-tional neural network model to classifv heartbeats [J]. Computers inBiology and Medicine,2017(89): 389-396.

    (責(zé)任編輯:杜能鋼)

    收稿日期:2019-07-11

    作者簡介:燕婷(1995-),女,山東科技大學(xué)計算機(jī)科學(xué)與工程學(xué)院碩士研究生,研究方向為人工智能。

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)
    基于深度神經(jīng)網(wǎng)絡(luò)的微表情識別
    卷積神經(jīng)網(wǎng)絡(luò)中減少訓(xùn)練樣本時間方法研究
    卷積神經(jīng)網(wǎng)絡(luò)語言模型研究
    基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢索方法研究
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    深度學(xué)習(xí)技術(shù)下的中文微博情感的分析與研究
    軟件(2016年5期)2016-08-30 06:27:49
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    51国产日韩欧美| 一本—道久久a久久精品蜜桃钙片| 国产精品av视频在线免费观看| 成人一区二区视频在线观看| 国内揄拍国产精品人妻在线| 亚洲国产精品成人久久小说| 亚洲国产精品专区欧美| 中文欧美无线码| 亚洲精品亚洲一区二区| 99久久精品热视频| 看非洲黑人一级黄片| 久久久久精品久久久久真实原创| 色婷婷av一区二区三区视频| 永久免费av网站大全| 国产黄片美女视频| 最近最新中文字幕大全电影3| 欧美日韩视频精品一区| 欧美xxxx性猛交bbbb| 精品人妻视频免费看| 成人二区视频| 99久国产av精品国产电影| 1000部很黄的大片| 欧美日韩国产mv在线观看视频 | 国产成人精品福利久久| 久久久成人免费电影| 亚洲精品中文字幕在线视频 | 午夜福利高清视频| 天天躁夜夜躁狠狠久久av| 在线观看免费日韩欧美大片 | 成人无遮挡网站| 亚洲av电影在线观看一区二区三区| 少妇人妻一区二区三区视频| 极品少妇高潮喷水抽搐| 国产精品免费大片| 黑丝袜美女国产一区| 亚洲成人一二三区av| 精品久久国产蜜桃| 99精国产麻豆久久婷婷| 国产无遮挡羞羞视频在线观看| 国产亚洲5aaaaa淫片| 国产久久久一区二区三区| 国产精品人妻久久久影院| 精品亚洲成a人片在线观看 | 九九在线视频观看精品| 精品酒店卫生间| 亚洲经典国产精华液单| 国内少妇人妻偷人精品xxx网站| 人人妻人人澡人人爽人人夜夜| 久久亚洲国产成人精品v| 国产淫语在线视频| 欧美3d第一页| 伦理电影免费视频| 天堂中文最新版在线下载| 黄色视频在线播放观看不卡| 亚洲美女视频黄频| 国产熟女欧美一区二区| 日日啪夜夜爽| av一本久久久久| 亚洲欧美精品自产自拍| 国产v大片淫在线免费观看| 少妇丰满av| 老女人水多毛片| 色视频在线一区二区三区| 色视频在线一区二区三区| 97热精品久久久久久| 国产精品久久久久成人av| 晚上一个人看的免费电影| 嘟嘟电影网在线观看| 啦啦啦啦在线视频资源| 一级黄片播放器| 精品人妻熟女av久视频| 在线观看国产h片| 伦理电影免费视频| 一区二区三区免费毛片| 最近的中文字幕免费完整| 亚洲美女搞黄在线观看| 人妻 亚洲 视频| 伦理电影大哥的女人| 国产爱豆传媒在线观看| 久久精品久久久久久噜噜老黄| 免费久久久久久久精品成人欧美视频 | 久久久久久人妻| 欧美极品一区二区三区四区| 午夜激情久久久久久久| 91午夜精品亚洲一区二区三区| 我的老师免费观看完整版| 亚洲欧美日韩无卡精品| 麻豆成人av视频| 九九在线视频观看精品| 亚洲欧美精品专区久久| 久久久久视频综合| 午夜免费鲁丝| 中文乱码字字幕精品一区二区三区| 蜜桃亚洲精品一区二区三区| 免费人成在线观看视频色| 性高湖久久久久久久久免费观看| 22中文网久久字幕| 搡女人真爽免费视频火全软件| 黑人猛操日本美女一级片| 在线观看一区二区三区| 国产精品av视频在线免费观看| 亚洲精品色激情综合| 久久精品国产自在天天线| 这个男人来自地球电影免费观看 | 蜜臀久久99精品久久宅男| 欧美少妇被猛烈插入视频| 亚洲欧美日韩另类电影网站 | 五月玫瑰六月丁香| 久久久久性生活片| 黄色配什么色好看| 亚洲自偷自拍三级| 国产精品一二三区在线看| 麻豆成人av视频| 亚洲成人中文字幕在线播放| 日韩免费高清中文字幕av| 精品久久久噜噜| 纵有疾风起免费观看全集完整版| 免费大片18禁| 精品亚洲乱码少妇综合久久| 91久久精品电影网| 精品少妇久久久久久888优播| 蜜桃亚洲精品一区二区三区| 日本-黄色视频高清免费观看| 精品午夜福利在线看| 亚洲av免费高清在线观看| 男人添女人高潮全过程视频| 婷婷色麻豆天堂久久| 在线观看国产h片| 超碰97精品在线观看| 久久精品国产亚洲av涩爱| 黄片wwwwww| 天天躁日日操中文字幕| 午夜免费观看性视频| 亚洲精品日韩在线中文字幕| 少妇裸体淫交视频免费看高清| 日本黄色片子视频| 午夜免费男女啪啪视频观看| 色5月婷婷丁香| 插阴视频在线观看视频| 99久国产av精品国产电影| 多毛熟女@视频| 18禁在线播放成人免费| 国产精品女同一区二区软件| 免费人妻精品一区二区三区视频| 亚洲欧美成人精品一区二区| 久热久热在线精品观看| 18禁动态无遮挡网站| 18+在线观看网站| 亚洲电影在线观看av| 99热国产这里只有精品6| 亚洲av电影在线观看一区二区三区| 麻豆成人午夜福利视频| 涩涩av久久男人的天堂| 国产成人精品福利久久| 国产精品成人在线| 亚洲精品国产色婷婷电影| 国产淫片久久久久久久久| 中文字幕人妻熟人妻熟丝袜美| 精品人妻一区二区三区麻豆| 伦精品一区二区三区| 高清午夜精品一区二区三区| freevideosex欧美| 中文精品一卡2卡3卡4更新| 亚洲aⅴ乱码一区二区在线播放| 如何舔出高潮| 国产在线视频一区二区| 精品国产三级普通话版| 男男h啪啪无遮挡| 久久精品久久久久久久性| 亚洲,欧美,日韩| 街头女战士在线观看网站| 18禁在线播放成人免费| 国产v大片淫在线免费观看| 黄色一级大片看看| 亚洲欧美成人综合另类久久久| 美女内射精品一级片tv| 伊人久久国产一区二区| 亚洲国产日韩一区二区| 日韩中字成人| 欧美zozozo另类| 成人二区视频| 亚洲人成网站在线观看播放| 精品久久久精品久久久| 韩国高清视频一区二区三区| 久久婷婷青草| 亚洲欧美精品自产自拍| 男女国产视频网站| videos熟女内射| 国产永久视频网站| 亚洲欧美日韩卡通动漫| 欧美97在线视频| 久久99精品国语久久久| 大香蕉97超碰在线| 国产在线视频一区二区| 97在线视频观看| 男人狂女人下面高潮的视频| 男的添女的下面高潮视频| 欧美日韩视频高清一区二区三区二| 精品久久久久久久久亚洲| 国产女主播在线喷水免费视频网站| 亚洲色图av天堂| 成人国产麻豆网| 日韩中文字幕视频在线看片 | 能在线免费看毛片的网站| 久热久热在线精品观看| 80岁老熟妇乱子伦牲交| 欧美日韩综合久久久久久| 26uuu在线亚洲综合色| 在线观看国产h片| 亚洲人与动物交配视频| 国产免费又黄又爽又色| 久久国产精品大桥未久av | 少妇被粗大猛烈的视频| 青春草亚洲视频在线观看| 国产精品久久久久久精品电影小说 | 国产精品伦人一区二区| 久久久欧美国产精品| 久久热精品热| 一级毛片 在线播放| 欧美zozozo另类| 色视频www国产| kizo精华| 亚洲精品乱码久久久久久按摩| 有码 亚洲区| 高清欧美精品videossex| 极品少妇高潮喷水抽搐| 网址你懂的国产日韩在线| 亚洲成人中文字幕在线播放| 久久97久久精品| 国产一级毛片在线| 国产毛片在线视频| 久久99精品国语久久久| 搡老乐熟女国产| 久久精品国产亚洲网站| 亚洲无线观看免费| 免费人妻精品一区二区三区视频| 亚洲国产精品一区三区| 国产成人aa在线观看| 免费人成在线观看视频色| av在线蜜桃| 中文精品一卡2卡3卡4更新| 女性被躁到高潮视频| 国产亚洲av片在线观看秒播厂| 人体艺术视频欧美日本| 国产精品av视频在线免费观看| 亚洲,一卡二卡三卡| 如何舔出高潮| 国产在线免费精品| 亚洲精品日韩av片在线观看| 偷拍熟女少妇极品色| 人妻系列 视频| 少妇的逼水好多| av在线蜜桃| 亚洲国产欧美在线一区| 亚洲va在线va天堂va国产| 久久久a久久爽久久v久久| 美女脱内裤让男人舔精品视频| 99热国产这里只有精品6| 天堂8中文在线网| 国产精品一二三区在线看| 日韩视频在线欧美| 一级毛片黄色毛片免费观看视频| 男女下面进入的视频免费午夜| 久久6这里有精品| 欧美成人精品欧美一级黄| 人妻制服诱惑在线中文字幕| 国产 一区精品| 精品少妇黑人巨大在线播放| 亚洲一区二区三区欧美精品| 一级毛片电影观看| 在线免费十八禁| 男人添女人高潮全过程视频| 身体一侧抽搐| 久久久久视频综合| 一区二区三区乱码不卡18| 国产日韩欧美亚洲二区| 日本-黄色视频高清免费观看| 国产成人免费观看mmmm| 99久久综合免费| 国产在线一区二区三区精| 波野结衣二区三区在线| 一区二区av电影网| 大片免费播放器 马上看| 亚洲精品国产av蜜桃| 免费大片黄手机在线观看| 91aial.com中文字幕在线观看| 日韩成人av中文字幕在线观看| 国产一级毛片在线| 高清视频免费观看一区二区| 91aial.com中文字幕在线观看| 色视频在线一区二区三区| 欧美极品一区二区三区四区| 亚洲欧美日韩东京热| 午夜福利网站1000一区二区三区| 黑人高潮一二区| 午夜福利影视在线免费观看| av在线app专区| 高清午夜精品一区二区三区| 日本vs欧美在线观看视频 | 一二三四中文在线观看免费高清| 中文字幕制服av| 黄色配什么色好看| 亚洲国产av新网站| 国产精品久久久久成人av| 欧美97在线视频| 全区人妻精品视频| 丰满人妻一区二区三区视频av| 亚洲精品国产av成人精品| 日本欧美视频一区| av网站免费在线观看视频| 精品久久久久久久久av| 久久精品夜色国产| av专区在线播放| 一区二区三区精品91| 久久久久久久精品精品| 又爽又黄a免费视频| 国产精品99久久久久久久久| 久久精品国产自在天天线| 欧美成人a在线观看| 精品亚洲成a人片在线观看 | 嫩草影院入口| av黄色大香蕉| 成人毛片60女人毛片免费| 成人影院久久| 亚洲欧美一区二区三区国产| 久久久久久久久久成人| 欧美日韩精品成人综合77777| 亚洲婷婷狠狠爱综合网| 国产大屁股一区二区在线视频| 久久人妻熟女aⅴ| 国产成人精品婷婷| 国产中年淑女户外野战色| 不卡视频在线观看欧美| 九九久久精品国产亚洲av麻豆| 国产在视频线精品| 精品一区二区三卡| 欧美精品人与动牲交sv欧美| 亚洲av电影在线观看一区二区三区| 中文字幕制服av| 欧美日韩综合久久久久久| 男女边吃奶边做爰视频| 欧美xxxx性猛交bbbb| 亚洲久久久国产精品| 欧美bdsm另类| 日韩免费高清中文字幕av| 青春草视频在线免费观看| 国产黄色免费在线视频| 欧美性感艳星| 极品教师在线视频| 夫妻性生交免费视频一级片| 久久人人爽人人爽人人片va| 国产精品一二三区在线看| 久久鲁丝午夜福利片| 成人国产麻豆网| 久久久色成人| 成人一区二区视频在线观看| 国产黄频视频在线观看| 国产成人a∨麻豆精品| 久久精品国产亚洲av天美| 你懂的网址亚洲精品在线观看| 午夜激情久久久久久久| 97精品久久久久久久久久精品| 熟女av电影| 日本午夜av视频| 最近手机中文字幕大全| 黄色欧美视频在线观看| 男女边摸边吃奶| 男女国产视频网站| 欧美成人精品欧美一级黄| .国产精品久久| 亚洲国产欧美在线一区| 一级黄片播放器| 日本黄色日本黄色录像| 久久久久久久久大av| 狂野欧美白嫩少妇大欣赏| 色综合色国产| 九色成人免费人妻av| 国产69精品久久久久777片| 亚洲久久久国产精品| 国产精品一及| 丝袜脚勾引网站| 日本黄色日本黄色录像| 高清日韩中文字幕在线| 国产黄色视频一区二区在线观看| 日韩,欧美,国产一区二区三区| 久久久久久久久大av| 狂野欧美白嫩少妇大欣赏| 成人高潮视频无遮挡免费网站| 精品国产三级普通话版| 成年人午夜在线观看视频| 大又大粗又爽又黄少妇毛片口| 亚洲欧美精品专区久久| 97热精品久久久久久| 国产在线男女| 又大又黄又爽视频免费| 免费观看的影片在线观看| 蜜桃在线观看..| 看非洲黑人一级黄片| 国产淫片久久久久久久久| 看免费成人av毛片| 各种免费的搞黄视频| 1000部很黄的大片| 97在线视频观看| 免费看av在线观看网站| 制服丝袜香蕉在线| 欧美一区二区亚洲| av在线app专区| 男人舔奶头视频| 18禁在线无遮挡免费观看视频| 在线观看免费视频网站a站| 久久精品久久久久久噜噜老黄| 简卡轻食公司| 黄色配什么色好看| 2018国产大陆天天弄谢| 18禁动态无遮挡网站| 男的添女的下面高潮视频| 国精品久久久久久国模美| 青春草视频在线免费观看| 日韩中字成人| 亚洲国产精品成人久久小说| 久久av网站| 国产精品国产三级国产av玫瑰| 美女高潮的动态| 看十八女毛片水多多多| 一边亲一边摸免费视频| 一级av片app| 九草在线视频观看| 欧美日韩在线观看h| 2021少妇久久久久久久久久久| 欧美高清成人免费视频www| 精品一区二区免费观看| 观看美女的网站| 久久久久久久久久久丰满| 国产精品久久久久久久电影| 观看av在线不卡| 99久久精品国产国产毛片| 国产精品不卡视频一区二区| 色吧在线观看| 超碰97精品在线观看| 亚洲欧美精品自产自拍| 亚洲精品久久午夜乱码| 99热这里只有是精品50| 精华霜和精华液先用哪个| 国产精品嫩草影院av在线观看| 伦精品一区二区三区| 黑人高潮一二区| 18禁动态无遮挡网站| 亚洲精品亚洲一区二区| 午夜老司机福利剧场| 久久av网站| 国产亚洲欧美精品永久| 嘟嘟电影网在线观看| 午夜福利高清视频| 天天躁日日操中文字幕| 免费看不卡的av| 亚洲av福利一区| 九九爱精品视频在线观看| 只有这里有精品99| 老司机影院成人| 色综合色国产| av一本久久久久| 最近最新中文字幕大全电影3| 日本午夜av视频| 亚洲av免费高清在线观看| 免费大片黄手机在线观看| 男女国产视频网站| 久久久久久久亚洲中文字幕| 欧美日韩视频精品一区| 国产成人aa在线观看| 精品国产露脸久久av麻豆| 一区二区三区四区激情视频| 国产精品国产av在线观看| 少妇人妻久久综合中文| 天堂俺去俺来也www色官网| 永久网站在线| 美女cb高潮喷水在线观看| 性色av一级| 免费观看av网站的网址| 亚洲成人手机| 麻豆成人av视频| 亚洲欧洲日产国产| 国产色爽女视频免费观看| 精华霜和精华液先用哪个| 热re99久久精品国产66热6| 边亲边吃奶的免费视频| 高清欧美精品videossex| 波野结衣二区三区在线| 校园人妻丝袜中文字幕| 人人妻人人看人人澡| 国产欧美另类精品又又久久亚洲欧美| 内地一区二区视频在线| 日本与韩国留学比较| 欧美精品亚洲一区二区| 成人亚洲欧美一区二区av| 啦啦啦中文免费视频观看日本| 国产伦在线观看视频一区| 国产亚洲午夜精品一区二区久久| 国产精品麻豆人妻色哟哟久久| 亚洲国产精品专区欧美| 欧美极品一区二区三区四区| 黄片无遮挡物在线观看| 亚洲欧美中文字幕日韩二区| 国产熟女欧美一区二区| 大片免费播放器 马上看| 国产在线免费精品| 欧美日韩视频高清一区二区三区二| av专区在线播放| 日韩中文字幕视频在线看片 | 亚洲av日韩在线播放| 美女cb高潮喷水在线观看| 久久女婷五月综合色啪小说| 久久精品久久精品一区二区三区| 久久毛片免费看一区二区三区| 大码成人一级视频| 在线观看人妻少妇| 欧美日韩精品成人综合77777| 三级国产精品片| 久久精品人妻少妇| 国产精品一区www在线观看| 寂寞人妻少妇视频99o| 亚洲精品国产av成人精品| 久久国产精品大桥未久av | 一区二区三区四区激情视频| 麻豆成人av视频| 国产视频首页在线观看| 国产爽快片一区二区三区| 久久99精品国语久久久| 欧美xxxx性猛交bbbb| 永久网站在线| 高清欧美精品videossex| 精品国产露脸久久av麻豆| 91精品国产国语对白视频| 黄色配什么色好看| 日韩成人av中文字幕在线观看| 国产又色又爽无遮挡免| 日韩强制内射视频| 97超碰精品成人国产| 成人特级av手机在线观看| 亚洲三级黄色毛片| av又黄又爽大尺度在线免费看| 国产日韩欧美在线精品| 七月丁香在线播放| 乱码一卡2卡4卡精品| 亚洲国产精品专区欧美| 国产乱人偷精品视频| 亚洲综合色惰| 欧美极品一区二区三区四区| 精品人妻视频免费看| 欧美3d第一页| freevideosex欧美| 国产精品一二三区在线看| 欧美日韩在线观看h| 啦啦啦啦在线视频资源| 2022亚洲国产成人精品| 欧美精品亚洲一区二区| 久久久亚洲精品成人影院| 久久国产精品男人的天堂亚洲 | 日韩三级伦理在线观看| 如何舔出高潮| 国产真实伦视频高清在线观看| 国产视频内射| 国产黄片美女视频| 伦理电影免费视频| 成人综合一区亚洲| 国国产精品蜜臀av免费| 成人一区二区视频在线观看| 精品久久久久久久久av| 亚洲av成人精品一区久久| 啦啦啦在线观看免费高清www| 一个人免费看片子| 久久久久精品久久久久真实原创| 欧美 日韩 精品 国产| 看非洲黑人一级黄片| 国产爽快片一区二区三区| 免费播放大片免费观看视频在线观看| 亚洲精品国产av蜜桃| 草草在线视频免费看| 国产深夜福利视频在线观看| 99久久精品热视频| 国产高清三级在线| 亚洲av福利一区| 亚洲丝袜综合中文字幕| 精品久久久久久久久av| 午夜免费观看性视频| a级毛片免费高清观看在线播放| 联通29元200g的流量卡| 国国产精品蜜臀av免费| 人人妻人人看人人澡| 久久影院123| 99国产精品免费福利视频| 天美传媒精品一区二区| 久久精品国产亚洲av涩爱| 国产精品久久久久久av不卡| 肉色欧美久久久久久久蜜桃| 天天躁日日操中文字幕| 国产熟女欧美一区二区| 成年人午夜在线观看视频| 久久久亚洲精品成人影院| 国产视频内射| 国产一区二区在线观看日韩| 国产久久久一区二区三区| 亚洲成人中文字幕在线播放| 亚洲不卡免费看| 亚州av有码| av视频免费观看在线观看| 日韩av免费高清视频| 国产伦理片在线播放av一区| 久久综合国产亚洲精品| 色综合色国产| 王馨瑶露胸无遮挡在线观看| 亚洲第一区二区三区不卡| 亚洲国产色片| 亚洲精品自拍成人| 亚洲成人一二三区av| 国产精品秋霞免费鲁丝片|