• <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
    看十八女毛片水多多多| 视频区欧美日本亚洲| 欧美黄色片欧美黄色片| 国产伦理片在线播放av一区| 人人妻人人爽人人添夜夜欢视频| 亚洲人成网站在线观看播放| 欧美av亚洲av综合av国产av| 日韩 欧美 亚洲 中文字幕| 国产精品久久久av美女十八| av在线老鸭窝| h视频一区二区三区| 国产欧美日韩一区二区三 | 欧美人与善性xxx| 一级,二级,三级黄色视频| 国产成人av教育| 精品一区二区三区av网在线观看 | 成年女人毛片免费观看观看9 | 国产91精品成人一区二区三区 | www.av在线官网国产| 最新的欧美精品一区二区| 亚洲精品国产一区二区精华液| 女人爽到高潮嗷嗷叫在线视频| 999久久久国产精品视频| 午夜影院在线不卡| 性色av乱码一区二区三区2| 精品久久久久久电影网| 亚洲情色 制服丝袜| 亚洲精品一卡2卡三卡4卡5卡 | 丝袜喷水一区| 午夜影院在线不卡| 精品少妇黑人巨大在线播放| 又大又爽又粗| 午夜免费鲁丝| 狠狠精品人妻久久久久久综合| 国产伦理片在线播放av一区| 日本午夜av视频| 欧美日韩亚洲国产一区二区在线观看 | av电影中文网址| 欧美国产精品一级二级三级| 国产精品亚洲av一区麻豆| 欧美日韩亚洲国产一区二区在线观看 | 久久这里只有精品19| 校园人妻丝袜中文字幕| 在线亚洲精品国产二区图片欧美| 午夜福利在线免费观看网站| 少妇的丰满在线观看| 一本综合久久免费| 日韩精品免费视频一区二区三区| 国产成人影院久久av| 激情五月婷婷亚洲| 国产无遮挡羞羞视频在线观看| 亚洲精品一二三| 日韩av在线免费看完整版不卡| 2018国产大陆天天弄谢| 欧美 亚洲 国产 日韩一| videos熟女内射| 夫妻性生交免费视频一级片| 少妇的丰满在线观看| 超碰成人久久| 久久亚洲精品不卡| a级毛片在线看网站| www.精华液| tube8黄色片| 午夜福利,免费看| 免费高清在线观看视频在线观看| 中国国产av一级| 国产视频一区二区在线看| 亚洲精品一二三| 国产黄频视频在线观看| 久久久久久久精品精品| 精品人妻一区二区三区麻豆| 看十八女毛片水多多多| 各种免费的搞黄视频| 不卡av一区二区三区| 国产在线观看jvid| 久久天躁狠狠躁夜夜2o2o | 19禁男女啪啪无遮挡网站| 国产精品一国产av| 亚洲精品av麻豆狂野| 国产欧美日韩一区二区三区在线| 黄频高清免费视频| 激情五月婷婷亚洲| 国产欧美日韩一区二区三区在线| 国产精品一区二区在线观看99| 日韩制服骚丝袜av| 国产片特级美女逼逼视频| 日韩 欧美 亚洲 中文字幕| av网站免费在线观看视频| 国产成人啪精品午夜网站| 精品福利观看| 亚洲视频免费观看视频| 欧美精品一区二区免费开放| 好男人视频免费观看在线| 亚洲少妇的诱惑av| 人成视频在线观看免费观看| 黑人欧美特级aaaaaa片| 中文字幕亚洲精品专区| 国产高清不卡午夜福利| 多毛熟女@视频| 97精品久久久久久久久久精品| 另类亚洲欧美激情| 99香蕉大伊视频| 免费一级毛片在线播放高清视频 | 欧美精品亚洲一区二区| 在线天堂中文资源库| 国产极品粉嫩免费观看在线| 精品久久久精品久久久| 国产不卡av网站在线观看| 国产成人影院久久av| 校园人妻丝袜中文字幕| 天天影视国产精品| 在线观看免费日韩欧美大片| 亚洲av片天天在线观看| 国产主播在线观看一区二区 | 男人舔女人的私密视频| 男女免费视频国产| 国产高清国产精品国产三级| 女人高潮潮喷娇喘18禁视频| 1024视频免费在线观看| 久久综合国产亚洲精品| 亚洲少妇的诱惑av| 最新的欧美精品一区二区| 久久久久久久久免费视频了| videos熟女内射| av网站免费在线观看视频| 国产日韩一区二区三区精品不卡| av线在线观看网站| 亚洲激情五月婷婷啪啪| 男男h啪啪无遮挡| 91成人精品电影| 国产有黄有色有爽视频| 久久热在线av| 涩涩av久久男人的天堂| 在线观看免费日韩欧美大片| 又黄又粗又硬又大视频| 亚洲,欧美精品.| 少妇人妻 视频| 无限看片的www在线观看| 成年动漫av网址| 十八禁人妻一区二区| 啦啦啦中文免费视频观看日本| 韩国精品一区二区三区| 国产成人精品久久二区二区91| 中国国产av一级| 男人舔女人的私密视频| 日韩av在线免费看完整版不卡| 日本av手机在线免费观看| 亚洲伊人色综图| 高清黄色对白视频在线免费看| 伦理电影免费视频| 亚洲图色成人| 亚洲精品自拍成人| 大片免费播放器 马上看| 在线观看一区二区三区激情| 一区在线观看完整版| 一级毛片我不卡| 久久精品aⅴ一区二区三区四区| 国产女主播在线喷水免费视频网站| 制服人妻中文乱码| 伊人久久大香线蕉亚洲五| 国产成人精品久久久久久| 伦理电影免费视频| 亚洲 国产 在线| 亚洲一码二码三码区别大吗| 久久 成人 亚洲| 老熟女久久久| 国产精品国产三级专区第一集| 免费一级毛片在线播放高清视频 | 亚洲av综合色区一区| 夫妻性生交免费视频一级片| 亚洲av电影在线观看一区二区三区| 午夜视频精品福利| 亚洲九九香蕉| 国产精品一区二区免费欧美 | 国产精品.久久久| 国产精品人妻久久久影院| 秋霞在线观看毛片| 老司机影院毛片| 一级片'在线观看视频| 亚洲成人免费电影在线观看 | 国产片特级美女逼逼视频| 欧美黑人欧美精品刺激| 国产成人免费观看mmmm| 国产精品一二三区在线看| 视频区欧美日本亚洲| 免费久久久久久久精品成人欧美视频| 韩国精品一区二区三区| 国产黄频视频在线观看| a级毛片黄视频| 人人妻人人爽人人添夜夜欢视频| av网站在线播放免费| 精品国产超薄肉色丝袜足j| 欧美日韩综合久久久久久| 日本猛色少妇xxxxx猛交久久| 老司机靠b影院| 亚洲七黄色美女视频| 精品第一国产精品| 精品亚洲成国产av| 只有这里有精品99| 欧美性长视频在线观看| 国产一区二区三区综合在线观看| 一级片'在线观看视频| 美女视频免费永久观看网站| 美女高潮到喷水免费观看| 狂野欧美激情性xxxx| 久久精品久久久久久久性| 叶爱在线成人免费视频播放| 91老司机精品| 久久精品aⅴ一区二区三区四区| 精品熟女少妇八av免费久了| 日韩 亚洲 欧美在线| 女人久久www免费人成看片| 日韩av免费高清视频| 丝袜在线中文字幕| 汤姆久久久久久久影院中文字幕| 免费日韩欧美在线观看| 亚洲中文av在线| 欧美日韩亚洲国产一区二区在线观看 | 国产日韩欧美在线精品| 欧美成狂野欧美在线观看| 最近手机中文字幕大全| 看十八女毛片水多多多| www.熟女人妻精品国产| 欧美精品高潮呻吟av久久| 成人手机av| 中文字幕精品免费在线观看视频| 国产一区二区三区综合在线观看| 成人影院久久| 男女无遮挡免费网站观看| 99热国产这里只有精品6| 黄色视频在线播放观看不卡| 香蕉丝袜av| 久久人人爽av亚洲精品天堂| 午夜福利一区二区在线看| 国产国语露脸激情在线看| 老司机在亚洲福利影院| 免费观看人在逋| 青青草视频在线视频观看| 巨乳人妻的诱惑在线观看| 亚洲美女黄色视频免费看| 我要看黄色一级片免费的| 一二三四社区在线视频社区8| 国产精品亚洲av一区麻豆| 亚洲av综合色区一区| 国产成人精品久久二区二区91| 日日爽夜夜爽网站| 精品一品国产午夜福利视频| 十分钟在线观看高清视频www| 国产无遮挡羞羞视频在线观看| 在线看a的网站| 日日摸夜夜添夜夜爱| 人妻 亚洲 视频| 国产精品秋霞免费鲁丝片| 侵犯人妻中文字幕一二三四区| 久久精品人人爽人人爽视色| 制服人妻中文乱码| 欧美在线黄色| 国产成人免费观看mmmm| 嫩草影视91久久| 这个男人来自地球电影免费观看| 美女国产高潮福利片在线看| 90打野战视频偷拍视频| 国精品久久久久久国模美| 国产精品国产av在线观看| 国产成人一区二区三区免费视频网站 | 国产精品久久久av美女十八| 国产成人91sexporn| 婷婷色av中文字幕| 国产精品国产三级专区第一集| 不卡av一区二区三区| 亚洲av日韩精品久久久久久密 | 精品一区二区三卡| 18禁裸乳无遮挡动漫免费视频| 国产成人欧美| 久久精品亚洲av国产电影网| 久久人人爽人人片av| 久久人妻福利社区极品人妻图片 | 你懂的网址亚洲精品在线观看| 久久精品久久精品一区二区三区| 深夜精品福利| 成人18禁高潮啪啪吃奶动态图| 伊人久久大香线蕉亚洲五| 久久99精品国语久久久| 久久国产精品影院| 久久久亚洲精品成人影院| 国产在视频线精品| 黑丝袜美女国产一区| 亚洲精品久久午夜乱码| 亚洲成av片中文字幕在线观看| √禁漫天堂资源中文www| 波多野结衣av一区二区av| 国产极品粉嫩免费观看在线| 欧美日韩亚洲高清精品| 一区二区三区精品91| 丝袜脚勾引网站| 国产熟女欧美一区二区| 大片免费播放器 马上看| 久久精品国产亚洲av涩爱| 国产精品免费大片| 美女中出高潮动态图| 最新在线观看一区二区三区 | 免费看十八禁软件| 一本久久精品| 国产精品av久久久久免费| 天堂8中文在线网| 国产午夜精品一二区理论片| 国产精品免费大片| 一区福利在线观看| 欧美中文综合在线视频| 精品国产一区二区三区四区第35| av又黄又爽大尺度在线免费看| 亚洲精品一区蜜桃| 亚洲国产av新网站| 成人国产一区最新在线观看 | 在线观看人妻少妇| 精品熟女少妇八av免费久了| 久久久久久人人人人人| 亚洲熟女精品中文字幕| 丝袜在线中文字幕| 国产精品成人在线| 妹子高潮喷水视频| 欧美成狂野欧美在线观看| 亚洲精品第二区| 亚洲av欧美aⅴ国产| 最近手机中文字幕大全| 狠狠婷婷综合久久久久久88av| 丁香六月欧美| 考比视频在线观看| 国产一区二区在线观看av| 国产无遮挡羞羞视频在线观看| 国产亚洲精品久久久久5区| 亚洲欧洲日产国产| avwww免费| 日韩中文字幕视频在线看片| 国产免费又黄又爽又色| 国产精品人妻久久久影院| videos熟女内射| 一区二区av电影网| 欧美+亚洲+日韩+国产| 美女主播在线视频| 热re99久久精品国产66热6| 18在线观看网站| 一级a爱视频在线免费观看| 高清黄色对白视频在线免费看| 我要看黄色一级片免费的| 国产av精品麻豆| 王馨瑶露胸无遮挡在线观看| 精品久久久久久久毛片微露脸 | 99国产精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 亚洲av片天天在线观看| 国产av精品麻豆| 亚洲欧美一区二区三区久久| 精品国产一区二区三区久久久樱花| 99久久综合免费| 亚洲中文av在线| 黄色毛片三级朝国网站| 波野结衣二区三区在线| 自拍欧美九色日韩亚洲蝌蚪91| 热re99久久精品国产66热6| 超色免费av| 国产亚洲av高清不卡| 一级片免费观看大全| 手机成人av网站| 大话2 男鬼变身卡| 手机成人av网站| 天天操日日干夜夜撸| 热99国产精品久久久久久7| 日本a在线网址| 2021少妇久久久久久久久久久| 伦理电影免费视频| 免费看不卡的av| 欧美少妇被猛烈插入视频| av视频免费观看在线观看| √禁漫天堂资源中文www| 久热这里只有精品99| 2018国产大陆天天弄谢| 久久精品aⅴ一区二区三区四区| 久久久久视频综合| 日韩电影二区| 欧美精品av麻豆av| 人人妻人人爽人人添夜夜欢视频| 看免费av毛片| 国产精品一区二区在线观看99| 好男人视频免费观看在线| 天天添夜夜摸| 国产成人a∨麻豆精品| 免费在线观看完整版高清| 少妇人妻久久综合中文| 天堂俺去俺来也www色官网| 在线看a的网站| 亚洲国产精品成人久久小说| 母亲3免费完整高清在线观看| 成年人午夜在线观看视频| 在线看a的网站| 丝袜脚勾引网站| 1024视频免费在线观看| 免费看av在线观看网站| 日本一区二区免费在线视频| 丝瓜视频免费看黄片| 一区二区av电影网| 国产一区有黄有色的免费视频| 亚洲国产欧美在线一区| 久久久精品免费免费高清| √禁漫天堂资源中文www| 国产又色又爽无遮挡免| 91老司机精品| 看十八女毛片水多多多| 我要看黄色一级片免费的| 亚洲国产精品一区二区三区在线| 日韩 亚洲 欧美在线| 亚洲人成电影观看| 欧美 日韩 精品 国产| 69精品国产乱码久久久| 女人高潮潮喷娇喘18禁视频| 国产成人欧美在线观看 | 激情五月婷婷亚洲| 99re6热这里在线精品视频| 啦啦啦中文免费视频观看日本| 日韩熟女老妇一区二区性免费视频| 王馨瑶露胸无遮挡在线观看| 欧美激情高清一区二区三区| 精品福利观看| 欧美成狂野欧美在线观看| 国产欧美日韩一区二区三区在线| 两人在一起打扑克的视频| 国产在线观看jvid| 亚洲精品国产色婷婷电影| 国产成人一区二区在线| 精品少妇内射三级| 欧美老熟妇乱子伦牲交| 91精品国产国语对白视频| 国产成人精品在线电影| 在现免费观看毛片| 国产精品国产三级专区第一集| 999精品在线视频| 国产成人一区二区三区免费视频网站 | 国产精品.久久久| 欧美乱码精品一区二区三区| 国产精品久久久久久人妻精品电影 | 久久精品国产综合久久久| 看免费成人av毛片| 国语对白做爰xxxⅹ性视频网站| 欧美日韩亚洲综合一区二区三区_| 高清不卡的av网站| 久久精品国产亚洲av涩爱| 国产精品一区二区免费欧美 | 免费av中文字幕在线| 搡老岳熟女国产| 久久久久视频综合| 国产精品久久久av美女十八| 最新在线观看一区二区三区 | 久久久久久久久久久久大奶| a级毛片黄视频| 国产成人精品无人区| 超碰成人久久| 黄频高清免费视频| 婷婷色综合www| 精品久久久久久久毛片微露脸 | 精品第一国产精品| 久久av网站| 精品一区二区三区av网在线观看 | 高潮久久久久久久久久久不卡| 国产淫语在线视频| 成人三级做爰电影| 天天影视国产精品| 中文字幕色久视频| 丁香六月天网| 少妇人妻久久综合中文| 999久久久国产精品视频| 成人手机av| 亚洲三区欧美一区| 永久免费av网站大全| 亚洲欧美清纯卡通| 色94色欧美一区二区| 国产av国产精品国产| 热99久久久久精品小说推荐| 欧美日韩亚洲国产一区二区在线观看 | 国产99久久九九免费精品| 午夜福利,免费看| 久久午夜综合久久蜜桃| 欧美变态另类bdsm刘玥| 色综合欧美亚洲国产小说| av在线app专区| 菩萨蛮人人尽说江南好唐韦庄| 国产爽快片一区二区三区| 99精品久久久久人妻精品| 老司机靠b影院| 日本午夜av视频| 晚上一个人看的免费电影| 后天国语完整版免费观看| 亚洲成人免费电影在线观看 | 久久人人爽人人片av| 在线观看免费午夜福利视频| 亚洲第一av免费看| 成年女人毛片免费观看观看9 | 日韩 欧美 亚洲 中文字幕| 国产日韩一区二区三区精品不卡| 精品久久久久久久毛片微露脸 | 老汉色∧v一级毛片| e午夜精品久久久久久久| 午夜福利一区二区在线看| 国精品久久久久久国模美| 51午夜福利影视在线观看| 日韩中文字幕欧美一区二区 | 久久精品aⅴ一区二区三区四区| 黄色怎么调成土黄色| 香蕉丝袜av| 国产精品国产三级国产专区5o| 日本wwww免费看| 美女中出高潮动态图| 精品少妇久久久久久888优播| 国产精品av久久久久免费| 少妇 在线观看| 波多野结衣一区麻豆| 国产成人系列免费观看| 搡老乐熟女国产| 久久精品人人爽人人爽视色| 水蜜桃什么品种好| 亚洲欧美成人综合另类久久久| 男人添女人高潮全过程视频| 校园人妻丝袜中文字幕| 精品免费久久久久久久清纯 | 精品一区二区三区四区五区乱码 | 亚洲av男天堂| 黄片小视频在线播放| av国产久精品久网站免费入址| 久久久久久久久久久久大奶| 91字幕亚洲| 国产激情久久老熟女| 国产在线免费精品| 午夜激情av网站| 日韩伦理黄色片| 日韩电影二区| 久久 成人 亚洲| 美女大奶头黄色视频| 狠狠精品人妻久久久久久综合| 日韩av免费高清视频| 国产成人a∨麻豆精品| 最近最新中文字幕大全免费视频 | 在线av久久热| 国产成人一区二区在线| 超碰成人久久| 别揉我奶头~嗯~啊~动态视频 | 国产成人精品久久久久久| 婷婷成人精品国产| 中文精品一卡2卡3卡4更新| 国产一区二区三区综合在线观看| 色婷婷久久久亚洲欧美| 十八禁人妻一区二区| 精品人妻一区二区三区麻豆| 丰满迷人的少妇在线观看| 你懂的网址亚洲精品在线观看| 妹子高潮喷水视频| 色综合欧美亚洲国产小说| 黄色视频不卡| 国产黄色视频一区二区在线观看| 亚洲av成人精品一二三区| 欧美黑人精品巨大| 亚洲国产欧美网| 美女大奶头黄色视频| 丝瓜视频免费看黄片| 国产人伦9x9x在线观看| 久久人妻福利社区极品人妻图片 | 操美女的视频在线观看| 尾随美女入室| 99国产精品一区二区三区| 观看av在线不卡| 国产主播在线观看一区二区 | 欧美精品人与动牲交sv欧美| 韩国精品一区二区三区| 制服人妻中文乱码| 男女之事视频高清在线观看 | 久久精品成人免费网站| 人人妻,人人澡人人爽秒播 | 男人添女人高潮全过程视频| 久久国产亚洲av麻豆专区| 亚洲一区二区三区欧美精品| 国产亚洲精品第一综合不卡| 亚洲欧美日韩高清在线视频 | 亚洲人成77777在线视频| 日韩一区二区三区影片| 精品久久蜜臀av无| 欧美激情极品国产一区二区三区| 曰老女人黄片| 日韩一卡2卡3卡4卡2021年| 亚洲男人天堂网一区| 中文乱码字字幕精品一区二区三区| 制服诱惑二区| 午夜免费观看性视频| 精品国产国语对白av| 日本av免费视频播放| av欧美777| 亚洲国产最新在线播放| 香蕉国产在线看| 国产免费又黄又爽又色| 男男h啪啪无遮挡| 大香蕉久久成人网| 欧美97在线视频| 大片免费播放器 马上看| 久久精品亚洲av国产电影网| 精品国产一区二区三区四区第35| 男男h啪啪无遮挡| 国产黄频视频在线观看| 国产淫语在线视频| 91九色精品人成在线观看| 麻豆国产av国片精品| 国产午夜精品一二区理论片| 我要看黄色一级片免费的| 国产欧美日韩综合在线一区二区| 蜜桃在线观看..| 老司机影院成人| 老司机午夜十八禁免费视频| 亚洲av美国av| 欧美日韩精品网址|