• <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U-NET網絡的心律失常信號識別算法研究

    2020-06-29 12:49:02
    計算機測量與控制 2020年6期
    關鍵詞:心電電信號準確度

    (西安建筑科技大學 信息與控制工程學院, 西安 710055)

    0 引言

    心律失常是一種常見的心血管疾病,會對人們的健康造成巨大危害。心律失常的及時檢測和診斷可以有效預防惡性心臟疾病的發(fā)生[1]。隨著便攜式心電監(jiān)測系統(tǒng)的廣泛使用,面對長時海量的心電數據, 需要更加智能化的心律失常識別技術。

    人們對心律失常的診斷主要是對心電信號中的每個異常心跳進行形態(tài)識別與分類,將單次心跳的形態(tài)特征信號稱為一個心拍。目前已有眾多學者對心律失常識別方法進行了研究,包括基于小波變換的識別算法[2],基于小波變換與支持向量機(SVM)的識別算法[3],獨立成分分析與神經網絡的心電識別算法[4],基于BP神經網絡的識別算法[5]等等。除此之外,深度學習下的卷積神經網絡(CNN)和長短時記憶網絡(LSTM)在心律失常識別中也顯示出良好的前景。例如,基于傅里葉變換與卷積神經網絡的心電識別算法[6-7],基于模糊C均值深度信念網絡的心電識別算法[8],基于深雙向LSTM網絡的心電識別算法[9]等等。

    然而,不同節(jié)律的心電信號在發(fā)生心律失常時的信號形態(tài)會有所差別,間期特征和幅值特征會有所不同。若識別算法只針對包含P-QRS-T的心拍形態(tài)信號,會丟失相關間期特征與節(jié)律特征,易對分類造成影響。并且,截取P-QRS-T的心拍形態(tài)信號還需要額外設計QRS波群檢測定位算法。因此有學者設計了針對整條信號片段的識別方法,例如文獻[10]搭建了ResNet-34網絡模型,對心電信號片段進行分類,該方法假設輸入信號片段由一種心律失常類型組成,可預測該片段的心律失常類型。

    本文基于U-NET全卷積神經網絡設計了一種心電信號語義分割的識別方法。該方法省去了QRS檢測與定位的步驟,將直接截取的心電信號片段作為識別對象,即片段中同時包含不同種心律失常類型的心拍,又同時包含完整心拍與邊緣殘缺心拍。采用神經網絡語義分割的處理方式,將信號片段作為輸入,標簽地圖作為輸出,通過對不同種心拍情況的標注,準確地劃分出混合類型心電片段中的心拍位置與類型。

    1 U-NET模型

    1.1 網絡介紹

    U-Net全卷積神經網絡起源于深度卷積神經網絡。深度卷積神經網絡廣泛應用于信號識別與分類、目標檢測與定位等大規(guī)模運算中。隨著目標識別的任務要求不斷提高,產生了更為精細的分類處理任務:語義分割。語義分割是指將每個像素點分類為屬于對象類的過程。心電信號作為一種一維采樣信號,因此可以用語義分割的方法切分出心拍,并且同時給出其中的心拍類型。

    應用于語義分割的U-Net全卷機神經網絡與傳統(tǒng)卷積網絡相比,沒有全連接層結構,其結構包括卷積層、下采樣層(池化層)和上采樣層。U-Net的網絡結構是一種編碼器-解碼器結構,編碼器逐漸減少池化層的空間維度,解碼器逐步修復物體的細節(jié)和空間維度。網絡結構具有空間平移不變性,將整幅樣本作為輸入,標簽地圖作為輸出,顯著提高了語義分割的計算效率和預測性能。

    1.2 激活函數

    在深度神經網絡中,激活函數是用來為模型增加非線性機制。激活函數具有非線性、可微性、單調性。早期經常使用的激活函數有Sigmoid、Tanh等函數。例如:

    (1)

    (2)

    式(1)和式(2)分別為Sigmoid函數和Tanh函數,其函數兩側均具有飽和區(qū),在反向傳播的過程中,容易出現梯度消失問題。

    本文網絡中結點的激活函數采用Relu函數。其優(yōu)點在于梯度不飽和,計算快,在反向傳播的過程中能夠減少梯度消失的現象,同時通過Relu激活后的特征能最大程度保留特性,抑制不重要信息。其函數輸出公式為:

    f(x)=max(0,x)

    (3)

    1.3 卷積層

    卷積是對兩個實變函數的一種數學運算。假設A和B為矩陣,大小分別為M×N和m×n,則卷積運算C=A?B可以表示為:

    1≤i≤M-m+1,1≤j≤N-n+1

    (4)

    如式(4)所示,卷積核按照一定的步長在輸入矩陣序列上進行卷積操作,通過對輸入的卷積可以使得網絡自動提取到高層的語義信息,無需手工提取特征的操作。

    1.4 池化層

    池化運算即下采樣,是使用某一位置相鄰輸出的總體統(tǒng)計特征來代替網絡在該位置的輸出。當輸入存在少量平移時,池化運算能夠幫助表示輸入近似不變。

    在截取的心電信號片段中,我們只關心某一個特征是否出現,而無所謂其出現位置的前后,這時平移不變性顯得極為重要。

    對輸入矩陣A進行池化,首先對其分塊。設每塊大小為λ×τ,則其中第ij個塊可以表示為:

    (5)

    其中,(i-1)·λ+1≤s≤i·λ,(j-1)·τ+1≤t≤j·τ。

    (6)

    s≤i·λ,(j-1)·τ+1≤t≤j·τ}

    (7)

    1.5 上采樣層

    如果用大小為λ×τ的塊對矩陣A進行不重疊平均下采樣,結果定義為:

    (8)

    相應地,對矩陣Davg進行倍數為λ×τ的不重疊平均上采樣定義為:

    avgupλ×τ(Davg)=Davg?1λ×τ

    (9)

    其中:1λ×τ是元素全為1的矩陣,?代表克羅內克積。

    如果用大小為λ×τ的塊對矩陣A進行不重疊最大下采樣,結果定義為:

    (10)

    相應地,對矩陣Dmax=(dij)進行倍數為λ×τ的不重疊最大上采樣定義為:

    maxupλ×τ(Dmax)=(Uij)

    (11)

    其中:所有Uij=(ukl)λ×u都是大小為λ×τ的矩陣,每個元素定義為:

    ukl

    (12)

    1.6 模型設計

    本文對U-Net網絡進行修改,使其可以處理一維心電信號序列,從心電片段中提取信號特征信息進行逐點分析。

    如圖1所示,網絡結構主要有兩部分組成:收縮路徑和擴展路徑。收縮路徑主要是用來捕捉心電信號的特征信息,與之相對稱的擴展路徑則是對所需要分割出來的心拍進行精準定位與語義分類。

    圖1 網絡結構

    在收縮路徑中,進行卷積運算與二倍最大池化運算。每池化一次,特征圖的長度減少一半,數量增加一倍。在擴展路徑中,高分辨率的特征直接從壓縮路徑中復制,然后與后續(xù)卷積的上采樣特征相結合,有效地將編碼后的上下文信息傳輸到后續(xù)層。網路最后一層通過卷積運算輸出預測標簽地圖。由于心電信號為低頻信號,有意義的特征往往體現在較為長一點的波形上,因此模型大部分由核尺寸為32×1的一維卷積運算組成。卷積運算采用same模式,使得輸出特征圖尺寸保持不變,輸出與輸入因此而等長。

    2 數據描述

    MIT-BIH心律失常標準數據庫由美國麻省理工學院和Beth Israel醫(yī)院合作建立。該數據庫的數據由1975年到1979年間采集的4 000 多個動態(tài)心電圖(Holter)數據組成。本文的心電信號片段取自MIT-BIH心律失常數據庫,所有記錄采樣率為360 Hz,實驗重點關注包含正常竇性搏動(Normal)、左束支傳導阻滯(left bundle branch block,LBBB)、右束支傳導阻滯(right bundle branch block,RBBB)、房性早搏(atrial premature beat,APB)和室性早搏(Ventricular premature beat,PVC)的信號片段。

    3 數據樣本與評價指標

    3.1 輸入信號切片

    本文將用于U-net訓練的心電信號預處理成每條片段為5 s時長,即1 800個數據點,這些片段可能包含也可能不包含混合性心律失常。在不將單個片段內的所有節(jié)拍限制為單一的特定心律失常情況下,片段可能包含多種心律失常情況。心電記錄的混合心拍使得訓練數據更加復雜和多樣化。表1給出了實驗包含對應心拍類型的片段數目。

    表1 心電圖段數及對應情況

    3.2 訓練標簽

    在MIT-BIH心律失常標準數據庫中,專家給出了每條心拍的r峰峰值位置以及對應的心拍類型。輸入片段包含1 800個采樣點,即輸入矩陣為1 800×1。網絡輸出1 800個采樣點的五分類標簽地圖,即輸出矩陣為1 800×5。為每個訓練樣本創(chuàng)建1 800×5輸出矩陣,將每個采樣點的對應心拍類型的列設置為1,相對應將其他列設置為0。分類方法重點關注可以完整體現心律失常的各類型特征的心拍,對于殘缺心拍,設置殘缺閾值,即殘缺程度過高導致無法體現信號特征的殘缺心拍默認標注為正常。

    3.3 評價指標

    為了評價網絡模型在心律失常分類中的效果,本文驗證準確率、靈敏度、特異性以及正陽性率等多個指標。將心電片段中的實際各類型心拍數目與預測結果得出的各類型心拍數目予以統(tǒng)計,用TP表示正確預測出本類心拍的個數,TN表示正確預測出非本類心拍的個數,FP表示錯將其他類心拍預測為本類,FN表示錯將本類心拍預測為其他類。評價指標的具體計算方法和意義如下:

    準確度(ACC):指被正確預測出本類心拍與非本類心拍的個數之和占全部樣本的比率:

    (13)

    總準確度(OA):指所有被正確分類的心拍數目與樣本總數∑之比,以NN、LL、RR、VV、AA分別表示各類型正確分類的個數:

    (14)

    靈敏度(召回率,Se):指被正確預測出本類心拍的個數與實際的本類心拍總數的比率:

    (15)

    特異性(真陰性率,Sp):是指被正確預測出非本類心拍的個數與實際非本類心拍總數的比率:

    (16)

    正陽性率(精準度,Pp):是指全部被預測為本類心拍個數中正確的比率:

    (17)

    以上評價指標中,準確度是衡量分類是否準確最直觀的一個指標。靈敏度越高表示發(fā)生漏診的比例越低,特異度和正陽性率越高表示發(fā)生誤診的比例越低。

    4 測試結果

    網絡模型使用Python語言開發(fā),實驗將全體樣本分為90%的訓練樣本與10%的測試樣本,網絡訓練迭代100次。在網絡訓練過程中,為了防止發(fā)生過擬合,隨著網絡深度的增加采用丟失輸出的正則化技巧。最終,網絡訓練集與測試集的學習準確度曲線如圖2所示。

    圖2 學習準確度曲線

    如圖2,隨著網絡的迭代,網絡學習準確度曲線迅速上升。圖中的實線與虛線分別表示訓練集與測試集準確度曲線,可以看出,U-net模型能夠很好地從訓練數據中進行泛化,準確度曲線緊密重疊,未出現過擬合跡象。

    圖3

    圖3描繪了4個測試心電片段的可視化標簽地圖。網絡輸出的標簽地圖為5列矩陣,即每一列表示為采樣點屬于每種類型的預測概率。每張標簽地圖包含多個類型的心拍,用5條預測曲線分別表示五種類型的預測概率。圖中右側Y軸即表示采樣點隸屬于某一類型的預測概率值的大小,某一類型的預測概率越大,表示采樣點越隸屬于該類型。

    由圖3(a)、圖3(d)可以看出在每一種相同類型的信號中間部分,該類型預測概率非常接近于1,在不同類型交界處,預測概率會出現交替下降與上升的部分,可以看出通過各類型的預測曲線可將片段中的不同類型的心拍區(qū)分出來。如圖3(b),當信號片段中突然出現少量噪聲時,圖中右束支阻滯的類型預測概率稍顯下降,但仍然維持在80%以上。如圖3(c),網絡在只發(fā)生單個室性早搏的心拍位置處,室早類型的預測概率迅速上升至80%。該模型具有良好的定位與分類能力,同時網絡模型使用較大感受野,使得分類結果具有一定的抗噪能力。

    將心電片段中的實際各類型心拍數目與預測結果得出的各類型心拍數目予以統(tǒng)計,表2給出了心律失常分類混淆矩陣。以每一行表示實際心拍類型,右側的合計表示實際各類型的心拍統(tǒng)計數目;以每一列表示預測心拍類型,下側的合計表示預測為各類型的心拍統(tǒng)計數目。

    跟據混淆矩陣與評價指標計算公式,分別計算了Normal、LBBB、RBBB、PVC、APB五類心律失常的準確度(ACC)、總準確度(OA)、靈敏度(Se)、特異性(Sp)以及正陽性率(Pp)如表3所示。

    表2 分類結果混淆矩陣

    表3 分類結果各項指標 %

    如表2和表3,對于該網絡模型,Normal、LBBB、RBBB、PVC、APB五類樣本的單類型識別準確度和特異性均高于97%,總準確度高于96%。對于RBBB、PVC、APB,其靈敏度數據稍低。由表2可以看出,網絡對于RBBB和PVC具有少量混淆。其混淆原因,一方面是幾類QRS波群的形態(tài)差異較小導致混淆,例如RBBB和PVC信號都包括一個正R波和一個負S波偏轉;另一方面,在不同種心拍類型的交界處與片段邊緣兩側的殘缺心拍處,預測概率出現交替下降與上升的部分,產生了少量錯誤的預測。

    隨后,本文采用已有分類算法,包括支持向量機(SVM)、卷積神經網絡(CNN)和長短時記憶網絡(LSTM)進行心律失常的心拍五分類,其平均指標對比如表4所示。

    表4 SVM、CNN、LATM 分類結果各項指標 %

    通過對SVM、CNN、LSTM、U-NET的分類結果關鍵指標對比分析可知,本文的U-NET模型在對心電片段進行心律失常分類時,同樣獲得了比較高的準確度。本文的U-NET模型的靈敏度和正陽性率指標稍低,表現在網絡對不同種類型交界處的心拍與片段邊緣兩側的心拍處產生了錯誤的預測,但對于整條信號片段的各類型的劃分功能影響不大。從整體來看,本文的方法保證了較高識別準確度,通過輸出標簽地圖,可直接劃分出混合類型片段中的每個心拍的位置與類型。

    5 結束語

    本文基于U-NET全卷積神經網絡設計了一種心電信號語義分割的識別方法。本文首先介紹了網絡模型的工作原理,然后給出了針對心電信號識別問題的修改網絡模型,并介紹了樣本切片與標簽方式,最后通過對網絡模型的測試,得到其分類效果。與常規(guī)的心電信號分類方法相比,本文的方法無需QRS檢測算法與特征設計,同時又可精確地劃分出每條片段中每類心拍的位置和類型,處理混合心律失常類型的心電片段,具有較高的實用價值。

    猜你喜歡
    心電電信號準確度
    基于聯合聚類分析的單通道腹部心電信號的胎心率提取
    心電向量圖診斷高血壓病左心室異常的臨床應用
    基于非接觸式電極的心電監(jiān)測系統(tǒng)
    電子制作(2019年19期)2019-11-23 08:41:40
    穿戴式心電:發(fā)展歷程、核心技術與未來挑戰(zhàn)
    基于Code Composer Studio3.3完成對心電信號的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    更正啟事
    幕墻用掛件安裝準確度控制技術
    建筑科技(2018年6期)2018-08-30 03:40:54
    基于隨機森林的航天器電信號多分類識別方法
    動態(tài)汽車衡準確度等級的現實意義
    高爐重量布料準確度的提高
    天津冶金(2014年4期)2014-02-28 16:52:58
    国产亚洲欧美98| 丝袜美腿在线中文| 六月丁香七月| 欧美xxxx性猛交bbbb| 舔av片在线| 嫩草影院入口| 免费在线观看成人毛片| 久久久久久久久久久丰满| 成人美女网站在线观看视频| 日本熟妇午夜| 你懂的网址亚洲精品在线观看 | 欧美bdsm另类| 美女被艹到高潮喷水动态| 免费大片18禁| 久久人人爽人人爽人人片va| 99久久精品一区二区三区| 免费人成视频x8x8入口观看| 亚洲精品在线观看二区| 中文字幕免费在线视频6| 国产视频一区二区在线看| 亚洲五月天丁香| 国产精品日韩av在线免费观看| 国产精品亚洲美女久久久| 亚洲性夜色夜夜综合| 亚洲国产精品合色在线| 久久人妻av系列| 亚洲图色成人| 欧美成人免费av一区二区三区| 一区二区三区四区激情视频 | 又黄又爽又刺激的免费视频.| 极品教师在线视频| 麻豆乱淫一区二区| 亚洲欧美日韩高清专用| 一区二区三区四区激情视频 | 亚洲人成网站在线播放欧美日韩| 精品久久久久久久久久免费视频| 国产亚洲精品久久久com| 丝袜美腿在线中文| 精品一区二区免费观看| 日韩欧美在线乱码| 男插女下体视频免费在线播放| 精品国产三级普通话版| 两性午夜刺激爽爽歪歪视频在线观看| 日本在线视频免费播放| 又爽又黄无遮挡网站| 一本久久中文字幕| 日本a在线网址| 一个人免费在线观看电影| 国内少妇人妻偷人精品xxx网站| 中国美白少妇内射xxxbb| 观看免费一级毛片| or卡值多少钱| 日本三级黄在线观看| 偷拍熟女少妇极品色| av天堂在线播放| 午夜视频国产福利| 日日啪夜夜撸| 精品午夜福利视频在线观看一区| 色综合亚洲欧美另类图片| 国产精品亚洲美女久久久| 国内久久婷婷六月综合欲色啪| 夜夜夜夜夜久久久久| 国产成人aa在线观看| 99riav亚洲国产免费| av视频在线观看入口| 免费观看人在逋| 国产精品三级大全| 国产欧美日韩精品亚洲av| 香蕉av资源在线| avwww免费| 亚洲美女黄片视频| 亚洲精品在线观看二区| 成年女人看的毛片在线观看| 黄色日韩在线| 一级a做视频免费观看| 18禁裸乳无遮挡动漫免费视频| 久久99蜜桃精品久久| 日本与韩国留学比较| 欧美日韩精品成人综合77777| 少妇人妻 视频| 日韩不卡一区二区三区视频在线| 女人精品久久久久毛片| 狂野欧美激情性xxxx在线观看| 国产亚洲最大av| 色视频在线一区二区三区| 久久6这里有精品| 在线观看国产h片| 精品久久久精品久久久| 久久精品国产鲁丝片午夜精品| 欧美激情极品国产一区二区三区 | a级毛色黄片| 久久狼人影院| 国产女主播在线喷水免费视频网站| 一区二区av电影网| 国产av国产精品国产| 秋霞在线观看毛片| 欧美老熟妇乱子伦牲交| 两个人的视频大全免费| 国产成人精品婷婷| 中文乱码字字幕精品一区二区三区| 国产乱人偷精品视频| 不卡视频在线观看欧美| 亚洲熟女精品中文字幕| 黄色毛片三级朝国网站 | 日韩三级伦理在线观看| 亚洲精品第二区| 亚洲久久久国产精品| 日本色播在线视频| 精品少妇内射三级| 日韩视频在线欧美| 国产一区二区三区av在线| 亚洲精品久久午夜乱码| 又爽又黄a免费视频| 制服丝袜香蕉在线| 中国国产av一级| 国产精品久久久久久久久免| 成人亚洲精品一区在线观看| 色哟哟·www| 久久人人爽人人片av| 色5月婷婷丁香| av免费观看日本| 91精品国产国语对白视频| 亚洲精品456在线播放app| 人人妻人人看人人澡| av网站免费在线观看视频| 97超视频在线观看视频| 国产免费一区二区三区四区乱码| 亚洲精品中文字幕在线视频 | 国产永久视频网站| 精品久久久久久久久av| 99热6这里只有精品| 国产淫语在线视频| 亚洲欧美一区二区三区黑人 | 夫妻性生交免费视频一级片| 亚洲av.av天堂| 国产免费视频播放在线视频| 午夜精品国产一区二区电影| 国产伦在线观看视频一区| 国产黄色免费在线视频| 噜噜噜噜噜久久久久久91| 曰老女人黄片| 80岁老熟妇乱子伦牲交| 国产黄色免费在线视频| 亚洲精品久久午夜乱码| 亚洲精品456在线播放app| 亚洲精品一二三| 午夜福利在线观看免费完整高清在| 交换朋友夫妻互换小说| 一级a做视频免费观看| 亚洲国产最新在线播放| 丁香六月天网| 欧美精品一区二区大全| 久久人人爽人人爽人人片va| 日韩 亚洲 欧美在线| 大又大粗又爽又黄少妇毛片口| 熟女电影av网| 国产精品国产三级国产av玫瑰| 18禁在线无遮挡免费观看视频| 欧美成人午夜免费资源| 夫妻性生交免费视频一级片| 在线观看三级黄色| 春色校园在线视频观看| 国产成人一区二区在线| 免费人妻精品一区二区三区视频| 欧美日韩视频高清一区二区三区二| 一级黄片播放器| 97超碰精品成人国产| 日韩人妻高清精品专区| 精品一区在线观看国产| 妹子高潮喷水视频| 免费大片黄手机在线观看| av福利片在线| 中国国产av一级| 日本黄色片子视频| 女性生殖器流出的白浆| 一级毛片 在线播放| 黄色毛片三级朝国网站 | 欧美bdsm另类| 亚洲va在线va天堂va国产| 亚洲国产精品国产精品| 欧美区成人在线视频| 亚洲国产精品专区欧美| 午夜91福利影院| 亚洲精品一区蜜桃| 肉色欧美久久久久久久蜜桃| 啦啦啦在线观看免费高清www| 日本欧美国产在线视频| 成人美女网站在线观看视频| 国产精品国产三级专区第一集| 亚洲情色 制服丝袜| 国产视频内射| 亚洲性久久影院| 成人黄色视频免费在线看| 亚洲,一卡二卡三卡| 中文字幕制服av| 亚洲成色77777| www.色视频.com| 丰满少妇做爰视频| 两个人免费观看高清视频 | 久久精品久久精品一区二区三区| 中文字幕亚洲精品专区| 熟女电影av网| 欧美另类一区| 国产一级毛片在线| 成人亚洲欧美一区二区av| 亚洲自偷自拍三级| 亚洲欧美日韩另类电影网站| a级片在线免费高清观看视频| 亚洲真实伦在线观看| 亚洲精品久久午夜乱码| 久久久a久久爽久久v久久| 三级国产精品欧美在线观看| 少妇的逼好多水| 免费黄色在线免费观看| 亚洲欧美日韩东京热| 国产欧美日韩综合在线一区二区 | 国产亚洲一区二区精品| av黄色大香蕉| 国产女主播在线喷水免费视频网站| 男女国产视频网站| 欧美日韩亚洲高清精品| 亚洲欧美一区二区三区黑人 | 99久久综合免费| 韩国高清视频一区二区三区| 国产在线视频一区二区| 我的女老师完整版在线观看| 亚洲国产色片| 午夜免费男女啪啪视频观看| 视频区图区小说| 国模一区二区三区四区视频| 国产精品麻豆人妻色哟哟久久| 人妻夜夜爽99麻豆av| 夫妻午夜视频| 女的被弄到高潮叫床怎么办| 国产熟女欧美一区二区| 有码 亚洲区| 青春草国产在线视频| 99国产精品免费福利视频| 美女主播在线视频| 国产精品久久久久成人av| 国产伦精品一区二区三区四那| 国产精品福利在线免费观看| 中文字幕av电影在线播放| 涩涩av久久男人的天堂| 日日啪夜夜撸| 男男h啪啪无遮挡| 观看免费一级毛片| 伊人亚洲综合成人网| 我要看日韩黄色一级片| 久久久久久人妻| 午夜福利在线观看免费完整高清在| 黑人猛操日本美女一级片| 色视频www国产| 亚洲av二区三区四区| 最近最新中文字幕免费大全7| 国产片特级美女逼逼视频| 日韩欧美一区视频在线观看 | 久久久久精品久久久久真实原创| 热re99久久国产66热| 老女人水多毛片| 十八禁网站网址无遮挡 | 久久精品久久精品一区二区三区| 老熟女久久久| 成人亚洲欧美一区二区av| 亚洲自偷自拍三级| 久久99热6这里只有精品| 欧美老熟妇乱子伦牲交| 看非洲黑人一级黄片| 六月丁香七月| 两个人免费观看高清视频 | 简卡轻食公司| 涩涩av久久男人的天堂| 国产黄频视频在线观看| 亚洲婷婷狠狠爱综合网| 精品一品国产午夜福利视频| 91aial.com中文字幕在线观看| 精品卡一卡二卡四卡免费| 在线观看一区二区三区激情| 亚洲美女黄色视频免费看| 欧美日韩国产mv在线观看视频| 久久久a久久爽久久v久久| 亚洲精品日韩在线中文字幕| 国语对白做爰xxxⅹ性视频网站| 80岁老熟妇乱子伦牲交| 极品人妻少妇av视频| 黄色视频在线播放观看不卡| 国产精品一区二区在线观看99| xxx大片免费视频| 亚洲成人一二三区av| 久久国产精品大桥未久av | 久久精品国产亚洲av天美| 夜夜看夜夜爽夜夜摸| 激情五月婷婷亚洲| 自线自在国产av| 高清黄色对白视频在线免费看 | 夜夜爽夜夜爽视频| 成人毛片a级毛片在线播放| 91久久精品国产一区二区三区| 热re99久久精品国产66热6| 五月开心婷婷网| 爱豆传媒免费全集在线观看| 新久久久久国产一级毛片| 久久精品久久久久久噜噜老黄| 国产日韩欧美视频二区| 精品久久久久久久久亚洲| 精品一区在线观看国产| 日韩欧美一区视频在线观看 | 成人美女网站在线观看视频| 我的女老师完整版在线观看| 精品亚洲乱码少妇综合久久| 一区二区av电影网| 蜜桃久久精品国产亚洲av| 国产精品成人在线| 丰满饥渴人妻一区二区三| 亚洲av欧美aⅴ国产| 免费观看的影片在线观看| 欧美最新免费一区二区三区| 美女福利国产在线| 大香蕉久久网| 在线观看国产h片| 亚洲不卡免费看| 男人舔奶头视频| 91精品伊人久久大香线蕉| 99久久精品一区二区三区| 日韩熟女老妇一区二区性免费视频| 亚洲自偷自拍三级| 亚洲欧美一区二区三区国产| 亚洲性久久影院| 桃花免费在线播放| 三级国产精品片| 亚洲电影在线观看av| 午夜免费鲁丝| 久久久久久久久久久丰满| 亚洲av日韩在线播放| 久久99热这里只频精品6学生| av线在线观看网站| 国产永久视频网站| 国精品久久久久久国模美| 99热这里只有是精品50| 一区二区三区精品91| 久久午夜福利片| 两个人免费观看高清视频 | 老司机影院成人| 亚洲在久久综合| 黑人高潮一二区| 啦啦啦啦在线视频资源| 你懂的网址亚洲精品在线观看| 五月玫瑰六月丁香| 中文字幕久久专区| 又粗又硬又长又爽又黄的视频| 国产一区有黄有色的免费视频| 国产伦精品一区二区三区视频9| 三上悠亚av全集在线观看 | 免费黄频网站在线观看国产| 亚洲自偷自拍三级| 在线观看免费视频网站a站| 国产亚洲欧美精品永久| 男女无遮挡免费网站观看| 亚洲自偷自拍三级| 成年女人在线观看亚洲视频| 成人特级av手机在线观看| 日韩欧美一区视频在线观看 | 黄色配什么色好看| 91精品伊人久久大香线蕉| 伦理电影大哥的女人| 久久青草综合色| 高清视频免费观看一区二区| 视频中文字幕在线观看| 欧美激情极品国产一区二区三区 | 欧美性感艳星| 日本黄色日本黄色录像| 久久韩国三级中文字幕| 精品国产一区二区三区久久久樱花| av国产久精品久网站免费入址| 看十八女毛片水多多多| 王馨瑶露胸无遮挡在线观看| 欧美区成人在线视频| 性色avwww在线观看| 熟女电影av网| 亚洲国产色片| 国产极品天堂在线| 丝袜在线中文字幕| 一区在线观看完整版| 亚洲国产欧美日韩在线播放 | 国产高清三级在线| 一边亲一边摸免费视频| 人妻 亚洲 视频| 亚洲欧洲日产国产| 尾随美女入室| 日本爱情动作片www.在线观看| 在线精品无人区一区二区三| 国产高清有码在线观看视频| 看十八女毛片水多多多| 一本久久精品| 中文天堂在线官网| 亚洲精品成人av观看孕妇| freevideosex欧美| 日本黄色片子视频| 久久精品久久久久久噜噜老黄| 丝瓜视频免费看黄片| 日韩不卡一区二区三区视频在线| 精品亚洲成国产av| xxx大片免费视频| 精品一品国产午夜福利视频| 亚洲av电影在线观看一区二区三区| 国产毛片在线视频| 国产高清有码在线观看视频| 国产高清不卡午夜福利| 国产精品嫩草影院av在线观看| 寂寞人妻少妇视频99o| 国产精品熟女久久久久浪| 男的添女的下面高潮视频| 少妇 在线观看| 久久99蜜桃精品久久| 日韩一区二区三区影片| 亚洲熟女精品中文字幕| 国产精品久久久久久精品古装| 亚洲激情五月婷婷啪啪| 亚洲,一卡二卡三卡| 日本av手机在线免费观看| 国产淫语在线视频| 国产一区二区在线观看日韩| 亚洲国产色片| 日本免费在线观看一区| 成人特级av手机在线观看| 亚洲精品乱码久久久v下载方式| 久久免费观看电影| 一区二区三区免费毛片| 免费看不卡的av| 国产男人的电影天堂91| 自线自在国产av| 少妇人妻一区二区三区视频| 亚洲人与动物交配视频| 99精国产麻豆久久婷婷| 免费观看性生交大片5| 国产成人午夜福利电影在线观看| 免费不卡的大黄色大毛片视频在线观看| 欧美日韩亚洲高清精品| 久久99精品国语久久久| 色婷婷久久久亚洲欧美| 免费av不卡在线播放| 亚洲色图综合在线观看| kizo精华| 欧美另类一区| 精品一区二区三卡| 一本色道久久久久久精品综合| 亚洲av成人精品一区久久| √禁漫天堂资源中文www| 亚洲精品一二三| 国精品久久久久久国模美| 日本午夜av视频| 国产 精品1| 国产精品成人在线| 亚洲精品一区蜜桃| 日本猛色少妇xxxxx猛交久久| 欧美变态另类bdsm刘玥| 黄色怎么调成土黄色| 黄色日韩在线| 丝袜脚勾引网站| 国产亚洲5aaaaa淫片| 欧美3d第一页| 街头女战士在线观看网站| 熟妇人妻不卡中文字幕| 国产亚洲91精品色在线| 少妇的逼水好多| 观看美女的网站| 三级经典国产精品| av女优亚洲男人天堂| 这个男人来自地球电影免费观看 | 大又大粗又爽又黄少妇毛片口| 国国产精品蜜臀av免费| 黄色配什么色好看| 亚洲四区av| 亚洲精品久久久久久婷婷小说| 亚洲av不卡在线观看| 国产精品国产三级国产av玫瑰| 国产av一区二区精品久久| 久久久久久久精品精品| 欧美日韩综合久久久久久| 国产精品一区www在线观看| 蜜臀久久99精品久久宅男| 特大巨黑吊av在线直播| 国产精品人妻久久久影院| 日韩在线高清观看一区二区三区| 热re99久久国产66热| 我的老师免费观看完整版| 少妇熟女欧美另类| 草草在线视频免费看| 精品视频人人做人人爽| 少妇裸体淫交视频免费看高清| 国产高清不卡午夜福利| 久久久久国产精品人妻一区二区| 五月伊人婷婷丁香| 免费少妇av软件| 9色porny在线观看| 插逼视频在线观看| 国产乱来视频区| 国产极品粉嫩免费观看在线 | 一个人看视频在线观看www免费| 午夜老司机福利剧场| 亚洲av欧美aⅴ国产| 亚洲精品456在线播放app| 久久精品国产自在天天线| 久久国产精品男人的天堂亚洲 | 丰满乱子伦码专区| 看十八女毛片水多多多| 黄色视频在线播放观看不卡| 久久精品国产自在天天线| 成人综合一区亚洲| 少妇裸体淫交视频免费看高清| 精品国产露脸久久av麻豆| 亚洲精品成人av观看孕妇| 搡女人真爽免费视频火全软件| 日韩精品免费视频一区二区三区 | 日韩精品有码人妻一区| 精品一品国产午夜福利视频| 免费观看无遮挡的男女| 大话2 男鬼变身卡| 亚洲国产欧美日韩在线播放 | 久久久久久久久久成人| 99久久精品国产国产毛片| av播播在线观看一区| 乱码一卡2卡4卡精品| 欧美少妇被猛烈插入视频| 看十八女毛片水多多多| 国产黄色视频一区二区在线观看| 成人国产麻豆网| 久久这里有精品视频免费| 一二三四中文在线观看免费高清| 伊人亚洲综合成人网| 中文字幕免费在线视频6| 精品久久久久久久久av| 伦理电影大哥的女人| 国产精品一区www在线观看| 国产欧美日韩综合在线一区二区 | 亚洲av.av天堂| 91精品一卡2卡3卡4卡| 好男人视频免费观看在线| 亚洲av国产av综合av卡| 极品少妇高潮喷水抽搐| 国产视频首页在线观看| 免费av不卡在线播放| 水蜜桃什么品种好| 九九久久精品国产亚洲av麻豆| 少妇被粗大的猛进出69影院 | 一本—道久久a久久精品蜜桃钙片| 人人妻人人看人人澡| 热re99久久国产66热| 午夜日本视频在线| 精品亚洲成a人片在线观看| 日韩强制内射视频| 久久国产精品大桥未久av | 国产精品秋霞免费鲁丝片| 秋霞伦理黄片| av在线播放精品| av天堂中文字幕网| 一本大道久久a久久精品| 插逼视频在线观看| 久久精品国产亚洲网站| www.色视频.com| 久久国产精品男人的天堂亚洲 | 欧美日韩精品成人综合77777| 在线观看一区二区三区激情| 久久97久久精品| 成人毛片60女人毛片免费| 极品教师在线视频| 国产亚洲午夜精品一区二区久久| 99re6热这里在线精品视频| 亚洲va在线va天堂va国产| 欧美日韩在线观看h| 欧美精品高潮呻吟av久久| 天堂8中文在线网| 国产成人精品无人区| 狠狠精品人妻久久久久久综合| 黑人猛操日本美女一级片| 人体艺术视频欧美日本| 建设人人有责人人尽责人人享有的| 日韩三级伦理在线观看| 黄色配什么色好看| 97精品久久久久久久久久精品| 99久久精品热视频| 人妻一区二区av| 亚洲av免费高清在线观看| 99热国产这里只有精品6| 国产成人午夜福利电影在线观看| 日韩免费高清中文字幕av| 国产熟女午夜一区二区三区 | 男女啪啪激烈高潮av片| 涩涩av久久男人的天堂| 精品少妇久久久久久888优播| 亚洲av欧美aⅴ国产| 日日啪夜夜爽| 丰满迷人的少妇在线观看| 我的老师免费观看完整版| 国产深夜福利视频在线观看| 美女xxoo啪啪120秒动态图| 免费观看在线日韩| 欧美成人精品欧美一级黄| a级毛片免费高清观看在线播放| 国产有黄有色有爽视频| 国产精品伦人一区二区| 国产男女内射视频| 亚洲成色77777| 另类精品久久| 一边亲一边摸免费视频| 久久久久久久久久人人人人人人| 亚洲成人一二三区av| 多毛熟女@视频| 欧美日韩综合久久久久久| 丝袜在线中文字幕| 男女国产视频网站| 午夜福利在线观看免费完整高清在| 成年av动漫网址| 久久久久人妻精品一区果冻| 三级国产精品欧美在线观看|