• <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
    国产精华一区二区三区| 久久精品亚洲精品国产色婷小说| 精品福利永久在线观看| 91麻豆精品激情在线观看国产 | 91av网站免费观看| 日韩欧美一区二区三区在线观看| 欧美+亚洲+日韩+国产| 国产精品综合久久久久久久免费 | 国产一区在线观看成人免费| 久热爱精品视频在线9| 好看av亚洲va欧美ⅴa在| 亚洲国产欧美网| 搡老熟女国产l中国老女人| 亚洲精品av麻豆狂野| 免费一级毛片在线播放高清视频 | 好男人电影高清在线观看| 国产亚洲精品一区二区www| 香蕉国产在线看| 十八禁人妻一区二区| 国产精品成人在线| 99国产精品一区二区蜜桃av| 精品免费久久久久久久清纯| 国产精品九九99| 国产成年人精品一区二区 | 免费久久久久久久精品成人欧美视频| 一区二区三区精品91| 免费高清视频大片| 国产伦一二天堂av在线观看| 日日夜夜操网爽| 首页视频小说图片口味搜索| 电影成人av| a级片在线免费高清观看视频| 99久久人妻综合| 午夜激情av网站| 超碰成人久久| 国产亚洲精品综合一区在线观看 | 国产免费男女视频| 亚洲av成人一区二区三| 国产aⅴ精品一区二区三区波| 一级片免费观看大全| а√天堂www在线а√下载| 女性生殖器流出的白浆| 国产三级在线视频| 天天躁夜夜躁狠狠躁躁| 国产av在哪里看| 波多野结衣高清无吗| 久久久久久人人人人人| 成人永久免费在线观看视频| 最新美女视频免费是黄的| 国产成人影院久久av| 久久99一区二区三区| 亚洲av熟女| 日本a在线网址| 两性夫妻黄色片| bbb黄色大片| 亚洲人成伊人成综合网2020| 99久久人妻综合| 99国产精品一区二区三区| 亚洲自偷自拍图片 自拍| 国产成+人综合+亚洲专区| 亚洲国产精品合色在线| www日本在线高清视频| 看免费av毛片| 国产成人精品久久二区二区免费| 香蕉久久夜色| 精品卡一卡二卡四卡免费| 欧美日韩av久久| 国产一区二区三区视频了| 色哟哟哟哟哟哟| 国产高清视频在线播放一区| 久热爱精品视频在线9| 老司机靠b影院| 精品电影一区二区在线| 一a级毛片在线观看| 男女做爰动态图高潮gif福利片 | 99精品在免费线老司机午夜| 人妻久久中文字幕网| 亚洲男人的天堂狠狠| 日日夜夜操网爽| 国内久久婷婷六月综合欲色啪| 大码成人一级视频| 色尼玛亚洲综合影院| 日日摸夜夜添夜夜添小说| 欧美最黄视频在线播放免费 | 神马国产精品三级电影在线观看 | 欧美日韩av久久| 变态另类成人亚洲欧美熟女 | 中出人妻视频一区二区| 人成视频在线观看免费观看| 久久午夜亚洲精品久久| 三级毛片av免费| 国产亚洲欧美精品永久| 99久久综合精品五月天人人| 国产精品美女特级片免费视频播放器 | 搡老熟女国产l中国老女人| 又黄又粗又硬又大视频| 亚洲专区字幕在线| 国产精品乱码一区二三区的特点 | 亚洲午夜精品一区,二区,三区| 国产日韩一区二区三区精品不卡| 精品第一国产精品| 级片在线观看| 亚洲男人的天堂狠狠| 两个人看的免费小视频| www日本在线高清视频| 在线十欧美十亚洲十日本专区| 欧美乱码精品一区二区三区| 看片在线看免费视频| 久久人妻av系列| 欧美中文综合在线视频| 国产精品 欧美亚洲| av国产精品久久久久影院| 午夜福利影视在线免费观看| 一边摸一边做爽爽视频免费| 亚洲成人久久性| 久久国产精品影院| 精品少妇一区二区三区视频日本电影| 欧美国产精品va在线观看不卡| 亚洲精品一卡2卡三卡4卡5卡| 亚洲熟女毛片儿| 中文亚洲av片在线观看爽| 国产精品综合久久久久久久免费 | 在线观看免费高清a一片| 欧美激情久久久久久爽电影 | 一二三四在线观看免费中文在| 麻豆成人av在线观看| 老熟妇乱子伦视频在线观看| a级毛片黄视频| 大香蕉久久成人网| 黄色视频不卡| 午夜激情av网站| 这个男人来自地球电影免费观看| 可以在线观看毛片的网站| 一级片'在线观看视频| 日本vs欧美在线观看视频| 国产单亲对白刺激| 欧美久久黑人一区二区| 黑人猛操日本美女一级片| 99久久综合精品五月天人人| e午夜精品久久久久久久| 精品欧美一区二区三区在线| 精品久久久久久成人av| 国产麻豆69| 精品欧美一区二区三区在线| 欧洲精品卡2卡3卡4卡5卡区| 天堂影院成人在线观看| 久久热在线av| 欧美国产精品va在线观看不卡| 黄色 视频免费看| 韩国精品一区二区三区| 亚洲美女黄片视频| 天天影视国产精品| 久久精品国产亚洲av香蕉五月| 亚洲av成人av| 香蕉丝袜av| 亚洲人成77777在线视频| cao死你这个sao货| 久久精品成人免费网站| 男人的好看免费观看在线视频 | 国产亚洲精品久久久久5区| 亚洲av成人av| 国产成人精品在线电影| 交换朋友夫妻互换小说| 一区二区三区精品91| 亚洲五月婷婷丁香| 18美女黄网站色大片免费观看| 交换朋友夫妻互换小说| e午夜精品久久久久久久| 国产高清videossex| 精品第一国产精品| 国产亚洲精品综合一区在线观看 | 性少妇av在线| 午夜老司机福利片| 黑人欧美特级aaaaaa片| 国产1区2区3区精品| 欧美乱码精品一区二区三区| 免费在线观看视频国产中文字幕亚洲| 香蕉久久夜色| 超碰97精品在线观看| 欧美 亚洲 国产 日韩一| 国产人伦9x9x在线观看| 脱女人内裤的视频| 精品久久久精品久久久| 国产精品免费视频内射| 18禁观看日本| 欧美黄色片欧美黄色片| videosex国产| 一区二区三区精品91| 久久久国产成人精品二区 | 久久久久久人人人人人| 国产在线观看jvid| 国产免费av片在线观看野外av| 1024香蕉在线观看| 亚洲av成人av| 18美女黄网站色大片免费观看| 桃色一区二区三区在线观看| 免费av中文字幕在线| 色综合婷婷激情| 欧美成人午夜精品| 久久国产精品男人的天堂亚洲| 亚洲熟妇熟女久久| 麻豆国产av国片精品| 成人18禁在线播放| 国产熟女xx| 女性被躁到高潮视频| 国产精品98久久久久久宅男小说| 成人三级黄色视频| 女生性感内裤真人,穿戴方法视频| 1024视频免费在线观看| bbb黄色大片| 免费av中文字幕在线| netflix在线观看网站| 日韩免费av在线播放| 国产精品二区激情视频| 一级,二级,三级黄色视频| 国产亚洲欧美98| av国产精品久久久久影院| 久热爱精品视频在线9| 最好的美女福利视频网| 亚洲第一青青草原| 高清毛片免费观看视频网站 | 黄片播放在线免费| 午夜91福利影院| 午夜精品国产一区二区电影| 啦啦啦免费观看视频1| 国产免费现黄频在线看| 69精品国产乱码久久久| 我的亚洲天堂| 亚洲成人免费电影在线观看| 亚洲国产精品sss在线观看 | 国产欧美日韩综合在线一区二区| xxx96com| 老熟妇乱子伦视频在线观看| 日本五十路高清| 国产三级黄色录像| 国产成人精品久久二区二区91| 国产亚洲欧美精品永久| 久久精品国产综合久久久| 999久久久国产精品视频| 精品乱码久久久久久99久播| 国产黄色免费在线视频| 免费久久久久久久精品成人欧美视频| 免费日韩欧美在线观看| 久久久久久久久久久久大奶| 国产欧美日韩综合在线一区二区| 亚洲精品国产色婷婷电影| 757午夜福利合集在线观看| 久久婷婷成人综合色麻豆| 国产主播在线观看一区二区| 国产有黄有色有爽视频| 欧美日韩福利视频一区二区| 丰满迷人的少妇在线观看| 一级a爱视频在线免费观看| 欧美激情 高清一区二区三区| 亚洲色图 男人天堂 中文字幕| www.精华液| 亚洲欧美精品综合一区二区三区| 亚洲美女黄片视频| 最近最新中文字幕大全免费视频| 亚洲成a人片在线一区二区| 久久久久久久久中文| 97碰自拍视频| 国产三级黄色录像| 一进一出抽搐动态| 亚洲 欧美一区二区三区| 动漫黄色视频在线观看| 长腿黑丝高跟| 欧美成狂野欧美在线观看| 级片在线观看| 女同久久另类99精品国产91| 国产片内射在线| 色婷婷久久久亚洲欧美| av中文乱码字幕在线| 91av网站免费观看| 久久久国产成人精品二区 | 视频区欧美日本亚洲| 极品人妻少妇av视频| 丁香六月欧美| 亚洲全国av大片| 亚洲中文av在线| 日韩有码中文字幕| netflix在线观看网站| 国产高清视频在线播放一区| 久久久水蜜桃国产精品网| 欧美色视频一区免费| 人妻丰满熟妇av一区二区三区| 午夜视频精品福利| 欧美日本中文国产一区发布| 欧美色视频一区免费| 免费搜索国产男女视频| 国产成人啪精品午夜网站| 一级a爱视频在线免费观看| 国产精品久久久人人做人人爽| 又大又爽又粗| 国产高清国产精品国产三级| 妹子高潮喷水视频| 国产精品免费一区二区三区在线| 嫩草影院精品99| 一级片免费观看大全| 搡老乐熟女国产| 亚洲精品在线美女| 91精品三级在线观看| 性少妇av在线| 在线国产一区二区在线| 亚洲美女黄片视频| 日韩av在线大香蕉| 国产高清国产精品国产三级| 精品国产超薄肉色丝袜足j| 国产精品九九99| 国产亚洲欧美98| 国产成人av教育| 不卡av一区二区三区| 精品一区二区三卡| 一级,二级,三级黄色视频| 男女高潮啪啪啪动态图| 激情视频va一区二区三区| 91麻豆精品激情在线观看国产 | 美国免费a级毛片| 国产又爽黄色视频| 色精品久久人妻99蜜桃| 国产精品久久电影中文字幕| 欧美成人午夜精品| 亚洲熟妇熟女久久| 久久久久久亚洲精品国产蜜桃av| 激情在线观看视频在线高清| 欧美午夜高清在线| 久久香蕉激情| 美国免费a级毛片| 国产野战对白在线观看| 久久中文字幕人妻熟女| 成人亚洲精品av一区二区 | 久久亚洲真实| 最新美女视频免费是黄的| 亚洲国产欧美日韩在线播放| 久久精品人人爽人人爽视色| 欧美成人免费av一区二区三区| 国产一区二区三区视频了| 天天添夜夜摸| 久久精品国产99精品国产亚洲性色 | 久久久久久久午夜电影 | 欧美一区二区精品小视频在线| 日韩视频一区二区在线观看| 欧美中文日本在线观看视频| 变态另类成人亚洲欧美熟女 | 成年人免费黄色播放视频| av福利片在线| 久久香蕉精品热| 久久中文字幕一级| 久久香蕉激情| 亚洲国产欧美网| 亚洲成人免费av在线播放| 99国产精品一区二区蜜桃av| 国产av一区在线观看免费| 女人被躁到高潮嗷嗷叫费观| 精品乱码久久久久久99久播| 精品国产一区二区久久| 国产精品久久久久成人av| 日韩欧美一区视频在线观看| 一级,二级,三级黄色视频| 一级毛片高清免费大全| 免费少妇av软件| 男人的好看免费观看在线视频 | 亚洲国产欧美网| 成人国产一区最新在线观看| 最近最新中文字幕大全免费视频| 久久午夜综合久久蜜桃| 丝袜在线中文字幕| 午夜福利免费观看在线| 首页视频小说图片口味搜索| 首页视频小说图片口味搜索| 久久国产亚洲av麻豆专区| 18禁观看日本| 99精国产麻豆久久婷婷| 大香蕉久久成人网| 91大片在线观看| 欧美精品亚洲一区二区| 欧美+亚洲+日韩+国产| 夜夜爽天天搞| 久久午夜综合久久蜜桃| 国产高清视频在线播放一区| 成在线人永久免费视频| 高清av免费在线| 亚洲成人免费电影在线观看| 黄片小视频在线播放| 国产欧美日韩综合在线一区二区| 国产熟女xx| 久久亚洲精品不卡| 午夜精品在线福利| 亚洲中文日韩欧美视频| 久久欧美精品欧美久久欧美| 一级片免费观看大全| 一级毛片女人18水好多| 女人高潮潮喷娇喘18禁视频| 久久精品成人免费网站| 日日爽夜夜爽网站| 搡老岳熟女国产| 亚洲五月婷婷丁香| 黑人操中国人逼视频| 亚洲国产看品久久| 操出白浆在线播放| 亚洲va日本ⅴa欧美va伊人久久| av欧美777| 中文字幕人妻熟女乱码| 中文字幕高清在线视频| 啦啦啦免费观看视频1| 免费搜索国产男女视频| 精品久久久久久久久久免费视频 | 搡老岳熟女国产| 亚洲黑人精品在线| 精品国产乱子伦一区二区三区| 最好的美女福利视频网| a在线观看视频网站| 精品久久久精品久久久| 亚洲成av片中文字幕在线观看| 精品久久久久久成人av| 亚洲国产欧美日韩在线播放| а√天堂www在线а√下载| 精品国产乱子伦一区二区三区| 亚洲成人精品中文字幕电影 | 免费不卡黄色视频| 天堂俺去俺来也www色官网| 黄频高清免费视频| 我的亚洲天堂| 国产高清激情床上av| 首页视频小说图片口味搜索| 欧美亚洲日本最大视频资源| 国产精品久久视频播放| 亚洲国产欧美网| 午夜免费观看网址| 亚洲成a人片在线一区二区| 日本黄色视频三级网站网址| 免费搜索国产男女视频| 精品国产国语对白av| 日韩成人在线观看一区二区三区| 国产熟女xx| 成人av一区二区三区在线看| 中文字幕另类日韩欧美亚洲嫩草| 欧美一级毛片孕妇| 日本免费一区二区三区高清不卡 | 精品久久久久久久毛片微露脸| 国产aⅴ精品一区二区三区波| 在线观看一区二区三区激情| 中文欧美无线码| 午夜日韩欧美国产| 男人舔女人下体高潮全视频| 操出白浆在线播放| 一级黄色大片毛片| 天堂中文最新版在线下载| 免费观看精品视频网站| 一级a爱片免费观看的视频| 青草久久国产| 一边摸一边抽搐一进一出视频| 免费在线观看日本一区| 巨乳人妻的诱惑在线观看| 香蕉国产在线看| 欧美国产精品va在线观看不卡| 日本精品一区二区三区蜜桃| 在线av久久热| 欧美一区二区精品小视频在线| 亚洲精华国产精华精| 精品国产国语对白av| 精品乱码久久久久久99久播| 首页视频小说图片口味搜索| 亚洲精品中文字幕在线视频| 国产成人精品无人区| 男男h啪啪无遮挡| 黄片小视频在线播放| av网站在线播放免费| 日本免费一区二区三区高清不卡 | 欧美成人性av电影在线观看| 精品国产乱子伦一区二区三区| 精品国产一区二区三区四区第35| 欧美日韩一级在线毛片| 777久久人妻少妇嫩草av网站| videosex国产| 久久影院123| 在线观看一区二区三区激情| 99热国产这里只有精品6| 水蜜桃什么品种好| 黄色视频,在线免费观看| 中文字幕最新亚洲高清| av天堂在线播放| 69精品国产乱码久久久| 变态另类成人亚洲欧美熟女 | 叶爱在线成人免费视频播放| 国产精品久久久av美女十八| 18美女黄网站色大片免费观看| 国产1区2区3区精品| 精品乱码久久久久久99久播| 欧美中文日本在线观看视频| 999久久久精品免费观看国产| 精品久久久久久久毛片微露脸| 黑人欧美特级aaaaaa片| 国产精品香港三级国产av潘金莲| 色婷婷av一区二区三区视频| 悠悠久久av| 如日韩欧美国产精品一区二区三区| 老熟妇乱子伦视频在线观看| 91av网站免费观看| 国产成人精品久久二区二区免费| 欧美激情 高清一区二区三区| 色综合欧美亚洲国产小说| 97碰自拍视频| 真人一进一出gif抽搐免费| a级毛片黄视频| 少妇裸体淫交视频免费看高清 | 日本撒尿小便嘘嘘汇集6| 老司机靠b影院| 嫁个100分男人电影在线观看| 曰老女人黄片| 久久中文字幕一级| 中文字幕高清在线视频| 在线天堂中文资源库| av网站在线播放免费| 精品久久久久久,| 日本wwww免费看| 天堂俺去俺来也www色官网| av超薄肉色丝袜交足视频| 不卡av一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 在线观看舔阴道视频| 天天躁狠狠躁夜夜躁狠狠躁| 日本撒尿小便嘘嘘汇集6| 999久久久国产精品视频| 欧美成狂野欧美在线观看| 夜夜看夜夜爽夜夜摸 | 成人18禁在线播放| 男人舔女人下体高潮全视频| 精品午夜福利视频在线观看一区| 男人舔女人的私密视频| 久久午夜亚洲精品久久| 成人特级黄色片久久久久久久| 电影成人av| 欧美日韩瑟瑟在线播放| 日韩欧美三级三区| 美女 人体艺术 gogo| 国产精品98久久久久久宅男小说| 亚洲熟妇熟女久久| 久久久国产成人精品二区 | 成人亚洲精品一区在线观看| 精品久久久久久成人av| 女人被躁到高潮嗷嗷叫费观| 久久精品国产亚洲av高清一级| 人人澡人人妻人| 亚洲国产精品999在线| 男人的好看免费观看在线视频 | 日本一区二区免费在线视频| 亚洲av五月六月丁香网| 在线视频色国产色| 制服诱惑二区| 亚洲专区字幕在线| 99国产精品免费福利视频| 操美女的视频在线观看| 天堂俺去俺来也www色官网| 少妇裸体淫交视频免费看高清 | 国产不卡一卡二| www.精华液| 国产精品国产av在线观看| 色尼玛亚洲综合影院| 他把我摸到了高潮在线观看| av天堂久久9| 丰满的人妻完整版| 搡老乐熟女国产| 亚洲第一青青草原| 黄片播放在线免费| 亚洲成av片中文字幕在线观看| 久久人人爽av亚洲精品天堂| av视频免费观看在线观看| 久久午夜综合久久蜜桃| 午夜福利,免费看| 免费观看精品视频网站| 亚洲熟妇熟女久久| 在线观看免费高清a一片| 一个人免费在线观看的高清视频| 精品久久久精品久久久| 久久人妻熟女aⅴ| 色婷婷久久久亚洲欧美| 亚洲一区二区三区欧美精品| 麻豆成人av在线观看| 一区二区三区精品91| 老汉色∧v一级毛片| 午夜精品久久久久久毛片777| 一进一出抽搐gif免费好疼 | 在线观看www视频免费| 久久香蕉激情| 大型黄色视频在线免费观看| 三级毛片av免费| 精品久久久久久,| 精品午夜福利视频在线观看一区| 亚洲精品久久成人aⅴ小说| 国产av一区在线观看免费| 亚洲,欧美精品.| 国产成人av激情在线播放| av有码第一页| 欧美日韩国产mv在线观看视频| 久久久精品欧美日韩精品| 不卡av一区二区三区| 在线看a的网站| 国产乱人伦免费视频| 久久久久国内视频| 国产精品98久久久久久宅男小说| www.www免费av| 亚洲成人免费电影在线观看| 国产成人影院久久av| 亚洲 欧美 日韩 在线 免费| 麻豆国产av国片精品| 韩国精品一区二区三区| 老司机午夜十八禁免费视频| 成人三级黄色视频| 中文字幕色久视频| 亚洲自拍偷在线| 大码成人一级视频| 成人三级黄色视频| 欧美另类亚洲清纯唯美| 中文字幕人妻丝袜一区二区|