• <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
    人体艺术视频欧美日本| 全区人妻精品视频| 日韩 亚洲 欧美在线| 啦啦啦在线观看免费高清www| 精品少妇黑人巨大在线播放| 亚洲高清免费不卡视频| 国产成人91sexporn| 久久久午夜欧美精品| 久久精品人人爽人人爽视色| 两个人免费观看高清视频| 新久久久久国产一级毛片| 下体分泌物呈黄色| 国产av国产精品国产| 寂寞人妻少妇视频99o| 蜜桃国产av成人99| 黑人高潮一二区| 亚洲久久久国产精品| 热99国产精品久久久久久7| 亚州av有码| 永久免费av网站大全| 嘟嘟电影网在线观看| √禁漫天堂资源中文www| 99视频精品全部免费 在线| 精品亚洲乱码少妇综合久久| 久久影院123| 精品人妻熟女毛片av久久网站| 插阴视频在线观看视频| 街头女战士在线观看网站| 丝袜喷水一区| 99久久综合免费| 欧美亚洲 丝袜 人妻 在线| 在线观看一区二区三区激情| 国产高清国产精品国产三级| 久久中文字幕人妻熟女| 国产精品久久久久久精品电影小说| 久久精品亚洲av国产电影网| 国产野战对白在线观看| 国产日韩一区二区三区精品不卡| 国产亚洲精品久久久久5区| 女性生殖器流出的白浆| 亚洲全国av大片| 最新在线观看一区二区三区| 丁香六月天网| 精品第一国产精品| 电影成人av| 一区福利在线观看| 不卡av一区二区三区| av福利片在线| 精品一区二区三卡| 又黄又粗又硬又大视频| 久久这里只有精品19| 岛国毛片在线播放| 亚洲欧洲精品一区二区精品久久久| av欧美777| 精品高清国产在线一区| 视频在线观看一区二区三区| 人妻 亚洲 视频| 成年版毛片免费区| av片东京热男人的天堂| 91精品三级在线观看| 变态另类成人亚洲欧美熟女 | 亚洲,欧美精品.| 一本久久精品| 热99re8久久精品国产| 色尼玛亚洲综合影院| 99国产综合亚洲精品| 久久婷婷成人综合色麻豆| 欧美亚洲日本最大视频资源| 亚洲精品久久午夜乱码| 黑人猛操日本美女一级片| 欧美日韩亚洲国产一区二区在线观看 | av不卡在线播放| 大片免费播放器 马上看| 男男h啪啪无遮挡| 美女扒开内裤让男人捅视频| 大香蕉久久成人网| 成人免费观看视频高清| 国产欧美日韩一区二区三| 久久久精品区二区三区| 丰满迷人的少妇在线观看| 欧美成人免费av一区二区三区 | 老司机深夜福利视频在线观看| 国产一区二区三区在线臀色熟女 | 亚洲av片天天在线观看| 美女主播在线视频| 色94色欧美一区二区| 久久精品aⅴ一区二区三区四区| 午夜精品国产一区二区电影| 精品福利观看| 男男h啪啪无遮挡| 久久ye,这里只有精品| 精品欧美一区二区三区在线| 中文字幕人妻熟女乱码| 制服诱惑二区| 亚洲熟女精品中文字幕| 国产黄色免费在线视频| 青草久久国产| 亚洲一卡2卡3卡4卡5卡精品中文| 一级,二级,三级黄色视频| 久久久久久久久久久久大奶| 欧美精品一区二区大全| 老汉色av国产亚洲站长工具| 国产精品 欧美亚洲| 久久久国产一区二区| 美女扒开内裤让男人捅视频| 国产成人影院久久av| 中文字幕另类日韩欧美亚洲嫩草| 俄罗斯特黄特色一大片| 免费观看av网站的网址| 精品亚洲乱码少妇综合久久| 精品一区二区三区视频在线观看免费 | 欧美激情高清一区二区三区| 亚洲第一av免费看| 黄网站色视频无遮挡免费观看| 精品欧美一区二区三区在线| 在线观看免费日韩欧美大片| 中文字幕另类日韩欧美亚洲嫩草| 国产淫语在线视频| 亚洲国产看品久久| 久久精品国产a三级三级三级| 18禁观看日本| 日韩欧美国产一区二区入口| 丝瓜视频免费看黄片| 一区二区三区乱码不卡18| 免费在线观看日本一区| 91老司机精品| 成人影院久久| 色视频在线一区二区三区| 搡老乐熟女国产| 国产精品免费大片| 国产亚洲欧美精品永久| 美女扒开内裤让男人捅视频| 免费久久久久久久精品成人欧美视频| 国产激情久久老熟女| 国产成人啪精品午夜网站| www.精华液| 高清在线国产一区| 中文字幕最新亚洲高清| 黄片播放在线免费| 最新的欧美精品一区二区| 国产伦理片在线播放av一区| 午夜免费成人在线视频| 曰老女人黄片| www.精华液| 欧美精品一区二区免费开放| 午夜福利免费观看在线| 交换朋友夫妻互换小说| 国产精品免费视频内射| 国产aⅴ精品一区二区三区波| 国产精品偷伦视频观看了| 人人妻人人澡人人爽人人夜夜| 新久久久久国产一级毛片| 老司机深夜福利视频在线观看| www.熟女人妻精品国产| 女警被强在线播放| 一夜夜www| 国产精品国产av在线观看| 飞空精品影院首页| 国产精品99久久99久久久不卡| 久久人妻av系列| 黄色片一级片一级黄色片| 国产免费福利视频在线观看| 男女床上黄色一级片免费看| 久久精品国产a三级三级三级| 五月天丁香电影| 成人精品一区二区免费| av又黄又爽大尺度在线免费看| 最近最新免费中文字幕在线| 亚洲精品国产精品久久久不卡| 国产又爽黄色视频| 国产亚洲一区二区精品| 精品卡一卡二卡四卡免费| 多毛熟女@视频| 国产成人av教育| 国产成人精品无人区| 高清视频免费观看一区二区| 亚洲欧美色中文字幕在线| 亚洲中文字幕日韩| 大片免费播放器 马上看| 欧美国产精品一级二级三级| 极品人妻少妇av视频| 人成视频在线观看免费观看| 少妇被粗大的猛进出69影院| 人人妻,人人澡人人爽秒播| 亚洲熟女毛片儿| 91九色精品人成在线观看| 国产片内射在线| 日韩大片免费观看网站| 超色免费av| 极品教师在线免费播放| 亚洲男人天堂网一区| 日韩视频在线欧美| 欧美日韩黄片免| 国产在视频线精品| 精品高清国产在线一区| 夫妻午夜视频| 99热国产这里只有精品6| 嫁个100分男人电影在线观看| 久久久国产精品麻豆| 久久精品熟女亚洲av麻豆精品| 欧美日韩亚洲高清精品| 蜜桃在线观看..| 亚洲精品一二三| 18禁观看日本| 亚洲三区欧美一区| 欧美日韩黄片免| 久久久久久久国产电影| 丝袜在线中文字幕| 人人妻,人人澡人人爽秒播| 精品国产一区二区三区四区第35| 久久av网站| 成人亚洲精品一区在线观看| 69av精品久久久久久 | 国产成人免费观看mmmm| 亚洲七黄色美女视频| 五月开心婷婷网| 精品一区二区三区视频在线观看免费 | 亚洲欧美一区二区三区黑人| 久久国产精品大桥未久av| 1024香蕉在线观看| 99国产精品免费福利视频| 新久久久久国产一级毛片| 黄网站色视频无遮挡免费观看| 国产成人欧美| 国产深夜福利视频在线观看| 飞空精品影院首页| 九色亚洲精品在线播放| 999精品在线视频| 三上悠亚av全集在线观看| 亚洲精品在线观看二区| 亚洲成人免费av在线播放| 国产不卡一卡二| 久热这里只有精品99| 精品国产一区二区三区久久久樱花| a级片在线免费高清观看视频| 国产av一区二区精品久久| 十八禁网站免费在线| 国内毛片毛片毛片毛片毛片| 最近最新中文字幕大全免费视频| 别揉我奶头~嗯~啊~动态视频| 美女扒开内裤让男人捅视频| av国产精品久久久久影院| 欧美精品啪啪一区二区三区| 女同久久另类99精品国产91| 亚洲自偷自拍图片 自拍| 欧美日韩av久久| 99国产极品粉嫩在线观看| 人妻 亚洲 视频| 国内毛片毛片毛片毛片毛片| 国产精品免费一区二区三区在线 | 午夜日韩欧美国产| 天堂俺去俺来也www色官网| 久久ye,这里只有精品| 久久人人爽av亚洲精品天堂| 一区二区三区国产精品乱码| 国产精品一区二区精品视频观看| 99国产精品99久久久久| 2018国产大陆天天弄谢| 久久久久国产一级毛片高清牌| av又黄又爽大尺度在线免费看| 国产成人精品久久二区二区91| 亚洲第一青青草原| 国产真人三级小视频在线观看| 精品少妇黑人巨大在线播放| 性色av乱码一区二区三区2| 69精品国产乱码久久久| 一级毛片电影观看| 欧美另类亚洲清纯唯美| 亚洲国产欧美在线一区| 国产亚洲午夜精品一区二区久久| 色综合婷婷激情| 在线十欧美十亚洲十日本专区| 亚洲精品中文字幕在线视频| 亚洲国产毛片av蜜桃av| 国产真人三级小视频在线观看| 一二三四社区在线视频社区8| 欧美精品一区二区大全| 精品国产乱码久久久久久小说| 午夜久久久在线观看| 亚洲色图综合在线观看| 亚洲中文字幕日韩| 欧美黑人精品巨大| 精品国产一区二区三区久久久樱花| 欧美乱妇无乱码| 美女扒开内裤让男人捅视频| 人人妻人人添人人爽欧美一区卜| 多毛熟女@视频| 色老头精品视频在线观看| 色婷婷久久久亚洲欧美| 国产日韩欧美亚洲二区| av天堂在线播放| 久久毛片免费看一区二区三区| 久久精品熟女亚洲av麻豆精品| 国产免费av片在线观看野外av| 亚洲,欧美精品.| 国产一卡二卡三卡精品| 欧美老熟妇乱子伦牲交| 1024香蕉在线观看| 亚洲精品一二三| 久久精品国产亚洲av高清一级| 精品国产乱码久久久久久小说| 日韩大片免费观看网站| 在线av久久热| 十分钟在线观看高清视频www| 高清av免费在线| 夫妻午夜视频| 日本av手机在线免费观看| 天堂8中文在线网| 精品少妇久久久久久888优播| 亚洲欧美一区二区三区久久| 国产在视频线精品| 下体分泌物呈黄色| 国产精品亚洲一级av第二区| 建设人人有责人人尽责人人享有的| 99久久人妻综合| 国产成人系列免费观看| 80岁老熟妇乱子伦牲交| 国产精品免费一区二区三区在线 | 精品午夜福利视频在线观看一区 | 在线观看免费午夜福利视频| 久9热在线精品视频| 色精品久久人妻99蜜桃| 黑丝袜美女国产一区| 国产在线视频一区二区| 国产欧美日韩一区二区三| 99re6热这里在线精品视频| 在线天堂中文资源库| 日韩视频一区二区在线观看| 一级,二级,三级黄色视频| 香蕉国产在线看| 无人区码免费观看不卡 | 久久久久久人人人人人| 亚洲专区中文字幕在线| 大香蕉久久网| 国产精品.久久久| 国产一区二区三区在线臀色熟女 | 久久久久久久久免费视频了| 窝窝影院91人妻| 成人永久免费在线观看视频 | 99精国产麻豆久久婷婷| 亚洲欧美一区二区三区黑人| 久久亚洲真实| 日韩一卡2卡3卡4卡2021年| 桃花免费在线播放| 国产日韩一区二区三区精品不卡| 窝窝影院91人妻| 久久精品亚洲熟妇少妇任你| 亚洲五月色婷婷综合| 热re99久久精品国产66热6| 在线观看一区二区三区激情| 国产欧美日韩一区二区三| 大陆偷拍与自拍| 满18在线观看网站| 国产精品偷伦视频观看了| 精品一区二区三区四区五区乱码| 91麻豆av在线| 色播在线永久视频| 午夜激情av网站| 欧美精品高潮呻吟av久久| 国产91精品成人一区二区三区 | 美女扒开内裤让男人捅视频| 在线观看免费高清a一片| 久久久久久久大尺度免费视频| 考比视频在线观看| 欧美日韩亚洲综合一区二区三区_| 午夜老司机福利片| 色综合婷婷激情| 男人舔女人的私密视频| 亚洲av日韩精品久久久久久密| 亚洲天堂av无毛| 我的亚洲天堂| 蜜桃国产av成人99| 19禁男女啪啪无遮挡网站| 欧美在线一区亚洲| 欧美人与性动交α欧美精品济南到| 久久ye,这里只有精品| 99九九在线精品视频| 丝袜在线中文字幕| 蜜桃在线观看..| 精品国产一区二区三区久久久樱花| 亚洲人成电影免费在线| 美女福利国产在线| 国产日韩欧美亚洲二区| 母亲3免费完整高清在线观看| 久久久久视频综合| 免费在线观看视频国产中文字幕亚洲| 久久久久久人人人人人| 欧美老熟妇乱子伦牲交| 午夜福利在线观看吧| 亚洲欧洲日产国产| 老熟妇乱子伦视频在线观看| 日韩成人在线观看一区二区三区| 免费高清在线观看日韩| 女警被强在线播放| 一级毛片精品| 国产高清视频在线播放一区| 亚洲精品国产精品久久久不卡| 波多野结衣一区麻豆| 国产精品电影一区二区三区 | 少妇猛男粗大的猛烈进出视频| 亚洲国产欧美日韩在线播放| 黄色视频不卡| 日本撒尿小便嘘嘘汇集6| 一本综合久久免费| avwww免费| 久久午夜亚洲精品久久| 亚洲午夜理论影院| 中文字幕制服av| 99re6热这里在线精品视频| 男女免费视频国产| 人人妻人人澡人人爽人人夜夜| 国产成人欧美在线观看 | 欧美一级毛片孕妇| 99国产精品99久久久久| 欧美av亚洲av综合av国产av| 日本黄色日本黄色录像| 色婷婷av一区二区三区视频| 黑人欧美特级aaaaaa片| 国产视频一区二区在线看| 巨乳人妻的诱惑在线观看| 国产精品.久久久| 91国产中文字幕| 一级毛片电影观看| 大型黄色视频在线免费观看| 男女下面插进去视频免费观看| 亚洲国产中文字幕在线视频| 亚洲国产成人一精品久久久| 香蕉丝袜av| 高清在线国产一区| 日韩免费av在线播放| 91av网站免费观看| 久久久久久久久免费视频了| 天天躁夜夜躁狠狠躁躁| 国产av精品麻豆| √禁漫天堂资源中文www| 国产精品亚洲一级av第二区| 久久久久精品人妻al黑| 操美女的视频在线观看| 国产精品国产高清国产av | 蜜桃国产av成人99| 国产精品自产拍在线观看55亚洲 | 国产欧美日韩综合在线一区二区| 国产在线精品亚洲第一网站| 精品人妻1区二区| 麻豆av在线久日| xxxhd国产人妻xxx| 麻豆国产av国片精品| 午夜福利在线免费观看网站| 在线av久久热| 不卡一级毛片| 国产精品 国内视频| 咕卡用的链子| 国产免费av片在线观看野外av| 国产av又大| 黄色毛片三级朝国网站| 日韩 欧美 亚洲 中文字幕| 国产黄频视频在线观看| 夜夜骑夜夜射夜夜干| 99re6热这里在线精品视频| 一级毛片电影观看| 波多野结衣av一区二区av| 国产色视频综合| 免费日韩欧美在线观看| 性高湖久久久久久久久免费观看| 搡老乐熟女国产| 一区二区日韩欧美中文字幕| 十分钟在线观看高清视频www| 久久久久久久国产电影| 亚洲精品自拍成人| 一区二区三区乱码不卡18| 亚洲精品美女久久av网站| 午夜久久久在线观看| 日韩免费av在线播放| 一级,二级,三级黄色视频| 搡老熟女国产l中国老女人| 欧美激情 高清一区二区三区| 亚洲免费av在线视频| 中文亚洲av片在线观看爽 | 国产真人三级小视频在线观看| 高清毛片免费观看视频网站 | 一级黄色大片毛片| 日本黄色日本黄色录像| aaaaa片日本免费| 中文字幕制服av| 久久精品91无色码中文字幕| 色播在线永久视频| 欧美变态另类bdsm刘玥| 日本撒尿小便嘘嘘汇集6| 在线观看www视频免费| 亚洲欧美一区二区三区黑人| 精品一区二区三区av网在线观看 | 午夜福利在线免费观看网站| 国产精品一区二区在线不卡| 国产真人三级小视频在线观看| 制服诱惑二区| 岛国在线观看网站| 90打野战视频偷拍视频| 黄色丝袜av网址大全| 亚洲美女黄片视频| 99精品久久久久人妻精品| 侵犯人妻中文字幕一二三四区| 久久国产精品大桥未久av| 大片电影免费在线观看免费| 丝瓜视频免费看黄片| 亚洲性夜色夜夜综合| 亚洲精品乱久久久久久| 免费在线观看影片大全网站| 久久亚洲真实| 9色porny在线观看| 精品视频人人做人人爽| 亚洲五月婷婷丁香| 亚洲色图综合在线观看| 嫩草影视91久久| 国产三级黄色录像| 亚洲成人免费电影在线观看| 国产亚洲欧美在线一区二区| 久久99一区二区三区| 亚洲国产中文字幕在线视频| 另类精品久久| 亚洲精品中文字幕在线视频| 黄色视频不卡| 搡老乐熟女国产| 美女视频免费永久观看网站| 99国产精品免费福利视频| 欧美精品一区二区免费开放| 亚洲精品av麻豆狂野| 久久久久久久国产电影| 国产成人精品无人区| 久久精品国产综合久久久| 日韩欧美一区二区三区在线观看 | 怎么达到女性高潮| www.自偷自拍.com| 如日韩欧美国产精品一区二区三区| 亚洲色图综合在线观看| 一进一出好大好爽视频| 操出白浆在线播放| 国产精品1区2区在线观看. | 亚洲国产欧美在线一区| 精品国内亚洲2022精品成人 | 亚洲avbb在线观看| 一边摸一边抽搐一进一出视频| 国产亚洲欧美在线一区二区| 夜夜夜夜夜久久久久| 午夜两性在线视频| 五月开心婷婷网| 最近最新中文字幕大全电影3 | 国产又爽黄色视频| 亚洲一码二码三码区别大吗| 久久国产亚洲av麻豆专区| 国产不卡一卡二| 久久午夜亚洲精品久久| 窝窝影院91人妻| 欧美精品高潮呻吟av久久| 久久久精品国产亚洲av高清涩受| 超碰成人久久| 国产免费现黄频在线看| 成人国产av品久久久| 丰满迷人的少妇在线观看| 亚洲精品中文字幕在线视频| 亚洲精品自拍成人| 亚洲 欧美一区二区三区| 蜜桃在线观看..| 久久这里只有精品19| 超碰97精品在线观看| 欧美激情极品国产一区二区三区| 国产精品一区二区免费欧美| av在线播放免费不卡| 无遮挡黄片免费观看| 女人久久www免费人成看片| 在线观看免费日韩欧美大片| 中文字幕高清在线视频| 中文字幕制服av| 亚洲黑人精品在线| 精品国产乱子伦一区二区三区| 999精品在线视频| 国产成人影院久久av| 我的亚洲天堂| 国产欧美日韩一区二区三| 欧美日韩视频精品一区| 亚洲五月色婷婷综合| 在线天堂中文资源库| 50天的宝宝边吃奶边哭怎么回事| 在线观看人妻少妇| 日本wwww免费看| 亚洲欧美日韩另类电影网站| 久久亚洲真实| 国产免费视频播放在线视频| 天堂动漫精品| 成人国语在线视频| 久久人人97超碰香蕉20202| 在线看a的网站| 五月天丁香电影| 亚洲,欧美精品.| 国产激情久久老熟女| 婷婷成人精品国产| 啦啦啦 在线观看视频| 这个男人来自地球电影免费观看| 丁香六月欧美| 人妻 亚洲 视频| 欧美日韩一级在线毛片| 亚洲成人免费电影在线观看| 一个人免费在线观看的高清视频| 亚洲人成伊人成综合网2020| 亚洲午夜精品一区,二区,三区| 男女之事视频高清在线观看| 人人澡人人妻人| 日韩欧美三级三区| 最黄视频免费看| 老司机深夜福利视频在线观看| 国产av精品麻豆| 正在播放国产对白刺激| 热99久久久久精品小说推荐| 在线播放国产精品三级| 久久人人97超碰香蕉20202| 精品熟女少妇八av免费久了|