• <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PCA-RF方法的乳腺圖像多類別分類研究及應用

    2020-12-05 06:54:52邵艷華
    關(guān)鍵詞:降維貢獻率類別

    羅 姍,邵艷華

    (貴州民族大學 數(shù)據(jù)科學與信息工程學院,貴陽 550025)

    近些年,國內(nèi)外研究學者在計算機輔助乳腺腫瘤分類、診斷等方面的研究有很大進步,也取得了許多新成果.相關(guān)學者在CAD技術(shù)輔助乳腺腫瘤診斷方面做了很多研究,并且在乳腺腫瘤良惡性檢測方面提出了很多方法.Peng等[1]使用人工神經(jīng)網(wǎng)絡(luò)在MIAS數(shù)據(jù)集上進行良性腫瘤和惡性腫瘤的分類,獲得了96%的二類別分類準確率.在他們的試驗中使用中值濾波器和種子區(qū)域生長的方法對原圖進行去噪,提取了6個紋理相關(guān)的特征.Liang等[2]提出了基于GLGLM和形狀特征的乳房病變計算機輔助診斷方案:組合視圖和多分類器,該文中共提取了23種特征,采用了Student’s t-Test、Fisher-Score、Relief-F三種特征選擇方法對特征進行提取,最后使用了RF、SVM、LDA和組合分類器對提取的特征進行分類識別,對于MIAS數(shù)據(jù)集分類準確率達到了88.6%.Tariq Sadad等[3]提出了基于模糊C均值和區(qū)域生長的混合紋理特征腫瘤的分類,該文的混合方法對乳腺圖像DDSM和MIAS數(shù)據(jù)集二類別分類達到了一個很好的準確率.Singh等[4]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的形狀描述子,將生成的掩模分為不規(guī)則、小葉、橢圓形和圓形四種腫瘤形狀.所提出的形狀描述子是在DDSM上訓練的,因為它提供了形狀基礎(chǔ)的真實性(而其他兩個數(shù)據(jù)集不提供),從而獲得了80%的總體精度.Sun L L等[5]提出了基于多視角卷積神經(jīng)網(wǎng)絡(luò)的乳腺圖像分類,文中提出了MVMDCNN架構(gòu),并修正了損失函數(shù)來增加錯分樣本的貢獻權(quán)重;提出的新分類方法對乳腺圖像DDSM和MIAS數(shù)據(jù)集的分類精度分別達到了82.02%和63.06%.魏鑫磊[6]采用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)實現(xiàn)乳腺圖像的病變分類,在MIAS(mammographic image analysis society)乳腺數(shù)據(jù)庫上進行算法測試,將乳腺鉬靶圖像做正常(N)、良性(B)和惡性(M)三分類研究,其中分類結(jié)果最高達到66.9%,Liang等[2]提出了基于GLGLM和形狀特征的乳房病變計算機輔助診斷方案:組合視圖和多分類器,使用簡單的線性組合方式組合RF、SVM、LDA三種分類器,在MIAS數(shù)據(jù)集良惡性分類中準確率達到了88.6%.

    表1 乳腺圖像特性三類別分類的分類標簽及分類所屬表Tab.1 Classification labels and classification ownership of the three categories of breast image characteristics

    (a) (b) (c)圖1 預處理乳腺圖像過程效果Fig.1 Renderings of breast image preprocessing

    上述研究中,大多都是針對乳腺圖像的二分類問題提出的,而二分類準確率已經(jīng)達到了一個較好的分類精度,但是目前乳腺圖像分類不只是關(guān)注正、異常分類,多類別的細致歸類已成為了目前乳腺圖像分類研究的熱點.比如魏鑫磊使用卷積神經(jīng)網(wǎng)絡(luò)研究正常(N)、良性(B)和惡性(M)三類別分類,分類精度才66.9%[6],則分類精度過于低下.Xiaonan G等[7]基于混合特征提取進行乳腺三類別分類雖然有84.17%的準確率,但運行時間達到7.26 s,所用時間過長.目前關(guān)于多類別的細致乳腺圖像分類研究分類精度還非常低,達不到輔助診斷的要求,就算有些多類別分類有比較好的分類準確率,系統(tǒng)分類時還需要很高的時間復雜度,這樣導致新的問題出現(xiàn).總之上述文獻綜述體現(xiàn)了乳腺圖像分類過程中存在兩個主要問題:① 特征維度高,增加運算量,從而存在高的時間復雜度和空間復雜度;② 沒有一個合適的分類方法,因此多類別細致分類準確率低下,導致分類性能不好.因此提出PCA-RF方法對乳腺圖像特征進行多類別(正常、良性及惡性)分類,通過簡單的線性降維方法替代復雜的多特征融合方法[8].

    進行乳腺圖像特征的多類別分類,是為給放射科醫(yī)生在乳腺疾病診斷時提供參考,從而做出更準確的診斷,減少乳腺疾病的誤診,提高工作效率.為了找到更具有代表性的乳腺圖像特征及實現(xiàn)更準確地診斷分類,本研究首先進行乳腺圖像的預處理,然后介紹如何尋找最具有代表性的主成分乳腺特征和怎樣實現(xiàn)診斷分類,最后對得出的實驗結(jié)果進行分析.

    1 乳腺圖像預處理

    醫(yī)學圖像使用的數(shù)據(jù)集是MIAS(the mammographic image analysis society)[9].數(shù)據(jù)集中共有322張乳腺X光圖像,其中有207張正常乳腺圖像、63張良性乳腺圖像以及52張惡性乳腺圖像組成.多數(shù)分類研究算法中為了方便分類,基本都將良性和惡性乳腺圖像劃分為異常類.就算實現(xiàn)三類別分類也是先進行正異常分類后,再進行良、惡性分類,而一次性實現(xiàn)正常、良性、惡性三分類的準確率相對不高.針對這個問題,需對乳腺圖像進行一系列處理,力爭提高一次性實現(xiàn)三類別分類的效率.表1顯示了三類別分類的情況,標簽0表示正常樣本,標簽1表示良性乳腺圖像樣本,而標簽2表示惡性乳腺圖像樣本.T表示正確分類,F(xiàn)表示錯誤分類,F(xiàn)10表示良性樣本被錯分為正常樣本.

    在圖像預處理時,首先將1 024×1 024的圖像裁剪成600×750,去除了大量的背景干擾,其次再對600×750的乳腺圖像用中值濾波法進行去噪,之后使用直方圖均衡法再對其去噪后的乳腺圖像做增強處理,如圖1(b)所示;然后利用手動選取感興趣的ROI圖像,ROI圖像大小為184×230,如圖1(c)所示.

    2 基于PCA-RF方法的乳腺圖像多類別分類研究

    2.1 數(shù)據(jù)特征降維PCA算法

    主成分分析(principal component analysis,PCA)是由著名統(tǒng)計學家Karl Pearson于1901年提出的線性降維方法[10].在圖像壓縮等領(lǐng)域得到廣泛的應用,在主成分分析中,信息的重要性是通過方差來表示的.因而它的基本思想是:構(gòu)造原始特征的一系列線性組合形成低維的特征,以去除數(shù)據(jù)的相關(guān)性,并使降維后的數(shù)據(jù)最大程度地保持原始高維數(shù)據(jù)的方差信息.具體算法如表2所示.

    表2 PCA降維算法Tab.2 PCA dimensionality reduction algorithm

    對MIAS乳腺數(shù)據(jù)集原始1 024×1 024像素的圖像經(jīng)過預處理過程后,特征數(shù)減少了1 024×1 024-184×230=1 006 256個,這樣就可以節(jié)約了大量存儲空間,節(jié)約了很多成本.特征提取和選擇:采用sift特征提取方法對預處理過的184×230圖像進行特征提取,每張圖像提取了42 090個特征.由于特征數(shù)量太大,采用主成分分析PCA算法對特征進行選擇,利用累積貢獻率來判別特性選擇的程度,如果累積貢獻率達到95%以上,則停止特征選擇.利用此方法從42 090個特征中選擇了104個特征,累積貢獻率達到了95.07%.

    圖2(a)為主成分分析降維貢獻率圖,該圖中的曲線表示所選特征的累積貢獻率,各柱形表示選取的主成分的貢獻.通過主成分分析從42 090個特征共提取了104個特征,累積貢獻率達到95.07%,圖中僅僅顯示了10個主成分貢獻分布,則顯示累積貢獻率到達74.18%.圖2(b)表示從14維降到10維時,10個主成分特征貢獻率圖,貢獻率達到95.06%.主成分特征是通過主成分分析多次迭代而得到的,由第一次降維得到的104個特征,再次進行PCA算法降維得到58個主要成分,再進一步進行多次迭代降維后最終得到6個主特征.

    (a) 10個主特征占104個特征的貢獻率 (b) 10個主要特征占14個特征的貢獻率圖2 主成分貢獻率Fig.2 Principal component contribution rate

    2.2 隨機森林分類算法進行特征分類

    隨機森林(random forest,RF)是一種具有代表性的Bagging算法,近年來受到了很大的關(guān)注.在實際問題中得到了廣泛應用,如股票市場分析、基因組數(shù)據(jù)分析、疾病預測等.通過隨機從圖像數(shù)據(jù)中抽取樣本,訓練多個不同的決策樹形成森林[11].隨機森林的分類算法相當于采用多個決策樹來完成分類,本文采用的是Bagging集成的隨機森林分類算法來實現(xiàn)乳腺圖像的特征分類,通過2.1節(jié)中PCA降維算法對于處理后的乳腺特征進行了多層[12]次降維后,得到了樣本不同特征維度的數(shù)據(jù)樣本.此節(jié)應用了隨機森林對PCA降維得到特征進行分類預測.具體算法如表3所示.

    表3 隨機森林分類算法Tab.3 Random forest classification algorithm

    圖3 基于PCA-RF方法的乳腺圖像特征分類流程Fig.3 Flow chart of feature classification of breast images based on PA-RF method

    圖4 PCA降維前后各基分類器分類準確率對比 圖5 PCA降維前后運行時間對比

    2.3 基于PCA-RF方法的乳腺圖像多類別分類研究

    PCA-RF方法對乳腺圖像特征進行正常、良性、惡性三類別分類的應用,為實現(xiàn)一次性完成多類別分類,且有一個相對較好的分類效率,PCA-RF算法流程如圖3所示.

    為了驗證PCA-RF方法在乳腺圖像特征分類的可行性與有效性,采用三個評價指標,分別是準確率、敏感度與運行時間(分類系統(tǒng)運行自動捕捉的運行時長).本算法分類的準確率計算公式:

    3 實驗分析

    采用KNN、RF、AdaBoost分類器對PCA算法的特征選擇進行實驗驗證,分析此實驗過程是可取且有效的,實驗結(jié)果如下.

    圖4、圖5分別表示出了通過PCA降維前后,各分類器得出的分類準確率及所有時間對比,從圖4中可以看出經(jīng)過降維后,KNN分類器和RF分類器的分類準確率還是有所提升的,而圖5則可以看出經(jīng)過降維后,每一種分類器的運行時間都有減少了,因此分類效率有一定的提高.乳腺圖像特征通過PCA降至104維時各分類器對于三類別分類的分類準確率與時間的對比圖如圖6所示.

    圖6 分類器對降維選取的特征分類準確率及所用時間對比Fig.6 Comparison of classification accuracy and time of features selected by classifier for dimension reduction

    圖6中分類結(jié)果明顯地表示了各分類器得到分類效果,KNN分類器雖然運行時間很短,在0.005 s左右,但是它的分類準確率相對于其他分類器而言要低;而RF分類器運行時間也相對較低,在0.26 s左右,且分類準確率相比于其他分類器是最高的;AdaBoost分類準確率是相對較好的,但是該分類器運行時間為1 s左右,運行時間高出KNN分類器運行時間的180倍,運行時間也比隨機森林分類器高3.5倍.綜合比較可以得出隨機森林的分類效果相對更好.

    圖7為圖像特征通過PCA算法降維成6維時各分類器對于三類別分類的分類準確率與時間的對比圖.圖7的中結(jié)果表明了隨機森林分類的穩(wěn)定性,其他分類器的分類準確率再通過PCA降維后有所下降,而且分類準確率不穩(wěn)定;然而隨機森林RF方法分類準確率沒有受影響,反而準確率有所提高,且分類時間大大減少了.通過實驗結(jié)果(圖8)可以看出,選取主要特征對分類準確率的影響不大,而且通過減少特征數(shù)量,即為分類減少了計算次數(shù).維度為104時,隨機森林分類所用時間平均約為0.3 s;而提取主要特征個數(shù)為7時,隨機森林分類所用時間平均約為0.026 s,則選取主要特征大概節(jié)約了11.5倍的時間成本.

    圖7 提取的7個特征分類準確率與時間對比圖8 RF對維數(shù)不同特征分類所用時間對比

    圖6和圖7顯示了隨機森林分類器進行多類別分類準確的穩(wěn)定性,同樣的分類系統(tǒng),選取104個特征與選取7個特征的分類準確率相差不大,準確率都在71%~95%之間.但利用PCA選取主要特征7個就可以達到很好分類效果.大大節(jié)約了時間成本,從而提高了分類效率.

    表4顯示了PCA降維得到的主成分特征個數(shù)、累積貢獻率及實現(xiàn)分類的準確率.從表4中明顯可以看出,多次進行PCA算法降維,沒有影響到分類的準確率,反而進行三類別分類準確率的最高精度有一定提升.接下來給出了本文算法得到的三類別分類結(jié)果與其他文獻成果的比較,如表5所示.

    4 結(jié)語

    由于乳腺圖像具有很高的特征維度,較大的交叉性及相似性,分類器對其乳腺圖像特征分類達不到一個相對較好的效率.因此提出了PCA-RF應用于乳腺圖像多類別分類研究方法,利用主成分分析PCA算法線性降維的優(yōu)勢,將乳腺圖像特征進行多層次降維,再使用隨機森林分類器對降維特征進行特征分類.實驗結(jié)果表明,PCA-RF應用于乳腺圖像多類別分類研究上得到了93.75%分類準確率及95%的敏感性,相對于其他乳腺圖像正常、良性及惡性的三類別分類效果有所提升.

    表4 PCA算法得到的特征數(shù)量及RF進行三類別分類結(jié)果Tab.4 The number of features obtained by PCA algorithm and the results of three categories of RF classification

    表5 針對MIAS數(shù)據(jù)集的分類結(jié)果與其他文獻結(jié)果的比較Tab.5 Comparison of classification results with other literature results for MIAS data set

    猜你喜歡
    降維貢獻率類別
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    一種通用的裝備體系貢獻率評估框架
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    關(guān)于裝備體系貢獻率研究的幾點思考
    В первой половине 2016 года вклад потребления в рост китайской экономики достиг 73,4 процента
    中亞信息(2016年10期)2016-02-13 02:32:45
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    基于特征聯(lián)合和偏最小二乘降維的手勢識別
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    成人亚洲精品一区在线观看| av网站在线播放免费| 啪啪无遮挡十八禁网站| 亚洲人成77777在线视频| 日韩三级视频一区二区三区| 亚洲av美国av| 啦啦啦 在线观看视频| 捣出白浆h1v1| 日韩三级视频一区二区三区| 一本一本久久a久久精品综合妖精| 午夜免费观看网址| 一进一出好大好爽视频| 精品人妻在线不人妻| 国产精品香港三级国产av潘金莲| 亚洲一区二区三区不卡视频| 丝袜美足系列| 亚洲精品av麻豆狂野| xxxhd国产人妻xxx| 午夜免费鲁丝| 制服人妻中文乱码| 精品第一国产精品| 精品一区二区三区av网在线观看| 国产成人av激情在线播放| 免费久久久久久久精品成人欧美视频| 91麻豆av在线| 免费不卡黄色视频| 操出白浆在线播放| 久久久国产成人免费| 中国美女看黄片| 满18在线观看网站| 日本a在线网址| 国产伦人伦偷精品视频| 国产成人精品久久二区二区91| 高清黄色对白视频在线免费看| 久久精品国产亚洲av高清一级| 18禁美女被吸乳视频| 久久精品国产亚洲av高清一级| 免费人成视频x8x8入口观看| 夜夜爽天天搞| 男女免费视频国产| 免费高清在线观看日韩| 日韩欧美免费精品| 99国产综合亚洲精品| 交换朋友夫妻互换小说| cao死你这个sao货| 日韩大码丰满熟妇| 91国产中文字幕| 国产色视频综合| 国产极品粉嫩免费观看在线| 欧美日韩一级在线毛片| 国产精品秋霞免费鲁丝片| 国产熟女午夜一区二区三区| 波多野结衣一区麻豆| 久9热在线精品视频| 99香蕉大伊视频| 很黄的视频免费| 在线观看日韩欧美| 免费在线观看亚洲国产| 国产成人免费观看mmmm| 国产单亲对白刺激| 首页视频小说图片口味搜索| 欧美黄色淫秽网站| 亚洲成国产人片在线观看| 久久久国产成人精品二区 | 黄色视频不卡| 91成年电影在线观看| 午夜福利在线免费观看网站| 色94色欧美一区二区| av有码第一页| 精品国产乱码久久久久久男人| а√天堂www在线а√下载 | 亚洲一区二区三区不卡视频| 免费在线观看视频国产中文字幕亚洲| 成人永久免费在线观看视频| 在线十欧美十亚洲十日本专区| 久久精品亚洲精品国产色婷小说| 欧美 亚洲 国产 日韩一| 午夜激情av网站| 丰满饥渴人妻一区二区三| 不卡一级毛片| 亚洲中文字幕日韩| 黄网站色视频无遮挡免费观看| 国产无遮挡羞羞视频在线观看| 精品国产亚洲在线| 亚洲精品在线美女| 婷婷成人精品国产| 国产精品亚洲一级av第二区| 中文字幕制服av| av天堂在线播放| 国产野战对白在线观看| 日韩 欧美 亚洲 中文字幕| 精品一品国产午夜福利视频| 亚洲精品一二三| 99精品欧美一区二区三区四区| 日本欧美视频一区| 国产91精品成人一区二区三区| 亚洲男人天堂网一区| 亚洲av日韩精品久久久久久密| 免费高清在线观看日韩| 亚洲aⅴ乱码一区二区在线播放 | 一边摸一边做爽爽视频免费| 少妇粗大呻吟视频| 午夜免费成人在线视频| 亚洲片人在线观看| 亚洲精品粉嫩美女一区| 免费观看人在逋| 丝袜人妻中文字幕| 欧美日韩福利视频一区二区| 精品国产一区二区久久| 精品午夜福利视频在线观看一区| 91老司机精品| 欧美 亚洲 国产 日韩一| 亚洲欧美一区二区三区久久| 啦啦啦免费观看视频1| av网站免费在线观看视频| 熟女少妇亚洲综合色aaa.| www日本在线高清视频| 久久亚洲精品不卡| 91av网站免费观看| 最新美女视频免费是黄的| 国产无遮挡羞羞视频在线观看| 日韩三级视频一区二区三区| 一级片'在线观看视频| 黄色成人免费大全| 日韩熟女老妇一区二区性免费视频| 久久久精品国产亚洲av高清涩受| 欧美人与性动交α欧美软件| 免费在线观看完整版高清| 亚洲人成电影免费在线| 成年人午夜在线观看视频| 久久精品国产亚洲av香蕉五月 | 久久久久久人人人人人| 性色av乱码一区二区三区2| 国产成人啪精品午夜网站| 麻豆乱淫一区二区| 老司机影院毛片| 中文字幕色久视频| 久久香蕉精品热| 捣出白浆h1v1| 熟女少妇亚洲综合色aaa.| 亚洲三区欧美一区| 香蕉丝袜av| 欧美中文综合在线视频| 久久久久久人人人人人| 免费人成视频x8x8入口观看| 久久国产精品人妻蜜桃| 精品久久久久久,| 日韩人妻精品一区2区三区| 国产在线精品亚洲第一网站| 日韩成人在线观看一区二区三区| 久久精品亚洲av国产电影网| 看黄色毛片网站| 国产精品久久久av美女十八| 日韩人妻精品一区2区三区| 亚洲欧美日韩高清在线视频| 美女午夜性视频免费| 麻豆av在线久日| 亚洲色图综合在线观看| 一a级毛片在线观看| 久久精品亚洲av国产电影网| 看黄色毛片网站| 美女午夜性视频免费| 大香蕉久久成人网| 丝袜美足系列| 黄片小视频在线播放| 国产精品美女特级片免费视频播放器 | 老司机影院毛片| 熟女少妇亚洲综合色aaa.| 久久久精品区二区三区| 露出奶头的视频| 亚洲综合色网址| 9热在线视频观看99| 一本一本久久a久久精品综合妖精| 视频区图区小说| 亚洲国产精品合色在线| 国产精品.久久久| 久久草成人影院| 午夜两性在线视频| 久久国产精品大桥未久av| 高清av免费在线| 超碰成人久久| 91精品三级在线观看| 免费在线观看亚洲国产| 国产精品1区2区在线观看. | 99热网站在线观看| 中文亚洲av片在线观看爽 | 欧美国产精品va在线观看不卡| 一区二区日韩欧美中文字幕| 欧美色视频一区免费| 亚洲国产欧美网| 国产又色又爽无遮挡免费看| 欧美人与性动交α欧美精品济南到| 高清欧美精品videossex| 国产欧美日韩一区二区三| 在线观看日韩欧美| 一边摸一边做爽爽视频免费| 香蕉丝袜av| 久久国产精品人妻蜜桃| 免费少妇av软件| 后天国语完整版免费观看| 欧美 亚洲 国产 日韩一| 午夜福利,免费看| 亚洲免费av在线视频| 国产精品亚洲一级av第二区| 亚洲国产精品一区二区三区在线| 男男h啪啪无遮挡| 99re在线观看精品视频| 在线观看日韩欧美| 亚洲成人免费电影在线观看| 亚洲av第一区精品v没综合| 午夜免费鲁丝| 人妻 亚洲 视频| 午夜老司机福利片| 建设人人有责人人尽责人人享有的| 一个人免费在线观看的高清视频| 日韩欧美在线二视频 | 日本撒尿小便嘘嘘汇集6| 亚洲精品成人av观看孕妇| 国产午夜精品久久久久久| 久久久久视频综合| 黑人巨大精品欧美一区二区蜜桃| 一边摸一边抽搐一进一小说 | 免费人成视频x8x8入口观看| 91九色精品人成在线观看| 国产精品国产av在线观看| aaaaa片日本免费| 亚洲欧美日韩另类电影网站| 免费女性裸体啪啪无遮挡网站| 夜夜躁狠狠躁天天躁| 欧美在线黄色| 久久这里只有精品19| 国产精品1区2区在线观看. | 色播在线永久视频| 欧美午夜高清在线| 欧美另类亚洲清纯唯美| 伊人久久大香线蕉亚洲五| 夜夜爽天天搞| 国产精品乱码一区二三区的特点 | 国产野战对白在线观看| 午夜精品在线福利| 岛国在线观看网站| 女人久久www免费人成看片| 人妻久久中文字幕网| 久久久久久免费高清国产稀缺| 视频区欧美日本亚洲| 久久久国产成人精品二区 | 亚洲专区中文字幕在线| 国产成人精品久久二区二区91| 久久国产精品人妻蜜桃| 美女午夜性视频免费| 99国产精品免费福利视频| 日本撒尿小便嘘嘘汇集6| 在线观看66精品国产| 成人亚洲精品一区在线观看| 欧美另类亚洲清纯唯美| 国产深夜福利视频在线观看| 亚洲熟女精品中文字幕| 香蕉久久夜色| 一级a爱片免费观看的视频| 大陆偷拍与自拍| 国产成人av教育| 色综合婷婷激情| 精品人妻在线不人妻| 午夜精品久久久久久毛片777| 又黄又粗又硬又大视频| 捣出白浆h1v1| 国产高清videossex| 大型黄色视频在线免费观看| 一级片免费观看大全| 久久 成人 亚洲| 丰满的人妻完整版| 极品人妻少妇av视频| 久热爱精品视频在线9| 色94色欧美一区二区| 91大片在线观看| 在线观看一区二区三区激情| 性少妇av在线| 韩国精品一区二区三区| 日韩有码中文字幕| 精品少妇一区二区三区视频日本电影| 国产成人精品久久二区二区91| 亚洲午夜理论影院| 大香蕉久久网| 精品国内亚洲2022精品成人 | 国产97色在线日韩免费| 久久久久久久国产电影| 欧美日韩成人在线一区二区| 国产精品1区2区在线观看. | 高清欧美精品videossex| 五月开心婷婷网| 最近最新中文字幕大全电影3 | 日本wwww免费看| 激情视频va一区二区三区| 亚洲黑人精品在线| 免费日韩欧美在线观看| 91av网站免费观看| 欧美乱色亚洲激情| 99精国产麻豆久久婷婷| 午夜日韩欧美国产| videosex国产| 中文字幕高清在线视频| 19禁男女啪啪无遮挡网站| 91大片在线观看| 在线观看免费视频网站a站| 首页视频小说图片口味搜索| 91成人精品电影| 国产国语露脸激情在线看| 国产99白浆流出| 免费看十八禁软件| 亚洲欧美日韩另类电影网站| 久久精品成人免费网站| 黄色成人免费大全| 色精品久久人妻99蜜桃| 变态另类成人亚洲欧美熟女 | 90打野战视频偷拍视频| 99国产精品99久久久久| 国产亚洲欧美在线一区二区| 一级毛片精品| 成人免费观看视频高清| 国产99久久九九免费精品| 91麻豆精品激情在线观看国产 | 老司机亚洲免费影院| 午夜福利在线免费观看网站| 热re99久久国产66热| 亚洲精品美女久久av网站| av天堂久久9| 国产av一区二区精品久久| 亚洲综合色网址| 日韩成人在线观看一区二区三区| 少妇的丰满在线观看| av天堂在线播放| 国产极品粉嫩免费观看在线| 91字幕亚洲| 亚洲熟女精品中文字幕| 身体一侧抽搐| 99香蕉大伊视频| 欧美亚洲日本最大视频资源| 欧美乱妇无乱码| 成人特级黄色片久久久久久久| 亚洲一区二区三区欧美精品| 九色亚洲精品在线播放| 午夜福利在线观看吧| 成年人午夜在线观看视频| 一夜夜www| 国产在视频线精品| 老司机影院毛片| 亚洲成人手机| 俄罗斯特黄特色一大片| 香蕉久久夜色| 亚洲av第一区精品v没综合| 欧美乱色亚洲激情| 最近最新中文字幕大全免费视频| 欧美国产精品va在线观看不卡| 午夜亚洲福利在线播放| 热99国产精品久久久久久7| 日韩欧美免费精品| 高清欧美精品videossex| 欧美日韩亚洲综合一区二区三区_| 男男h啪啪无遮挡| 女性生殖器流出的白浆| 看黄色毛片网站| 成人免费观看视频高清| 亚洲欧美一区二区三区久久| 中文字幕人妻丝袜制服| 欧美性长视频在线观看| 啪啪无遮挡十八禁网站| 又紧又爽又黄一区二区| 久久性视频一级片| 欧美亚洲日本最大视频资源| 国产精品美女特级片免费视频播放器 | 国产aⅴ精品一区二区三区波| 国产欧美日韩一区二区三| 亚洲欧洲精品一区二区精品久久久| 黄色女人牲交| 久久影院123| 国产不卡av网站在线观看| 法律面前人人平等表现在哪些方面| 成年动漫av网址| 国产精品久久电影中文字幕 | 老司机午夜十八禁免费视频| 国产亚洲精品久久久久久毛片 | 国产乱人伦免费视频| 欧美精品人与动牲交sv欧美| 精品少妇一区二区三区视频日本电影| 91国产中文字幕| 999久久久精品免费观看国产| 制服诱惑二区| 久久人人97超碰香蕉20202| 欧美日韩福利视频一区二区| 午夜免费成人在线视频| 精品欧美一区二区三区在线| avwww免费| 日韩欧美在线二视频 | 亚洲色图综合在线观看| 人人妻人人澡人人爽人人夜夜| 精品卡一卡二卡四卡免费| 老司机影院毛片| 女人爽到高潮嗷嗷叫在线视频| 久久人妻福利社区极品人妻图片| 欧美精品啪啪一区二区三区| 亚洲国产欧美一区二区综合| 精品国产亚洲在线| 日本一区二区免费在线视频| 国产野战对白在线观看| 久久久国产一区二区| 亚洲片人在线观看| 两个人看的免费小视频| 亚洲熟妇中文字幕五十中出 | 国产高清视频在线播放一区| 无人区码免费观看不卡| 国产一区有黄有色的免费视频| 色综合欧美亚洲国产小说| 成年动漫av网址| 亚洲精品国产色婷婷电影| 宅男免费午夜| 日日夜夜操网爽| 国产成人精品在线电影| 在线十欧美十亚洲十日本专区| 天天操日日干夜夜撸| 侵犯人妻中文字幕一二三四区| 男人的好看免费观看在线视频 | 日本欧美视频一区| √禁漫天堂资源中文www| 他把我摸到了高潮在线观看| 免费观看精品视频网站| 黄色视频,在线免费观看| 欧美 亚洲 国产 日韩一| 69av精品久久久久久| 777久久人妻少妇嫩草av网站| 色精品久久人妻99蜜桃| 国产精品久久久久久精品古装| 99精品久久久久人妻精品| 亚洲 国产 在线| 国产区一区二久久| 一区二区日韩欧美中文字幕| 淫妇啪啪啪对白视频| 五月开心婷婷网| 好看av亚洲va欧美ⅴa在| 狠狠狠狠99中文字幕| 国产精品98久久久久久宅男小说| tocl精华| 久久精品国产a三级三级三级| 女人精品久久久久毛片| 亚洲片人在线观看| 午夜免费鲁丝| 久久中文字幕人妻熟女| 女警被强在线播放| av天堂在线播放| 色综合欧美亚洲国产小说| 他把我摸到了高潮在线观看| 窝窝影院91人妻| 亚洲人成77777在线视频| 不卡av一区二区三区| 麻豆av在线久日| 美女视频免费永久观看网站| 色婷婷av一区二区三区视频| 日韩精品免费视频一区二区三区| 国产成人av激情在线播放| 视频区欧美日本亚洲| 国产精品久久久久成人av| 亚洲精华国产精华精| 妹子高潮喷水视频| 精品国产一区二区久久| 国产不卡一卡二| 精品第一国产精品| 亚洲av电影在线进入| 亚洲国产精品合色在线| 国产精品成人在线| 十八禁高潮呻吟视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品一二三| 久久国产亚洲av麻豆专区| 国产亚洲精品久久久久5区| 黄色成人免费大全| 久99久视频精品免费| 免费黄频网站在线观看国产| 久久久久精品国产欧美久久久| 精品人妻熟女毛片av久久网站| 亚洲中文日韩欧美视频| 91av网站免费观看| 亚洲欧美激情在线| 免费在线观看亚洲国产| 久热这里只有精品99| 久久青草综合色| 大陆偷拍与自拍| 97人妻天天添夜夜摸| 成人手机av| av天堂在线播放| 欧洲精品卡2卡3卡4卡5卡区| 日韩三级视频一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 丝袜人妻中文字幕| 大型黄色视频在线免费观看| 亚洲精品国产一区二区精华液| 高清视频免费观看一区二区| 国产亚洲精品一区二区www | 亚洲 国产 在线| 自拍欧美九色日韩亚洲蝌蚪91| 欧美黄色片欧美黄色片| 王馨瑶露胸无遮挡在线观看| 亚洲黑人精品在线| 纯流量卡能插随身wifi吗| 老司机午夜福利在线观看视频| 国产精品免费一区二区三区在线 | 男女床上黄色一级片免费看| av电影中文网址| 亚洲一区二区三区欧美精品| 韩国精品一区二区三区| √禁漫天堂资源中文www| 啦啦啦 在线观看视频| av不卡在线播放| 丝袜人妻中文字幕| 精品人妻1区二区| 色尼玛亚洲综合影院| 午夜福利,免费看| 韩国av一区二区三区四区| 老鸭窝网址在线观看| 纯流量卡能插随身wifi吗| 人妻久久中文字幕网| 久久精品国产亚洲av香蕉五月 | 大型av网站在线播放| 999精品在线视频| 在线av久久热| 亚洲成人国产一区在线观看| 精品卡一卡二卡四卡免费| 最近最新免费中文字幕在线| 日韩制服丝袜自拍偷拍| 国产精品欧美亚洲77777| 五月开心婷婷网| 国产乱人伦免费视频| 99热国产这里只有精品6| 国产一区在线观看成人免费| 亚洲 欧美一区二区三区| 日本a在线网址| 久久久精品区二区三区| 成人国语在线视频| 1024香蕉在线观看| 一本综合久久免费| 在线观看免费日韩欧美大片| 亚洲国产毛片av蜜桃av| 精品少妇久久久久久888优播| 日本a在线网址| 黄色 视频免费看| 成人三级做爰电影| 久久香蕉国产精品| 欧美精品亚洲一区二区| 视频区图区小说| 午夜福利一区二区在线看| 美女福利国产在线| 亚洲精品自拍成人| 午夜免费成人在线视频| av一本久久久久| 久久久国产精品麻豆| 亚洲专区国产一区二区| 99久久精品国产亚洲精品| 国产91精品成人一区二区三区| 精品久久久精品久久久| 两性夫妻黄色片| 日本欧美视频一区| 日日摸夜夜添夜夜添小说| 最近最新中文字幕大全免费视频| 老熟妇仑乱视频hdxx| 国产成人啪精品午夜网站| 90打野战视频偷拍视频| 亚洲成人免费电影在线观看| 18禁裸乳无遮挡动漫免费视频| 在线免费观看的www视频| 美国免费a级毛片| 午夜精品在线福利| 天天影视国产精品| 黄色毛片三级朝国网站| 免费人成视频x8x8入口观看| 少妇粗大呻吟视频| 色尼玛亚洲综合影院| 亚洲性夜色夜夜综合| 一区二区三区激情视频| 国产单亲对白刺激| 黄色视频不卡| 侵犯人妻中文字幕一二三四区| 国产区一区二久久| 99re6热这里在线精品视频| 色婷婷久久久亚洲欧美| av福利片在线| 久久精品国产亚洲av香蕉五月 | 亚洲av日韩在线播放| 日韩免费av在线播放| 夫妻午夜视频| 国产三级黄色录像| 在线观看66精品国产| 女人被狂操c到高潮| 亚洲熟妇中文字幕五十中出 | 成年动漫av网址| 看黄色毛片网站| 久久性视频一级片| 精品视频人人做人人爽| 在线国产一区二区在线| 国产精品成人在线| avwww免费| 在线观看舔阴道视频| 亚洲熟女精品中文字幕| 精品人妻在线不人妻| 美国免费a级毛片| 69精品国产乱码久久久| 另类亚洲欧美激情| 国产成+人综合+亚洲专区| 在线观看日韩欧美| 国产不卡av网站在线观看| 久久精品亚洲熟妇少妇任你| 人人妻人人澡人人看| 久久精品国产清高在天天线| 国产免费男女视频| 视频区图区小说| 美女高潮喷水抽搐中文字幕| 美女国产高潮福利片在线看| 日本vs欧美在线观看视频|