• <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
    一区福利在线观看| 麻豆av在线久日| 桃色一区二区三区在线观看| 亚洲国产日韩欧美精品在线观看 | 在线a可以看的网站| 婷婷精品国产亚洲av在线| 日韩欧美三级三区| 久久九九热精品免费| 亚洲欧美精品综合久久99| 国产精品一区二区免费欧美| 成人18禁在线播放| 亚洲专区国产一区二区| 精品国产美女av久久久久小说| 日本免费a在线| 在线观看日韩欧美| 美女被艹到高潮喷水动态| 久久香蕉精品热| 亚洲片人在线观看| 夜夜爽天天搞| 欧美中文综合在线视频| 亚洲成人免费电影在线观看| 国产精品久久久人人做人人爽| 搡老妇女老女人老熟妇| 老司机福利观看| 国产熟女xx| 91字幕亚洲| 亚洲av成人av| 非洲黑人性xxxx精品又粗又长| 免费观看精品视频网站| av福利片在线观看| 国产av在哪里看| 亚洲av成人av| 久9热在线精品视频| 九色国产91popny在线| 婷婷精品国产亚洲av| 成人三级黄色视频| 久久精品综合一区二区三区| 非洲黑人性xxxx精品又粗又长| 国产伦精品一区二区三区四那| 成年女人看的毛片在线观看| 国产精品久久久人人做人人爽| 啪啪无遮挡十八禁网站| 日本在线视频免费播放| 精品一区二区三区视频在线观看免费| 国产精品免费一区二区三区在线| 男女视频在线观看网站免费| 国产人伦9x9x在线观看| 中文亚洲av片在线观看爽| 日本 av在线| 国产精品久久久久久人妻精品电影| 国产单亲对白刺激| 国产伦在线观看视频一区| 亚洲精品在线观看二区| 深夜精品福利| 国产美女午夜福利| 欧美乱色亚洲激情| 久久久国产欧美日韩av| 黄频高清免费视频| 美女高潮的动态| 国产亚洲精品av在线| 国内少妇人妻偷人精品xxx网站 | 中文字幕最新亚洲高清| 麻豆久久精品国产亚洲av| 欧美午夜高清在线| 麻豆国产av国片精品| 久久久久久久久免费视频了| 身体一侧抽搐| 舔av片在线| 老司机午夜十八禁免费视频| 黑人操中国人逼视频| 亚洲av成人不卡在线观看播放网| 香蕉丝袜av| 国产单亲对白刺激| 女同久久另类99精品国产91| 老汉色av国产亚洲站长工具| 狂野欧美白嫩少妇大欣赏| 国产伦精品一区二区三区四那| 精品电影一区二区在线| 精品国产乱码久久久久久男人| av片东京热男人的天堂| 日韩精品中文字幕看吧| 男女下面进入的视频免费午夜| 亚洲精品中文字幕一二三四区| 又爽又黄无遮挡网站| 国产亚洲精品一区二区www| 亚洲成人久久性| www.999成人在线观看| 久久久久九九精品影院| 淫妇啪啪啪对白视频| 日本黄大片高清| 久久久久久久久久黄片| 在线看三级毛片| 欧美绝顶高潮抽搐喷水| 国产精品久久久久久精品电影| 在线观看午夜福利视频| 一级毛片高清免费大全| 精华霜和精华液先用哪个| 岛国在线免费视频观看| 欧美国产日韩亚洲一区| 亚洲成人久久性| 亚洲无线在线观看| 又爽又黄无遮挡网站| 欧美激情久久久久久爽电影| 99久久精品热视频| 一本久久中文字幕| 人人妻人人看人人澡| av中文乱码字幕在线| 俄罗斯特黄特色一大片| 中出人妻视频一区二区| 亚洲熟女毛片儿| 99精品欧美一区二区三区四区| 欧美乱妇无乱码| 日本一本二区三区精品| 99久久久亚洲精品蜜臀av| 一个人免费在线观看的高清视频| 99久久综合精品五月天人人| 黄色成人免费大全| 色吧在线观看| 麻豆国产av国片精品| 人人妻人人看人人澡| 欧美av亚洲av综合av国产av| 成人无遮挡网站| 日本一本二区三区精品| 精品不卡国产一区二区三区| 亚洲中文字幕一区二区三区有码在线看 | 噜噜噜噜噜久久久久久91| 国产精品精品国产色婷婷| 亚洲中文av在线| 老鸭窝网址在线观看| 一本一本综合久久| 老司机午夜十八禁免费视频| 久久热在线av| 亚洲最大成人中文| 99久久久亚洲精品蜜臀av| 男人舔奶头视频| 男人舔奶头视频| 国产精品久久久人人做人人爽| 香蕉丝袜av| 99国产综合亚洲精品| 亚洲av第一区精品v没综合| 狠狠狠狠99中文字幕| 麻豆av在线久日| 高潮久久久久久久久久久不卡| 老熟妇仑乱视频hdxx| 噜噜噜噜噜久久久久久91| 久久久国产成人精品二区| 黄色日韩在线| 亚洲中文av在线| 亚洲一区二区三区色噜噜| 视频区欧美日本亚洲| 日本黄色片子视频| 九九在线视频观看精品| 亚洲av电影在线进入| 免费看日本二区| 国产精品98久久久久久宅男小说| 97超视频在线观看视频| 国产69精品久久久久777片 | 老鸭窝网址在线观看| 亚洲人成网站高清观看| 亚洲精品在线观看二区| 黄片大片在线免费观看| 国产伦在线观看视频一区| 国产一区二区在线观看日韩 | 黄色片一级片一级黄色片| 欧美日韩国产亚洲二区| 国产精品av视频在线免费观看| 男女视频在线观看网站免费| 一级毛片高清免费大全| 国产主播在线观看一区二区| 国产成人av教育| 国产精品国产高清国产av| 美女黄网站色视频| 欧美3d第一页| 不卡一级毛片| 成人午夜高清在线视频| 小蜜桃在线观看免费完整版高清| 久久婷婷人人爽人人干人人爱| 午夜福利视频1000在线观看| 老司机深夜福利视频在线观看| 国产免费av片在线观看野外av| 亚洲色图 男人天堂 中文字幕| 亚洲午夜理论影院| 色吧在线观看| 色综合欧美亚洲国产小说| 午夜两性在线视频| 性色av乱码一区二区三区2| 亚洲第一电影网av| 亚洲av成人不卡在线观看播放网| 日韩高清综合在线| 人人妻人人看人人澡| 午夜福利欧美成人| 国产成人av教育| 国产精品一区二区三区四区免费观看 | 国产私拍福利视频在线观看| 最新在线观看一区二区三区| 成人国产综合亚洲| 亚洲无线在线观看| 久久久久久久久免费视频了| av国产免费在线观看| 日本一二三区视频观看| 亚洲va日本ⅴa欧美va伊人久久| 国产精品久久久久久精品电影| 黄色片一级片一级黄色片| 老司机在亚洲福利影院| 一个人免费在线观看的高清视频| 日韩欧美国产在线观看| 少妇人妻一区二区三区视频| 久久九九热精品免费| 亚洲成av人片在线播放无| 国产欧美日韩一区二区三| 国产成人av教育| 在线观看66精品国产| 亚洲国产欧美人成| 美女扒开内裤让男人捅视频| 伊人久久大香线蕉亚洲五| cao死你这个sao货| 国产伦一二天堂av在线观看| 国产黄a三级三级三级人| 精品午夜福利视频在线观看一区| 好男人电影高清在线观看| 亚洲aⅴ乱码一区二区在线播放| 欧美一级a爱片免费观看看| 久久久国产欧美日韩av| 黄色片一级片一级黄色片| 免费av不卡在线播放| 国产亚洲欧美在线一区二区| 日韩欧美国产在线观看| 男人舔女人下体高潮全视频| 97超级碰碰碰精品色视频在线观看| 国产亚洲av高清不卡| 噜噜噜噜噜久久久久久91| 中文在线观看免费www的网站| 大型黄色视频在线免费观看| 亚洲五月婷婷丁香| 婷婷精品国产亚洲av| 嫩草影院精品99| 中文字幕最新亚洲高清| 亚洲片人在线观看| 欧美一级毛片孕妇| 精品人妻1区二区| 99riav亚洲国产免费| 亚洲午夜理论影院| 成年女人永久免费观看视频| 真实男女啪啪啪动态图| 欧美日本亚洲视频在线播放| 国产麻豆成人av免费视频| 三级男女做爰猛烈吃奶摸视频| 淫秽高清视频在线观看| 国产又黄又爽又无遮挡在线| 欧美av亚洲av综合av国产av| 很黄的视频免费| 亚洲国产高清在线一区二区三| 精品免费久久久久久久清纯| 日韩欧美在线乱码| 国产一区二区激情短视频| 精品久久久久久成人av| 色在线成人网| 国产日本99.免费观看| 国产99白浆流出| 两个人视频免费观看高清| 国产激情欧美一区二区| 美女黄网站色视频| 伦理电影免费视频| 久久这里只有精品中国| 欧美中文日本在线观看视频| 日韩欧美国产一区二区入口| 久久久国产成人免费| 黄色成人免费大全| 夜夜爽天天搞| 国产精品国产高清国产av| 舔av片在线| 免费在线观看日本一区| 午夜免费观看网址| 久久久国产成人精品二区| ponron亚洲| 久久久久九九精品影院| 国产精品98久久久久久宅男小说| 日韩av在线大香蕉| 一个人看视频在线观看www免费 | 午夜激情福利司机影院| 国内少妇人妻偷人精品xxx网站 | 亚洲国产精品999在线| 午夜精品久久久久久毛片777| 国产乱人伦免费视频| 噜噜噜噜噜久久久久久91| 亚洲欧美日韩高清在线视频| 精品国产美女av久久久久小说| 老司机午夜福利在线观看视频| 一二三四在线观看免费中文在| 91麻豆精品激情在线观看国产| 成年免费大片在线观看| 亚洲电影在线观看av| 亚洲精品粉嫩美女一区| 国产高清三级在线| 久久天堂一区二区三区四区| 久久久久精品国产欧美久久久| 日韩成人在线观看一区二区三区| 老司机午夜十八禁免费视频| 国产精品影院久久| 一进一出抽搐动态| 国产精品综合久久久久久久免费| 欧美乱妇无乱码| av天堂中文字幕网| 老鸭窝网址在线观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲狠狠婷婷综合久久图片| 国产亚洲精品综合一区在线观看| 十八禁网站免费在线| 国产亚洲精品一区二区www| 国产成人福利小说| 国产av麻豆久久久久久久| 久久久久久久久久黄片| 国产精品一区二区免费欧美| 久久久久久久久久黄片| 国产在线精品亚洲第一网站| 岛国视频午夜一区免费看| 欧美国产日韩亚洲一区| 国产免费av片在线观看野外av| 国产亚洲欧美98| 999久久久精品免费观看国产| 最近最新中文字幕大全免费视频| 亚洲国产精品合色在线| cao死你这个sao货| 精品福利观看| 亚洲av熟女| 亚洲无线观看免费| 久久久久久久午夜电影| 一级毛片女人18水好多| 岛国视频午夜一区免费看| 级片在线观看| 精品乱码久久久久久99久播| 国产aⅴ精品一区二区三区波| 男人舔女人下体高潮全视频| 法律面前人人平等表现在哪些方面| 久久国产乱子伦精品免费另类| x7x7x7水蜜桃| 国产三级在线视频| 日本黄色片子视频| 国产精品久久久av美女十八| 色综合欧美亚洲国产小说| 亚洲国产精品sss在线观看| 国产视频内射| 日韩欧美国产一区二区入口| av片东京热男人的天堂| 亚洲欧美日韩无卡精品| 色综合欧美亚洲国产小说| 亚洲国产精品sss在线观看| 99久久精品国产亚洲精品| www.自偷自拍.com| 久久精品91无色码中文字幕| 在线观看66精品国产| 亚洲五月天丁香| 国产毛片a区久久久久| 欧美成人性av电影在线观看| 国产亚洲精品综合一区在线观看| 国产精品女同一区二区软件 | 又大又爽又粗| 国产精品亚洲一级av第二区| 久久九九热精品免费| 精品国产超薄肉色丝袜足j| 禁无遮挡网站| 国产一级毛片七仙女欲春2| 18禁裸乳无遮挡免费网站照片| 白带黄色成豆腐渣| 亚洲精品久久国产高清桃花| 网址你懂的国产日韩在线| 狠狠狠狠99中文字幕| 欧美精品啪啪一区二区三区| 男女视频在线观看网站免费| 99视频精品全部免费 在线 | 亚洲av成人不卡在线观看播放网| av片东京热男人的天堂| 美女免费视频网站| 日韩欧美在线二视频| 国产伦精品一区二区三区视频9 | 亚洲av片天天在线观看| 91av网站免费观看| 一区二区三区国产精品乱码| 亚洲av电影在线进入| 久久精品国产综合久久久| 久久中文字幕人妻熟女| 国产成+人综合+亚洲专区| av在线天堂中文字幕| 一本综合久久免费| 亚洲欧美一区二区三区黑人| h日本视频在线播放| 麻豆av在线久日| 亚洲人成网站在线播放欧美日韩| 禁无遮挡网站| 999久久久国产精品视频| 99精品久久久久人妻精品| 我的老师免费观看完整版| 精品欧美国产一区二区三| 一二三四在线观看免费中文在| 午夜福利在线观看吧| 午夜两性在线视频| 国产真实乱freesex| 午夜视频精品福利| 亚洲成a人片在线一区二区| 精品人妻1区二区| 欧美3d第一页| 热99在线观看视频| 日本一本二区三区精品| 亚洲精品粉嫩美女一区| netflix在线观看网站| 精品久久久久久久毛片微露脸| 久久久久免费精品人妻一区二区| 黄频高清免费视频| 黄色成人免费大全| 亚洲欧美日韩高清专用| 成人国产一区最新在线观看| 久久精品国产99精品国产亚洲性色| 天天躁狠狠躁夜夜躁狠狠躁| 欧洲精品卡2卡3卡4卡5卡区| 国产成年人精品一区二区| 国产精品电影一区二区三区| 国产一区二区三区在线臀色熟女| 99国产精品一区二区三区| 制服丝袜大香蕉在线| 色老头精品视频在线观看| 最近最新免费中文字幕在线| 999精品在线视频| 一进一出抽搐动态| 国产三级在线视频| 欧洲精品卡2卡3卡4卡5卡区| 国产精品一区二区三区四区久久| 欧美最黄视频在线播放免费| 国产精品自产拍在线观看55亚洲| 一个人看视频在线观看www免费 | 欧美极品一区二区三区四区| 丰满的人妻完整版| 国产精品电影一区二区三区| 日韩欧美免费精品| 亚洲国产精品合色在线| 男人的好看免费观看在线视频| 国产午夜福利久久久久久| 可以在线观看的亚洲视频| 国产三级中文精品| 少妇的丰满在线观看| 国产成人一区二区三区免费视频网站| 精品国产亚洲在线| 非洲黑人性xxxx精品又粗又长| 村上凉子中文字幕在线| 欧美另类亚洲清纯唯美| 深夜精品福利| 黑人操中国人逼视频| 亚洲七黄色美女视频| 老司机深夜福利视频在线观看| 久久久久久久精品吃奶| 熟女电影av网| 午夜激情欧美在线| 一a级毛片在线观看| 日本在线视频免费播放| 长腿黑丝高跟| 在线观看舔阴道视频| 69av精品久久久久久| 亚洲熟女毛片儿| 久久久国产成人免费| 女人高潮潮喷娇喘18禁视频| 91麻豆av在线| 久久久久久久久久黄片| 9191精品国产免费久久| а√天堂www在线а√下载| 又紧又爽又黄一区二区| 日韩有码中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 天堂影院成人在线观看| 19禁男女啪啪无遮挡网站| 中文字幕av在线有码专区| а√天堂www在线а√下载| 在线观看免费视频日本深夜| 国产欧美日韩一区二区精品| 免费看a级黄色片| 亚洲av电影不卡..在线观看| 精品乱码久久久久久99久播| 午夜日韩欧美国产| 久久久久久久精品吃奶| 麻豆久久精品国产亚洲av| 两人在一起打扑克的视频| 午夜福利欧美成人| 怎么达到女性高潮| 性色av乱码一区二区三区2| 亚洲欧美精品综合一区二区三区| 久9热在线精品视频| 日本五十路高清| 日韩欧美在线二视频| 哪里可以看免费的av片| 在线观看舔阴道视频| 嫩草影院入口| 一区二区三区高清视频在线| 欧美色欧美亚洲另类二区| 国产主播在线观看一区二区| 国产欧美日韩精品一区二区| 18禁美女被吸乳视频| 欧美日韩综合久久久久久 | 9191精品国产免费久久| 啪啪无遮挡十八禁网站| 三级国产精品欧美在线观看 | 宅男免费午夜| 久久精品国产综合久久久| 亚洲国产精品成人综合色| 亚洲中文字幕日韩| 两人在一起打扑克的视频| 精品国产三级普通话版| 国产伦精品一区二区三区四那| а√天堂www在线а√下载| 久久香蕉精品热| 老司机午夜十八禁免费视频| 久久久成人免费电影| 成人欧美大片| 亚洲黑人精品在线| 黄色 视频免费看| 亚洲一区高清亚洲精品| 久久久久久久久久黄片| 欧美一级a爱片免费观看看| 日韩欧美免费精品| 久久精品91蜜桃| 国内精品久久久久久久电影| 热99在线观看视频| 一区二区三区国产精品乱码| 国产精品久久久久久人妻精品电影| 免费在线观看影片大全网站| 国产单亲对白刺激| 欧美黄色片欧美黄色片| 国产熟女xx| 一边摸一边抽搐一进一小说| 精品人妻1区二区| 级片在线观看| 国产一区二区三区在线臀色熟女| 在线a可以看的网站| 很黄的视频免费| 婷婷六月久久综合丁香| 国产激情偷乱视频一区二区| 男女视频在线观看网站免费| 国产爱豆传媒在线观看| 亚洲精品乱码久久久v下载方式 | 桃色一区二区三区在线观看| 午夜免费观看网址| 黑人操中国人逼视频| 国产成人影院久久av| 亚洲乱码一区二区免费版| svipshipincom国产片| 亚洲无线在线观看| 国产精品98久久久久久宅男小说| 精品无人区乱码1区二区| 国产欧美日韩一区二区三| 中文字幕av在线有码专区| 18美女黄网站色大片免费观看| 999久久久国产精品视频| 美女扒开内裤让男人捅视频| 欧美日韩中文字幕国产精品一区二区三区| 国产精品1区2区在线观看.| 国产真实乱freesex| 久久精品夜夜夜夜夜久久蜜豆| 看片在线看免费视频| 欧美成人性av电影在线观看| 国产爱豆传媒在线观看| 国产激情久久老熟女| 久久久久久大精品| av天堂中文字幕网| 免费在线观看亚洲国产| 亚洲,欧美精品.| 欧美日韩国产亚洲二区| 国产亚洲av嫩草精品影院| 亚洲成人中文字幕在线播放| 99久久精品一区二区三区| 免费人成视频x8x8入口观看| 此物有八面人人有两片| 久久久久精品国产欧美久久久| or卡值多少钱| 亚洲人成网站在线播放欧美日韩| 国产精品亚洲av一区麻豆| 亚洲精品色激情综合| 国产免费男女视频| 成人性生交大片免费视频hd| 日本 av在线| 中文字幕高清在线视频| 欧美成人一区二区免费高清观看 | 色尼玛亚洲综合影院| 90打野战视频偷拍视频| 三级男女做爰猛烈吃奶摸视频| 色视频www国产| 久久精品影院6| 欧美精品啪啪一区二区三区| 一进一出抽搐动态| 18禁国产床啪视频网站| 国产免费男女视频| 麻豆国产av国片精品| 婷婷六月久久综合丁香| 亚洲成av人片在线播放无| 久久九九热精品免费| 男女下面进入的视频免费午夜| 国产1区2区3区精品| 夜夜爽天天搞| 国产野战对白在线观看| 久久久精品大字幕| cao死你这个sao货| 亚洲真实伦在线观看| 制服人妻中文乱码| 国产黄色小视频在线观看| 成人av一区二区三区在线看| 亚洲av电影不卡..在线观看| 国产精品爽爽va在线观看网站| 午夜两性在线视频| 中出人妻视频一区二区| 国产一区二区在线av高清观看| 黑人巨大精品欧美一区二区mp4| 欧美黄色淫秽网站| 女生性感内裤真人,穿戴方法视频| 国产视频一区二区在线看| 欧美中文日本在线观看视频| 国产三级黄色录像| 国产亚洲av高清不卡| 亚洲精品456在线播放app | 国产精品1区2区在线观看.|