• <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 ?

    人工智能輔助CT肺結(jié)節(jié)良惡性鑒別的研究進(jìn)展

    2021-01-05 22:41:28陳師胡劍鵬徐偉張?bào)K吳吉明
    中國(guó)現(xiàn)代醫(yī)生 2021年30期
    關(guān)鍵詞:人工智能

    陳師 胡劍鵬 徐偉 張?bào)K 吳吉明

    [摘要] 肺癌屬于臨床常見(jiàn)的惡性腫瘤之一,當(dāng)前胸部CT是進(jìn)行早期肺癌鑒別的重要方式,但是因其存在“異病同影”等情況,加之受到臨床經(jīng)驗(yàn)等因素影響,在病灶良惡性鑒別方面有較大差異,極易出現(xiàn)誤診或漏診情況。近年來(lái)人工智能被逐漸應(yīng)用于臨床,其在肺結(jié)節(jié)良惡性鑒別方面也發(fā)揮著一定作用。本文從人工智能評(píng)估肺結(jié)節(jié)良惡性的基本過(guò)程、人工智能模型在鑒別肺結(jié)節(jié)良惡性方面效能、人工智能診斷肺結(jié)節(jié)效能的影響因素、問(wèn)題及展望方面進(jìn)行分析,以期提升人工智能輔助CT鑒別肺結(jié)節(jié)良惡性效果。

    [關(guān)鍵詞] 良惡性;肺結(jié)節(jié);計(jì)算機(jī)斷層掃描成像;人工智能;手動(dòng)分割

    [中圖分類(lèi)號(hào)] R445? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? [文章編號(hào)] 1673-9701(2021)30-0184-04

    [Abstract] Lung cancer is one of the common clinical malignant tumors. At present, chest CT is an important way to differentiate early lung cancer. However, because of its "different diseases with the same shadow" and the influence of clinical experience, there are significant differences in the differentiation of benign and malignant lesions, and it is easy to have misdiagnosis or missed diagnosis. In recent years, artificial intelligence has been gradually applied in clinical practice, which also plays a role in differentiating benign from malignant pulmonary tuberculosis. This article analyzes the basic process of artificial intelligence in evaluating benign and malignant pulmonary nodules, the efficacy of the artificial intelligence model in differentiating benign and malignant pulmonary nodules, and the influencing factors, problems and prospects of artificial intelligence in diagnosing pulmonary nodules, in order to improve the effect of artificial intelligence assisted CT in differentiating benign and malignant pulmonary nodules.

    [Key words] Benign and malignant; Pulmonary nodules; Computed tomography imaging; Artificial intelligence; Manual segmentation

    據(jù)一項(xiàng)臨床調(diào)查顯示[1],男性肺癌患病率和死亡率約占全部惡性腫瘤首位,而女性肺癌患病率居于惡性腫瘤第三位,死亡率則僅次于乳腺癌。伴隨科學(xué)技術(shù)水平的進(jìn)步,人工智能技術(shù)被逐漸應(yīng)用于臨床中,其在鑒別疾病良惡性時(shí)能夠發(fā)揮良好作用[2]。機(jī)器學(xué)習(xí)作為人工智能的關(guān)鍵技術(shù),而深度學(xué)習(xí)計(jì)算方法作為新研發(fā)的一種方式,其展示形式為嵌套層次概念,能夠發(fā)揮較強(qiáng)的功能性和靈活性[3]。對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)而言,該種方式無(wú)需手動(dòng)提取特征,僅需將病理檢查情況和肺結(jié)節(jié)影像數(shù)據(jù)錄入,則自動(dòng)生成對(duì)應(yīng)關(guān)系。所以,將其應(yīng)用于高通量圖像分析中,可發(fā)揮診斷價(jià)值高及效率快等特點(diǎn)。本文在參閱臨床大量文獻(xiàn)的基礎(chǔ)上,對(duì)人工智能輔助CT在鑒別肺結(jié)節(jié)良惡性方面情況進(jìn)行研究,現(xiàn)就相關(guān)內(nèi)容作出綜述。

    1 人工智能判斷肺結(jié)節(jié)性質(zhì)的流程

    1.1 獲得圖像并重新組合

    在檢查者數(shù)量方面,傳統(tǒng)機(jī)器學(xué)習(xí)無(wú)特殊要求,但是對(duì)于深度學(xué)習(xí)而言,其需要更多的檢查數(shù)量才可有效開(kāi)展檢查。當(dāng)前主要是通過(guò)公開(kāi)數(shù)據(jù)庫(kù)和臨床大型醫(yī)院獲取有關(guān)肺結(jié)節(jié)的CT圖像數(shù)據(jù)。在數(shù)據(jù)采集及處理方面,傳統(tǒng)機(jī)器學(xué)習(xí)困難度較高,出自不同醫(yī)院的CT影像,采用傳統(tǒng)機(jī)器學(xué)習(xí)進(jìn)行計(jì)算時(shí),針對(duì)掃描參數(shù)和重組參數(shù)需開(kāi)展重新規(guī)范,步驟繁瑣。人工智能利用公開(kāi)數(shù)據(jù)庫(kù),例如美國(guó)肺圖像數(shù)據(jù)庫(kù)聯(lián)盟等,其能夠規(guī)范采集圖像,并提供全面的資料,操作容易,但是病理結(jié)果和臨床數(shù)據(jù)缺乏真實(shí)性,因此一定程度上使準(zhǔn)確度下降,僅能最大限度接近影像科醫(yī)師的判斷。當(dāng)病例數(shù)量較少時(shí),能夠通過(guò)開(kāi)展圖像處理方式,例如移動(dòng)、翻轉(zhuǎn)及旋轉(zhuǎn)等提升圖像多樣性,進(jìn)而相對(duì)性增加病例數(shù)量[4]。CT圖像中介質(zhì)衰減、噪聲及運(yùn)動(dòng)偽影會(huì)使影像發(fā)生失真情況,無(wú)法準(zhǔn)確的將肺結(jié)節(jié)有效分類(lèi)。所以,獲取影像后,利用平滑、歸一化及增強(qiáng)等方式進(jìn)行預(yù)處理,可提升穩(wěn)定性。在黃云開(kāi)[5]的研究中,其在肺結(jié)節(jié)良惡性診斷中采用人工智能及CT進(jìn)行干預(yù),結(jié)果發(fā)現(xiàn)醫(yī)師閱片診斷準(zhǔn)確性為90.00%,而人工智能診斷準(zhǔn)確性為94.00%。因此其認(rèn)為在肺結(jié)節(jié)診斷中采用人工智能閱片,可提升準(zhǔn)確度,進(jìn)而減少誤診及漏診情況。在范鴻禹等[6]的研究中,其發(fā)現(xiàn)對(duì)于低年資的醫(yī)師而言,其在利用人工智能進(jìn)行閱片后,診斷準(zhǔn)確性及敏感度有明顯提升,同時(shí)有效縮短閱片時(shí)間。因此,其認(rèn)為采用人工智能方式進(jìn)行閱片,有利于提升低年資醫(yī)師閱片診斷效能,提高準(zhǔn)確性。

    1.2 分割輪廓

    以往將人工勾畫(huà)輪廓作為分割主要標(biāo)準(zhǔn),但是近年來(lái)發(fā)現(xiàn),為盡可能多地包含特征,勾畫(huà)者所標(biāo)記的感興趣區(qū)域一般超過(guò)實(shí)際范圍,進(jìn)而導(dǎo)致結(jié)果準(zhǔn)確性較差。并且進(jìn)行人工勾畫(huà)可重復(fù)性差、效率低下。二十世紀(jì)八十年代出現(xiàn)自動(dòng)分割方式,其將區(qū)域生長(zhǎng)方式作為基礎(chǔ),當(dāng)前在全自動(dòng)與半自動(dòng)分割方面已經(jīng)研發(fā)出更有效的方法。據(jù)臨床一項(xiàng)調(diào)查顯示[7],自動(dòng)勾畫(huà)法相較于人工分割方式有更高的診斷效能,并且相較于磨玻璃結(jié)節(jié),實(shí)性結(jié)節(jié)采用自動(dòng)分割所獲得的效果更佳,而對(duì)于肺外緣結(jié)節(jié)而言,肺內(nèi)結(jié)節(jié)分割效果更佳。若肺結(jié)節(jié)鄰近縱膈或胸壁處,會(huì)導(dǎo)致所識(shí)別的感興趣位置沿著周?chē)Y(jié)構(gòu)盲目性擴(kuò)大。其中肺磨玻璃樣結(jié)節(jié)相較于四周結(jié)構(gòu)對(duì)比性不高,并且分隔情況也較低,但是也存在有效進(jìn)展。盡管其有較多優(yōu)勢(shì),但是也出現(xiàn)一些問(wèn)題,由于計(jì)算方式存在差異,導(dǎo)致分隔情況也發(fā)生差異,尤其在不規(guī)則胸膜旁結(jié)節(jié)方面更加突出,一定程度上限制其在臨床的使用。伴隨卷積神經(jīng)網(wǎng)絡(luò)方式的發(fā)展,可以在計(jì)算方式內(nèi)采用隱式方式處理分割,期待可提供同結(jié)節(jié)分割同時(shí)開(kāi)展的機(jī)會(huì)。在孟祥鹿等[8]的研究中,其在構(gòu)建模型時(shí)通過(guò)3D深度卷積神經(jīng)網(wǎng)絡(luò)及遞歸神經(jīng)網(wǎng)絡(luò)結(jié)合方式,對(duì)肺結(jié)節(jié)密度類(lèi)型進(jìn)行分類(lèi)及分割,結(jié)果發(fā)現(xiàn)骨重建、縱膈重建及肺重建在對(duì)肺結(jié)節(jié)密度類(lèi)型分類(lèi)準(zhǔn)確度依次是(97.89±7.32)%、(98.38±6.61)%、(98.67±5.70)%。因此其認(rèn)為當(dāng)深度學(xué)習(xí)算法在結(jié)合遞歸神經(jīng)網(wǎng)絡(luò)以及3D卷積神經(jīng)網(wǎng)絡(luò)后,針對(duì)不同CT重建計(jì)算方法圖像內(nèi)肺結(jié)節(jié)分類(lèi)及分割均有較穩(wěn)定作用。

    1.3 提取特征及篩選

    由CT影像內(nèi)采集肺結(jié)節(jié)硬度、形狀和紋理情況,CT水平和分布數(shù)據(jù)代表強(qiáng)度,形態(tài)作為重要補(bǔ)充數(shù)據(jù),紋理作為顯示肺結(jié)節(jié)內(nèi)部性質(zhì)的關(guān)鍵數(shù)據(jù)。對(duì)于惡性結(jié)節(jié)而言,其內(nèi)部異質(zhì)性較明顯,相較于良性肺結(jié)節(jié)而言,惡性肺結(jié)節(jié)峰度更高、偏度更低,另外其熵、熵和、熵差值和對(duì)比水平等相較于良性肺結(jié)節(jié)有明顯升高,其中在一致性、相關(guān)度、能量和灰度值方面,惡性結(jié)節(jié)均低于良性[9]。當(dāng)對(duì)肺結(jié)節(jié)影像內(nèi)采集的全部特征進(jìn)行利用,則會(huì)出現(xiàn)“過(guò)擬合”情況,在新數(shù)據(jù)集上無(wú)法重現(xiàn)模型的高準(zhǔn)確度,故而需要開(kāi)展篩選。由影像學(xué)專(zhuān)家篩選出可靠性高、鑒別度高和獨(dú)特性征象,可助于建立良好的肺結(jié)節(jié)評(píng)估模型。在開(kāi)展深度學(xué)習(xí)時(shí),能夠通過(guò)采用部分方法對(duì)圖像進(jìn)行約束,強(qiáng)制模型對(duì)輸入進(jìn)行選擇,對(duì)肺結(jié)節(jié)圖像中重要特征進(jìn)行自動(dòng)提取,可一定程度上避免手工標(biāo)記,發(fā)揮良好的標(biāo)記效果。在張曉宇等[10]的研究中,其發(fā)現(xiàn)采用雙路徑自動(dòng)提取深度特征,并與殘差網(wǎng)絡(luò)以及密集連接網(wǎng)絡(luò)進(jìn)行結(jié)合,進(jìn)而達(dá)到特征復(fù)用,在候選框提取時(shí)應(yīng)用三維編碼解碼網(wǎng)絡(luò)結(jié)構(gòu),并與結(jié)節(jié)空間信息以及上下文信息進(jìn)行融合,對(duì)結(jié)節(jié)位置進(jìn)行準(zhǔn)確定位,生成多尺度候選框,并在全卷積網(wǎng)絡(luò)框架內(nèi)嵌入網(wǎng)絡(luò),進(jìn)而對(duì)結(jié)節(jié)進(jìn)行分類(lèi)。上述計(jì)算方法能夠提升肺結(jié)節(jié)檢測(cè)速度以及檢出率,敏感度可達(dá)到90.50%,在一個(gè)序列的肺部CT圖像方面,處理時(shí)間僅為5.9 s。

    1.4 構(gòu)建預(yù)測(cè)模型并進(jìn)行驗(yàn)證

    傳統(tǒng)機(jī)器學(xué)習(xí)方法主要是采用支持向量機(jī),在臨床應(yīng)用過(guò)程中發(fā)現(xiàn),其在運(yùn)行時(shí)對(duì)內(nèi)存提出很大要求,同時(shí)在調(diào)節(jié)參數(shù)時(shí)難度較高,當(dāng)需要開(kāi)展分類(lèi)的肺結(jié)節(jié)數(shù)量過(guò)多時(shí),會(huì)明顯提升運(yùn)行時(shí)間,并且調(diào)控性較差。另外,傳統(tǒng)肺結(jié)節(jié)分類(lèi)方法有隨機(jī)森林和Logistic回歸,在祁聞等[11]的研究中,其發(fā)現(xiàn)利用χ2檢驗(yàn)對(duì)良惡性磨玻璃結(jié)節(jié)的有關(guān)因素進(jìn)行篩選,并通過(guò)構(gòu)建多因素Logistic回歸模型,并繪制出ROC曲線,結(jié)果發(fā)現(xiàn)密度、囊狀透亮影、界面征、毛刺征及分葉征在鑒別肺結(jié)節(jié)良惡性方面具有重要作用,并進(jìn)行分析發(fā)現(xiàn)毛刺征、毛糙邊界及分葉征同肺結(jié)節(jié)惡性有關(guān)。因此其認(rèn)為對(duì)于磨玻璃結(jié)節(jié)病患而言,出現(xiàn)毛糙邊界、毛刺征以及分葉征時(shí),則提示有惡性病變。在孔令重等[12]的研究中,其對(duì)發(fā)現(xiàn)采用Fire Voxel軟件對(duì)肺結(jié)節(jié)CT影像內(nèi)紋理參數(shù)進(jìn)行自動(dòng)提取,結(jié)果發(fā)現(xiàn)多因素Logistic回歸分析提示熵、能量、胸膜牽拉征、分葉征、毛刺征以及邊界光整是惡性肺結(jié)節(jié)的獨(dú)立預(yù)測(cè)因素,并依據(jù)其建立ROC曲線,曲線下面積為0.894,而敏感度及特異性依次為93.43%、84.18%。因此其認(rèn)為對(duì)構(gòu)建預(yù)測(cè)模型,進(jìn)行紋理分析,能夠提升早期肺癌預(yù)測(cè)價(jià)值。卷積神經(jīng)網(wǎng)絡(luò)獲得廣泛應(yīng)用,采用卷積操作可將目標(biāo)同周?chē)南袼攸c(diǎn)進(jìn)行關(guān)聯(lián)性計(jì)算,降低參數(shù)數(shù)量以及內(nèi)存量。依據(jù)卷積神經(jīng)網(wǎng)絡(luò),有延伸并發(fā)展出較多變型,例如多尺度卷積神經(jīng)網(wǎng)絡(luò),其對(duì)不同尺度肺結(jié)節(jié)圖像塊特征分別訓(xùn)練分類(lèi)器進(jìn)行提取,一方面能夠提升準(zhǔn)確性,另一方面對(duì)不同噪聲的魯棒性較高[13]。但多尺度卷積神經(jīng)網(wǎng)絡(luò)也存在一定缺點(diǎn),例如提取耗時(shí)等。針對(duì)該項(xiàng)問(wèn)題,通過(guò)實(shí)施多區(qū)域池化,在對(duì)不同區(qū)域進(jìn)行提取時(shí),使用不同次數(shù)的池化操作,能夠有效規(guī)避耗時(shí)長(zhǎng)問(wèn)題。在高慧明等[14]的研究中,其對(duì)每個(gè)候選肺結(jié)節(jié)分別輸入不同尺度的三維卷積神經(jīng)網(wǎng)絡(luò),并開(kāi)展訓(xùn)練,結(jié)果發(fā)現(xiàn)在每次掃描一次以及四次假陽(yáng)性時(shí),敏感度依次為84.90%、90.90%。因此其認(rèn)為在體積式醫(yī)學(xué)CT數(shù)據(jù)開(kāi)展特征學(xué)習(xí)時(shí)應(yīng)用多尺度三維卷積神經(jīng)網(wǎng)絡(luò),能夠一定程度上降低假陽(yáng)性,提升診斷有效性。

    2 人工智能模型用于鑒別肺結(jié)節(jié)性質(zhì)的效能

    紋理分析是傳統(tǒng)機(jī)器學(xué)習(xí)的重要方式,其效果已經(jīng)獲得臨床認(rèn)可。在李曉卿等[15]的研究中,其發(fā)現(xiàn)熵敏感度為57.10%、特異性為93.20%,熵和敏感度為78.60%、特異性為52.30%,熵差敏感度為85.70%、特異性為70.50%。其認(rèn)為CT紋理分析在鑒別肺結(jié)節(jié)良惡性方面具有一定價(jià)值,其聯(lián)合診斷敏感度較高。臨床還有研究顯示[16],肺結(jié)節(jié)邊緣部位增殖速度快、微血管密度高,相較于中心而言,邊緣紋理特征更加具有診斷價(jià)值。由于腫瘤病灶部位血管生成以及缺氧,在腫瘤位置有大量血管形成和處于缺氧狀態(tài),通過(guò)開(kāi)展增強(qiáng)掃描可以更加有效的顯示病灶內(nèi)異質(zhì)性。但存在研究發(fā)現(xiàn),通過(guò)增強(qiáng)掃描會(huì)影響病灶紋理[17]。傳統(tǒng)機(jī)器學(xué)習(xí)方式,需要進(jìn)行多項(xiàng)圖像分析和模式選擇操作才可對(duì)腫瘤進(jìn)行定量鑒別,前一步性能會(huì)對(duì)下一步產(chǎn)生重要影響,故而調(diào)整分類(lèi)性能困難度較高。在梁淑芬等[18]的研究中,其聯(lián)合極限學(xué)習(xí)機(jī)進(jìn)行分類(lèi)計(jì)算,結(jié)果顯示分類(lèi)準(zhǔn)確度為94.12%。因此其認(rèn)為相較于其他分類(lèi)計(jì)算方法,極限學(xué)習(xí)機(jī)分類(lèi)計(jì)算方式能夠提升分類(lèi)準(zhǔn)確性。

    3 人工智能診斷肺結(jié)節(jié)效能的影響因素

    3.1 數(shù)據(jù)量差異

    模型數(shù)據(jù)量越高,其質(zhì)量越優(yōu),在分類(lèi)準(zhǔn)確度方面則更加好。傳統(tǒng)機(jī)器在進(jìn)行學(xué)習(xí)時(shí),僅需數(shù)十例即可獲得良好效果,數(shù)據(jù)過(guò)度則會(huì)增加計(jì)算量,同時(shí)對(duì)其準(zhǔn)確性也有一定影響。故而,深度進(jìn)行深入學(xué)習(xí)有利于提升自我進(jìn)化學(xué)習(xí)功能,通過(guò)采集大量數(shù)據(jù)開(kāi)展訓(xùn)練,進(jìn)而改善模型瓶頸情況。

    3.2 采集特征的方式

    相較于傳統(tǒng)神經(jīng)網(wǎng)絡(luò),2D卷積神經(jīng)網(wǎng)絡(luò)增加降采樣層以及卷積層,可降低肺結(jié)節(jié)圖像特征維數(shù)。但是2D卷積神經(jīng)網(wǎng)絡(luò)提取時(shí)僅為單張圖像特征,極易出現(xiàn)模型過(guò)擬合情況,從而降低診斷效能。3D卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)螐圕T圖像通過(guò)堆積方式形成連續(xù)肺結(jié)節(jié)立方體,將每張圖像與卷積核開(kāi)展連接以及計(jì)算,故而在肺結(jié)節(jié)識(shí)別率方面,3D卷積神經(jīng)網(wǎng)絡(luò)顯著高于2D卷積神經(jīng)網(wǎng)絡(luò)。在王祥等[19]的研究中,其發(fā)現(xiàn)3D卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)深度學(xué)習(xí)算法模型檢出敏感度是90.00%,準(zhǔn)確性是71.00%,平均每例假陽(yáng)性2.8個(gè)。因此其認(rèn)為3D卷積神經(jīng)網(wǎng)絡(luò)相較于傳統(tǒng)的CAD系統(tǒng),能夠提升肺結(jié)節(jié)檢出敏感度。但是因受到訓(xùn)練數(shù)據(jù)集偏倚等因素的影響,會(huì)對(duì)其敏感度造成一定影響。通過(guò)實(shí)施針對(duì)性補(bǔ)充訓(xùn)練數(shù)據(jù)集,例如提升磨玻璃結(jié)節(jié)的比重,能夠進(jìn)一步增加肺結(jié)節(jié)檢出敏感度。在苗光等[20]的研究中,其對(duì)針對(duì)肺結(jié)節(jié)診斷效率不高和大量假陽(yáng)性等問(wèn)題,提出首先實(shí)施2D卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)CT圖像,針對(duì)圖像中疑似結(jié)節(jié)部位進(jìn)行快速識(shí)別以及定位,并輸出一張同原圖尺寸一樣且有明顯標(biāo)記的圖像,之后計(jì)算出疑似結(jié)節(jié)區(qū)域坐標(biāo),依據(jù)坐標(biāo)值提取疑似結(jié)節(jié)的三維立體圖像塊訓(xùn)練構(gòu)建的3D卷積神經(jīng)網(wǎng)絡(luò)框架,最終使用訓(xùn)練的3D模型對(duì)候選結(jié)節(jié)實(shí)施二分類(lèi)處理,進(jìn)而將假陽(yáng)性去除。研究后發(fā)現(xiàn),在將假陽(yáng)性去除后,假陽(yáng)性在1時(shí)及4時(shí)準(zhǔn)確率依次為87.30%、97.00%。

    3.3 不同重建核

    當(dāng)重建核不相同時(shí),在圖像像素值分布方式及噪聲模式方面也有一定差異。在像素間關(guān)系改變的基礎(chǔ)上,提取肺結(jié)節(jié)特征也已經(jīng)出現(xiàn)改變。在劉珍娟等[21]的研究中,其分別觀察骨窗重建、縱膈重建以及肺窗重建在診斷肺結(jié)節(jié)方面的作用,結(jié)果發(fā)現(xiàn)上述三種重建方式診斷肺結(jié)節(jié)敏感度依次為92.73%、86.97%、92.33%,準(zhǔn)確性依次為27.84%、37.91%、23.55%。因此其認(rèn)為在骨窗、縱膈以及肺窗重建下檢測(cè)肺結(jié)節(jié),能夠獲得良好性能,有利于提升工作效率及診斷質(zhì)量。

    4 討論

    肺癌主要是指起源自氣管、支氣管黏膜或是腺體的一種惡性腫瘤,同時(shí)其也是作為常見(jiàn)的肺部原發(fā)性惡性腫瘤[22]。在全世界范圍內(nèi),肺癌患病率及死亡率均較高,并且呈現(xiàn)升高趨勢(shì)。目前,影像學(xué)檢查方式是臨床診斷肺結(jié)節(jié)的常用手段,其中胸部計(jì)算機(jī)斷層掃描成像技術(shù)(CT)在早期肺癌診斷中較為常用。醫(yī)師在進(jìn)行良惡性肺結(jié)節(jié)鑒別時(shí)主要是依據(jù)CT影像進(jìn)行判斷[23]。但是由于CT檢查時(shí)會(huì)出現(xiàn)不同疾病同樣影像及相同疾病不同影像等特點(diǎn),并且不同年資及臨床經(jīng)驗(yàn)的醫(yī)師,在鑒別肺結(jié)節(jié)良惡性方面也存在一定差異,使得肺癌誤診或是過(guò)度診斷情況時(shí)常發(fā)生[24]。盡管臨床將肺組織穿刺活檢作為診斷肺結(jié)節(jié)良惡性的主要依據(jù),但是該種檢查方式會(huì)對(duì)機(jī)體造成損傷,并且重復(fù)操作性不高,容易出現(xiàn)漏檢等情況,病患滿意度也相對(duì)較低[25]。因此,采用新型技術(shù)輔助CT進(jìn)行肺結(jié)節(jié)良惡性鑒別具有重要意義。

    本文包含機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)方式,在人工智能評(píng)估肺結(jié)節(jié)方面,建立初步認(rèn)識(shí)框架。隨著臨床大數(shù)據(jù)和人工智能算法的進(jìn)步,其低鑒定肺結(jié)節(jié)性質(zhì)方面將會(huì)獲得更加優(yōu)異的效果,并且還可對(duì)惡性結(jié)節(jié)進(jìn)行分級(jí)以及分期,并為制定診療措施提供依據(jù)[26]。通過(guò)確定基于人工智能的模型,能夠?qū)Y(jié)節(jié)類(lèi)型進(jìn)行有效分類(lèi),并診斷癌癥,有利于減少病死率,改善疾病預(yù)后。盡管已經(jīng)有大量研究顯示人工智能能夠提升影像科醫(yī)師診斷準(zhǔn)確性,但是其在臨床上依舊未能有效推廣和使用。傳統(tǒng)機(jī)器學(xué)習(xí)在重復(fù)性方面較差,受到疾病進(jìn)展和成像形式不同的影響,其紋理特征也會(huì)發(fā)生顯著改變[27]。而深度學(xué)習(xí)自身也有部分不足,神經(jīng)網(wǎng)絡(luò)僅是將最終結(jié)果同圖像進(jìn)行聯(lián)系,但是無(wú)法了解分類(lèi)過(guò)程,盡管已經(jīng)存在多任務(wù)和多屬性丟失來(lái)協(xié)助模型嘻嘻分葉以及惡性腫瘤等特征,但大部分特征仍是未知的[28]。并且在模型建立時(shí)會(huì)受到高質(zhì)量胸部CT標(biāo)注影像缺乏的影響。圖像分割困難,人工分割和標(biāo)注復(fù)雜等均是導(dǎo)致圖像互通性較差的因素[29]。相信伴隨臨床研究的不斷深入,在突破數(shù)據(jù)數(shù)量限制方面,利用遷移學(xué)習(xí)能夠有效進(jìn)行規(guī)避,利用遷移學(xué)習(xí),在極易獲得的大數(shù)據(jù)上對(duì)參數(shù)進(jìn)行訓(xùn)練,隨后通過(guò)以訓(xùn)練肺結(jié)節(jié)診斷的神經(jīng)網(wǎng)絡(luò)提升診斷準(zhǔn)確性[30]。目前,在人工智能肺結(jié)節(jié)診斷模型方面,臨床已經(jīng)有多種形式,在小范圍內(nèi)進(jìn)行驗(yàn)證可以獲得良好的診斷效果,但是依舊無(wú)規(guī)范化尺度和權(quán)威研究機(jī)構(gòu)評(píng)估、對(duì)比。因此,希望在今后能夠擁有公開(kāi)、共同以及共享的數(shù)據(jù)集,為不同模型衡量提供標(biāo)準(zhǔn),為人工智能可反復(fù)操作奠定基礎(chǔ)。當(dāng)前還需從多方面實(shí)施深入研究,進(jìn)而為人工智能在未來(lái)成為輔助診斷肺結(jié)節(jié)重要方式提供可能性。

    [參考文獻(xiàn)]

    [1] 李會(huì)榮,鐘秀,王江川,等.miR-140-5 p通過(guò)調(diào)控Wnt1通路對(duì)非小細(xì)胞肺癌遷移與侵襲能力的影響[J].中國(guó)免疫學(xué)雜志,2021,37(2):186-190,200.

    [2] 潘元威,董軍強(qiáng),胡麗麗,等.螺旋CT灌注成像聯(lián)合血清microRNA-20 a、microRNA-210水平對(duì)非小細(xì)胞肺癌同步放化療預(yù)后的預(yù)測(cè)價(jià)值[J].鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版),2020,55(2):281-286.

    [3] 王娟,楊震,朱強(qiáng),等.一種基于人工智能的細(xì)胞病理診斷系統(tǒng)在肺癌診斷中的初步應(yīng)用[J].解放軍醫(yī)學(xué)院學(xué)報(bào),2020,41(9):897-900.

    [4] 宋冬冬,朱曉明,朱麗娟,等.雙能CT融合圖像在人工智能肺結(jié)節(jié)篩查中檢測(cè)效能的探索研究[J].中國(guó)醫(yī)療設(shè)備,2021,36(2):73-76.

    [5] 黃云開(kāi).CT高分辨重建聯(lián)合人工智能在肺結(jié)節(jié)識(shí)別診斷中的應(yīng)用效果分析[J].現(xiàn)代醫(yī)用影像學(xué),2021,30(1):87-89.

    [6] 范鴻禹,孫丹丹,張清,等.人工智能輔助低、高年資規(guī)培醫(yī)師對(duì)CT肺結(jié)節(jié)檢測(cè)效能的對(duì)比研究[J]. 中國(guó)中西醫(yī)結(jié)合影像學(xué)雜志,2021,19(2):175-179.

    [7] Yang Wenjian,Ding? Huafeng,He Yong,et al.Studying the optimal layout of topological graphs to facilitate the automatic sketching of kinematic chains[J].Journal of Mechanical Design,2017,139(8):182-185.

    [8] 孟祥鹿,幸子健,盧山.基于深度學(xué)習(xí)的肺結(jié)節(jié)分類(lèi)分割算法及其在不同CT重建算法下的效能評(píng)估[J].中華醫(yī)學(xué)雜志,2021,101(7):476-480.

    [9] 崔效楠,劉穎,葉兆祥,等.影像組學(xué)特征對(duì)肺純磨玻璃結(jié)節(jié)侵襲性腺癌與非侵襲性腺癌的鑒別價(jià)值[J].國(guó)際醫(yī)學(xué)放射學(xué)雜志,2018,41(4):375-378.

    [10] 張曉宇,強(qiáng)彥.Ziaur REHMAN.基于雙路徑網(wǎng)絡(luò)的端到端肺結(jié)節(jié)檢測(cè)模型[J].計(jì)算機(jī)工程與設(shè)計(jì),2020,41(12):3503-3509.

    [11] 祁聞,趙紅,王龍勝,等.應(yīng)用Logistic回歸分析方法研究肺部良、惡性磨玻璃結(jié)節(jié)的HRCT影像特征[J].醫(yī)學(xué)研究雜志,2019,48(11):41-45.

    [12] 孔令重,姜壯國(guó),曹小江,等. Logistic回歸分析高分別率CT的紋理特征對(duì)孤立性肺結(jié)節(jié)診斷價(jià)值[J].新疆醫(yī)科大學(xué)學(xué)報(bào),2019,42(2):198-202.

    [13] 周?chē)槐?,劉亞斌,?人工智能CT定量參數(shù)預(yù)測(cè)肺腺癌磨玻璃結(jié)節(jié)的侵襲性[J].成都醫(yī)學(xué)院學(xué)報(bào),2021, 16(1):50-53.

    [14] 高慧明,趙涓涓,劉繼華,等.多尺度卷積神經(jīng)網(wǎng)絡(luò)用于肺結(jié)節(jié)假陽(yáng)性降低[J].計(jì)算機(jī)工程與設(shè)計(jì),2019,40(9):2718-2724.

    [15] 李曉卿,徐志豪,齊銀萍.CT紋理分析與MSCT三維重建對(duì)孤立性肺結(jié)節(jié)良惡性鑒別診斷效能分析[J].影像科學(xué)與光化學(xué),2020,38(5):914-918.

    [16] 尹泚,毛文杰,李斌,等.人工智能系統(tǒng)在肺結(jié)節(jié)檢出及良惡性鑒別中的應(yīng)用研究[J].中華胸心血管外科雜志,2020,36(9):553-556.

    [17] 高晨,葉劍鋒,吳林玉,等.平掃與增強(qiáng)CT影像組學(xué)特征診斷肺腺癌浸潤(rùn)性的應(yīng)用研究[J].浙江臨床醫(yī)學(xué),2019,21(8):1009-1011.

    [18] 梁淑芬,付迎迎,秦傳波,等.正則化極限學(xué)習(xí)機(jī)的改進(jìn)及其在肺結(jié)節(jié)良惡性分類(lèi)中的應(yīng)用[J].五邑大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,33(2):63-69.

    [19] 王祥,李清楚,邵影,等.基于三維卷積神經(jīng)網(wǎng)絡(luò)肺結(jié)節(jié)深度學(xué)習(xí)算法模型臨床效能初步評(píng)估[J].放射學(xué)實(shí)踐,2019,34(9):942-946.

    [20] 苗光,李朝鋒.二維和三維卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的CT圖像肺結(jié)節(jié)檢測(cè)方法[J].激光與光電子學(xué)進(jìn)展,2018, 55(5):129-137.

    [21] 劉珍娟,傅迎霞,張羽,等.不同CT圖像重建算法下基于深度學(xué)習(xí)的肺結(jié)節(jié)檢測(cè)算法效能[J].中國(guó)醫(yī)學(xué)影像技術(shù),2019,35(12):1775-1779.

    [22] 戴正行,胡春洪,王希明,等.基于DenseNet網(wǎng)絡(luò)深度學(xué)習(xí)法CT圖像人工智能分析技術(shù)判斷肺結(jié)節(jié)良惡性[J].放射學(xué)實(shí)踐,2020,35(4):484-488.

    [23] 楊鋒,樊軍,田周俊逸,等.人群肺亞實(shí)性結(jié)節(jié)CT篩查及人工智能應(yīng)用研究初探[J].中華胸心血管外科雜志,2020,36(3):145-150.

    [24] 李甜,李曉東,劉敬禹.人工智能輔助診斷肺結(jié)節(jié)的臨床價(jià)值研究[J].中國(guó)全科醫(yī)學(xué),2020,23(7):828-831,836.

    [25] 宋振春,于鐵鏈.基于人工智能肺結(jié)節(jié)CT特征性診斷優(yōu)勢(shì)分析[J].影像研究與醫(yī)學(xué)應(yīng)用,2020,4(20):67-68.

    [26] 陳長(zhǎng)波.肺部影像人工智能診斷系統(tǒng)對(duì)肺結(jié)節(jié)性質(zhì)的診斷價(jià)值分析[J].中國(guó)數(shù)字醫(yī)學(xué),2020,15(11):40-42,131.

    [27] 崔兆國(guó),吳昊,湯敏,等.重建層厚(1/2/3 mm)對(duì)人工智能檢測(cè)肺結(jié)節(jié)效能的影響[J].中國(guó)醫(yī)療設(shè)備,2020,35(10):103-105.

    [28] 馬寧強(qiáng),趙子光,樊瑋,等.人工智能與人工閱片不同聯(lián)合方法在肺結(jié)節(jié)CT篩查中的比較[J].實(shí)用放射學(xué)雜志,2020,36(8):1317-1321.

    [29] 南巖東,李玉娟,劉苗苗,等.人工智能在肺結(jié)節(jié)良惡性鑒別診斷中的價(jià)值分析[J].中華肺部疾病雜志(電子版),2020,13(6):760-763.

    [30] 趙呈華.人工智能輔助診斷系統(tǒng)聯(lián)合CT檢查肺結(jié)節(jié)的診斷價(jià)值[J].實(shí)用臨床醫(yī)藥雜志,2020,24(19):9-11.

    (收稿日期:2021-04-29)

    猜你喜歡
    人工智能
    我校新增“人工智能”本科專(zhuān)業(yè)
    用“小AI”解決人工智能的“大”煩惱
    當(dāng)人工智能遇見(jiàn)再制造
    2019:人工智能
    商界(2019年12期)2019-01-03 06:59:05
    AI人工智能解疑答問(wèn)
    人工智能與就業(yè)
    基于人工智能的電力系統(tǒng)自動(dòng)化控制
    人工智能,來(lái)了
    數(shù)讀人工智能
    小康(2017年16期)2017-06-07 09:00:59
    人工智能來(lái)了
    亚洲自拍偷在线| 毛片女人毛片| 两人在一起打扑克的视频| 午夜精品一区二区三区免费看| 色老头精品视频在线观看| 亚洲真实伦在线观看| 五月玫瑰六月丁香| 最近在线观看免费完整版| 精品人妻一区二区三区麻豆 | 男女午夜视频在线观看| 国产高清视频在线观看网站| 1024手机看黄色片| 国内精品久久久久精免费| 日本成人三级电影网站| 精品电影一区二区在线| 老熟妇仑乱视频hdxx| 伊人久久大香线蕉亚洲五| 五月玫瑰六月丁香| 一级作爱视频免费观看| av专区在线播放| 午夜福利在线观看免费完整高清在 | 精品国产亚洲在线| 深夜精品福利| 成人av在线播放网站| 精品久久久久久久久久免费视频| 欧美日韩黄片免| 久久99热这里只有精品18| 亚洲欧美日韩卡通动漫| 欧洲精品卡2卡3卡4卡5卡区| 三级男女做爰猛烈吃奶摸视频| 男人舔女人下体高潮全视频| 丝袜美腿在线中文| 在线播放国产精品三级| 国产视频一区二区在线看| 久久精品国产亚洲av香蕉五月| 搡老妇女老女人老熟妇| 亚洲avbb在线观看| 三级男女做爰猛烈吃奶摸视频| 久久亚洲精品不卡| 性色avwww在线观看| 国内久久婷婷六月综合欲色啪| 婷婷亚洲欧美| 国产高清激情床上av| 女人十人毛片免费观看3o分钟| 性欧美人与动物交配| 亚洲一区二区三区不卡视频| 午夜福利18| 一个人免费在线观看的高清视频| 久久久国产成人精品二区| 亚洲一区二区三区不卡视频| 男女下面进入的视频免费午夜| 日日干狠狠操夜夜爽| 欧美黄色淫秽网站| 精品福利观看| 18禁国产床啪视频网站| 国产真实乱freesex| 日韩大尺度精品在线看网址| 国内少妇人妻偷人精品xxx网站| 久久精品影院6| 亚洲欧美日韩高清专用| 日日摸夜夜添夜夜添小说| 一进一出抽搐gif免费好疼| 中文字幕人妻丝袜一区二区| 一进一出抽搐动态| 18+在线观看网站| 欧美又色又爽又黄视频| 少妇裸体淫交视频免费看高清| 日本黄色片子视频| 亚洲无线观看免费| 精品国产三级普通话版| 欧美乱妇无乱码| 亚洲欧美日韩高清在线视频| 亚洲av成人不卡在线观看播放网| 少妇裸体淫交视频免费看高清| 久久精品国产99精品国产亚洲性色| 无限看片的www在线观看| 亚洲欧美日韩无卡精品| 母亲3免费完整高清在线观看| 午夜福利成人在线免费观看| 小说图片视频综合网站| 亚洲精品色激情综合| 国产精华一区二区三区| 国内精品久久久久精免费| 国产午夜福利久久久久久| 99热只有精品国产| 午夜精品久久久久久毛片777| 亚洲人成网站高清观看| 久久精品人妻少妇| 91在线精品国自产拍蜜月 | 午夜免费观看网址| 亚洲五月婷婷丁香| 成人精品一区二区免费| 搡老岳熟女国产| 国产高清有码在线观看视频| 午夜久久久久精精品| 全区人妻精品视频| 久久精品综合一区二区三区| 欧美中文日本在线观看视频| 在线a可以看的网站| 他把我摸到了高潮在线观看| av女优亚洲男人天堂| 可以在线观看毛片的网站| 大型黄色视频在线免费观看| 一夜夜www| 内地一区二区视频在线| 午夜两性在线视频| 国产精品日韩av在线免费观看| 国产麻豆成人av免费视频| 久久久久久久久中文| 久久久久亚洲av毛片大全| 叶爱在线成人免费视频播放| 亚洲男人的天堂狠狠| 波野结衣二区三区在线 | 免费在线观看亚洲国产| 国产伦在线观看视频一区| 亚洲国产精品999在线| 性色av乱码一区二区三区2| 婷婷丁香在线五月| 久久精品91蜜桃| 十八禁网站免费在线| 99精品久久久久人妻精品| 天堂av国产一区二区熟女人妻| 成人国产一区最新在线观看| 乱人视频在线观看| 国产精品久久电影中文字幕| 老汉色∧v一级毛片| 国产三级黄色录像| 狂野欧美激情性xxxx| 免费无遮挡裸体视频| 久久久久久久久大av| 久久久色成人| 一个人看视频在线观看www免费 | 真实男女啪啪啪动态图| 欧美+亚洲+日韩+国产| 国产精品精品国产色婷婷| 欧美日本亚洲视频在线播放| 亚洲国产精品成人综合色| 色尼玛亚洲综合影院| 国产亚洲精品av在线| 黄色成人免费大全| 三级国产精品欧美在线观看| av中文乱码字幕在线| 人人妻人人澡欧美一区二区| 国产真实伦视频高清在线观看 | 国产高清三级在线| 国产成人av激情在线播放| 桃红色精品国产亚洲av| 狂野欧美白嫩少妇大欣赏| 欧美国产日韩亚洲一区| 日韩人妻高清精品专区| 欧美成人a在线观看| 国产又黄又爽又无遮挡在线| 又粗又爽又猛毛片免费看| 国内毛片毛片毛片毛片毛片| 日本一本二区三区精品| 日韩精品青青久久久久久| 超碰av人人做人人爽久久 | 久久人人精品亚洲av| 岛国在线免费视频观看| 脱女人内裤的视频| 99国产极品粉嫩在线观看| 91在线精品国自产拍蜜月 | 欧美一区二区国产精品久久精品| 亚洲国产精品久久男人天堂| 国产精品影院久久| 99riav亚洲国产免费| 国产精品野战在线观看| 99久久精品热视频| 很黄的视频免费| 亚洲色图av天堂| 美女高潮喷水抽搐中文字幕| 久久久色成人| 日韩欧美国产在线观看| 久久久久免费精品人妻一区二区| 国产精品综合久久久久久久免费| 男女做爰动态图高潮gif福利片| 国产精品女同一区二区软件 | 97人妻精品一区二区三区麻豆| 久久精品91无色码中文字幕| 中文字幕久久专区| 男人舔女人下体高潮全视频| 美女 人体艺术 gogo| 日韩国内少妇激情av| 日韩欧美一区二区三区在线观看| 免费在线观看成人毛片| 国产亚洲精品久久久久久毛片| 少妇的逼好多水| 成年免费大片在线观看| 中文亚洲av片在线观看爽| 亚洲av日韩精品久久久久久密| 人妻久久中文字幕网| 夜夜看夜夜爽夜夜摸| 九九热线精品视视频播放| 亚洲av不卡在线观看| 午夜两性在线视频| 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| 精华霜和精华液先用哪个| 亚洲五月婷婷丁香| www日本在线高清视频| 97超视频在线观看视频| 色综合欧美亚洲国产小说| 国产亚洲精品久久久久久毛片| 午夜福利免费观看在线| 亚洲不卡免费看| 日本黄大片高清| 99国产综合亚洲精品| 久久久久精品国产欧美久久久| 国产精品综合久久久久久久免费| 亚洲国产精品成人综合色| 欧美最黄视频在线播放免费| 草草在线视频免费看| av女优亚洲男人天堂| 欧美精品啪啪一区二区三区| 成人特级av手机在线观看| 蜜桃久久精品国产亚洲av| 国产精品综合久久久久久久免费| 中国美女看黄片| 午夜视频国产福利| 黄片小视频在线播放| 99久久精品国产亚洲精品| 黄色成人免费大全| 天美传媒精品一区二区| 欧美最黄视频在线播放免费| 国产精品久久久人人做人人爽| 可以在线观看的亚洲视频| 国产精品国产高清国产av| 免费高清视频大片| 久99久视频精品免费| 中文字幕久久专区| 久久久成人免费电影| 黄色片一级片一级黄色片| 白带黄色成豆腐渣| 香蕉丝袜av| 国产精品一区二区免费欧美| 少妇丰满av| 欧美日韩福利视频一区二区| 色综合婷婷激情| 中文资源天堂在线| 内地一区二区视频在线| 午夜免费男女啪啪视频观看 | 国产97色在线日韩免费| 欧美三级亚洲精品| 欧美激情在线99| 国产精品野战在线观看| 久久久久久久久久黄片| 国产成人啪精品午夜网站| 亚洲av成人不卡在线观看播放网| tocl精华| 无限看片的www在线观看| 欧美黑人欧美精品刺激| svipshipincom国产片| 身体一侧抽搐| 久久天躁狠狠躁夜夜2o2o| netflix在线观看网站| 亚洲,欧美精品.| 欧美中文日本在线观看视频| 亚洲av成人不卡在线观看播放网| 欧美色视频一区免费| 日韩精品中文字幕看吧| 观看美女的网站| 亚洲欧美日韩高清在线视频| 国内揄拍国产精品人妻在线| www国产在线视频色| 我的老师免费观看完整版| 丝袜美腿在线中文| 免费av观看视频| 美女高潮喷水抽搐中文字幕| 成人18禁在线播放| 五月伊人婷婷丁香| 欧美3d第一页| 精品人妻1区二区| 亚洲最大成人手机在线| 波野结衣二区三区在线 | 日日摸夜夜添夜夜添小说| 国产蜜桃级精品一区二区三区| 两人在一起打扑克的视频| 国内精品美女久久久久久| 男女视频在线观看网站免费| 熟妇人妻久久中文字幕3abv| 久久久精品欧美日韩精品| 男女那种视频在线观看| 久久精品国产自在天天线| 一级黄片播放器| 999久久久精品免费观看国产| 亚洲欧美日韩卡通动漫| 老司机深夜福利视频在线观看| 亚洲精品美女久久久久99蜜臀| 久久久国产成人精品二区| 又黄又爽又免费观看的视频| 亚洲真实伦在线观看| 国产成人福利小说| 熟女人妻精品中文字幕| 成人一区二区视频在线观看| 日韩中文字幕欧美一区二区| 岛国视频午夜一区免费看| 久久九九热精品免费| 亚洲在线自拍视频| 每晚都被弄得嗷嗷叫到高潮| 88av欧美| 毛片女人毛片| 精品一区二区三区av网在线观看| 亚洲专区国产一区二区| 久久精品国产亚洲av香蕉五月| 99riav亚洲国产免费| 亚洲欧美日韩高清在线视频| 欧美+亚洲+日韩+国产| 亚洲欧美日韩卡通动漫| 国产精品99久久久久久久久| 乱人视频在线观看| 99久久99久久久精品蜜桃| 长腿黑丝高跟| 精品一区二区三区av网在线观看| 高清日韩中文字幕在线| 欧洲精品卡2卡3卡4卡5卡区| 午夜a级毛片| 成人鲁丝片一二三区免费| 91字幕亚洲| 给我免费播放毛片高清在线观看| 在线a可以看的网站| 最近最新中文字幕大全免费视频| 欧美绝顶高潮抽搐喷水| 免费大片18禁| 好看av亚洲va欧美ⅴa在| 久久久久久久午夜电影| 精品久久久久久久人妻蜜臀av| 男女床上黄色一级片免费看| xxx96com| 在线免费观看的www视频| 内地一区二区视频在线| av欧美777| 女人被狂操c到高潮| 此物有八面人人有两片| 在线免费观看不下载黄p国产 | 亚洲av二区三区四区| 天美传媒精品一区二区| 熟妇人妻久久中文字幕3abv| 搡老妇女老女人老熟妇| 日韩国内少妇激情av| 欧美一区二区亚洲| 国产伦一二天堂av在线观看| 亚洲av一区综合| 午夜日韩欧美国产| 一个人免费在线观看的高清视频| 欧美高清成人免费视频www| 19禁男女啪啪无遮挡网站| 亚洲人成网站高清观看| 亚洲国产欧洲综合997久久,| 欧美一级a爱片免费观看看| 在线免费观看的www视频| 99久久成人亚洲精品观看| 少妇丰满av| 精品午夜福利视频在线观看一区| 欧美av亚洲av综合av国产av| 国产精品久久久久久久久免 | 国产免费av片在线观看野外av| 色综合欧美亚洲国产小说| 亚洲国产精品999在线| 色视频www国产| 婷婷精品国产亚洲av在线| 国产精品美女特级片免费视频播放器| 日韩人妻高清精品专区| 美女 人体艺术 gogo| 91久久精品电影网| 国产真实乱freesex| 三级国产精品欧美在线观看| 国产真实乱freesex| 国产一区二区三区视频了| 久久久久国内视频| 欧美三级亚洲精品| 久9热在线精品视频| 午夜福利在线观看免费完整高清在 | 欧美成人一区二区免费高清观看| 亚洲av二区三区四区| 夜夜爽天天搞| 欧美日韩精品网址| 久久精品91无色码中文字幕| 欧美最新免费一区二区三区 | 久9热在线精品视频| 老汉色∧v一级毛片| 禁无遮挡网站| 国产一区二区三区视频了| 成年人黄色毛片网站| 中文亚洲av片在线观看爽| 99riav亚洲国产免费| 全区人妻精品视频| 久久久色成人| 大型黄色视频在线免费观看| 日本撒尿小便嘘嘘汇集6| av中文乱码字幕在线| 两人在一起打扑克的视频| 男女午夜视频在线观看| 少妇的丰满在线观看| 国产成人系列免费观看| 成人鲁丝片一二三区免费| 亚洲自拍偷在线| 狂野欧美激情性xxxx| 五月伊人婷婷丁香| 色尼玛亚洲综合影院| 久久精品国产亚洲av香蕉五月| aaaaa片日本免费| 小说图片视频综合网站| 成人特级av手机在线观看| 国产成人啪精品午夜网站| 99国产极品粉嫩在线观看| 亚洲欧美激情综合另类| 亚洲国产精品999在线| 成熟少妇高潮喷水视频| 免费av毛片视频| 日韩欧美国产在线观看| 亚洲精品色激情综合| 制服人妻中文乱码| 亚洲av免费在线观看| 国产探花在线观看一区二区| 女生性感内裤真人,穿戴方法视频| 精品久久久久久久人妻蜜臀av| 国产精品日韩av在线免费观看| 成人精品一区二区免费| 免费大片18禁| 欧美日韩瑟瑟在线播放| 日本 欧美在线| 三级男女做爰猛烈吃奶摸视频| 亚洲五月天丁香| 国产精品亚洲一级av第二区| 男人和女人高潮做爰伦理| 三级国产精品欧美在线观看| 黄色片一级片一级黄色片| 身体一侧抽搐| 一边摸一边抽搐一进一小说| 欧美+日韩+精品| 亚洲精品粉嫩美女一区| 91在线观看av| 亚洲七黄色美女视频| 激情在线观看视频在线高清| 久久精品91无色码中文字幕| 成人特级黄色片久久久久久久| 久久久色成人| 99国产极品粉嫩在线观看| 欧美区成人在线视频| 丝袜美腿在线中文| 又紧又爽又黄一区二区| 国产亚洲精品久久久com| 不卡一级毛片| 午夜精品久久久久久毛片777| 91字幕亚洲| 两人在一起打扑克的视频| 国产午夜精品久久久久久一区二区三区 | 小蜜桃在线观看免费完整版高清| 国产成人福利小说| 脱女人内裤的视频| 最近视频中文字幕2019在线8| 久久精品亚洲精品国产色婷小说| 欧美zozozo另类| 一个人看的www免费观看视频| 国产精品久久视频播放| 国语自产精品视频在线第100页| 69人妻影院| 韩国av一区二区三区四区| 91麻豆精品激情在线观看国产| 国产69精品久久久久777片| 悠悠久久av| 亚洲成人久久爱视频| 婷婷精品国产亚洲av在线| 国产单亲对白刺激| 国产蜜桃级精品一区二区三区| 九色国产91popny在线| 国产欧美日韩精品亚洲av| 成人精品一区二区免费| 欧美性猛交╳xxx乱大交人| 免费看光身美女| 18美女黄网站色大片免费观看| 日本黄色视频三级网站网址| 麻豆成人午夜福利视频| 午夜福利在线在线| 精品午夜福利视频在线观看一区| 免费电影在线观看免费观看| 欧美最黄视频在线播放免费| 中文字幕熟女人妻在线| 婷婷亚洲欧美| tocl精华| 精品久久久久久,| 亚洲不卡免费看| 88av欧美| 午夜日韩欧美国产| 女人十人毛片免费观看3o分钟| 又紧又爽又黄一区二区| 午夜精品久久久久久毛片777| 免费看a级黄色片| 亚洲人成网站在线播| 深夜精品福利| 国产亚洲精品av在线| 99国产精品一区二区蜜桃av| 动漫黄色视频在线观看| 午夜激情福利司机影院| 五月伊人婷婷丁香| 久久人妻av系列| 淫秽高清视频在线观看| 精品福利观看| 久久久色成人| 少妇人妻一区二区三区视频| 99久久成人亚洲精品观看| 亚洲精品国产精品久久久不卡| 国产免费男女视频| 99riav亚洲国产免费| 又粗又爽又猛毛片免费看| 成熟少妇高潮喷水视频| 亚洲av免费在线观看| 中文字幕av在线有码专区| 欧美zozozo另类| 中文亚洲av片在线观看爽| 在线观看免费午夜福利视频| eeuss影院久久| 国产色爽女视频免费观看| 国产三级黄色录像| 白带黄色成豆腐渣| 成人性生交大片免费视频hd| 国产真人三级小视频在线观看| 最新美女视频免费是黄的| 成人特级av手机在线观看| 亚洲国产精品合色在线| 女生性感内裤真人,穿戴方法视频| 好看av亚洲va欧美ⅴa在| 最近最新免费中文字幕在线| 国产高潮美女av| 久久久国产成人精品二区| 国产欧美日韩一区二区三| 美女被艹到高潮喷水动态| 一个人免费在线观看电影| 九九在线视频观看精品| 国产成人av教育| 国产主播在线观看一区二区| 啦啦啦观看免费观看视频高清| 在线观看美女被高潮喷水网站 | 日韩欧美 国产精品| 欧美3d第一页| 在线免费观看的www视频| 国产午夜精品论理片| 国产精品久久视频播放| 神马国产精品三级电影在线观看| 99热这里只有精品一区| 国产成人福利小说| 久久久久国产精品人妻aⅴ院| 国产精华一区二区三区| 女人高潮潮喷娇喘18禁视频| 色尼玛亚洲综合影院| 国产三级黄色录像| 99久久九九国产精品国产免费| 一级作爱视频免费观看| av欧美777| av专区在线播放| 69av精品久久久久久| 1000部很黄的大片| 精品日产1卡2卡| www.999成人在线观看| 国产探花极品一区二区| 国产淫片久久久久久久久 | 国产精品久久久久久精品电影| 看片在线看免费视频| 天美传媒精品一区二区| 欧美日韩黄片免| 国产v大片淫在线免费观看| 一二三四社区在线视频社区8| 在线十欧美十亚洲十日本专区| 嫁个100分男人电影在线观看| 亚洲精品一区av在线观看| 久久人妻av系列| 免费看美女性在线毛片视频| 欧美三级亚洲精品| 99久国产av精品| 国产欧美日韩精品亚洲av| 久久久久国产精品人妻aⅴ院| 99精品久久久久人妻精品| 少妇丰满av| 99久久精品一区二区三区| 久久久久久久精品吃奶| 久久久久久九九精品二区国产| 欧美成人免费av一区二区三区| 国产黄a三级三级三级人| 婷婷亚洲欧美| 精品无人区乱码1区二区| 国产免费av片在线观看野外av| 国产亚洲精品av在线| 久久性视频一级片| 2021天堂中文幕一二区在线观| 午夜久久久久精精品| 制服丝袜大香蕉在线| 免费在线观看影片大全网站| 一卡2卡三卡四卡精品乱码亚洲| 久久精品影院6| 精品福利观看| 99热6这里只有精品| 国产精品,欧美在线| 国产精品亚洲美女久久久| 午夜精品在线福利| 久久国产乱子伦精品免费另类| 人妻丰满熟妇av一区二区三区| 亚洲av熟女| 好男人电影高清在线观看| 国产在视频线在精品| 观看美女的网站| 欧美一区二区精品小视频在线| 欧洲精品卡2卡3卡4卡5卡区| 听说在线观看完整版免费高清| 亚洲 欧美 日韩 在线 免费| 亚洲av不卡在线观看| 久久久久久大精品| 精品不卡国产一区二区三区| 美女高潮的动态| 床上黄色一级片| 亚洲精品一卡2卡三卡4卡5卡| 免费在线观看亚洲国产| 日本精品一区二区三区蜜桃| 国产午夜精品论理片| 精品欧美国产一区二区三| 啦啦啦免费观看视频1|