• <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 ?

    可解釋的層次注意力機制網(wǎng)絡(luò)危重癥預(yù)警

    2021-03-09 16:41:20王天罡張曉濱馬紅葉蔡宏偉
    計算機工程與應(yīng)用 2021年5期
    關(guān)鍵詞:模型

    王天罡,張曉濱,馬紅葉,蔡宏偉

    1.西安工程大學(xué) 計算機科學(xué)學(xué)院,西安710048

    2.西安交通大學(xué)第一附屬醫(yī)院 網(wǎng)絡(luò)信息部,西安710061

    3.西安交通大學(xué)第一附屬醫(yī)院 重癥醫(yī)學(xué)科,西安710061

    隨著近年來人工智能的日益發(fā)展,通過深度學(xué)習(xí)輔助臨床診療決策研究一直是醫(yī)療領(lǐng)域的熱點,它在醫(yī)療大數(shù)據(jù)中主要用于醫(yī)學(xué)影像識別、電子病歷解析、基于基因組學(xué)的精準(zhǔn)醫(yī)學(xué)研究以及臨床決策支持系統(tǒng)等方面。采用臨床表現(xiàn)的疾病預(yù)測模型是臨床決策支持系統(tǒng)一個重要研究內(nèi)容,然而實際醫(yī)療軟件大多僅能提供數(shù)據(jù)的集成和展示,所具備的功能僅限于醫(yī)患管理和床旁數(shù)據(jù)的查詢統(tǒng)計。特別是住院ICU危急重癥的患者在病情變化非常復(fù)雜的情況下,醫(yī)護人員通過實時觀察異常生理指標(biāo)來治療患者有時為時已晚。與此同時,ICU床旁監(jiān)護設(shè)備數(shù)量多、類型復(fù)雜,所提取的各項生命指標(biāo)較多,僅對每個患者體征數(shù)據(jù)進行檢索瀏覽就給醫(yī)生帶來了較大的工作量。

    當(dāng)前基于機器學(xué)習(xí)的疾病預(yù)警研究大多采用標(biāo)準(zhǔn)化數(shù)據(jù)集(例如MIMIC-III)的理論研究,許多模型在得出較好結(jié)果的同時由于缺乏可解釋性而無法實際應(yīng)用。例如,當(dāng)醫(yī)生通過基于CNN或RNN模型判定一個病人是否有患病風(fēng)險時,更希望知道模型究竟從各類儀器、床旁設(shè)備提取的海量數(shù)據(jù)中學(xué)到了哪些能夠以人類可理解方式表達的知識,并且發(fā)現(xiàn)各類風(fēng)險因素之間的關(guān)聯(lián),從而生成決策結(jié)果。如果一個模型難以理解,那么在關(guān)乎生命風(fēng)險的醫(yī)療領(lǐng)域就會因無法給出更多的可靠信息而受限,最終只是不同曲線的擬合結(jié)果。因此本研究針對臨床危重癥疾病預(yù)警缺乏前瞻性和可解釋性等問題,作出了如下工作:

    (1)創(chuàng)新性地提出將HAN模型用于基于生理指標(biāo)的時間序列危急重癥預(yù)警,利用分層注意力機制分別學(xué)習(xí)時間及風(fēng)險因素兩個維度上的權(quán)重分布,即對每個患者輸入序列不同時刻或風(fēng)險因素賦予不同重要性,將神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中產(chǎn)生的中間項與患者生理指標(biāo)漸變的過程相結(jié)合,提醒醫(yī)生在治療過程中應(yīng)該關(guān)注的重點。

    (2)模型提出一種利用分層機制分離時間和風(fēng)險因素的多通道輸入結(jié)構(gòu),使每個因素享有單獨的輸入序列,更適合當(dāng)前臨床應(yīng)用中的數(shù)據(jù)結(jié)構(gòu)。同時提出了一種HAN的輸出優(yōu)化結(jié)構(gòu),將患者靜態(tài)人口統(tǒng)計信息和診療過程產(chǎn)生的上下文表征序列相結(jié)合,使結(jié)果除了時序數(shù)據(jù)的表征外添加了更多的關(guān)聯(lián)特征。4.1節(jié)的實驗表明,通過與基線神經(jīng)網(wǎng)絡(luò)相比,該模型大幅度提升了預(yù)警的準(zhǔn)確率。

    (3)通過對模型添加可解釋組件(Interpretable Layer),探討了深度學(xué)習(xí)在實際臨床醫(yī)療的可解釋性,證明該模型相較于其他深度學(xué)習(xí)模型具有良好的可靠性。

    (4)研究采集的數(shù)據(jù)均為現(xiàn)三甲醫(yī)院ICIS系統(tǒng)提取的臨床真實數(shù)據(jù),提出的方法真實有效,為醫(yī)療人工智能在醫(yī)院信息系統(tǒng)實際應(yīng)用奠定了基礎(chǔ)。

    1 相關(guān)工作

    1.1 基于臨床數(shù)據(jù)集的疾病預(yù)警模型

    近年來常用的多變量疾病預(yù)警模型按照基礎(chǔ)理論的不同可劃分成兩類:靜態(tài)統(tǒng)計分析預(yù)警模型和動態(tài)人工智能預(yù)警模型[1]。其中統(tǒng)計分析預(yù)警模型相關(guān)研究關(guān)注的方向主要包括:監(jiān)測實時生理指標(biāo)的單變量分析模型、基于多項危險因素指標(biāo)估測的廣義線性回歸模型。文獻[1]提出通過多因素Logistic回歸分析分別提取患者入院和實時的多項危險因素指標(biāo),進而比對分析并建立評分機制,評估冠心病的可能性[2]。文獻[2-3]分別提出了基于隨機森林(RF)支持向量機(SVM)在ICU患者住院24 h內(nèi)死亡風(fēng)險預(yù)測的應(yīng)用[3-4]。

    上述臨床疾病預(yù)警研究均采用構(gòu)建統(tǒng)計分析模型和對實時生理指標(biāo)的評分預(yù)測,無法解決海量數(shù)據(jù)下的過擬合、梯度消失等問題,同時沒能充分利用檢查數(shù)據(jù)時間狀態(tài)上的關(guān)聯(lián)性或其他與疾病關(guān)聯(lián)的因素對模型的影響,對臨床急重癥突變預(yù)警能力差。因此文獻[4]提出了一種多因素線索LSTM模型預(yù)測血壓變化進而對高血壓及時預(yù)警,適用于高血壓等慢性病的長期預(yù)測分析。在實際臨床治療過程中,由于該模型將與血壓關(guān)聯(lián)的時序測量數(shù)據(jù)和患者的環(huán)境信息一起作為未來線索數(shù)據(jù)與血壓預(yù)測相結(jié)合,預(yù)測精準(zhǔn)度較高[5]。文獻[5]采用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)或卷積神經(jīng)網(wǎng)絡(luò)(CNN)等當(dāng)前主流深度學(xué)習(xí)模型得到了不錯的實驗結(jié)果[6]。

    1.2 基于深度學(xué)習(xí)模型的可解釋性研究

    準(zhǔn)確性和可解釋性是決定預(yù)測模型能否成功應(yīng)用的兩個主要因素。近年來,隨著深度學(xué)習(xí)的不斷發(fā)展,模型可解釋性的相關(guān)準(zhǔn)則逐漸被研究人員所關(guān)注,Lipton指出了構(gòu)建可解釋性模型的必要性[7]:使人能建立對模型的信任;可以體現(xiàn)事件因果關(guān)系;對其他領(lǐng)域可以遷移應(yīng)用;在訓(xùn)練過程中可附加額外知識等,并認為一個可解釋的模型應(yīng)該至少具備以下特點:

    (1)透明性,即模型對人是透明的,可以在模型對具體任務(wù)訓(xùn)練之前就模擬預(yù)測到對應(yīng)參數(shù)和模型決策,包括模型整體、組件和算法的透明性。

    (2)事后可解釋性,某些模型盡管事先無法精確闡明其是如何工作的,但是在訓(xùn)練過程中可以為研究人員提供對事實有用的信息,通過對結(jié)果可視化或訓(xùn)練過程產(chǎn)生的參數(shù)分析得到相關(guān)知識。

    決策樹(Decision Tree,DT)是具備透明可解釋性的典型機器學(xué)習(xí)模型,并已經(jīng)廣泛地在醫(yī)療領(lǐng)域應(yīng)用[8]。但是多數(shù)不具備先驗知識的情況下,現(xiàn)實更關(guān)注的是模型的事后可解釋性,Zhang等人提出了一種可解釋的卷積神經(jīng)網(wǎng)絡(luò)[9],該模型通過將每一維度的卷積層對應(yīng)于圖像的一部分,不需要其他標(biāo)注對模型進行解釋即可以幫助人們在卷積的過程中獲取額外的信息。

    近年來,隨著注意力機制的興起,通過對輸入序列分配不同權(quán)重而影響輸出的結(jié)果這一方法使神經(jīng)網(wǎng)絡(luò)的可解釋性得到了重視,具體對于Attention模型的可解釋性,有正反兩方面的觀點。首先自Bahdanau等[10]將Attention用于機器翻譯等任務(wù)起,研究人員就對其可解釋性進行大量的實驗論證[11]。然而,最近由Serrano等[12]和Jain等[13]分別對注意力機制的可解釋性產(chǎn)生了質(zhì)疑,并認為注意力機制是不可解釋的,前者通過將訓(xùn)練過程中的注意力權(quán)重擦除或翻轉(zhuǎn)后觀察決策結(jié)果,后者引入了對抗注意力權(quán)重分布的思想并比較權(quán)重和訓(xùn)練梯度的變化趨勢來分析模型的可解釋性。但是上述研究僅對個別權(quán)重較大的參數(shù)進行操作,忽略了注意力模型的權(quán)重分布并不是獨立存在的事實,例如,在文本分類過程中,一篇體育報道中擦除了“體育”“足球”等詞向量,但是文章中出現(xiàn)的人名和事件仍然能夠使模型產(chǎn)生體育的決策分類結(jié)果。對此,Wiegreffe等[14]的研究對以上注意力模型不可解釋的驗證方法提出了質(zhì)疑,他認為Attention中間層的參數(shù)是無法同整個模型隔離開的,否則就失去了實際的意義。本研究受到上述方法的啟發(fā),在模型訓(xùn)練的過程中對其注意力參數(shù)進行了整體擦除和重置等操作,實驗結(jié)果證明了IHAN具有良好的事后可解釋性。

    圖1 編碼器-解碼器結(jié)構(gòu)

    2 基于IHAN的疾病預(yù)警模型構(gòu)建

    2.1 注意力機制

    與大多數(shù)標(biāo)準(zhǔn)化醫(yī)學(xué)數(shù)據(jù)集不同,在實際基于臨床表現(xiàn)的疾病預(yù)測應(yīng)用中,基于患者生理指標(biāo)的序列結(jié)構(gòu)通常存在以下幾個問題:

    (1)床旁數(shù)據(jù)大量冗余。例如心率、呼吸等測定頻率為30 s/次,患者在大部分住院期間此類測定均處于正常狀態(tài)。如果采用傳統(tǒng)seq2seq的神經(jīng)網(wǎng)絡(luò),將會把多數(shù)無意義的數(shù)據(jù)混雜到圖1所示編碼器-解碼器結(jié)構(gòu)(Encoder-Decoder)的序列表征c中,嚴(yán)重影響了最終的預(yù)測結(jié)果。

    (2)不同患者的檢驗數(shù)據(jù)缺失。例如血紅蛋白、紅細胞計數(shù)測定等檢驗分析項測定時間間隔較長,頻次不一致,導(dǎo)致大多患者均存在數(shù)據(jù)缺失問題,如果大量使用缺失值填補或樣本篩選等方法,同樣引起結(jié)果不準(zhǔn)確。

    (3)同一患者不同生理指標(biāo)采樣頻次不一致,導(dǎo)致輸入序列長度相差較大。例如患者在住院期間進行“平診腎功七項[復(fù)]”檢查次數(shù)在3~4次,“血細胞分析+五分類”的檢查次數(shù)在8~9次,而心率血壓等測量頻率更加頻繁。因此在構(gòu)建例如廣義線性回歸、CNN等多因素分析模型時,序列長度的差異會導(dǎo)致輸入序列不能滿足模型的輸入結(jié)構(gòu);而若采用單通道的RNN分析模型時,由于患者病情的變化是多種因素相互作用產(chǎn)生的效果,故忽略了共同作用對結(jié)果的影響。

    基于神經(jīng)網(wǎng)絡(luò)的注意力模型已經(jīng)成功地應(yīng)用在計算機視覺[15]、自然語言處理[16]、語音識別[17]等領(lǐng)域。在機器翻譯的過程中可以明顯體現(xiàn)注意力機制的作用。此時注意力機制在翻譯的過程中遵循如下步驟:給定一個長度為S的輸入句子,通過h1,h2,…,hs表示句子中的單詞序列。為了翻譯目標(biāo)句子中的第j個單詞,對原始句子中的每個單詞生成一個注意力權(quán)值αi代表它與目標(biāo)單詞的關(guān)聯(lián)程度,最后計算式(1)中的上下文表征向量c并且用它預(yù)測目標(biāo)單詞。

    因此本文利用概念上相似的時間注意力機制在不定長序列轉(zhuǎn)換上的成熟應(yīng)用[18],使用臨床數(shù)據(jù)集生成可解釋的預(yù)測模型,基于可解釋的層次注意力模型(IHAN),該模型的優(yōu)勢在于:

    (1)總體模仿醫(yī)生如何關(guān)注病人的需求和探索病人的生理指標(biāo)的特殊變化,利用注意力權(quán)重分配的不同忽略無意義的指標(biāo),其中重點關(guān)注疾病異常風(fēng)險因素的指標(biāo)。

    (2)使用分層注意力機制分離時間和風(fēng)險因素,使不同檢查項享有單獨的不定長時序輸入序列,更適合臨床實際應(yīng)用的數(shù)據(jù)結(jié)構(gòu),能最大限度地還原數(shù)據(jù)集本身的特征。

    (3)在保留RNN預(yù)測時序數(shù)據(jù)能力的同時,通過對注意力權(quán)重的分析,更加容易讓醫(yī)生理解不同疾病的關(guān)鍵風(fēng)險因素,而且對HAN的輸出層根據(jù)不同患者的靜態(tài)統(tǒng)計信息合并優(yōu)化,有效地提高了預(yù)測的準(zhǔn)確率。

    2.2 基于IHAN模型架構(gòu)

    圖2 基于輸出優(yōu)化的IHAN網(wǎng)絡(luò)模型

    圖2 顯示了IHAN的總體架構(gòu),模型通過改進層次注意力模型生成不同維度的注意力權(quán)重進行結(jié)果預(yù)測,分別構(gòu)建基于時序級(時間維度)和元素級(風(fēng)險因素維度)的層次注意力模型,主要由時序編碼器、時序注意力機制、元素編碼器、元素注意力機制、預(yù)測輸出、解釋決策六部分構(gòu)成。已知數(shù)據(jù)集有N個風(fēng)險因素si,i∈[1,N],且包含M個時刻的離散檢查變量xi,t,t∈[1,M],對于K名患者的檢查序列IHAN將單個患者Xi,i∈[1,K]按不同風(fēng)險因素的時間順序重構(gòu)成輸入序列輸出為對應(yīng)患者Xi是否患病的概率通過Softmax函數(shù)后的分類結(jié)果Yi∈{0,1}。

    對于輸入層,給定一個輸入數(shù)據(jù)集S,由于風(fēng)險因素之間量綱不同,即使相同量綱之間數(shù)量級也可能相差較大,例如:白細胞計數(shù)測定的正常范圍是(3.5~9.5)×109個/L,紅細胞計數(shù)為(4.0~7.0)×1012個/L,而血紅蛋白為(120~165)g/L。因此定義V={v1,1,v1,2,…,v1,m,…,vi,t,…,vn,1,vn,2,…,vn,m}為因素si在p時間窗內(nèi)的離散值xi,1,xi,2,…,xi,p通過Z-score標(biāo)準(zhǔn)化函數(shù)映射至(0,1)范圍內(nèi)的向量集合,其中vi,t表示患者風(fēng)險因素i在第t時段的時序向量:

    2.2.1 基于實時生理指標(biāo)變化的時序注意力層

    時序編碼器(time encoder):對患者任意風(fēng)險因素i共M時間內(nèi)的時序向量{vi,1,vi,2,…,vi,t,…,vi,m},模型首先采用基于LSTM的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)計算患者在對應(yīng)病情發(fā)展過程的隱藏狀態(tài)hi,t,LSTM架構(gòu)如圖3所示。

    時序向量vi,t輸入LSTM時,由公式(3)~(8)得出單向時間維度隱藏表征hi,t:

    時序注意力機制(time attention):床旁設(shè)備所采集的例如血壓、心率等生理指標(biāo)并非在任意時刻都有重要的作用,甚至大多正常時間采集的時序變量是無意義的。因此引入注意力機制來提取異常的時序信息:對隱藏表征hi,t分配不同的權(quán)重αi,t,如果生理指標(biāo)在一段時間內(nèi)較為平穩(wěn)則該權(quán)重較小,反之則權(quán)重較大。通過權(quán)重αi,t與對應(yīng)hi,t求加權(quán)和,形成單項風(fēng)險因素si的在整個治療過程中的表征ri:

    其中,αi,t為代表風(fēng)險因素si在時間[1,M]內(nèi)各時段生理指標(biāo)的異常程度,即隱藏表征hi,t的權(quán)重,計算方法為:

    由于公式(11)中hi,t表示正向和逆向的時序隱藏信息,代表了當(dāng)前時段在過去和未來的特征表達,因此將[1,t-1]的hi,t-1和進行內(nèi)積計算異常程度得分即可得到當(dāng)前生理指標(biāo)與前后的關(guān)聯(lián)度,若某時段生理指標(biāo)與前后差異較大,則此時為異常時段。最后通過Softmax函數(shù)將各時刻異常得分歸一化,即可得基于時間維度的權(quán)重αi,t。

    2.2.2 基于風(fēng)險因素的元素注意力層

    元素編碼器(element encoder)。已知對任意風(fēng)險因素si有其在病情發(fā)展變化的表征ri,使用同樣的BiLSTM編碼方式可以獲得其他因素的隱藏表征向量gi。

    元素注意力機制(element attention)。為了能在檢查過程中正確預(yù)警不同疾病的風(fēng)險因素,再次使用注意力機制并對因素的隱藏表征gi引入對應(yīng)的關(guān)聯(lián)權(quán)重βi,并使用該權(quán)重來衡量患者診療過程中致病因素的重要性,通過加權(quán)和得到患者在疾病發(fā)展過程中的表征c:

    與時序性權(quán)重αi,t計算不同,模型訓(xùn)練基于不同疾病表達的上下文向量uβ來度量各風(fēng)險因素在病情變化過程中的重要性βi。將每個風(fēng)險因素表征gi的轉(zhuǎn)換為非線性表達ui:

    計算uβ和ui的相似度并使用Softmax函數(shù)進行歸一化得到βi:uβ∈Rm×n是在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中形成的表征向量參數(shù),是一種無監(jiān)督端到端的記憶網(wǎng)絡(luò)表達形式,可以看作某類疾病的風(fēng)險因素影響程度高低的分布,通過衡量訓(xùn)練好的uβ和ui的相似程度可以得知哪一個風(fēng)險因素是引起某類病癥的根本因素。該參數(shù)在訓(xùn)練中經(jīng)過反向傳播不斷更新后迭代生成。

    2.2.3 結(jié)合患者基本信息的輸出模型優(yōu)化

    為了對患者病情發(fā)展過程中產(chǎn)生的風(fēng)險進行預(yù)警分類,將表示該患者基本人口統(tǒng)計信息構(gòu)成的上下文向量d與患者病情變化表達c拼接并通過全連接層分類輸出預(yù)警結(jié)果。W為參數(shù)矩陣,選取患者是否患病的概率中較大的作為預(yù)測輸出yi-pred,采用交叉熵損失作為模型的損失函數(shù)進行學(xué)習(xí):

    2.2.4 解釋決策層

    1.2節(jié)中Lipton將可解釋模型特點分為透明性和事后可解釋性,研究通過在4.2節(jié)實驗分析來證明模型的事后可解釋性。同時構(gòu)建中間可解釋層,分析患者Xi在治療過程中權(quán)重αi,t、βi和輸入V={v1,1,v1,2,…,v1,m,…,vi,t,…,vn,1,vn,2,…,vn,m}變化對患病預(yù)測輸出Y的影響來說明IHAN的透明性。已知c為患者診療過程的表征,由IHAN的相關(guān)機制可表示成關(guān)于αi,t、βi和V的如下公式:

    患者是否患病的概率取決于全連接層之前的各風(fēng)險因素總體表征:

    其中公式(23)可以完全分解為對任意輸入vi,t,i∈[1,N],有風(fēng)險因素si在t時段的輸入vi,t對預(yù)測結(jié)果Y的貢獻度

    其中經(jīng)過兩次LSTM編碼LSTMβ(αi,tLSTMα((vi,t))可作為關(guān)于vi,t的非線性變換:

    (1)若對元素維度權(quán)重βi=0進行擦除,則預(yù)先可見公式(24)權(quán)重對應(yīng)的風(fēng)險因素貢獻度為由公式(19)可得?i∈N,βi>0,則風(fēng)險越高的因素所對應(yīng)的權(quán)重βi對預(yù)測結(jié)果貢獻越大。

    (2)若對單一風(fēng)險因素si在任意時段的權(quán)重αi,t=0進行擦除:

    同理可得該時段在整個治療過程中貢獻度為0。然而任意修改αi,t或輸入vi,t,貢獻度仍然受制于風(fēng)險因素的權(quán)重βi,這說明了IHAN能夠輔助醫(yī)生挖掘在病情變化過程中的高危因素,降低對非致病因素的關(guān)注度,并將注意力集中在治療患者具有高權(quán)重βi對應(yīng)的致病因素。

    3 實驗設(shè)計

    模型在某三甲醫(yī)院CIS系統(tǒng)產(chǎn)生的數(shù)據(jù)集進行了測試,該數(shù)據(jù)集包含6年內(nèi)的2 198例ICU患者在住院過程中發(fā)生急性腎損傷的175 840次數(shù)據(jù)采集結(jié)果。實驗將IHAN模型的預(yù)測精度與傳統(tǒng)計分析和深度學(xué)習(xí)方法進行了比較,以預(yù)測ICU住院患者生成急性腎損傷的診斷。通過對比分析得出,所提模型在準(zhǔn)確率上優(yōu)于傳統(tǒng)方法,在運行速度方面具有可接受性能,同時具備良好的可解釋性。

    3.1 實驗數(shù)據(jù)

    急性腎損傷(Acute Kidney Injury,AKI)為臨床常見危重癥之一,臨床上表現(xiàn)為氮質(zhì)血癥、水電解質(zhì)和酸堿平衡以及全身各系統(tǒng)癥狀,其發(fā)病率一直居高不下,給患者的身體、心理和經(jīng)濟帶來沉重的負擔(dān)。既往相關(guān)研究指出,機械通氣、器官衰竭、低蛋白血癥是急性腎損傷患者死亡的獨立危險因素,早期預(yù)防、診斷能降低急性腎損傷的病死率,對改善預(yù)后有重要的意義。實驗中所采用的AKI診斷標(biāo)準(zhǔn)為RIFLE,即血清肌酐(SCr)升高1.5倍,腎小球濾過率(GFR)升高25個百分點,尿量<0.5 mL/(kg·h)×6 h。

    實驗采用了某三甲醫(yī)院CIS系統(tǒng)提供的住院患者生理指標(biāo)數(shù)據(jù)集,納入輸入序列的i∈[1,N]風(fēng)險因素包括血小板計數(shù)、血清肌酐等9項,構(gòu)成患者基本統(tǒng)計信息d的因素包括性別、年齡、是否進行連續(xù)性血液凈化、基礎(chǔ)疾病、戴機時間5項,數(shù)據(jù)處理過程如圖4所示,所有資料均進行統(tǒng)一隱私處理并編碼。

    圖4 基于可解釋的HAN流程示意圖

    3.2 實驗環(huán)境

    實驗使用的硬件配置如下:處理器Core i7-6500U@2.50 GHz;獨立顯卡GeForce GTX Titan 8 GB顯存;RAM為16.0 GB;操作系統(tǒng)類型Windows Sever 2012;開發(fā)工具python 3.6+TensorFlow+CUDA框架;模型采用GPU運行環(huán)境進行訓(xùn)練加速,訓(xùn)練次數(shù)設(shè)置為200次,學(xué)習(xí)率初始化為0.1并持續(xù)遞減訓(xùn)練到損失函數(shù)收斂為止。

    3.3 基線模型

    Logisitc回歸(LR):LR是經(jīng)典的疾病預(yù)測統(tǒng)計分析模型。作為實驗對比,設(shè)置致病因素和患者基本信息為自變量,住院過程中是否產(chǎn)生AKI為因變量,提取患者入院時的檢查結(jié)果作為模型輸入后回歸處理。

    隨機森林、BP神經(jīng)網(wǎng)絡(luò):研究通過咨詢臨床醫(yī)生構(gòu)建風(fēng)險因素為葉子結(jié)點的隨機森林,對比方法采用Cart算法生成回歸森林以及設(shè)置1 024結(jié)點構(gòu)成的2層BP神經(jīng)網(wǎng)絡(luò)。模型輸入樣本同為患者入院生理指標(biāo)信息。

    CNN:卷積神經(jīng)網(wǎng)絡(luò)因其能夠從復(fù)雜的數(shù)據(jù)集中提取信息的能力而在醫(yī)療影像診斷中得到了應(yīng)用?;€模型參考CNN對圖像的識別原理,根據(jù)患者各項風(fēng)險因素的輸入序列設(shè)定統(tǒng)一的滑動時間窗,對該時間窗內(nèi)的一維患者數(shù)據(jù)進行二維重構(gòu)成基于時間點采樣的多因素線索數(shù)據(jù)“圖像”,采用多尺度卷積的方法提取不同時間、風(fēng)險因素維度上的疾病表征信息,輸出分類結(jié)果。

    LSTM:長短期記憶神經(jīng)網(wǎng)絡(luò)主要用于單變量時序序列的分析預(yù)測?;贚STM的基線模型設(shè)計方法如下,通過構(gòu)造患者在整個住院期間N個風(fēng)險因素的LSTM預(yù)測序列,將每個序列最后一次的輸出值作為單層感知機的輸入,實時預(yù)警患者下一時間段病情變化。

    IHAN+LSTM:2.2節(jié)公式(3)、(4)、(8)、(9)的RNNα、RNNβ采用LSTM模型。

    IHAN+GRU:方法上同樣使用公式(3)、(4)、(8)、(9)的RNNα、RNNβ采用GRU模型。

    4 實驗結(jié)果與分析

    4.1 性能比較

    數(shù)據(jù)集按0.75∶0.15∶0.1的比例劃分為測試集、訓(xùn)練集、驗證集并采用交叉折疊進行訓(xùn)練。為了能夠預(yù)測患者在住院治療過程中是否發(fā)生AKI從而輔助醫(yī)生及時調(diào)整診療方案,實驗評價引入三個評價指標(biāo),準(zhǔn)確率(Precision)、召回率(Recall)和訓(xùn)練時間,如公式(27)、(28)所示:

    根據(jù)表1實驗結(jié)果,在準(zhǔn)確率方面,Logistic回歸、隨機森林和BP神經(jīng)網(wǎng)絡(luò)因其沒有考慮到患者在治療過程中生理指標(biāo)的漸變信息,無法在長時間住院過程中充分利用檢查數(shù)據(jù)時間狀態(tài)上的關(guān)聯(lián)性,不具有提前預(yù)測的能力,對急重癥突變預(yù)警能力差。而以CNN和RNN為代表的深度學(xué)習(xí)模型在準(zhǔn)確率上有了較大的提升,相比上述統(tǒng)計模型在準(zhǔn)確率上提高了8~10個百分點,這體現(xiàn)了基于深度學(xué)習(xí)對復(fù)雜時序信息的捕捉能力,然而由于患者在住院過程中產(chǎn)生的數(shù)據(jù)量多,“無意義”的正常數(shù)據(jù)占比大,導(dǎo)致輸入模型數(shù)據(jù)集噪聲大而影響了預(yù)測結(jié)果的精準(zhǔn)度?;贗HAN的層次注意力神經(jīng)網(wǎng)絡(luò)解決了上述問題,同時準(zhǔn)確率相比之下提升了12~13個百分點。運行效率上,IHAN+LSTM因其計算的復(fù)雜性導(dǎo)致訓(xùn)練時間較長,在實驗環(huán)境下訓(xùn)練時間達到了29.50 min,而LSTM+GRU相對模型較簡單,訓(xùn)練時間也達到了25.25 min。

    表1 IHAN預(yù)測結(jié)果

    綜上所述,IHAN模型與Logistic回歸、隨機森林、卷積神經(jīng)網(wǎng)絡(luò)、LSTM等神經(jīng)網(wǎng)絡(luò)相比在預(yù)測中表現(xiàn)良好,但是訓(xùn)練時間相對較長,與預(yù)計效果基本符合。因此所提模型能夠在患者住院過程中一定程度地提前預(yù)測可能所伴隨的急性腎損傷,提醒醫(yī)生調(diào)整治療方案,從而達到醫(yī)療輔助決策的作用。

    4.2 可解釋性分析

    實驗評估了IHAN在預(yù)測AKI任務(wù)中的事后可解釋性,即根據(jù)2.2節(jié)中各風(fēng)險因素在不同時段的αi,t、βi的分布修改輸入序列vi,t,或直接改變?nèi)我猞羒,t、βi觀察y1,y2,…,yt結(jié)果的變化,并對訓(xùn)練參數(shù)進行可視化。方法是從測試集中選擇一名發(fā)生疾病的患者,咨詢醫(yī)生及問詢診療過程并計算輸入的各項序列對于診斷預(yù)測的貢獻值進行比對。圖5為冠狀動脈粥樣硬化性心臟病患者在住院治療過程中,不同風(fēng)險因素的注意力權(quán)重β隨時間變化的分布情況和產(chǎn)生AKI的概率,其中Y軸表示疾病的各項風(fēng)險因素,X軸表示入院時間和某時刻的患病概率(T0d:47.30%表示在0天時產(chǎn)生AKI的概率為47.30%),Z軸表示不同風(fēng)險因素隨著時間變化時注意力權(quán)重β。入院T0d至T2d時間段內(nèi)各項生理指標(biāo)權(quán)重較為平穩(wěn)(由于篇幅所限,圖中[T0d,T2d]為平穩(wěn)期,實際為13 d),[T2d,T3.2d]血壓(BP)、心率(HR)影響比重逐漸上升,[T3.2d,T3.8d]時刻SCr和GFR緊隨升高,并在T3.5d時刻提前預(yù)警,T3.8d患者達到AKI的診斷標(biāo)準(zhǔn)。通過醫(yī)生調(diào)閱病程記錄得出,[T0d,T2d]為入院手術(shù)前準(zhǔn)備時期。隨后于T2d完成冠狀動脈旁路移植術(shù)后發(fā)生心力衰竭對應(yīng)[T2d,T3.2d]時段,[T3.2d,T3.8d]即為由心力衰竭產(chǎn)生的AKI癥狀。

    圖5 β隨時間變化的分布情況和產(chǎn)生AKI的概率

    為了探究模型的解釋能力,圖6~圖9顯示了IHAN在人為改變輸入序列數(shù)值以及訓(xùn)練權(quán)重參數(shù)時,輸出結(jié)果的變化,X軸表示在治療過程中的患病概率,Y軸表示疾病的風(fēng)險因素隨時間變化的權(quán)重β,圖6表示原始結(jié)果作為對照組。圖7中實驗首先在T2d改變SCr和GFR的輸入序列為正常均值,相比于原結(jié)果βSCr、βGFR降低11~13個百分點,T3.8d時刻輸出產(chǎn)生疾病的可能性為58.32%(Average),這說明了Attention的權(quán)重高低與其對應(yīng)位置信息的重要程度正相關(guān)。圖8令βSCr=βGFR=0則T3.8d結(jié)果為40.19%(Reset 0),患病概率相對于對照組可能性降低45.77個百分點。這說明SCr和GFR是AKI產(chǎn)生的關(guān)鍵因素,符合醫(yī)學(xué)對該疾病診斷的定義,同時可得高權(quán)重的輸入單元對輸出結(jié)果有決定性作用。圖9中實驗對輸入序列進行翻轉(zhuǎn)(Reverse),結(jié)果顯示在開始階段患病幾率高達86.33%,SCr和GFR仍然對輸出結(jié)果影響較大,這是由于逆序輸入使SCr和GFR直接導(dǎo)致了疾病的產(chǎn)生,而非其他因素漸進變化引起結(jié)果的改變,同時證明了IHAN相對于易解釋模型(LR/DT逆序結(jié)果不變)時間序列處理能力。

    圖7 IHAN預(yù)測結(jié)果(Average:58.32%)

    圖8 IHAN預(yù)測結(jié)果(Reset0:40.19%)

    圖9 IHAN預(yù)測結(jié)果(Reverse:86.33%)

    5 結(jié)語

    本文提出了一種基于可解釋的層次注意力神經(jīng)網(wǎng)絡(luò)算法用于急重癥突變預(yù)測,利用分層注意力將大量床旁醫(yī)學(xué)數(shù)據(jù)劃分成時間和風(fēng)險因素兩個維度,采用擦除重置的方法對算法的可解釋性進行建模。該模型在保留RNN預(yù)測時序數(shù)據(jù)能力的同時,更加容易讓醫(yī)生理解不同疾病在不同時間致病的關(guān)鍵風(fēng)險因素,而且對HAN的輸出層根據(jù)不同患者的靜態(tài)統(tǒng)計信息合并優(yōu)化,有效地提高了預(yù)測的準(zhǔn)確率。實驗在大量數(shù)據(jù)集上進行了對比實驗,并對模型的可解釋性進行驗證,結(jié)果表明注意力權(quán)重能夠代表患者在醫(yī)療過程中的致病因素,較好地起到臨床輔助決策的作用,并為實際臨床技術(shù)轉(zhuǎn)化具有重要的應(yīng)用意義。在以后的工作中,將在不同病種的數(shù)據(jù)集上進行評估,添加例如非結(jié)構(gòu)化的病歷文本等不同類型的實驗數(shù)據(jù)進一步優(yōu)化模型結(jié)構(gòu),進行更加高效的預(yù)測。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    e午夜精品久久久久久久| 日韩有码中文字幕| 精品久久久久久久久久久久久| 亚洲成av人片在线播放无| 精品一区二区三区视频在线观看免费| 日韩欧美精品v在线| 久久精品国产99精品国产亚洲性色| 看免费av毛片| 大型黄色视频在线免费观看| 欧美黑人欧美精品刺激| 给我免费播放毛片高清在线观看| 观看免费一级毛片| 全区人妻精品视频| 欧美黑人欧美精品刺激| 亚洲最大成人手机在线| 人妻丰满熟妇av一区二区三区| 国产老妇女一区| 午夜激情福利司机影院| netflix在线观看网站| 丝袜美腿在线中文| 91麻豆av在线| 国产亚洲精品综合一区在线观看| 国产激情偷乱视频一区二区| 韩国av一区二区三区四区| 搡女人真爽免费视频火全软件 | 三级毛片av免费| 亚洲成人久久爱视频| 三级国产精品欧美在线观看| 国产高清视频在线播放一区| bbb黄色大片| 99热6这里只有精品| 国产单亲对白刺激| 九色国产91popny在线| 免费av不卡在线播放| 日本 av在线| 91久久精品国产一区二区成人 | 国产精品综合久久久久久久免费| 综合色av麻豆| 欧美黄色淫秽网站| 老司机在亚洲福利影院| 免费电影在线观看免费观看| 国产淫片久久久久久久久 | 亚洲无线观看免费| 少妇人妻一区二区三区视频| 我要搜黄色片| 亚洲人成网站在线播| 亚洲最大成人中文| 黄色女人牲交| 久久久久国内视频| 99精品在免费线老司机午夜| 此物有八面人人有两片| 国内毛片毛片毛片毛片毛片| 欧美成人免费av一区二区三区| 国产免费男女视频| 国产主播在线观看一区二区| 69av精品久久久久久| 欧美日韩亚洲国产一区二区在线观看| 成人国产综合亚洲| 国产伦精品一区二区三区视频9 | 婷婷亚洲欧美| 免费av毛片视频| 中亚洲国语对白在线视频| 亚洲精品乱码久久久v下载方式 | 欧美3d第一页| 国产黄片美女视频| 中文字幕人妻丝袜一区二区| 精品欧美国产一区二区三| 婷婷丁香在线五月| 欧美另类亚洲清纯唯美| xxxwww97欧美| 桃色一区二区三区在线观看| 看片在线看免费视频| 国产伦精品一区二区三区四那| 99久久精品一区二区三区| 窝窝影院91人妻| 成人高潮视频无遮挡免费网站| 久久久久免费精品人妻一区二区| 成人永久免费在线观看视频| 搞女人的毛片| h日本视频在线播放| 变态另类成人亚洲欧美熟女| 亚洲成人免费电影在线观看| 亚洲真实伦在线观看| 国产精品久久久久久精品电影| 听说在线观看完整版免费高清| 一本久久中文字幕| 成年女人毛片免费观看观看9| 日本三级黄在线观看| 搡老熟女国产l中国老女人| 午夜福利在线观看免费完整高清在 | 真人做人爱边吃奶动态| 欧美日韩国产亚洲二区| 欧美不卡视频在线免费观看| 国产午夜精品论理片| 又黄又粗又硬又大视频| 亚洲色图av天堂| 国产99白浆流出| av中文乱码字幕在线| 国产精品一及| 女生性感内裤真人,穿戴方法视频| a级毛片a级免费在线| 精品免费久久久久久久清纯| а√天堂www在线а√下载| 久久久久久久精品吃奶| 在线观看日韩欧美| 亚洲avbb在线观看| 尤物成人国产欧美一区二区三区| 国产伦一二天堂av在线观看| 欧美日韩黄片免| 哪里可以看免费的av片| 免费看十八禁软件| 高清在线国产一区| 中文字幕av在线有码专区| 亚洲国产欧美网| 国产三级中文精品| 综合色av麻豆| 老司机午夜十八禁免费视频| 国产精品电影一区二区三区| 精品一区二区三区人妻视频| 亚洲国产精品sss在线观看| 深夜精品福利| 噜噜噜噜噜久久久久久91| 搡老妇女老女人老熟妇| 日韩欧美精品免费久久 | av女优亚洲男人天堂| 欧美成人免费av一区二区三区| 亚洲在线自拍视频| 欧美日本视频| 国语自产精品视频在线第100页| 亚洲专区中文字幕在线| 免费av毛片视频| 亚洲狠狠婷婷综合久久图片| 高清毛片免费观看视频网站| 国产69精品久久久久777片| 国产精品电影一区二区三区| 国产精品98久久久久久宅男小说| 国产爱豆传媒在线观看| 高清日韩中文字幕在线| 国产一区二区在线av高清观看| 丝袜美腿在线中文| 亚洲av免费高清在线观看| 在线看三级毛片| 亚洲欧美精品综合久久99| 国内精品久久久久精免费| 国产精品乱码一区二三区的特点| 亚洲精品在线美女| 村上凉子中文字幕在线| 国产成人福利小说| 日本 欧美在线| 很黄的视频免费| 国内久久婷婷六月综合欲色啪| 亚洲午夜理论影院| 熟女电影av网| 啦啦啦免费观看视频1| 亚洲国产欧美人成| 久久久色成人| 免费一级毛片在线播放高清视频| 色在线成人网| 午夜精品在线福利| 欧美日本视频| 中文字幕人妻丝袜一区二区| 色av中文字幕| 成人国产一区最新在线观看| 女人十人毛片免费观看3o分钟| 最近最新中文字幕大全电影3| 国产精品综合久久久久久久免费| 免费搜索国产男女视频| 18+在线观看网站| 日韩 欧美 亚洲 中文字幕| 禁无遮挡网站| 岛国在线观看网站| 国产一区二区激情短视频| 欧美中文日本在线观看视频| 老汉色∧v一级毛片| 国产精品自产拍在线观看55亚洲| 亚洲av电影不卡..在线观看| 欧美+亚洲+日韩+国产| 69av精品久久久久久| 午夜精品一区二区三区免费看| 亚洲真实伦在线观看| 亚洲精华国产精华精| 美女被艹到高潮喷水动态| 成人三级黄色视频| 性色av乱码一区二区三区2| 亚洲成a人片在线一区二区| 亚洲av成人精品一区久久| 亚洲最大成人中文| 国产黄片美女视频| 身体一侧抽搐| 国产精品三级大全| 1024手机看黄色片| 亚洲人成网站高清观看| 国产精品亚洲美女久久久| 亚洲av成人不卡在线观看播放网| 国产野战对白在线观看| 亚洲精品色激情综合| 嫁个100分男人电影在线观看| 成人18禁在线播放| 在线播放无遮挡| 大型黄色视频在线免费观看| 色噜噜av男人的天堂激情| 长腿黑丝高跟| 99国产精品一区二区蜜桃av| 热99re8久久精品国产| 亚洲精品乱码久久久v下载方式 | 欧美黄色片欧美黄色片| 叶爱在线成人免费视频播放| 少妇人妻精品综合一区二区 | 国产不卡一卡二| 亚洲黑人精品在线| 99久久成人亚洲精品观看| 久久国产精品影院| 日本 av在线| 99国产精品一区二区蜜桃av| 内地一区二区视频在线| 国产午夜精品论理片| 男人舔女人下体高潮全视频| 国产精品久久视频播放| 亚洲精品乱码久久久v下载方式 | 亚洲精品粉嫩美女一区| 久久久色成人| 99精品在免费线老司机午夜| 老熟妇仑乱视频hdxx| 哪里可以看免费的av片| 一进一出抽搐动态| 免费看光身美女| 国产精品久久久人人做人人爽| 高清毛片免费观看视频网站| 成人18禁在线播放| 三级男女做爰猛烈吃奶摸视频| 色综合亚洲欧美另类图片| 欧美黑人巨大hd| 蜜桃久久精品国产亚洲av| 亚洲无线观看免费| 色哟哟哟哟哟哟| 久久中文看片网| 啪啪无遮挡十八禁网站| 国产精品亚洲av一区麻豆| 中文字幕高清在线视频| 一区二区三区激情视频| 午夜a级毛片| 日日干狠狠操夜夜爽| 99久久综合精品五月天人人| 国产精品亚洲美女久久久| 国产午夜精品久久久久久一区二区三区 | 亚洲片人在线观看| 免费大片18禁| 成年人黄色毛片网站| 亚洲在线观看片| 国内精品美女久久久久久| 国产精品香港三级国产av潘金莲| а√天堂www在线а√下载| 精品无人区乱码1区二区| 9191精品国产免费久久| ponron亚洲| 成人三级黄色视频| 久久久精品欧美日韩精品| 在线观看免费午夜福利视频| 亚洲在线观看片| 日本黄大片高清| 精品乱码久久久久久99久播| 禁无遮挡网站| 欧洲精品卡2卡3卡4卡5卡区| 久久精品国产亚洲av涩爱 | 日本一二三区视频观看| 日本三级黄在线观看| 免费看光身美女| 国产极品精品免费视频能看的| 久久精品国产亚洲av香蕉五月| 亚洲av一区综合| e午夜精品久久久久久久| 精品久久久久久久久久久久久| 91九色精品人成在线观看| 美女大奶头视频| 日韩欧美免费精品| 最近在线观看免费完整版| 日本一本二区三区精品| 激情在线观看视频在线高清| 伊人久久大香线蕉亚洲五| 免费高清视频大片| 亚洲欧美日韩卡通动漫| 老司机午夜福利在线观看视频| 99久久99久久久精品蜜桃| 成人av一区二区三区在线看| 欧美黄色片欧美黄色片| 一进一出抽搐动态| 九色国产91popny在线| 亚洲国产高清在线一区二区三| 男女床上黄色一级片免费看| 国产精品嫩草影院av在线观看 | 宅男免费午夜| 精品一区二区三区视频在线 | 久久99热这里只有精品18| 18美女黄网站色大片免费观看| 国产探花在线观看一区二区| 精品久久久久久,| 久久久久九九精品影院| 可以在线观看毛片的网站| 亚洲国产精品sss在线观看| 高清毛片免费观看视频网站| 淫妇啪啪啪对白视频| 成人性生交大片免费视频hd| xxxwww97欧美| 老司机深夜福利视频在线观看| 亚洲美女黄片视频| 午夜免费激情av| 亚洲成av人片在线播放无| 此物有八面人人有两片| 免费看美女性在线毛片视频| 亚洲avbb在线观看| 中文字幕高清在线视频| 免费看a级黄色片| 天堂av国产一区二区熟女人妻| 精品一区二区三区人妻视频| 午夜福利免费观看在线| 两人在一起打扑克的视频| 亚洲人成网站在线播放欧美日韩| 一二三四社区在线视频社区8| 别揉我奶头~嗯~啊~动态视频| 99久久99久久久精品蜜桃| 啦啦啦免费观看视频1| 嫁个100分男人电影在线观看| 欧美最黄视频在线播放免费| 国产精品久久久久久亚洲av鲁大| 91在线精品国自产拍蜜月 | 婷婷精品国产亚洲av在线| 日日干狠狠操夜夜爽| 国产在线精品亚洲第一网站| 午夜福利在线在线| 一区二区三区免费毛片| 三级男女做爰猛烈吃奶摸视频| 日韩av在线大香蕉| 国产毛片a区久久久久| 国内毛片毛片毛片毛片毛片| 国产免费男女视频| 69人妻影院| 欧美乱色亚洲激情| 男女之事视频高清在线观看| 岛国在线观看网站| 啪啪无遮挡十八禁网站| 黄色日韩在线| 日韩欧美精品免费久久 | 亚洲激情在线av| 亚洲久久久久久中文字幕| 少妇人妻一区二区三区视频| 特大巨黑吊av在线直播| 悠悠久久av| 一个人观看的视频www高清免费观看| 成人18禁在线播放| 日韩欧美国产一区二区入口| 欧美成人一区二区免费高清观看| 国产高清videossex| 免费在线观看影片大全网站| 国产精品爽爽va在线观看网站| 久久草成人影院| 亚洲av五月六月丁香网| 亚洲精品日韩av片在线观看 | 国产v大片淫在线免费观看| 又黄又爽又免费观看的视频| 国产国拍精品亚洲av在线观看 | 精品福利观看| 亚洲精品美女久久久久99蜜臀| 成年免费大片在线观看| 又紧又爽又黄一区二区| 欧美日韩中文字幕国产精品一区二区三区| 特大巨黑吊av在线直播| 国内精品美女久久久久久| 一个人免费在线观看电影| 日本一本二区三区精品| 村上凉子中文字幕在线| 男人的好看免费观看在线视频| 久久久久免费精品人妻一区二区| 亚洲无线在线观看| 91在线观看av| 日本a在线网址| 免费看光身美女| 两个人视频免费观看高清| 岛国在线观看网站| 色精品久久人妻99蜜桃| 国产精品久久久久久久电影 | 在线观看66精品国产| 一个人看的www免费观看视频| 精品人妻1区二区| 日韩欧美精品免费久久 | 中亚洲国语对白在线视频| 天堂av国产一区二区熟女人妻| 中文字幕人成人乱码亚洲影| 国产精华一区二区三区| 亚洲国产日韩欧美精品在线观看 | 欧美日韩亚洲国产一区二区在线观看| 亚洲中文字幕日韩| 天天添夜夜摸| 中文在线观看免费www的网站| 人人妻人人澡欧美一区二区| 18禁裸乳无遮挡免费网站照片| 色综合婷婷激情| 国产主播在线观看一区二区| 狂野欧美白嫩少妇大欣赏| 在线a可以看的网站| 极品教师在线免费播放| 两个人看的免费小视频| 午夜福利18| 青草久久国产| 波野结衣二区三区在线 | 757午夜福利合集在线观看| 日韩av在线大香蕉| 亚洲国产高清在线一区二区三| 一本一本综合久久| 好男人电影高清在线观看| 亚洲欧美激情综合另类| www日本黄色视频网| 亚洲久久久久久中文字幕| 他把我摸到了高潮在线观看| 99热这里只有是精品50| 国产精品一区二区三区四区久久| 成人18禁在线播放| 又粗又爽又猛毛片免费看| 午夜免费成人在线视频| 日韩av在线大香蕉| 天堂av国产一区二区熟女人妻| 精品国产三级普通话版| 成人性生交大片免费视频hd| 日韩精品中文字幕看吧| 国产伦精品一区二区三区视频9 | 一级黄片播放器| 老汉色∧v一级毛片| 国产成人影院久久av| 亚洲欧美日韩东京热| 亚洲精品粉嫩美女一区| 中文字幕人妻熟人妻熟丝袜美 | 亚洲国产色片| 欧美不卡视频在线免费观看| 88av欧美| 99久久精品国产亚洲精品| 岛国在线观看网站| 九色成人免费人妻av| 99久久成人亚洲精品观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲熟妇熟女久久| 一本久久中文字幕| 波野结衣二区三区在线 | 欧美极品一区二区三区四区| 女人高潮潮喷娇喘18禁视频| 在线观看免费午夜福利视频| 日本黄大片高清| a在线观看视频网站| 无限看片的www在线观看| 五月玫瑰六月丁香| 一本精品99久久精品77| 一进一出好大好爽视频| 国产精品 欧美亚洲| 亚洲乱码一区二区免费版| 黄片大片在线免费观看| 又黄又粗又硬又大视频| 床上黄色一级片| 午夜久久久久精精品| 一级a爱片免费观看的视频| 精品无人区乱码1区二区| 悠悠久久av| 十八禁人妻一区二区| 欧美日韩精品网址| 午夜亚洲福利在线播放| 在线播放无遮挡| 丰满乱子伦码专区| 国内精品一区二区在线观看| 免费观看的影片在线观看| 91字幕亚洲| 久久久国产成人精品二区| 黄色女人牲交| a级一级毛片免费在线观看| 叶爱在线成人免费视频播放| 欧美最新免费一区二区三区 | 桃色一区二区三区在线观看| 国产免费av片在线观看野外av| 高潮久久久久久久久久久不卡| or卡值多少钱| 亚洲av二区三区四区| 欧美色视频一区免费| 人人妻,人人澡人人爽秒播| 午夜福利成人在线免费观看| 波多野结衣高清作品| 91九色精品人成在线观看| 天美传媒精品一区二区| 国产精品乱码一区二三区的特点| 午夜亚洲福利在线播放| 成人精品一区二区免费| 亚洲,欧美精品.| 国产久久久一区二区三区| 男女做爰动态图高潮gif福利片| 日本三级黄在线观看| 久久久久久久久大av| 色尼玛亚洲综合影院| 亚洲国产精品sss在线观看| 婷婷丁香在线五月| eeuss影院久久| 两人在一起打扑克的视频| 一级a爱片免费观看的视频| 色av中文字幕| 精华霜和精华液先用哪个| 女人被狂操c到高潮| av天堂在线播放| 国产淫片久久久久久久久 | 久久精品夜夜夜夜夜久久蜜豆| 操出白浆在线播放| 亚洲成人久久性| 亚洲五月婷婷丁香| 在线天堂最新版资源| 欧美xxxx黑人xx丫x性爽| 手机成人av网站| 夜夜爽天天搞| 少妇熟女aⅴ在线视频| 天美传媒精品一区二区| 黑人欧美特级aaaaaa片| 最新中文字幕久久久久| 狂野欧美白嫩少妇大欣赏| 国内精品美女久久久久久| 日韩亚洲欧美综合| 女同久久另类99精品国产91| 狠狠狠狠99中文字幕| 一个人看视频在线观看www免费 | 色尼玛亚洲综合影院| 12—13女人毛片做爰片一| 少妇人妻精品综合一区二区 | 亚洲av不卡在线观看| 亚洲成人久久性| 精品一区二区三区视频在线 | 日本一二三区视频观看| 日韩中文字幕欧美一区二区| 欧美成狂野欧美在线观看| 一进一出抽搐gif免费好疼| 国产成人av教育| 国产探花极品一区二区| 欧美性感艳星| 成人高潮视频无遮挡免费网站| 观看美女的网站| 波野结衣二区三区在线 | 在线播放无遮挡| 中文字幕熟女人妻在线| 亚洲欧美日韩东京热| 18禁美女被吸乳视频| 麻豆成人av在线观看| av女优亚洲男人天堂| 亚洲美女黄片视频| 国产精品 欧美亚洲| 免费高清视频大片| 久久精品国产综合久久久| 久久6这里有精品| 国产精品久久久久久久电影 | 成人av一区二区三区在线看| 别揉我奶头~嗯~啊~动态视频| 日韩免费av在线播放| 黄色片一级片一级黄色片| 国产成人系列免费观看| 亚洲国产精品久久男人天堂| 亚洲激情在线av| 日韩大尺度精品在线看网址| 欧美性猛交╳xxx乱大交人| 日韩精品中文字幕看吧| 男插女下体视频免费在线播放| 日韩人妻高清精品专区| 亚洲欧美激情综合另类| 亚洲成人中文字幕在线播放| 国产v大片淫在线免费观看| 搡女人真爽免费视频火全软件 | 真人做人爱边吃奶动态| 国产伦人伦偷精品视频| 亚洲欧美日韩东京热| 嫁个100分男人电影在线观看| 人妻夜夜爽99麻豆av| 两人在一起打扑克的视频| 黄色女人牲交| 日本一本二区三区精品| 国产国拍精品亚洲av在线观看 | 精品久久久久久,| 精品久久久久久久久久久久久| 色综合站精品国产| 老司机深夜福利视频在线观看| 嫩草影院入口| 每晚都被弄得嗷嗷叫到高潮| 性欧美人与动物交配| 热99在线观看视频| 国产成人av激情在线播放| 丰满乱子伦码专区| 国产精品一区二区三区四区免费观看 | 亚洲av熟女| 少妇高潮的动态图| 在线观看午夜福利视频| www日本在线高清视频| 九九在线视频观看精品| 国产精品久久视频播放| 动漫黄色视频在线观看| 99热6这里只有精品| 欧美bdsm另类| 国产又黄又爽又无遮挡在线| 国产蜜桃级精品一区二区三区| 日韩欧美国产在线观看| 中文字幕人妻丝袜一区二区| 国产又黄又爽又无遮挡在线| 日韩欧美三级三区| 国产高清三级在线| 国产欧美日韩精品亚洲av| 成人欧美大片| 黄色视频,在线免费观看| 伊人久久精品亚洲午夜| 69av精品久久久久久| 小说图片视频综合网站| 国产淫片久久久久久久久 | 老司机午夜福利在线观看视频| 日本 av在线| 亚洲在线自拍视频| 嫩草影院精品99| 国产黄片美女视频| 好男人在线观看高清免费视频| 午夜免费成人在线视频| 亚洲男人的天堂狠狠|