• <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 ?

    機(jī)器學(xué)習(xí)在冠狀動(dòng)脈計(jì)算機(jī)斷層掃描領(lǐng)域的應(yīng)用及進(jìn)展

    2021-03-28 19:31:04劉子暖楊俊杰陳韻岱
    解放軍醫(yī)學(xué)雜志 2021年3期
    關(guān)鍵詞:特征模型研究

    劉子暖,楊俊杰,陳韻岱

    1解放軍總醫(yī)院第一醫(yī)學(xué)中心心血管內(nèi)科,北京 100853;2南開大學(xué)醫(yī)學(xué)院,天津 300071

    過去20年,心臟計(jì)算機(jī)斷層掃描血管造影(cardiac computed tomography angiography,CCTA)設(shè)備與技術(shù)水平不斷提高,逐漸成為評(píng)估冠狀動(dòng)脈疾病(coronary artery disease,CAD)的重要手段。2019年歐洲心臟病學(xué)會(huì)發(fā)表的《慢性冠脈綜合征診斷與管理指南》推薦將CCTA作為疑似胸痛患者排除阻塞性CAD的初始檢查手段(Ⅰ類推薦),對可疑或新診斷的CAD患者,可應(yīng)用CCTA進(jìn)行危險(xiǎn)分層(Ⅰ類推薦)[1]。由于較高的陰性預(yù)測值及診斷準(zhǔn)確性,CCTA被視為冠脈介入手術(shù)前可靠的CAD篩查手段[2]。 此外,隨著CT心肌灌注(computed tomography perfusion,CTP)及CT血流儲(chǔ)備分?jǐn)?shù)(computed tomography-fractional flow reserve,CT-FFR)等功能學(xué)評(píng)估手段的持續(xù)發(fā)展與深入研究,解剖學(xué)聯(lián)合功能學(xué)診斷可有效減少下游的侵入性檢查及治療[3-5]。

    伴隨著功能學(xué)成像的發(fā)展,人工智能(artificial intelligence,AI)在心血管領(lǐng)域的應(yīng)用急劇增多。AI是對人類智能進(jìn)行模擬、拓展及延伸的一門新興學(xué)科,可以實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)解讀,并在短時(shí)間內(nèi)對大量數(shù)據(jù)集進(jìn)行分析,建立并評(píng)估復(fù)雜模型的區(qū)分度及校準(zhǔn)度。機(jī)器學(xué)習(xí)(machine learning,ML)是AI的一個(gè)分支,可從給定的訓(xùn)練數(shù)據(jù)集中運(yùn)用不同的算法進(jìn)行數(shù)據(jù)解析及學(xué)習(xí),并以此為基礎(chǔ)構(gòu)建模型,從而對外部結(jié)果進(jìn)行預(yù)判[6]。深度學(xué)習(xí)是一種利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。當(dāng)應(yīng)用多層神經(jīng)元節(jié)點(diǎn)進(jìn)行計(jì)算時(shí),整個(gè)體系獲得的參數(shù)越多,對真實(shí)關(guān)系的模擬程度越強(qiáng),該技術(shù)被稱為深度神經(jīng)網(wǎng)絡(luò)(deep neural network,DNN)技術(shù)。

    隨著CCTA的廣泛使用及圖像分析特征的增加,圖像后處理對技術(shù)及時(shí)間的要求不斷提高,而ML不僅可以對此進(jìn)行優(yōu)化,還可增加圖像預(yù)處理、風(fēng)險(xiǎn)分層等方面的新應(yīng)用。目前,ML在心臟CT領(lǐng)域的相關(guān)循證醫(yī)學(xué)證據(jù)迅速增多,本文對近年來ML在心臟CT領(lǐng)域,包括心臟CT圖像分析、風(fēng)險(xiǎn)模型建立、CTP及CT-FFR等方面的應(yīng)用進(jìn)行 綜述。

    1 ML概要

    ML是一門完全由數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)學(xué)科,它與普通算法的主要區(qū)別在于,普通算法只能接受給定的模式及關(guān)系,而ML可通過學(xué)習(xí)對數(shù)據(jù)中多維變量的潛在關(guān)系進(jìn)行自動(dòng)識(shí)別并建模,實(shí)現(xiàn)對外部數(shù)據(jù)的預(yù)判,使工作效率大大提高。根據(jù)訓(xùn)練數(shù)據(jù)集是否有學(xué)習(xí)標(biāo)準(zhǔn),ML可分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)及強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)主要用于解決分類及回歸問題,常見算法包括k近鄰(k-nearest neighbor,k-NN)、隨機(jī)森林(random forest,RF)、支持向量機(jī)(support vector machines,SVM)、決策樹(decision tree,DF)、邏輯回歸及大部分神經(jīng)網(wǎng)絡(luò)。其中卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)及DNN默認(rèn)圖像為輸入層,通過卷積提取圖像特征,配合若干全連接層完成圖像特征分類,其容錯(cuò)能力好,泛化能力強(qiáng),常用于處理圖像相關(guān)問題。非監(jiān)督學(xué)習(xí)無明確的學(xué)習(xí)目標(biāo),通過聚類算法尋找數(shù)據(jù)集中的規(guī)律性并進(jìn)行分析,常用于無人工注釋的數(shù)據(jù)。半監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)同時(shí)包括標(biāo)注數(shù)據(jù)及非標(biāo)注數(shù)據(jù),可視為監(jiān)督與非監(jiān)督學(xué)習(xí)的結(jié)合。強(qiáng)化學(xué)習(xí)則主要解決序貫決策問題,在目前的臨床研究中并不常用。

    2 ML在心臟CT圖像分析中的應(yīng)用

    2.1 在圖像預(yù)處理中的應(yīng)用 在圖像重建及預(yù)處理中,對圖像進(jìn)行降噪處理及偽影修正可有效提高圖像質(zhì)量,為后續(xù)進(jìn)一步圖像分析提供保障。圖像修正一般通過不同的濾波算法完成,根據(jù)應(yīng)用域不同,可分為基于空間域及基于頻域的降噪方法,通過在二維空間內(nèi)對圖像像素進(jìn)行處理或在頻域中識(shí)別噪聲信息頻譜差異,達(dá)到去噪的目的。這些算法多基于系統(tǒng)模型及數(shù)學(xué)統(tǒng)計(jì)模型,計(jì)算復(fù)雜,且涉及CT投影的原始數(shù)據(jù),在實(shí)際研究中較難獲得。ML對此進(jìn)行簡化,通過不同算法學(xué)習(xí)目標(biāo)圖像與標(biāo)準(zhǔn)圖像間的非線性映射,進(jìn)行端對端的直接學(xué)習(xí),以此建立降噪模型。如Tatsugami等[7]提出的去噪過濾器,以高質(zhì)量全模型迭代重建圖像為目標(biāo),訓(xùn)練DNN模型,提高了混合迭代重建圖像的質(zhì)量,使得圖像噪聲由(23.0±4.6) HU降至(18.5±2.8) HU。當(dāng)缺乏標(biāo)準(zhǔn)圖像不能匹配樣本對時(shí),仍可使用非監(jiān)督學(xué)習(xí)方法,如Kang等[8]提出的循環(huán)一致性生成對抗網(wǎng)絡(luò)(cycle consistent generative adversarial network,Cycle GAN),通過對多相CCTA高、低劑量圖像的映射關(guān)系進(jìn)行學(xué)習(xí),建立了降噪模型。

    CT輻射劑量一直是CT研究領(lǐng)域的熱點(diǎn)問題,輻射劑量的下降可減輕對人體的輻射傷害,但與此相伴的是圖像信噪比的降低。降噪模型為此問題提供了一種可靠的解決方案。一些研究致力于運(yùn)用ML算法構(gòu)建低劑量CT降噪器,尤其是CNN[9-10]及生成對抗網(wǎng)絡(luò)結(jié)構(gòu)[11]。如Shan等[11]描述的GAN模型、Chen等[10]描述的3層CNN模型、Huang等[9]提出的兩階段殘差CNN等。最近,還有研究將ML算法直接用于圖像重建中,省去了重建后的降噪處理[12]。

    除了與CT系統(tǒng)設(shè)備及重建算法相關(guān)的噪聲外,運(yùn)動(dòng)偽影及高密度偽影也是導(dǎo)致圖像質(zhì)量較差的常見因素。Lossau等[13]提出一種名為CoMoFACT的模型,將合成運(yùn)動(dòng)偽影用于監(jiān)督學(xué)習(xí),實(shí)現(xiàn)對冠脈偽影的識(shí)別及量化。在此基礎(chǔ)上,訓(xùn)練后的CNN模型實(shí)現(xiàn)了對偽影的校正[14]。最近,該團(tuán)隊(duì)還提出了應(yīng)用3組CNN對起搏器造成的金屬偽影進(jìn)行消除的方法[15],該方法已在9例臨床案例中完成了測試,結(jié)果顯示金屬偽影明顯減少。除了卷積網(wǎng)絡(luò)外,還有研究使用U-net網(wǎng)絡(luò)修正正弦圖以達(dá)到抑制金屬偽影的目的[16]。

    雖然ML在CT降噪及偽影校正方面取得了可喜的結(jié)果,但仍面臨一些挑戰(zhàn)。ML模型需要基于大量有代表性的數(shù)據(jù)進(jìn)行訓(xùn)練,而部分研究對訓(xùn)練數(shù)據(jù)的質(zhì)量要求較高,獲取成本也較高,如上述金屬偽影案例,這限制了訓(xùn)練數(shù)據(jù)集的樣本量及多樣性,導(dǎo)致訓(xùn)練后的模型泛化能力不足。Lossau等[13]通過人工模擬偽影解決了樣本量不足的問題,但這種人為合成數(shù)據(jù)并不能代表所有真實(shí)的情況,樣本多樣性難以保證,在此情形下建立的模型是否會(huì)出現(xiàn)過度擬合問題令人擔(dān)憂。此外,對于常見影響CCTA圖像判讀的嚴(yán)重鈣化偽影及高密度支架偽影問題,相關(guān)研究較少。由于部分容積效應(yīng)的影響,高CT衰減值區(qū)域的管腔邊界不清,無法對其進(jìn)一步評(píng)估,往往會(huì)導(dǎo)致無效檢測或診斷準(zhǔn)確性下降。如何在高CT衰減值背景下實(shí)現(xiàn)管腔識(shí)別及分割可能是該領(lǐng)域未來的最大挑戰(zhàn)。

    2.2 在冠脈鈣化檢測中的應(yīng)用 冠脈鈣化檢測作為一種CAD的篩查工具,是心血管事件的有力預(yù)測因子。其檢測通常在非對比增強(qiáng)的心臟CT圖像中進(jìn)行,以質(zhì)量分?jǐn)?shù)[17]、體積分?jǐn)?shù)[18]或Agatston評(píng)分[19]來定量表示鈣化負(fù)荷,其中Agatston評(píng)分是最常用的冠脈鈣化積分(coronary artery calcium score,CACS)計(jì)算方法。目前已有許多半自動(dòng)化冠脈鈣化檢測方法,但仍離不開人工手動(dòng)標(biāo)注,而ML的引入為冠脈鈣化自動(dòng)檢測提供了更多可能性。

    冠脈鈣化檢測一般以130 HU為閾值對鈣化斑塊進(jìn)行識(shí)別及分割,其中對非冠脈鈣化的區(qū)分及鈣化位置特征的描述一直是兩大核心問題,特別是在非對比增強(qiáng)CT中,冠脈難以與周圍組織相區(qū)分。目前一些ML算法通過對病變紋理、體積、形狀等圖像特征進(jìn)行學(xué)習(xí),使用k-NN、SVM、CNN等分類器實(shí)現(xiàn)了對冠脈鈣化的識(shí)別。對于位置特征,Wolterink等[20]及Yang等[21]通過使用匹配的CCTA圖集進(jìn)行配準(zhǔn),獲取非對比增強(qiáng)圖像上的冠脈位置信息;Isgum等[22]通過設(shè)計(jì)地圖集為冠脈鈣化的空間特征提供概率信息;Shahzad等[23]將CCTA地圖集注冊到CT掃描中進(jìn)行冠脈位置估計(jì),引入標(biāo)準(zhǔn)化空間以獲得位置特征。

    與非對比增強(qiáng)CT不同,CCTA中由于對比劑的應(yīng)用使血管顯像更加明顯,其位置特征可以不必通過提取冠脈樹獲得。Wolterink等[24]通過在心臟周圍設(shè)置邊界框,使用CNN分類器直接對該區(qū)域中所有體素進(jìn)行識(shí)別,將體素在該區(qū)域內(nèi)的坐標(biāo)確定為位置特征。Lessmann等[25]提出的方法與之類似,但該方法主要應(yīng)用于低劑量胸部CT掃描而非CCTA掃描圖集中。最近還有研究回避了冠脈鈣化分割問 題[26],利用CNN結(jié)構(gòu)直接回歸計(jì)算CACS,將該方法應(yīng)用于903例心臟CT及1687例胸部CT掃描圖像中,獲得的CACS與人工測量的CACS的類內(nèi)相關(guān)系數(shù)達(dá)0.98,同時(shí),該方法可在0.3 s內(nèi)完成,計(jì)算效率遠(yuǎn)遠(yuǎn)超過其他方法。

    目前已有的研究多致力于開發(fā)不同的ML算法解決冠脈鈣化自動(dòng)識(shí)別問題,這些方法大多僅應(yīng)用于少量特定掃描圖集中,當(dāng)更換不同的掃描協(xié)議或CT掃描方案時(shí),其性能尚不可知。van Velzen等[27]在最新研究中納入用于低劑量肺癌篩查、正電子發(fā)射計(jì)算機(jī)斷層掃描(PET)衰減校正、放射治療計(jì)劃及常規(guī)診斷目的的掃描圖集,證實(shí)了深度學(xué)習(xí)算法在大量、多樣化CT檢查中的有效性。目前,臨床中應(yīng)用的冠脈鈣化檢測大多為半自動(dòng)檢測,需人工手動(dòng)校正。基于ML算法的冠脈鈣化全自動(dòng)檢測尚無統(tǒng)一的標(biāo)準(zhǔn)及規(guī)范化應(yīng)用,難以在臨床廣泛開展,尤其是在缺少大量手動(dòng)注釋影像作為訓(xùn)練集且掃描協(xié)議難以統(tǒng)一的背景下,這對ML在該領(lǐng)域的下一步應(yīng)用提出了巨大挑戰(zhàn)。

    2.3 在冠脈斑塊分析中的應(yīng)用 CCTA的主要作用是對冠脈斑塊進(jìn)行分析,從而獲得有指導(dǎo)意義的斑塊特征。有研究發(fā)現(xiàn),無癥狀患者中的斑塊負(fù)荷(包括其數(shù)量、大小、形態(tài)等)是未來心血管不良事件的預(yù)測因子[28]。斑塊分析通常在CT后處理系統(tǒng)中由人工手動(dòng)完成,其時(shí)間成本及人工成本十分昂貴,且具有一定的人為主觀性。ML基于數(shù)據(jù)進(jìn)行的分析在很大程度上可提高效率,彌補(bǔ)這一 缺點(diǎn)。

    由于斑塊分析僅在管腔內(nèi)進(jìn)行,部分斑塊自動(dòng)檢測方法更關(guān)注管腔及血管壁的分割,以此作為斑塊搜索的基礎(chǔ)。Zhou等[29]提出了一種冠脈多尺度響應(yīng)-滾動(dòng)球囊區(qū)域生長法(MSCAR-RBG)用于提取冠狀動(dòng)脈樹。Wei等[30]在此基礎(chǔ)上,通過學(xué)習(xí)血管壁徑向梯度的二維拓?fù)涮卣鱽頇z測非鈣化斑塊。Ghanem等[31]則將血管濾過器、區(qū)域生長與水平集算法相結(jié)合,分割血管壁來進(jìn)行斑塊檢測,是首個(gè)通過3D CCTA圖像數(shù)據(jù)輸入進(jìn)行管壁分割的框架。這些分割方法雖然有效地提取了管腔區(qū)域,使斑塊檢測更具有針對性,但其算法較為復(fù)雜,僅有少量研究開展。

    另外一種常見的思路是在沿冠脈中心線的管腔截面中提取形狀、強(qiáng)度及紋理特征,訓(xùn)練ML模型識(shí)別斑塊。Zuluaga等[32]提出基于強(qiáng)度特征識(shí)別血管異常值以檢測有無斑塊;Zhao等[33]引入隨機(jī)半徑對稱特征向量進(jìn)行不同斑塊類型的識(shí)別;Jawaid等[34]以平均徑向輪廓為特征檢測非鈣化斑塊。這幾種檢測方式均基于SVM模型進(jìn)行。Zreik等[35]則提出了一種組合算法框架,應(yīng)用CNN提取特征,通過遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)聚集特征,實(shí)現(xiàn)對斑塊類型及狹窄程度的檢測。

    目前大多數(shù)研究僅可實(shí)現(xiàn)對斑塊的粗略區(qū)分,即有無斑塊、斑塊類型(鈣化、非鈣化、混合斑塊)及有無狹窄等,僅有少量研究對特定斑塊類型進(jìn)行了檢測。如Yamak等[36]及Masuda等[37]對纖維斑塊及脂質(zhì)斑塊的檢測,Shi等[38]對易損斑塊的識(shí)別。Kolossváry等[39]提出了一種識(shí)別組織學(xué)定義的晚期粥樣硬化斑塊的方法,該方法通過將組織學(xué)圖像與體外CCTA掃描配準(zhǔn),確定CCTA上的參考標(biāo)準(zhǔn),提取冠脈橫斷面特征,使用線性分類器將病變分為晚期或早期動(dòng)脈粥樣硬化。不同斑塊類型對患者預(yù)后的影響不一,對高危斑塊進(jìn)行識(shí)別更有意義,但由于學(xué)習(xí)樣本有限,模型難以達(dá)到廣泛適用性。Kolossváry等[39]研究中的斑塊類型由組織學(xué)切片定義,僅納入7例患者的21根血管進(jìn)行建模及驗(yàn)證,Masuda等[37]研究則以血管內(nèi)超聲(intravascular ultrasound,IVUS)的結(jié)果作為斑塊分類標(biāo)準(zhǔn),均難以獲得大量樣本,這大大限制了同類型研究的進(jìn)一步開展。

    目前,國內(nèi)外均有使用基于ML的冠脈病變智能輔助診斷系統(tǒng),如以色列斑馬醫(yī)療研發(fā)的HealthCCS系統(tǒng)可針對鈣化斑塊進(jìn)行分析,于2018年經(jīng)美國FDA批準(zhǔn)上市;我國CoronaryDoc冠心病輔助診斷系統(tǒng)可對易損斑塊進(jìn)行分析,進(jìn)行冠脈血流動(dòng)力學(xué)評(píng)估并給出血運(yùn)重建術(shù)前規(guī)劃,現(xiàn)已進(jìn)入AI三類證綠色通道審批階段。此外,隨著更多的諸如“阿里AI”等人工智能平臺(tái)的迅速發(fā)展,預(yù)計(jì)未來將有更多的人工智能輔助診療產(chǎn)品應(yīng)用于臨床 實(shí)踐。

    3 ML在風(fēng)險(xiǎn)模型中的應(yīng)用

    風(fēng)險(xiǎn)模型多采用ML分類算法,已在臨床各領(lǐng)域得到廣泛應(yīng)用。常見的分類器包括RF、SVM、k-NN、決策樹、邏輯回歸及樸素貝葉斯。在心臟CT方面,ML主要使用回顧性數(shù)據(jù)建立預(yù)后模型,多用于預(yù)測疑似CAD患者的心血管不良事件,如Motwani等[40]及Ambale-Venkatesh等[41]的模型將臨床特征與CT影像特征相結(jié)合,van Rosendael等[42]及Johnson等[43]的模型則僅納入CT影像特征。其中,Johnson等[43]的研究基于16節(jié)段冠脈的4個(gè)特征,包括斑塊體積、鈣化程度、直徑狹窄率及有無正性重構(gòu),對DF、邏輯回歸、k-NN及分類神經(jīng)網(wǎng)絡(luò)4種模型進(jìn)行比較,結(jié)果顯示k-NN對結(jié)局的預(yù)測性能最佳,預(yù)測全因死亡的曲線下面積(area under curve,AUC)達(dá)0.77,預(yù)測冠心病死亡或非致死性心肌梗死的AUC達(dá)0.85。該研究還將k-NN評(píng)分與現(xiàn)有的非ML評(píng)分相比較,包括CAD-RADS、SSS、SIS、CT-Leaman及SPS,除SPS在冠心病死亡或非致死性心肌梗死事件中與k-NN無明顯差異外(AUC:0.84 vs. 0.85, P=0.37),其余評(píng)分的AUC均明顯低于k-NN(全因死亡:0.77 vs. 0.72~0.26,P<0.001;冠心病死亡或非致死性心肌梗死:0.85 vs. 0.80~0.83,P<0.001)。

    最近一項(xiàng)研究利用25個(gè)臨床特征建立驗(yàn)前概率模型,預(yù)測CCTA上阻塞型CAD的出現(xiàn),該模型在多國、多中心CONFIRM研究人群中應(yīng)用,結(jié)果顯示,與ML模型(AUC=0.773)、CAD聯(lián)盟評(píng)分(AUC=0.734)、CACS(AUC=0.866)、更新的Diamond-Forrester評(píng)分(UDF,AUC=0.682)相比,ML與CACS組合的預(yù)測性能最佳(AUC=0.881,P<0.05)[43]。

    ML用于風(fēng)險(xiǎn)模型的優(yōu)點(diǎn)在于:不基于先驗(yàn)假設(shè),即納入模型的特征不具有主觀偏向性,而是運(yùn)用算法對所有能獲得的信息進(jìn)行篩選,得到對結(jié)局有益的特征。如Motwani等[40]的研究中展示的信息增益排名、Al'Aref等[44]的研究中的特征重要性排名等。這有助于獲得更全面的信息,建立更精準(zhǔn)的模型。雖然ML算法的優(yōu)越性已被證實(shí),但不同算法的計(jì)算策略、效率及精準(zhǔn)度有所區(qū)別,目前尚缺乏大型研究對不同算法的性能進(jìn)行比較[44]。另外,風(fēng)險(xiǎn)模型的建立完全是由數(shù)據(jù)驅(qū)動(dòng)的,這需要有相對完整臨床信息的大樣本人群,同時(shí)要求有準(zhǔn)確的隨訪或診斷結(jié)果作為模型分類標(biāo)準(zhǔn)。由于我國目前臨床數(shù)據(jù)的收集及隨訪程序并不十分完善,因此在我國開展此類研究還存在一定困難。

    4 ML在CTP中的應(yīng)用

    CTP是最近幾年發(fā)展起來的一種新型功能學(xué)檢查,通過觀測對比劑在心肌中的灌注及流出情況評(píng)價(jià)心肌缺血程度,可分為靜態(tài)及動(dòng)態(tài)兩種模式,前者在首次灌注期間的單個(gè)時(shí)間點(diǎn)進(jìn)行圖像捕獲,而后者在灌注期間進(jìn)行多次掃描,可獲得完整的信號(hào)強(qiáng)度-時(shí)間曲線。檢測心肌在負(fù)荷狀態(tài)下的灌注情況,通常在動(dòng)態(tài)CTP中完成,多以藥物形式進(jìn)行 負(fù)荷。

    ML在CTP中的應(yīng)用尚不多見。Xiong等[45]采用訓(xùn)練好的Adaboost分類器在靜息CCTA掃描圖集中執(zhí)行左室自動(dòng)分割,并以標(biāo)準(zhǔn)化灌注強(qiáng)度、跨壁灌注比及心肌壁厚度3個(gè)特征訓(xùn)練ML模型,預(yù)測定量冠脈造影(quantitative coronary angiography,QCA)上>50%的狹窄病變。該研究將ML方法同時(shí)用于圖像分割及預(yù)測模型中,展示了ML模型組合應(yīng)用的可能性,然而其局限性在于,基于CTP的預(yù)測模型是以QCA結(jié)果為分類標(biāo)準(zhǔn)的,但QCA并不能反映狹窄的功能學(xué)意義。該團(tuán)隊(duì)的一項(xiàng)后續(xù)研究使用相似的分析及建模方法預(yù)測FFR上的顯著缺血,結(jié)果顯示,該方法的診斷準(zhǔn)確率達(dá)63.5%,與CT顯示的冠脈狹窄(AUC=0.68)相比,靜息CTP可明顯提高對缺血病變的識(shí)別能力(AUC=0.75,P=0.001)[46]。近期van Hamersvelt等[47]對冠脈中度狹窄的患者進(jìn)行研究,使用深度學(xué)習(xí)算法對患者的左室心肌形狀、紋理及對比度等圖像信息進(jìn)行提取,預(yù)測FFR定義的功能性狹窄,結(jié)果顯示與僅基于狹窄等級(jí)的分類相比,該方法提高了對缺血病變的識(shí)別能力(AUC:0.76 vs. 0.68)。

    在心肌灌注方面,ML更多應(yīng)用于SPECT中,而CTP在檢測小面積心內(nèi)膜下缺血及多血管病變等方面較SPECT心肌灌注更具優(yōu)勢。即便如此,一些問題仍亟待解決,如動(dòng)態(tài)CTP輻射暴露更大、對掃描硬件要求高、易受偽影影響(特別是線束硬化偽影),而靜態(tài)CTP對掃描時(shí)間的要求更為嚴(yán)格等,這些缺陷可能會(huì)成為未來ML改進(jìn)的立足點(diǎn)。另外,動(dòng)態(tài)CTP已被證明與未來不良心臟事件的發(fā)生相關(guān),可預(yù)測冠狀動(dòng)脈狹窄的預(yù)后[3],但目前尚缺少相關(guān)研究,將CTP特征引入預(yù)后模型可能會(huì)提高對相關(guān)患者的風(fēng)險(xiǎn)分層能力。

    5 ML在CT-FFR中的應(yīng)用

    CT-FFR是另一項(xiàng)很有前景的新興技術(shù),它以流體動(dòng)力學(xué)為計(jì)算基礎(chǔ),通過納維-斯托克斯方程(Navier-Stokes equations)將血液模擬為牛頓流體,在靜息CCTA圖像上,對心室、冠脈樹及主動(dòng)脈進(jìn)行三維重建,模擬冠脈最大充血狀態(tài),與冠脈血流量、管壁彈性等參數(shù)結(jié)合,計(jì)算狹窄遠(yuǎn)端冠脈內(nèi)的平均壓力與冠脈開口處主動(dòng)脈平均壓力的比值,獲得血流儲(chǔ)備分?jǐn)?shù)。

    最早提出的Heartflow模型于2014年經(jīng)FDA批準(zhǔn)用于臨床。該模型主要是基于計(jì)算流體力學(xué)(computational fluid dynamics,CFD),其臨床適用性已得到大量研究支持,最近Patel等[48]使用ADVANCE(Assessing Diagnostic Value of Non-invasive FFRCT in Coronary Care)注冊研究中接受CCTA患者的1年隨訪結(jié)果,評(píng)估基于Heartflow的CT-FFR對下游護(hù)理及臨床結(jié)局的影響,結(jié)果顯示,患者發(fā)生主要心血管不良事件(MACE)的比例較低,與CT-FFR>0.8的患者相比,CT-FFR≤0.8的患者發(fā)生心血管死亡或非致死性心肌梗死的風(fēng)險(xiǎn)明顯升高(RR=4.22,P=0.01)。然而,這種基于計(jì)算流體力學(xué)的方法對計(jì)算機(jī)硬件要求高,運(yùn)算耗時(shí)長,計(jì)算成本巨大,且其依賴于經(jīng)驗(yàn)?zāi)P停y以完成復(fù)雜病變的計(jì)算。我國基于深度學(xué)習(xí)的CT-FFR軟件DEEPVESSEL-FFR已于去年投產(chǎn)上市,這是國內(nèi)首個(gè)獲得AI智能醫(yī)療器械三類證的AI醫(yī)學(xué)影像產(chǎn)品,也是全球范圍內(nèi)第二款獲批上市的CT-FFR產(chǎn)品。不同于Heartflow模型依靠傳統(tǒng)的流場仿真技術(shù),DEEPVESSEL-FFR采用自主研發(fā)的深度學(xué)習(xí)技術(shù),將血流動(dòng)力學(xué)模型與深度神經(jīng)網(wǎng)絡(luò)結(jié)合,能夠高效、精準(zhǔn)地對全冠脈樹上任意一點(diǎn)的FFR值進(jìn)行計(jì)算,可以對復(fù)雜病變進(jìn)行評(píng)估,與壓力導(dǎo)絲測量的有創(chuàng)FFR具有良好的一致性(r=0.686,95%CI 0.567~0.799,P<0.001)[49]。此外,國內(nèi)外多家企業(yè)也一直致力于研發(fā)基于不同深度學(xué)習(xí)算法的CT-FFR模型,并相繼進(jìn)入臨床試驗(yàn)及醫(yī)療審查階段,如早期由Itu等[50]提出的cFFR模型,基于12 000多個(gè)具有不同狹窄程度的冠脈模型,構(gòu)建ML模型以學(xué)習(xí)解剖特征與使用CFD模型計(jì)算的FFR值之間的映射關(guān)系。該方法最大的優(yōu)點(diǎn)是使FFR計(jì)算時(shí)間明顯縮短,可達(dá)近乎實(shí)時(shí)的結(jié)果,且其對缺血性病變的診斷能力已得到證實(shí)[51-53],包括基于不同金標(biāo)準(zhǔn)[54-55]及對特定病變[56-57]的研究。近期Lossnitzer等[58]的一項(xiàng)研究表明,在CT-FFR>0.8的患者中,94%經(jīng)侵入性冠狀動(dòng)脈造影(invasive coronary angiography,ICA)證實(shí)為無阻塞型病變,cFFR的應(yīng)用可能會(huì)減少55%潛在的ICA轉(zhuǎn)診,有助于改善臨床下游管理。最近提出的uCT-FFR模型以侵入性FFR為金標(biāo)準(zhǔn),在9個(gè)中心的338例患者中進(jìn)行驗(yàn)證,診斷準(zhǔn)確率達(dá)91%,高于CCTA及ICA(P<0.001)[59]。

    傳統(tǒng)的有創(chuàng)FFR基于冠脈造影,其耗材昂貴,且需藥物擴(kuò)張血管,有一定風(fēng)險(xiǎn),而CT-FFR依賴于無創(chuàng)影像學(xué)檢查CCTA,在降低醫(yī)療成本的同時(shí),可精準(zhǔn)、快速、安全地進(jìn)行FFR分析,而ML算法的應(yīng)用為此提供了保障。與CCTA圖像分析類似,CT-FFR分析產(chǎn)生的誤差主要來源于圖像質(zhì)量干擾,包括CCTA圖像噪聲及重度彌漫鈣化偽影。目前有學(xué)者提出可應(yīng)用減影冠狀動(dòng)脈計(jì)算機(jī)斷層掃描(subtraction coronary computed tomography angiography,S-CCTA)來克服鈣化偽影的影響,或可提高CT-FFR在彌漫鈣化病變中的診斷性能[60]。另外,隨著仿真技術(shù)水平的提高,CT-FFR在提供病變功能學(xué)評(píng)估的同時(shí),還可進(jìn)行虛擬支架植入及虛擬搭橋仿真,為下游診療提供精準(zhǔn)預(yù)案。目前的研究多圍繞CT-FFR診斷性能進(jìn)行,少有預(yù)后研究評(píng)估不同模型的臨床應(yīng)用價(jià)值,我國正在開展一項(xiàng)CT-FFR影響穩(wěn)定型胸痛患者臨床決策的多中心隨機(jī)對照臨床研究(TARGET研究,ClinicalTrial.gov注冊號(hào):NCT03901326)[61],這將為該技術(shù)在我國的開展提供更多循證醫(yī)學(xué)依據(jù)。

    6 總結(jié)與展望

    ML是計(jì)算機(jī)科學(xué)高速發(fā)展的產(chǎn)物,它基于大數(shù)據(jù)計(jì)算,對潛在的事物規(guī)律進(jìn)行自主學(xué)習(xí),優(yōu)化了傳統(tǒng)計(jì)算模型,大幅提高了工作效率及質(zhì)量。目前,ML在實(shí)際應(yīng)用中面臨的挑戰(zhàn)主要源于算法及數(shù)據(jù)質(zhì)量兩個(gè)方面。其中在算法方面,尚缺少對不同模型的橫向比較研究,不同算法采取的建模思路與計(jì)算方式各異,需要考慮針對不同類型的臨床問題采取何種算法以取得最優(yōu)解,特別是對于目前尚在探索中的應(yīng)用領(lǐng)域,如重度鈣化、支架影的識(shí)別及CT-FFR診斷灰區(qū)等問題。在數(shù)據(jù)質(zhì)量方面,受限于臨床成本問題,高質(zhì)量、大樣本訓(xùn)練數(shù)據(jù)較難獲得,影響了以此為基礎(chǔ)建立的ML模型的泛化能力及穩(wěn)定性。對某些復(fù)雜問題,當(dāng)ML模型不具備解決能力時(shí),尚需人為干預(yù)及校正。

    近年來,隨著深度學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)等AI技術(shù)的不斷涌現(xiàn),影像組學(xué)的概念被提出,以概述從醫(yī)療影像中自動(dòng)提取高通量特征參數(shù),建立模型以進(jìn)行風(fēng)險(xiǎn)分層、輔助診療決策這一完整過程,其可視為AI在醫(yī)療影像評(píng)估中多個(gè)環(huán)節(jié)的組合應(yīng)用,并已逐漸成為目前臨床研究的大趨勢。在心臟CT領(lǐng)域,已有許多AI產(chǎn)品落地應(yīng)用,未來如何借助AI實(shí)現(xiàn)臨床患者診療路徑的優(yōu)化管理值得進(jìn)一步關(guān)注 研究。

    猜你喜歡
    特征模型研究
    一半模型
    FMS與YBT相關(guān)性的實(shí)證研究
    遼代千人邑研究述論
    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(jì)的漸近分布
    視錯(cuò)覺在平面設(shè)計(jì)中的應(yīng)用與研究
    科技傳播(2019年22期)2020-01-14 03:06:54
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    EMA伺服控制系統(tǒng)研究
    抓住特征巧觀察
    人妻系列 视频| 九九在线视频观看精品| 久久久久久九九精品二区国产| 美女主播在线视频| 欧美亚洲 丝袜 人妻 在线| 亚洲精品亚洲一区二区| 国产黄频视频在线观看| 国产精品无大码| 九九久久精品国产亚洲av麻豆| 日韩大片免费观看网站| 我的女老师完整版在线观看| 日韩中文字幕视频在线看片 | 国产精品伦人一区二区| 国产精品一区www在线观看| 久久久久国产精品人妻一区二区| 亚洲欧美清纯卡通| 777米奇影视久久| 欧美国产精品一级二级三级 | 亚洲伊人久久精品综合| 色吧在线观看| 少妇人妻久久综合中文| 日韩中文字幕视频在线看片 | 大香蕉97超碰在线| 免费观看的影片在线观看| 成人18禁高潮啪啪吃奶动态图 | 国产精品一区www在线观看| 99热这里只有是精品在线观看| 日本欧美国产在线视频| 丝袜脚勾引网站| 国产中年淑女户外野战色| 亚洲av综合色区一区| 亚洲美女搞黄在线观看| 乱码一卡2卡4卡精品| 91精品国产九色| 国产亚洲av片在线观看秒播厂| 久久婷婷青草| 日日摸夜夜添夜夜添av毛片| 亚洲经典国产精华液单| av在线蜜桃| 日本与韩国留学比较| 亚洲国产av新网站| 国产成人精品婷婷| 蜜臀久久99精品久久宅男| 观看av在线不卡| 成人国产av品久久久| 亚州av有码| 高清av免费在线| 一级毛片久久久久久久久女| 久久久久人妻精品一区果冻| 一区二区三区免费毛片| 99热6这里只有精品| 亚洲精品国产av蜜桃| 精品一区二区三卡| 日日摸夜夜添夜夜添av毛片| 国产精品一区二区三区四区免费观看| 国产在线免费精品| 22中文网久久字幕| 久久精品久久久久久噜噜老黄| 精品久久久久久久久av| 在线观看美女被高潮喷水网站| 久久久久久久精品精品| 国内精品宾馆在线| 香蕉精品网在线| 久久久a久久爽久久v久久| 熟女av电影| 国产精品久久久久久久电影| 日本与韩国留学比较| 亚州av有码| 狂野欧美激情性xxxx在线观看| 久久久国产一区二区| 黄色怎么调成土黄色| 美女cb高潮喷水在线观看| 日韩一区二区三区影片| 国产色爽女视频免费观看| 久久亚洲国产成人精品v| 在线天堂最新版资源| 久久精品人妻少妇| 少妇丰满av| 免费播放大片免费观看视频在线观看| a级毛色黄片| 久久精品国产鲁丝片午夜精品| 国产成人精品福利久久| 最黄视频免费看| av在线播放精品| 纯流量卡能插随身wifi吗| 欧美激情极品国产一区二区三区 | 精品人妻一区二区三区麻豆| 成人亚洲欧美一区二区av| 国产成人91sexporn| 欧美日韩国产mv在线观看视频 | 我要看日韩黄色一级片| 国产乱来视频区| 国产伦理片在线播放av一区| 欧美精品一区二区免费开放| 日本av手机在线免费观看| 欧美成人精品欧美一级黄| 人妻制服诱惑在线中文字幕| 欧美bdsm另类| 美女内射精品一级片tv| 尤物成人国产欧美一区二区三区| 九九在线视频观看精品| 自拍欧美九色日韩亚洲蝌蚪91 | 午夜免费观看性视频| 男女啪啪激烈高潮av片| 狂野欧美激情性xxxx在线观看| 美女高潮的动态| 国产在线免费精品| 久久久久久伊人网av| 婷婷色综合www| 日韩视频在线欧美| 亚洲激情五月婷婷啪啪| 中国国产av一级| 欧美成人精品欧美一级黄| 波野结衣二区三区在线| 99久久中文字幕三级久久日本| 免费观看的影片在线观看| 免费黄色在线免费观看| 99久久精品一区二区三区| 全区人妻精品视频| 亚州av有码| 国产黄色视频一区二区在线观看| 欧美高清成人免费视频www| 街头女战士在线观看网站| 黄色怎么调成土黄色| 蜜桃久久精品国产亚洲av| 亚洲成人av在线免费| 久久久久久久久大av| 日韩免费高清中文字幕av| 国产日韩欧美在线精品| 久久久久久九九精品二区国产| 亚洲国产精品一区三区| 香蕉精品网在线| 成人亚洲欧美一区二区av| 国产亚洲91精品色在线| 最近的中文字幕免费完整| 99re6热这里在线精品视频| 少妇丰满av| 日本一二三区视频观看| 免费人成在线观看视频色| 一区二区三区精品91| 久久久久久久精品精品| 亚洲av在线观看美女高潮| 免费观看av网站的网址| 夫妻午夜视频| 啦啦啦啦在线视频资源| 国产精品一区二区三区四区免费观看| 亚洲av.av天堂| av女优亚洲男人天堂| 蜜桃在线观看..| 亚洲成人中文字幕在线播放| 99久久综合免费| 国产大屁股一区二区在线视频| av在线蜜桃| 偷拍熟女少妇极品色| 99热这里只有精品一区| 99视频精品全部免费 在线| 大片电影免费在线观看免费| 亚洲欧美日韩另类电影网站 | 一级a做视频免费观看| 99热这里只有是精品在线观看| 国产精品一区二区三区四区免费观看| 亚州av有码| 韩国av在线不卡| www.av在线官网国产| 一级毛片 在线播放| 在线免费十八禁| 国产毛片在线视频| 国产精品av视频在线免费观看| 免费观看的影片在线观看| 日韩在线高清观看一区二区三区| 免费播放大片免费观看视频在线观看| 一本久久精品| 欧美变态另类bdsm刘玥| 最黄视频免费看| 99久国产av精品国产电影| 国产av一区二区精品久久 | 99热6这里只有精品| 女人久久www免费人成看片| 自拍欧美九色日韩亚洲蝌蚪91 | 国产在线视频一区二区| 97超视频在线观看视频| 少妇熟女欧美另类| 性高湖久久久久久久久免费观看| 日韩中文字幕视频在线看片 | 一区在线观看完整版| 日韩欧美精品免费久久| 日韩欧美一区视频在线观看 | 久久青草综合色| 久久久a久久爽久久v久久| 国产极品天堂在线| 99久久综合免费| 久久久精品免费免费高清| 亚洲天堂av无毛| 国内精品宾馆在线| 精品少妇黑人巨大在线播放| 最近最新中文字幕免费大全7| 免费在线观看成人毛片| 网址你懂的国产日韩在线| 国产成人精品婷婷| 蜜桃亚洲精品一区二区三区| 你懂的网址亚洲精品在线观看| 黑人猛操日本美女一级片| 国产91av在线免费观看| 三级国产精品欧美在线观看| 久久综合国产亚洲精品| 老师上课跳d突然被开到最大视频| 在线观看av片永久免费下载| 免费观看无遮挡的男女| 欧美97在线视频| 少妇人妻一区二区三区视频| 亚洲综合精品二区| 久久毛片免费看一区二区三区| 日韩中字成人| 久久久久网色| 久久鲁丝午夜福利片| 中国三级夫妇交换| 久久99热6这里只有精品| 高清午夜精品一区二区三区| 亚洲精品国产成人久久av| 嘟嘟电影网在线观看| 亚洲电影在线观看av| 18禁在线播放成人免费| 日日啪夜夜爽| 亚洲精品乱码久久久久久按摩| 最近中文字幕高清免费大全6| 九九爱精品视频在线观看| 午夜福利高清视频| 卡戴珊不雅视频在线播放| 精品视频人人做人人爽| 3wmmmm亚洲av在线观看| 成年人午夜在线观看视频| 国产精品一区二区三区四区免费观看| 国产亚洲午夜精品一区二区久久| 亚洲人成网站在线播| 欧美精品人与动牲交sv欧美| 卡戴珊不雅视频在线播放| 国产午夜精品一二区理论片| 九九久久精品国产亚洲av麻豆| 麻豆乱淫一区二区| 精品国产露脸久久av麻豆| 青青草视频在线视频观看| 精品久久久噜噜| 免费观看a级毛片全部| 国产精品久久久久久精品电影小说 | 国产v大片淫在线免费观看| 国产熟女欧美一区二区| 国产男人的电影天堂91| 国产淫片久久久久久久久| 国产白丝娇喘喷水9色精品| 国产亚洲午夜精品一区二区久久| 97在线人人人人妻| 久久99蜜桃精品久久| 我要看黄色一级片免费的| 国产欧美亚洲国产| 国产亚洲午夜精品一区二区久久| 97在线人人人人妻| 日本色播在线视频| 麻豆成人午夜福利视频| 国产高清不卡午夜福利| 国产精品精品国产色婷婷| 最近最新中文字幕大全电影3| 国产精品成人在线| 在现免费观看毛片| 男人舔奶头视频| 国产成人a∨麻豆精品| 午夜免费男女啪啪视频观看| 99久久中文字幕三级久久日本| 国产黄色视频一区二区在线观看| 成人亚洲欧美一区二区av| 少妇裸体淫交视频免费看高清| 免费少妇av软件| 看非洲黑人一级黄片| 日韩 亚洲 欧美在线| 全区人妻精品视频| 午夜免费鲁丝| 狠狠精品人妻久久久久久综合| 国产成人a区在线观看| 最后的刺客免费高清国语| 嘟嘟电影网在线观看| 欧美激情极品国产一区二区三区 | 国产高清国产精品国产三级 | 婷婷色综合大香蕉| 日韩成人av中文字幕在线观看| 国产精品一区www在线观看| 免费人成在线观看视频色| 搡女人真爽免费视频火全软件| 韩国av在线不卡| av在线蜜桃| 美女内射精品一级片tv| 国产在线视频一区二区| 我要看日韩黄色一级片| 亚洲丝袜综合中文字幕| 一级毛片 在线播放| 久久久久久久大尺度免费视频| 久久精品人妻少妇| 久久久色成人| 美女脱内裤让男人舔精品视频| 久久6这里有精品| 午夜免费男女啪啪视频观看| 一边亲一边摸免费视频| tube8黄色片| 最新中文字幕久久久久| 国产乱来视频区| av网站免费在线观看视频| 亚洲国产最新在线播放| www.av在线官网国产| 丰满迷人的少妇在线观看| 日韩电影二区| 五月玫瑰六月丁香| 精品亚洲乱码少妇综合久久| 久久精品久久久久久噜噜老黄| 日本黄色片子视频| 中文字幕av成人在线电影| 高清欧美精品videossex| .国产精品久久| 久久6这里有精品| 99国产精品免费福利视频| 精品一区在线观看国产| 中文字幕久久专区| 最近最新中文字幕免费大全7| 丝瓜视频免费看黄片| 亚洲欧美日韩无卡精品| 亚洲欧美日韩另类电影网站 | 一本久久精品| av福利片在线观看| 久久97久久精品| 97超碰精品成人国产| 五月玫瑰六月丁香| 最近最新中文字幕大全电影3| 日本wwww免费看| 国产91av在线免费观看| 日韩中字成人| 国产v大片淫在线免费观看| av播播在线观看一区| 久久久久精品性色| 在线天堂最新版资源| 毛片一级片免费看久久久久| 亚洲国产日韩一区二区| 观看美女的网站| 在线播放无遮挡| 国产视频首页在线观看| 秋霞伦理黄片| 精品久久国产蜜桃| 成人综合一区亚洲| 一级片'在线观看视频| av在线老鸭窝| 亚洲av男天堂| 国产在线一区二区三区精| 黄片wwwwww| 特大巨黑吊av在线直播| 美女主播在线视频| 天堂俺去俺来也www色官网| 久久精品人妻少妇| 97精品久久久久久久久久精品| 国产免费一级a男人的天堂| 亚洲四区av| 国产有黄有色有爽视频| 男男h啪啪无遮挡| www.av在线官网国产| 日韩成人av中文字幕在线观看| 亚洲,欧美,日韩| 国产综合精华液| 欧美老熟妇乱子伦牲交| 高清av免费在线| 男女无遮挡免费网站观看| 日韩中文字幕视频在线看片 | 久久影院123| 91精品一卡2卡3卡4卡| 精品久久国产蜜桃| 国产av一区二区精品久久 | 夜夜爽夜夜爽视频| 九色成人免费人妻av| 欧美一级a爱片免费观看看| 黑人高潮一二区| 在线观看人妻少妇| 亚洲自偷自拍三级| 大又大粗又爽又黄少妇毛片口| 亚洲精品色激情综合| 国产大屁股一区二区在线视频| 国产一区二区在线观看日韩| 蜜桃久久精品国产亚洲av| 日韩伦理黄色片| 亚洲国产成人一精品久久久| 日韩中字成人| 欧美成人午夜免费资源| 99热网站在线观看| 国产色爽女视频免费观看| 久久久久视频综合| 精品亚洲乱码少妇综合久久| 男女啪啪激烈高潮av片| 丰满迷人的少妇在线观看| 777米奇影视久久| 人妻少妇偷人精品九色| 国产午夜精品一二区理论片| 久久久久久久久大av| 成年av动漫网址| 日韩人妻高清精品专区| 国语对白做爰xxxⅹ性视频网站| 久久精品熟女亚洲av麻豆精品| 一区在线观看完整版| 97精品久久久久久久久久精品| 寂寞人妻少妇视频99o| 一二三四中文在线观看免费高清| 精品视频人人做人人爽| 国产成人91sexporn| 久久久色成人| 久久鲁丝午夜福利片| 深夜a级毛片| 午夜福利影视在线免费观看| 人人妻人人爽人人添夜夜欢视频 | 看十八女毛片水多多多| 国产国拍精品亚洲av在线观看| 久久久久久久大尺度免费视频| 欧美区成人在线视频| xxx大片免费视频| 日韩一区二区三区影片| 国产爱豆传媒在线观看| 亚洲人与动物交配视频| 街头女战士在线观看网站| 欧美 日韩 精品 国产| 国产精品av视频在线免费观看| 老师上课跳d突然被开到最大视频| av又黄又爽大尺度在线免费看| 夜夜爽夜夜爽视频| 狂野欧美激情性xxxx在线观看| 伦精品一区二区三区| 高清不卡的av网站| av天堂中文字幕网| 免费观看的影片在线观看| 亚洲av欧美aⅴ国产| 亚洲人与动物交配视频| 国产一区二区三区av在线| 香蕉精品网在线| 久久99热这里只有精品18| 国模一区二区三区四区视频| 成人亚洲精品一区在线观看 | 80岁老熟妇乱子伦牲交| 搡老乐熟女国产| 欧美+日韩+精品| 91精品伊人久久大香线蕉| 夜夜看夜夜爽夜夜摸| 国产老妇伦熟女老妇高清| 亚洲精品视频女| 日本黄色片子视频| 一区二区av电影网| 欧美一级a爱片免费观看看| av一本久久久久| 人人妻人人爽人人添夜夜欢视频 | 大片免费播放器 马上看| 精品视频人人做人人爽| 国产亚洲午夜精品一区二区久久| 久久毛片免费看一区二区三区| 人人妻人人添人人爽欧美一区卜 | 久久人人爽av亚洲精品天堂 | 日本欧美国产在线视频| 久久久亚洲精品成人影院| 妹子高潮喷水视频| 少妇丰满av| 少妇精品久久久久久久| 色哟哟·www| 国产精品99久久久久久久久| 一二三四中文在线观看免费高清| 国产精品久久久久久久电影| 欧美精品亚洲一区二区| av播播在线观看一区| 亚洲图色成人| 久久人人爽人人爽人人片va| 国产又色又爽无遮挡免| 日本爱情动作片www.在线观看| 亚洲成色77777| 中文字幕精品免费在线观看视频 | 久久久久久久大尺度免费视频| 亚洲av.av天堂| 久热这里只有精品99| 青青草视频在线视频观看| .国产精品久久| 国产精品久久久久久精品电影小说 | 性色avwww在线观看| 成人毛片60女人毛片免费| 久久人人爽人人片av| 欧美bdsm另类| 国产成人精品一,二区| 激情五月婷婷亚洲| 国产在线视频一区二区| 日本一二三区视频观看| 午夜福利在线在线| 纯流量卡能插随身wifi吗| 日韩三级伦理在线观看| 熟女av电影| 18禁在线无遮挡免费观看视频| 边亲边吃奶的免费视频| 亚洲精品456在线播放app| 我的女老师完整版在线观看| 少妇的逼水好多| 最近中文字幕高清免费大全6| 国产有黄有色有爽视频| 99热6这里只有精品| 成人国产麻豆网| 欧美一级a爱片免费观看看| 国产精品女同一区二区软件| h日本视频在线播放| 亚洲欧美中文字幕日韩二区| 免费观看a级毛片全部| 国产精品麻豆人妻色哟哟久久| 伦理电影免费视频| 一个人看的www免费观看视频| 久久久久精品性色| 婷婷色综合大香蕉| 国产日韩欧美在线精品| 青青草视频在线视频观看| 插逼视频在线观看| 一级黄片播放器| 男女下面进入的视频免费午夜| 99热这里只有是精品50| 青春草亚洲视频在线观看| 波野结衣二区三区在线| 欧美xxxx性猛交bbbb| 3wmmmm亚洲av在线观看| 国产成人精品一,二区| 天堂8中文在线网| 你懂的网址亚洲精品在线观看| a级毛色黄片| 国产精品一及| 国产伦理片在线播放av一区| 亚洲va在线va天堂va国产| 亚洲一区二区三区欧美精品| 亚洲人成网站在线播| 国产男女内射视频| 不卡视频在线观看欧美| 免费观看的影片在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲精品一区蜜桃| 国产精品免费大片| 欧美激情极品国产一区二区三区 | 欧美日韩精品成人综合77777| 欧美一级a爱片免费观看看| 久久久久久久精品精品| 在线看a的网站| 成人二区视频| 国产成人精品婷婷| 九草在线视频观看| 简卡轻食公司| 99热国产这里只有精品6| 大又大粗又爽又黄少妇毛片口| 91在线精品国自产拍蜜月| 两个人的视频大全免费| 国产91av在线免费观看| 九色成人免费人妻av| 亚洲中文av在线| 欧美xxxx性猛交bbbb| 菩萨蛮人人尽说江南好唐韦庄| 欧美变态另类bdsm刘玥| 亚洲国产最新在线播放| 国产精品成人在线| 久久国产精品男人的天堂亚洲 | 久久人妻熟女aⅴ| 嘟嘟电影网在线观看| 高清av免费在线| 看十八女毛片水多多多| 久久人人爽人人片av| 国产成人91sexporn| 亚洲国产精品999| 一本久久精品| 日本色播在线视频| 国产欧美日韩精品一区二区| 久久 成人 亚洲| 欧美精品人与动牲交sv欧美| 国产在线一区二区三区精| 亚洲av电影在线观看一区二区三区| 色网站视频免费| 免费看av在线观看网站| 一边亲一边摸免费视频| 一个人看的www免费观看视频| 韩国av在线不卡| 爱豆传媒免费全集在线观看| 国产欧美亚洲国产| 少妇 在线观看| 中国三级夫妇交换| 看免费成人av毛片| 亚洲欧美日韩另类电影网站 | 如何舔出高潮| 国产精品免费大片| 欧美日韩综合久久久久久| 亚洲成人一二三区av| 欧美精品国产亚洲| 少妇高潮的动态图| 97精品久久久久久久久久精品| 十分钟在线观看高清视频www | 精品国产露脸久久av麻豆| 免费看日本二区| 多毛熟女@视频| 国产有黄有色有爽视频| 国产精品蜜桃在线观看| 国产精品三级大全| 国产精品一区二区在线观看99| 韩国av在线不卡| 亚洲精品乱久久久久久| 一个人看视频在线观看www免费| 欧美xxxx黑人xx丫x性爽| 欧美精品一区二区大全| 国产无遮挡羞羞视频在线观看| 777米奇影视久久| 亚洲色图av天堂| 国产精品熟女久久久久浪| 久久99蜜桃精品久久| 国产在线一区二区三区精| 黄色怎么调成土黄色| 国产乱人视频| videos熟女内射| 久久人人爽av亚洲精品天堂 | 欧美3d第一页| 国产精品欧美亚洲77777| 亚洲经典国产精华液单| 亚洲成人一二三区av| 九色成人免费人妻av|