• <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 ?

    空洞殘差U型網(wǎng)絡(luò)用于視網(wǎng)膜血管分割

    2021-04-12 05:19:34胡揚(yáng)濤李世成易玉根

    胡揚(yáng)濤,裴 洋,林 川,李世成,易玉根

    1.中國人民解放軍聯(lián)勤保障部隊(duì) 第908醫(yī)院眼科,南昌 330002

    2.江西師范大學(xué) 軟件學(xué)院,南昌 330022

    青光眼是世界上第一種不可逆轉(zhuǎn)的致盲性眼科疾病,也是成為世界上第二大致盲疾病。青光眼疾病的早期并沒有明顯的癥狀,往往到晚期才會暴露出來,但一旦發(fā)生將不可逆轉(zhuǎn)。由于其隱蔽性強(qiáng)、致盲率高以及危害性大,因此,眼科醫(yī)生強(qiáng)調(diào)及時(shí)進(jìn)行眼底檢查,并盡早發(fā)現(xiàn)和早治療。在臨床試驗(yàn)中,醫(yī)生通常是通過觀察視杯和視網(wǎng)膜面積的結(jié)構(gòu)變化以及視網(wǎng)膜血管的變化來篩選和診斷青光眼。然而,傳統(tǒng)的方法是將眼底圖像與醫(yī)生的主觀醫(yī)學(xué)經(jīng)驗(yàn)相結(jié)合,費(fèi)時(shí)費(fèi)力且重復(fù)性高,還極容易造成檢查結(jié)果存在差異。此外,尤其在邊遠(yuǎn)地區(qū),受醫(yī)療設(shè)備和臨床眼科醫(yī)生的限制,患者在眼底檢查中更是容易出現(xiàn)誤診與漏診現(xiàn)象。近年來,隨著人工智能與計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展和應(yīng)用,計(jì)算機(jī)輔助診斷技術(shù)將圖像處理和深度學(xué)習(xí)技術(shù)相結(jié)合,通過模擬人腦神經(jīng)元的工作模式建立網(wǎng)絡(luò)模型,實(shí)現(xiàn)對眼底疾病的智能輔助篩查和診斷[1]。計(jì)算機(jī)輔助診斷首先從眼底圖像中分割視網(wǎng)膜血管、視盤和視杯結(jié)構(gòu),然后分析各結(jié)構(gòu)的變化以篩選青光眼疾病。因此,視網(wǎng)膜血管分割在輔助診斷過程中起著關(guān)鍵性的作用。

    盡管現(xiàn)有的分割方法可以分割出視網(wǎng)膜血管的結(jié)構(gòu),但仍存在精度低、靈敏度差和分割區(qū)域錯(cuò)誤等問題。針對上述問題,本文旨在利用深度學(xué)習(xí)技術(shù)對視網(wǎng)膜血管結(jié)構(gòu)進(jìn)行準(zhǔn)確分割,協(xié)助眼科醫(yī)生進(jìn)行青光眼診斷,防止青光眼導(dǎo)致的失明。

    1 相關(guān)工作

    目前研究者提出大量的血管分割方法,大概可以分為基于傳統(tǒng)的方法和基于深度學(xué)習(xí)的方法[2]。

    1.1 基于傳統(tǒng)分割方法

    基于傳統(tǒng)的分割算法大致可以分為基于區(qū)域分割的方法、基于邊緣檢測的方法、基于形態(tài)學(xué)的方法、基于活動(dòng)輪廓模型的方法、基于機(jī)器學(xué)習(xí)的方法[3]。

    基于區(qū)域的分割方法[4]主要根據(jù)區(qū)域特征的相似性進(jìn)行分割,即將相似性較強(qiáng)的區(qū)域像素劃分為相同區(qū)域。該類方法又可以分為基于閾值的方法和基于區(qū)域生長的方法兩大類?;陂撝档姆椒ㄊ且环N簡單且常用的方法,其思想是通過選取一定閾值,然后將每個(gè)像素與閾值作比較進(jìn)行分類。該方法被廣泛應(yīng)用于灰度圖像的分割,但其對于峰值不明顯的圖像分割效果較差。此外,閾值選擇在很大程度上影響其分割結(jié)果,因此如何選擇閾值成為核心問題。目前包括迭代閾值法、直方圖閾值法以及最大類間方差法等大量方法被提出。例如,文獻(xiàn)[5]首先對圖像背景進(jìn)行均勻化和降噪,然后采用自適應(yīng)局部閾值方法對血管圖進(jìn)行粗逼近,最后通過曲率分析和形態(tài)重建進(jìn)行細(xì)分割估計(jì)視網(wǎng)膜血管。基于區(qū)域生長的方法主要根據(jù)事先定義的生長準(zhǔn)則,以一組“種子”點(diǎn)為起點(diǎn),逐步通過加入相鄰的像素或者區(qū)域擴(kuò)大其區(qū)域,直到達(dá)到條件停止區(qū)域擴(kuò)充。該方法簡單且無需任何先驗(yàn)知識,因此被廣泛應(yīng)用于復(fù)雜的圖像分割任務(wù)中。但由于它屬于一種迭代的方法,將會造成極大的空間與時(shí)間開銷。此外,“種子”點(diǎn)的選擇是該類方法成功的關(guān)鍵。例如,文獻(xiàn)[6]使用各向異性擴(kuò)散濾光器來平滑圖像并保持血管邊界,然后利用區(qū)域生長方法和水平集方法實(shí)現(xiàn)視網(wǎng)膜血管分割。

    基于邊緣檢測的方法[7]主要是利用圖像不同區(qū)域交界處有著明顯的屬性變化的特性。該類方法首先根據(jù)一定算法確定圖像中的邊緣像素,然后將它們按照一定的規(guī)則連接起來形成特定的區(qū)域邊界,最后利用邊緣的灰度和紋理等特征的不連續(xù)性檢測邊緣,從而實(shí)現(xiàn)圖像分割。因此,該類方法的核心問題是如何確定邊緣像素。目前常用的方法包括基于一階或者二階的圖像微分算子、基于區(qū)域的Hough 變換方法、基于參數(shù)模型的擬合算子方法等[7]。

    基于形態(tài)學(xué)的方法主要利用一組形態(tài)學(xué)基本運(yùn)算原則(如:腐蝕與膨脹、開閉操作、高低帽變換等),進(jìn)行緣檢測和特征提取。文獻(xiàn)[8]采用基于多方向多結(jié)構(gòu)元素的形態(tài)學(xué)進(jìn)行血管與其背景的分離,然后采用基于滯后閾值引導(dǎo)形態(tài)學(xué)操作排除二值圖像中干擾區(qū)域。文獻(xiàn)[9]提出改進(jìn)的形態(tài)學(xué)與Otsu相結(jié)合的無監(jiān)督視網(wǎng)膜血管分割算法,首先運(yùn)用高低帽變換增強(qiáng)血管與背景的對比度,然后通過修正方法消除由視網(wǎng)膜疾病引起的光照問題,最后使用Otsu閾值方法分割血管。

    基于活動(dòng)輪廓模型的方法則通過設(shè)計(jì)不同的能量函數(shù)驅(qū)動(dòng)活動(dòng)輪廓線向血管邊界處演化,實(shí)現(xiàn)血管的分割。該類方法雖然精度高且穩(wěn)定,但其運(yùn)算量大,不適用于大規(guī)模數(shù)據(jù)集。文獻(xiàn)[10]提出一種新的無限活動(dòng)輪廓模型,該模型使用圖像的混合區(qū)域信息。

    基于機(jī)器學(xué)習(xí)的血管分割方法主要是針對血管結(jié)構(gòu)定義不同于眼底圖像中其他區(qū)域的特征向量,然后采用有監(jiān)督、無監(jiān)督以及半監(jiān)督學(xué)習(xí)算法,將圖像像素分成血管或非血管像素,從而實(shí)現(xiàn)血管的分割[11]。文獻(xiàn)[12]提出一種基于多特征融合的有監(jiān)督視網(wǎng)膜血管提取方法,該方法首先提取不同類型的特征,然后通過隨機(jī)森林訓(xùn)練視網(wǎng)膜血管分類器,最后根據(jù)血管圖像灰度信息和連通域信息進(jìn)行后續(xù)處理得到最終的血管。文獻(xiàn)[13]給出基于極限學(xué)習(xí)機(jī)快速的血管提取方法。綜述性文獻(xiàn)[14]給出了大量基于機(jī)器學(xué)習(xí)的血管提取方法。

    1.2 基于深度學(xué)習(xí)的分割方法

    受深度學(xué)習(xí)在自然圖像分類、自然語言處理等領(lǐng)域的成功應(yīng)用,基于深度學(xué)習(xí)的圖像分割方法也隨之發(fā)展起來?;谏疃葘W(xué)習(xí)的圖像分割方法主要利用深度學(xué)習(xí)模型提取原始圖像的深度特征,然后結(jié)合不同的分類器實(shí)現(xiàn)血管分割[15-16]。文獻(xiàn)[17]中介紹了大量的方法,本文主要簡單回顧基于特征編碼和基于上采樣這兩類方法。

    在基于特征編碼方法中,VGGNet[18]和ResNet[19]是兩種非常重要的網(wǎng)絡(luò)結(jié)構(gòu)。VGGNet主要由大小3×3的卷積核和2×2 的最大池化層疊加而成,構(gòu)建16~19 層深度的卷積神經(jīng)網(wǎng)絡(luò),其優(yōu)點(diǎn)可以解決傳統(tǒng)網(wǎng)絡(luò)加深產(chǎn)生參數(shù)爆炸的問題。ResNet 的核心思想是引入了恒等映射,直接將原始的輸入信息傳輸?shù)较乱粚?,并在過程中只能學(xué)習(xí)前一個(gè)網(wǎng)絡(luò)輸出的殘差。因此解決了隨著深度學(xué)習(xí)網(wǎng)絡(luò)加深導(dǎo)致的梯度消失的問題。

    基于上采樣方法中,全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Network,F(xiàn)CN)[20]和U 型網(wǎng)絡(luò)(U-Net)[21]是兩個(gè)具有代表性的網(wǎng)絡(luò)模型。該類方法在采樣過程中會損失部分信息,從而得到更為重要的特征,因此在一定程度上通過上采樣操作可以得到更精確的分割邊界。但此過程是不可逆轉(zhuǎn)的,有時(shí)甚至?xí)?dǎo)致圖像分辨率低以及細(xì)節(jié)丟失。FCN 方法是一種反卷積-升采樣結(jié)構(gòu),其核心思想是經(jīng)過采樣擴(kuò)大像素,再進(jìn)行卷積并通過學(xué)習(xí)獲得權(quán)值。其優(yōu)點(diǎn)是可以接受任意大小的輸入圖像,并保留其空間信息,解決了圖像語義級分割問題。但由于每個(gè)像素的上采樣都是單獨(dú)分開執(zhí)行的,因此沒有考慮像素之間的關(guān)系和缺乏空間一致性,從而導(dǎo)致部分結(jié)果模糊以及對圖像細(xì)節(jié)處理不敏感。U-Net 是FCN 的改進(jìn)網(wǎng)絡(luò)模型,它主要由收縮路徑(特征提?。┖蛿U(kuò)展路徑(上采樣)兩部分組成。收縮路徑部分用于捕獲圖像中的上下文信息,而上采樣部分則用于恢復(fù)圖像位置信息。U-Net能夠訓(xùn)練相對較少的數(shù)據(jù)樣本獲得較好的性能,因此,U-Net被廣泛應(yīng)用于醫(yī)學(xué)相關(guān)領(lǐng)域。隨著深度學(xué)習(xí)的快速發(fā)展,大量基于深度學(xué)習(xí)的血管分割方法也被提出[17]。例如:Fu 等[22]提出基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)和全連通條件隨機(jī)域(Conditional Random Field,CRF)的視網(wǎng)膜血管分割方法,該方法利用CNN 和CRF 集成深度學(xué)習(xí)網(wǎng)絡(luò)用來分割視網(wǎng)膜血管。梁禮明等[23]提出一種融合DenseNet和U-Net兩個(gè)模型的視網(wǎng)膜血管分割算法,提高了視網(wǎng)膜血管的分割準(zhǔn)確性。Gu等[24]提出一種上下文編碼器網(wǎng)絡(luò)(Context Encoder Network,CE-Net)來捕獲更多高級信息用于2D醫(yī)學(xué)圖像分割。

    2 空洞殘差U型網(wǎng)絡(luò)

    U 型網(wǎng)絡(luò)(U-Net)[21]是一種基于像素級別的語義分割網(wǎng)絡(luò),對醫(yī)學(xué)圖像等小型圖像數(shù)據(jù)集表現(xiàn)出較好的分割性能。因此,將U-Net 作為基本框架,能夠很好的解決小樣本問題。但U-Net 由收縮路徑和擴(kuò)張路徑兩條路徑組成,收縮路徑通過下采樣操作逐漸減小圖像的空間維度,而擴(kuò)張路徑通過上采樣操作逐漸修復(fù)對象的細(xì)節(jié)和空間維度。因此,在經(jīng)過卷積和下采樣后會存在梯度消失、結(jié)構(gòu)信息丟失、損耗等問題。針對上述問題,本文引入殘差網(wǎng)絡(luò)(ResNet)和空洞卷積(Atrous Convolution)模塊,將其整合到U-Net網(wǎng)絡(luò)中,提出一種新的網(wǎng)絡(luò)結(jié)構(gòu)稱為空洞殘差U 型網(wǎng)絡(luò)(AR-Unet),該網(wǎng)絡(luò)體系結(jié)構(gòu)如圖1所示。AR-Unet能夠在不損失信息的情況下進(jìn)一步擴(kuò)大感受野和提高物體之間的相關(guān)性,從而提高血管分割的性能。

    為了清晰地對AR-Unet的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行描述,將圖1 中的AR-Unet 結(jié)構(gòu)簡化為如圖2 所示。圖2 中A 和C分別表示收縮路徑(特征提?。┖蛿U(kuò)展路徑(上采樣)部分,且每部分又分別由四個(gè)小模塊組成。不同于原始的U-Net,為了減少結(jié)構(gòu)信息丟失損耗和加快網(wǎng)絡(luò)收斂,將A 部分中每個(gè)模塊的第二個(gè)卷積模塊(Conv)替換為殘差模塊(Resnet Block)得到新的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示,殘差模塊定義為如圖4 所示。B 部分將原先的卷積層模塊替換為空洞卷積模塊,擴(kuò)大感受野,提高物體間相關(guān)性,其結(jié)構(gòu)如圖5 所示。C 中的每個(gè)模塊結(jié)構(gòu)如圖6所示。

    圖1 AR-Unet體系結(jié)構(gòu)

    圖2 AR-Unet模型分塊圖

    圖3 收縮路徑結(jié)構(gòu)圖

    圖4 ResNet Block結(jié)構(gòu)圖

    圖5 擴(kuò)張路徑結(jié)構(gòu)圖

    圖6 空洞卷積結(jié)構(gòu)圖

    3 實(shí)驗(yàn)

    首先介紹三個(gè)常用的數(shù)據(jù)集和多個(gè)重要的性能評價(jià)指標(biāo);然后,介紹實(shí)驗(yàn)平臺和實(shí)驗(yàn)參數(shù)配置;最后,設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證AR-Unet方法的性能,并且與最新方法進(jìn)行比較。

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    為了驗(yàn)證AR-Unet的有效性,實(shí)驗(yàn)中采用了DRIVE[25]、STARE[26]和CHASE[27]三個(gè)數(shù)據(jù)集,每個(gè)數(shù)據(jù)集包含兩組專家手動(dòng)標(biāo)記血管的圖像。本實(shí)驗(yàn)中使用第一組作為標(biāo)準(zhǔn)進(jìn)行訓(xùn)練和測試,具體信息如表1 所示,從表中可知每個(gè)數(shù)據(jù)集的圖像數(shù)量較少且分辨率高。

    表1 實(shí)驗(yàn)中所采用的數(shù)據(jù)庫具體信息

    3.2 評價(jià)指標(biāo)

    實(shí)驗(yàn)中采用準(zhǔn)確度(Accuracy,ACC)、精度(Precision,PPV)、真陽率(True Positive Rate,TPR)、假陽率(False Positive Rate,F(xiàn)PR)、真陰率(True Negative Rate,TNR)、F-measure(F1)、Jaccard相似度和AUC等評價(jià)指標(biāo)對分割算法的性能進(jìn)行分析,其定義分別如下:

    其中,真陽性數(shù)(TP)表示將正例預(yù)測為正例的數(shù)量,假陽性數(shù)(FP)表示將負(fù)例預(yù)測為正例的數(shù)量,假陰性數(shù)(FN)表示將負(fù)例預(yù)測為負(fù)例的數(shù)量,真陰性數(shù)(TN)表示將正例預(yù)測為負(fù)例的數(shù)量,SR 代表實(shí)際分割結(jié)果,GT 代表真實(shí)結(jié)果。各項(xiàng)評價(jià)指標(biāo)的值越大,說明算法性能越好。

    3.3 實(shí)驗(yàn)配置及參數(shù)設(shè)置

    AR-Unet 模型開發(fā)集成環(huán)境為PyCharm,基于Tesnorflow 的Keras 框架。運(yùn)行平臺為Window 系統(tǒng),GPU 為GeForce RTX 2080,內(nèi)存32 GB。采用Adam優(yōu)化方法對參數(shù)進(jìn)行優(yōu)化,學(xué)習(xí)率設(shè)定為0.001,損失函數(shù)采用交叉熵。實(shí)驗(yàn)迭代訓(xùn)練次數(shù)為200 次,batch_size為4。

    3.4 實(shí)驗(yàn)結(jié)果與分析

    首先,本文將AR-Unet與U-Net、U-Net*兩種模型進(jìn)行比較,其中U-Net*是指在U-Net 的池化操作后增加Dropout 層,防止過擬合現(xiàn)象。實(shí)驗(yàn)結(jié)果如表2~4 所示。實(shí)驗(yàn)結(jié)果表現(xiàn)AR-Unet 在大多數(shù)指標(biāo)上都達(dá)到了最佳。在DRIVE數(shù)據(jù)集中,AR-Unet在TPR、F1和AUC三個(gè)指標(biāo)要明顯高于U-Net 和U-Net*,指標(biāo)JS 和ACC也要稍微高于U-Net 和U-Net*。在STARE 數(shù)據(jù)集中,AR-Unet在TPR、F1和AUC三個(gè)指標(biāo)要明顯高于U-Net和U-Net*,指標(biāo)PPV、JS 和ACC 也要稍微高于U-Net 和U-Net*。在CHASE 數(shù)據(jù)集中,AR-Unet 在TNR、JS、ACC和AUC四個(gè)指標(biāo)要略高于U-Net和U-Net*??傮w而言,實(shí)驗(yàn)結(jié)果表明AR-Unet方法具有較好的視網(wǎng)膜血管分割性能。

    表2 在DRIVE數(shù)據(jù)集上性能比較

    表3 在STARE數(shù)據(jù)集上性能比較

    表4 在CHASE數(shù)據(jù)集上性能比較

    圖7~9 列出了U-Net、U-Net*和AR-Unet 三個(gè)網(wǎng)絡(luò)模型在三個(gè)數(shù)據(jù)集上的視網(wǎng)膜血管分割的可視化結(jié)果。AR-Unet可以很好地分割出了U-net和U-net*部分丟失的細(xì)微血管,并保留了更多的血管中的細(xì)節(jié)。因此,其結(jié)果進(jìn)一步驗(yàn)證了AR-Unet對于低對比度的視網(wǎng)膜血管具有一定的魯棒性。

    圖7 在DRIVE數(shù)據(jù)集上的分割結(jié)果

    圖8 在STARE數(shù)據(jù)集上的分割結(jié)果

    圖9 在CHASE數(shù)據(jù)集上的分割結(jié)果

    其次,將AR-Unet方法與當(dāng)前具有代表性的方法進(jìn)行比較。在三個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如表5~7所示,其中對比方法的實(shí)驗(yàn)結(jié)果來自于相應(yīng)的參考文獻(xiàn),表中“—”表示參考文獻(xiàn)沒有給出相應(yīng)的結(jié)果。實(shí)驗(yàn)結(jié)果表明,AR-Unet方法在視網(wǎng)膜血管分割任務(wù)上的性能要優(yōu)于其他對比方法。

    表5 在DRIVE數(shù)據(jù)集上與其他方法的比較

    表6 在STARE數(shù)據(jù)集上與其他方法的比較

    表7 在CHASE數(shù)據(jù)集上與其他方法的比較

    4 結(jié)束語

    目前大部分方法能夠準(zhǔn)確分割出視網(wǎng)膜血管結(jié)構(gòu),但血管分割時(shí)仍然存在部分信息丟失導(dǎo)致部分微小血管不能很好的分割出來的問題,為此,本文提出一種新的網(wǎng)絡(luò)稱為AR-Unet。首先主要通過結(jié)合U-net和殘差網(wǎng)絡(luò),AR-Unet 網(wǎng)絡(luò)能夠很好地處理結(jié)構(gòu)信息丟失、損耗等問題。然后,通過增加空洞卷積模塊,在不損失信息的情況下,擴(kuò)大了感受野,提高物體之間的相關(guān)性,AR-Unet 網(wǎng)絡(luò)使得血管分割更加精確。在三個(gè)公開數(shù)據(jù)集上與目前具有代表性的方法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表示AR-Unet 方法在大多數(shù)性能評價(jià)指標(biāo)優(yōu)于對比方法。由于醫(yī)學(xué)圖像人工標(biāo)注費(fèi)時(shí)費(fèi)力,導(dǎo)致樣本較少,通過數(shù)據(jù)增強(qiáng)也只能增加部分樣本。因此,未來工作將考慮通過生成式對抗網(wǎng)絡(luò)(GAN)來增加數(shù)據(jù)樣本。

    国产在线一区二区三区精| 黄频高清免费视频| 欧美 日韩 精品 国产| 亚洲精品国产av成人精品| 又粗又硬又长又爽又黄的视频| 国产极品天堂在线| 最近中文字幕2019免费版| 午夜福利,免费看| tube8黄色片| 欧美成人精品欧美一级黄| 精品少妇一区二区三区视频日本电影 | 欧美日韩视频精品一区| 亚洲婷婷狠狠爱综合网| 婷婷色麻豆天堂久久| 90打野战视频偷拍视频| 亚洲欧美成人精品一区二区| 日本91视频免费播放| 天堂俺去俺来也www色官网| 又黄又粗又硬又大视频| 免费观看无遮挡的男女| 青春草亚洲视频在线观看| 久久久国产一区二区| av又黄又爽大尺度在线免费看| 人人妻人人澡人人看| 亚洲av欧美aⅴ国产| 日韩熟女老妇一区二区性免费视频| 国产精品香港三级国产av潘金莲 | 亚洲av日韩在线播放| 看免费成人av毛片| av视频免费观看在线观看| 丝袜喷水一区| 三上悠亚av全集在线观看| 97精品久久久久久久久久精品| 亚洲欧美一区二区三区久久| av国产精品久久久久影院| 国产高清国产精品国产三级| 国产97色在线日韩免费| 亚洲天堂av无毛| 久久精品国产亚洲av高清一级| 久久久久久久久久人人人人人人| 国产成人午夜福利电影在线观看| 亚洲图色成人| 如何舔出高潮| 国产成人aa在线观看| 亚洲国产色片| 精品卡一卡二卡四卡免费| 日本av手机在线免费观看| 日本av手机在线免费观看| 色视频在线一区二区三区| 一级毛片电影观看| 欧美中文综合在线视频| 一边亲一边摸免费视频| 极品人妻少妇av视频| 91aial.com中文字幕在线观看| 1024视频免费在线观看| 性高湖久久久久久久久免费观看| 欧美黄色片欧美黄色片| 亚洲欧美成人精品一区二区| 在线观看免费视频网站a站| 美女中出高潮动态图| 涩涩av久久男人的天堂| 久久人人97超碰香蕉20202| 国产日韩欧美视频二区| 少妇 在线观看| 美女xxoo啪啪120秒动态图| 精品国产一区二区久久| av在线观看视频网站免费| 午夜福利网站1000一区二区三区| 看免费成人av毛片| 国产探花极品一区二区| 亚洲,欧美,日韩| 老汉色av国产亚洲站长工具| 亚洲第一青青草原| 精品少妇黑人巨大在线播放| 午夜福利,免费看| 成年女人在线观看亚洲视频| 男女午夜视频在线观看| 伊人久久大香线蕉亚洲五| 99热全是精品| a级毛片黄视频| 久久久久网色| 色婷婷久久久亚洲欧美| 日本猛色少妇xxxxx猛交久久| 亚洲国产av新网站| 日韩一卡2卡3卡4卡2021年| 久久女婷五月综合色啪小说| 日韩视频在线欧美| 精品少妇一区二区三区视频日本电影 | 久久毛片免费看一区二区三区| 蜜桃国产av成人99| 日韩一区二区三区影片| 国产 精品1| 超碰成人久久| 久久国内精品自在自线图片| 夜夜骑夜夜射夜夜干| 女性被躁到高潮视频| 免费日韩欧美在线观看| 2021少妇久久久久久久久久久| 国产在视频线精品| 午夜老司机福利剧场| 丰满少妇做爰视频| 午夜日韩欧美国产| 99九九在线精品视频| 午夜免费观看性视频| 新久久久久国产一级毛片| 午夜福利视频在线观看免费| 亚洲欧美色中文字幕在线| av在线老鸭窝| 国产xxxxx性猛交| 久久久国产欧美日韩av| 人妻 亚洲 视频| 欧美激情 高清一区二区三区| 亚洲精品美女久久av网站| 国产男女超爽视频在线观看| 久久99一区二区三区| 18在线观看网站| 婷婷色综合大香蕉| 极品人妻少妇av视频| 日韩三级伦理在线观看| www.精华液| 美女xxoo啪啪120秒动态图| 嫩草影院入口| 2021少妇久久久久久久久久久| 亚洲五月色婷婷综合| 久久人人97超碰香蕉20202| 日韩视频在线欧美| 亚洲在久久综合| 美女高潮到喷水免费观看| 香蕉丝袜av| 久久久亚洲精品成人影院| 日本av免费视频播放| 日韩制服骚丝袜av| 有码 亚洲区| 色视频在线一区二区三区| 精品国产国语对白av| 九色亚洲精品在线播放| 另类精品久久| 亚洲美女搞黄在线观看| 一级爰片在线观看| 久久久欧美国产精品| 午夜福利,免费看| 国产免费福利视频在线观看| 老鸭窝网址在线观看| 一区二区三区精品91| 一区二区av电影网| 国产精品亚洲av一区麻豆 | 日韩一卡2卡3卡4卡2021年| 91久久精品国产一区二区三区| 黄色怎么调成土黄色| 男男h啪啪无遮挡| 在现免费观看毛片| 建设人人有责人人尽责人人享有的| 久久精品国产鲁丝片午夜精品| 欧美在线黄色| 黄片小视频在线播放| 最近中文字幕2019免费版| 精品人妻偷拍中文字幕| 看免费成人av毛片| 午夜激情久久久久久久| 欧美xxⅹ黑人| 国产成人精品在线电影| 人人妻人人澡人人看| 男女免费视频国产| 久久免费观看电影| 1024视频免费在线观看| 99香蕉大伊视频| 精品久久久久久电影网| 少妇被粗大猛烈的视频| 亚洲第一区二区三区不卡| 亚洲激情五月婷婷啪啪| 大香蕉久久成人网| 最新中文字幕久久久久| 极品人妻少妇av视频| 成人18禁高潮啪啪吃奶动态图| 日日爽夜夜爽网站| 精品国产国语对白av| 国产日韩欧美视频二区| 久久精品国产a三级三级三级| 久久婷婷青草| 免费大片黄手机在线观看| 色网站视频免费| 18在线观看网站| 亚洲美女视频黄频| 久久久久国产一级毛片高清牌| 国产精品 欧美亚洲| 校园人妻丝袜中文字幕| 午夜91福利影院| 妹子高潮喷水视频| 国产xxxxx性猛交| 欧美最新免费一区二区三区| 午夜福利网站1000一区二区三区| 婷婷色麻豆天堂久久| 99香蕉大伊视频| 精品午夜福利在线看| 色视频在线一区二区三区| 又黄又粗又硬又大视频| 国产无遮挡羞羞视频在线观看| 久久久久久人妻| 国产淫语在线视频| 日本黄色日本黄色录像| 欧美精品人与动牲交sv欧美| 五月伊人婷婷丁香| 男女边吃奶边做爰视频| 中文字幕av电影在线播放| 国产老妇伦熟女老妇高清| 女的被弄到高潮叫床怎么办| 国产成人av激情在线播放| √禁漫天堂资源中文www| 亚洲精品av麻豆狂野| 国产1区2区3区精品| 精品国产国语对白av| 九色亚洲精品在线播放| 成年av动漫网址| 国产又色又爽无遮挡免| 在线天堂中文资源库| 亚洲av日韩在线播放| 亚洲色图 男人天堂 中文字幕| 亚洲精品乱久久久久久| 中文精品一卡2卡3卡4更新| 观看美女的网站| 国语对白做爰xxxⅹ性视频网站| 黄色视频在线播放观看不卡| 老熟女久久久| 蜜桃在线观看..| 男女免费视频国产| 精品国产乱码久久久久久小说| 国产一区亚洲一区在线观看| 久久热在线av| 女性被躁到高潮视频| 天天躁夜夜躁狠狠躁躁| h视频一区二区三区| 国产精品av久久久久免费| 丝袜人妻中文字幕| 日韩制服骚丝袜av| 有码 亚洲区| 91精品伊人久久大香线蕉| 国产精品一二三区在线看| 一个人免费看片子| 久久久久精品人妻al黑| 边亲边吃奶的免费视频| 一级毛片 在线播放| 中文字幕最新亚洲高清| 中文字幕精品免费在线观看视频| 欧美成人午夜精品| 欧美av亚洲av综合av国产av | 免费在线观看视频国产中文字幕亚洲 | 美女高潮到喷水免费观看| 亚洲欧美精品自产自拍| 亚洲美女黄色视频免费看| 日日撸夜夜添| 亚洲av电影在线观看一区二区三区| 国产成人a∨麻豆精品| a级毛片黄视频| 熟妇人妻不卡中文字幕| 亚洲成av片中文字幕在线观看 | 精品国产一区二区久久| 国产精品欧美亚洲77777| 性色avwww在线观看| 美女视频免费永久观看网站| 1024香蕉在线观看| 日韩av不卡免费在线播放| 一级毛片 在线播放| 中文字幕最新亚洲高清| 9热在线视频观看99| av线在线观看网站| 国产成人一区二区在线| 欧美精品人与动牲交sv欧美| 亚洲国产av新网站| 久久精品久久精品一区二区三区| 国产成人aa在线观看| 精品国产一区二区三区四区第35| 一级毛片黄色毛片免费观看视频| 人人妻人人澡人人看| 久久99热这里只频精品6学生| 麻豆精品久久久久久蜜桃| 亚洲人成网站在线观看播放| 免费观看av网站的网址| 精品国产一区二区久久| 一区二区av电影网| 久久午夜综合久久蜜桃| 五月天丁香电影| 波多野结衣av一区二区av| 波多野结衣av一区二区av| 欧美人与善性xxx| 色94色欧美一区二区| 久久精品国产亚洲av高清一级| 少妇人妻久久综合中文| 亚洲精品久久午夜乱码| 麻豆精品久久久久久蜜桃| 在线观看免费视频网站a站| 国产成人精品久久二区二区91 | 日韩,欧美,国产一区二区三区| 亚洲一区二区三区欧美精品| 日韩中文字幕视频在线看片| 亚洲欧美一区二区三区久久| 丝袜在线中文字幕| 少妇被粗大的猛进出69影院| 亚洲av日韩在线播放| 久久久久国产一级毛片高清牌| a级毛片黄视频| 国产亚洲精品第一综合不卡| 欧美黄色片欧美黄色片| 免费人妻精品一区二区三区视频| 成人影院久久| 亚洲欧美日韩另类电影网站| 日韩一区二区视频免费看| 男女免费视频国产| 亚洲综合色网址| 天天躁日日躁夜夜躁夜夜| 久久久a久久爽久久v久久| 男女免费视频国产| 夫妻午夜视频| 亚洲国产精品成人久久小说| 亚洲国产毛片av蜜桃av| 欧美最新免费一区二区三区| 国产国语露脸激情在线看| 色视频在线一区二区三区| 国产精品一二三区在线看| kizo精华| 亚洲美女视频黄频| 国产精品免费大片| 欧美日韩精品网址| 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩一区二区视频在线观看视频在线| 国产欧美日韩综合在线一区二区| 国产成人免费无遮挡视频| 中文字幕制服av| 岛国毛片在线播放| 人人妻人人澡人人看| 毛片一级片免费看久久久久| 18禁观看日本| av有码第一页| 少妇人妻 视频| 看免费av毛片| 精品国产超薄肉色丝袜足j| 伦精品一区二区三区| 26uuu在线亚洲综合色| 国产成人a∨麻豆精品| av线在线观看网站| 夫妻性生交免费视频一级片| 久久精品久久久久久噜噜老黄| 亚洲,一卡二卡三卡| 如何舔出高潮| 在线精品无人区一区二区三| 国产一区二区三区av在线| 亚洲av电影在线观看一区二区三区| 97精品久久久久久久久久精品| 亚洲人成网站在线观看播放| 男女下面插进去视频免费观看| 大码成人一级视频| 亚洲婷婷狠狠爱综合网| 国产野战对白在线观看| 一级毛片黄色毛片免费观看视频| 国产国语露脸激情在线看| 精品久久久精品久久久| 欧美在线黄色| 亚洲一区二区三区欧美精品| 9色porny在线观看| 欧美成人午夜免费资源| 波野结衣二区三区在线| 亚洲欧美成人综合另类久久久| 精品少妇内射三级| 国产精品久久久av美女十八| 欧美xxⅹ黑人| 激情五月婷婷亚洲| 亚洲精品成人av观看孕妇| 欧美激情 高清一区二区三区| 一区二区三区精品91| 日韩成人av中文字幕在线观看| 在线免费观看不下载黄p国产| 赤兔流量卡办理| 丝袜人妻中文字幕| 观看美女的网站| 在线亚洲精品国产二区图片欧美| 大陆偷拍与自拍| 亚洲精品国产一区二区精华液| 日韩一区二区三区影片| 亚洲久久久国产精品| 欧美日韩视频精品一区| 久久 成人 亚洲| 99久久人妻综合| 国产高清不卡午夜福利| 亚洲成国产人片在线观看| 亚洲精品国产av成人精品| 久久婷婷青草| 国产精品一国产av| 色播在线永久视频| 国产日韩欧美在线精品| 国产女主播在线喷水免费视频网站| 国产精品 欧美亚洲| 最近的中文字幕免费完整| 亚洲成av片中文字幕在线观看 | 久久ye,这里只有精品| 国产日韩欧美视频二区| 久久精品国产亚洲av涩爱| 久久精品国产自在天天线| 国产精品嫩草影院av在线观看| 两个人免费观看高清视频| 如日韩欧美国产精品一区二区三区| 久久久久久久精品精品| 天天躁夜夜躁狠狠躁躁| 永久网站在线| 国产视频首页在线观看| 一区二区三区激情视频| 90打野战视频偷拍视频| 国产精品亚洲av一区麻豆 | 亚洲天堂av无毛| 日韩成人av中文字幕在线观看| 久久精品国产a三级三级三级| 中文天堂在线官网| 国产1区2区3区精品| 亚洲国产看品久久| 69精品国产乱码久久久| 美国免费a级毛片| 午夜福利一区二区在线看| 69精品国产乱码久久久| 午夜91福利影院| 一区二区日韩欧美中文字幕| 欧美日韩精品成人综合77777| 欧美人与性动交α欧美软件| 人人妻人人爽人人添夜夜欢视频| 久久久精品国产亚洲av高清涩受| 水蜜桃什么品种好| 国产探花极品一区二区| 美女国产视频在线观看| 亚洲精品日本国产第一区| 亚洲男人天堂网一区| 国产成人91sexporn| 下体分泌物呈黄色| 国产成人精品福利久久| av网站在线播放免费| 久热久热在线精品观看| 国产av精品麻豆| 久久ye,这里只有精品| 亚洲伊人色综图| 午夜福利在线观看免费完整高清在| 国产精品一区二区在线不卡| 久久久久久人妻| 国产福利在线免费观看视频| av天堂久久9| 亚洲国产精品国产精品| 伊人亚洲综合成人网| 日韩成人av中文字幕在线观看| 午夜福利视频在线观看免费| 精品人妻偷拍中文字幕| 午夜福利视频精品| 国产精品麻豆人妻色哟哟久久| 欧美亚洲 丝袜 人妻 在线| 毛片一级片免费看久久久久| 久久精品aⅴ一区二区三区四区 | 9色porny在线观看| 久久精品国产鲁丝片午夜精品| 男女下面插进去视频免费观看| 久久 成人 亚洲| a级片在线免费高清观看视频| 久久久久久久久久人人人人人人| 亚洲内射少妇av| 男人舔女人的私密视频| 午夜日本视频在线| 天堂8中文在线网| 新久久久久国产一级毛片| 如日韩欧美国产精品一区二区三区| 婷婷色综合www| 1024香蕉在线观看| 各种免费的搞黄视频| 超碰97精品在线观看| 天堂中文最新版在线下载| 黄色怎么调成土黄色| 国产精品香港三级国产av潘金莲 | 韩国高清视频一区二区三区| 99精国产麻豆久久婷婷| 亚洲国产精品一区三区| 国产精品麻豆人妻色哟哟久久| 两性夫妻黄色片| 久久久久精品性色| 大陆偷拍与自拍| 亚洲欧洲日产国产| av线在线观看网站| 汤姆久久久久久久影院中文字幕| 99久国产av精品国产电影| 国产在线视频一区二区| 一边亲一边摸免费视频| 乱人伦中国视频| 亚洲精品,欧美精品| 亚洲av免费高清在线观看| 伦精品一区二区三区| www.熟女人妻精品国产| 一个人免费看片子| 国产精品一国产av| 下体分泌物呈黄色| 久久精品人人爽人人爽视色| 久久影院123| 涩涩av久久男人的天堂| 观看av在线不卡| 亚洲精品第二区| 香蕉丝袜av| 高清不卡的av网站| 欧美变态另类bdsm刘玥| 精品久久久久久电影网| 999精品在线视频| 亚洲av欧美aⅴ国产| 午夜福利影视在线免费观看| 老汉色av国产亚洲站长工具| av一本久久久久| 波多野结衣av一区二区av| 黄片无遮挡物在线观看| a级毛片黄视频| 国产一区二区激情短视频 | 免费日韩欧美在线观看| 伦理电影大哥的女人| 午夜福利视频精品| xxxhd国产人妻xxx| 成年女人在线观看亚洲视频| 亚洲精品国产一区二区精华液| 蜜桃在线观看..| 伦理电影免费视频| 亚洲精品一二三| 精品第一国产精品| 国产精品二区激情视频| 综合色丁香网| 不卡视频在线观看欧美| 久久综合国产亚洲精品| 80岁老熟妇乱子伦牲交| 成人国产麻豆网| 日韩三级伦理在线观看| 久久久久久久国产电影| 一区二区三区精品91| 国产片特级美女逼逼视频| 午夜福利在线免费观看网站| 亚洲精品久久午夜乱码| 久久毛片免费看一区二区三区| 各种免费的搞黄视频| 黑人巨大精品欧美一区二区蜜桃| 91aial.com中文字幕在线观看| 9热在线视频观看99| 寂寞人妻少妇视频99o| 一级毛片我不卡| 免费看不卡的av| 日韩中文字幕视频在线看片| 十八禁高潮呻吟视频| 波多野结衣一区麻豆| 精品国产超薄肉色丝袜足j| 天天躁夜夜躁狠狠久久av| 99久国产av精品国产电影| 久久久久久久久久人人人人人人| 色播在线永久视频| 国产男女超爽视频在线观看| 嫩草影院入口| 捣出白浆h1v1| 观看美女的网站| 不卡视频在线观看欧美| 久久人人爽av亚洲精品天堂| 深夜精品福利| 两个人看的免费小视频| 亚洲第一青青草原| 国产视频首页在线观看| 国产午夜精品一二区理论片| 夫妻午夜视频| 少妇的逼水好多| 2018国产大陆天天弄谢| 成年动漫av网址| av又黄又爽大尺度在线免费看| 国产亚洲精品第一综合不卡| 亚洲一级一片aⅴ在线观看| 一个人免费看片子| 最近最新中文字幕免费大全7| 免费黄网站久久成人精品| 亚洲精品,欧美精品| 国产亚洲一区二区精品| 成人手机av| 在线观看www视频免费| 欧美人与性动交α欧美精品济南到 | 十分钟在线观看高清视频www| 老女人水多毛片| 女人精品久久久久毛片| 精品亚洲成a人片在线观看| 可以免费在线观看a视频的电影网站 | 久久97久久精品| 久久女婷五月综合色啪小说| 最近手机中文字幕大全| 永久网站在线| 少妇人妻精品综合一区二区| 边亲边吃奶的免费视频| 国产成人aa在线观看| 男女边摸边吃奶| 久久久久久免费高清国产稀缺| 青草久久国产| 蜜桃国产av成人99| 免费观看a级毛片全部| 如何舔出高潮| 人人妻人人澡人人看| 涩涩av久久男人的天堂| 一本—道久久a久久精品蜜桃钙片| videos熟女内射| 中文精品一卡2卡3卡4更新| 久久久久久久亚洲中文字幕| 亚洲成国产人片在线观看| 美女午夜性视频免费| 男女边吃奶边做爰视频| 赤兔流量卡办理| 久久热在线av| 久久鲁丝午夜福利片| 在线观看免费高清a一片| 最近中文字幕2019免费版| 超碰成人久久| a级毛片在线看网站| 丰满饥渴人妻一区二区三| 91aial.com中文字幕在线观看| 纯流量卡能插随身wifi吗| 亚洲伊人久久精品综合| 欧美av亚洲av综合av国产av | 久久99蜜桃精品久久| 欧美亚洲日本最大视频资源| av福利片在线| 欧美成人午夜免费资源|