• <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 ?

    多尺度特征融合的脊柱X線圖像分割方法

    2021-04-23 04:32:42張俊華
    計算機工程與應(yīng)用 2021年8期
    關(guān)鍵詞:注意力脊柱卷積

    趙 陽,張俊華

    云南大學(xué) 信息學(xué)院,昆明650500

    脊柱側(cè)凸是一種脊柱三維結(jié)構(gòu)的畸形疾病,全球有1%~4%的青少年受到此疾病的影響[1]。該疾病的診斷主要參考患者的脊柱側(cè)凸角度,目前X線成像方式是診斷脊柱側(cè)凸的首選,在X 線圖像中分割脊柱是后續(xù)測量、配準以及三維重建的基礎(chǔ)。

    近期出現(xiàn)了不少脊柱X線圖像分割方法。Anitha等人[2-3]提出了使用自定義的濾波器自動提取椎體終板以及自動獲取輪廓的形態(tài)學(xué)算子的方法,但這些方法存在一定的觀察者間的誤差。Sardjono等人[4]提出基于帶電粒子模型的物理方法來提取脊柱輪廓,實現(xiàn)過程復(fù)雜且實用性不高。葉偉等人[5]提出了一種基于模糊C均值聚類分割算法,該方法過程繁瑣且實用性欠佳。以上方法都只對椎體進行了分割,卻無法實現(xiàn)對脊柱的整體輪廓分割。

    深度學(xué)習(xí)在圖像分割的領(lǐng)域有很多應(yīng)用。Long等人提出了全卷積網(wǎng)絡(luò)[6](Full Convolutional Network,F(xiàn)CN),將卷積神經(jīng)網(wǎng)絡(luò)的最后一層全連接層替換為卷積層,得到特征圖后再經(jīng)過反卷積來獲得像素級的分類結(jié)果。通過對FCN 結(jié)構(gòu)改進,Ronneberger 等人提出了一種編碼-解碼的網(wǎng)絡(luò)結(jié)構(gòu)U-Net[7]解決圖像分割問題。Wu 等人提出了BoostNet[8]來對脊柱X 線圖像進行目標檢測以及一個基于多視角的相關(guān)網(wǎng)絡(luò)[9]來完成對脊柱框架的定位。上述方法并未直接對脊柱圖像進行分割,僅提取了關(guān)鍵點的特征并由定位的特征來獲取脊柱的整體輪廓。Fang 等人[10]采用FCN 對脊柱的CT 切片圖像進行分割并進行三維重建,但分割精度相對較低。Horng等人[11]將脊柱X線圖像進行切割后使用殘差U-Net來對單個椎骨進行分割,再合成完整的脊柱圖像,從而導(dǎo)致分割過程過于繁瑣。Tan 等人[12]和Grigorieva 等人[13]采用U-Net 來對脊柱X 線圖像進行分割并實現(xiàn)對Cobb 角的測量或三維重建,但存在分割精度不高的問題。以上研究方法雖然在一定程度上完成脊柱分割,但仍存在兩個問題:(1)只涉及椎體的定位和計算脊柱側(cè)凸角度,卻沒有對圖像進行完整的脊柱分割。(2)分割精度不高。

    針對上述問題,在U-Net 的基礎(chǔ)上提出了一種將Inception[14]結(jié)構(gòu)和殘差網(wǎng)絡(luò)(Residual Network,ResNet)[15]與U-Net相結(jié)合的方法,首先使用類Inception網(wǎng)絡(luò)將其卷積層進行替換,增加網(wǎng)絡(luò)的深度使其可以提取多尺度的信息,并在跳躍連接之前增加ResNet 使其可以更穩(wěn)定地提取信息,最后在U-Net第一次上采樣之前增加卷積塊注意力模塊(Convolutional Block Attention Module,CBAM)[16]對空間和通道的權(quán)重進行注意力監(jiān)督。

    1 基于多尺度融合的脊柱分割方法

    1.1 U-Net結(jié)構(gòu)

    如圖1 所示為U-Net 的結(jié)構(gòu),U-Net 主要由特征提取、上采樣和跳躍連接三個部分組成。特征提取主要由3×3 的卷積核和2×2 的最大池化層構(gòu)成,每一層都提取了不同尺度的特征。上采樣可以恢復(fù)初始圖像大小,并在每一層通過跳躍連接將提取的特征進行特征融合來恢復(fù)目標的空間特征和細節(jié)。

    圖1 原始U-Net結(jié)構(gòu)圖

    1.2 Inceptionblock

    在醫(yī)學(xué)圖像處理任務(wù)中,在不同尺度下網(wǎng)絡(luò)能提取的特征是不一樣的,從特征圖中思考如何進行多尺度特征提取來增加網(wǎng)絡(luò)提取到的信息對分割結(jié)果有積極影響。Inception網(wǎng)絡(luò)就是一種提取多尺度特征的方法,基于該方法使用3×3、5×5、7×7 的卷積核來進行不同尺度下的特征提取??紤]到5×5、7×7的卷積核計算量過大,結(jié)合Szegedy等人[17]提出的方法,使用2個3×3的卷積核進行連接代替5×5 的卷積核,使用3 個3×3 的卷積核連接代替7×7 的卷積核可以減少模型計算量。與此同時使用1×1的短連接來獲取一些圖像的空域信息。

    圖2所示即為Inceptionblock的結(jié)構(gòu),通過串并連接可以充分利用三個3×3的卷積核,三個支路的輸出分別為3×3、近似于5×5 以及近似于7×7 的卷積核。拼接之后的特征圖經(jīng)過Relu激活層并輸入到最大池化層。

    1.3 Resblock

    圖2 Inceptionblock結(jié)構(gòu)

    使用3×3的卷積核近似5×5和7×7的卷積核雖然減少了網(wǎng)絡(luò)的計算量并提取了多尺度的特征,但與此同時增加了網(wǎng)絡(luò)的寬度和深度,從而導(dǎo)致發(fā)生梯度爆炸或梯度消失。通過在Inceptionblock之后加入ResNet可以解決網(wǎng)絡(luò)加寬和加深的問題。

    如圖3 所示,在Inception block 的后面添加3×3 和1×1的卷積核構(gòu)成的ResNet,并通過一個Relu激活層和批標準化層。批標準化可以在一定程度上加快模型收斂速度并緩解梯度消失的問題,與ResNet 協(xié)同作用可以有效提高網(wǎng)絡(luò)的穩(wěn)定性。通過對加入的Resblock 層數(shù)調(diào)整來進行實驗,確定需要的Resblock的層數(shù)。

    圖3 Resblock結(jié)構(gòu)

    1.4 CBAM

    CBAM 是考慮了不同通道像素的重要性和同一通道不同位置像素的重要性提出的一種結(jié)合空間和通道的注意力模塊。最早提出通道注意力機制模塊的是SENet[18],SENet 通過學(xué)習(xí)自動獲取到每個特征通道的重要程度,然后按照這個重要程度增強有用的特征并抑制對當(dāng)前任務(wù)用處不大的特征。CBAM 在此基礎(chǔ)上同時考慮了空間和通道的重要程度,由于卷積運算通過將跨通道和空間信息混合在一起來提取信息特征,因此該模塊將沿通道和空間這兩個主要維度來提取有意義的特征。

    設(shè)F∈RC×H×W是特征圖的輸入,將其送入CBAM,則特征圖會經(jīng)過一個1 維的通道注意力模塊Mc∈RC×1×1和2維的空間注意力模塊Ms∈R1×H×W,其運算過程如下:其中F'是F經(jīng)過通道注意力模塊后輸出的特征圖,F(xiàn)″是F'經(jīng)過空間注意力模塊后輸出的特征圖,?表示逐元素相乘。

    式(1)為通道注意力的運算過程,Mc表示在通道上進行注意力運算。通道注意力的工作和SENet 很類似,首先將輸入的特征圖壓縮得到一個一維矢量,在對特征圖進行壓縮的過程中,不同點在于CBAM 使用了全局最大池化和全局平均池化,得到兩個不同的一維矢量。全局平均池化對特征圖的每一個像素點都有反饋,全局最大池化只對特征圖中響應(yīng)最大的地方有反饋,為全局平均池化的補充。

    以F表示輸入的特征圖,則Fcavg與Fcmax分別為特征圖經(jīng)過全局平均池化AvgPool和全局最大池化MaxPool的特征向量,MLP為多層感知機運算,W0和W1為多層感知機的兩層參數(shù),σ為sigmod激活函數(shù),則通道注意力的運算過程如下:

    其中W0需要使用Relu函數(shù)進行激活。

    式(2)為空間注意力的運算過程,Ms表示在空間上進行注意力運算。將通道注意力模塊輸出的特征向量放進空間注意力模塊中,讓最大池化Fcmax和平均池化Fcavg輸出的特征進行一個拼接,并通過一個f7×7的卷積核進行降維,通過一個sigmod 激活層生成特征圖其運算過程如下:

    將通道注意力和空間注意力的輸出進行相乘得到最后輸出的特征。特征圖通過CBAM后,網(wǎng)絡(luò)在特征學(xué)習(xí)的基礎(chǔ)上,在空間和通道上學(xué)習(xí)不同像素的重要程度。

    圖4即為本實驗?zāi)P椭蠧BAM的示意圖,通道注意力模塊和空間注意力模塊順序連接,嵌入網(wǎng)絡(luò)之中。本實驗將CBAM放置于Dropout層和上采樣層的中間,對最深層的特征進行注意力監(jiān)督,在空間和通道上學(xué)習(xí)不同像素的重要程度,從而更準確地提取特征。

    圖4 CBAM示意圖

    1.5 改進的U-Net模型

    圖5 改進的U-Net模型

    如圖5 所示為改進的U-Net 模型,結(jié)合Inception 網(wǎng)絡(luò)和ResNet,用Inception block替換卷積層使得網(wǎng)絡(luò)可以進行多尺度特征提取融合,在Inception block后面加入ResNet 保證訓(xùn)練過程的穩(wěn)定和性能優(yōu)化,在網(wǎng)絡(luò)的第四層和第五層后面加入dropout層防止訓(xùn)練進入過擬合,在網(wǎng)絡(luò)的第一次上采樣層前加入CBAM 對空間和通道進行注意力監(jiān)督,使得圖像信息可以更完整地保留。輸入的圖片尺寸為256×256×1,經(jīng)過Inception block的3×3、5×5、7×7 的卷積核可以得到尺寸分別為256×256×8、256×256×17、256×156×26的特征圖,經(jīng)過拼接后的特征圖尺寸為256×256×51,在Resblock之后,特征圖大小調(diào)整為256×256×32并在最大池化層被壓縮為128×128×32,直到經(jīng)過第五個Inception block,其尺寸為16×16×853。在特征圖經(jīng)過CBAM 時,其尺寸不會發(fā)生改變,僅通過學(xué)習(xí)通道和空間的特征權(quán)重讓網(wǎng)絡(luò)自行調(diào)整,并將通道和空間的特征權(quán)重與特征圖進行融合后輸入到上采樣層。上采樣后的特征圖與通過跳躍連接的原始圖像信息進行拼接融合,最終通過一個sigmod 激活層恢復(fù)原始圖像大小,得到預(yù)測圖。

    和原有的U-Net 模型相比,改進的U-Net 模型的優(yōu)勢如下:(1)進行多尺度特征提取,學(xué)習(xí)不同尺度下分割目標的特征。(2)在Resblock 的作用下解決多尺度網(wǎng)絡(luò)加寬帶來的梯度消失或梯度爆炸的問題。(3)CBAM 用于在空間和通道上學(xué)習(xí)不同像素的重要程度,從而獲得更加準確的分割結(jié)果。

    2 實驗內(nèi)容

    2.1 實驗環(huán)境

    本實驗采用的硬件環(huán)境為CPU CoreTMi7-8700k 3.7 GHz,GPU NVIDIA RTX2080 顯存8 GB。軟件環(huán)境為python3.6、tensorflow1.12為支撐的keras。

    2.2 數(shù)據(jù)集預(yù)處理

    本實驗數(shù)據(jù)集來源自SpineWeb[19]。Wu 等人[8]也使用了該數(shù)據(jù)集來實驗。該數(shù)據(jù)集包括609張脊柱前后X線圖片,包括脊柱正常的樣本以及發(fā)生脊柱側(cè)凸的樣本,其格式為bmp。

    本實驗使用python的標注工具labelme對數(shù)據(jù)集進行標注,在標注前將脊柱X 線圖像進行預(yù)處理,使其大小為256×256,位深為8位。在預(yù)處理后,對每一節(jié)椎骨進行標注后獲得標簽圖片并進行二值化處理,本實驗的標簽為醫(yī)生認可的真實值。

    2.3 損失函數(shù)

    本實驗采用二元交叉熵來作為損失函數(shù),表達式如式(5)所示:

    二元交叉熵主要用于二分類任務(wù),而本實驗主要是對脊柱進行分割,標簽只有背景和脊柱兩類,所以采用二元交叉熵作為損失函數(shù)。

    2.4 評價指標

    本實驗使用Dice系數(shù)作為評價指標,Dice系數(shù)主要用于計算兩個不同集合的相似性。在本實驗中使用預(yù)測圖像與測試圖像的標簽來計算其Dice 系數(shù),從而得到預(yù)測圖像與測試圖像的相似程度來評價模型的優(yōu)劣程度。

    2.5 實驗細節(jié)

    將130 張脊柱X 線圖像分為110 張訓(xùn)練集和20 張測試集,并使用圖像翻轉(zhuǎn)、平移、裁剪、變焦的方法來進行圖像增強。實驗選用Adam作為優(yōu)化器,并將學(xué)習(xí)率設(shè)為0.000 1。網(wǎng)絡(luò)的batch_size 為11,訓(xùn)練輪次為150輪,每一輪輸入的圖片為256張。本實驗采用了提前結(jié)束的回調(diào)機制,若超過10 個輪次模型的損失值沒有降低,則提前終止模型訓(xùn)練。

    3 實驗結(jié)果及分析

    3.1 模型Dice系數(shù)評估

    為了體現(xiàn)出本實驗?zāi)P偷膬?yōu)勢,本實驗一共設(shè)計了四組對比實驗,分別對改進的網(wǎng)絡(luò)是否使用CBAM 模塊、殘差連接的不同層數(shù)來進行測試。實驗1采用未添加CBAM的網(wǎng)絡(luò),并在Inception block的后面僅添加一層ResNet,最終的平均Dice系數(shù)為0.823 6。實驗2采用未添加CBAM的網(wǎng)絡(luò),在Inception block的后面添加四層ResNet,最終的平均Dice系數(shù)為0.827 2。實驗3采用添加了CBAM的網(wǎng)絡(luò),并在Inception block后面添加一層ResNet,最終的平均Dice系數(shù)為0.828 2。而實驗4是采用添加了CBAM的網(wǎng)絡(luò),并在Inception block的后面添加四層ResNet,最終的平均Dice 系數(shù)為0.845 7。從實驗結(jié)果來看增加殘差連接的層數(shù)和采用CBAM模塊都可以在不同程度上對網(wǎng)絡(luò)的性能有一定提升。表1給出了不同模型下分割精度的對比。

    表1 各模型Dice系數(shù)對比

    從文獻[13]當(dāng)中采用的原始U-Net 網(wǎng)絡(luò)所取得的0.710 6 的Dice 系數(shù)來看,本文最終取得的Dice 系數(shù)為0.845 7,比之前提高了0.135 1。從圖6當(dāng)中的紅框處可以看出,使用了Inception block以及殘差連接和添加了CBAM 的分割效果比原始的U-Net 網(wǎng)絡(luò)和只使用了Inception block 以及殘差連接的分割效果更好,且更接近于標簽的真實值。

    3.2 模型分割結(jié)果評估

    從圖6當(dāng)中的紅框處可以看出,本文最終的實驗?zāi)P偷姆指罱Y(jié)果相比原始的U-Net 網(wǎng)絡(luò)分割結(jié)果有明顯的提高,減少了椎體之間的粘連且與標簽的真實值已非常接近,并減少了誤分割出現(xiàn)的次數(shù)。

    圖6 測試結(jié)果(紅框內(nèi)為不同模型差異之處)

    3.3 訓(xùn)練時間評估

    從訓(xùn)練時間上來看,如表2所示,原始的U-Net網(wǎng)絡(luò)每一個輪次上的訓(xùn)練時間平均為110 s,改進的U-Net模型平均為每輪84 s,遠遠低于原始的U-Net 網(wǎng)絡(luò)訓(xùn)練時間,分割的效果和訓(xùn)練的效率上都已經(jīng)超過U-Net原始網(wǎng)絡(luò)。

    表2 各模型訓(xùn)練時間對比

    本實驗通過對U-Net網(wǎng)絡(luò)進行改進,提高了分割精度,但由于使用Inception block進行多尺度特征提取并在跳躍連接之前加入的Resblock 會增加模型的參數(shù)從而導(dǎo)致模型計算量和模型訓(xùn)練時間的增加,通過表2可以看出使用四層Resblock的模型比只使用一層Resblock的模型每一個輪次的訓(xùn)練時間多了30 s,從而在一定程度上增加了訓(xùn)練代價,但對于醫(yī)學(xué)影像處理任務(wù)精度比速度更為重要,訓(xùn)練代價的增加在可以接受的范圍之內(nèi)。

    3.4 不同模型Dice系數(shù)評估

    為了驗證本實驗?zāi)P偷挠行裕瑢⒈緦嶒灥臄?shù)據(jù)集用于FCN32s、FCN8s以及Mask-R-CNN進行分割,并用Dice 系數(shù)進行評估,表3 給出了不同算法分割精度的對比。

    通過使用上述算法和本實驗算法進行比較可以得出本文的算法模型的Dice系數(shù)相比于FCN32s、FCN8s、U-Net 和Mask-R-CNN 分別提高了23.98%、21.44%、19.01%和10.56%,充分表明本實驗?zāi)P驮诜指罹壬吓c其他算法相比有顯著提高。

    表3 不同算法Dice系數(shù)對比

    4 結(jié)束語

    本文提出了一種基于U-Net 改進的網(wǎng)絡(luò)并對脊柱進行自動分割的方法,通過對U-Net 原有卷積核的改進,使用Inception block 進行多尺度特征提取,使用ResNet 解決梯度消失和梯度爆炸的問題,并使用了CBAM對空間和通道的學(xué)習(xí)權(quán)重進行調(diào)整,從而提升網(wǎng)絡(luò)性能。實驗結(jié)果表明該模型可以有效提高脊柱X 線圖像的分割結(jié)果,但在一定程度上增加了訓(xùn)練代價。后續(xù)可對實驗?zāi)P瓦M一步探討,在盡可能不增加訓(xùn)練代價的情況下得到更好的分割結(jié)果。本文在醫(yī)學(xué)影像處理領(lǐng)域有一定的參考價值,并為后續(xù)深入研究打下堅實的基礎(chǔ)。

    猜你喜歡
    注意力脊柱卷積
    讓注意力“飛”回來
    長期久坐低頭 你的脊柱還好嗎
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    18F-FDG PET/CT在脊柱感染診治中的應(yīng)用及與MRI的比較
    如何保護寶寶的脊柱
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    中文字幕av电影在线播放| 久久性视频一级片| 又紧又爽又黄一区二区| 99久久精品国产亚洲精品| 97碰自拍视频| 后天国语完整版免费观看| av有码第一页| av中文乱码字幕在线| 一边摸一边做爽爽视频免费| 亚洲va日本ⅴa欧美va伊人久久| 波多野结衣一区麻豆| 亚洲国产看品久久| 久久国产精品人妻蜜桃| 欧美在线一区亚洲| 日本欧美视频一区| 亚洲 欧美 日韩 在线 免费| 国产成+人综合+亚洲专区| 成人精品一区二区免费| 亚洲精品国产色婷婷电影| 亚洲国产精品久久男人天堂| 国产国语露脸激情在线看| 国产精品av久久久久免费| 好男人电影高清在线观看| 正在播放国产对白刺激| 欧美日韩一级在线毛片| 91麻豆精品激情在线观看国产| 久久人人精品亚洲av| 成人av一区二区三区在线看| 妹子高潮喷水视频| 国产精品1区2区在线观看.| √禁漫天堂资源中文www| 久久中文字幕人妻熟女| 久久精品aⅴ一区二区三区四区| av免费在线观看网站| 91精品国产国语对白视频| 操出白浆在线播放| 90打野战视频偷拍视频| 亚洲第一青青草原| 在线观看一区二区三区| 久久国产乱子伦精品免费另类| 欧美日韩瑟瑟在线播放| 男人操女人黄网站| 1024香蕉在线观看| 老司机在亚洲福利影院| 久久精品国产99精品国产亚洲性色 | 两性夫妻黄色片| 免费搜索国产男女视频| 99在线人妻在线中文字幕| av中文乱码字幕在线| 亚洲专区字幕在线| 国产精品秋霞免费鲁丝片| 国产精品,欧美在线| 亚洲精品在线美女| 老司机深夜福利视频在线观看| 成人精品一区二区免费| 亚洲欧美日韩高清在线视频| 97超级碰碰碰精品色视频在线观看| 一夜夜www| 91精品三级在线观看| 99久久久亚洲精品蜜臀av| 一级毛片女人18水好多| 性欧美人与动物交配| 制服诱惑二区| 午夜福利视频1000在线观看 | 中出人妻视频一区二区| 欧美成人性av电影在线观看| 久久精品国产亚洲av香蕉五月| 久久久久国产精品人妻aⅴ院| 成年女人毛片免费观看观看9| 国产精品香港三级国产av潘金莲| 国产高清视频在线播放一区| 一边摸一边做爽爽视频免费| 精品少妇一区二区三区视频日本电影| 亚洲电影在线观看av| 一本大道久久a久久精品| 成人三级做爰电影| 欧美在线一区亚洲| 亚洲中文字幕一区二区三区有码在线看 | 老汉色∧v一级毛片| 中文字幕av电影在线播放| 首页视频小说图片口味搜索| 后天国语完整版免费观看| 嫩草影院精品99| 99在线人妻在线中文字幕| 国产一区二区在线av高清观看| 啦啦啦免费观看视频1| 国产精品久久久av美女十八| 国产一区在线观看成人免费| 每晚都被弄得嗷嗷叫到高潮| 国产精品野战在线观看| 精品久久蜜臀av无| 一级,二级,三级黄色视频| 日韩视频一区二区在线观看| 1024香蕉在线观看| 国产一区二区三区综合在线观看| 欧美日本中文国产一区发布| 国产成人精品在线电影| 亚洲精品美女久久久久99蜜臀| 国产成年人精品一区二区| 午夜福利,免费看| 国产高清激情床上av| 老熟妇仑乱视频hdxx| 一本大道久久a久久精品| 国产av一区在线观看免费| 成人亚洲精品av一区二区| 在线观看午夜福利视频| av超薄肉色丝袜交足视频| 最近最新中文字幕大全免费视频| 性色av乱码一区二区三区2| 黄频高清免费视频| 在线免费观看的www视频| 亚洲伊人色综图| 午夜两性在线视频| 日韩大尺度精品在线看网址 | 激情在线观看视频在线高清| 亚洲精品一卡2卡三卡4卡5卡| 久久精品亚洲精品国产色婷小说| 亚洲国产精品合色在线| 日韩国内少妇激情av| 精品国内亚洲2022精品成人| 99久久综合精品五月天人人| 日本一区二区免费在线视频| 亚洲aⅴ乱码一区二区在线播放 | 十分钟在线观看高清视频www| 一进一出抽搐动态| 无人区码免费观看不卡| 18禁黄网站禁片午夜丰满| 又大又爽又粗| 视频区欧美日本亚洲| 国产不卡一卡二| 国产一区二区三区视频了| 国产精品一区二区在线不卡| 可以免费在线观看a视频的电影网站| 十分钟在线观看高清视频www| 国产亚洲欧美精品永久| 伦理电影免费视频| 国产成人av激情在线播放| 91大片在线观看| 97超级碰碰碰精品色视频在线观看| 麻豆国产av国片精品| 狠狠狠狠99中文字幕| 国产91精品成人一区二区三区| 国产高清激情床上av| 欧美午夜高清在线| 亚洲久久久国产精品| 极品教师在线免费播放| 成人免费观看视频高清| 国产精品二区激情视频| 国产av在哪里看| 纯流量卡能插随身wifi吗| 亚洲电影在线观看av| 搞女人的毛片| 757午夜福利合集在线观看| 国产视频一区二区在线看| 激情视频va一区二区三区| 国产欧美日韩一区二区三区在线| 久久久国产欧美日韩av| 亚洲精品在线观看二区| 神马国产精品三级电影在线观看 | 午夜a级毛片| ponron亚洲| 国产亚洲精品久久久久久毛片| 动漫黄色视频在线观看| 韩国精品一区二区三区| 美女大奶头视频| 一区二区日韩欧美中文字幕| 国产一区在线观看成人免费| 人人妻人人澡欧美一区二区 | 日韩视频一区二区在线观看| 国产av精品麻豆| 久久中文看片网| 一二三四社区在线视频社区8| 他把我摸到了高潮在线观看| 啦啦啦 在线观看视频| 久久人妻熟女aⅴ| 亚洲七黄色美女视频| 亚洲七黄色美女视频| 淫秽高清视频在线观看| 在线天堂中文资源库| 一进一出好大好爽视频| 999久久久国产精品视频| 麻豆久久精品国产亚洲av| 999久久久国产精品视频| 丁香欧美五月| 日韩欧美三级三区| 久久精品aⅴ一区二区三区四区| 日本精品一区二区三区蜜桃| 男女之事视频高清在线观看| 波多野结衣一区麻豆| 禁无遮挡网站| 69精品国产乱码久久久| bbb黄色大片| 欧美成人免费av一区二区三区| 国内精品久久久久久久电影| 日韩大码丰满熟妇| 日本 欧美在线| 久9热在线精品视频| www国产在线视频色| 国产精品一区二区免费欧美| 91在线观看av| 亚洲专区字幕在线| 亚洲精品一卡2卡三卡4卡5卡| 精品福利观看| 国产精品综合久久久久久久免费 | 国产精品综合久久久久久久免费 | 国产精品久久久av美女十八| av欧美777| 99国产精品免费福利视频| 少妇裸体淫交视频免费看高清 | 一区二区三区精品91| av网站免费在线观看视频| 黄频高清免费视频| 久久久久久久久久久久大奶| 亚洲狠狠婷婷综合久久图片| 久久久久国内视频| 18禁黄网站禁片午夜丰满| 免费久久久久久久精品成人欧美视频| 国产成人av激情在线播放| 一区二区三区国产精品乱码| 国产99白浆流出| 999久久久国产精品视频| 亚洲熟女毛片儿| 国产精品影院久久| 久久国产乱子伦精品免费另类| 精品一品国产午夜福利视频| 久久久久久大精品| 亚洲五月天丁香| 欧美色欧美亚洲另类二区 | 久久久久亚洲av毛片大全| 久久久久亚洲av毛片大全| 精品一品国产午夜福利视频| 免费电影在线观看免费观看| 精品久久久久久久久av| 嫩草影院新地址| 日本a在线网址| 最近最新免费中文字幕在线| 最近中文字幕高清免费大全6 | 国产中年淑女户外野战色| 欧美国产日韩亚洲一区| 亚洲性久久影院| 国产亚洲精品久久久久久毛片| 一进一出抽搐gif免费好疼| 亚洲专区中文字幕在线| 亚洲精品成人久久久久久| 亚洲精品日韩av片在线观看| www.色视频.com| 国产高清视频在线观看网站| 亚洲成人久久性| 国产高潮美女av| 男女做爰动态图高潮gif福利片| 噜噜噜噜噜久久久久久91| 国产亚洲精品久久久com| 国产精品久久久久久久久免| 精品久久久久久久久久免费视频| 日韩大尺度精品在线看网址| 欧美激情国产日韩精品一区| 又黄又爽又免费观看的视频| 日韩中文字幕欧美一区二区| 成人特级黄色片久久久久久久| 男人舔女人下体高潮全视频| 亚洲av一区综合| 国产美女午夜福利| 久久久久久久亚洲中文字幕| 小说图片视频综合网站| 久久热精品热| 久久精品国产亚洲av香蕉五月| 黄色女人牲交| 天堂动漫精品| 欧美日韩乱码在线| 真人一进一出gif抽搐免费| 能在线免费观看的黄片| 极品教师在线视频| 内地一区二区视频在线| 亚洲无线观看免费| 国产爱豆传媒在线观看| 国产精品一区二区三区四区久久| 毛片一级片免费看久久久久 | 国产v大片淫在线免费观看| 亚洲精品乱码久久久v下载方式| 欧美一级a爱片免费观看看| 中文资源天堂在线| 麻豆成人av在线观看| 在线a可以看的网站| 大型黄色视频在线免费观看| 88av欧美| 毛片女人毛片| 观看免费一级毛片| 亚洲成人免费电影在线观看| 成人三级黄色视频| 一级毛片久久久久久久久女| 久久精品国产亚洲网站| 天堂影院成人在线观看| 国产主播在线观看一区二区| 精品人妻偷拍中文字幕| 欧美日韩国产亚洲二区| 老女人水多毛片| 国产精品野战在线观看| 小说图片视频综合网站| 嫩草影院精品99| 午夜精品一区二区三区免费看| 国产三级在线视频| 午夜激情欧美在线| 在线观看av片永久免费下载| 高清毛片免费观看视频网站| 99久久九九国产精品国产免费| 88av欧美| 国产又黄又爽又无遮挡在线| 色哟哟·www| 女的被弄到高潮叫床怎么办 | 18+在线观看网站| 99久久中文字幕三级久久日本| 91麻豆av在线| 国产真实伦视频高清在线观看 | 自拍偷自拍亚洲精品老妇| 精品欧美国产一区二区三| 亚洲色图av天堂| 综合色av麻豆| 亚洲av中文字字幕乱码综合| АⅤ资源中文在线天堂| 久久人妻av系列| 久久精品国产自在天天线| 国产麻豆成人av免费视频| 99视频精品全部免费 在线| 露出奶头的视频| 又黄又爽又刺激的免费视频.| 黄片wwwwww| 久久99热6这里只有精品| 国产女主播在线喷水免费视频网站 | 亚洲av美国av| 老师上课跳d突然被开到最大视频| 国产一区二区在线观看日韩| 国产精品久久久久久久久免| 无遮挡黄片免费观看| 亚洲人与动物交配视频| 22中文网久久字幕| 别揉我奶头~嗯~啊~动态视频| 欧美日韩综合久久久久久 | 午夜日韩欧美国产| 欧美一区二区国产精品久久精品| 成人一区二区视频在线观看| 亚洲熟妇熟女久久| 免费在线观看日本一区| 波多野结衣高清作品| 级片在线观看| 国产精品一及| 中文在线观看免费www的网站| 最新中文字幕久久久久| 人妻久久中文字幕网| 国产男靠女视频免费网站| 成人av在线播放网站| 国产午夜福利久久久久久| 最近最新免费中文字幕在线| h日本视频在线播放| 日本a在线网址| 在线观看舔阴道视频| 欧美一区二区国产精品久久精品| 在线国产一区二区在线| 九九热线精品视视频播放| 成人一区二区视频在线观看| 国产亚洲91精品色在线| 亚洲第一电影网av| 他把我摸到了高潮在线观看| 黄色丝袜av网址大全| 精品国产三级普通话版| 亚洲不卡免费看| 少妇被粗大猛烈的视频| 亚洲人成网站在线播| 精品人妻视频免费看| 免费在线观看成人毛片| 午夜免费成人在线视频| 免费看av在线观看网站| 国产真实伦视频高清在线观看 | 久久久久久伊人网av| 蜜桃久久精品国产亚洲av| 亚洲成人中文字幕在线播放| 精品午夜福利视频在线观看一区| 日韩中字成人| 内地一区二区视频在线| 男女做爰动态图高潮gif福利片| 国产精品久久久久久久久免| 午夜a级毛片| 亚洲av电影不卡..在线观看| 男女下面进入的视频免费午夜| 91麻豆av在线| 热99在线观看视频| 级片在线观看| 亚洲国产欧洲综合997久久,| 窝窝影院91人妻| 99在线人妻在线中文字幕| 久久久精品大字幕| 九色成人免费人妻av| 国内精品久久久久精免费| 国产精品人妻久久久影院| 国产在线精品亚洲第一网站| 丰满人妻一区二区三区视频av| 国内久久婷婷六月综合欲色啪| 国产一区二区在线观看日韩| 蜜桃久久精品国产亚洲av| 18禁黄网站禁片免费观看直播| 国产视频内射| 久久人人精品亚洲av| 欧美xxxx性猛交bbbb| 一进一出抽搐gif免费好疼| 高清毛片免费观看视频网站| 亚洲成人免费电影在线观看| www.www免费av| .国产精品久久| 夜夜爽天天搞| 看十八女毛片水多多多| 免费人成视频x8x8入口观看| 成人国产综合亚洲| 女人十人毛片免费观看3o分钟| 日韩国内少妇激情av| 国产精品精品国产色婷婷| 午夜视频国产福利| 欧美日韩中文字幕国产精品一区二区三区| 窝窝影院91人妻| 男女边吃奶边做爰视频| 亚洲国产日韩欧美精品在线观看| 一夜夜www| 日韩精品中文字幕看吧| 国产精品久久视频播放| 亚洲电影在线观看av| 国内精品宾馆在线| 成人毛片a级毛片在线播放| 能在线免费观看的黄片| 人人妻,人人澡人人爽秒播| 两人在一起打扑克的视频| 亚洲成人精品中文字幕电影| 免费黄网站久久成人精品| 草草在线视频免费看| 国内久久婷婷六月综合欲色啪| 大又大粗又爽又黄少妇毛片口| 天堂动漫精品| 看黄色毛片网站| 久久久精品欧美日韩精品| 国产免费男女视频| 欧美成人a在线观看| 夜夜看夜夜爽夜夜摸| 在现免费观看毛片| 久久精品人妻少妇| 成人鲁丝片一二三区免费| 色噜噜av男人的天堂激情| 别揉我奶头 嗯啊视频| 久久中文看片网| 啦啦啦观看免费观看视频高清| 麻豆国产97在线/欧美| 成人精品一区二区免费| 亚洲av一区综合| 欧美精品啪啪一区二区三区| 97热精品久久久久久| 亚洲电影在线观看av| 午夜爱爱视频在线播放| 精品人妻视频免费看| 久久精品国产亚洲av天美| 亚洲一级一片aⅴ在线观看| 免费观看精品视频网站| 久久久久久久午夜电影| 老司机深夜福利视频在线观看| 女人十人毛片免费观看3o分钟| 国产老妇女一区| 国产精品嫩草影院av在线观看 | 亚洲va在线va天堂va国产| 成人av一区二区三区在线看| 桃色一区二区三区在线观看| 最新中文字幕久久久久| 午夜精品一区二区三区免费看| 综合色av麻豆| 亚洲av五月六月丁香网| 亚洲欧美日韩高清专用| 午夜免费成人在线视频| 日韩欧美在线二视频| 日韩欧美三级三区| 中文字幕高清在线视频| 最近中文字幕高清免费大全6 | 国产伦人伦偷精品视频| 欧美最新免费一区二区三区| 国产淫片久久久久久久久| 午夜福利在线观看免费完整高清在 | 免费不卡的大黄色大毛片视频在线观看 | 国产在线男女| 亚洲av第一区精品v没综合| 国产老妇女一区| 人妻少妇偷人精品九色| 亚洲欧美日韩无卡精品| 高清在线国产一区| 少妇的逼好多水| 日日摸夜夜添夜夜添av毛片 | 国产精品一区二区性色av| 99热6这里只有精品| 欧美bdsm另类| 亚洲三级黄色毛片| 国产黄色小视频在线观看| 在线观看66精品国产| 午夜精品久久久久久毛片777| 最好的美女福利视频网| 男人狂女人下面高潮的视频| 99热网站在线观看| 日日摸夜夜添夜夜添小说| 观看美女的网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲欧美日韩高清专用| 精品人妻视频免费看| 色尼玛亚洲综合影院| 亚洲熟妇熟女久久| 少妇熟女aⅴ在线视频| 免费观看的影片在线观看| 久久欧美精品欧美久久欧美| 99热这里只有精品一区| 亚洲熟妇中文字幕五十中出| 搞女人的毛片| 亚洲av免费高清在线观看| 亚洲精品在线观看二区| 欧美高清性xxxxhd video| 日本精品一区二区三区蜜桃| 91狼人影院| videossex国产| 国内少妇人妻偷人精品xxx网站| 又爽又黄无遮挡网站| 亚洲综合色惰| 精品久久久久久久人妻蜜臀av| 日本a在线网址| 欧美日韩黄片免| 桃色一区二区三区在线观看| 我的女老师完整版在线观看| 日韩在线高清观看一区二区三区 | av在线亚洲专区| 色精品久久人妻99蜜桃| 日本免费一区二区三区高清不卡| 成人二区视频| 国产精品一区二区三区四区久久| 国产探花极品一区二区| 国产精华一区二区三区| 亚洲乱码一区二区免费版| 久久久久久久久久久丰满 | 久久国产精品人妻蜜桃| 亚洲狠狠婷婷综合久久图片| 三级男女做爰猛烈吃奶摸视频| 午夜激情欧美在线| 丰满的人妻完整版| 麻豆一二三区av精品| 亚洲aⅴ乱码一区二区在线播放| 国产高潮美女av| 欧美日韩亚洲国产一区二区在线观看| 亚洲18禁久久av| 国产免费男女视频| 亚洲欧美日韩高清专用| 日韩中字成人| 国产精品野战在线观看| 日本 欧美在线| 精品人妻偷拍中文字幕| 别揉我奶头 嗯啊视频| 亚洲精品国产成人久久av| 色综合色国产| 可以在线观看的亚洲视频| 在线观看一区二区三区| 国产av麻豆久久久久久久| 久久久久久久精品吃奶| 中文字幕av成人在线电影| 色尼玛亚洲综合影院| 国产一区二区三区在线臀色熟女| 小说图片视频综合网站| 两人在一起打扑克的视频| 97超视频在线观看视频| 伦精品一区二区三区| 国产亚洲精品久久久com| 色在线成人网| 国产色婷婷99| 久久6这里有精品| 一区二区三区高清视频在线| 成人亚洲精品av一区二区| 九色成人免费人妻av| 婷婷精品国产亚洲av| 在线看三级毛片| 国产精品免费一区二区三区在线| 久久久久久久久久成人| 国产欧美日韩一区二区精品| 欧美日韩精品成人综合77777| 免费一级毛片在线播放高清视频| 夜夜爽天天搞| av中文乱码字幕在线| 久久人妻av系列| 国产高清有码在线观看视频| 欧美一区二区精品小视频在线| 内地一区二区视频在线| 听说在线观看完整版免费高清| 国产亚洲精品久久久久久毛片| 男人狂女人下面高潮的视频| 精品久久国产蜜桃| 欧美区成人在线视频| 亚洲一区高清亚洲精品| 国产成人福利小说| 一个人看的www免费观看视频| x7x7x7水蜜桃| 在线免费观看的www视频| 人妻制服诱惑在线中文字幕| 能在线免费观看的黄片| 亚洲av.av天堂| 特级一级黄色大片| 精品一区二区三区视频在线| 久久久成人免费电影| 尾随美女入室| 久久久色成人| 黄色女人牲交| 国产午夜精品论理片| 成人av在线播放网站| 香蕉av资源在线| 日日摸夜夜添夜夜添av毛片 | 亚洲精品日韩av片在线观看| 免费人成在线观看视频色| 一区二区三区免费毛片| 搡老岳熟女国产| 国产伦精品一区二区三区四那| 俺也久久电影网| eeuss影院久久|