• <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 ?

    卷積神經(jīng)網(wǎng)絡在中醫(yī)舌象分類中的應用研究

    2021-09-10 07:22:44于飛
    醫(yī)學前沿 2021年2期
    關鍵詞:舌象卷積神經(jīng)網(wǎng)絡機器學習

    摘要 目的:探索將卷積神經(jīng)網(wǎng)絡技術應用于舌象照片分類任務的方法,從而實現(xiàn)機器學習模型對中醫(yī)臨床舌診行為的模擬。方法:使用人工標注后的舌象照片數(shù)據(jù)集分別對YOLO和EfficientNet卷積神經(jīng)網(wǎng)絡模型訓練。我們在訓練過程中綜合調(diào)試了各類校正算法與超參數(shù),兩模型成功提取圖片數(shù)據(jù)中的模式特征并形成不同特征映射, 使YOLO和EfficientNet分別實現(xiàn)實時舌體識別和中醫(yī)學舌象特征分類的功能。結果:深度學習模型對部分舌象特征典型的舌診照片識別精度較好,對芒刺舌、裂紋舌、齒痕舌的識別精確率分別為0.86、0.75和0.72。結論:卷積神經(jīng)網(wǎng)絡模型對幾種特征性舌象的識別能力較好,但對舌色、舌形、津液情況多分類的識別尚不理想,尚需進一步改善使用舌診照片訓練卷積神經(jīng)網(wǎng)絡模型的方法。

    關鍵詞 中醫(yī)學;人工智能;機器學習;深度學習;卷積神經(jīng)網(wǎng)絡;舌診;舌象

    隨著人們保健意識日益增強,人們期望能夠隨時隨地了解自己的健康情況,移動醫(yī)療的研發(fā)項目也大量應運而生。近年來醫(yī)療信息數(shù)據(jù)庫的逐步建立和完善,網(wǎng)絡傳輸?shù)男畔⑼掏铝刻嵘?,計算機硬件運算能力的提高,數(shù)據(jù)分析(Data Analysis, DA)與機器學習(Machine Learning, ML)算法的更新,都使移動醫(yī)療從概念走進現(xiàn)實。

    中醫(yī)藥學在治未?。▉喗】禒顟B(tài))領域經(jīng)驗豐富,在癥狀的識別與保健方法上具有獨特優(yōu)勢。疾病或亞健康的治療及保健效果都需建立在可靠診斷的基礎上,中醫(yī)診斷中歷來強調(diào)四診合參、辨證論治,也就是說,診斷的確定需建立在望、聞、問、切四種方式獲得的臨床資料之上。舌診是望診的組成部分,醫(yī)生舌診時所見的舌體及舌苔特征稱為舌象,舌診照片保存了舌象全部的資料,是我們本次研究的數(shù)據(jù)來源。醫(yī)生根據(jù)舌象對病情判斷的準確度與判讀人員的經(jīng)驗、知識水平和視覺敏感度相關,不同醫(yī)生對同一舌象的判讀結果可存在較大差異0。對主觀因素對臨床資料解讀影響程度的評估方法,一直是中醫(yī)診斷客觀化的難題。

    本次研究嘗試通過將DA與ML等數(shù)據(jù)處理技術,對舌診照片中潛在的數(shù)據(jù)特征進行識別和提取,計算機圖像處理研究人員發(fā)現(xiàn),卷積運算可保證圖像中淺層特征充分識別和提取的前提下,大幅降低計算復雜度,現(xiàn)已成為計算機視覺常用的圖像特征提取方法。人工智能近年來的突破都與人工神經(jīng)網(wǎng)絡(Artificial Neural Network, ANN)的發(fā)展密切相關,ANN由大量的人工神經(jīng)元聯(lián)結、計算有關,ANN在輸入數(shù)據(jù)信息后,不斷自適應地根據(jù)輸入數(shù)據(jù)的統(tǒng)計學特征非線性地改變內(nèi)部權重,構造出局部或全局最優(yōu)的模型。本研究以ANN與卷積運算結合后的卷積神經(jīng)網(wǎng)絡(convolution neural network,CNN)為基礎,通過有監(jiān)督的ML數(shù)據(jù)建模。因此,用于圖片對象識別和分類任務的模型權重調(diào)整不僅依賴于圖像語義特征的運算結果,還會受人工標注者主觀因素的影響。模型訓練完畢后,我們將評估卷積神經(jīng)網(wǎng)絡模型自主舌診圖片識別和分類的精確度,分析不足之處,為進一步完善模型的配置和訓練方式奠定基礎。

    近年來,中醫(yī)藥學與卷積神經(jīng)網(wǎng)絡技術結合應用于舌診機器分類的試驗研究已獲得一定進步,董競方0通過將CNN網(wǎng)絡ResNet50應用于對442例腫瘤患者舌象圖片的學習,獲得齒痕舌、瘀斑舌自動識別模型,F(xiàn)-1達到91.88%。劉夢0通過Faster R-CNN與微調(diào)(fine tune)技術應用于構建齒痕舌、裂紋舌識別模型,對裂紋舌識別F-1為97.1%,對齒痕舌識別F-1為85.1%。

    1 資料

    研究的舌象照片來自網(wǎng)絡爬蟲程序,共計6373張。將全部照片分為兩個數(shù)據(jù)集,分別用于舌體識別模型與舌象分類兩個模型的訓練與測試。識別模型數(shù)據(jù)集3500張,分類模型數(shù)據(jù)集共2873張。

    2 方法

    2.1數(shù)據(jù)預處理

    2.1.1標準化 為了保證全部圖片符合CNN模型輸入尺寸要求,我們對舌象照片給予等比例縮放,并對照片的留白部分灰色填充。

    2.1.2歸一化 為保證模型的穩(wěn)定性和訓練效率,我們對圖片數(shù)據(jù)進行歸一化處理,參考ImageNet圖庫中的統(tǒng)計數(shù)據(jù),RGB三個通道均值為0.485、0.456、0.406,標準差為0.229、0.224、0.225。

    2.1.3數(shù)據(jù)擴增 為了降低模型權重對訓練集中數(shù)據(jù)的過擬合風險,增加其泛化能力,可對數(shù)據(jù)集中數(shù)據(jù)進行多重處理,增加圖片中信息的離散性,使訓練集中數(shù)據(jù)更加貼近現(xiàn)實的情況。

    2.1.4數(shù)據(jù)集分割 我們采取打亂數(shù)據(jù)集中圖片順序后,按比例分割的方法對數(shù)據(jù)集分割為訓練集、驗證集和測試集。舌體識別模型訓練集:驗證集為17:3,舌象分類模型訓練集:驗證集:測試集為4:1:1。

    2.2 CNN模型 YOLO-v4和EfficientNet模型是當前先進的圖像處理卷積神經(jīng)網(wǎng)絡模型,其架構先進,與多種先進算法適配,無論在性能和精度上均處于先進水平。其中,YOLO-v4模型運算速度快,分類精度差,適用于舌體識別,EfficientNet-B2模型分類精度高,運算速度慢,可用于舌象分類。CNN可以很好地對圖像信息的特征進行提取和層層處理后,計算某圖片對不同分類的多重Logistic回歸結果,從而獲得概率估值,估值與閾值結合后判斷圖片的分類結果。

    2.3 模型訓練 為了提高訓練效率并充分利用模型初始權重所包含的預訓練集數(shù)據(jù)信息,訓練過程聯(lián)合使用轉(zhuǎn)移學習與凍結學習的方法,YOLO-v4模型訓練的第1~10期(epoch)凍結淺層,第11~200期解凍全層。

    2.4 超參數(shù)設置

    批量(batch size)是數(shù)據(jù)集每次批量輸入模型的一次性樣本量,每次迭代模型內(nèi)權重更新的方向和參數(shù)受每批數(shù)據(jù)信息影響,批量較大時模型權重調(diào)整更準確,批量較小時,損失函數(shù)可能出現(xiàn)難收斂的問題。在滿足計算機元件滿載運行的前提下,適當提高批量至合適的大小。損失函數(shù)(loss function)是用來計算評估所建立數(shù)學模型與現(xiàn)實世界數(shù)據(jù)間差距的函數(shù)。優(yōu)化算法(optimization algorithm)是通過調(diào)整模型參數(shù)使損失函數(shù)逐步逼近最優(yōu)解的計算方法,包括對前次迭代模型參數(shù)數(shù)據(jù)的處理以及新參數(shù)調(diào)整幅度的計算。為了保證收斂和效率的平衡,本次試驗對兩個模型均應用余弦退火法(cosine anealing)的學習率調(diào)整策略(learning rate scheduler),利用余弦函數(shù)曲線特點,使學習率隨訓練迭代次數(shù)而改變,呈先緩、再速、終緩的速率變化特點。

    2.5 訓練結束 經(jīng)反復調(diào)試,將第115期的模型權重作為最終權重。

    2.6 判定閾值 一般來說,輸入圖片對某分類的Logistic回歸結果越高,圖片更可能歸屬于該分類,概率閾值一般定為0.5。為了保證圖片在各分類維度下都有明確的歸類,本研究將各分類維度下的最高概率值定為分類閾值。

    3 結果

    3.1 測試指標 為了評估模型對訓練集外舌診照片的分類精度,反映模型對現(xiàn)實數(shù)據(jù)集的分類精度,我們對比了模型與普通醫(yī)生在測試集分類結果上的差異性。精確率(precision)越高,我們對分類陽性結果的把握越大;召回率(recall)越高,我們對陰性分類結果的把握越大,F(xiàn)-1是精確率、召回率的調(diào)和平均數(shù),用于綜合評估模型分類準確度。

    3.2 分類標簽 以中醫(yī)診斷學中的類型劃分標準為基礎,同時考慮到中醫(yī)臨床辨證的需求后,對舌診照片的分類標簽設置為兩層,第一層分類將舌象特征劃分為幾個維度,分別為舌色、舌形、苔色、苔厚度、津液情況、齒痕舌、裂紋舌、芒刺舌8種。第二層分類在第一層的基礎上進一步劃分,舌色分為淡白舌、淡紅舌、紅舌、絳舌、青紫舌5種;舌形分為痩薄舌、正常舌、胖大舌3種;津液情況分為燥苔、潤苔、滑苔3種;苔厚度分為厚苔與薄苔;苔色分為黃苔與白苔;齒痕舌、裂紋舌和芒刺舌均分為有、無兩類0。

    3.3 測試結果

    EfficientNet-B2模型對五分類精確率最差,三分類精確率次之,二分類項目精確率最好。模型對舌色分類淡紅舌的識別最好(F-1為0.53),但無法識別淡白舌。模型對舌形分類胖大舌的識別最好(F-1為0.59),痩薄舌較差(F-1為0.23)。模型對津液分類潤苔的識別最好(F-1為0.86),燥苔、滑苔的識別均不足(F-1分別為0.14和0.18);模型對苔厚度分類的厚苔識別較好(F-1為0.70)。模型對苔色分類黃苔識別較差(F-1為0.57)。模型對齒痕舌、裂紋舌的識別較好(F-1分別為0.72和0.73),對芒刺舌的識別略差(F-1為0.60)。

    4 分析與討論

    根據(jù)模型不同分類測試結果的差異,分析可能影響結果精確度的因素。

    4.1 數(shù)據(jù)不均衡 模型對舌色、舌形、津液多分類的精確率不足,三分類維度下,模型對淡紅舌、正常舌形、潤苔的分類精確率都相對較高,這與訓練數(shù)據(jù)集中各分類的樣本量分布情況基本一致(圖2~4)。根據(jù)CNN模型訓練原理,訓練數(shù)據(jù)集中占多數(shù)的分類會對模型權重產(chǎn)生較多影響,因此導致訓練后模型對樣本量偏大類別的精確率高于其他分類。

    4.2 數(shù)據(jù)預處理 模型對舌色、苔色的分類精度不理想,這可能是舌色、舌苔圖像信息相互干擾的結果。舌診照片來源廣泛,受拍攝時光源、拍攝角度、圖片采集設備影響,大量噪聲無法避免,模型對數(shù)據(jù)特征的提取難度增大。有研究0000顯示,舌體分割與苔質(zhì)分離技術可顯著提高舌象照片的分類精度,未來模型優(yōu)化時,可將舌體分割與苔質(zhì)分離技術用于舌象照片的預處理,降低圖像信息信噪比,改善模型分類精確率。

    4.3 訓練

    圖5中兩數(shù)據(jù)集曲線隨迭代次數(shù)震蕩分離,說明模型對兩數(shù)據(jù)集的分類精確率不同,我們考慮可能存在過擬合(overfitting)。為了使模型對訓練集外數(shù)據(jù)能有較好泛化性,應在訓練時同時監(jiān)測模型對驗證集的損失函數(shù),必要時提前停止訓練,避免模型對訓練集過擬合。但是,提前停止又有模型欠擬合的風險。我們共迭代訓練200期,最后選擇第115期模型的權重,損失函數(shù)為0.5744。

    4.4 閾值設置 模型對測試集中照片舌色分類時,訓練集和測試集中共140張人工標注的淡白舌照片,沒有1張被成功識別,回顧訓練后模型對標注為淡白舌照片的Logistic回歸結果,其概率一直在0.05左右震蕩,遠低于其他舌色的閾值,因此無法被正確歸類。造成這種結果的原因很多,舌色分類維度下的不同舌色設定不同閾值可能是解決方法之一。

    5. 展望

    根據(jù)試驗數(shù)據(jù)結果,可以發(fā)現(xiàn)將ML和AI技術應用于舌診照片分類任務是存在可行性的,目前模型對舌象照片二分類任務的精確率是相對可靠的。在此基礎上,學習與借鑒AI的最新技術,可不斷改進舌診分類AI模型的訓練方法包括:確保數(shù)據(jù)集類別的均衡,使用舌體切割與苔質(zhì)分離技術對舌診照片數(shù)據(jù)集預處理,監(jiān)測模型訓練過程中的損失函數(shù)與權重變化,避免訓練的過擬合與欠擬合,使用優(yōu)化算法重新設定閾值。相信在不遠將來,必將獲得精確率更高的舌診分類模型。

    參考文獻:

    [1]石強,王憶勤, 郎慶波,等. 13名中醫(yī)師對69例被觀察者苔色觀察結果的分析[C]// 全國辨證論治研討會. 中華中醫(yī)藥學會, 2004.

    [2]董競方、黃金昶、王建云.卷積神經(jīng)網(wǎng)絡算法在腫瘤患者舌象識別中的應用[J]. 北京中醫(yī)藥, 2020, v.39(11):106-109+115.

    [3]劉夢,王曦廷, 周璐,等.基于深度學習與遷移學習的中醫(yī)舌象提取識別研究[J]. 中醫(yī)雜志, 2019, 60(10):30-35.

    [4]覃海松.舌診定量化中圖像處理相關方法研究[D]. 中南大學, 2014.

    [5]邵尤偉.基于深度學習的智能舌診方法研究[D]. 2018.

    [6]劉國正.卷積神經(jīng)網(wǎng)絡在中醫(yī)舌象分類模型中的應用研究[D].

    [7]李宗潤.基于深度學習技術的舌體分割模型研究與舌象智能化應用探索[D].成都中醫(yī)藥大學,2020.

    [8]杜春慧.中醫(yī)舌質(zhì)特征的機器學習模型研究[D].電子科技大學,2020.

    作者簡介:于飛(1984.4-)男,漢族,北京,醫(yī)學AI研究員,碩士,研究方向:中醫(yī)文獻學。

    (深圳市予恩智能科技有限公司?廣東深圳?518000)

    猜你喜歡
    舌象卷積神經(jīng)網(wǎng)絡機器學習
    574例新型冠狀病毒肺炎康復者舌象特征分析
    基于Citespace的國內(nèi)腫瘤舌象研究可視化分析(2001-2020年)
    基于Citespace糖尿病舌象研究的文獻計量與可視化分析
    舌象儀臨床應用研究的方法學及報告質(zhì)量評價
    基于深度卷積神經(jīng)網(wǎng)絡的物體識別算法
    基于機器學習的圖像特征提取技術在圖像版權保護中的應用
    基于網(wǎng)絡搜索數(shù)據(jù)的平遙旅游客流量預測分析
    時代金融(2016年27期)2016-11-25 17:51:36
    前綴字母為特征在維吾爾語文本情感分類中的研究
    科教導刊(2016年26期)2016-11-15 20:19:33
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    精品久久蜜臀av无| 操美女的视频在线观看| 亚洲精品久久午夜乱码| 亚洲精品一卡2卡三卡4卡5卡 | 成在线人永久免费视频| 欧美精品人与动牲交sv欧美| 99精品久久久久人妻精品| 久久久精品94久久精品| 欧美性长视频在线观看| 啦啦啦免费观看视频1| 黄色视频不卡| av福利片在线| 亚洲精品av麻豆狂野| 国产日韩欧美视频二区| 国产精品久久久av美女十八| 五月开心婷婷网| 国产免费福利视频在线观看| 肉色欧美久久久久久久蜜桃| 久久久国产精品麻豆| 日韩熟女老妇一区二区性免费视频| 久久影院123| 成人影院久久| 精品国产乱子伦一区二区三区 | 精品亚洲乱码少妇综合久久| 天堂俺去俺来也www色官网| 激情视频va一区二区三区| 狠狠精品人妻久久久久久综合| 少妇粗大呻吟视频| 午夜免费观看性视频| av视频免费观看在线观看| 男女免费视频国产| 一本色道久久久久久精品综合| 国产1区2区3区精品| 在线观看www视频免费| 人妻 亚洲 视频| 欧美精品一区二区大全| 久久久精品94久久精品| 亚洲精品在线美女| 日韩,欧美,国产一区二区三区| 一区二区三区精品91| av一本久久久久| 精品福利观看| 1024香蕉在线观看| tocl精华| 在线观看免费高清a一片| 女人被躁到高潮嗷嗷叫费观| 久久久国产精品麻豆| 日本一区二区免费在线视频| 咕卡用的链子| 人人妻,人人澡人人爽秒播| 欧美激情极品国产一区二区三区| 久久这里只有精品19| 久久 成人 亚洲| 午夜视频精品福利| 国产男女超爽视频在线观看| 精品久久蜜臀av无| 久久国产精品影院| 成年动漫av网址| 久久av网站| 最新的欧美精品一区二区| 一级片'在线观看视频| 亚洲avbb在线观看| 亚洲avbb在线观看| 91大片在线观看| 欧美乱码精品一区二区三区| 人人妻,人人澡人人爽秒播| 99久久99久久久精品蜜桃| 天堂俺去俺来也www色官网| kizo精华| 欧美日韩一级在线毛片| 精品国内亚洲2022精品成人 | av网站在线播放免费| 欧美 亚洲 国产 日韩一| 午夜免费成人在线视频| 国产伦人伦偷精品视频| 欧美黄色淫秽网站| a 毛片基地| 搡老岳熟女国产| 国产精品.久久久| 99精品久久久久人妻精品| 一级毛片精品| 亚洲成人免费av在线播放| 国产精品自产拍在线观看55亚洲 | 如日韩欧美国产精品一区二区三区| 久久ye,这里只有精品| 麻豆乱淫一区二区| 欧美黄色片欧美黄色片| 免费在线观看黄色视频的| 国产1区2区3区精品| 亚洲 国产 在线| 成人亚洲精品一区在线观看| 国产成人欧美在线观看 | 日日爽夜夜爽网站| 在线观看人妻少妇| 亚洲av国产av综合av卡| 国产一区二区 视频在线| 激情视频va一区二区三区| 国产精品二区激情视频| 99精品久久久久人妻精品| 在线观看免费高清a一片| 成年av动漫网址| 老司机影院毛片| 日韩大片免费观看网站| 久久精品亚洲熟妇少妇任你| 欧美黑人精品巨大| 麻豆国产av国片精品| 国产1区2区3区精品| 午夜免费成人在线视频| av网站免费在线观看视频| 国产精品 欧美亚洲| 亚洲精品成人av观看孕妇| 亚洲国产精品999| 久久久国产成人免费| 一级毛片女人18水好多| tube8黄色片| 亚洲黑人精品在线| 黑人欧美特级aaaaaa片| 国产在线一区二区三区精| 叶爱在线成人免费视频播放| 欧美日韩亚洲国产一区二区在线观看 | tube8黄色片| 国产成人精品无人区| 高清在线国产一区| 亚洲精品国产av蜜桃| 久久久国产精品麻豆| 国产精品亚洲av一区麻豆| 免费日韩欧美在线观看| kizo精华| 99久久精品国产亚洲精品| 超碰成人久久| 午夜福利,免费看| 99精品久久久久人妻精品| 亚洲av成人一区二区三| 一区二区日韩欧美中文字幕| 国产极品粉嫩免费观看在线| 亚洲中文日韩欧美视频| 国产xxxxx性猛交| 色精品久久人妻99蜜桃| 啦啦啦在线免费观看视频4| 99久久人妻综合| 免费观看人在逋| 欧美一级毛片孕妇| 国产日韩欧美视频二区| 国产精品自产拍在线观看55亚洲 | 久久这里只有精品19| 女人爽到高潮嗷嗷叫在线视频| 国产日韩欧美在线精品| 成年人黄色毛片网站| 亚洲中文日韩欧美视频| 午夜免费观看性视频| 青草久久国产| 一级毛片精品| 久久精品aⅴ一区二区三区四区| 亚洲精品日韩在线中文字幕| 国产成人a∨麻豆精品| 国产成人系列免费观看| 亚洲av欧美aⅴ国产| 久久久久久久久免费视频了| 免费黄频网站在线观看国产| 国产黄频视频在线观看| 中文字幕精品免费在线观看视频| 精品乱码久久久久久99久播| 99久久精品国产亚洲精品| 五月天丁香电影| 欧美激情 高清一区二区三区| av福利片在线| 老司机在亚洲福利影院| 捣出白浆h1v1| 亚洲国产欧美在线一区| 妹子高潮喷水视频| 丝袜美腿诱惑在线| 人人澡人人妻人| 黑人巨大精品欧美一区二区蜜桃| 亚洲精华国产精华精| 国产成人av激情在线播放| 久久久久久久国产电影| 国产福利在线免费观看视频| 高潮久久久久久久久久久不卡| 日韩欧美国产一区二区入口| 久久99一区二区三区| 青春草亚洲视频在线观看| 在线亚洲精品国产二区图片欧美| 啪啪无遮挡十八禁网站| 91精品国产国语对白视频| 国产亚洲精品第一综合不卡| 亚洲人成电影观看| 一区二区三区乱码不卡18| 久久亚洲精品不卡| 黄色片一级片一级黄色片| av不卡在线播放| 久久久欧美国产精品| 99香蕉大伊视频| 一本大道久久a久久精品| 另类亚洲欧美激情| 亚洲欧美成人综合另类久久久| 不卡av一区二区三区| 久久亚洲国产成人精品v| 在线观看免费午夜福利视频| 黄色视频在线播放观看不卡| 黄色视频不卡| av一本久久久久| 天天躁夜夜躁狠狠躁躁| 一级,二级,三级黄色视频| 啦啦啦视频在线资源免费观看| 久久天堂一区二区三区四区| 99香蕉大伊视频| 老司机影院成人| 亚洲久久久国产精品| 最新在线观看一区二区三区| 亚洲精品中文字幕在线视频| 电影成人av| 日日爽夜夜爽网站| 宅男免费午夜| 老司机午夜福利在线观看视频 | 一边摸一边做爽爽视频免费| 久久人妻福利社区极品人妻图片| xxxhd国产人妻xxx| 青春草视频在线免费观看| 成人黄色视频免费在线看| 中文字幕高清在线视频| 一级a爱视频在线免费观看| 色老头精品视频在线观看| av片东京热男人的天堂| 国产日韩一区二区三区精品不卡| 在线十欧美十亚洲十日本专区| 12—13女人毛片做爰片一| 亚洲人成77777在线视频| 国产97色在线日韩免费| 黑人操中国人逼视频| 亚洲熟女毛片儿| 国产主播在线观看一区二区| 黄频高清免费视频| 最新在线观看一区二区三区| 91精品国产国语对白视频| 一边摸一边做爽爽视频免费| av欧美777| 免费观看人在逋| 国产麻豆69| 亚洲精品久久午夜乱码| 97精品久久久久久久久久精品| 美女午夜性视频免费| 亚洲欧美精品自产自拍| 国产一区二区在线观看av| 9191精品国产免费久久| 午夜精品国产一区二区电影| 19禁男女啪啪无遮挡网站| 国产精品偷伦视频观看了| 欧美精品一区二区大全| 80岁老熟妇乱子伦牲交| 99精品欧美一区二区三区四区| 狠狠婷婷综合久久久久久88av| 美女扒开内裤让男人捅视频| 飞空精品影院首页| 亚洲九九香蕉| www.熟女人妻精品国产| 亚洲av电影在线观看一区二区三区| 首页视频小说图片口味搜索| 少妇的丰满在线观看| 国产激情久久老熟女| 精品少妇内射三级| 岛国在线观看网站| 一边摸一边做爽爽视频免费| 男女无遮挡免费网站观看| 国产黄色免费在线视频| 女警被强在线播放| 精品久久久精品久久久| 欧美日韩亚洲高清精品| 久热这里只有精品99| 亚洲精品粉嫩美女一区| 中文字幕人妻丝袜一区二区| 国产男女超爽视频在线观看| 永久免费av网站大全| 久久性视频一级片| 亚洲av国产av综合av卡| av又黄又爽大尺度在线免费看| 天堂8中文在线网| 丰满饥渴人妻一区二区三| 黄片小视频在线播放| 日本vs欧美在线观看视频| 久久九九热精品免费| 欧美日韩成人在线一区二区| 久久精品成人免费网站| 久久精品国产亚洲av高清一级| 十八禁网站网址无遮挡| 高清视频免费观看一区二区| 日韩大码丰满熟妇| 久久精品久久久久久噜噜老黄| 狂野欧美激情性xxxx| 美女大奶头黄色视频| 日本黄色日本黄色录像| 亚洲国产日韩一区二区| 国产男女超爽视频在线观看| 亚洲精品久久久久久婷婷小说| 99精品久久久久人妻精品| 可以免费在线观看a视频的电影网站| 日韩中文字幕视频在线看片| 久久久国产一区二区| 国产精品欧美亚洲77777| 在线观看舔阴道视频| 久久精品亚洲熟妇少妇任你| 国产精品国产三级国产专区5o| 天天躁夜夜躁狠狠躁躁| 一本一本久久a久久精品综合妖精| 啪啪无遮挡十八禁网站| 美女主播在线视频| 中文字幕最新亚洲高清| a 毛片基地| 精品一品国产午夜福利视频| 人成视频在线观看免费观看| 视频区欧美日本亚洲| 久久天躁狠狠躁夜夜2o2o| 黄频高清免费视频| 亚洲欧美色中文字幕在线| 午夜福利乱码中文字幕| 亚洲中文av在线| 国产在线免费精品| 国产精品.久久久| 99国产精品一区二区蜜桃av | 丰满少妇做爰视频| 在线观看www视频免费| 三上悠亚av全集在线观看| 1024香蕉在线观看| 亚洲黑人精品在线| 久久这里只有精品19| 精品第一国产精品| 又紧又爽又黄一区二区| 国产亚洲av片在线观看秒播厂| 亚洲久久久国产精品| 亚洲国产欧美一区二区综合| 国产激情久久老熟女| 五月天丁香电影| 欧美老熟妇乱子伦牲交| 青草久久国产| 亚洲国产av影院在线观看| 久久午夜综合久久蜜桃| 亚洲av成人不卡在线观看播放网 | 国产老妇伦熟女老妇高清| 99精国产麻豆久久婷婷| 国精品久久久久久国模美| 国产精品香港三级国产av潘金莲| 最新在线观看一区二区三区| 999久久久精品免费观看国产| 欧美亚洲 丝袜 人妻 在线| 高清欧美精品videossex| 最近中文字幕2019免费版| 精品一区二区三区av网在线观看 | 欧美精品高潮呻吟av久久| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美日韩另类电影网站| 麻豆av在线久日| 国产精品久久久久成人av| 十八禁网站免费在线| 久久影院123| 国产在线观看jvid| 久久久久国产一级毛片高清牌| 久久久久久人人人人人| 国产av又大| 曰老女人黄片| 99国产综合亚洲精品| 国产99久久九九免费精品| av线在线观看网站| 免费看十八禁软件| 18禁裸乳无遮挡动漫免费视频| av视频免费观看在线观看| 欧美精品一区二区大全| 性少妇av在线| 高潮久久久久久久久久久不卡| 另类精品久久| 另类亚洲欧美激情| 在线永久观看黄色视频| 国产一区二区三区在线臀色熟女 | av在线老鸭窝| 欧美精品人与动牲交sv欧美| 日本av手机在线免费观看| 狂野欧美激情性bbbbbb| 日韩精品免费视频一区二区三区| 欧美精品一区二区大全| 中文字幕最新亚洲高清| 午夜两性在线视频| 欧美黑人精品巨大| 久久人妻福利社区极品人妻图片| 狂野欧美激情性xxxx| 王馨瑶露胸无遮挡在线观看| 日韩视频在线欧美| 国产极品粉嫩免费观看在线| 婷婷色av中文字幕| 最黄视频免费看| 欧美成人午夜精品| 亚洲人成电影观看| 日韩一区二区三区影片| 亚洲人成电影观看| 欧美成人午夜精品| 国产色视频综合| 一二三四在线观看免费中文在| 一级,二级,三级黄色视频| 无限看片的www在线观看| 啦啦啦 在线观看视频| 大码成人一级视频| 成年人午夜在线观看视频| 12—13女人毛片做爰片一| 不卡一级毛片| 嫩草影视91久久| 人成视频在线观看免费观看| 亚洲av男天堂| 国产成人a∨麻豆精品| 久久久精品免费免费高清| 丝袜美腿诱惑在线| 国产高清国产精品国产三级| 国产精品久久久av美女十八| 亚洲色图 男人天堂 中文字幕| 日日爽夜夜爽网站| 精品一区二区三卡| 18禁黄网站禁片午夜丰满| 亚洲精品国产av成人精品| 久久久欧美国产精品| 亚洲熟女精品中文字幕| 久久青草综合色| 国产一区有黄有色的免费视频| 久久中文字幕一级| 欧美大码av| 亚洲熟女毛片儿| 精品人妻熟女毛片av久久网站| 性少妇av在线| 美女国产高潮福利片在线看| 两个人免费观看高清视频| 99香蕉大伊视频| 欧美国产精品va在线观看不卡| 国产又色又爽无遮挡免| 十八禁人妻一区二区| 脱女人内裤的视频| 精品亚洲成a人片在线观看| 亚洲性夜色夜夜综合| 亚洲精品国产一区二区精华液| 十八禁高潮呻吟视频| 女警被强在线播放| 亚洲精品国产av蜜桃| 国产成人免费观看mmmm| 涩涩av久久男人的天堂| 免费久久久久久久精品成人欧美视频| 巨乳人妻的诱惑在线观看| 免费av中文字幕在线| 人妻 亚洲 视频| 久久午夜综合久久蜜桃| 18禁国产床啪视频网站| 窝窝影院91人妻| 国产在线视频一区二区| 一本综合久久免费| 国产伦人伦偷精品视频| 人妻人人澡人人爽人人| 免费女性裸体啪啪无遮挡网站| 777久久人妻少妇嫩草av网站| 亚洲七黄色美女视频| 无限看片的www在线观看| 久久久久久久久久久久大奶| 国产无遮挡羞羞视频在线观看| 亚洲国产精品成人久久小说| 精品国产一区二区三区四区第35| 2018国产大陆天天弄谢| 免费在线观看完整版高清| 两个人看的免费小视频| 女人久久www免费人成看片| 丁香六月欧美| 肉色欧美久久久久久久蜜桃| 色婷婷久久久亚洲欧美| 亚洲激情五月婷婷啪啪| 国产亚洲一区二区精品| 大香蕉久久成人网| 免费日韩欧美在线观看| 国产免费av片在线观看野外av| 国产精品久久久av美女十八| 欧美日韩一级在线毛片| 狠狠精品人妻久久久久久综合| 久久天躁狠狠躁夜夜2o2o| 王馨瑶露胸无遮挡在线观看| 久久亚洲国产成人精品v| 精品欧美一区二区三区在线| 18禁观看日本| 男人操女人黄网站| 国产日韩欧美视频二区| 国产精品成人在线| av免费在线观看网站| 国产一区二区三区在线臀色熟女 | 男人添女人高潮全过程视频| a在线观看视频网站| 99国产精品一区二区三区| 中文字幕人妻丝袜一区二区| 正在播放国产对白刺激| 久久天堂一区二区三区四区| 中文精品一卡2卡3卡4更新| 欧美成人午夜精品| 国产精品av久久久久免费| 国产一区二区 视频在线| 嫩草影视91久久| 国产麻豆69| 三上悠亚av全集在线观看| 亚洲精品久久久久久婷婷小说| 王馨瑶露胸无遮挡在线观看| 精品少妇黑人巨大在线播放| 大片电影免费在线观看免费| videos熟女内射| 美女主播在线视频| 天天躁日日躁夜夜躁夜夜| 亚洲成人国产一区在线观看| 狂野欧美激情性xxxx| 一边摸一边抽搐一进一出视频| 午夜福利在线免费观看网站| 两个人看的免费小视频| 精品高清国产在线一区| 日韩欧美一区二区三区在线观看 | 男人爽女人下面视频在线观看| 亚洲av日韩精品久久久久久密| 国产人伦9x9x在线观看| 一区福利在线观看| 国产日韩一区二区三区精品不卡| 精品一品国产午夜福利视频| www.精华液| 在线观看一区二区三区激情| 国产欧美日韩综合在线一区二区| 99热国产这里只有精品6| 一级a爱视频在线免费观看| 女性生殖器流出的白浆| 男女国产视频网站| 亚洲国产看品久久| 欧美人与性动交α欧美精品济南到| 侵犯人妻中文字幕一二三四区| 1024视频免费在线观看| 97人妻天天添夜夜摸| 国产成人精品无人区| 麻豆乱淫一区二区| 精品一区二区三卡| 日本a在线网址| 91精品伊人久久大香线蕉| 色94色欧美一区二区| 热re99久久国产66热| 99精国产麻豆久久婷婷| 久久青草综合色| 午夜福利乱码中文字幕| 法律面前人人平等表现在哪些方面 | 精品国产乱子伦一区二区三区 | 1024视频免费在线观看| 热re99久久国产66热| 国产免费现黄频在线看| 中文字幕av电影在线播放| 欧美黑人欧美精品刺激| 中国国产av一级| 欧美黑人精品巨大| 欧美日韩福利视频一区二区| 欧美激情久久久久久爽电影 | 国产精品一区二区在线不卡| avwww免费| 国产精品亚洲av一区麻豆| 蜜桃国产av成人99| 亚洲人成电影观看| 国产精品免费视频内射| 亚洲一区二区三区欧美精品| 欧美国产精品va在线观看不卡| 国产精品一区二区在线观看99| 亚洲精品久久午夜乱码| 亚洲国产精品999| 高清在线国产一区| 日本精品一区二区三区蜜桃| 成人影院久久| 热99久久久久精品小说推荐| 爱豆传媒免费全集在线观看| 精品视频人人做人人爽| 在线av久久热| 国产av一区二区精品久久| 黄色a级毛片大全视频| 国产福利在线免费观看视频| 丰满饥渴人妻一区二区三| 精品久久蜜臀av无| 亚洲,欧美精品.| 91老司机精品| 大型av网站在线播放| 妹子高潮喷水视频| 亚洲avbb在线观看| 老汉色av国产亚洲站长工具| 色播在线永久视频| 国产精品久久久久久人妻精品电影 | 我的亚洲天堂| 男女下面插进去视频免费观看| 黑人巨大精品欧美一区二区mp4| 国产一区二区三区av在线| 日韩视频在线欧美| 中文字幕最新亚洲高清| 黄频高清免费视频| 日韩中文字幕欧美一区二区| 国产国语露脸激情在线看| 欧美午夜高清在线| av在线播放精品| 亚洲精品自拍成人| 好男人电影高清在线观看| 国产成人欧美在线观看 | 日韩有码中文字幕| 女人被躁到高潮嗷嗷叫费观| 中文精品一卡2卡3卡4更新| 欧美老熟妇乱子伦牲交| 美女福利国产在线| 视频在线观看一区二区三区| 中文字幕制服av| www.熟女人妻精品国产| 久久精品国产亚洲av香蕉五月 | 老熟女久久久| 欧美日韩福利视频一区二区| 亚洲第一av免费看| 成人影院久久| 一本一本久久a久久精品综合妖精| 国产精品熟女久久久久浪| 国产成人影院久久av| 天天躁夜夜躁狠狠躁躁| 丰满迷人的少妇在线观看| 久久国产精品大桥未久av| 国产无遮挡羞羞视频在线观看| 亚洲国产av影院在线观看| 国产精品麻豆人妻色哟哟久久|