• <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 ?

    基于gSpan改進算法的中醫(yī)辨證論治模式挖掘研究

    2021-11-01 06:04:32任晉宇白琳周志陽馮睿智鐘華
    中國中醫(yī)藥信息雜志 2021年10期
    關鍵詞:舌色脈象舌苔

    任晉宇,白琳,周志陽,馮睿智,鐘華

    中醫(yī)藥信息學

    基于gSpan改進算法的中醫(yī)辨證論治模式挖掘研究

    任晉宇1,白琳1,周志陽1,馮睿智2,鐘華1

    1.中國科學院軟件研究所,北京 100190;2.四川大學華西醫(yī)院,四川 成都 610041

    擴展經(jīng)典的頻繁子圖挖掘算法以獲得在中醫(yī)學科中表現(xiàn)更好的數(shù)據(jù)挖掘效果,從而得出隱含在中醫(yī)病案中的辨證論治模式。結合中醫(yī)病案數(shù)據(jù)特征,擴展經(jīng)典的圖挖掘算法,對多個癥狀屬性分別設置最小支持度閾值參數(shù),再用擴展后的基于多重最小支持度的數(shù)據(jù)挖掘算法對數(shù)據(jù)集中蘊含的辨證論治模式進行挖掘。對3 319條慢性阻塞性肺疾病(急性加重期)真實病案數(shù)據(jù)應用擴展的頻繁子圖挖掘算法,得到一系列該病相關的八綱辨證模式。與經(jīng)典算法相比,擴展算法挖掘得到的辨證模式在模式維度和數(shù)量方面均明顯提升。擴展后的頻繁子圖挖掘算法能夠運用于中醫(yī)辨證論治模式的挖掘,發(fā)現(xiàn)病案中隱含的辨證規(guī)律,且在模式完備性上具有比原始算法更好的效果。

    模式挖掘;頻繁子圖;多重最小支持度;辨證論治模式

    數(shù)據(jù)挖掘是從數(shù)據(jù)集中發(fā)現(xiàn)潛在的、隱藏的歸納性知識的一種方法,能在紛繁的數(shù)據(jù)中獲得具有代表性、可信度高的信息。傳統(tǒng)的分類、聚類等數(shù)據(jù)挖掘算法主要針對簡單類型數(shù)據(jù)進行挖掘。對于圖這種計算機科學中通用的數(shù)據(jù)結構,普通數(shù)據(jù)挖掘算法難以應對其內(nèi)部錯綜復雜的頂點之間的關系[1]。為解決這一問題,圖數(shù)據(jù)挖掘應運而生,并且已經(jīng)成為數(shù)據(jù)挖掘領域的基礎性研究問題,特別是頻繁子圖挖掘方向引起了廣泛關注。頻繁子圖挖掘的目的是找到在圖集中頻繁出現(xiàn)的子圖模式,所得結果集可應用于相似性搜索[2-3]、圖聚類和分類[4-6]、圖索引[7-8]等諸多場景[9],其需求推動著該領域高速發(fā)展[10-11]。

    中醫(yī)名家的診療經(jīng)驗難以客觀化,限制了中醫(yī)的傳承和發(fā)展,因此構建標準化的信息系統(tǒng)以輔助診斷尤為重要。中醫(yī)理論體系中,多種辨證論治模式紛繁復雜,一般的數(shù)據(jù)結構難以表達模型中的復雜關系。本研究結合圖挖掘理論,改進經(jīng)典的圖挖掘算法,將中醫(yī)診療數(shù)據(jù)隱含的診斷模式視作一個圖以簡化問題,以中醫(yī)思維理念模型為基礎,融合八綱辨證知識,將每一個病案信息建模為一個圖結構,在這些圖構成的數(shù)據(jù)集中挖掘頻繁子圖,分析所得結果中目標病癥的診治規(guī)律,從而得出中醫(yī)辨證論治模式,以期為大數(shù)據(jù)驅動的中醫(yī)智能輔助診斷系統(tǒng)提供核心服務。

    1 基本概念

    根據(jù)數(shù)據(jù)挖掘理論,頻繁出現(xiàn)的圖結構包含可利用的、高價值的信息,頻繁子圖挖掘即在多個圖構成的圖集中尋找頻繁出現(xiàn)的圖結構。本研究基于性能較優(yōu)的gSpan算法進行擴展,從而提升算法對中醫(yī)病案數(shù)據(jù)集的挖掘效果。

    1.1 圖及相關概念形式化定義

    1.1.1 標記圖

    標記圖是邊和頂點均帶有標簽的圖,可以表示為五元組=(,,,,)。式中,是圖的非空頂點集合,是圖的非空邊集合,和分別是圖的頂點標簽集合和邊標簽集合,為→、→的映射關系。

    1.1.2 子圖

    標記圖1=(1,1,1,1,1)是標記圖2=(2,2,2,2,2)的子圖,當且僅當①1?2,1?2;②?∈1,1()=2();③?(,)∈1,1(,)=2(,),記作1?2。

    1.1.3 子圖同構

    設有標記圖1=(1,1,1,1,1)與標記圖2=(2,2,2,2,2),如果存在一個1到2的雙射函數(shù):1→2,且滿足1=<1i,1j>是圖1的一條邊,則稱1與2同構,記作1≌2;如果存在1≌2且2?,則稱1子圖同構于。

    1.1.4 支持度

    1.1.5 頻繁子圖

    給定一個圖集合={1,2,…,G}和最小支持度閾值∈(0,1],如果圖G是頻繁的,當且僅當(,)≥。

    2 算法描述

    2.1 原始算法

    gSpan算法基于深度優(yōu)先搜索思想和最右路徑擴展方法,并通過逐步擴展頻繁邊而生成頻繁子圖。gSpan算法對訪問過的頂點集合反復擴展,從而建立一個深度優(yōu)先搜索樹。由于gSpan算法擴展時只對最小的DFS(深度優(yōu)先搜索)編碼進行最右擴展,因而有效減少了復制圖的產(chǎn)生[12],借此提高了挖掘效率。算法及子程序如下:

    2.2 擴展算法

    原始的gSpan算法設置統(tǒng)一的最小支持度參數(shù),挖掘結果為在圖集中出現(xiàn)頻率大于該支持度的所有頻繁子圖。將gSpan算法應用于中醫(yī)學具體問題時,由于各癥狀值域分布范圍不同,造成某些癥狀特征因值域范圍廣而出現(xiàn)概率低的情況。以中醫(yī)癥狀屬性“脈象”為例,其取值包括沉、滑、弱、澀、細、遲、緩、軟、弦、數(shù)、疾、緊、濡、穩(wěn)、代、弦、促、浮、洪、結、平等數(shù)十種。我們將癥狀屬性連同其某個取值合稱為一個癥狀特征,如“脈象沉”“脈象滑”。如果對全部癥狀特征都設置相同的最小支持度參數(shù),會使因值域范圍廣而出現(xiàn)概率低的癥狀特征被視為低頻特征,在模式挖掘過程中被過濾掉,而這些特征有可能是辨證論治的關鍵特征,將其過濾掉可能造成辨證論治模式完備性的缺失。因此,采用擴展的gSpan算法,結合癥狀屬性值域范圍和數(shù)值分布特征,為每個癥狀屬性分別設置單獨的最小支持度參數(shù),實現(xiàn)基于多重最小支持度的辨證論治模式挖掘。算法如下:

    3 算法應用

    3.1 數(shù)據(jù)來源與篩選

    以慢性阻塞性肺疾?。毙约又仄冢┲嗅t(yī)病案為實驗數(shù)據(jù),來源于四川大學華西醫(yī)院醫(yī)院信息系統(tǒng),為該院中西醫(yī)結合科2011年1月1日-2019年1月31日出院患者病案。由于該病臨床證名繁多,難以統(tǒng)一歸類,而八綱辨證(陰陽、表里、寒熱、虛實)全部為二分類,條目清晰,因此,根據(jù)原始中醫(yī)辨證結果,結合病歷記載的四診資料,標記出八綱辨證。

    納入標準:病案首頁主診斷為慢性阻塞性肺疾病(急性加重期)且記錄完整清晰,包括完整的四診信息和診斷信息。排除標準:①缺失“中醫(yī)證候”項;②缺失患者四診描述信息;③“中醫(yī)證候”項的值錯填為西醫(yī)疾病名。根據(jù)納入和排除標準篩選后得到3 319條病案數(shù)據(jù),按照八綱辨證進行統(tǒng)計,結果見表1。其中,表證病案僅10條,且相關研究顯示慢性阻塞性肺疾?。毙约又仄冢┗颊咛貏e是住院患者表證很少[13-15],故本文不討論表證辨證模式。

    表1 3 319條慢性阻塞性肺疾?。毙约又仄冢┎“笖?shù)據(jù)八綱辨證分布

    八綱辨證病案數(shù)百分比/% 八綱辨證病案數(shù)百分比/% 陰證1 92958.1 寒證1 62248.9 陽證1 39041.9 熱證1 69751.1 虛證1 09132.9 表證 10 0.3 實證2 22867.1 里證3 30999.7

    3.2 數(shù)據(jù)預處理

    3.2.1 四診信息規(guī)范化處理與分詞

    為每個癥狀描述信息(即癥狀特征)定義一個標準名稱,對四診信息進行規(guī)范化處理,如“脘腹按痛”“脘腹按壓痛”“脘腹按壓疼痛”統(tǒng)一為“脘腹按痛”。分詞是將復雜文本描述的癥狀信息進行拆分,分解為細粒度的最小癥狀描述單位,如“脈象沉弦細數(shù)”分詞為“脈象沉”“脈象弦”“脈象細”“脈象數(shù)”。

    3.2.2 數(shù)據(jù)建模

    根據(jù)“1.1”項下定義,每條病案數(shù)據(jù)對應一個圖結構。病案中表現(xiàn)異常的癥狀屬性與該病案診斷的八綱證型構成圖的頂點集合,癥狀屬性與八綱證型的聯(lián)系構成圖中邊的集合,邊的標記為這條邊關聯(lián)的癥狀屬性在病案中表現(xiàn)的癥狀特征。

    以病案集中第0005號病案為例,癥狀為“惡寒發(fā)熱,盜汗,納呆,??诳?,夜間失眠,呼吸氣粗,痰白色黏稠,脈沉”,證候為“痰熱犯肺”,屬陽證。根據(jù)建模規(guī)則,病案中表現(xiàn)異常的癥狀屬性“寒熱”“汗”“飲食”“口”“睡眠”“呼吸”“痰”“脈象”,以及所屬的八綱證型“陽證”共同構成圖的頂點集合。每個癥狀屬性頂點與證型頂點之間以邊相連。邊的起點為癥狀屬性頂點,終點為證型頂點,表明該癥狀屬性屬于該證型的臨床關聯(lián)屬性。“惡寒發(fā)熱”“盜汗”“納呆”等癥狀特征作為邊的標記標注在相應癥狀屬性對應的邊上。該病案對應的圖結構見圖1。

    3.3 支持度參數(shù)設置

    依據(jù)各癥狀屬性對應的癥狀特征分布情況,對不同癥狀屬性設置不同的最小支持度。統(tǒng)計結果顯示,病案數(shù)據(jù)的四診信息可通過19個癥狀屬性進行描述,包括“舌苔色”“舌苔質”“飲食”“睡眠”“痰”“脈象”等,同一病案的癥狀屬性最多有17個,最少僅1個,約86%病案的癥狀屬性為5~10個,見圖2。

    圖1 病案記錄轉化為圖模型示例

    圖2 3 319條慢性阻塞性肺疾?。毙约又仄冢┎“笖?shù)據(jù)癥狀屬性分布

    不同癥狀屬性的癥狀特征數(shù)量及其出現(xiàn)頻率存在較大差異。“脈象”這一癥狀屬性的癥狀特征數(shù)量最多,在八綱證型(陰、陽、虛、實、寒、熱、里7種證型)上表現(xiàn)的特征數(shù)量分別為34、27、25、29、36、29、35個;癥狀特征數(shù)量最少的是“睡眠”“飲食”“汗”癥狀屬性,均包含2個癥狀特征,分別為“失眠”“嗜睡”、“納呆”“多食易饑”、“盜汗”“自汗”。出現(xiàn)頻率最高的是“舌苔質”屬性對應的“舌苔質薄”,為81.2%。癥狀特征分布較為分散,只有約9%的癥狀特征出現(xiàn)頻率在20%以上,見圖3。

    圖3 3 319條慢性阻塞性肺疾?。毙约又仄冢┎“笖?shù)據(jù)癥狀特征出現(xiàn)頻率分布

    對每一個癥狀屬性,根據(jù)其癥狀特征的出現(xiàn)頻率分布情況,設置最小支持度參數(shù)。具體方法:①設δ為挖掘算法的默認最小支持度,為當前癥狀屬性對應的全部癥狀特征頻率的集合;②若min()<δ(即全部為低頻特征),則以δ為當前癥狀屬性的最小支持度參數(shù),過濾全部低頻特征;③若max()>δ(即全部為高頻特征),則以δ為當前癥狀屬性的最小支持度參數(shù),篩選全部高頻特征;④否則,計算中各頻率值的離散程度,若標準差σ()<α,表明各癥狀特征的頻率分布相對集中,取的上四分位數(shù)QU()作為當前癥狀屬性的最小支持度參數(shù),篩選優(yōu)勢特征;否則,中各頻率值分布較為分散,取對排序位置不敏感的平均數(shù)AVE()作為當前癥狀屬性的最小支持度參數(shù)。其中,α為可設定的閾值。

    以“熱證”為例:1 697條病案中,癥狀屬性“舌苔色”的癥狀特征包括“舌苔色黃”“舌苔色白”,頻率分別為52%、48%,設定δ=20%、α=20,則最小支持度參數(shù)minSup.舌苔色=20%。類似的,癥狀屬性“脈象”的癥狀特征“脈象滑”“脈象數(shù)”“脈象弦”“脈象細”“脈象沉”“脈象弱”“脈象浮”“脈象濡”“脈象虛”“脈象洪”“脈象緩”“脈象代”“脈象澀”“脈象結”頻率分別為48%、48%、22%、19%、10%、5%、4%、2%、1%、1%、1%、1%、1%、1%,標準差σ()=16.22,則minSup.脈象=QU()=17%。

    3.4 挖掘結果與分析

    表2 原始算法挖掘得到的辨證論治模式數(shù)量(不包含子模式)

    證型最小支 持度/%模式維度合計 證型最小支 持度/%模式維度合計 二維三維四維五維 二維三維四維五維 寒證10495119 陰證10958022 1511608 15415010 2013408 2011406 2502305 2536009 3033006 3021003 熱證10153011056 陽證1093010150 1517200037 1513182033 201540019 209110020 251010011 25830011 3080008 3090008 虛證1013128033 里證1013185036 1540105 151043017 2015107 20570012 25933015 2551006 3003003 3031004 實證1011248043 151363022 201121014 2563009 3041005

    可以看出,采用單一最小支持度進行挖掘,從模式的數(shù)量和維度兩方面綜合考慮,參數(shù)設置為20%時,挖掘結果最理想。因此,選取20%作為原始挖掘算法的最小支持度參數(shù)與擴展算法進行比較,同時將擴展算法中多重最小支持度的默認值δ設置為20%。挖掘結果見表3~表9(辨證論治模式以所包含的癥狀特征表示)。其中,模式的支持度即該模式在當前病案集中的出現(xiàn)頻率。

    表3 寒證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色白,舌色淡紅,痰白色}26 minSup=20%{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}26 {舌苔質薄,舌苔色白,舌色淡紅,脈象細}25 {舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}23 {舌苔色白,舌色淡紅,飲食納呆}21 {舌苔質薄,舌色淡紅,飲食納呆}20 {舌苔質薄,舌苔色白,飲食納呆}20 多重{舌苔質薄,舌苔色白,舌色淡紅,痰白色}26 minSup.睡眠=18%{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}26 minSup.痰=34%{舌苔質薄,舌苔色白,舌色淡紅,脈象細}25 minSup.舌色=50%{舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}23 minSup.舌苔色=50%{舌苔質薄,舌苔色白,舌色淡紅,飲食納呆}19 minSup.舌苔質=17%{舌苔色白,舌色淡紅,脈象弦}17 minSup.脈象=17%{舌苔質薄,舌色淡紅,脈象弦}17 minSup.其他=20%

    表4 熱證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色黃,舌色紅}26 minSup=20%{舌苔質薄,舌苔色白,舌色淡紅}23 {舌苔質薄,舌苔色黃,脈象滑}22 {舌苔質薄,舌苔色黃,痰白色}21 多重{舌苔質薄,舌苔色黃,舌色紅}26 minSup.睡眠=24%{舌苔質薄,舌苔色白,舌色淡紅}23 minSup.痰=26%{舌苔質薄,舌苔色黃,脈象滑}22 minSup.舌苔質=15%{舌苔質薄,舌苔色黃,痰白色}21 minSup.脈象=17%{舌苔質薄,舌色紅,痰白色}19 minSup.其他=20%{舌苔質薄,舌色淡紅,脈象滑}19 {舌苔質薄,舌色紅,脈象滑}18 {舌苔質薄,脈象滑,脈象數(shù)}18 {舌苔質薄,舌苔色黃,脈象數(shù)}18 {舌苔質薄,脈象滑,痰白色}17 {舌苔色黃,舌色紅,脈象滑}17 {舌苔質薄,舌色紅,脈象數(shù)}17 {舌苔質薄,舌苔色白,脈象數(shù)}17 {舌苔質薄,舌色淡紅,脈象數(shù)}17 {舌苔質薄,舌苔色白,脈象滑}16 {舌苔質薄,舌色紅,飲食納呆}15 {舌苔質薄,舌苔色黃,飲食納呆}15

    表5 虛證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色白,舌色淡紅,脈象細}26 minSup=20%{舌苔質薄,舌苔色白,脈象數(shù)}24 {舌苔質薄,舌苔色白,痰白色}21 {舌苔色白,舌色淡紅,脈象數(shù)}21 {舌苔質薄,舌色淡紅,脈象數(shù)}20 {舌苔質薄,舌苔色白,飲食納呆}20 多重{舌苔質薄,舌苔色白,舌色淡紅,脈象細}26 minSup.痰=32%{舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}19 minSup.舌苔色=50%{舌苔質薄,舌苔色白,舌色淡紅,痰白色}16 minSup.舌苔質=14%{舌苔質薄,舌苔色白,舌色淡紅,飲食納呆}14 minSup.其他=20%{舌苔質薄,舌苔色白,脈象滑}14

    表6 實證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}22 minSup=20%{舌苔質薄,舌色淡紅,痰白色}21 {舌苔質薄,舌色淡紅,脈象數(shù)}21 多重{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}22 minSup.睡眠=22%{舌苔質薄,舌色淡紅,痰白色}21 minSup.痰=36%{舌苔質薄,舌苔淡紅,脈象數(shù)}21 minSup.舌苔質=17%{舌苔質薄,舌苔色白,脈象數(shù)}19 minSup.脈象=17%{舌苔質薄,舌苔色白,痰白色}18 minSup.其他=20%{舌苔質薄,痰白色,脈象滑}18 {舌苔色白,舌色淡紅,脈象數(shù)}18 {舌苔質薄,舌苔色黃,舌色紅}17 {舌苔質薄,舌苔色黃,脈象滑}17 {舌苔質薄,脈象滑,脈象數(shù)}17

    表7 陰證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}23 minSup=20%{舌苔質薄,舌苔色白,舌色淡紅,痰白色}22 {舌苔質薄,舌苔色白,舌色淡紅,脈象細}21 {舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}20 {舌苔質薄,舌苔色白,飲食納呆}20 多重{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}23 minSup.痰=34%{舌苔質薄,舌苔色白,舌色淡紅,痰白色}22 minSup.舌苔色=50%{舌苔質薄,舌苔色白,舌色淡紅,脈象細}21 minSup.舌苔質=14%{舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}20 minSup.脈象=16%{舌苔質薄,舌苔色白,舌色淡紅,飲食納呆}16 minSup.其他=20%{舌苔質薄,舌色淡紅,脈象弦}20 {舌苔質薄,舌苔色白,脈象弦}20

    表8 陽證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色黃,舌色紅}28 minSup=20%{舌苔質薄,舌苔色白,舌色淡紅}27 {舌苔質薄,舌苔色黃,脈象滑}26 {舌苔質薄,舌苔色黃,痰白色}24 {舌苔質薄,舌色淡紅,脈象滑}22 {舌苔質薄,舌苔色黃,脈象數(shù)}21 {舌苔質薄,脈象滑,脈象數(shù)}21 {舌苔質薄,脈象滑,痰白色}20 {舌苔色黃,舌色紅,脈象滑}20 {舌苔質薄,舌色紅,脈象滑}20 {舌苔質薄,舌色淡紅,脈象數(shù)}20 多重{舌苔質薄,舌苔色白,舌色淡紅}27 minSup.睡眠=23%{舌苔質薄,舌苔色黃,痰白色}24 minSup.痰=28%{舌苔質薄,舌色淡紅,脈象滑}22 minSup.舌苔質=17%{舌苔質薄,脈象滑,脈象數(shù)}21 minSup.脈象=15%{舌苔質薄,脈象滑,痰白色}20 minSup.其他=20%{舌苔質薄,舌色淡紅,脈象數(shù)}20 {舌苔質薄,舌色紅,痰白色}19 {舌苔質薄,舌苔色黃,舌色紅,脈象滑}17 {舌苔色黃,痰白色,脈象滑}17 {舌苔質薄,舌苔色黃,飲食納呆}17 {舌苔質薄,舌苔色白,脈象滑}17 {舌苔色黃,舌色紅,脈象數(shù)}17 {舌苔質薄,舌苔色白,脈象數(shù)}17 {舌苔質薄,舌色紅,脈象數(shù)}16 {舌苔質薄,痰白色,脈象數(shù)}15 {舌苔質薄,飲食納呆,脈象滑}15 {舌苔色黃,脈象滑,脈象數(shù)}15

    表9 里證單一和多重最小支持度設置挖掘結果比較(模式維度≥3)

    最小支持度設置辨證論治模式支持度/% 單一{舌苔質薄,舌苔色白,舌色淡紅}49 minSup=20%{舌苔質薄,舌色淡紅,脈象滑}23 {舌苔質薄,舌苔色白,脈象滑}22 {舌苔色白,舌色淡紅,脈象滑}21 {舌苔質薄,舌色淡紅,脈象數(shù)}21 {舌苔質薄,舌色淡紅,痰白色}20 {舌苔質薄,舌苔色白,脈象數(shù)}20 多重{舌苔質薄,舌苔色白,舌色淡紅,脈象滑}19 minSup.睡眠=21%{舌苔質薄,舌苔色白,舌色淡紅,脈象數(shù)}17 minSup.舌苔質=14%{舌苔質薄,舌苔色白,脈象細}17 minSup.脈象=22%{舌苔質薄,舌苔色白,飲食納呆}16 minSup.其他=20%{舌苔質薄,舌苔色白,舌色淡紅,痰白色}15 {舌苔質薄,舌色淡紅,飲食納呆}20 {舌苔質薄,痰白色,脈象滑}14 {舌苔質薄,舌色淡紅,脈象細}14

    可以看出,與采用單一最小支持度的原始算法相比,擴展挖掘算法根據(jù)病案中不同癥狀屬性的特征分布設置多重最小支持度參數(shù),挖掘結果在模式的維度、數(shù)量方面均有所提升。具體表現(xiàn)在三方面:第一,發(fā)現(xiàn)更高維度的新模式,如模式r:陽證←{舌苔質薄,舌苔色黃,舌色紅,脈象滑}、r:陰證←{舌苔質薄,舌苔色白,舌色淡紅,飲食納呆}等都是在原有三維模式的基礎上經(jīng)設置多重最小支持度參數(shù)而發(fā)現(xiàn)的更高維度的新模式;第二,發(fā)現(xiàn)癥狀特征間新的關聯(lián)組合方式,如模式r:實證←{舌苔質薄,痰白色,脈象滑}、r:熱證←{舌苔色黃,舌色紅,脈象滑}等;第三,發(fā)現(xiàn)新的癥狀特征及其模式,如模式r:寒證←{舌苔色白,舌色淡紅,脈象弦}中的“脈象弦”、r:里證←{舌苔質薄,舌苔色白,飲食納呆}中的“飲食納呆”都是設置多重最小支持度參數(shù)后發(fā)現(xiàn)的新的癥狀特征??梢姡捎脭U展算法設置多重最小支持度后,挖掘的辨證論治模式在完備性方面較原始算法有明顯提升。

    將挖掘的辨證論治模式與《中醫(yī)診斷學》[16]所述八綱辨證進行比較可以看出,模式中包含的癥狀特征基本符合《中醫(yī)診斷學》相應證型的臨床癥狀描述。以陽證為例,《中醫(yī)診斷學》有“陽證臨床表現(xiàn)面赤……喘促痰鳴……舌紅絳……苔黃黑生芒刺……脈浮數(shù)、洪大、滑實”,結合陽證辨證論治模式挖掘結果(見表8):一方面,證實“舌色紅”“舌苔色黃”“飲食納呆”“脈象滑”“脈象數(shù)”等癥狀特征確是“陽證”的關鍵特征,所挖掘的“陽證”辨證論治模式中包含上述癥狀特征是準確的,并且采用擴展算法更有效地發(fā)現(xiàn)了“飲食納呆”這一陽證辨證的關鍵癥狀特征;另一方面,說明“舌色”“舌苔色”“脈象”等是慢性阻塞性肺疾病(急性加重期)的典型辨證屬性,其中,在“陽證”諸多“脈象”表現(xiàn)中,“脈象滑”和“脈象數(shù)”是該病“陽證”的典型癥狀表現(xiàn)。

    4 討論

    本研究將擴展的頻繁子圖挖掘算法應用于中醫(yī)病案挖掘,旨在解決原始算法中單一最小支持度在挖掘過程中可能產(chǎn)生的關鍵癥狀缺失問題,通過改善最小支持度參數(shù)設置方式,基于各癥狀屬性的值域范圍和數(shù)據(jù)分布特征設置多重最小支持度參數(shù),發(fā)現(xiàn)和挖掘低頻關鍵癥狀特征,進而提高辨證論治模式的完備性。挖掘得到的辨證論治模式的支持度即該模式在整個病案集中出現(xiàn)的頻率,能夠有效反映模式中包含的各癥狀特征在相應證型病案中共現(xiàn)的概率,是衡量模式有效性的重要指標。另外,考慮到算法應用的醫(yī)療背景,模式的“特異性”也是衡量模式價值的一個關鍵因素。臨床中存在許多常見但對疾病或證型辨識度并不高的非特異性癥狀,如發(fā)熱、乏力等,通過計算癥狀對某個疾病或證型的“特異性指數(shù)”可以得出整個辨證論治模式的“特異性指數(shù)”,從而有效識別支持度雖高但對疾病或證型辨識度并不高的辨證模式。此外,如果將挖掘得到的辨證論治模式應用于癥狀間的關聯(lián)分析和影響力分析,置信度、不平衡比等指標也是評價模式有效性的重要指標。對辨證論治模式的評價是一個綜合、復雜的過程,且與實際應用場景密切相關。本研究重點解決辨證論治模式挖掘的完備性問題,旨在發(fā)現(xiàn)更多具有辨證能力的關鍵癥狀特征,今后將繼續(xù)研究和探討模式的綜合評價。

    探究中醫(yī)辨證論治模式是大數(shù)據(jù)、數(shù)據(jù)挖掘在中醫(yī)學科研究中的重要內(nèi)容。本研究通過擴展經(jīng)典的圖挖掘算法,改善了原始算法對現(xiàn)有數(shù)據(jù)集的挖掘效果,挖掘得到的辨證論治模式能夠包含更多的關鍵癥狀特征,提高了挖掘結果的完備性。除算法外,挖掘結果在很大程度上依賴數(shù)據(jù)集的質量。更大量級的數(shù)據(jù)集能夠使癥狀特征的分布更趨近其在相關疾病或證型上的自然分布,從而更有利于挖掘出更為真實、準確的辨證模式。另外,數(shù)據(jù)的標準化程度也在很大程度上影響模式挖掘的效果,未經(jīng)標準化或標準化不足的癥狀特征描述會導致更加分散的特征分布,使關鍵癥狀的提取更加困難,進而影響挖掘效果。因此,在改進算法的基礎上,逐步豐富病案數(shù)據(jù)集、提高數(shù)據(jù)標準化程度是進一步改善辨證論治模式挖掘效果的重要工作內(nèi)容。

    [1] 崔景洋.圖數(shù)據(jù)挖掘研究[J].太原師范學院學報(自然科學版),2018, 17(1):38-40,46.

    [2] WANG K, LIU H Q. Discovering typical structures of documents:a road map approach[C]//Proceedings of the 21st Annual International ACM Conference on Research and Development in Information Retrieval.New York:ACM,1998:146-154.

    [3] KRIEGEL H, SCHONAUER S. Similarity search in structured data[C]//Proceedings of the 5th International Conference on Data Warehousing and Knowledge Discovery.Berlin:Springer-Verlag, 2003:309-319.

    [4] FISCHER A, RIESEN K, BUNKE H. An experimental study of graph classification using prototype selection[C]//Proceedings of the 19th International Conference on Pattern Recognition.Washington, DC:IEEE Computer Society,2008:1-4.

    [5] HUANG J B, SUN H L, HAN J W, et al. SHRINK:a structuralclustering algorithm for detecting hierarchical communities in networks[C]//Proceedings of the 19th ACM International Conference on Information and Knowledge Management.New York:ACM,2010:219-228.

    [6] HUANG J B, SUN H L, SONG Q B, et al. Revealing density-based clustering from the core-connected tree of a network[J]. IEEE Transactions on Knowledge and Data Engineering,2013,25(8):1876- 1889.

    [7] YAN X F, YU P, HAN J W. Graph indexing:a frequent structure-based approach[C]//Proceedings of the 2004 ACMSIGMOD International Conference on Management of Data. New York:ACM,2004:335-346.

    [8] WILLIAMS D W, HUAN J, WANG W. Graph database indexing using structured graph decomposition[C]//Proceedings of the 23rd IEEE International Conference on Data Engineering. Washington,DC:IEEE Computer Society,2007:231-235.

    [9] 孫鶴立,陳強,劉瑋,等.利用MapReduce平臺實現(xiàn)高效并行的頻繁子圖挖掘[J].計算機科學與探索,2014,8(7):790-801.

    [10] 嚴玉良,董一鴻,何賢芒,等.FSMBUS:一種基于Spark的大規(guī)模頻繁子圖挖掘算法[J].計算機研究與發(fā)展,2015,52(8):1768-1783.

    [11] 王海榮.基于加權頻繁子圖挖掘的圖模型在文本分類中的應用[J].科學技術與工程,2014,14(22):80-85.

    [12] YAN X F, HAN J W. gSpan:graph-based substructure patterns mining[C]//Proceedings of the 2002 IEEE International Conference on Data Mining.Washington,DC:IEEE Computer Society,2002:721- 724.

    [13] 徐衛(wèi)方,哈木拉提?吾甫爾,李風森,等.烏魯木齊地區(qū)375例慢性阻塞型肺疾病急性加重期中醫(yī)證候及證素特點臨床研究[J].中華中醫(yī)藥雜志,2011,26(6):1401-1404.

    [14] 葉玲.慢性阻塞性肺疾病急性加重期103例中醫(yī)證型聚類分析[J].廣西中醫(yī)學院學報,2011,14(4):9-11.

    [15] 林琳,胡旭貞.慢性阻塞性肺疾病急性加重期中醫(yī)證候規(guī)律的初步探討[J].廣州中醫(yī)藥大學學報,2008,25(1):1-4.

    [16] 李燦東,陳家旭.中醫(yī)診斷學[M].北京:中國中醫(yī)藥出版社,2019:174.

    Study on Pattern Mining of TCM Syndrome Differentiation and Treatment Based on Improved gSpan Algorithm

    REN Jinyu1, BAI Lin1, ZHOU Zhiyang1, FENG Ruizhi2, ZHONG Hua1

    To extend the classic frequent subgraph mining algorithm to obtain a data mining method that performs better in TCM; To obtain the patterns of TCM syndrome differentiation and treatment implicit in the TCM medical records.Combining with the characteristics of TCM medical records data and extending the classic frequent subgraph mining algorithm, data mining algorithm which set different minimum support threshold parameters for different symptom attributes was used to discover the patterns of TCM syndrome differentiation and treatment contained in the data set.The extended frequent subgraph mining algorithm was applied to the 3319 real medical records of chronic obstructive pulmonary disease (acute exacerbation period), and a series of patterns of syndrome differentiation of eight principles related to the disease were obtained. Compared with the classic algorithm, the patterns of TCM syndrome differentiation obtained by the extended algorithm had a significant improvement in the dimension and quantity of patterns.The expanded frequent subgraph mining algorithm can be used in the TCM syndrome differentiation and treatment pattern mining as well as find the implicit syndrome differentiation rules in medical records, and it has a better effect than the original algorithm in the completeness of the patterns.

    pattern mining; frequent subgraph; multiple minimum supports; patterns of syndrome differentiation and treatment

    R229;R2-05

    A

    1005-5304(2021)10-0022-07

    10.19879/j.cnki.1005-5304.202003457

    國家重點研發(fā)計劃(2017YFB1002303)

    白琳,E-mail:bailin@otcaix.iscas.ac.cn

    (收稿日期:2020-03-17)

    (修回日期:2020-08-18;編輯:陳靜)

    猜你喜歡
    舌色脈象舌苔
    基于時間序列和時序卷積網(wǎng)絡的脈象信號識別研究
    寶寶需要清潔舌苔嗎
    瞬時波強技術對人迎、寸口脈象研究的意義探討
    “舌色”源流考?
    刷牙別忘清理舌苔
    基于數(shù)字化技術對糖尿病兩虛證舌色的研究
    電子制作(2016年11期)2016-11-07 08:43:34
    急性缺血性腦卒中病人的舌象特點
    不怕舌上臟,就怕舌上光
    105例弦脈的“計算機脈象儀”脈圖參數(shù)分析
    讓你讀懂舌苔“密碼”
    健康人生(2015年11期)2015-04-29 00:44:03
    中文精品一卡2卡3卡4更新| 精品视频人人做人人爽| 色94色欧美一区二区| a在线观看视频网站| 亚洲综合色网址| 午夜91福利影院| 久久人人爽人人片av| 在线观看人妻少妇| 黄频高清免费视频| 久久久国产一区二区| 亚洲精品国产av成人精品| 久久久精品区二区三区| 十八禁网站免费在线| 久久精品亚洲av国产电影网| 国产高清videossex| 亚洲一区中文字幕在线| 又紧又爽又黄一区二区| 男人爽女人下面视频在线观看| 91精品伊人久久大香线蕉| 亚洲成人手机| 亚洲成人免费电影在线观看| 两个人免费观看高清视频| 欧美日韩亚洲综合一区二区三区_| 一级,二级,三级黄色视频| 一级片'在线观看视频| 天天躁日日躁夜夜躁夜夜| 国产一级毛片在线| 国产91精品成人一区二区三区 | 国产97色在线日韩免费| 99国产精品一区二区三区| 精品人妻1区二区| 国产亚洲欧美在线一区二区| 两人在一起打扑克的视频| 热re99久久国产66热| 国产高清视频在线播放一区 | 国产成人免费无遮挡视频| 亚洲中文字幕日韩| 欧美变态另类bdsm刘玥| a在线观看视频网站| 国产高清国产精品国产三级| 一边摸一边做爽爽视频免费| 欧美变态另类bdsm刘玥| 久久久久国内视频| 老汉色∧v一级毛片| 无遮挡黄片免费观看| 国产男女超爽视频在线观看| 一本—道久久a久久精品蜜桃钙片| 人人澡人人妻人| 一边摸一边做爽爽视频免费| www.av在线官网国产| 亚洲色图 男人天堂 中文字幕| 国产亚洲欧美精品永久| 97精品久久久久久久久久精品| 免费黄频网站在线观看国产| 久久精品国产亚洲av高清一级| 国产一区二区在线观看av| 99国产精品99久久久久| 亚洲成人免费av在线播放| 成在线人永久免费视频| 精品欧美一区二区三区在线| 日韩 亚洲 欧美在线| 久久精品国产亚洲av香蕉五月 | videosex国产| 亚洲成国产人片在线观看| 国产成+人综合+亚洲专区| 97在线人人人人妻| 国产精品av久久久久免费| 99久久精品国产亚洲精品| 精品久久久精品久久久| 男人添女人高潮全过程视频| 久久久久久久久久久久大奶| 两个人看的免费小视频| 狠狠精品人妻久久久久久综合| 欧美老熟妇乱子伦牲交| 别揉我奶头~嗯~啊~动态视频 | 国产精品av久久久久免费| 最新在线观看一区二区三区| av免费在线观看网站| 久久天堂一区二区三区四区| 汤姆久久久久久久影院中文字幕| 久久国产精品人妻蜜桃| 久久人人97超碰香蕉20202| 精品久久久久久久毛片微露脸 | 国产精品一区二区精品视频观看| 久热这里只有精品99| 免费看十八禁软件| 亚洲精品久久午夜乱码| 女人高潮潮喷娇喘18禁视频| 伊人亚洲综合成人网| 法律面前人人平等表现在哪些方面 | 搡老岳熟女国产| 亚洲一码二码三码区别大吗| 亚洲国产欧美在线一区| 日韩 亚洲 欧美在线| 91麻豆精品激情在线观看国产 | 亚洲 国产 在线| 久久精品人人爽人人爽视色| 在线av久久热| 亚洲午夜精品一区,二区,三区| 午夜影院在线不卡| 丝袜人妻中文字幕| 少妇猛男粗大的猛烈进出视频| 欧美日韩黄片免| 五月开心婷婷网| 国产麻豆69| 亚洲欧美一区二区三区久久| 精品人妻在线不人妻| 中国美女看黄片| 久久久久久久久免费视频了| 老熟妇仑乱视频hdxx| 女性生殖器流出的白浆| 777米奇影视久久| 热99国产精品久久久久久7| 巨乳人妻的诱惑在线观看| 一级片免费观看大全| 国产人伦9x9x在线观看| 丰满饥渴人妻一区二区三| 国产在线视频一区二区| 亚洲成国产人片在线观看| 欧美精品啪啪一区二区三区 | 国产成人av教育| 咕卡用的链子| 热99久久久久精品小说推荐| bbb黄色大片| 91九色精品人成在线观看| 亚洲欧美色中文字幕在线| cao死你这个sao货| 黄色怎么调成土黄色| 老熟女久久久| 99国产精品一区二区蜜桃av | 亚洲伊人久久精品综合| 曰老女人黄片| www.av在线官网国产| 两人在一起打扑克的视频| 色老头精品视频在线观看| 国产又色又爽无遮挡免| 一区二区av电影网| 水蜜桃什么品种好| 亚洲国产日韩一区二区| 在线av久久热| 亚洲精品国产区一区二| 最近最新中文字幕大全免费视频| 一级毛片电影观看| www日本在线高清视频| 老司机在亚洲福利影院| 天堂俺去俺来也www色官网| 精品一区二区三卡| 久久久国产成人免费| 天天躁日日躁夜夜躁夜夜| h视频一区二区三区| 汤姆久久久久久久影院中文字幕| 日日爽夜夜爽网站| 老熟女久久久| 嫁个100分男人电影在线观看| 高清在线国产一区| 精品亚洲成a人片在线观看| 满18在线观看网站| 黑人欧美特级aaaaaa片| 丁香六月天网| 免费看十八禁软件| 9191精品国产免费久久| 欧美激情 高清一区二区三区| 麻豆国产av国片精品| 国产亚洲精品一区二区www | 欧美日韩亚洲高清精品| 最近最新中文字幕大全免费视频| 午夜免费鲁丝| 无遮挡黄片免费观看| 母亲3免费完整高清在线观看| 在线观看免费日韩欧美大片| 日本av手机在线免费观看| 777久久人妻少妇嫩草av网站| 人人妻,人人澡人人爽秒播| 高清黄色对白视频在线免费看| av超薄肉色丝袜交足视频| 亚洲国产欧美在线一区| 欧美成人午夜精品| 国产精品.久久久| 热99re8久久精品国产| 欧美性长视频在线观看| 日本黄色日本黄色录像| 91麻豆av在线| 999久久久国产精品视频| 性色av乱码一区二区三区2| 伦理电影免费视频| 久久久久久久大尺度免费视频| 亚洲中文av在线| 成人三级做爰电影| 欧美日韩亚洲高清精品| 国产免费福利视频在线观看| 久久 成人 亚洲| 国产精品久久久av美女十八| 麻豆国产av国片精品| 不卡av一区二区三区| 国产不卡av网站在线观看| 久久久精品国产亚洲av高清涩受| 欧美精品亚洲一区二区| 国产精品自产拍在线观看55亚洲 | 国产麻豆69| 97人妻天天添夜夜摸| 亚洲国产日韩一区二区| 亚洲国产欧美在线一区| av线在线观看网站| a在线观看视频网站| 丰满少妇做爰视频| 日本黄色日本黄色录像| 正在播放国产对白刺激| 美女午夜性视频免费| 欧美精品一区二区免费开放| 不卡av一区二区三区| 在线精品无人区一区二区三| 高清在线国产一区| 天天影视国产精品| 国产av又大| 精品久久久精品久久久| 19禁男女啪啪无遮挡网站| 一本—道久久a久久精品蜜桃钙片| 午夜激情av网站| 老汉色av国产亚洲站长工具| 亚洲欧洲日产国产| 亚洲成人免费av在线播放| 久久九九热精品免费| 91九色精品人成在线观看| 欧美老熟妇乱子伦牲交| 国产精品免费大片| 精品亚洲成a人片在线观看| 久久性视频一级片| 手机成人av网站| videosex国产| 丰满迷人的少妇在线观看| 乱人伦中国视频| 欧美在线一区亚洲| netflix在线观看网站| 亚洲,欧美精品.| 夜夜夜夜夜久久久久| 国产精品一二三区在线看| 精品国产乱码久久久久久男人| 亚洲国产欧美日韩在线播放| 黑丝袜美女国产一区| av一本久久久久| 在线亚洲精品国产二区图片欧美| 精品国产一区二区三区久久久樱花| 欧美另类一区| 少妇精品久久久久久久| 黄色片一级片一级黄色片| 水蜜桃什么品种好| 在线看a的网站| 看免费av毛片| 亚洲,欧美精品.| 欧美一级毛片孕妇| 日韩欧美国产一区二区入口| 香蕉国产在线看| 欧美人与性动交α欧美软件| www.av在线官网国产| 欧美中文综合在线视频| 国产一区有黄有色的免费视频| 亚洲人成电影观看| 亚洲欧美清纯卡通| 国产三级黄色录像| 高潮久久久久久久久久久不卡| 国产亚洲av片在线观看秒播厂| 久久久久久久久久久久大奶| 精品久久久精品久久久| 亚洲av日韩精品久久久久久密| 欧美日韩亚洲国产一区二区在线观看 | 欧美成狂野欧美在线观看| av电影中文网址| 男女床上黄色一级片免费看| 亚洲国产欧美在线一区| 在线观看人妻少妇| 日本撒尿小便嘘嘘汇集6| 动漫黄色视频在线观看| 母亲3免费完整高清在线观看| 99国产精品99久久久久| 亚洲精品国产精品久久久不卡| 国产成人啪精品午夜网站| 午夜免费成人在线视频| 精品国产一区二区久久| 亚洲专区中文字幕在线| 亚洲色图 男人天堂 中文字幕| 色婷婷久久久亚洲欧美| 99精国产麻豆久久婷婷| 脱女人内裤的视频| 欧美老熟妇乱子伦牲交| 成人影院久久| 人妻 亚洲 视频| 国产97色在线日韩免费| 国产日韩欧美亚洲二区| 三级毛片av免费| 亚洲三区欧美一区| 汤姆久久久久久久影院中文字幕| 一本大道久久a久久精品| 久久av网站| 日韩制服骚丝袜av| 99久久99久久久精品蜜桃| 国产精品影院久久| 国内毛片毛片毛片毛片毛片| 亚洲中文日韩欧美视频| 亚洲,欧美精品.| 欧美中文综合在线视频| 国产日韩欧美在线精品| 亚洲国产av影院在线观看| 啦啦啦啦在线视频资源| 国产成人影院久久av| 亚洲一区中文字幕在线| 69av精品久久久久久 | 日韩欧美国产一区二区入口| 欧美日韩一级在线毛片| 国产精品久久久久久精品古装| 亚洲欧美一区二区三区黑人| 又黄又粗又硬又大视频| 国产伦人伦偷精品视频| 又黄又粗又硬又大视频| 免费女性裸体啪啪无遮挡网站| 一区二区三区四区激情视频| 99精品欧美一区二区三区四区| 亚洲国产欧美在线一区| 国产日韩欧美亚洲二区| 国产区一区二久久| 国产野战对白在线观看| 99久久精品国产亚洲精品| 999久久久国产精品视频| 欧美日韩视频精品一区| 水蜜桃什么品种好| 高清视频免费观看一区二区| 老司机午夜福利在线观看视频 | 国产亚洲精品第一综合不卡| 十分钟在线观看高清视频www| 每晚都被弄得嗷嗷叫到高潮| 99香蕉大伊视频| 激情视频va一区二区三区| 一个人免费在线观看的高清视频 | 天天影视国产精品| 亚洲综合色网址| 午夜影院在线不卡| 高清av免费在线| 亚洲成人免费av在线播放| 老司机午夜十八禁免费视频| 国产精品影院久久| 日本一区二区免费在线视频| 欧美 日韩 精品 国产| 日本av免费视频播放| 日韩中文字幕欧美一区二区| 亚洲人成电影观看| 婷婷色av中文字幕| 久久香蕉激情| 欧美+亚洲+日韩+国产| 亚洲一卡2卡3卡4卡5卡精品中文| 蜜桃国产av成人99| cao死你这个sao货| 久热爱精品视频在线9| 亚洲国产精品一区二区三区在线| 高清欧美精品videossex| 俄罗斯特黄特色一大片| 天天躁日日躁夜夜躁夜夜| 人妻一区二区av| 亚洲综合色网址| 国产日韩欧美在线精品| 777米奇影视久久| 免费少妇av软件| 国产成人欧美在线观看 | 国产成人欧美| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美亚洲日本最大视频资源| 免费在线观看黄色视频的| 狠狠精品人妻久久久久久综合| 久久九九热精品免费| 999久久久精品免费观看国产| a级毛片在线看网站| 成年人午夜在线观看视频| 成年美女黄网站色视频大全免费| 女人爽到高潮嗷嗷叫在线视频| 日韩三级视频一区二区三区| 国产99久久九九免费精品| 黄色视频不卡| 久久精品国产综合久久久| 免费高清在线观看日韩| av不卡在线播放| 免费观看av网站的网址| 女性被躁到高潮视频| 亚洲欧美一区二区三区黑人| 国产精品一区二区精品视频观看| cao死你这个sao货| 久久人人爽人人片av| 免费高清在线观看视频在线观看| 久久久久国产精品人妻一区二区| 亚洲av欧美aⅴ国产| 欧美精品啪啪一区二区三区 | 国产成人免费无遮挡视频| 国产亚洲欧美在线一区二区| 女人爽到高潮嗷嗷叫在线视频| 女性生殖器流出的白浆| 美国免费a级毛片| 男女之事视频高清在线观看| 久久 成人 亚洲| a级片在线免费高清观看视频| 精品国产一区二区久久| 99热国产这里只有精品6| 啦啦啦中文免费视频观看日本| 91字幕亚洲| 天天操日日干夜夜撸| 日日爽夜夜爽网站| 精品亚洲成a人片在线观看| 亚洲黑人精品在线| 免费在线观看日本一区| 国产淫语在线视频| 国产黄色免费在线视频| 男女国产视频网站| 亚洲中文字幕日韩| 精品免费久久久久久久清纯 | 亚洲国产欧美网| av欧美777| 操出白浆在线播放| 亚洲自偷自拍图片 自拍| 80岁老熟妇乱子伦牲交| 日本一区二区免费在线视频| 丰满饥渴人妻一区二区三| 黄频高清免费视频| 午夜福利视频精品| 国产精品久久久人人做人人爽| 十八禁人妻一区二区| 免费一级毛片在线播放高清视频 | 成人手机av| 国产1区2区3区精品| 国产又爽黄色视频| 国产区一区二久久| 午夜免费观看性视频| 一级片'在线观看视频| 波多野结衣av一区二区av| 国产成人一区二区三区免费视频网站| 欧美性长视频在线观看| 成年人免费黄色播放视频| 久久这里只有精品19| 国产精品久久久久久精品电影小说| 国产亚洲av片在线观看秒播厂| 男女下面插进去视频免费观看| 国产男女内射视频| 久久久久久久国产电影| a级毛片在线看网站| 天天躁日日躁夜夜躁夜夜| 另类亚洲欧美激情| 日本vs欧美在线观看视频| 精品少妇一区二区三区视频日本电影| 久久久国产精品麻豆| 国产精品 欧美亚洲| 国产亚洲av片在线观看秒播厂| 久久精品亚洲av国产电影网| 在线观看舔阴道视频| 亚洲成av片中文字幕在线观看| 色综合欧美亚洲国产小说| 熟女少妇亚洲综合色aaa.| 亚洲欧美日韩高清在线视频 | 午夜91福利影院| 亚洲精品一二三| 女人精品久久久久毛片| 精品少妇一区二区三区视频日本电影| 日韩欧美一区视频在线观看| 日韩人妻精品一区2区三区| 婷婷丁香在线五月| 久久久精品区二区三区| 最近中文字幕2019免费版| 亚洲国产欧美在线一区| 婷婷色av中文字幕| 国产免费福利视频在线观看| 亚洲av片天天在线观看| 久久天堂一区二区三区四区| 亚洲一卡2卡3卡4卡5卡精品中文| 久久午夜综合久久蜜桃| 12—13女人毛片做爰片一| 叶爱在线成人免费视频播放| 午夜福利视频精品| 1024香蕉在线观看| 国产极品粉嫩免费观看在线| 久久人人爽人人片av| 久久精品国产亚洲av高清一级| 老司机午夜十八禁免费视频| 老汉色∧v一级毛片| 91国产中文字幕| 日韩制服丝袜自拍偷拍| 免费久久久久久久精品成人欧美视频| 国产精品香港三级国产av潘金莲| 欧美另类一区| 国产精品九九99| 视频在线观看一区二区三区| a 毛片基地| a在线观看视频网站| 国产亚洲av高清不卡| 久久精品成人免费网站| 国产精品久久久久久精品电影小说| 免费高清在线观看日韩| 午夜激情久久久久久久| 亚洲全国av大片| 1024视频免费在线观看| 国产成人a∨麻豆精品| 人妻 亚洲 视频| e午夜精品久久久久久久| 亚洲精品在线美女| 国产成人精品无人区| 国产在视频线精品| 久久精品国产亚洲av香蕉五月 | 久久久久久免费高清国产稀缺| 最近最新免费中文字幕在线| 国产精品久久久久久精品电影小说| 黄色视频,在线免费观看| 热re99久久国产66热| 久久精品人人爽人人爽视色| 丝袜美足系列| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲成国产人片在线观看| 韩国高清视频一区二区三区| 肉色欧美久久久久久久蜜桃| 国精品久久久久久国模美| 美女高潮喷水抽搐中文字幕| 国产高清国产精品国产三级| 久久天堂一区二区三区四区| 亚洲国产中文字幕在线视频| 美女中出高潮动态图| 成人国产av品久久久| 精品久久久精品久久久| 一本一本久久a久久精品综合妖精| 汤姆久久久久久久影院中文字幕| 99国产精品99久久久久| 久久久欧美国产精品| 一级片'在线观看视频| 巨乳人妻的诱惑在线观看| av又黄又爽大尺度在线免费看| 精品少妇一区二区三区视频日本电影| 久久久国产精品麻豆| 亚洲 欧美一区二区三区| 岛国毛片在线播放| 日日爽夜夜爽网站| 色94色欧美一区二区| 丰满少妇做爰视频| 性色av乱码一区二区三区2| 五月天丁香电影| 欧美在线一区亚洲| 国产精品免费视频内射| 亚洲精品久久久久久婷婷小说| 国产精品久久久久久精品电影小说| 国产欧美日韩一区二区三 | 欧美少妇被猛烈插入视频| 飞空精品影院首页| 国产精品成人在线| a 毛片基地| 成在线人永久免费视频| 亚洲精品av麻豆狂野| 亚洲精品美女久久久久99蜜臀| 国产精品免费大片| 久久精品国产亚洲av香蕉五月 | 他把我摸到了高潮在线观看 | 日日摸夜夜添夜夜添小说| 成人亚洲精品一区在线观看| 国产亚洲精品一区二区www | 天堂俺去俺来也www色官网| 香蕉国产在线看| 自线自在国产av| 首页视频小说图片口味搜索| 巨乳人妻的诱惑在线观看| 亚洲第一欧美日韩一区二区三区 | 午夜福利影视在线免费观看| 亚洲国产精品一区二区三区在线| a级毛片黄视频| 99精品久久久久人妻精品| 亚洲av成人不卡在线观看播放网 | 国产深夜福利视频在线观看| 一区二区av电影网| 老司机靠b影院| 香蕉国产在线看| 韩国高清视频一区二区三区| 亚洲一区二区三区欧美精品| 热99国产精品久久久久久7| 在线看a的网站| av不卡在线播放| 国产成人精品无人区| 欧美日韩av久久| 男女边摸边吃奶| 一边摸一边抽搐一进一出视频| 久久精品人人爽人人爽视色| 久久精品国产综合久久久| 久久99一区二区三区| 丝袜脚勾引网站| 男女边摸边吃奶| 999精品在线视频| 老司机午夜十八禁免费视频| 国产xxxxx性猛交| 国产日韩一区二区三区精品不卡| 久久av网站| 男男h啪啪无遮挡| 久久中文字幕一级| 777久久人妻少妇嫩草av网站| 亚洲精品自拍成人| 美女视频免费永久观看网站| 日本wwww免费看| 欧美av亚洲av综合av国产av| 男女国产视频网站| 19禁男女啪啪无遮挡网站| 一本大道久久a久久精品| 日韩人妻精品一区2区三区| 欧美日韩黄片免| av片东京热男人的天堂| 久久精品aⅴ一区二区三区四区| 亚洲欧洲日产国产| 亚洲成av片中文字幕在线观看| 亚洲色图综合在线观看| 天天添夜夜摸| 在线十欧美十亚洲十日本专区| 在线看a的网站| 777久久人妻少妇嫩草av网站| 一级,二级,三级黄色视频| 黄网站色视频无遮挡免费观看| 中文欧美无线码| 精品亚洲乱码少妇综合久久| 亚洲av男天堂| 久久狼人影院| 99热国产这里只有精品6|