• <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 ?

    基于改進卷積神經(jīng)網(wǎng)絡的腹部動脈血管分割*

    2021-11-22 08:44:42紀玲玉高永彬蔡清萍衛(wèi)子然
    計算機工程與科學 2021年11期
    關鍵詞:特征信息方法

    紀玲玉,高永彬,蔡清萍,衛(wèi)子然,廖 薇

    (1.上海工程技術大學電子電氣工程學院,上海 201620;2.上海長征醫(yī)院軍醫(yī)普通外科,上海 200003)

    1 引言

    腹部動脈血管分割對腹部惡性腫瘤患者的術前規(guī)劃有著重要的意義。例如,胃癌和肝癌是我國最常見的腫瘤,發(fā)病率和死亡率較高。胃癌的診斷在很大程度上取決于淋巴結轉移,然而,淋巴結的位置與腹主動脈血管密切相關。根據(jù)胃癌國際標準分期系統(tǒng)TNM(T分期指腫瘤侵犯的深度,N分期指淋巴結轉移的個數(shù),M分期指腫瘤是否出現(xiàn)遠處轉移)的N分期,醫(yī)學上7~9組淋巴結位于動脈血管附近,主要分布于胃左動脈、肝總動脈和脾動脈。精準的血管分割有助于判斷受累淋巴結與動脈血管結構間的解剖關系,以及是否有侵犯等情況。此外,在肝動脈解剖及變異的解剖學研究中,準確的動脈血管分割能使醫(yī)生更容易觀察到各種變異類型,為臨床肝腫瘤切除、肝移植及介入治療提供了重要參考。

    近年來,針對腹部血管分割的研究方法主要是傳統(tǒng)方法,利用深度學習研究的甚少。例如,高躍[1]利用三維區(qū)域生長法提取粗血管,然后采用連通域索引面積的計數(shù)來提取細血管。董建園等[2]利用水平集的方法進行腹部血管分割。孫浩[3]采用對稱區(qū)域生長法與局部二值擬合LBF(Local Binary Fitting)模型相結合提高腹部血管三維分割的精度。然而,傳統(tǒng)方法過多地依賴于先驗知識,特征設計具有局限性,很難提高分割精度。隨著卷積神經(jīng)網(wǎng)絡在語義分割方面的廣泛應用,目前深度學習方法已被逐漸應用到醫(yī)學圖像分割領域。最常用的卷積網(wǎng)絡主要有全卷積神經(jīng)網(wǎng)絡FCN(Fully Convolutional Networks)[4]、U型網(wǎng)絡U-Net[5]和V型網(wǎng)絡V-Net[6]等?;诰矸e神經(jīng)網(wǎng)絡的血管分割算法具有非常優(yōu)秀的圖像特征提取性能,在血管圖像分割中取得了重要的突破,分割精度和性能也超過了傳統(tǒng)方法的。然而,深度學習訓練網(wǎng)絡時需要大量的數(shù)據(jù)集,由于醫(yī)療數(shù)據(jù)非常珍貴,大部分醫(yī)學訓練數(shù)據(jù)都是小樣本。如何使醫(yī)學小數(shù)據(jù)也能得到很好的訓練效果,文獻[5]提出了U-Net網(wǎng)絡,該網(wǎng)絡是像素級的語義分割網(wǎng)絡,對于醫(yī)學圖像等小數(shù)據(jù)集的圖像具有較好的分割性能。U-Net網(wǎng)絡在編碼器和解碼器的特征圖之間可能存在語義差距,因此文獻[7]在U-Net的跳躍鏈接處加入了一系列卷積層,以減小編碼和解碼的特征圖之間的語義差距。Multi-ResUNet網(wǎng)絡[8]在U-Net網(wǎng)絡的跳躍鏈接處加入了一系列帶有殘差的卷積層來傳遞編碼器特征,并且將卷積層替換為類似于Inception的模塊,有助于從不同目標大小的圖像中學習特征信息。隨后,Zhou等[9]利用密集型條件隨機場模型和濾波器提升微小血管分割精度,較好地解決了微血管分割不足的問題,但仍存在部分微血管斷裂現(xiàn)象。Orlando等[10]將密集型CRF(Conditional Random Field)模型與CNN相結合應用于血管分割,提升了微血管分割精度,但存在病灶誤分割的現(xiàn)象。為了更好地關注目標區(qū)域和抑制無關區(qū)域,注意力機制[11]被提出并應用在醫(yī)學圖像分割中,該模塊能夠生成一個門控信號,用來控制不同空間位置特征的重要性。Zhang等[12]在M-Net[13]的基礎上將注意力機制與導向濾波器進行結合,以提高網(wǎng)絡的分割性能。為了捕獲圖像上信息的時序性,文獻[14,15]利用帶有長短時記憶的圖像序列算法分割醫(yī)學圖像,該算法將醫(yī)學圖像的時序信息結合到分割任務中,提升了目標分割性能。但是這些方法都忽略了全局上下文信息。在很多工作中,融合不同尺度的特征是提高分割性能的一個重要手段。低層特征分辨率更高,包含更多位置、細節(jié)信息,但是由于經(jīng)過了卷積操作,其語義性更弱,噪聲更多。高層特征具有更強的語義信息,但是分辨率很低,對細節(jié)的感知能力較差。如何將兩者高效融合,取其長處,棄之糟泊,是改善分割模型的關鍵。文獻[16]利用全局上下文注意模塊將低層和高層特征連接起來,產(chǎn)生更具代表性的特征;同時利用擠壓激勵金字塔池模塊增加感受野的大小和多尺度特征融合的能力。文獻[17]利用級聯(lián)式的空洞卷積和空間金字塔池來捕獲更大的感受野,提取高層特征信息。

    在醫(yī)學圖像領域中,CT圖像相比于分割普通2D圖像存在許多難點。相鄰器官在CT影像上的空間界限很難確認,各組織間黏連的情況復雜。而且經(jīng)過造影劑進行增強的血管和骨骼灰度值相近,很難區(qū)分。本文提出一種提升動脈血管分割精度的聯(lián)合網(wǎng)絡架構。首先采用帶有卷積注意模塊CBAM(Convolutional Block Attention Module)[18]的預訓練resnet34[19]代替U-Net前4層編碼部分。與之前的resnet34相比,該方法在2層卷積層中加入卷積注意模塊CBAM,以加快網(wǎng)絡的收斂和更好地提取卷積層之間的特征信息。此外,本文提出了新的多尺度特征融合MFF(Multi-scale Feature Fusion)模塊,在增加感受野的同時,增加不同感受野中目標權重,以更好地捕獲高層特征信息。血管分割中,邊緣結構信息的學習是理想分割的關鍵。利用注意力導向濾波AGF(Attention Guided Filter)作為結構敏感的擴展路徑,從已有的特征圖中傳輸結構信息。注意力模塊能夠進一步排除噪聲,減少背景的負面影響,有效地分割出細小分支血管。

    2 方法設計

    在卷積神經(jīng)網(wǎng)絡中,U-Net[5]是醫(yī)學圖像處理常用的網(wǎng)絡架構,但是大量實驗證明該網(wǎng)絡對物體的分割精度不夠高。由于腹部動脈CT圖像上的血管特征不明顯,分割目標較小,很難分割,本文提出了基于改進U-Net的上腹部CT動脈血管分割方法,以提升動脈小分支血管的分割精度。網(wǎng)絡的整體結構如圖1所示,包括卷積注意的預編碼模塊、多尺度特征融合模塊(MFF)和注意力導向濾波模塊。新融入的模塊能夠提升動脈血管分割精度,解決分割邊界模糊和易斷裂等問題。

    Figure 1 Overall network architecture圖1 整體網(wǎng)絡結構圖

    圖1的基礎網(wǎng)絡是U-Net[5],編碼部分采用帶有卷積注意的預訓練resnet34模塊,Attention guide表示注意力導向濾波,MFF表示多尺度特征融合模塊。

    2.1 帶有卷積注意的預編碼模塊

    隨著卷積神經(jīng)網(wǎng)絡的發(fā)展,U-Net被廣泛應用于醫(yī)學圖像分割。然而,由于醫(yī)學數(shù)據(jù)的稀有性,以及網(wǎng)絡訓練的數(shù)據(jù)量少,樣本數(shù)據(jù)信息不足,導致網(wǎng)絡不易收斂,分割精度不高。遷移學習是一種非常有用的方法,可以在大多數(shù)情況下直接提高網(wǎng)絡性能,特別是在訓練數(shù)據(jù)有限的情況下。在語義分割領域,使用ImageNet預訓練權重初始化編碼器顯示出很好的分割結果。本文將預訓練resnet34模塊遷移到U-Net的編碼部分,并在resnet34每2個卷積之間加入卷積注意模塊(CBAM)[19],構成卷積注意的預編碼模塊,如圖2所示。卷積注意模塊可以更好地關注每個卷積所提取的有效特征,抑制不必要特征。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,CBAM模塊就是用來強調這2個維度有意義的特征:通道維度和空間維度。CBMA模塊詳細公式如式(1)和式(2)所示:

    F′=Mc(F)?F

    (1)

    F″=Ms(F′)?F′

    (2)

    其中,F是輸入的特征圖,F(xiàn)∈RC×H×W,?表示逐元素相乘法,Mc∈RC×1×1,Mc表示在通道維度上的注意力提取,Ms∈R1×H×W,Ms表示在空間維度上的注意力提取。

    圖2所示的resnet34中的卷積注意模塊由Res-block塊(即圖2中虛線框外的部分)和CBAM模塊2部分組成,其中CBAM模塊主要由通道注意力和空間注意力構成。

    Figure 2 Convolution block attention module in resnet34圖2 resnet34中的卷積注意模塊

    2.1.1 卷積注意模塊的通道注意力

    Mc(F)=σ(MLP(AvgPool(F))+

    MLP(MaxPool(F)))=

    (3)

    Figure 3 Process of channel attention block圖3 通道注意力模塊流程

    2.1.2 卷積注意模塊的空間注意力

    Ms(F)=σ(f7×7([AvgPool(F);MaxPool(F)]))

    (4)

    其中σ表示Sigmoid函數(shù)。

    Figure 4 Procedure of spatial attention module 圖4 空間注意力模塊流程

    2.2 多尺度特征融合模塊

    卷積神經(jīng)網(wǎng)絡的各層特征對圖像分析都有不同的作用。淺層特征是粗糙的全局信息,有助于類別識別。深層特征是高分辨率的細節(jié)信息,有助于生成精細的邊界。這些特征全部融合能夠更好地提升分割的精度。然而,網(wǎng)絡層的加深會導致圖像的細節(jié)信息流失,特別是微血管目標區(qū)域小,更容易丟失信息。受文獻[17,21]的啟發(fā),本文提出了新的多尺度特征融合(MFF)模塊。該模塊融入網(wǎng)絡瓶頸層以捕獲高層特征信息,提升微血管的分割精度。通常,一幅分割圖像有不同大小的分割目標,大感受野的卷積可以提取更抽象的特征信息,而小感受野的卷積能更好地分割小目標[17]。MFF模塊利用不同空洞率(Dilation Rate)的空洞卷積,提取不同大小物體的特征信息,并且在不增加額外參數(shù)的同時擴大感受野,并保留多尺度特征和細節(jié)信息[22]。該模塊將每個帶有空洞卷積的分支經(jīng)過線性變換送入Sigmoid激活函數(shù),然后與輸入特征元素相乘。最后,將具有不同大小的特征圖的4個輸出與原始圖像進行融合。卷積核大小為3×3,空洞率r從1到5奇數(shù)性地增加,如圖5所示。

    Figure 5 Multi-scale feature fusion module圖5 多尺度特征融合模塊

    2.3 注意力導向濾波

    Figure 6 Attention guided filtering圖6 注意力導向濾波

    (5)

    式(5)的解如下所示:

    (6)

    (7)

    (8)

    圖7所示是注意力模塊,其中,O是濾波特征圖,Il是導向特征圖I經(jīng)過裁剪后的特征圖。Wg和Wx表示卷積操作。

    Figure 7 Attention block圖7 注意力模塊

    2.4 損失函數(shù)

    在深度學習中,像素分類問題最常見的損失函數(shù)是交叉損失函數(shù)。然而,針對醫(yī)學圖像的小目標分割如微血管分割等場景,交叉損失函數(shù)不是最優(yōu)選擇。骰子系數(shù)Dice(Dice coefficient)[25]是一種集合相似度度量函數(shù),通常用于計算2個樣本的相似度,被廣泛應用在醫(yī)學圖像分割中,對小目標和類別不均衡樣本起到很好的分割作用。因此,本文采用Dice和權重衰減函數(shù)作為損失函數(shù):

    (9)

    其中,N是像素數(shù),p(k,i)∈[0,1]和g(k,i)∈{0,1}表示相應的類別k預測的概率和金標準。K是類別數(shù),Lreg是權重衰減函數(shù)[26],用來防止過擬合。

    3 實驗結果和分析

    3.1 實驗數(shù)據(jù)

    本文實驗采用的CT原圖像數(shù)據(jù)來源于上海市長征醫(yī)院。一共有21個病例的603幅圖像,圖像大小是512×512。每一個數(shù)據(jù)都包含了人體的整個腹部區(qū)域,并且都是經(jīng)過血管造影劑進行增強掃描后成像。本文選擇血管的門脈期圖像作為數(shù)據(jù)集,此期每個病人的CT包括40~50幅切片,對每個病人選取了有效的30幅切片。為了便于實驗,本文將原CT圖像轉換成二維圖像。本文使用16個病人的大約480幅圖像作為訓練集,訓練網(wǎng)絡權重。其余5個病人的150幅圖像作為測試集,用于評估網(wǎng)絡性能。關于本文使用的實驗數(shù)據(jù)分割結果的金標準,是由多個專家對CT原數(shù)據(jù)圖像進行多次人工標記得到的平均結果。標注的血管主要是肝左動脈、胃左動脈和脾動脈的血管,在上腹部CT中,本文只關注此區(qū)域血管,便于后續(xù)對胃癌淋巴結和肝動脈變異類型的研究。圖8所示為不同病人動脈血管在CT圖像中的表現(xiàn)。

    Figure 8 CT vascular images of different patients圖8 不同病人CT圖像血管表現(xiàn)

    圖8a和圖8b箭頭指向主動脈,圖8c和圖8d箭頭指向主動脈和動脈。

    3.2 實驗環(huán)境

    本文在PTtorch平臺上使用Python3編程語言來進行實驗,訓練和測試平臺是帶有單個NVIDIA GPU(Nvidia_GTX_1080Ti)的Ubuntu 16.04系統(tǒng)。選用Adam優(yōu)化器[27]對網(wǎng)絡中的權重和偏值參數(shù)進行優(yōu)化,batch_size設置為1,epoch設置為300。

    3.3 實驗評估

    本文采用靈敏度Sen(Sensitivity)、交并比IOU(Intersection-Over-Union)和ROC(Receiver Operating Characteristic)曲線下的面積AUC作為網(wǎng)絡性能評估指標。靈敏度(Sen)表示正確分類血管像素占真實血管像素的百分比;IOU表示預測結果與金標準的窗口的交疊率。ROC曲線是一種重要衡量血管分割結果綜合性能的標準,其橫軸表示假陽性率,縱軸表示真陽性率,反映不同閾值下二者的變化趨勢,其值越大說明分割方法性能魯棒性越優(yōu)異。Sen和IOU的計算分別如式(10)和式(11)所示:

    (10)

    (11)

    其中,TP和FN分別表示真陽性和假陰性;A表示預測結果,B表示金標準(Ground-truth)。

    表1顯示了不同分割方法的腹部動脈血管分割結果。從表1中可看出,本文所提方法在Sen、AUC和IOU上均有提升。相比于基礎網(wǎng)絡U-Net[5],所提方法在Sen、AUC和IOU上分別提升了2.84%,1.41%和1.19%。與網(wǎng)絡CE-Net[17]相比,在Sen、AUC和IOU上也分別提升了1.34%,0.66%和1.61%。與網(wǎng)絡AG-Net[12]相比,Sen提升了1.31%,AUC提升了1.15%,IOU提升了1.45%。圖9所示為不同分割方法的可視化結果。本文選擇3個不同病人,分別用a、b、c表示。從圖9中可以直觀地看出,盡管幾種分割方法對于動脈血管均有漏分(是血管的部分沒有分割出來)和過多分割(不是血管當作血管分割)的現(xiàn)象,但與其他方法相比,本文所提方法對血管分割更加連續(xù),重疊度更高。

    Table 1 Quantitative comparison of the abdominal artery vascular segmentation表1 不同方法的腹部動脈血管分割結果定量比較

    Figure 9 Different patients’ arterial segmentation results with different methods 圖9 不同方法不同病人動脈血管分割結果對比

    為了說明主動脈和動脈血管在分割難度上有差距,本文也選取了180幅只包含主動脈的血管進行實驗,用其中的140幅作為訓練集,其余40幅用來測試,同時與不同方法進行比較,實驗結果如表2所示。所提方法主動脈分割的重疊率IOU達到了93.24%。與基礎網(wǎng)絡U-Net相比,各項指標均有提升,特別是在Sen和IOU上分別提升了3.81%和2.75%。與網(wǎng)絡CE-Net[17]相比,本文所提方法在Sen和IOU上分別提升了2.11%和1.23%。與網(wǎng)絡AG-Net[12]相比,Sen提升了1.56%,IOU提升了1.30%。說明本文所提方法在動脈血管和主動脈血管分割上確實有效,進一步說明了主動脈更易分割。圖10所示為不同分割方法的主動脈分割結果的可視化結果。

    3.4 消融研究

    為了說明網(wǎng)絡中的各個模塊確實起作用,本文在腹部動脈血管上進行了消融研究,消融研究是指在基礎網(wǎng)絡架構上加入不同新模塊所提升的性能比較,實驗結果如表3所示。與基礎網(wǎng)絡相比,加入帶有卷積注意的預訓練resnet34(簡稱resnet34.cbam),在Sen、AUC和IOU上分別提升了1.95%,0.97%和0.31%。融入注意力導向濾波和預訓練resnet34.cbam模塊,Sen提升了2.34%,AUC提升了1.16%,IOU提升了0.59%。最后引入多尺度特征融合模塊,網(wǎng)絡性能各項指標都有相應提升。說明網(wǎng)絡中加入的每一個新模塊對腹部動脈血管都有很好的分割效果。

    Table 2 Quantitative comparison of aortic vessel segmentation with different methods 表2 不同方法的腹部主動脈血管分割結果定量比較

    Figure 10 Aortic segmentation results with different methods圖10 不同方法的主動脈分割結果

    Table 3 Ablation studies of different modules on the arterial vessels表3 不同模塊在動脈血管數(shù)據(jù)上的消融研究

    4 結束語

    本文提出了一種新的卷積網(wǎng)絡架構用于腹腔動脈血管分割。首先,由于醫(yī)學數(shù)據(jù)較少,本文采用預訓練的resnet34.cbam作為網(wǎng)絡的編碼部分,解決了小樣本和樣本信息不足的問題,同時加入的CBAM模塊能夠提升網(wǎng)絡的分割性能。其次,為了獲取豐富的多尺度特征信息,提出了新的多尺度特征融合模塊,在擴大感受野的同時捕獲有效信息。最后,由于血管邊界結構信息對于血管的精準分割很重要,利用注意力導向濾波作為信息擴展路徑,獲取血管的邊界結構信息。腹部動脈血管分割的實驗結果顯示,與基礎網(wǎng)絡架構相比,本文所提方法的Sen、AUC和IOU都有很大的提升,說明所提網(wǎng)絡架構能夠更好地提升動脈血管的分割精度。

    盡管該方法利用深度學習解決了傳統(tǒng)方法的耗時耗力問題,對動脈微血管的分割也有了很大的提升。但是,動脈血管分割的重疊率和靈敏度分別只達到81.03%和88.32%,仍舊沒有達到100%的分割效果。我們認為主要原因是動脈血管的數(shù)據(jù)量太少,不能滿足訓練需求。其次,沒有對圖像進行預處理,影響了訓練效果。后續(xù),我們將針對目前存在的問題做進一步優(yōu)化,并對分割的血管進行三維重建,判斷肝動脈變異的類型,診斷胃癌淋巴結的轉移情況。

    猜你喜歡
    特征信息方法
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    抓住特征巧觀察
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚
    展會信息
    中外會展(2014年4期)2014-11-27 07:46:46
    線性代數(shù)的應用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    狠狠狠狠99中文字幕| 满18在线观看网站| 国产单亲对白刺激| 99久久99久久久精品蜜桃| 久久国产亚洲av麻豆专区| 看免费av毛片| 国产成人av激情在线播放| 国产成年人精品一区二区 | 中国美女看黄片| 欧美成人性av电影在线观看| 91精品三级在线观看| 美女高潮喷水抽搐中文字幕| 老汉色av国产亚洲站长工具| 国产一区二区激情短视频| 免费女性裸体啪啪无遮挡网站| 一夜夜www| 两性夫妻黄色片| 精品无人区乱码1区二区| 19禁男女啪啪无遮挡网站| avwww免费| 国产高清激情床上av| 国产精品一区二区三区四区久久 | 中出人妻视频一区二区| 午夜成年电影在线免费观看| 夜夜躁狠狠躁天天躁| 国产成人系列免费观看| 99re在线观看精品视频| 黑丝袜美女国产一区| 成年人免费黄色播放视频| 一个人免费在线观看的高清视频| aaaaa片日本免费| 久久 成人 亚洲| 欧美日韩黄片免| 精品乱码久久久久久99久播| 中文欧美无线码| 亚洲精品国产色婷婷电影| 777久久人妻少妇嫩草av网站| 日韩成人在线观看一区二区三区| 男女下面插进去视频免费观看| 久久久国产成人精品二区 | 免费搜索国产男女视频| 老司机福利观看| 日韩免费高清中文字幕av| 好男人电影高清在线观看| 国产午夜精品久久久久久| 欧美日韩视频精品一区| 久久久久久久久免费视频了| 男人舔女人的私密视频| 国产精品日韩av在线免费观看 | 国产1区2区3区精品| 精品国产超薄肉色丝袜足j| 免费av毛片视频| 亚洲五月天丁香| 91麻豆av在线| 一边摸一边做爽爽视频免费| 亚洲成人国产一区在线观看| 久久九九热精品免费| 级片在线观看| 国产一区二区三区视频了| 日本精品一区二区三区蜜桃| 成人黄色视频免费在线看| 国产99久久九九免费精品| 亚洲欧美激情在线| 亚洲第一青青草原| 91国产中文字幕| xxx96com| 日韩欧美国产一区二区入口| 国产有黄有色有爽视频| 国产亚洲欧美98| 美国免费a级毛片| 亚洲精品在线观看二区| 满18在线观看网站| 日韩欧美在线二视频| 成年版毛片免费区| 国产成年人精品一区二区 | 亚洲国产精品sss在线观看 | 欧美精品啪啪一区二区三区| 在线观看一区二区三区激情| 视频在线观看一区二区三区| 最新美女视频免费是黄的| 久久香蕉精品热| 欧美激情 高清一区二区三区| 久久精品亚洲av国产电影网| 在线国产一区二区在线| 亚洲伊人色综图| 丁香欧美五月| 亚洲av成人av| 露出奶头的视频| 长腿黑丝高跟| 88av欧美| 女生性感内裤真人,穿戴方法视频| 黑丝袜美女国产一区| 桃红色精品国产亚洲av| 免费在线观看亚洲国产| 亚洲欧美日韩高清在线视频| 久久精品国产综合久久久| 亚洲熟女毛片儿| 丁香欧美五月| 亚洲精品粉嫩美女一区| 久久99一区二区三区| 国内毛片毛片毛片毛片毛片| 欧美色视频一区免费| 性欧美人与动物交配| 一区二区三区激情视频| 色在线成人网| 视频区欧美日本亚洲| 精品无人区乱码1区二区| 亚洲国产欧美网| 乱人伦中国视频| 亚洲狠狠婷婷综合久久图片| 香蕉国产在线看| 久久精品国产99精品国产亚洲性色 | 日本三级黄在线观看| 亚洲在线自拍视频| 色老头精品视频在线观看| 老司机靠b影院| 搡老岳熟女国产| 免费高清在线观看日韩| 欧美乱妇无乱码| 国产精品 欧美亚洲| 丝袜美足系列| 超碰97精品在线观看| 久久精品aⅴ一区二区三区四区| 大陆偷拍与自拍| 国产精华一区二区三区| 精品午夜福利视频在线观看一区| 日日摸夜夜添夜夜添小说| 麻豆成人av在线观看| 91成人精品电影| 国产亚洲欧美在线一区二区| 黄片大片在线免费观看| 精品午夜福利视频在线观看一区| 色播在线永久视频| 18禁观看日本| 欧美成人性av电影在线观看| 欧美最黄视频在线播放免费 | 亚洲五月天丁香| 操美女的视频在线观看| 精品第一国产精品| 男男h啪啪无遮挡| 99国产精品一区二区三区| 午夜视频精品福利| 久久狼人影院| 国产一区二区三区在线臀色熟女 | 亚洲欧美日韩高清在线视频| 亚洲色图av天堂| 亚洲成人免费av在线播放| a级片在线免费高清观看视频| 香蕉丝袜av| 热99re8久久精品国产| 淫妇啪啪啪对白视频| 国产精品一区二区精品视频观看| 三上悠亚av全集在线观看| 宅男免费午夜| а√天堂www在线а√下载| 操美女的视频在线观看| 国产日韩一区二区三区精品不卡| 激情在线观看视频在线高清| 久久国产精品男人的天堂亚洲| 女性生殖器流出的白浆| 日本三级黄在线观看| 老汉色∧v一级毛片| 视频区欧美日本亚洲| 婷婷丁香在线五月| 午夜两性在线视频| 90打野战视频偷拍视频| 国产日韩一区二区三区精品不卡| 丁香欧美五月| 国产极品粉嫩免费观看在线| 国产亚洲av高清不卡| 成人免费观看视频高清| 久久久久精品国产欧美久久久| 少妇粗大呻吟视频| 亚洲精品中文字幕一二三四区| 久久午夜综合久久蜜桃| 18禁观看日本| 高清毛片免费观看视频网站 | 欧美激情 高清一区二区三区| 日本一区二区免费在线视频| 国产精品免费视频内射| 亚洲熟妇熟女久久| 欧美中文日本在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 麻豆av在线久日| 国产成人免费无遮挡视频| 亚洲国产毛片av蜜桃av| 亚洲五月婷婷丁香| 久久精品亚洲精品国产色婷小说| 啦啦啦 在线观看视频| 91麻豆av在线| 超碰97精品在线观看| 叶爱在线成人免费视频播放| 人人妻人人添人人爽欧美一区卜| 精品一品国产午夜福利视频| 久久久精品国产亚洲av高清涩受| 欧美精品啪啪一区二区三区| 两个人免费观看高清视频| 高清黄色对白视频在线免费看| 99热国产这里只有精品6| 黄色丝袜av网址大全| 亚洲 欧美一区二区三区| 色综合婷婷激情| 免费在线观看影片大全网站| 午夜福利一区二区在线看| 久久亚洲真实| 91麻豆av在线| 成人永久免费在线观看视频| 涩涩av久久男人的天堂| 成年人免费黄色播放视频| 一级作爱视频免费观看| 可以在线观看毛片的网站| 久久久久久免费高清国产稀缺| 欧美午夜高清在线| 免费看十八禁软件| 国产精品 欧美亚洲| 亚洲专区国产一区二区| av视频免费观看在线观看| 亚洲精华国产精华精| 成人18禁在线播放| 国产99白浆流出| 在线天堂中文资源库| 女人被狂操c到高潮| 国产99白浆流出| 久久精品国产亚洲av高清一级| xxxhd国产人妻xxx| avwww免费| 操出白浆在线播放| 久久精品91蜜桃| 中文字幕人妻丝袜制服| 国产1区2区3区精品| 80岁老熟妇乱子伦牲交| 桃色一区二区三区在线观看| 国产欧美日韩一区二区三区在线| 啦啦啦 在线观看视频| 亚洲免费av在线视频| 欧美精品啪啪一区二区三区| av欧美777| 大型av网站在线播放| 中出人妻视频一区二区| 丝袜美足系列| 亚洲精品在线观看二区| 日韩欧美免费精品| 成人三级做爰电影| 色婷婷久久久亚洲欧美| 久久狼人影院| 日韩高清综合在线| 久久人妻av系列| 久久婷婷成人综合色麻豆| 啦啦啦 在线观看视频| 视频区图区小说| 看片在线看免费视频| 神马国产精品三级电影在线观看 | 大香蕉久久成人网| 久久人妻av系列| 悠悠久久av| videosex国产| 老司机午夜十八禁免费视频| 搡老熟女国产l中国老女人| 日本欧美视频一区| 亚洲黑人精品在线| 在线播放国产精品三级| 欧美在线黄色| av片东京热男人的天堂| 每晚都被弄得嗷嗷叫到高潮| 午夜福利在线观看吧| 一本综合久久免费| 国产三级黄色录像| 久久人人爽av亚洲精品天堂| 欧美午夜高清在线| 欧洲精品卡2卡3卡4卡5卡区| 巨乳人妻的诱惑在线观看| 国产国语露脸激情在线看| 成人特级黄色片久久久久久久| 日日干狠狠操夜夜爽| 亚洲中文日韩欧美视频| 亚洲,欧美精品.| 欧美一级毛片孕妇| www.自偷自拍.com| 91国产中文字幕| 777久久人妻少妇嫩草av网站| 99精国产麻豆久久婷婷| 99精品在免费线老司机午夜| 亚洲精品美女久久久久99蜜臀| 亚洲avbb在线观看| 久久国产乱子伦精品免费另类| 久久香蕉激情| 黄色 视频免费看| 久久久久久久久久久久大奶| 手机成人av网站| 俄罗斯特黄特色一大片| 久久 成人 亚洲| 亚洲av美国av| 久久国产精品人妻蜜桃| 亚洲精品久久成人aⅴ小说| 日韩一卡2卡3卡4卡2021年| 超碰97精品在线观看| 18美女黄网站色大片免费观看| 成人永久免费在线观看视频| 丝袜美腿诱惑在线| 一级毛片精品| 免费在线观看完整版高清| 国产成人啪精品午夜网站| 村上凉子中文字幕在线| 女警被强在线播放| 色哟哟哟哟哟哟| 麻豆av在线久日| 女性被躁到高潮视频| 久久中文字幕一级| 99久久99久久久精品蜜桃| 国产黄a三级三级三级人| 欧美久久黑人一区二区| 久久精品国产亚洲av香蕉五月| e午夜精品久久久久久久| 男人舔女人的私密视频| 久久香蕉激情| ponron亚洲| 在线观看午夜福利视频| 国产亚洲精品综合一区在线观看 | 人人妻人人澡人人看| 成年女人毛片免费观看观看9| 天堂俺去俺来也www色官网| 亚洲九九香蕉| 精品国产乱子伦一区二区三区| 亚洲国产毛片av蜜桃av| 如日韩欧美国产精品一区二区三区| 精品卡一卡二卡四卡免费| 国产主播在线观看一区二区| 如日韩欧美国产精品一区二区三区| 欧美 亚洲 国产 日韩一| 国产主播在线观看一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 在线观看舔阴道视频| 国产精品久久久人人做人人爽| 一级作爱视频免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 老熟妇乱子伦视频在线观看| 亚洲av美国av| 美女 人体艺术 gogo| 黄色成人免费大全| 久久精品人人爽人人爽视色| 夫妻午夜视频| 国产精品影院久久| 亚洲精华国产精华精| 亚洲午夜理论影院| 美女高潮喷水抽搐中文字幕| 婷婷丁香在线五月| 女人被躁到高潮嗷嗷叫费观| 一夜夜www| 夜夜躁狠狠躁天天躁| 日本 av在线| 一边摸一边抽搐一进一小说| 国产在线精品亚洲第一网站| 巨乳人妻的诱惑在线观看| 亚洲欧美一区二区三区黑人| 欧美大码av| 天天躁夜夜躁狠狠躁躁| 高清黄色对白视频在线免费看| 久久影院123| 色在线成人网| 十八禁人妻一区二区| 热re99久久国产66热| 一区二区日韩欧美中文字幕| 一区在线观看完整版| 超碰成人久久| 91精品三级在线观看| 99久久综合精品五月天人人| 国产一区二区三区视频了| 欧美日韩亚洲综合一区二区三区_| 天堂影院成人在线观看| 亚洲av成人不卡在线观看播放网| 狠狠狠狠99中文字幕| 日韩大尺度精品在线看网址 | 久久久水蜜桃国产精品网| 成年女人毛片免费观看观看9| 一进一出抽搐gif免费好疼 | 九色亚洲精品在线播放| 欧美在线黄色| 激情在线观看视频在线高清| 少妇的丰满在线观看| 在线观看www视频免费| 久久人妻福利社区极品人妻图片| 日韩大尺度精品在线看网址 | 他把我摸到了高潮在线观看| 色婷婷av一区二区三区视频| 久久精品91蜜桃| 99国产精品一区二区蜜桃av| 精品国产一区二区久久| 国产精品 国内视频| www.精华液| 97碰自拍视频| 久久久久国内视频| 无限看片的www在线观看| 国产精品一区二区三区四区久久 | 老司机亚洲免费影院| 天堂动漫精品| 老司机午夜福利在线观看视频| 一进一出抽搐gif免费好疼 | 亚洲精品久久午夜乱码| 美女午夜性视频免费| 亚洲国产欧美一区二区综合| 美国免费a级毛片| 亚洲熟妇熟女久久| 搡老乐熟女国产| 涩涩av久久男人的天堂| a在线观看视频网站| 午夜福利影视在线免费观看| av有码第一页| √禁漫天堂资源中文www| 91字幕亚洲| 91国产中文字幕| 中文字幕av电影在线播放| 日韩三级视频一区二区三区| 久久伊人香网站| 亚洲欧美日韩无卡精品| 91国产中文字幕| 欧美 亚洲 国产 日韩一| 国产精品自产拍在线观看55亚洲| 亚洲精品美女久久av网站| 精品一区二区三区四区五区乱码| 久久精品亚洲精品国产色婷小说| 久久精品影院6| 在线播放国产精品三级| 男女午夜视频在线观看| 欧美日韩一级在线毛片| 亚洲精品在线美女| 美女高潮到喷水免费观看| 日本黄色日本黄色录像| 亚洲成国产人片在线观看| 亚洲专区中文字幕在线| 一级,二级,三级黄色视频| 久久青草综合色| 亚洲视频免费观看视频| 法律面前人人平等表现在哪些方面| 国产在线观看jvid| 国产精品亚洲av一区麻豆| 日本免费一区二区三区高清不卡 | 欧美日韩中文字幕国产精品一区二区三区 | 精品久久久久久,| 日本wwww免费看| 热99国产精品久久久久久7| 久久中文字幕一级| 国产精品一区二区在线不卡| 搡老岳熟女国产| 操美女的视频在线观看| 九色亚洲精品在线播放| 性色av乱码一区二区三区2| 男男h啪啪无遮挡| 成年人免费黄色播放视频| 久久影院123| 国产在线观看jvid| 精品一区二区三区四区五区乱码| 黑人巨大精品欧美一区二区mp4| 91成年电影在线观看| 搡老乐熟女国产| 亚洲国产看品久久| 亚洲精品国产一区二区精华液| 97碰自拍视频| 精品熟女少妇八av免费久了| 一级a爱视频在线免费观看| 国产一区二区在线av高清观看| 国产精品一区二区在线不卡| 黄色 视频免费看| 久久久水蜜桃国产精品网| 亚洲欧美日韩高清在线视频| 久久亚洲精品不卡| 欧美中文日本在线观看视频| 老司机靠b影院| 视频在线观看一区二区三区| 欧美 亚洲 国产 日韩一| 亚洲av日韩精品久久久久久密| 中出人妻视频一区二区| 亚洲成人免费av在线播放| 精品一区二区三区四区五区乱码| 欧美一区二区精品小视频在线| 嫁个100分男人电影在线观看| 黄色成人免费大全| 亚洲aⅴ乱码一区二区在线播放 | 久久久久久人人人人人| 99香蕉大伊视频| 国产视频一区二区在线看| 国产精品自产拍在线观看55亚洲| svipshipincom国产片| 涩涩av久久男人的天堂| 麻豆国产av国片精品| 精品国产超薄肉色丝袜足j| 制服诱惑二区| 久热爱精品视频在线9| 亚洲国产精品一区二区三区在线| 一本大道久久a久久精品| videosex国产| 窝窝影院91人妻| 中文字幕人妻丝袜一区二区| 亚洲精品国产色婷婷电影| 国产一区在线观看成人免费| 老司机福利观看| 亚洲国产精品999在线| 首页视频小说图片口味搜索| 国产男靠女视频免费网站| 久久香蕉激情| 亚洲中文字幕日韩| videosex国产| 在线观看免费高清a一片| 大陆偷拍与自拍| 看黄色毛片网站| av有码第一页| 看黄色毛片网站| 欧美日韩乱码在线| 亚洲午夜精品一区,二区,三区| 最近最新免费中文字幕在线| 日韩中文字幕欧美一区二区| 别揉我奶头~嗯~啊~动态视频| 亚洲av成人不卡在线观看播放网| 日本一区二区免费在线视频| 亚洲中文字幕日韩| 成年人黄色毛片网站| 男女下面插进去视频免费观看| 高清欧美精品videossex| 天堂中文最新版在线下载| 无限看片的www在线观看| 欧美日韩乱码在线| 中文字幕精品免费在线观看视频| 国产精品爽爽va在线观看网站 | 精品国产亚洲在线| tocl精华| 国产精品综合久久久久久久免费 | 国产又爽黄色视频| 国产精品亚洲av一区麻豆| 亚洲精品在线观看二区| 久久这里只有精品19| 欧美av亚洲av综合av国产av| 精品日产1卡2卡| 美女大奶头视频| 成年女人毛片免费观看观看9| 嫩草影视91久久| 精品国产一区二区久久| 美女大奶头视频| 国产精品 欧美亚洲| 在线免费观看的www视频| 国产人伦9x9x在线观看| 他把我摸到了高潮在线观看| 久久热在线av| 国产欧美日韩精品亚洲av| 窝窝影院91人妻| 亚洲中文av在线| 中文字幕精品免费在线观看视频| 一级片免费观看大全| 丝袜在线中文字幕| 最新在线观看一区二区三区| 美女午夜性视频免费| 久久国产精品人妻蜜桃| 亚洲av日韩精品久久久久久密| 超碰成人久久| 一级,二级,三级黄色视频| 在线观看免费视频日本深夜| 亚洲一区二区三区欧美精品| 国产精品亚洲一级av第二区| 久久久久国内视频| 亚洲中文字幕日韩| 成年人黄色毛片网站| 日韩欧美国产一区二区入口| 亚洲欧美精品综合久久99| 亚洲国产毛片av蜜桃av| 精品欧美一区二区三区在线| 精品久久久久久,| 精品欧美一区二区三区在线| 久久国产乱子伦精品免费另类| 中出人妻视频一区二区| 在线观看免费视频网站a站| 国产片内射在线| 他把我摸到了高潮在线观看| 窝窝影院91人妻| 欧美激情高清一区二区三区| 亚洲专区国产一区二区| 欧美日韩福利视频一区二区| 村上凉子中文字幕在线| 可以免费在线观看a视频的电影网站| 91成人精品电影| 欧美另类亚洲清纯唯美| 深夜精品福利| 久久精品国产综合久久久| 满18在线观看网站| 黄色成人免费大全| 欧美精品一区二区免费开放| 久久婷婷成人综合色麻豆| 三级毛片av免费| 啦啦啦免费观看视频1| 国产高清国产精品国产三级| 国产黄a三级三级三级人| 精品国产国语对白av| а√天堂www在线а√下载| 日韩中文字幕欧美一区二区| 精品无人区乱码1区二区| 日本欧美视频一区| 久久久国产一区二区| 午夜免费观看网址| 真人做人爱边吃奶动态| 满18在线观看网站| 精品国产超薄肉色丝袜足j| 18禁裸乳无遮挡免费网站照片 | 亚洲精品美女久久av网站| 精品卡一卡二卡四卡免费| 免费搜索国产男女视频| 精品国产超薄肉色丝袜足j| 精品国产一区二区久久| 在线观看一区二区三区| 人妻丰满熟妇av一区二区三区| 亚洲性夜色夜夜综合| 超碰成人久久| 久久精品成人免费网站| 12—13女人毛片做爰片一| 99久久精品国产亚洲精品| av欧美777| 午夜免费鲁丝| 一夜夜www| 一区二区三区激情视频|