• <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 ?

    人工智能在中樞神經(jīng)疾病影像學中的應用

    2021-12-02 03:33:25耿道穎
    國際醫(yī)學放射學雜志 2021年6期
    關(guān)鍵詞:結(jié)果表明組學膠質(zhì)瘤

    耿道穎

    人工智能(artificial intelligence,AI)是一門研究計算機模擬人類思維過程與智能化行為的學科。近年來,AI被應用到臨床影像工作流程中,能夠進行可重復和準確的影像學評估,已廣泛應用于病灶檢測、病灶分割、腫瘤分型和療效預測等方面[1]。針對臨床工作中獲得的大量影像,可以利用AI技術(shù)來挖掘病灶的影像特征,這在輔助臨床決策的同時,也為醫(yī)學研究提供了豐富的資源。

    有文獻[2]報道,我國醫(yī)學影像數(shù)據(jù)每年增長超過30%,但放射科醫(yī)師人數(shù)每年增長僅為4%,兩者的增長速度不匹配使得放射科醫(yī)師壓力加重,高強度的工作容易造成誤診、漏診。隨著AI技術(shù)的發(fā)展和影像數(shù)據(jù)的積累,利用AI算法挖掘影像數(shù)據(jù)中的影像特征,構(gòu)建并訓練輔助診斷模型,將有利于提高疾病的診斷效率及準確性[3]。

    中樞神經(jīng)系統(tǒng)疾病嚴重危害人類健康,特別是中國“腦計劃”的提出,反映了全社會對中樞神經(jīng)系統(tǒng)疾病的早診、早治的迫切需求,其中醫(yī)學影像對中樞神經(jīng)系統(tǒng)疾病的診治尤為重要。本文通過介紹AI對中樞神經(jīng)系統(tǒng)常見疾病的診斷作用來評述AI在醫(yī)學影像診療中的研究進展。

    1 腦血管疾病

    腦血管疾病是由腦血管病變和血液循環(huán)障礙引起的一組腦功能障礙,該病分為缺血性和出血性。由于腦血管病起病多較急驟,發(fā)病率、致殘率和死亡率都很高,因此及時診斷有決定性的意義[4]。利用AI技術(shù)構(gòu)建的模型,不僅可以檢測、分割腦卒中的出血灶或梗死灶,還可以評估卒中的病情分級和預測轉(zhuǎn)歸,對腦卒中病人的診療發(fā)揮巨大作用,從而降低腦卒中發(fā)病率和死亡率[5-6]。近年,Ye等[7]采用三維卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)聯(lián)合遞歸神經(jīng)網(wǎng)絡(luò)的深度學習框架,通過對836例腦出血和1 000例正常對照的CT平掃影像,對腦實質(zhì)出血、破入腦室出血、硬膜下出血、硬膜外出血和蛛網(wǎng)膜下腔出血進行檢測,經(jīng)驗證,該算法診斷5種腦出血亞型的受試者操作特征曲線下面積(AUC)>0.80,證實該算法的性能總體上優(yōu)于尚未完成規(guī)培的初級醫(yī)師的診斷水平;Chen等[8]采用擴散加權(quán)成像(DWI)數(shù)據(jù)開發(fā)出一個基于深度學習的CNN框架,能夠?qū)WI上急性缺血性卒中病灶進行分割,并且該算法在大型臨床數(shù)據(jù)集上得到了驗證。該研究結(jié)果表明,對于缺血性卒中病灶,基于深度學習的AI算法具有比較高的檢出率;Zhao等[9]采用基于no-new-Net框架的深度學習方法,對自發(fā)性出血性腦卒中、腦室積血及血腫周圍的水腫進行自動分割和體積測量,結(jié)果表明AI模型不僅有助于精準定量評估出血性腦卒中,而且有助于預測其進展。

    2 退行性疾病

    對于中樞神經(jīng)系統(tǒng)退行性疾病,目前AI主要應用于阿爾茨海默?。ˋlzheimer’s disease,AD)和帕金森?。≒arkinson’s disease,PD)的影像診斷。

    2.1 AD AD是一種出現(xiàn)于老年人群的進行性發(fā)展的中樞神經(jīng)系統(tǒng)退行性疾病,目前全球范圍內(nèi)約有5 000萬例病人[10],并且隨著人口老齡化加劇,病患數(shù)量將繼續(xù)增加。傳統(tǒng)的AD診斷過于依賴病人臨床表現(xiàn)和醫(yī)生的主觀判斷,近年來,通過AI技術(shù)與臨床工作的結(jié)合,可提高AD的診斷效率。Jo等[11]開發(fā)了一個深度學習框架,結(jié)合3D CNN和LRP(l ayer-wise relevance propagatio n)算法,采用正電子發(fā)射計算機體層成像(PET)識別AD分類特征,結(jié)果表明基于3D CNN的分類模型在5折交叉驗證后平均準確度達到90.8%;Feng等[12]研究發(fā)現(xiàn),3DCNN-支持向量機(support vetor machines,SVM)在AD診斷分類方面具有很優(yōu)越的性能,且無需預先手動進行任何特征提取,明顯提高了AD的臨床診斷效率和準確性。

    2.2 PD PD是一種以運動遲緩、肌肉僵硬、靜止性震顫、姿勢和步態(tài)損傷等為臨床特征的中樞神經(jīng)系統(tǒng)的退行性疾病[13]。目前全球范圍內(nèi)大約有6 100萬PD病人,且數(shù)量還在不斷增加[14],因此早期診斷PD并進行干預將有利于減緩病情進展并改善病人總體生活質(zhì)量。Papadopoulos等[15]通過構(gòu)建深度學習框架,分析預測驗證數(shù)據(jù)集內(nèi)的22例病人的震顫、精細運動損傷和PD情況,結(jié)果表明基于深度學習的AI技術(shù)可以作為PD早期篩查工具。Mohammed等[16]開發(fā)了一個基于CNN的網(wǎng)絡(luò)模型,采用2 723例單光子發(fā)射計算機體層成像(SPECT)影像來鑒別PD病人和健康對照者,并進行10折交叉驗證來評估模型的性能,其準確度高達99.34%。由此推斷,基于CNN的深度學習方法有望改變PD的診斷和管理模式。

    3 中樞神經(jīng)系統(tǒng)腫瘤

    中樞神經(jīng)系統(tǒng)腫瘤是死亡率、致殘率極高的疾病,特別是在兒童和青年中,分別占大約30%和20%的癌癥死亡率[17]。在各類腦腫瘤中,腦膜瘤是成人最常見的腦瘤,膠質(zhì)瘤排在第二位,占成人腦腫瘤的24%[17]。目前AI在腦腫瘤影像診斷方面的應用也主要集中于這兩類腫瘤。

    Zhang等[18]設(shè)計出一種深度學習算法并評估其在腦膜瘤病變檢測和分級中的性能,結(jié)果表明,該算法在腦膜瘤自動檢測、分割和分級方面準確可靠。Laukamp等[19]采用基于常規(guī)MRI數(shù)據(jù)建立腦膜瘤深度學習模型,并將其自動分割腫瘤的性能與手動分割進行對比,結(jié)果表明,基于深度學習的自動分割具有較高的分割精度,可與人工分割相媲美。筆者課題組的研究表明,使用放射組學技術(shù),對腦膜瘤的診斷可達到經(jīng)驗豐富的放射醫(yī)生水平[20];而對臨床難以分辨的血管瘤型腦膜瘤與血管外皮瘤鑒別診斷的準確度達到87.5%[21]。

    Zhuge等[22]建立了R-CNN和3DconvNet 2種深度學習CNN模型,研究結(jié)果表明,采用常規(guī)MRI影像鑒別低級別膠質(zhì)瘤(low grade glioma,LG G)和高級別膠質(zhì)瘤(h igh grade glioma,HG G)的準確度分別為0.963和0.971,可為臨床術(shù)前評估的決策提供輔助信息。由于HGG具有浸潤性,區(qū)分血管源性水腫和無對比增強的HGG非常困難。Sengupta等[23]采用HGG病人術(shù)前和術(shù)后的T1WI、T2WI、液體衰減反轉(zhuǎn)恢復序列(FLAIR)及動態(tài)增強MRI影像,利用T1灌注MRI參數(shù)進行SVM分類,結(jié)果表明該分類在區(qū)分非對比增強型HGG和血管源性水腫時的錯誤分類誤差達8.4%,而使用鄰域平均法可降低此分類誤差至2.4%。筆者課題組在使用CNN方法對淋巴瘤和膠質(zhì)母細胞瘤鑒別時,精確度可達到0.899[24]。

    4 AI在腦腫瘤治療中的應用

    4.1 預后預測 在腦腫瘤治療領(lǐng)域,AI主要應用于腫瘤分子生物學表達、病灶分割、靶區(qū)勾畫、病人生存和疾病進展預測等方面。彌漫性膠質(zhì)瘤是一種惡性腦腫瘤,根據(jù)2021年中樞神經(jīng)系統(tǒng)腫瘤WHO分類[25],膠質(zhì)瘤中的IDH野生型、IDH突變型、IDH突變伴1p/19q聯(lián)合缺失狀態(tài),決定治療方式與預后。Lu等[26]根據(jù)214例膠質(zhì)瘤病人的數(shù)據(jù),建立一個基于多模態(tài)MRI影像組學的機器學習模型來分類膠質(zhì)瘤,并在一個獨立數(shù)據(jù)集上驗證該模型,結(jié)果表明,影像組學和機器學習方法可無創(chuàng)分類膠質(zhì)瘤的IDH和1p/19q狀態(tài);Kickingereder等[27]從181例膠質(zhì)母細胞瘤病人的多參數(shù)MRI影像中提取1 043個影像特征以構(gòu)建預測無進展期(progressionfree survival,PFS)和總生存期(overall survival,OS)的模型,當加入影像組學特征時,PFS的預測誤差減少了36%,OS的預測誤差減少了37%。該研究結(jié)果表明,影像組學特征增加了對PFS和OS的預測準確性,說明影像組學在膠質(zhì)母細胞瘤分層方面具有很大潛力。將影像組學整合到關(guān)鍵分子和臨床特征的多層決策框架中,可以改善疾病分層并有望推進對膠質(zhì)母細胞瘤病人的個性化治療。筆者研究團隊采用機器學習方法,通過建立影像組學預測腦轉(zhuǎn)移瘤伽馬刀治療后PFS的模型,并結(jié)合治療前MRI紋理特征和臨床特征構(gòu)建列線圖,有望預測經(jīng)伽馬刀治療的乳腺癌腦轉(zhuǎn)移瘤病人的預后[28]。

    4.2 療效判定 預測腦腫瘤的治療療效對指導選擇正確的治療方式具有重要意義。Grossmann等[29]在一個由126例病人組成的隊列中,確定了一組MRI放射學表型作為基線特征,并用于第二個隊列的評估;利用基線和治療開始后6周的首次隨訪成像,評估這些特征對OS、PFS以及3、6和9個月進展的預后價值,得出基于MRI的新型定量影像組學為接受貝伐珠單抗治療的復發(fā)性膠質(zhì)母細胞瘤病人的生存和病情進展提供了預后價值的結(jié)論。Kickingereder等[30]從172例貝伐珠單抗治療前復發(fā)的膠質(zhì)母細胞瘤病人的影像中,自動提取并定量分析了4 842個MRI影像特征,構(gòu)建了一個預測模型,并用PFS和OS對抗血管生成治療的結(jié)果進行分層,結(jié)果表明基于影像組學的機器學習算法可作為一種特定的影像學生物標志物,用于識別從抗血管生成治療中獲益最大的病人。

    在放療靶區(qū)勾畫及放療計劃制定方面,AI可以明顯減少醫(yī)生的工作負擔,提高放療的精準度。目前,AI在腦腫瘤放療領(lǐng)域的研究主要集中于放射靶區(qū)的勾畫、危及器官的勾畫、腫瘤假進展與復發(fā)的鑒別等方面,但在面向不同腫瘤區(qū)域的個性化精準靶區(qū)放射劑量計算,以及腫瘤放療后的假進展與復發(fā)一直是臨床診斷的難點。國外研究者使用AI方法勾畫放療靶區(qū)與基于MR波譜成像的代謝靶區(qū)匹配度較高,因此AI在放療靶區(qū)勾畫方面具有廣泛應用前景[31]。Jang等[32]使用機器學習的方法,診斷膠質(zhì)母細胞瘤放化療后的假進展的AUC達到0.83。

    5 挑戰(zhàn)和展望

    AI技術(shù)發(fā)展迅速,給醫(yī)療實踐帶來巨大變化,但是現(xiàn)階段尚存在一些問題影響其在臨床的廣泛應用。①臨床上產(chǎn)生大量影像數(shù)據(jù),但不同醫(yī)療單位的、不同型號設(shè)備的數(shù)據(jù)采集的參數(shù)不同,數(shù)據(jù)均一性差,造成大量數(shù)據(jù)的浪費,今后需要多單位合作及影像醫(yī)學聯(lián)盟來解決這個問題。②影像自動分割模型和疾病風險評估模型的準確性與用于訓練模型的數(shù)據(jù)質(zhì)量密切相關(guān)。低質(zhì)量的影像數(shù)據(jù)和不恰當?shù)臄?shù)據(jù)標注會導致不正確分類和預測結(jié)果。因此,必須加強質(zhì)量控制,嚴格把握圖像標注的質(zhì)量,提高模型的泛化性。③AI的決策高效,但可解釋性不足,而且對特定結(jié)果背后的原因進行審查的能力和對失敗的預測能力都有待提升,這需要AI和放射科醫(yī)生更深入結(jié)合。④AI的發(fā)展離不開大數(shù)據(jù)集,但罕見病的數(shù)據(jù)是很難獲得的,面向多分類疾病診斷問題,往往是數(shù)據(jù)不平衡及數(shù)據(jù)長尾分布問題,因此需要通過小樣本摸索學習及不平衡數(shù)據(jù)策略優(yōu)化來解決多分類疾病診斷的數(shù)據(jù)不平衡問題。

    AI將會在預防、診斷、治療、預后方面全流程服務于臨床。醫(yī)療單位需要共同攜手優(yōu)化機器學習算法和提高醫(yī)療數(shù)據(jù)的標準化程度,構(gòu)建可靠的疾病診斷模型,以幫助醫(yī)生篩查出高風險病人,從而制定個體化治療方案,降低發(fā)病率,緩解疾病負擔。

    6 小結(jié)

    AI在中樞神經(jīng)影像領(lǐng)域優(yōu)勢突出,提高了疾病的篩查準確率,顯著提升了臨床工作效率,能夠更好的協(xié)助醫(yī)生診斷疾病、判斷預后。但是,值得注意的是,AI在醫(yī)學影像中的應用仍面臨著眾多挑戰(zhàn),需要進一步結(jié)合臨床需求、環(huán)境變化來加強其功能和提高其效率,切實在醫(yī)學影像方面發(fā)揮更強大力量,更好地為造福人類健康服務。

    (志謝感謝尹波博士、于澤寬博士后等團隊成員協(xié)助)

    猜你喜歡
    結(jié)果表明組學膠質(zhì)瘤
    口腔代謝組學研究
    基于UHPLC-Q-TOF/MS的歸身和歸尾補血機制的代謝組學初步研究
    DCE-MRI在高、低級別腦膠質(zhì)瘤及腦膜瘤中的鑒別診斷
    磁共振成像(2015年8期)2015-12-23 08:53:14
    P21和survivin蛋白在腦膠質(zhì)瘤組織中的表達及其臨床意義
    代謝組學在多囊卵巢綜合征中的應用
    Sox2和Oct4在人腦膠質(zhì)瘤組織中的表達及意義
    99mTc-HL91乏氧顯像在惡性腦膠質(zhì)瘤放療前后的變化觀察
    蛋白質(zhì)組學在結(jié)核桿菌研究中的應用
    體育鍛煉也重要
    闊世瑪與世瑪用于不同冬小麥品種的安全性試驗
    日韩中文字幕视频在线看片| 成人国语在线视频| 欧美日韩亚洲综合一区二区三区_| 搡老乐熟女国产| 精品熟女少妇八av免费久了| 婷婷丁香在线五月| 中文字幕高清在线视频| 在线观看www视频免费| 国产xxxxx性猛交| 黑丝袜美女国产一区| 老鸭窝网址在线观看| 国产97色在线日韩免费| 日日爽夜夜爽网站| 国产精品国产三级国产专区5o| 日本91视频免费播放| 亚洲精品国产精品久久久不卡| av网站免费在线观看视频| 女警被强在线播放| 法律面前人人平等表现在哪些方面 | av片东京热男人的天堂| 久久毛片免费看一区二区三区| 亚洲精品美女久久av网站| 久久精品成人免费网站| 大片电影免费在线观看免费| 99久久99久久久精品蜜桃| 国产成人欧美| 久久久欧美国产精品| 男女免费视频国产| 精品一区二区三区四区五区乱码| 黄色a级毛片大全视频| av免费在线观看网站| 一个人免费看片子| 欧美日韩中文字幕国产精品一区二区三区 | 久久精品人人爽人人爽视色| 亚洲色图 男人天堂 中文字幕| 男女国产视频网站| 国产精品久久久久久精品电影小说| 国产亚洲精品第一综合不卡| 国产亚洲欧美在线一区二区| 久久精品亚洲av国产电影网| 制服人妻中文乱码| 国产精品99久久99久久久不卡| 国产亚洲精品第一综合不卡| 一个人免费在线观看的高清视频 | 久久久久网色| 老熟女久久久| 国产精品一区二区在线观看99| 在线观看免费午夜福利视频| 久久久久久久精品精品| 欧美日韩黄片免| 欧美激情 高清一区二区三区| 免费看十八禁软件| 久久久久精品国产欧美久久久 | 99国产综合亚洲精品| 久久这里只有精品19| 窝窝影院91人妻| 天堂俺去俺来也www色官网| 国产精品国产av在线观看| 欧美在线一区亚洲| 成人国产av品久久久| 热re99久久精品国产66热6| 亚洲精品久久成人aⅴ小说| 欧美xxⅹ黑人| 91麻豆av在线| 亚洲欧美清纯卡通| 精品亚洲成a人片在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 久久久久久久久久久久大奶| 欧美一级毛片孕妇| 99国产精品一区二区三区| 999久久久国产精品视频| 久久久久精品人妻al黑| 青草久久国产| 中国国产av一级| 国产精品一区二区精品视频观看| 国产精品香港三级国产av潘金莲| 少妇裸体淫交视频免费看高清 | 12—13女人毛片做爰片一| 久久中文看片网| 免费人妻精品一区二区三区视频| svipshipincom国产片| 国产精品免费视频内射| 在线永久观看黄色视频| 亚洲精品自拍成人| 正在播放国产对白刺激| 亚洲午夜精品一区,二区,三区| 精品视频人人做人人爽| 满18在线观看网站| 国产精品免费大片| 老司机在亚洲福利影院| 欧美午夜高清在线| 免费看十八禁软件| 亚洲av电影在线观看一区二区三区| 久久国产精品影院| 午夜福利乱码中文字幕| 国产精品久久久久久人妻精品电影 | 精品福利观看| 99热全是精品| 国产xxxxx性猛交| 亚洲一码二码三码区别大吗| 亚洲国产av影院在线观看| 少妇猛男粗大的猛烈进出视频| 国产视频一区二区在线看| 国产欧美日韩一区二区三 | 欧美国产精品一级二级三级| 91精品伊人久久大香线蕉| 国产精品一区二区精品视频观看| 黄网站色视频无遮挡免费观看| 亚洲专区字幕在线| 九色亚洲精品在线播放| a 毛片基地| 精品少妇内射三级| 欧美激情久久久久久爽电影 | 啪啪无遮挡十八禁网站| 亚洲性夜色夜夜综合| 国产精品 国内视频| 亚洲国产欧美一区二区综合| 中文欧美无线码| 精品一区在线观看国产| www日本在线高清视频| 青春草视频在线免费观看| 久久人妻福利社区极品人妻图片| 亚洲一区二区三区欧美精品| 日本猛色少妇xxxxx猛交久久| 又紧又爽又黄一区二区| 日本五十路高清| 亚洲av电影在线进入| 啪啪无遮挡十八禁网站| 在线av久久热| 777米奇影视久久| 亚洲人成电影免费在线| tocl精华| 老司机午夜十八禁免费视频| 久久久国产一区二区| 爱豆传媒免费全集在线观看| 99精品久久久久人妻精品| 欧美日韩视频精品一区| 中文字幕色久视频| 日本vs欧美在线观看视频| 国产区一区二久久| 久久久久精品国产欧美久久久 | 国产男女内射视频| 国产精品一区二区免费欧美 | 亚洲精品中文字幕在线视频| 精品国产超薄肉色丝袜足j| 黑人巨大精品欧美一区二区蜜桃| 美女高潮喷水抽搐中文字幕| 成人黄色视频免费在线看| 一级毛片电影观看| 另类精品久久| 亚洲国产精品999| 欧美日韩一级在线毛片| 色视频在线一区二区三区| 久久久久久人人人人人| 午夜福利,免费看| 午夜精品久久久久久毛片777| av天堂久久9| 欧美日韩黄片免| 国产欧美日韩一区二区三 | 美女扒开内裤让男人捅视频| 午夜两性在线视频| 国产精品国产av在线观看| 操出白浆在线播放| 50天的宝宝边吃奶边哭怎么回事| 999久久久国产精品视频| 国产在线免费精品| 十八禁人妻一区二区| 高潮久久久久久久久久久不卡| 热re99久久精品国产66热6| 午夜福利免费观看在线| 免费观看a级毛片全部| 亚洲国产欧美网| 啪啪无遮挡十八禁网站| 久久这里只有精品19| 国产成人a∨麻豆精品| 女人高潮潮喷娇喘18禁视频| 亚洲全国av大片| 人人妻人人添人人爽欧美一区卜| 最黄视频免费看| bbb黄色大片| 一级毛片女人18水好多| www日本在线高清视频| 97精品久久久久久久久久精品| 99热全是精品| 国产精品久久久av美女十八| 不卡一级毛片| 国产又爽黄色视频| 成年动漫av网址| 1024香蕉在线观看| av网站免费在线观看视频| 最黄视频免费看| 亚洲天堂av无毛| 大香蕉久久成人网| 大码成人一级视频| 欧美国产精品一级二级三级| 亚洲欧洲日产国产| 在线观看舔阴道视频| 精品久久久精品久久久| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产欧美一区二区综合| 亚洲色图 男人天堂 中文字幕| 一本色道久久久久久精品综合| 欧美精品av麻豆av| 国产精品一二三区在线看| 在线天堂中文资源库| 欧美黄色淫秽网站| 日韩免费高清中文字幕av| 久久精品国产亚洲av香蕉五月 | 男女高潮啪啪啪动态图| 亚洲综合色网址| 国产亚洲午夜精品一区二区久久| 日韩中文字幕欧美一区二区| 巨乳人妻的诱惑在线观看| 天堂中文最新版在线下载| 久久影院123| 亚洲成人免费电影在线观看| 免费高清在线观看日韩| 久久久国产一区二区| 黄色 视频免费看| 国产精品九九99| 高清av免费在线| 99热全是精品| 他把我摸到了高潮在线观看 | 美女主播在线视频| 色老头精品视频在线观看| 免费少妇av软件| 国产一区二区三区av在线| 看免费av毛片| 中文字幕制服av| 久久精品久久久久久噜噜老黄| a在线观看视频网站| 国产成人精品久久二区二区免费| 在线亚洲精品国产二区图片欧美| 黑丝袜美女国产一区| 欧美精品av麻豆av| 建设人人有责人人尽责人人享有的| 亚洲中文av在线| 女人精品久久久久毛片| 男男h啪啪无遮挡| 欧美在线黄色| 亚洲国产精品一区二区三区在线| 久久久久久久久免费视频了| 免费在线观看影片大全网站| 亚洲七黄色美女视频| av片东京热男人的天堂| 建设人人有责人人尽责人人享有的| 欧美黄色片欧美黄色片| 日韩大片免费观看网站| 亚洲av片天天在线观看| 另类亚洲欧美激情| 中文欧美无线码| 欧美精品啪啪一区二区三区 | 欧美人与性动交α欧美精品济南到| 我的亚洲天堂| 免费少妇av软件| 亚洲黑人精品在线| 美国免费a级毛片| 天天影视国产精品| 国产欧美日韩综合在线一区二区| 黄色视频在线播放观看不卡| 十八禁网站免费在线| 大片电影免费在线观看免费| av免费在线观看网站| 80岁老熟妇乱子伦牲交| 亚洲国产av影院在线观看| 麻豆乱淫一区二区| 亚洲成人国产一区在线观看| 成年人黄色毛片网站| 老司机深夜福利视频在线观看 | 欧美国产精品一级二级三级| 午夜视频精品福利| 午夜福利在线免费观看网站| 91大片在线观看| 国产欧美日韩一区二区三区在线| 欧美亚洲 丝袜 人妻 在线| 黄色怎么调成土黄色| 国产亚洲精品第一综合不卡| 岛国毛片在线播放| e午夜精品久久久久久久| 少妇 在线观看| 国产av一区二区精品久久| 久久这里只有精品19| 国产免费一区二区三区四区乱码| 久久久欧美国产精品| 最新的欧美精品一区二区| 9色porny在线观看| 男人舔女人的私密视频| 亚洲七黄色美女视频| 中文字幕高清在线视频| 蜜桃国产av成人99| 亚洲一区二区三区欧美精品| 99国产精品一区二区三区| a级片在线免费高清观看视频| 亚洲第一欧美日韩一区二区三区 | 成人手机av| 一本大道久久a久久精品| av有码第一页| 免费在线观看黄色视频的| 老司机亚洲免费影院| 五月开心婷婷网| 国产日韩一区二区三区精品不卡| 欧美 亚洲 国产 日韩一| 91麻豆精品激情在线观看国产 | 在线亚洲精品国产二区图片欧美| 免费高清在线观看日韩| 成人18禁高潮啪啪吃奶动态图| 午夜视频精品福利| 欧美成狂野欧美在线观看| 欧美久久黑人一区二区| 黄网站色视频无遮挡免费观看| 中文字幕人妻丝袜一区二区| 精品久久久久久电影网| 九色亚洲精品在线播放| 国产真人三级小视频在线观看| 人人妻人人澡人人看| 女性被躁到高潮视频| 国内毛片毛片毛片毛片毛片| 久久影院123| 午夜福利乱码中文字幕| 成年女人毛片免费观看观看9 | 国产成人免费观看mmmm| 丰满迷人的少妇在线观看| 嫩草影视91久久| 别揉我奶头~嗯~啊~动态视频 | 国产精品.久久久| 9色porny在线观看| 黑人巨大精品欧美一区二区蜜桃| 国产熟女午夜一区二区三区| 久久久精品区二区三区| 久久人妻熟女aⅴ| 9191精品国产免费久久| 少妇精品久久久久久久| 国产精品秋霞免费鲁丝片| 妹子高潮喷水视频| 国产福利在线免费观看视频| 无限看片的www在线观看| 欧美老熟妇乱子伦牲交| 免费av中文字幕在线| 精品国产一区二区三区四区第35| 日韩有码中文字幕| 在线观看www视频免费| 90打野战视频偷拍视频| 777米奇影视久久| 久久 成人 亚洲| 日韩制服丝袜自拍偷拍| 亚洲精品国产精品久久久不卡| 久久热在线av| 91成人精品电影| 日本一区二区免费在线视频| 亚洲午夜精品一区,二区,三区| 黄频高清免费视频| 窝窝影院91人妻| 99re6热这里在线精品视频| 国产男人的电影天堂91| 欧美精品高潮呻吟av久久| 国产成人精品无人区| 女人爽到高潮嗷嗷叫在线视频| 视频区欧美日本亚洲| 亚洲avbb在线观看| 免费黄频网站在线观看国产| 久久精品亚洲av国产电影网| 亚洲熟女毛片儿| 成年美女黄网站色视频大全免费| 亚洲自偷自拍图片 自拍| 国产av一区二区精品久久| 自拍欧美九色日韩亚洲蝌蚪91| 精品人妻一区二区三区麻豆| 两性夫妻黄色片| 一区二区三区激情视频| 大型av网站在线播放| 成年人午夜在线观看视频| 亚洲精品粉嫩美女一区| 午夜免费鲁丝| 99国产综合亚洲精品| 在线亚洲精品国产二区图片欧美| 老汉色av国产亚洲站长工具| 欧美精品一区二区免费开放| 女性被躁到高潮视频| 大型av网站在线播放| 啦啦啦中文免费视频观看日本| 欧美激情 高清一区二区三区| 亚洲avbb在线观看| 涩涩av久久男人的天堂| 香蕉国产在线看| 久久久久久免费高清国产稀缺| 久久毛片免费看一区二区三区| 午夜成年电影在线免费观看| 人人妻,人人澡人人爽秒播| 欧美日韩福利视频一区二区| 国产一级毛片在线| 这个男人来自地球电影免费观看| 老司机亚洲免费影院| 国产三级黄色录像| 国产成人a∨麻豆精品| 人妻 亚洲 视频| 国产精品免费大片| 国产欧美日韩一区二区三区在线| 国产熟女午夜一区二区三区| 欧美日韩亚洲高清精品| 免费看十八禁软件| 久久人人爽人人片av| 亚洲av日韩在线播放| 久久久久久久久免费视频了| 一区福利在线观看| www.熟女人妻精品国产| 国产精品久久久av美女十八| 亚洲综合色网址| 国产精品熟女久久久久浪| 午夜福利在线免费观看网站| 色视频在线一区二区三区| 91精品三级在线观看| 久久久久视频综合| 丝袜在线中文字幕| 1024视频免费在线观看| 大片免费播放器 马上看| 午夜福利,免费看| 人人妻人人添人人爽欧美一区卜| 国产精品.久久久| 人人妻人人添人人爽欧美一区卜| 亚洲精品粉嫩美女一区| 亚洲精品国产一区二区精华液| 亚洲国产看品久久| 熟女少妇亚洲综合色aaa.| 丁香六月天网| 91麻豆av在线| 日韩欧美国产一区二区入口| 色婷婷av一区二区三区视频| 建设人人有责人人尽责人人享有的| 伊人亚洲综合成人网| 一级黄色大片毛片| 天堂中文最新版在线下载| 欧美激情久久久久久爽电影 | 亚洲国产看品久久| 亚洲国产av影院在线观看| videos熟女内射| 亚洲人成电影免费在线| av天堂在线播放| 亚洲av日韩精品久久久久久密| 熟女少妇亚洲综合色aaa.| 一区二区日韩欧美中文字幕| 日本猛色少妇xxxxx猛交久久| 久久中文看片网| 精品一区在线观看国产| 99re6热这里在线精品视频| 一级毛片精品| 日本黄色日本黄色录像| 9191精品国产免费久久| 19禁男女啪啪无遮挡网站| 亚洲av片天天在线观看| 美女高潮到喷水免费观看| 美女福利国产在线| 欧美日韩亚洲综合一区二区三区_| 色播在线永久视频| 国产有黄有色有爽视频| 亚洲精品国产av成人精品| av网站免费在线观看视频| 亚洲欧美激情在线| 亚洲国产欧美一区二区综合| 悠悠久久av| 汤姆久久久久久久影院中文字幕| 手机成人av网站| 久久中文字幕一级| 亚洲专区字幕在线| 免费观看av网站的网址| 久热爱精品视频在线9| 麻豆国产av国片精品| 建设人人有责人人尽责人人享有的| 久久久国产成人免费| 曰老女人黄片| 国产精品成人在线| 日韩欧美国产一区二区入口| 欧美日韩福利视频一区二区| 久久国产精品男人的天堂亚洲| 男女高潮啪啪啪动态图| 久久精品熟女亚洲av麻豆精品| 国产高清国产精品国产三级| 久久中文看片网| 丁香六月欧美| 18禁国产床啪视频网站| 亚洲av电影在线观看一区二区三区| 在线天堂中文资源库| 首页视频小说图片口味搜索| 国产精品国产av在线观看| 国精品久久久久久国模美| 亚洲国产日韩一区二区| 搡老熟女国产l中国老女人| 中文字幕人妻丝袜制服| 天天躁日日躁夜夜躁夜夜| 亚洲av日韩在线播放| 老司机影院成人| 桃红色精品国产亚洲av| 黄色视频在线播放观看不卡| 麻豆国产av国片精品| 久久久国产欧美日韩av| 少妇的丰满在线观看| 国产精品国产av在线观看| 可以免费在线观看a视频的电影网站| 水蜜桃什么品种好| 亚洲国产毛片av蜜桃av| 亚洲五月婷婷丁香| 咕卡用的链子| 视频区欧美日本亚洲| 国产成人av激情在线播放| 90打野战视频偷拍视频| 国产免费视频播放在线视频| 免费女性裸体啪啪无遮挡网站| 日韩一区二区三区影片| 两性夫妻黄色片| 日本五十路高清| 久久久国产成人免费| 亚洲少妇的诱惑av| 国产成人啪精品午夜网站| 久久亚洲精品不卡| 窝窝影院91人妻| 久久久精品免费免费高清| 天堂8中文在线网| 国产精品一区二区在线观看99| 久久 成人 亚洲| 在线看a的网站| av不卡在线播放| 在线观看免费日韩欧美大片| 久久精品国产a三级三级三级| 一本色道久久久久久精品综合| 国产精品国产av在线观看| 国产亚洲欧美精品永久| 宅男免费午夜| 午夜福利视频精品| 丝袜美腿诱惑在线| 麻豆乱淫一区二区| 久久这里只有精品19| 好男人电影高清在线观看| 高清av免费在线| 免费黄频网站在线观看国产| svipshipincom国产片| 国产在线免费精品| 欧美日韩国产mv在线观看视频| 国产精品 国内视频| 国产男人的电影天堂91| 人妻一区二区av| 亚洲自偷自拍图片 自拍| 国产一区二区三区av在线| 午夜影院在线不卡| 黄色a级毛片大全视频| 国产欧美日韩精品亚洲av| 高清欧美精品videossex| 亚洲av国产av综合av卡| 美女视频免费永久观看网站| 久久久国产一区二区| 亚洲国产日韩一区二区| 99国产精品99久久久久| 亚洲一区二区三区欧美精品| 国产精品影院久久| 国产区一区二久久| 99re6热这里在线精品视频| 国产精品久久久久成人av| 久久精品国产亚洲av高清一级| www日本在线高清视频| 亚洲av电影在线进入| 少妇 在线观看| 日韩制服骚丝袜av| 亚洲 国产 在线| 久久久久国产一级毛片高清牌| 在线精品无人区一区二区三| 啦啦啦在线免费观看视频4| 久久久久久久久久久久大奶| 伊人久久大香线蕉亚洲五| 日本wwww免费看| 午夜福利乱码中文字幕| 午夜福利视频精品| 国内毛片毛片毛片毛片毛片| 国产视频一区二区在线看| 免费不卡黄色视频| 精品视频人人做人人爽| 午夜日韩欧美国产| 久久久久国内视频| 亚洲专区国产一区二区| 久久精品亚洲av国产电影网| 欧美亚洲日本最大视频资源| 中文字幕人妻熟女乱码| 侵犯人妻中文字幕一二三四区| 成人黄色视频免费在线看| 精品国产一区二区三区四区第35| 真人做人爱边吃奶动态| 男女之事视频高清在线观看| 久久久久久久国产电影| 亚洲精品国产一区二区精华液| av欧美777| 丝袜美足系列| 欧美日韩成人在线一区二区| 悠悠久久av| 久久久精品94久久精品| 国产精品一区二区在线观看99| 色婷婷久久久亚洲欧美| 日韩有码中文字幕| 十八禁高潮呻吟视频| 黑人猛操日本美女一级片| 久久人妻福利社区极品人妻图片| 亚洲国产欧美网| 久久中文字幕一级| 亚洲国产成人一精品久久久| 婷婷丁香在线五月| 精品乱码久久久久久99久播| 超碰成人久久| 日韩有码中文字幕| 国产亚洲精品第一综合不卡| 我的亚洲天堂| 交换朋友夫妻互换小说| 国产精品1区2区在线观看. | 80岁老熟妇乱子伦牲交| 黑人操中国人逼视频| av网站免费在线观看视频| 国产亚洲一区二区精品| 中文字幕色久视频| 国产亚洲欧美在线一区二区| 亚洲国产欧美网|