• <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
    日本黄色日本黄色录像| 精品久久久精品久久久| 真人做人爱边吃奶动态| 国产亚洲精品第一综合不卡| 十八禁网站免费在线| 国产精品电影一区二区三区| tocl精华| 日韩免费av在线播放| 高清在线国产一区| 在线免费观看的www视频| 另类亚洲欧美激情| 亚洲av成人一区二区三| 999精品在线视频| 国产亚洲欧美98| 久久欧美精品欧美久久欧美| 精品熟女少妇八av免费久了| 日韩免费av在线播放| 正在播放国产对白刺激| 男女做爰动态图高潮gif福利片 | 久久性视频一级片| 国产精品1区2区在线观看.| 桃色一区二区三区在线观看| 免费观看人在逋| 亚洲少妇的诱惑av| 极品人妻少妇av视频| 丰满饥渴人妻一区二区三| 日日干狠狠操夜夜爽| 桃色一区二区三区在线观看| 男女做爰动态图高潮gif福利片 | 成人亚洲精品av一区二区 | 老汉色av国产亚洲站长工具| 啦啦啦在线免费观看视频4| 99久久综合精品五月天人人| 欧美 亚洲 国产 日韩一| 香蕉久久夜色| 极品人妻少妇av视频| 国产精品乱码一区二三区的特点 | 无遮挡黄片免费观看| www国产在线视频色| 国产男靠女视频免费网站| 亚洲黑人精品在线| 色在线成人网| 在线观看www视频免费| 精品电影一区二区在线| 99在线人妻在线中文字幕| 18禁裸乳无遮挡免费网站照片 | 免费av毛片视频| 女性生殖器流出的白浆| 国产国语露脸激情在线看| av天堂久久9| 757午夜福利合集在线观看| 男女高潮啪啪啪动态图| 在线视频色国产色| 在线播放国产精品三级| 男女床上黄色一级片免费看| 欧美中文综合在线视频| 久久中文字幕人妻熟女| 欧美日韩av久久| 丝袜美足系列| 亚洲午夜理论影院| 国产精品综合久久久久久久免费 | 欧美久久黑人一区二区| 一进一出抽搐动态| 丰满的人妻完整版| 水蜜桃什么品种好| 脱女人内裤的视频| 欧美中文综合在线视频| 中文字幕精品免费在线观看视频| 国产一区二区三区视频了| 亚洲av成人不卡在线观看播放网| 亚洲欧美精品综合一区二区三区| 久久精品亚洲av国产电影网| 18禁裸乳无遮挡免费网站照片 | 热re99久久精品国产66热6| 国产三级在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 欧美成人午夜精品| 精品久久蜜臀av无| 老司机午夜十八禁免费视频| 欧美成狂野欧美在线观看| av超薄肉色丝袜交足视频| 狂野欧美激情性xxxx| 69精品国产乱码久久久| 男女下面进入的视频免费午夜 | 人成视频在线观看免费观看| 午夜福利影视在线免费观看| 看免费av毛片| 亚洲午夜理论影院| 级片在线观看| 我的亚洲天堂| 男男h啪啪无遮挡| 免费日韩欧美在线观看| a级毛片黄视频| 一边摸一边抽搐一进一出视频| 在线观看66精品国产| 亚洲国产毛片av蜜桃av| 久久天躁狠狠躁夜夜2o2o| 欧美中文综合在线视频| 国产精品一区二区精品视频观看| 国产精品免费视频内射| 狂野欧美激情性xxxx| 婷婷丁香在线五月| 国产aⅴ精品一区二区三区波| 亚洲一区中文字幕在线| 国产蜜桃级精品一区二区三区| 69av精品久久久久久| 熟女少妇亚洲综合色aaa.| 777久久人妻少妇嫩草av网站| 亚洲激情在线av| 久久九九热精品免费| 一级毛片精品| 巨乳人妻的诱惑在线观看| 免费高清在线观看日韩| 久久久久久久久久久久大奶| 亚洲精品美女久久久久99蜜臀| 超碰97精品在线观看| 亚洲中文字幕日韩| 天天影视国产精品| 黄色视频不卡| 大陆偷拍与自拍| 亚洲av日韩精品久久久久久密| 中文欧美无线码| 夜夜躁狠狠躁天天躁| 日韩国内少妇激情av| 免费女性裸体啪啪无遮挡网站| 在线天堂中文资源库| 久久精品人人爽人人爽视色| 国产有黄有色有爽视频| 欧美在线一区亚洲| 亚洲一区中文字幕在线| 国产精品九九99| 男女之事视频高清在线观看| 母亲3免费完整高清在线观看| 中国美女看黄片| 黄色片一级片一级黄色片| 人妻久久中文字幕网| 91大片在线观看| 欧美日韩国产mv在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产有黄有色有爽视频| a在线观看视频网站| 国产国语露脸激情在线看| 成人手机av| 一区在线观看完整版| 欧美人与性动交α欧美精品济南到| 日韩有码中文字幕| 免费在线观看亚洲国产| 色综合婷婷激情| 精品久久久久久,| 男女做爰动态图高潮gif福利片 | 国产成人av教育| 欧美黄色淫秽网站| 久久影院123| 色综合婷婷激情| 国产三级在线视频| 欧美精品一区二区免费开放| 免费观看精品视频网站| 国产精品免费视频内射| 夜夜看夜夜爽夜夜摸 | 999久久久精品免费观看国产| 精品国产超薄肉色丝袜足j| 男人舔女人的私密视频| 国产成年人精品一区二区 | 国产在线观看jvid| 日本免费a在线| 波多野结衣一区麻豆| 丝袜人妻中文字幕| 日韩欧美免费精品| 亚洲av成人av| 国产一区二区激情短视频| 国产有黄有色有爽视频| 久久性视频一级片| 日本精品一区二区三区蜜桃| 色综合站精品国产| 亚洲九九香蕉| 香蕉国产在线看| av福利片在线| 国产区一区二久久| 高清在线国产一区| 久久久久国产精品人妻aⅴ院| 国产精品久久久av美女十八| 十八禁人妻一区二区| 日日爽夜夜爽网站| 国产一区在线观看成人免费| 制服诱惑二区| 欧美精品亚洲一区二区| 免费高清视频大片| 两人在一起打扑克的视频| 久久国产精品影院| www.999成人在线观看| 狠狠狠狠99中文字幕| 91av网站免费观看| 色精品久久人妻99蜜桃| 女人精品久久久久毛片| 99精品在免费线老司机午夜| 一边摸一边做爽爽视频免费| 午夜a级毛片| 国产精品免费一区二区三区在线| 亚洲av电影在线进入| 极品人妻少妇av视频| 欧美不卡视频在线免费观看 | 十分钟在线观看高清视频www| 水蜜桃什么品种好| 黄色视频,在线免费观看| 高清av免费在线| 久久精品91蜜桃| 人妻丰满熟妇av一区二区三区| 女人被躁到高潮嗷嗷叫费观| 69av精品久久久久久| xxx96com| 亚洲精品在线观看二区| 久久性视频一级片| 国产精品一区二区精品视频观看| 国产有黄有色有爽视频| 国产成人免费无遮挡视频| 国产av在哪里看| 亚洲一区二区三区欧美精品| 91九色精品人成在线观看| 国产欧美日韩一区二区三| 在线观看午夜福利视频| 色尼玛亚洲综合影院| 国产亚洲精品一区二区www| 成人永久免费在线观看视频| 国产成人欧美| 最好的美女福利视频网| 久久久水蜜桃国产精品网| 99久久精品国产亚洲精品| 97人妻天天添夜夜摸| 久久久国产精品麻豆| 国产成人啪精品午夜网站| 亚洲精品中文字幕在线视频| 狠狠狠狠99中文字幕| 一级毛片精品| 亚洲第一av免费看| 男人操女人黄网站| 一级黄色大片毛片| 国产精品自产拍在线观看55亚洲| 亚洲在线自拍视频| 国产一区在线观看成人免费| 国产国语露脸激情在线看| 色老头精品视频在线观看| 久久久国产欧美日韩av| 黄频高清免费视频| 欧美黄色淫秽网站| 一级a爱视频在线免费观看| 久久精品人人爽人人爽视色| 成人18禁高潮啪啪吃奶动态图| 天天躁狠狠躁夜夜躁狠狠躁| 三级毛片av免费| 日韩国内少妇激情av| 黄色视频不卡| 我的亚洲天堂| 他把我摸到了高潮在线观看| 亚洲成a人片在线一区二区| 亚洲专区字幕在线| 亚洲国产欧美日韩在线播放| 99久久人妻综合| 成年人免费黄色播放视频| 免费人成视频x8x8入口观看| 性欧美人与动物交配| 黑人欧美特级aaaaaa片| 国产精品99久久99久久久不卡| 成人三级黄色视频| 中文字幕人妻丝袜制服| 亚洲一区高清亚洲精品| 国产精品乱码一区二三区的特点 | 在线观看一区二区三区激情| 俄罗斯特黄特色一大片| 国产成人一区二区三区免费视频网站| 国产精品国产高清国产av| 99在线人妻在线中文字幕| 欧美中文综合在线视频| 91字幕亚洲| 麻豆av在线久日| 看黄色毛片网站| 亚洲第一青青草原| 黄色丝袜av网址大全| 亚洲自拍偷在线| 中文字幕人妻熟女乱码| 不卡一级毛片| 国产黄色免费在线视频| 国产精品乱码一区二三区的特点 | 久久这里只有精品19| 精品国产国语对白av| 国产精品久久久av美女十八| 一级片免费观看大全| 欧美黄色淫秽网站| 国产精品98久久久久久宅男小说| 亚洲七黄色美女视频| av国产精品久久久久影院| 嫩草影视91久久| 91麻豆精品激情在线观看国产 | 正在播放国产对白刺激| 一本大道久久a久久精品| 日本五十路高清| 精品乱码久久久久久99久播| 男人操女人黄网站| 侵犯人妻中文字幕一二三四区| 欧美日韩亚洲综合一区二区三区_| 9色porny在线观看| 精品人妻在线不人妻| 国产成人欧美在线观看| 新久久久久国产一级毛片| 别揉我奶头~嗯~啊~动态视频| 97人妻天天添夜夜摸| 成人亚洲精品一区在线观看| 窝窝影院91人妻| av欧美777| 首页视频小说图片口味搜索| 91成人精品电影| 精品熟女少妇八av免费久了| 欧美日韩亚洲高清精品| 男人的好看免费观看在线视频 | 久久性视频一级片| 动漫黄色视频在线观看| 一个人观看的视频www高清免费观看 | 精品一区二区三区av网在线观看| 99久久人妻综合| 亚洲欧美一区二区三区黑人| 亚洲精品国产一区二区精华液| 亚洲av片天天在线观看| 91大片在线观看| 亚洲熟女毛片儿| 深夜精品福利| 中文字幕人妻熟女乱码| 满18在线观看网站| 一级片免费观看大全| 热99re8久久精品国产| 夜夜躁狠狠躁天天躁| 国产高清视频在线播放一区| 琪琪午夜伦伦电影理论片6080| 久久久久九九精品影院| xxxhd国产人妻xxx| 精品一区二区三区视频在线观看免费 | 亚洲色图av天堂| 在线观看一区二区三区| 亚洲五月婷婷丁香| 国产精品野战在线观看 | 又大又爽又粗| 欧美乱色亚洲激情| 久久中文字幕一级| 日日夜夜操网爽| 黄片大片在线免费观看| 一本综合久久免费| 亚洲av第一区精品v没综合| 香蕉久久夜色| 欧美激情高清一区二区三区| 精品卡一卡二卡四卡免费| 精品乱码久久久久久99久播| 午夜免费鲁丝| 男女下面进入的视频免费午夜 | 99国产综合亚洲精品| 亚洲av熟女| 国产片内射在线| 国产精品98久久久久久宅男小说| 在线十欧美十亚洲十日本专区| 国产伦一二天堂av在线观看| 最好的美女福利视频网| 欧美日韩乱码在线| 在线观看日韩欧美| 咕卡用的链子| 80岁老熟妇乱子伦牲交| 99在线视频只有这里精品首页| 一本大道久久a久久精品| 欧美在线黄色| 又大又爽又粗| 国产精品久久久久成人av| 黑人巨大精品欧美一区二区蜜桃| 妹子高潮喷水视频| 国产成年人精品一区二区 | 午夜福利在线免费观看网站| tocl精华| 好看av亚洲va欧美ⅴa在| 国产不卡一卡二| 日本一区二区免费在线视频| 亚洲色图综合在线观看| 久久国产乱子伦精品免费另类| 亚洲熟妇中文字幕五十中出 | 国产深夜福利视频在线观看| 精品国产乱码久久久久久男人| 国产成人av教育| 又黄又爽又免费观看的视频| 男女午夜视频在线观看| 午夜福利在线观看吧| 国内久久婷婷六月综合欲色啪| 老司机深夜福利视频在线观看| 村上凉子中文字幕在线| 一二三四在线观看免费中文在| 精品一品国产午夜福利视频| 青草久久国产| 免费一级毛片在线播放高清视频 | 又黄又爽又免费观看的视频| 成人三级黄色视频| 亚洲一区二区三区欧美精品| 脱女人内裤的视频| 国产又爽黄色视频| 视频在线观看一区二区三区| 成人精品一区二区免费| 精品一区二区三卡| 国产极品粉嫩免费观看在线| 久久精品亚洲熟妇少妇任你| 男女床上黄色一级片免费看| 中文字幕色久视频| 国产成人精品无人区| 精品一区二区三区四区五区乱码| 欧美性长视频在线观看| 亚洲成人精品中文字幕电影 | 亚洲国产欧美日韩在线播放| 久久狼人影院| 国产精品久久视频播放| 国产激情欧美一区二区| 一级a爱片免费观看的视频| 男人的好看免费观看在线视频 | 亚洲精品一二三| 久久久久久久久久久久大奶| 精品国产乱码久久久久久男人| 亚洲欧美激情综合另类| 女人爽到高潮嗷嗷叫在线视频| 精品一区二区三卡| 18禁黄网站禁片午夜丰满| 国产精品国产高清国产av| 国产精品久久久av美女十八| 制服诱惑二区| 99国产精品99久久久久| 国产野战对白在线观看| 欧美成人性av电影在线观看| 国产高清国产精品国产三级| 国产99白浆流出| 黄色视频,在线免费观看| 两性夫妻黄色片| 亚洲一卡2卡3卡4卡5卡精品中文| 麻豆一二三区av精品| 久久人人精品亚洲av| 一边摸一边抽搐一进一小说| 国产激情久久老熟女| 激情在线观看视频在线高清| 欧美不卡视频在线免费观看 | 国产亚洲精品一区二区www| 亚洲av成人一区二区三| 超色免费av| 国产单亲对白刺激| 亚洲欧美日韩高清在线视频| 午夜福利欧美成人| 中出人妻视频一区二区| 免费少妇av软件| 欧美成人免费av一区二区三区| 国产在线观看jvid| 久久久国产成人精品二区 | 视频在线观看一区二区三区| 精品久久久精品久久久| 亚洲精品美女久久久久99蜜臀| 成人18禁高潮啪啪吃奶动态图| 国产主播在线观看一区二区| 在线av久久热| 在线视频色国产色| 美女 人体艺术 gogo| 99久久久亚洲精品蜜臀av| 国产色视频综合| 成人特级黄色片久久久久久久| 超色免费av| 久久精品91蜜桃| 国产熟女午夜一区二区三区| 欧美一区二区精品小视频在线| 在线观看日韩欧美| 亚洲全国av大片| av福利片在线| 女人被躁到高潮嗷嗷叫费观| 久9热在线精品视频| 女人被躁到高潮嗷嗷叫费观| 精品熟女少妇八av免费久了| 悠悠久久av| 在线观看日韩欧美| 午夜精品国产一区二区电影| 亚洲人成电影观看| 99国产精品一区二区三区| 久久久国产精品麻豆| 首页视频小说图片口味搜索| 高清在线国产一区| 在线视频色国产色| 国产精品美女特级片免费视频播放器 | 在线观看一区二区三区激情| x7x7x7水蜜桃| 丰满饥渴人妻一区二区三| 亚洲精品中文字幕一二三四区| 国产激情欧美一区二区| 另类亚洲欧美激情| 老司机午夜福利在线观看视频| 大型黄色视频在线免费观看| 嫁个100分男人电影在线观看| 国产成人欧美| 久久草成人影院| 1024香蕉在线观看| 精品国产国语对白av| 久久亚洲真实| 国产精品综合久久久久久久免费 | 成年女人毛片免费观看观看9| 欧美日本亚洲视频在线播放| 国产区一区二久久| 亚洲国产看品久久| 精品久久久久久久久久免费视频 | 黄色a级毛片大全视频| 久久久久久大精品| 韩国av一区二区三区四区| 长腿黑丝高跟| 看黄色毛片网站| 啪啪无遮挡十八禁网站| 国产免费男女视频| 美女高潮喷水抽搐中文字幕| 久久久国产一区二区| 波多野结衣av一区二区av| 日本wwww免费看| 精品国产国语对白av| 亚洲精品美女久久久久99蜜臀| 精品久久蜜臀av无| 免费看a级黄色片| 国产欧美日韩综合在线一区二区| 一二三四在线观看免费中文在| 久久精品亚洲av国产电影网| 久久人人精品亚洲av| 黄色丝袜av网址大全| 国产一区二区在线av高清观看| 在线十欧美十亚洲十日本专区| 国产色视频综合| 村上凉子中文字幕在线| 黑人欧美特级aaaaaa片| 精品国产乱码久久久久久男人| 亚洲人成网站在线播放欧美日韩| 亚洲人成伊人成综合网2020| 免费av毛片视频| 91精品国产国语对白视频| 啪啪无遮挡十八禁网站| 每晚都被弄得嗷嗷叫到高潮| 91麻豆av在线| 亚洲av成人av| 色老头精品视频在线观看| 久久久国产成人免费| av片东京热男人的天堂| 亚洲中文字幕日韩| av片东京热男人的天堂| 亚洲精品一二三| 国产亚洲精品综合一区在线观看 | 麻豆一二三区av精品| 亚洲aⅴ乱码一区二区在线播放 | 国产成人欧美在线观看| 天堂动漫精品| 岛国在线观看网站| 免费在线观看黄色视频的| 在线观看免费视频网站a站| 91精品国产国语对白视频| 老鸭窝网址在线观看| 成人国产一区最新在线观看| 黄色丝袜av网址大全| 黑丝袜美女国产一区| 亚洲成人免费电影在线观看| 国产精品亚洲av一区麻豆| 欧美激情 高清一区二区三区| 丝袜美足系列| 视频在线观看一区二区三区| 新久久久久国产一级毛片| 精品第一国产精品| 天堂中文最新版在线下载| 999精品在线视频| 久久草成人影院| 国产精品久久久人人做人人爽| 亚洲在线自拍视频| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品日韩av在线免费观看 | 国产亚洲精品综合一区在线观看 | 日韩人妻精品一区2区三区| 亚洲色图av天堂| 69精品国产乱码久久久| 久久精品aⅴ一区二区三区四区| 黄色毛片三级朝国网站| 亚洲五月天丁香| 日韩欧美国产一区二区入口| 搡老乐熟女国产| 日本免费a在线| 成人av一区二区三区在线看| 国产激情久久老熟女| 国产精品爽爽va在线观看网站 | 黑人欧美特级aaaaaa片| 亚洲国产精品一区二区三区在线| 日韩免费av在线播放| 国产片内射在线| 叶爱在线成人免费视频播放| 在线观看www视频免费| 老司机福利观看| 琪琪午夜伦伦电影理论片6080| 一进一出好大好爽视频| 国产精品野战在线观看 | 嫩草影视91久久| 成人18禁高潮啪啪吃奶动态图| 成人亚洲精品一区在线观看| 亚洲成人免费电影在线观看| 99久久综合精品五月天人人| 深夜精品福利| 手机成人av网站| 人人妻人人澡人人看| 亚洲,欧美精品.| 国产免费男女视频| 成人黄色视频免费在线看| av在线播放免费不卡| 中文字幕高清在线视频| 国产精品偷伦视频观看了| 久久国产乱子伦精品免费另类| 脱女人内裤的视频| 中国美女看黄片| 男女午夜视频在线观看| 久久草成人影院| 国产91精品成人一区二区三区| 日韩大尺度精品在线看网址 | 90打野战视频偷拍视频| 超碰成人久久| 在线观看午夜福利视频| 女人被躁到高潮嗷嗷叫费观|