• <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 ?

    用于CD56圖像分割的細(xì)胞標(biāo)注精細(xì)化與自適應(yīng)加權(quán)損失*

    2022-05-27 02:05:42榕,伍欣,敖斌,文青,李
    關(guān)鍵詞:像素點(diǎn)陽性細(xì)胞類別

    劉 榕,伍 欣,敖 斌,文 青,李 寬

    (東莞理工學(xué)院網(wǎng)絡(luò)空間安全學(xué)院,廣東 東莞 523808)

    1 引言

    CD56是一種神經(jīng)細(xì)胞黏附分子,也是自然殺傷細(xì)胞的標(biāo)志物。神經(jīng)內(nèi)分泌組織及其腫瘤和少數(shù)淋巴瘤呈強(qiáng)陽性反應(yīng),也是食管小細(xì)胞癌的陽性標(biāo)志物。計(jì)算機(jī)醫(yī)學(xué)圖像處理領(lǐng)域?qū)D56圖像的研究剛剛起步。CD56是一種褐色的物質(zhì),它可使相關(guān)腫瘤的絕大部分癌細(xì)胞的細(xì)胞膜表現(xiàn)為陽性,醫(yī)生通過判斷某個(gè)細(xì)胞是陰性細(xì)胞還是陽性細(xì)胞,進(jìn)而推算出陰性細(xì)胞和陽性細(xì)胞的比例,以確定對(duì)癌癥患者用藥的劑量。圖1為CD56圖像,左下角為陽性細(xì)胞,右下角為陰性細(xì)胞。傳統(tǒng)的計(jì)算陰性細(xì)胞和陽性細(xì)胞比例的方法主要有:(1)醫(yī)生分別統(tǒng)計(jì)出圖像中陰性細(xì)胞和陽性細(xì)胞的具體數(shù)量,再計(jì)算出陰性細(xì)胞和陽性細(xì)胞的比例;(2)醫(yī)生根據(jù)自己的經(jīng)驗(yàn),通過觀察圖像大致估算出陰性細(xì)胞和陽性細(xì)胞的比例。方法(1)會(huì)消耗醫(yī)生大量的時(shí)間和精力,這種重復(fù)的工作完全可以交給計(jì)算機(jī)來完成。同時(shí),細(xì)胞分割的精度很大程度上取決于醫(yī)生的技巧和經(jīng)驗(yàn)[1],對(duì)于同一個(gè)細(xì)胞,不同的醫(yī)生可能把它劃分為不同的類別。方法(2)容易受到醫(yī)生的主觀性、醫(yī)生的認(rèn)知差異和疲勞與分心等因素的影響。面對(duì)相同的圖像,不同醫(yī)生估算出的陰性細(xì)胞和陽性細(xì)胞的比例可能差別很大。如果用藥的劑量過大會(huì)對(duì)癌癥患者的身體造成很大的副作用,如果用藥的劑量不足會(huì)導(dǎo)致無法抑制患者病情的發(fā)展,所以準(zhǔn)確地計(jì)算出病人體內(nèi)陰性細(xì)胞和陽性細(xì)胞的比例對(duì)疾病治療是至關(guān)重要的。

    Figure 1 CD56 image圖1 CD56圖像

    近年來,諸如語義分割的深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)圖像處理等領(lǐng)域獲得了很好的應(yīng)用,能夠?qū)D像中的每個(gè)像素點(diǎn)進(jìn)行分類。將語義分割技術(shù)應(yīng)用于CD56圖像,可將統(tǒng)計(jì)陰陽細(xì)胞數(shù)量的比例轉(zhuǎn)化為統(tǒng)計(jì)陰陽細(xì)胞像素點(diǎn)個(gè)數(shù)的比例,從而實(shí)現(xiàn)從人工統(tǒng)計(jì)到計(jì)算機(jī)統(tǒng)計(jì)的轉(zhuǎn)變。但是,在CD56圖像中背景、陰性細(xì)胞和陽性細(xì)胞的像素點(diǎn)個(gè)數(shù)比例失衡,這會(huì)影響語義分割模型對(duì)CD56圖像的分割效果。

    本文在語義分割模型的損失函數(shù)中為不同類別的像素點(diǎn)添加不同的損失權(quán)重,并且對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重,緩解了類別不平衡的問題。此外,由于細(xì)胞數(shù)量很多,精細(xì)標(biāo)注費(fèi)時(shí)費(fèi)力,所以通常使用一個(gè)矩形框來標(biāo)注細(xì)胞。一個(gè)矩形框的標(biāo)注不僅包含一個(gè)細(xì)胞,而且還可能包含部分背景,這些標(biāo)注框中的背景像素會(huì)對(duì)語義分割模型的訓(xùn)練造成干擾。本文使用聚類的方法,將每個(gè)標(biāo)注框中的像素聚類成2個(gè)簇,再將屬于背景的那一簇像素點(diǎn)從標(biāo)注中去除,從而實(shí)現(xiàn)標(biāo)注的精細(xì)化。

    2 相關(guān)工作

    CD56圖像中細(xì)胞數(shù)量很多,如果沿著細(xì)胞的邊界精細(xì)地標(biāo)注出細(xì)胞會(huì)消耗大量的時(shí)間和精力,所以研究人員通常使用一個(gè)矩形框來標(biāo)注細(xì)胞。圖2為標(biāo)注好的CD56圖像,其中,“-”代表陰性細(xì)胞,“+”代表陽性細(xì)胞。

    Figure 2 Annotated CD56 image圖2 已標(biāo)注的CD56圖像

    通過訓(xùn)練集矩形框的標(biāo)注來預(yù)測測試集,這就是目標(biāo)檢測的任務(wù)。關(guān)于目標(biāo)檢測的研究,目前有雙階段的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)R-CNN(Region-Convolutional Neural Network)系列[2 -4]模型,該系列模型先產(chǎn)生一些待檢測框,再對(duì)檢測框進(jìn)行分類;有單階段的YOLO(You Only Look Once)系列[5 -7]模型,該系列模型將全圖劃分為格子,如果一個(gè)物體的中心正好位于某個(gè)方格之內(nèi),那么該方格就負(fù)責(zé)預(yù)測這個(gè)物體,并使用邊界框回歸得到檢測框的準(zhǔn)確位置和大??;有不需要錨框的CornerNet模型[8],該模型預(yù)測目標(biāo)的左上角和右下角2個(gè)點(diǎn),通過這2個(gè)點(diǎn)形成檢測框,從而檢測出物體。但是,在CD56圖像中,細(xì)胞面積較小,而目標(biāo)檢測模型對(duì)小目標(biāo)的檢測效果并不理想;并且細(xì)胞密集地貼在一起,甚至邊界都連在一起,這種情況下用目標(biāo)檢測無法準(zhǔn)確地檢測出細(xì)胞的個(gè)數(shù)。表1為Faster-RCNN模型、YOLOv3模型和CornerNet模型在CD56圖像數(shù)據(jù)集上的性能評(píng)估結(jié)果(表中Negative表示陰性細(xì)胞,Positive表示陽性細(xì)胞,AP50表示當(dāng)檢測框和標(biāo)注框的交并比的閾值設(shè)為0.5時(shí),模型對(duì)目標(biāo)進(jìn)行檢測的平均精度)。圖3為經(jīng)過CD56圖像數(shù)據(jù)訓(xùn)練的YOLOv3模型對(duì)2幅CD56圖像預(yù)測的效果。從表1可以看出,目標(biāo)檢測模型對(duì)CD56圖像的檢測效果并不理想,從圖3可以看出,YOLOv3模型對(duì)CD56圖像檢測時(shí)會(huì)遺漏許多細(xì)胞。

    Table 1 Performance of three object detection models on CD56 image dataset表1 3個(gè)目標(biāo)檢測模型在CD56圖像數(shù)據(jù)集上的性能

    Figure 3 CD56 image detection results using YOLOv3 model圖3 YOLOv3模型對(duì)CD56圖像的檢測結(jié)果

    語義分割能對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行分類,將語義分割模型應(yīng)用于CD56圖像,能將統(tǒng)計(jì)陰陽細(xì)胞數(shù)量的比例轉(zhuǎn)化為統(tǒng)計(jì)陰陽細(xì)胞像素點(diǎn)個(gè)數(shù)的比例。2015年,Long等[9]提出了全卷積網(wǎng)絡(luò)FCN(Fully Convolutional Network)模型,該模型是一種編碼器-解碼器結(jié)構(gòu),這是后來的語義分割模型主要采用的結(jié)構(gòu)之一。這種結(jié)構(gòu)先在編碼過程中通過卷積池化操作,獲取圖像的高維信息;再在解碼過程中通過上采樣操作,將編碼過程得到的特征圖逐步恢復(fù)到和輸入圖像相同的尺寸,從而對(duì)圖像的每個(gè)像素點(diǎn)進(jìn)行分類。為了保留圖像中的上下文空間信息,F(xiàn)CN在解碼過程中將淺層的特征圖和高層的特征圖進(jìn)行融合。同年,Ronneberger等[10]提出了U-Net模型,該模型應(yīng)用跳躍連接將編碼過程產(chǎn)生的特征圖和解碼過程產(chǎn)生的特征圖進(jìn)行拼接,使最后得到的特征圖既保留了圖像低維高分辨率的信息,又有圖像高維低分辨率的信息。U-Net被廣泛應(yīng)用于醫(yī)學(xué)圖像分割。2018年,Chen等[11]提出了DeepLabv3+模型,該模型通過條件隨機(jī)場來提高模型捕獲精細(xì)細(xì)節(jié)的能力;在最后幾個(gè)最大池化層用空洞卷積(Atrous Convolution)替代下采樣,以更高的采樣密度來計(jì)算特征圖;提出了空洞空間金字塔池化(Atrous Spatial Pyramid Pooling)結(jié)構(gòu),對(duì)給定輸入以不同采樣率的空洞卷積進(jìn)行采樣,從而能夠抽取豐富的多尺度上下文信息。2020年,Wu等[12]提出了一種輕量化語義分割模型——上下文引導(dǎo)網(wǎng)絡(luò)CGNet(Context Guided Network),CGNet主要由CG(Context Guided)塊構(gòu)建而成,CG塊可以學(xué)習(xí)局部特征和周圍環(huán)境上下文的聯(lián)合特征,最后通過引入全局上下文特征進(jìn)一步改善聯(lián)合特征的學(xué)習(xí)。

    CD56圖像上的標(biāo)注是矩形框,每個(gè)矩形框不僅包含一個(gè)細(xì)胞,而且還可能包含部分背景像素點(diǎn)。如果將圖像和原標(biāo)注放入語義分割模型中進(jìn)行訓(xùn)練,可能會(huì)影響模型對(duì)細(xì)胞像素點(diǎn)的判斷,比如會(huì)將細(xì)胞周圍的背景像素點(diǎn)也預(yù)測為細(xì)胞像素點(diǎn)。圖4為經(jīng)過CD56圖像和原標(biāo)注訓(xùn)練的U-Net模型對(duì)CD56圖像的預(yù)測結(jié)果。從圖4中可以看出,U-Net對(duì)每個(gè)細(xì)胞的預(yù)測結(jié)果十分接近矩形,不但包含細(xì)胞,而且還包含大量的背景像素點(diǎn),這使得計(jì)算陰陽細(xì)胞像素點(diǎn)的比例可能產(chǎn)生誤差,因此需要將一個(gè)標(biāo)注框內(nèi)的細(xì)胞像素和背景像素區(qū)分開來,即精細(xì)化細(xì)胞標(biāo)注。

    Li等[13]使用設(shè)置顏色閾值的方法,將細(xì)胞圖像中處于閾值內(nèi)的像素點(diǎn)作為感興趣區(qū)域ROI(Region Of Interest)提取出來,將處于閾值外的像素點(diǎn)作為干擾因素過濾掉。這種方法對(duì)CD56圖像不可行,因?yàn)樵贑D56圖像中,判斷一個(gè)細(xì)胞是不是陽性細(xì)胞,要看藍(lán)色的細(xì)胞周圍是否有褐色的CD56黏附著,設(shè)置顏色閾值的方法無法將陽性細(xì)胞和背景區(qū)分開來。在CD56圖像中,一個(gè)標(biāo)注框主要包含一個(gè)細(xì)胞的像素點(diǎn)和背景像素點(diǎn),細(xì)胞的像素點(diǎn)很接近,同時(shí)背景像素大多是簡單的白色,因此可以考慮用聚類的方法將每個(gè)標(biāo)注框中的細(xì)胞像素點(diǎn)和背景像素點(diǎn)聚成2個(gè)簇,從而將細(xì)胞像素點(diǎn)和背景像素點(diǎn)區(qū)分開來。

    Figure 4 Prediction results of CD56 image using the U-Net model trained by original annotations圖4 使用原標(biāo)注訓(xùn)練的U-Net模型對(duì)CD56圖像的預(yù)測結(jié)果

    關(guān)于不平衡樣本的研究,Lin等[14]于2017年提出了焦點(diǎn)損失(Focal Loss),使得模型更關(guān)注難以正確分類的樣本,減少對(duì)數(shù)量眾多且容易分類的樣本的關(guān)注。Law等[8]和Zhou等[15]將Focal Loss的變體用于物體關(guān)鍵點(diǎn)的預(yù)測。本文改進(jìn)了Focal Loss,使其更適用于CD56圖像的語義分割。

    3 方法描述

    3.1 細(xì)胞標(biāo)注精細(xì)化

    K-Means是一種實(shí)現(xiàn)簡單、效果不錯(cuò)的聚類算法,因此本文使用K-Means算法對(duì)CD56圖像數(shù)據(jù)集的標(biāo)注框中的像素點(diǎn)進(jìn)行聚類。K-Means算法的步驟如下:先將數(shù)據(jù)分為K組,隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心,然后計(jì)算每個(gè)對(duì)象與各個(gè)聚類中心之間的距離,把每個(gè)對(duì)象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對(duì)象就代表一個(gè)簇,這樣就能得到的K個(gè)簇。更新得到K個(gè)簇的聚類中心,再根據(jù)K個(gè)新的聚類中心得到K個(gè)新的簇。重復(fù)以上步驟,直到算法收斂。

    本文將CD56圖像訓(xùn)練集中所有圖像的所有陰性框中的像素點(diǎn)和所有陽性框中的像素點(diǎn)分別進(jìn)行聚類。在這2次聚類中,一個(gè)對(duì)象為一個(gè)像素點(diǎn)的RGB值構(gòu)成的數(shù)組,每次聚類將本次所有的對(duì)象分成2個(gè)簇。第1次聚類得到的2個(gè)簇為陰性細(xì)胞像素點(diǎn)和背景像素點(diǎn),第2次聚類得到的2個(gè)簇為陽性細(xì)胞像素點(diǎn)和背景像素點(diǎn),這樣就實(shí)現(xiàn)了細(xì)胞像素點(diǎn)和背景像素點(diǎn)的區(qū)分,從而實(shí)現(xiàn)細(xì)胞標(biāo)注的精細(xì)化。圖5展示了通過聚類對(duì)標(biāo)注精細(xì)化的結(jié)果。圖5a為CD56圖像原圖;圖5b為原標(biāo)注;圖5c為分別對(duì)所有陰性標(biāo)注框中的像素點(diǎn)和所有陽性標(biāo)注框中的像素點(diǎn)聚類的結(jié)果,對(duì)所有陰性標(biāo)注框中的像素點(diǎn)聚類得到的2個(gè)簇的像素點(diǎn)分別用灰度值60和120表示,對(duì)所有陽性標(biāo)注框中的像素點(diǎn)聚類得到的2個(gè)簇的像素點(diǎn)分別用灰度值180和240表示(即較暗的標(biāo)注框?yàn)殛幮约?xì)胞的標(biāo)注框,較亮的標(biāo)注框?yàn)殛栃约?xì)胞的標(biāo)注框);圖5c中灰度值為120和240的像素點(diǎn)是背景像素點(diǎn),灰度值為60的像素點(diǎn)是陰性細(xì)胞像素點(diǎn),灰度值為180的像素點(diǎn)是陽性細(xì)胞像素點(diǎn),將背景像素點(diǎn)、陰性細(xì)胞像素點(diǎn)和陽性細(xì)胞像素點(diǎn)的值分別設(shè)為0,120和240(即黑色區(qū)域?yàn)楸尘?,較暗的區(qū)域?yàn)殛幮约?xì)胞,較亮的區(qū)域?yàn)殛栃约?xì)胞),得到圖5d,即為對(duì)細(xì)胞標(biāo)注精細(xì)化后得到的新標(biāo)注。對(duì)比圖5b和圖5d可知,經(jīng)過聚類精細(xì)化后的標(biāo)注相比原標(biāo)注少了許多背景像素,甚至能將細(xì)胞精確地標(biāo)注出來。

    Figure 5 Results of annotations refined by clustering圖5 通過聚類對(duì)標(biāo)注精細(xì)化的結(jié)果

    3.2 類別權(quán)重計(jì)算

    Eigen等[16]針對(duì)語義分割中不同類別的像素點(diǎn)的不平衡提出了一種用類別像素點(diǎn)的頻率計(jì)算類別權(quán)重的方法,再將得到的類別權(quán)重加入交叉熵?fù)p失函數(shù)中。具體的權(quán)重計(jì)算公式如式(1)和式(2)所示:

    (1)

    (2)

    其中,median_freq表示所有類別像素點(diǎn)頻率的中值,freq(c)表示為類別c像素點(diǎn)的頻率,sum(c)表示訓(xùn)練集中類別c像素點(diǎn)的總數(shù),sum(Ic)表示訓(xùn)練集中所有含有類別c像素點(diǎn)的圖像的像素點(diǎn)的總數(shù)。在CD56圖像數(shù)據(jù)集中,背景和陽性細(xì)胞像素點(diǎn)的總數(shù)相差很大,用式(1)計(jì)算背景像素點(diǎn)的權(quán)重和陽性細(xì)胞像素點(diǎn)的權(quán)重也會(huì)相差很大,使得一些原本被正確預(yù)測為背景的像素點(diǎn)反而被錯(cuò)誤地預(yù)測為陽性細(xì)胞像素點(diǎn)。因此,本文用式(1)計(jì)算出類別權(quán)重之后,再對(duì)得到的類別權(quán)重開n次方根,得到最后的類別權(quán)重,如式(3)所示:

    (3)

    3.3 自適應(yīng)加權(quán)

    本文基于Focal Loss在損失函數(shù)中對(duì)每個(gè)像素點(diǎn)添加了一個(gè)自適應(yīng)權(quán)重。在二分類任務(wù)中,每個(gè)樣本的交叉熵?fù)p失的計(jì)算公式如式(4)所示:

    (4)

    其中,y∈{±1}表示樣本的標(biāo)簽值,p∈[0,1]表示模型預(yù)測樣本屬于類別1的概率。為了方便起見,定義py如式(5)所示:

    (5)

    則CE(p,y)=CE(py)=-log(py)。

    為了解決類不平衡問題,一種方法是在交叉熵?fù)p失中給類別1添加權(quán)重α∈[0,1],給類別-1添加權(quán)重1-α,類似定義py一樣定義αy,則用α平衡的交叉熵?fù)p失如式(6)所示:

    CE(py)=-αylog(py)

    (6)

    Focal Loss在交叉熵?fù)p失中加入了調(diào)制因子(1-py)γ:

    FL(py)=-(1-py)γlog(py)

    (7)

    其中γ≥0是稱為聚焦參數(shù)(Focusing Parameter)的超參數(shù)。

    從式(7)可以看出,模型對(duì)一個(gè)樣本預(yù)測的py越大,模型對(duì)其越容易正確預(yù)測,這時(shí)調(diào)制因子會(huì)給它賦予一個(gè)小權(quán)重,以減少模型對(duì)它的關(guān)注;反之,py越小,模型對(duì)其越難正確預(yù)測,這時(shí)調(diào)制因子會(huì)給它賦予一個(gè)大權(quán)重,以增加模型對(duì)它的關(guān)注,這樣調(diào)制因子就給樣本添加了一個(gè)自適應(yīng)的權(quán)重。本文實(shí)驗(yàn)中采用的是帶α平衡的Focal Loss的變體,如式(8)所示:

    FL(py)=-αy(1-py)γlog(py)

    (8)

    在多分類任務(wù)中,每個(gè)樣本的交叉熵?fù)p失的計(jì)算公式如式(9)所示:

    CE(py,y)=-log(py)

    (9)

    其中,y表示樣本的標(biāo)簽值,py∈[0,1]表示模型預(yù)測樣本屬于類別y的概率。類似式(8)可為式(9)添加自適應(yīng)權(quán)重,本文將αy替換成β,將γ的值設(shè)為1。其中,β>0不再是為了平衡調(diào)制因子(1-py)γ,而是為了控制調(diào)制因子的范圍;將γ的值設(shè)為1是因?yàn)樵趯?shí)驗(yàn)中其效果更好。故本文對(duì)CD56圖像像素點(diǎn)添加自適應(yīng)權(quán)重的公式如式(10)所示:

    AWCE(py,y)=-β(1-py)log(py)

    (10)

    4 實(shí)驗(yàn)與結(jié)果分析

    本文分別使用U-Net、DeepLabv3+和CGNet模型進(jìn)行了實(shí)驗(yàn),以驗(yàn)證細(xì)胞標(biāo)注精細(xì)化,對(duì)不同類別的像素點(diǎn)加權(quán)和對(duì)像素點(diǎn)自適應(yīng)加權(quán)在CD56圖像分割中的有效性。

    4.1 數(shù)據(jù)集

    本文使用的所有CD56圖像均來自某醫(yī)院,共有598幅圖像,原圖像的分辨率為1024×1024。將每幅圖像裁剪為4幅512×512的圖像,除去不含細(xì)胞的無效圖像,最終得到2 198幅圖像。本文實(shí)驗(yàn)采用5-折交叉驗(yàn)證,將所有圖像分成5組,前4組圖像每組包含440幅,最后一組圖像包含438幅。

    4.2 訓(xùn)練參數(shù)

    訓(xùn)練時(shí)采用Momentum[17]梯度下降優(yōu)化算法,初始學(xué)習(xí)率設(shè)為0.01,迭代次數(shù)設(shè)置為40 000。訓(xùn)練平臺(tái)為NVIDIA GeForce RTX 2080×1和NVIDIA GeForce RTX 3090×1,沒有經(jīng)過聚類處理的數(shù)據(jù)集在NVIDIA GeForce RTX 2080上進(jìn)行訓(xùn)練,經(jīng)過聚類處理的數(shù)據(jù)集在NVIDIA GeForce RTX 3090上進(jìn)行訓(xùn)練。

    4.3 測試結(jié)果評(píng)估

    4.3.1 細(xì)胞標(biāo)注精細(xì)化

    這組實(shí)驗(yàn)是為了驗(yàn)證細(xì)胞標(biāo)注精細(xì)化對(duì)CD56圖像分割的有效性。將訓(xùn)練集和原標(biāo)注與訓(xùn)練集和精細(xì)化后的標(biāo)注分別使用3個(gè)模型進(jìn)行訓(xùn)練,得到的性能評(píng)估結(jié)果如表2和表3所示??梢钥闯觯捎镁?xì)化后的標(biāo)注進(jìn)行訓(xùn)練能讓U-Net對(duì)陰陽細(xì)胞的測試Dice(Dice=(2*|X∩Y|)/(|X|+|Y|),其中,|X|表示模型對(duì)某類物體預(yù)測的像素點(diǎn)數(shù),|Y|表示該類物體實(shí)際標(biāo)注的像素點(diǎn)數(shù),|X∩Y|表示模型對(duì)該類物體預(yù)測正確的像素點(diǎn)數(shù))分別提升1.62%和3.92%,DeepLabv3+對(duì)陰陽細(xì)胞的測試Dice分別下降0.13%和提升2.79%,CGNet對(duì)陰陽細(xì)胞的測試Dice分別下降3.28%和上升2.89%??傮w來說,細(xì)胞標(biāo)注精細(xì)化對(duì)CD56圖像分割是有效的。

    圖6是用原細(xì)胞標(biāo)注和用精細(xì)化后的標(biāo)注分別進(jìn)行訓(xùn)練得到的模型對(duì)CD56圖像的預(yù)測結(jié)果。圖6a是用原細(xì)胞標(biāo)注進(jìn)行訓(xùn)練得到的模型對(duì)CD56圖像的預(yù)測結(jié)果,圖6b是用精細(xì)化后的標(biāo)注進(jìn)行訓(xùn)練得到的模型對(duì)CD56圖像的預(yù)測結(jié)果。可以看出,用原細(xì)胞標(biāo)注進(jìn)行訓(xùn)練得到的模型對(duì)細(xì)胞的預(yù)測十分接近矩形,包含大量的背景像素,而用精細(xì)化后的標(biāo)注進(jìn)行訓(xùn)練得到的模型對(duì)細(xì)胞的預(yù)測很吻合細(xì)胞的真實(shí)區(qū)域。

    Table 2 Performance evaluation results of models trained with original cell annotations表 2 用原細(xì)胞標(biāo)注進(jìn)行訓(xùn)練的模型性能評(píng)估結(jié)果

    Table 3 Performance evaluation results of models trained with refined annotations表3 用精細(xì)化后的標(biāo)注進(jìn)行訓(xùn)練的模型性能評(píng)估結(jié)果

    4.3.2 對(duì)類別添加權(quán)重

    這組實(shí)驗(yàn)是為了分別找到原標(biāo)注數(shù)據(jù)集和標(biāo)注精細(xì)化后的數(shù)據(jù)集在3個(gè)模型上合適的權(quán)重,方法為根據(jù)式(3)計(jì)算獲得。對(duì)于原標(biāo)注數(shù)據(jù)集,當(dāng)式(3)中的n=1時(shí)得到類別權(quán)重比為背景∶陰性細(xì)胞∶陽性細(xì)胞=0.3405∶1∶12.9120(后面提到的類別權(quán)重比均為背景∶陰性細(xì)胞∶陽性細(xì)胞)。當(dāng)用于標(biāo)注精細(xì)化后的數(shù)據(jù)集,式(3)中的n=1時(shí)得到類別權(quán)重比為背景∶陰性細(xì)胞∶陽性細(xì)胞=0.1567∶1∶10.5778??梢钥闯觯?dāng)式(3)中的n=1時(shí),計(jì)算得出的背景和陽性細(xì)胞的權(quán)重相差太大,這會(huì)使得一些原本被正確預(yù)測為背景的像素點(diǎn)反而被錯(cuò)誤地預(yù)測為陽性細(xì)胞,所以本文從n=2開始計(jì)算類別權(quán)重比,n逐次加1,直到模型在數(shù)據(jù)集上的性能評(píng)估指標(biāo)下降。表4為類別權(quán)重不同時(shí)3個(gè)模型在原標(biāo)注數(shù)據(jù)集上的性能評(píng)估結(jié)果。表5為類別權(quán)重不同時(shí)3個(gè)模型在標(biāo)注精細(xì)化后的數(shù)據(jù)集上的性能評(píng)估結(jié)果。

    Table 4 The performance of the three models on the original annotated dataset with different class weights表 4 類別權(quán)重不同時(shí)3個(gè)模型在原標(biāo)注數(shù)據(jù)集上的性能

    從表4可知,在獲得的權(quán)重比中,原標(biāo)注數(shù)據(jù)集在3個(gè)模型上的最佳類別權(quán)重比分別為式(3)中n=3時(shí)計(jì)算的值(0.6983∶1∶2.3460),n=4時(shí)計(jì)算的值(0.7639∶1∶1.8956)和n=5時(shí)計(jì)算的值(0.8161∶1∶1.6680)。從表5可知,在獲得的權(quán)重比中,經(jīng)過標(biāo)注精細(xì)化后的數(shù)據(jù)集在3個(gè)模型上的最佳類別權(quán)重比分別為式(3)中n=4時(shí)計(jì)算的值(0.6292∶1∶1.8034),n=5時(shí)計(jì)算的值(0.6903∶1∶1.6028)和n=4時(shí)計(jì)算的值(0.6292∶1∶1.8034)。本文分別選取這些類別權(quán)重比進(jìn)行下一組實(shí)驗(yàn)。

    Table 5 The performance of the three models on the refined annotated dataset with different class weights表5 類別權(quán)重不同時(shí)3個(gè)模型在標(biāo)注精細(xì)化后的數(shù)據(jù)集上的性能

    4.3.3 對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重

    這組實(shí)驗(yàn)是為了驗(yàn)證對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重對(duì)CD56圖像分割的有效性。實(shí)驗(yàn)采用原標(biāo)注數(shù)據(jù)集和經(jīng)過標(biāo)注精細(xì)化后的數(shù)據(jù)集分別在3個(gè)模型上進(jìn)行訓(xùn)練,在訓(xùn)練之前給類別添加上組實(shí)驗(yàn)中對(duì)應(yīng)的權(quán)重,對(duì)比不對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重和對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重的性能。對(duì)像素點(diǎn)添加的自適應(yīng)權(quán)重由式(10)中的β取不同值獲得,結(jié)果如表6和表7所示,表中的β是在實(shí)驗(yàn)中得到的對(duì)應(yīng)類別權(quán)重的最佳值。

    從表6可以看出,在原標(biāo)注數(shù)據(jù)集上,對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重相比不對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重進(jìn)行訓(xùn)練,能讓U-Net對(duì)陰陽細(xì)胞的測試Dice分別提升0.07%和0.75%,DeepLabv3+對(duì)陰陽細(xì)胞的測試Dice分別提升0.27%和0.01%,CGNet對(duì)陰陽細(xì)胞的測試Dice分別下降0.18%和上升0.34%。從表7可以看出,在標(biāo)注精細(xì)化后的數(shù)據(jù)集上,對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重比不對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重進(jìn)行訓(xùn)練,能讓U-Net對(duì)陰陽細(xì)胞的測試Dice分別提升0.2%和1.91%,DeepLabv3+對(duì)陰陽細(xì)胞的測試Dice分別提升0.35%和0.22%,CGNet對(duì)陰陽細(xì)胞的測試Dice分別下降0.14%和上升0.58%。CGNet的CG塊不僅學(xué)習(xí)局部特征,還學(xué)習(xí)周圍環(huán)境的上下文特征;而對(duì)每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重強(qiáng)調(diào)的是局部特征,沒有涉及到上下文特征,由此可能造成CGNet對(duì)陰性細(xì)胞的測試Dice的下降。但是總體來說,給每個(gè)像素點(diǎn)添加自適應(yīng)權(quán)重對(duì)CD56圖像分割是有效的。

    Table 6 Performance without or with adding adaptive weights to the pixels on the original annotated dataset表6 不對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重和對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重在原標(biāo)注數(shù)據(jù)集上的性能

    Table 7 Performance without or with adding adaptive weights to the pixels on the refined annotated dataset表7 不對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重和對(duì)像素點(diǎn)添加自適應(yīng)權(quán)重在標(biāo)注精細(xì)化后的數(shù)據(jù)集上的性能

    5 結(jié)束語

    本文以CD56圖像為主要研究對(duì)象,基于深度學(xué)習(xí)中的語義分割技術(shù)實(shí)現(xiàn)對(duì)CD56圖像像素級(jí)別的分割,以輔助醫(yī)療診斷。本文使用聚類的方法對(duì)原CD56圖像數(shù)據(jù)集的標(biāo)注進(jìn)行精細(xì)化處理,對(duì)數(shù)據(jù)集中不同類別的像素點(diǎn)進(jìn)行加權(quán)并對(duì)數(shù)據(jù)集中所有像素點(diǎn)進(jìn)行自適應(yīng)加權(quán),在U-Net、DeepLabv3+和CGNet 3個(gè)模型上進(jìn)行了實(shí)驗(yàn),驗(yàn)證了方法的有效性。實(shí)驗(yàn)結(jié)果顯示,在3個(gè)模型上,使用聚類的方法對(duì)原CD56圖像數(shù)據(jù)集的標(biāo)注進(jìn)行細(xì)化、對(duì)數(shù)據(jù)集中不同類別的像素點(diǎn)進(jìn)行加權(quán)并對(duì)數(shù)據(jù)集中所有像素點(diǎn)進(jìn)行自適應(yīng)加權(quán)比原始數(shù)據(jù)集、原始模型的陰陽細(xì)胞的Dice指標(biāo)分別提升了1.94%和7.34%,0.54%和4.31%,-2.54%和3.5%。在以后的工作中,我們將獲取更多的CD56圖像,并應(yīng)用數(shù)據(jù)增強(qiáng)等技術(shù)以解決數(shù)據(jù)集規(guī)模小、數(shù)據(jù)不平衡的問題,以進(jìn)一步提高對(duì)CD56圖像的分割精度。此外,本文應(yīng)用語義分割技術(shù)實(shí)現(xiàn)對(duì)CD56圖像像素級(jí)別的分割,統(tǒng)計(jì)的是陰性細(xì)胞和陽性細(xì)胞像素點(diǎn)個(gè)數(shù)的比例,并沒有直接對(duì)細(xì)胞的個(gè)數(shù)進(jìn)行統(tǒng)計(jì),這也是今后工作的一個(gè)方向。

    猜你喜歡
    像素點(diǎn)陽性細(xì)胞類別
    基于canvas的前端數(shù)據(jù)加密
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    大口黑鱸鰓黏液細(xì)胞的組織化學(xué)特征及5-HT免疫反應(yīng)陽性細(xì)胞的分布
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
    論類別股東會(huì)
    商事法論集(2014年1期)2014-06-27 01:20:42
    人胎腦額葉和海馬中星形膠質(zhì)細(xì)胞的發(fā)育性變化
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    聚合酶鏈?zhǔn)椒磻?yīng)快速鑒別5種常見肉類別
    急性白血病免疫表型及陽性細(xì)胞比例分析
    淫秽高清视频在线观看| av黄色大香蕉| 午夜激情欧美在线| 国产成人影院久久av| 俄罗斯特黄特色一大片| 97超视频在线观看视频| 91av网一区二区| 国产男靠女视频免费网站| 亚洲专区中文字幕在线| 欧美日韩黄片免| 精品不卡国产一区二区三区| 欧美激情久久久久久爽电影| 欧美大码av| 亚洲国产精品久久男人天堂| 亚洲人成伊人成综合网2020| 1024手机看黄色片| 嫩草影院入口| 男女视频在线观看网站免费| 乱人视频在线观看| 亚洲av美国av| 国产精品久久久久久精品电影| 97碰自拍视频| 人人妻,人人澡人人爽秒播| 悠悠久久av| 夜夜看夜夜爽夜夜摸| 老司机在亚洲福利影院| 国内精品一区二区在线观看| 日韩精品中文字幕看吧| 久久亚洲精品不卡| 岛国在线观看网站| 欧美最新免费一区二区三区 | 国产一区在线观看成人免费| 久久久久久人人人人人| 欧美日韩黄片免| 精品一区二区三区人妻视频| 九九在线视频观看精品| av福利片在线观看| 久久久久国内视频| 观看美女的网站| 国内毛片毛片毛片毛片毛片| 噜噜噜噜噜久久久久久91| 嫩草影院精品99| 日本免费a在线| 舔av片在线| 九九热线精品视视频播放| 少妇裸体淫交视频免费看高清| 99久久无色码亚洲精品果冻| 1024手机看黄色片| 熟女少妇亚洲综合色aaa.| 一本精品99久久精品77| 99久久成人亚洲精品观看| 黑人欧美特级aaaaaa片| 99久久成人亚洲精品观看| 亚洲avbb在线观看| 国产精品 欧美亚洲| 欧美大码av| 看免费av毛片| 久久久久久久久中文| 欧美日本视频| 内射极品少妇av片p| 一本综合久久免费| 国产午夜精品论理片| 日韩国内少妇激情av| 国产免费男女视频| 老司机深夜福利视频在线观看| 91在线观看av| 日日夜夜操网爽| 一卡2卡三卡四卡精品乱码亚洲| 香蕉丝袜av| 欧美bdsm另类| 日本成人三级电影网站| 国内久久婷婷六月综合欲色啪| 成人午夜高清在线视频| 美女免费视频网站| 亚洲最大成人中文| 在线播放国产精品三级| 国产成人啪精品午夜网站| 国产又黄又爽又无遮挡在线| 黑人欧美特级aaaaaa片| 99久久精品一区二区三区| 国产熟女xx| 欧美+日韩+精品| 亚洲精品一卡2卡三卡4卡5卡| 亚洲一区二区三区色噜噜| 国产乱人视频| av国产免费在线观看| 精品久久久久久久人妻蜜臀av| 99热这里只有是精品50| 国产激情欧美一区二区| 欧美日本视频| 99久久99久久久精品蜜桃| 色老头精品视频在线观看| 一区二区三区激情视频| 国产精品综合久久久久久久免费| 嫩草影视91久久| 午夜免费成人在线视频| 丁香欧美五月| 九九久久精品国产亚洲av麻豆| 国产精品免费一区二区三区在线| 黄片小视频在线播放| 亚洲熟妇熟女久久| 国产国拍精品亚洲av在线观看 | 久久久久国内视频| 亚洲成av人片免费观看| 欧美3d第一页| 亚洲天堂国产精品一区在线| 美女被艹到高潮喷水动态| 又黄又爽又免费观看的视频| 成年女人看的毛片在线观看| 国产午夜精品久久久久久一区二区三区 | 久久草成人影院| 午夜久久久久精精品| 在线国产一区二区在线| av天堂中文字幕网| 亚洲精品在线美女| 免费看a级黄色片| 婷婷六月久久综合丁香| 九色成人免费人妻av| 一夜夜www| 久久性视频一级片| 成人鲁丝片一二三区免费| 亚洲男人的天堂狠狠| 成人欧美大片| 亚洲av二区三区四区| 老熟妇仑乱视频hdxx| 男人舔奶头视频| 国产一区在线观看成人免费| 国产精品免费一区二区三区在线| 嫩草影院精品99| 亚洲五月天丁香| 午夜激情福利司机影院| 亚洲国产中文字幕在线视频| 啦啦啦观看免费观看视频高清| 少妇熟女aⅴ在线视频| 日韩精品青青久久久久久| 搡女人真爽免费视频火全软件 | av欧美777| 99在线人妻在线中文字幕| 丝袜美腿在线中文| 国产美女午夜福利| 内地一区二区视频在线| 天堂av国产一区二区熟女人妻| 手机成人av网站| 好男人电影高清在线观看| 日韩成人在线观看一区二区三区| 18禁国产床啪视频网站| 午夜亚洲福利在线播放| 国产亚洲精品久久久com| 99久国产av精品| 免费人成在线观看视频色| 老熟妇乱子伦视频在线观看| 日本免费一区二区三区高清不卡| 精品国产三级普通话版| 舔av片在线| 国产亚洲精品久久久com| 性欧美人与动物交配| 亚洲久久久久久中文字幕| 久久久色成人| 日韩欧美 国产精品| 一个人免费在线观看电影| 久久伊人香网站| 亚洲精品日韩av片在线观看 | 99久久久亚洲精品蜜臀av| 精品人妻1区二区| 免费av不卡在线播放| 好男人电影高清在线观看| 午夜免费观看网址| 女生性感内裤真人,穿戴方法视频| 亚洲欧美日韩卡通动漫| 日本撒尿小便嘘嘘汇集6| 九色国产91popny在线| 国产伦一二天堂av在线观看| 精品福利观看| 国产野战对白在线观看| 男女做爰动态图高潮gif福利片| 一个人免费在线观看的高清视频| 国产精华一区二区三区| 久久精品国产99精品国产亚洲性色| 午夜久久久久精精品| 成人一区二区视频在线观看| 久久国产精品影院| 欧美日本亚洲视频在线播放| 亚洲精品色激情综合| 亚洲av熟女| 国产美女午夜福利| 国产综合懂色| 欧美日韩国产亚洲二区| 国产精品久久久久久久电影 | 69人妻影院| 成人av在线播放网站| 九色国产91popny在线| 少妇高潮的动态图| 嫩草影视91久久| 精品国产美女av久久久久小说| 淫秽高清视频在线观看| 亚洲最大成人手机在线| 国产单亲对白刺激| 亚洲中文日韩欧美视频| 国产午夜福利久久久久久| 午夜福利欧美成人| 一个人免费在线观看的高清视频| 亚洲最大成人手机在线| 国内久久婷婷六月综合欲色啪| 亚洲一区二区三区不卡视频| 日本黄色视频三级网站网址| 亚洲成人中文字幕在线播放| 国产一区二区激情短视频| a在线观看视频网站| 亚洲精品456在线播放app | 色播亚洲综合网| 99久久精品国产亚洲精品| 国产激情偷乱视频一区二区| 99视频精品全部免费 在线| 97人妻精品一区二区三区麻豆| 亚洲国产欧美人成| 欧美乱妇无乱码| 熟女少妇亚洲综合色aaa.| 中文资源天堂在线| 午夜福利高清视频| 久久精品国产清高在天天线| 国内毛片毛片毛片毛片毛片| 国产欧美日韩一区二区精品| 国内久久婷婷六月综合欲色啪| 婷婷精品国产亚洲av| 3wmmmm亚洲av在线观看| 舔av片在线| bbb黄色大片| 国内精品久久久久精免费| 一级黄色大片毛片| 欧美bdsm另类| 国产精品爽爽va在线观看网站| 国产美女午夜福利| 欧美一级a爱片免费观看看| 变态另类成人亚洲欧美熟女| 在线观看一区二区三区| 俄罗斯特黄特色一大片| 久久九九热精品免费| 日韩欧美在线二视频| 亚洲av二区三区四区| 草草在线视频免费看| а√天堂www在线а√下载| 国产69精品久久久久777片| 中文字幕av在线有码专区| 在线观看av片永久免费下载| 中文字幕人妻丝袜一区二区| 成人无遮挡网站| 高清在线国产一区| 欧美日韩精品网址| 日韩成人在线观看一区二区三区| 久久久精品欧美日韩精品| 午夜精品久久久久久毛片777| 欧美一级a爱片免费观看看| 久久香蕉精品热| 黄片小视频在线播放| 男插女下体视频免费在线播放| 国产高清videossex| av福利片在线观看| 国产主播在线观看一区二区| 一个人观看的视频www高清免费观看| 国产v大片淫在线免费观看| 国产成+人综合+亚洲专区| 亚洲精品一区av在线观看| 有码 亚洲区| 在线观看日韩欧美| 99精品在免费线老司机午夜| 日韩人妻高清精品专区| АⅤ资源中文在线天堂| 日韩有码中文字幕| 99久久精品一区二区三区| 欧美+亚洲+日韩+国产| 国产一区二区激情短视频| 欧美日韩福利视频一区二区| 免费在线观看日本一区| 亚洲中文字幕一区二区三区有码在线看| 黄片小视频在线播放| 午夜福利视频1000在线观看| 男女那种视频在线观看| 亚洲人成网站在线播放欧美日韩| 婷婷六月久久综合丁香| 啪啪无遮挡十八禁网站| 中出人妻视频一区二区| 91九色精品人成在线观看| 国产野战对白在线观看| 欧美一区二区亚洲| 国产97色在线日韩免费| 日韩国内少妇激情av| 午夜福利欧美成人| 久久精品91无色码中文字幕| 在线播放国产精品三级| 午夜福利在线观看免费完整高清在 | 一区二区三区免费毛片| 欧美国产日韩亚洲一区| 婷婷精品国产亚洲av| 一进一出好大好爽视频| 亚洲五月婷婷丁香| 一级毛片女人18水好多| 久久久久久九九精品二区国产| 国产一区二区在线av高清观看| 精品一区二区三区视频在线 | 他把我摸到了高潮在线观看| 亚洲精品久久国产高清桃花| 国产在线精品亚洲第一网站| 老汉色∧v一级毛片| 久久香蕉国产精品| 无人区码免费观看不卡| av专区在线播放| 久久精品人妻少妇| 久久久久久大精品| 性欧美人与动物交配| www国产在线视频色| 两个人看的免费小视频| 欧美三级亚洲精品| 亚洲精品色激情综合| 欧美日韩一级在线毛片| 色综合婷婷激情| 国产野战对白在线观看| 男女之事视频高清在线观看| 99久久综合精品五月天人人| h日本视频在线播放| 精品国产美女av久久久久小说| 精品久久久久久久末码| 成人18禁在线播放| 日本黄色视频三级网站网址| 深夜精品福利| 欧美日韩福利视频一区二区| 国产熟女xx| 国产一区在线观看成人免费| 欧美成人a在线观看| 国产aⅴ精品一区二区三区波| 我的老师免费观看完整版| 成年女人永久免费观看视频| 狂野欧美白嫩少妇大欣赏| 亚洲成av人片在线播放无| 黄色女人牲交| 好男人在线观看高清免费视频| 757午夜福利合集在线观看| 国产伦精品一区二区三区视频9 | 精品日产1卡2卡| 亚洲成人免费电影在线观看| 国产国拍精品亚洲av在线观看 | 小蜜桃在线观看免费完整版高清| 女人高潮潮喷娇喘18禁视频| 亚洲欧美日韩卡通动漫| av黄色大香蕉| 成人av一区二区三区在线看| 成人特级av手机在线观看| 女人被狂操c到高潮| 欧美日韩综合久久久久久 | 精品福利观看| 亚洲精品色激情综合| 在线观看日韩欧美| 特级一级黄色大片| 草草在线视频免费看| 麻豆成人午夜福利视频| 一个人看视频在线观看www免费 | 亚洲精华国产精华精| 久久久久久久久中文| 日韩 欧美 亚洲 中文字幕| 毛片女人毛片| 无限看片的www在线观看| 国产私拍福利视频在线观看| 热99re8久久精品国产| 免费看光身美女| 亚洲精品色激情综合| 最新在线观看一区二区三区| 一个人看的www免费观看视频| АⅤ资源中文在线天堂| 免费看日本二区| 一个人免费在线观看电影| 欧美成人免费av一区二区三区| 亚洲成人免费电影在线观看| 国产精品爽爽va在线观看网站| 亚洲人成网站在线播| 亚洲中文字幕一区二区三区有码在线看| 国产成人福利小说| 亚洲一区高清亚洲精品| 国产老妇女一区| 亚洲av电影在线进入| 亚洲av电影不卡..在线观看| 亚洲中文字幕一区二区三区有码在线看| 九九热线精品视视频播放| 欧美极品一区二区三区四区| 两个人的视频大全免费| 深爱激情五月婷婷| 中文字幕人妻熟人妻熟丝袜美 | 无人区码免费观看不卡| 老熟妇乱子伦视频在线观看| 国产黄a三级三级三级人| 老司机福利观看| av在线蜜桃| 国产高清有码在线观看视频| 人妻丰满熟妇av一区二区三区| 亚洲国产精品sss在线观看| 亚洲黑人精品在线| 少妇的逼水好多| 日韩 欧美 亚洲 中文字幕| 别揉我奶头~嗯~啊~动态视频| 欧美日韩瑟瑟在线播放| 国产精品,欧美在线| 日本黄色片子视频| 日韩中文字幕欧美一区二区| 黄色视频,在线免费观看| av黄色大香蕉| 女人高潮潮喷娇喘18禁视频| 午夜免费激情av| 成人永久免费在线观看视频| 国产精品免费一区二区三区在线| 夜夜夜夜夜久久久久| 亚洲专区国产一区二区| 久久久久久久午夜电影| 国产精品 欧美亚洲| 成人国产一区最新在线观看| 色精品久久人妻99蜜桃| 五月玫瑰六月丁香| 久久久国产成人精品二区| 午夜福利在线观看免费完整高清在 | 人妻久久中文字幕网| 国内精品美女久久久久久| 丝袜美腿在线中文| 亚洲中文日韩欧美视频| 国产高清激情床上av| www日本在线高清视频| 岛国视频午夜一区免费看| 亚洲av电影不卡..在线观看| 亚洲真实伦在线观看| 美女cb高潮喷水在线观看| 国产精品99久久久久久久久| 波多野结衣高清作品| 亚洲不卡免费看| 人人妻人人澡欧美一区二区| 给我免费播放毛片高清在线观看| 中文资源天堂在线| 亚洲精品色激情综合| 午夜福利成人在线免费观看| 日韩欧美 国产精品| 欧美zozozo另类| 国产精品电影一区二区三区| 久久99热这里只有精品18| 欧美丝袜亚洲另类 | 欧美成人a在线观看| 色综合婷婷激情| 深夜精品福利| 欧美日韩亚洲国产一区二区在线观看| 国产精品影院久久| 日本一二三区视频观看| 日本熟妇午夜| 欧美一区二区国产精品久久精品| 真实男女啪啪啪动态图| eeuss影院久久| 亚洲成a人片在线一区二区| 好男人电影高清在线观看| 色在线成人网| 日韩亚洲欧美综合| 变态另类成人亚洲欧美熟女| 欧美日韩中文字幕国产精品一区二区三区| 日本在线视频免费播放| 国产三级在线视频| 国产美女午夜福利| 在线a可以看的网站| 亚洲av第一区精品v没综合| 欧美高清成人免费视频www| 老汉色av国产亚洲站长工具| 内地一区二区视频在线| 一级a爱片免费观看的视频| 99热6这里只有精品| 99视频精品全部免费 在线| 我要搜黄色片| 天堂网av新在线| 久久婷婷人人爽人人干人人爱| 成人鲁丝片一二三区免费| 国产高清视频在线播放一区| 亚洲精华国产精华精| 国产亚洲精品一区二区www| 久久精品影院6| 成人亚洲精品av一区二区| 欧美又色又爽又黄视频| 亚洲欧美日韩高清专用| 99视频精品全部免费 在线| av视频在线观看入口| 特级一级黄色大片| 久久久久久久午夜电影| 天堂网av新在线| 亚洲激情在线av| 99热这里只有精品一区| 久久国产乱子伦精品免费另类| 午夜激情欧美在线| 人妻夜夜爽99麻豆av| 亚洲五月婷婷丁香| 婷婷精品国产亚洲av| 国产高清有码在线观看视频| 欧美乱码精品一区二区三区| 九色成人免费人妻av| 色尼玛亚洲综合影院| 日本 av在线| 欧美极品一区二区三区四区| 国产午夜精品久久久久久一区二区三区 | 欧美一区二区精品小视频在线| 啪啪无遮挡十八禁网站| 欧美日本视频| 中文字幕熟女人妻在线| 天堂av国产一区二区熟女人妻| 哪里可以看免费的av片| 高清在线国产一区| 久久精品国产亚洲av香蕉五月| 中出人妻视频一区二区| 男女午夜视频在线观看| 亚洲欧美激情综合另类| 国产爱豆传媒在线观看| 99riav亚洲国产免费| 99久久九九国产精品国产免费| 日韩欧美免费精品| 国产亚洲精品av在线| 午夜福利免费观看在线| 国产伦精品一区二区三区四那| АⅤ资源中文在线天堂| 高潮久久久久久久久久久不卡| 久久中文看片网| 99热这里只有精品一区| 午夜免费成人在线视频| 国产精品美女特级片免费视频播放器| 一区二区三区高清视频在线| 日本一二三区视频观看| 日本熟妇午夜| 69人妻影院| 国产精品国产高清国产av| 在线观看美女被高潮喷水网站 | 亚洲av不卡在线观看| 午夜福利18| 久久精品国产99精品国产亚洲性色| 国产午夜精品久久久久久一区二区三区 | 国产男靠女视频免费网站| 热99re8久久精品国产| 欧美一区二区精品小视频在线| 亚洲av免费高清在线观看| 日本黄色视频三级网站网址| 亚洲欧美一区二区三区黑人| 亚洲欧美日韩东京热| 99国产精品一区二区蜜桃av| 欧美不卡视频在线免费观看| 色播亚洲综合网| 亚洲av二区三区四区| 国产精品久久视频播放| 亚洲国产精品合色在线| 欧美激情在线99| 国产精品99久久99久久久不卡| 久久亚洲真实| h日本视频在线播放| а√天堂www在线а√下载| www日本在线高清视频| 亚洲av熟女| 欧美精品啪啪一区二区三区| 女人十人毛片免费观看3o分钟| 成人国产综合亚洲| 亚洲五月天丁香| 久久香蕉精品热| 最后的刺客免费高清国语| 国产精品国产高清国产av| 岛国在线免费视频观看| 少妇高潮的动态图| 久久精品91无色码中文字幕| 免费av不卡在线播放| 日本一二三区视频观看| 免费av不卡在线播放| 亚洲五月婷婷丁香| 亚洲中文字幕日韩| 成年人黄色毛片网站| 午夜福利在线观看免费完整高清在 | 日韩人妻高清精品专区| 一级作爱视频免费观看| 日韩人妻高清精品专区| av片东京热男人的天堂| 亚洲国产精品999在线| 亚洲国产精品久久男人天堂| 精品国产美女av久久久久小说| 中文在线观看免费www的网站| 国产成年人精品一区二区| 一级毛片女人18水好多| 琪琪午夜伦伦电影理论片6080| 91在线观看av| 丝袜美腿在线中文| 亚洲中文字幕日韩| 亚洲国产色片| 久久欧美精品欧美久久欧美| www国产在线视频色| 久久精品夜夜夜夜夜久久蜜豆| 国产综合懂色| 99热只有精品国产| 日日摸夜夜添夜夜添小说| 国产精品女同一区二区软件 | 日本一二三区视频观看| 12—13女人毛片做爰片一| x7x7x7水蜜桃| 在线视频色国产色| 国产精品永久免费网站| 国产欧美日韩精品亚洲av| 在线国产一区二区在线| 91在线精品国自产拍蜜月 | 啪啪无遮挡十八禁网站| 变态另类成人亚洲欧美熟女| 国产淫片久久久久久久久 | 两性午夜刺激爽爽歪歪视频在线观看| 日韩av在线大香蕉| 夜夜看夜夜爽夜夜摸| av女优亚洲男人天堂| 欧美日本亚洲视频在线播放| 精品99又大又爽又粗少妇毛片 | 久久久久免费精品人妻一区二区| 国产高清有码在线观看视频| 欧美不卡视频在线免费观看| 高清毛片免费观看视频网站| 午夜福利高清视频| 首页视频小说图片口味搜索| 久久久成人免费电影| 怎么达到女性高潮| 极品教师在线免费播放|