• <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 ?

    關(guān)于人體頸動(dòng)脈硬化斑塊診斷優(yōu)化仿真

    2016-05-10 12:54:01云,雪,
    關(guān)鍵詞:分類器頸動(dòng)脈斑塊

    楊 云, 董 雪, 齊 勇

    (陜西科技大學(xué) 電氣與信息工程學(xué)院, 陜西 西安 710021)

    ?

    關(guān)于人體頸動(dòng)脈硬化斑塊診斷優(yōu)化仿真

    楊 云, 董 雪, 齊 勇

    (陜西科技大學(xué) 電氣與信息工程學(xué)院, 陜西 西安 710021)

    人體頸動(dòng)脈血流動(dòng)力學(xué)數(shù)據(jù)與頸動(dòng)脈硬化斑塊形成有重要關(guān)聯(lián),其具有高維度、非線性等復(fù)雜屬性.支持向量機(jī)算法在克服維數(shù)災(zāi)難問(wèn)題和處理非線性數(shù)據(jù)上具有顯著優(yōu)勢(shì).基于該算法,首先通過(guò)多次實(shí)驗(yàn)得到在血流動(dòng)力學(xué)信息中與頸動(dòng)脈硬化斑塊形成最為相關(guān)的屬性子集,并對(duì)懲罰因子與核函數(shù)參數(shù)進(jìn)行選擇與優(yōu)化,結(jié)果顯示分類器性能有所提高,但并不明顯,分類準(zhǔn)確率只有58.2%;然后又通過(guò)集成學(xué)習(xí)將其準(zhǔn)確率提升了17.3%,達(dá)到75.5%,所建立的診斷分類器可為臨床提供一定的參考意見(jiàn).

    支持向量機(jī); 頸動(dòng)脈硬化斑塊診斷; 性能優(yōu)化; 性能評(píng)估

    0 引言

    頸動(dòng)脈硬化多發(fā)于中老年人,最顯著的特點(diǎn)是硬化斑塊的形成,硬化斑塊形成后可能導(dǎo)致動(dòng)脈狹窄[1],而血管內(nèi)血流狀況的改變可能進(jìn)一步改變動(dòng)脈管壁上的壓力使動(dòng)脈狹窄更加嚴(yán)重,引起硬化斑塊的破裂、脫落等,嚴(yán)重危害人們的生命健康[2].目前,頸動(dòng)脈硬化斑塊的診斷大多通過(guò)醫(yī)生人工分析頸動(dòng)脈多普勒超聲所提供的信息來(lái)做出判斷,這樣復(fù)雜且高維的信息數(shù)據(jù)人腦很難處理[3],數(shù)據(jù)挖掘技術(shù)對(duì)高維且復(fù)雜的數(shù)據(jù)分析提供了有力支持,尤其是對(duì)缺少先驗(yàn)知識(shí)的醫(yī)學(xué)數(shù)據(jù).而少數(shù)利用BP(Back Propagation)算法來(lái)分析處理頸動(dòng)脈超聲數(shù)據(jù)的,又會(huì)帶來(lái)過(guò)度擬合等問(wèn)題[4,5],支持向量機(jī)在處理小樣本、非線性數(shù)據(jù)時(shí)能避免BP算法所產(chǎn)生的過(guò)學(xué)習(xí)問(wèn)題.因此,本研究采用高性能的支持向量機(jī)算法,對(duì)西安市唐都醫(yī)院311例頸動(dòng)脈硬化患者血流數(shù)據(jù)進(jìn)行分析,建立頸動(dòng)脈硬化斑塊診斷分類器,并研究頸動(dòng)脈硬化斑塊的形成與血流動(dòng)力學(xué)參數(shù)的關(guān)系.

    1 人體頸動(dòng)脈硬化斑塊診斷分類器優(yōu)化原理

    優(yōu)化該診斷分類器時(shí)主要有兩個(gè)問(wèn)題,一是支持向量機(jī)建立分類器時(shí),它的核函數(shù)與參數(shù)的選擇;二是單個(gè)的弱支持向量機(jī)分類器通常情況下分類效果不佳,針對(duì)該問(wèn)題用集成學(xué)習(xí)的思想將弱分類器進(jìn)一步優(yōu)化提升.

    在對(duì)支持向量機(jī)核函數(shù)與參數(shù)進(jìn)行設(shè)置時(shí)總想要得到最好的參數(shù)組合,然而直到今天也沒(méi)有一個(gè)能滿足各種不同需要的參數(shù)設(shè)置的最好方法,一般在實(shí)際中經(jīng)常會(huì)用到的解決辦法就是把懲罰因子與核函數(shù)參數(shù)控制在一定范圍內(nèi)進(jìn)行窮盡,用這種思想并通過(guò)某種評(píng)估方法,例如,本文所使用的20折交叉驗(yàn)證法對(duì)一定范圍內(nèi)的所有可能取值進(jìn)行評(píng)估,然后選取最優(yōu)的.

    通常單個(gè)弱分類器的性能并不理想,集成學(xué)習(xí)的出現(xiàn)在一定程度上解決了用單個(gè)分類算法對(duì)數(shù)據(jù)集進(jìn)行分類時(shí)性能不優(yōu)的弊端,但這也受到了數(shù)據(jù)集質(zhì)量與數(shù)量以及挖掘算法選用的是不是適合等問(wèn)題的制約,但在大多數(shù)情況下與單個(gè)分類器相比較而言,集成分類器效果都會(huì)有所提高,它所依據(jù)的理論基礎(chǔ)是統(tǒng)計(jì)技術(shù)中的迭加分類器,并用某種方式將許多單一分類器結(jié)合起來(lái)而取得比單個(gè)分類器更高的準(zhǔn)確率.一個(gè)集成支持向量機(jī)示意圖如圖1所示.

    圖1 集成支持向量機(jī)

    2 頸動(dòng)脈斑塊診斷分類器建立的方法

    2.1 數(shù)據(jù)預(yù)處理

    頸動(dòng)脈硬化斑塊診斷分類器建立過(guò)程中,首先,選取除血流動(dòng)力學(xué)參數(shù)屬性以外其他屬性基本統(tǒng)一均衡的樣本,如所選的311例樣本中,有168例有硬化斑塊,143例無(wú)硬化斑塊,男性155例,女性156例,且年齡范圍在50~70歲之間,電子病歷顯示他們均不患有其他疾病,該樣本集中每一個(gè)樣本對(duì)應(yīng)一個(gè)病人的血流動(dòng)力學(xué)參數(shù)以及斑塊有無(wú)的診斷結(jié)果.

    2.1.1 血流動(dòng)力學(xué)數(shù)據(jù)規(guī)范化

    頸動(dòng)脈血流動(dòng)力學(xué)參數(shù)包括以下屬性:頸內(nèi)動(dòng)脈收縮期的峰值流速(IVmax)、舒張末期流速(IVmin)、收縮期與舒張期流速比值(IVmax/IVmin)、平均血流速度(ITAMAX)、搏動(dòng)(IPI)、阻力指數(shù)(IRI),它們的數(shù)值范圍如表1所示,椎動(dòng)脈收縮期的峰值流速(VVmax)、舒張末期流速(VVmin)、收縮期與舒張期流速比值(VVmax/VVmin)、平均血流速度(VTAMAX)、搏動(dòng)指數(shù)(VPI)、阻力指數(shù)(VRI),它們的數(shù)值范圍如表2所示.

    表1 頸內(nèi)動(dòng)脈各參數(shù)大小

    表2 椎動(dòng)各脈參數(shù)大小

    由表1和表2可知,12個(gè)數(shù)值屬性范圍與單位各不相同,因此要進(jìn)行規(guī)范化處理,規(guī)范化能夠有效避免某些過(guò)大屬性值對(duì)較小屬性值在建立分類器時(shí)的影響.使用數(shù)據(jù)挖掘工具WEKA的非監(jiān)督過(guò)濾器(UnsupervisedFilter)下的Normalize規(guī)約發(fā)現(xiàn),將整個(gè)數(shù)據(jù)集簡(jiǎn)單的規(guī)約至[0,1]之間分類效果很差,經(jīng)過(guò)多次實(shí)驗(yàn)結(jié)果對(duì)比規(guī)約至[0,10]區(qū)間內(nèi)更有利于支持向量機(jī)數(shù)據(jù)挖掘.該樣本集中每一個(gè)實(shí)例都對(duì)應(yīng)了一個(gè)病人的血流動(dòng)力信息參數(shù)以及斑塊有無(wú)的診斷結(jié)果分類標(biāo)記分別記做‘1’,‘-1’,Weka給出實(shí)例斑塊有無(wú)的診斷結(jié)果統(tǒng)計(jì)圖如圖2所示.

    圖2 診斷結(jié)果統(tǒng)計(jì)圖

    2.1.2 血流動(dòng)力學(xué)參數(shù)屬性過(guò)濾

    屬性選擇作為數(shù)據(jù)預(yù)處理的一種重要方法對(duì)數(shù)據(jù)進(jìn)行約減,在頸動(dòng)脈血流動(dòng)力學(xué)參數(shù)數(shù)據(jù)集的12個(gè)屬性中,無(wú)關(guān)屬性會(huì)對(duì)分類器建立造成負(fù)面影響,通常只保留最為相關(guān)的屬性而去除冗余屬性[6],這樣既提高了算法性能又加快了算法運(yùn)行速度[7,8].對(duì)血流動(dòng)力學(xué)數(shù)據(jù)集進(jìn)行離散處理,利用增益比率評(píng)價(jià)方法對(duì)不同屬性與診斷之間的相關(guān)性進(jìn)行評(píng)價(jià).評(píng)價(jià)過(guò)程中采用Ranker搜索策略,可對(duì)每個(gè)屬性的相關(guān)值由高到低的進(jìn)行排序,并根據(jù)設(shè)定的閾值過(guò)濾掉部分屬性.過(guò)對(duì)實(shí)驗(yàn)結(jié)果分析,得到血流動(dòng)力學(xué)屬性與頸動(dòng)脈硬化斑塊診斷相關(guān)性大小的排序?yàn)閂PI>IVmax/IVmin>VVmax/VVmin>VVmax>VRI>IRI>IVmax>ITAMAX>IPI>VTAMAX>IVmin>VVmin.

    由于Ranker的閾值難以確定,無(wú)法準(zhǔn)確過(guò)濾屬性,有時(shí)甚至過(guò)濾掉了能獲得更好分類效果的屬性子集,因此從相關(guān)性最小的屬性VVmin開(kāi)始依次向相關(guān)性增大的方向移除屬性,形成13個(gè)屬性子集,包括屬性全集和空集,再用支持向量機(jī)進(jìn)行驗(yàn)證,通過(guò)評(píng)估在13個(gè)屬性子集上支持向量機(jī)的分類效果,來(lái)獲得相關(guān)性最高并且屬性個(gè)數(shù)最小的屬性子集.選取Kappa統(tǒng)計(jì)量、平均絕對(duì)誤差和均方根誤差進(jìn)行評(píng)估,其中Kappa統(tǒng)計(jì)量的值越大在該屬性子集上的分類效果越好,而平均絕對(duì)誤差和均方根誤差則是數(shù)值越小分類器性能越好.以移除次數(shù)為橫坐標(biāo),3個(gè)評(píng)估參數(shù)大小為縱坐標(biāo)繪制3條曲線,如圖3所示.

    圖3 支持向量機(jī)對(duì)屬性子集評(píng)估結(jié)果

    如上圖所示,從屬性全集開(kāi)始,依次移除每個(gè)屬性后,獲得的第六個(gè)屬性子集{VPI,IVmax/IVmin,VVmax/VVmin,VVmax,VRI,IRI,IVmax}有最大的Kappa統(tǒng)計(jì)量以及最小的平均絕對(duì)誤差與均方根誤差,此時(shí)所建立的分類器具有最好的分類效果,因此,該屬性子集即為目標(biāo)屬性子集,而這7個(gè)屬性是血流力學(xué)參數(shù)種與頸動(dòng)脈硬化斑塊形成最為相關(guān)的屬性.

    2.2 基于支持向量機(jī)的仿真實(shí)驗(yàn)

    2.2.1 支持向量機(jī)原理

    支持向量機(jī)(support vector machines,SVM) 是由Vapnik等提出的一類新型數(shù)據(jù)挖掘算法[9,10],它能利用線性分類器實(shí)現(xiàn)對(duì)非線性分類邊界的描繪,主要用于小樣本、非線性的分類和回歸,在一定程度上解決了過(guò)學(xué)習(xí)和維數(shù)災(zāi)難等問(wèn)題,廣泛應(yīng)用于基因分類、人臉識(shí)別等領(lǐng)域中[11,12].SVM的基本思想是對(duì)于二分類線性可分?jǐn)?shù)據(jù)產(chǎn)生一個(gè)超平面w·x+b=0,其中w為權(quán)值向量,x為輸入向量,b為偏置,超平面與樣本點(diǎn)之間的間隔稱為分離邊緣,如圖4所示.距離最優(yōu)超平面最近的實(shí)例稱為支持向量,支持向量是最難分類的數(shù)據(jù)點(diǎn)在支持向量機(jī)的運(yùn)行中起著主導(dǎo)作用,SVM就是要找到使得分離邊緣最大,也就是利用支持向量所定義的最優(yōu)超平面,并且使樣本點(diǎn)位于其兩側(cè),因此要確定分離邊緣最大時(shí)w和b的最優(yōu)值(w0,b0),然而直接求得(w0,b0)不太可能,因此轉(zhuǎn)化為如下的約束優(yōu)化問(wèn)題[13].

    圖4 最優(yōu)超平面示意圖

    對(duì)于給定的訓(xùn)練樣本

    T={(x1,t1),…,(xp,tp)},p=1,2,…,p,xi∈Rn,tp∈(-1,1)

    其中,tp∈(-1,1)為分類類別標(biāo)識(shí),為找到w0和b0,問(wèn)題轉(zhuǎn)化為使其在

    tp(w·xp+b)≥1,p=1,2,…,P

    (1)

    約束條件下有最小的代價(jià)函數(shù):

    (2)

    該代價(jià)函數(shù)是w的凸函數(shù),因而保證了局部最優(yōu)解一定是全局最優(yōu)解[14],然后利用Lagrange系數(shù)法和KKT條件解得最優(yōu)超平面為:

    (3)

    對(duì)于非線性可分?jǐn)?shù)據(jù)引入了松弛變量ξp≥0 與懲罰因子C,與線性可分類似約束條件變?yōu)椋?/p>

    tp(w·xp+b)≥1-ξp,p=1,2,…,P

    (4)

    最小代價(jià)函數(shù)為:

    (5)

    不同的是,非線性可分模式分類需將輸入向量映射到一個(gè)高維特征向量空間,使大多數(shù)分線性可分模式在特征空間中可轉(zhuǎn)化為線性可分模式,在特征空間構(gòu)造最優(yōu)超平面時(shí),僅使用特征空間中的內(nèi)積,根據(jù)泛函分析用滿足Mercer定理的核函數(shù)K(xp,x),它就對(duì)應(yīng)了某一轉(zhuǎn)換空間的內(nèi)積[15],因此,非線性可分的最優(yōu)超平面為:

    (6)

    常用的核函數(shù)K(xp,x)有線性核函數(shù)、多項(xiàng)式核函數(shù)、Sigmoid核函數(shù)等,以及徑向基核函數(shù),分別定義為以下公式,即

    K(xp,x)=x′*xp

    (7)

    K(xp,x)=[(x·xp)+1]q

    (8)

    K(xp,x)=tanh(k(x·xp)+1)

    (9)

    (10)

    2.2.2 支持向量機(jī)參數(shù)優(yōu)化

    上述公式(7)、(8)、(9)、(10)中,除公式(7)沒(méi)有參數(shù),公式(8)需確定多項(xiàng)式核函數(shù)的最優(yōu)階數(shù)q,公式(9)中需確定Sigmoid核函數(shù)的寬度k,公式(10)中徑向基核函數(shù)的寬度2δ2.此外還有支持向量機(jī)自身參數(shù)懲罰因子c,要分別與上述參數(shù)進(jìn)行組合來(lái)確定整個(gè)支持向量機(jī)的參數(shù)設(shè)置.當(dāng)使用線性核函數(shù)時(shí)只需優(yōu)化懲罰因子c的值,所以使用Weka中的CVParameterSelection單個(gè)屬性優(yōu)化方法,將它在2-8~28之間按照步長(zhǎng)為1進(jìn)行搜索,得到最優(yōu)的c為0.943 6;使用多項(xiàng)式核函數(shù)時(shí),對(duì)(q,c)參數(shù)對(duì)優(yōu)化時(shí)使用Weka中的網(wǎng)格搜索,將q在常用的1~10范圍內(nèi),c在2-8~28內(nèi)按步長(zhǎng)為1進(jìn)行搜索,得到q、c最優(yōu)值為(3,0.999 9);使用Sigmoid核函數(shù)時(shí),對(duì)(k,c)在2-8~28內(nèi)進(jìn)行同樣搜索得到的最優(yōu)值為(0.062 5、0.965 2);當(dāng)使用徑向基核函數(shù)時(shí),對(duì)(2δ2,c)進(jìn)行相同搜索得到最優(yōu)值為(0.157 9、0.910 5).

    通過(guò)上述過(guò)程,在一定范圍內(nèi)確保了各個(gè)核函數(shù)參數(shù)與懲罰因子組合的最優(yōu)性,為建立支持向量機(jī)診斷分類器需選取其中能使支持向量機(jī)性能最優(yōu)的一組參數(shù)作為最終參數(shù)組合,將20折交叉驗(yàn)證所得的平均絕對(duì)誤差做為評(píng)判標(biāo)準(zhǔn),結(jié)果如表3所示.由表3可知,當(dāng)使用徑向基核函數(shù)建立支持向量機(jī)時(shí)平均絕對(duì)誤差值分別低于線性、所項(xiàng)式以及Sigmoid核函數(shù)7.4%、0.4%、7.1%,所以選擇徑向基核函數(shù)建立支持向量機(jī).

    表3 核函數(shù)參數(shù)與平均絕對(duì)誤差

    2.2.3 集成學(xué)習(xí)優(yōu)化

    集成學(xué)習(xí)中有裝袋法與提升法兩種不同的方法可對(duì)分類器集成.裝袋法中生成的每個(gè)分類器彼此之間都是獨(dú)立的,而提升法中則是迭代的生成每個(gè)分類器并且生成過(guò)程中后一個(gè)都要受到前一個(gè)的影響,它還會(huì)為所生成的各個(gè)分類器賦予不同的權(quán)值大小.它們都是用投票法將多個(gè)單一分類器的結(jié)果綜合在一起.與提升法相比,裝袋法更側(cè)重用防止過(guò)度擬合的發(fā)生,而提升法更注重提高分類器的性能,為提高頸動(dòng)脈硬化斑塊分類器的準(zhǔn)確度采用提升法中最具代表性的Adaboost算法來(lái)對(duì)準(zhǔn)確率進(jìn)行改善,該算法的流程圖如圖5所示.在Adaboost算法中需要確定迭代次數(shù),進(jìn)行30次實(shí)驗(yàn)并將平均絕對(duì)誤差作為評(píng)價(jià)標(biāo)準(zhǔn),結(jié)果如圖6所示.由圖6可知,迭代次數(shù)為15次的時(shí)候,平均絕對(duì)誤差最小,最小值為0.242 8,在進(jìn)行更多次的迭代時(shí)誤差值趨于平穩(wěn),所以此時(shí)所建立的集成支持向量機(jī)的性能最優(yōu).

    圖5 Adaboost算法流程圖

    圖6 平均絕對(duì)誤差隨迭代次數(shù)變化圖

    3 仿真結(jié)果

    對(duì)仿真結(jié)果進(jìn)行分析時(shí),首先對(duì)BP算法與支持向量機(jī)算法結(jié)果進(jìn)行比較;其次將默認(rèn)參數(shù)與優(yōu)化后的參數(shù)進(jìn)行對(duì)比;最后對(duì)集成優(yōu)化后的分類器性能進(jìn)一步比較.評(píng)估方法都采用20折交叉驗(yàn)證.

    3.1 BP算法與支持向量機(jī)結(jié)果對(duì)比

    將Weka中默認(rèn)參數(shù)下的BP算法與默認(rèn)參數(shù)下的支持向量機(jī)所得評(píng)估結(jié)果進(jìn)行統(tǒng)計(jì),結(jié)果如表4所示.由表4可以看出,支持向量機(jī)的分類準(zhǔn)確率高于BP算法8.04%,平均絕對(duì)誤差、均方根誤差與相對(duì)均方根誤差低于BP算法8.1%、5.9%、16.56%,因此在頸動(dòng)脈血流信息數(shù)據(jù)集上支持向量機(jī)的性能優(yōu)于BP算法.

    表4 核函數(shù)參數(shù)與平均絕對(duì)誤差

    3.2 參數(shù)優(yōu)化后結(jié)果對(duì)比

    選擇徑向基核函數(shù)建立支持向量機(jī)時(shí),Weka中參數(shù)2δ2與c默認(rèn)值為(0,1),優(yōu)化后的值為(0.157 9,0.910 5),將二者的評(píng)估參數(shù)進(jìn)行對(duì)比,結(jié)果如表5所示.由該表可知,默認(rèn)值時(shí)的平均絕對(duì)誤差、均方根誤差與相對(duì)均方根誤差分別高于優(yōu)化后的參數(shù)3.5%、12.5%、6.1%,因此通過(guò)網(wǎng)格搜索后參數(shù)的確得到了優(yōu)化.但只是參數(shù)優(yōu)化對(duì)分類器的性能提升并不顯著,所以進(jìn)行集成優(yōu)化.

    表5 核函數(shù)參數(shù)與平均絕對(duì)誤差

    3.3 集成優(yōu)化后結(jié)果對(duì)比

    將優(yōu)化前單個(gè)支持向量機(jī)與優(yōu)化后集成支持向量機(jī)的評(píng)估參數(shù)進(jìn)行統(tǒng)計(jì),結(jié)果如表6所示.由表6可知,集成向量機(jī)正確分類率提高了17.3%,平均絕對(duì)誤差降低了17.5%、均方根誤差降低了10.1%,而相對(duì)均方根誤差減少了34.01%.經(jīng)過(guò)對(duì)比分析發(fā)現(xiàn),對(duì)單個(gè)支持向量機(jī)集成優(yōu)化后所建立的診斷分類器的各項(xiàng)誤差值均有所降低.

    表6 單個(gè)與集成支持向量機(jī)的評(píng)估參數(shù)

    醫(yī)學(xué)診斷性試驗(yàn)的質(zhì)量通常用敏感性和特異性來(lái)衡量.敏感性是指在患病的人群中診斷結(jié)果是肯定的比例,特異性是指在沒(méi)有病的人群中診斷結(jié)果是否定的比例,分別表示為公式(11)、(12).

    FP/(FP+TN)

    (11)

    TN/(FP+TN)

    (12)

    式中:TN為正確的肯定,FP為錯(cuò)誤的否定.

    以敏感性為縱軸,特異性為橫軸,將單個(gè)支持向量機(jī)與集成支持向量機(jī)的頸動(dòng)脈硬化斑塊診斷分類器的ROC曲線(Receiver Operating Characteristic Curve)同時(shí)繪制在圖7中,曲線下面積記為AUC,當(dāng)AUC>0.5時(shí),AUC越接近于1,說(shuō)明診斷效果越好;當(dāng)且僅當(dāng)AUC>0.5∧AUC<1時(shí),分類器才是有價(jià)值的;AUC在0.9以上時(shí)分類器較準(zhǔn)確.單個(gè)支持向量機(jī)的曲線下面積AUC=0.572,集成支持向量機(jī)的曲線下面積為AUC=0.75,進(jìn)一步說(shuō)明了集成優(yōu)化后分類器性能得到了提高,并且該分類器具有一定的價(jià)值,而頸動(dòng)脈血流動(dòng)力學(xué)參數(shù)與頸動(dòng)脈硬化斑塊的形成有著密切聯(lián)系.

    圖7 單個(gè)與集成支持向量機(jī)ROC曲線

    4 結(jié)論

    支持向量機(jī)可以實(shí)現(xiàn)對(duì)頸動(dòng)脈血流動(dòng)力學(xué)參數(shù)的信息融合與分析,在分類器建立過(guò)程中,經(jīng)過(guò)屬性過(guò)濾得到了血流動(dòng)力學(xué)信息集中與頸動(dòng)脈硬化斑塊形成最為相關(guān)的屬性子集.在使用支持向量機(jī)建立分類器時(shí)用窮盡的思想在一定范圍內(nèi)對(duì)其核函數(shù)參數(shù)與懲罰因子經(jīng)過(guò)選擇優(yōu)化,發(fā)現(xiàn)分類器性能有所提高,而后通過(guò)集成優(yōu)化使得分類器的性能得到了很大的提升.通過(guò)所建分類器可知,頸動(dòng)脈硬化斑塊的形成與頸動(dòng)脈血流動(dòng)力學(xué)參數(shù)有著密切的關(guān)系,在臨床中雖不能僅憑血流動(dòng)力學(xué)參數(shù)做出診斷,但也應(yīng)當(dāng)充分考慮血流動(dòng)力學(xué)參數(shù)帶來(lái)的影響.

    [1] 白志勇,李敬府,楊玉杰,等.頸動(dòng)脈粥樣硬化斑塊超聲造

    影特征分析[J].中國(guó)超聲醫(yī)學(xué)雜志,2011,27(11):994-996,1 044.

    [2] 楊 鑫.三維超聲圖像中頸動(dòng)脈粥樣硬化的表型量化與分析[D].武漢:華中科技大學(xué),2013.

    [3] 孫海燕,黃品同,黃福光,等.超聲造影評(píng)價(jià)頸動(dòng)脈粥樣硬化斑塊的初步研究[J].中華超聲影像學(xué)雜志,2007,16(3):219-221.

    [4] 諸 毅.超聲頸動(dòng)脈血流量測(cè)量系統(tǒng)設(shè)計(jì)[D].上海:復(fù)旦大學(xué),2004.

    [5] 郭 翌.超聲信息分析及其在動(dòng)脈粥樣硬化判別中的應(yīng)用[D].上海:復(fù)旦大學(xué),2008.

    [6] Alagugowri.S,D R.T.Christopher.Enhanced heart disease analysis and prediction system [EHDAPS] using data mining[J].International Journal of Emerging Trends in Science and Technology,2014,9(1):1 555-1 556.

    [7] Kennethr,Robertk,Joseph.Machine learning,medical diagnosis,and biomedical engineering research-commentary[J].Biomedical Engineering OnLine,2014,13(1):94-103.

    [8] Golino H F,Amaral L S B,Duarte S F P,et al.Predicting increased blood pressure using machine learning[J].Journal of Obesity,2014,6(2):99-103.

    [9] 顧成揚(yáng),吳小俊.基于EST和SVM的乳腺癌識(shí)別新方法[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(8):183-185,193.

    [10] Jose M,Pablo E,Carlo B,et al.Prediction of the hemoglobin level in hemodialysis patients using machine learning techniques[J].Computer Methods and Programs in Biomedicine,2014,117(2):208-217.

    [11] 顧亞祥,丁世飛.支持向量機(jī)研究進(jìn)展[J].計(jì)算機(jī)科學(xué),2011,38(2):14-17.

    [12] Mattia C F Prosperi,Susana Marinho.Predicting phenotypes of asthma and eczema with machine learning[J]. BMC Medical Genomics,2014,7(1):82-88.

    [13] 丁世飛,齊丙娟,譚紅艷,等.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào),2011,40(1):1-10.

    [14] 程 然.最小二乘支持向量機(jī)的研究和應(yīng)用[D].哈爾濱:哈爾濱工業(yè)大學(xué),2013.

    [15] 楊雯斌.支持向量機(jī)在大規(guī)模數(shù)據(jù)中的應(yīng)用研究[D].上海:華東理工大學(xué),2013.

    【責(zé)任編輯:蔣亞儒】

    Research on carotid atherosclerotic plaque diagnosis basd on SVM

    YANG Yun, DONG Xue, QI Yong

    (College of Electrical and Information Engineering, Shaanxi University of Science & Technology, Xi′an 710021, China)

    There is an important link between human carotid artery hemodynamic data and carotid atherosclerotic plaque formation, the hemodynamic data has high dimension and nonlinear attributes. The support vector machine algorithm has significant advantages in overcoming the curse of dimensionality and nonlinear data processing. Based on this algorithm. Firstly, the most relevant attributes subset of the hemodynamic data is obtained through many experiments. Secondly, the parameters of the cost and the kernel functions are selected and optimized. The results show that the classifier performance has improved, but not obviously. The accuracy is only 58.2%. And then through the ensemble learning the accuracy increased by 17.3%, and the final classification accuracy is 75.5%, the established diagnostic model can provide some references for clinical treatment.

    SVM; carotid angiosclerosis plaque; classifier optimization; classifier performance

    2016-04-20

    陜西省科技廳科學(xué)技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2014K15-03-06); 西安市科技計(jì)劃項(xiàng)目 (NC1403(2),NC1319(1))

    楊 云 (1965-),女,陜西咸陽(yáng)人,教授,博士,研究方向:數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘

    1000-5811(2016)05-0162-06

    TP391.9

    A

    猜你喜歡
    分類器頸動(dòng)脈斑塊
    捕食-食餌系統(tǒng)在離散斑塊環(huán)境下強(qiáng)迫波的唯一性
    頸動(dòng)脈的斑塊逆轉(zhuǎn)看“軟硬”
    自我保健(2021年2期)2021-11-30 10:12:31
    一篇文章了解頸動(dòng)脈斑塊
    婦女之友(2021年9期)2021-09-26 14:29:36
    microRNA-146a與冠心病患者斑塊穩(wěn)定性的相關(guān)性
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    三維超聲在頸動(dòng)脈內(nèi)膜剝脫術(shù)前的應(yīng)用價(jià)值
    腦微出血與頸動(dòng)脈狹窄的相關(guān)性分析
    頸動(dòng)脈內(nèi)膜剝脫術(shù)治療頸動(dòng)脈狹窄的臨床研究
    亚洲avbb在线观看| 国产主播在线观看一区二区| 亚洲熟女毛片儿| 咕卡用的链子| 黄色丝袜av网址大全| 少妇的丰满在线观看| 亚洲精品乱久久久久久| 女人精品久久久久毛片| 欧美成狂野欧美在线观看| 91成年电影在线观看| www.精华液| 极品人妻少妇av视频| 精品午夜福利视频在线观看一区 | 免费不卡黄色视频| 中文字幕另类日韩欧美亚洲嫩草| 狠狠婷婷综合久久久久久88av| 日本a在线网址| 中国美女看黄片| 91国产中文字幕| 精品熟女少妇八av免费久了| 国产色视频综合| 国产欧美日韩综合在线一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| a级毛片在线看网站| 久久久久视频综合| 国产福利在线免费观看视频| 日韩视频一区二区在线观看| 性高湖久久久久久久久免费观看| 99精品欧美一区二区三区四区| 久久天堂一区二区三区四区| 国产91精品成人一区二区三区 | av又黄又爽大尺度在线免费看| 日韩一卡2卡3卡4卡2021年| e午夜精品久久久久久久| 日本一区二区免费在线视频| 极品人妻少妇av视频| 亚洲精品乱久久久久久| 熟女少妇亚洲综合色aaa.| av一本久久久久| av电影中文网址| 悠悠久久av| 考比视频在线观看| 日韩熟女老妇一区二区性免费视频| 亚洲av成人不卡在线观看播放网| 十八禁人妻一区二区| 久热这里只有精品99| 在线亚洲精品国产二区图片欧美| 老熟妇乱子伦视频在线观看| 美女福利国产在线| av片东京热男人的天堂| 欧美日韩中文字幕国产精品一区二区三区 | 国产免费现黄频在线看| 亚洲精品久久成人aⅴ小说| 丝袜喷水一区| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品aⅴ一区二区三区四区| 天天影视国产精品| 男女午夜视频在线观看| 日本欧美视频一区| 亚洲第一av免费看| 丁香欧美五月| 欧美黑人精品巨大| 狠狠狠狠99中文字幕| 免费在线观看黄色视频的| 成人影院久久| 麻豆乱淫一区二区| 国产精品久久久人人做人人爽| 久久久久久久久久久久大奶| 久久久精品94久久精品| 在线观看www视频免费| 日韩欧美一区二区三区在线观看 | 亚洲av国产av综合av卡| 两个人看的免费小视频| 12—13女人毛片做爰片一| 99re6热这里在线精品视频| tocl精华| 99精品在免费线老司机午夜| 日韩制服丝袜自拍偷拍| 少妇裸体淫交视频免费看高清 | 国产精品自产拍在线观看55亚洲 | 真人做人爱边吃奶动态| 99久久人妻综合| 久久久国产精品麻豆| 视频区图区小说| 日日夜夜操网爽| 12—13女人毛片做爰片一| 亚洲精品粉嫩美女一区| 精品久久久久久电影网| 色婷婷久久久亚洲欧美| 1024香蕉在线观看| 欧美日韩视频精品一区| 久久国产亚洲av麻豆专区| 亚洲精品中文字幕在线视频| 90打野战视频偷拍视频| 亚洲成国产人片在线观看| 欧美 亚洲 国产 日韩一| 色在线成人网| 麻豆av在线久日| 国产片内射在线| 国产精品亚洲一级av第二区| 蜜桃在线观看..| 国产成人影院久久av| 国产一区二区 视频在线| 国产日韩欧美视频二区| 久久精品人人爽人人爽视色| 国产97色在线日韩免费| 成年人午夜在线观看视频| 国产淫语在线视频| 亚洲五月婷婷丁香| 99国产精品99久久久久| 国产在线观看jvid| 色精品久久人妻99蜜桃| xxxhd国产人妻xxx| 国产野战对白在线观看| a级毛片在线看网站| 成人18禁高潮啪啪吃奶动态图| 超碰97精品在线观看| 亚洲精品美女久久av网站| 18禁黄网站禁片午夜丰满| 一区二区三区国产精品乱码| 午夜福利视频在线观看免费| av超薄肉色丝袜交足视频| 丰满人妻熟妇乱又伦精品不卡| 中文亚洲av片在线观看爽 | 成人手机av| 国产在线精品亚洲第一网站| 亚洲精品在线观看二区| 中亚洲国语对白在线视频| av天堂久久9| 999久久久精品免费观看国产| 在线天堂中文资源库| 精品一区二区三区四区五区乱码| 亚洲一区中文字幕在线| 国产野战对白在线观看| 成人亚洲精品一区在线观看| 欧美日韩亚洲国产一区二区在线观看 | 精品国内亚洲2022精品成人 | 亚洲国产看品久久| 久9热在线精品视频| 免费一级毛片在线播放高清视频 | 一级片'在线观看视频| 欧美精品亚洲一区二区| 女性生殖器流出的白浆| 久久久国产一区二区| 手机成人av网站| 欧美午夜高清在线| 精品国产一区二区久久| 手机成人av网站| kizo精华| 国产熟女午夜一区二区三区| 一本综合久久免费| 日本精品一区二区三区蜜桃| 久久久久国产一级毛片高清牌| 欧美日韩av久久| 国产一卡二卡三卡精品| 欧美日韩视频精品一区| 亚洲自偷自拍图片 自拍| 国产高清激情床上av| a在线观看视频网站| 高潮久久久久久久久久久不卡| 狠狠精品人妻久久久久久综合| 国产精品一区二区在线观看99| 首页视频小说图片口味搜索| 黄色成人免费大全| 亚洲av日韩精品久久久久久密| 国产精品亚洲av一区麻豆| 欧美精品亚洲一区二区| 亚洲人成77777在线视频| 久久久久国产一级毛片高清牌| 一级a爱视频在线免费观看| 亚洲男人天堂网一区| 视频区图区小说| 日韩免费高清中文字幕av| 国产精品香港三级国产av潘金莲| 国产av又大| 久久精品国产综合久久久| 99re在线观看精品视频| 99香蕉大伊视频| 女人爽到高潮嗷嗷叫在线视频| 久热这里只有精品99| 久9热在线精品视频| 一本大道久久a久久精品| 精品人妻在线不人妻| 久9热在线精品视频| 亚洲专区字幕在线| 99re6热这里在线精品视频| 操美女的视频在线观看| 不卡一级毛片| 人成视频在线观看免费观看| 亚洲中文日韩欧美视频| 国产伦理片在线播放av一区| av又黄又爽大尺度在线免费看| 日韩一区二区三区影片| 免费高清在线观看日韩| 久久国产精品人妻蜜桃| 亚洲国产毛片av蜜桃av| a在线观看视频网站| 午夜日韩欧美国产| 国产精品免费一区二区三区在线 | 欧美成人免费av一区二区三区 | 亚洲精品国产一区二区精华液| 成人三级做爰电影| 精品久久蜜臀av无| 国产成人av教育| 国产高清国产精品国产三级| 一区二区三区乱码不卡18| 欧美+亚洲+日韩+国产| 精品人妻熟女毛片av久久网站| 中国美女看黄片| 久久久精品94久久精品| 老司机在亚洲福利影院| 国产精品香港三级国产av潘金莲| 精品免费久久久久久久清纯 | 欧美成人免费av一区二区三区 | 欧美大码av| 欧美日韩av久久| 午夜福利一区二区在线看| 免费女性裸体啪啪无遮挡网站| 精品熟女少妇八av免费久了| 日韩免费高清中文字幕av| 国产91精品成人一区二区三区 | 国产主播在线观看一区二区| 亚洲人成伊人成综合网2020| 99国产精品一区二区三区| 日韩欧美一区二区三区在线观看 | 首页视频小说图片口味搜索| 欧美日韩黄片免| 黄频高清免费视频| 青青草视频在线视频观看| 国产深夜福利视频在线观看| 黄片大片在线免费观看| 五月天丁香电影| 99国产精品免费福利视频| 在线av久久热| 丝瓜视频免费看黄片| 母亲3免费完整高清在线观看| 一级毛片精品| 亚洲男人天堂网一区| 成年女人毛片免费观看观看9 | www.自偷自拍.com| tocl精华| 国产精品国产高清国产av | 波多野结衣一区麻豆| 超碰成人久久| 国产一区二区三区在线臀色熟女 | 中文字幕色久视频| 动漫黄色视频在线观看| 最近最新中文字幕大全免费视频| 日日摸夜夜添夜夜添小说| 两个人免费观看高清视频| 99久久国产精品久久久| 国产精品亚洲一级av第二区| 男女免费视频国产| 女人爽到高潮嗷嗷叫在线视频| 高清视频免费观看一区二区| 亚洲熟女精品中文字幕| 久久久久国产一级毛片高清牌| 中文字幕人妻丝袜一区二区| 俄罗斯特黄特色一大片| 国产精品美女特级片免费视频播放器 | 在线av久久热| 啦啦啦视频在线资源免费观看| 国产又爽黄色视频| 久久天躁狠狠躁夜夜2o2o| 国产日韩一区二区三区精品不卡| 纯流量卡能插随身wifi吗| 成在线人永久免费视频| 黄色片一级片一级黄色片| 国产日韩一区二区三区精品不卡| 在线亚洲精品国产二区图片欧美| 国产成人精品在线电影| 极品人妻少妇av视频| 一本久久精品| 日韩视频在线欧美| 高清毛片免费观看视频网站 | 每晚都被弄得嗷嗷叫到高潮| 亚洲少妇的诱惑av| 欧美午夜高清在线| 精品熟女少妇八av免费久了| 亚洲午夜理论影院| 80岁老熟妇乱子伦牲交| 超色免费av| 在线观看免费高清a一片| 欧美日韩亚洲高清精品| 精品少妇黑人巨大在线播放| 性少妇av在线| 欧美激情久久久久久爽电影 | 人妻一区二区av| 欧美激情高清一区二区三区| 欧美在线一区亚洲| 热99re8久久精品国产| 精品第一国产精品| 久久精品亚洲熟妇少妇任你| 999精品在线视频| 99在线人妻在线中文字幕 | 老司机福利观看| 9热在线视频观看99| 久热这里只有精品99| 欧美日韩中文字幕国产精品一区二区三区 | 国产xxxxx性猛交| 久久久久精品人妻al黑| 国产一区二区在线观看av| 9热在线视频观看99| 亚洲成人国产一区在线观看| 亚洲一区二区三区欧美精品| 亚洲色图综合在线观看| 国产又爽黄色视频| 别揉我奶头~嗯~啊~动态视频| av国产精品久久久久影院| 日韩欧美国产一区二区入口| 丝袜美腿诱惑在线| 欧美成狂野欧美在线观看| 免费一级毛片在线播放高清视频 | 久久久久精品人妻al黑| 在线av久久热| 欧美乱码精品一区二区三区| 欧美黑人精品巨大| 欧美日韩福利视频一区二区| 欧美性长视频在线观看| 久久精品国产亚洲av香蕉五月 | 十八禁人妻一区二区| 欧美日韩福利视频一区二区| 下体分泌物呈黄色| 精品人妻熟女毛片av久久网站| 最新在线观看一区二区三区| 精品少妇一区二区三区视频日本电影| 国产一卡二卡三卡精品| 一进一出抽搐动态| 国产成人免费无遮挡视频| 少妇粗大呻吟视频| 可以免费在线观看a视频的电影网站| av一本久久久久| 国产一区二区三区视频了| 老汉色av国产亚洲站长工具| bbb黄色大片| 欧美av亚洲av综合av国产av| 一边摸一边抽搐一进一小说 | 满18在线观看网站| √禁漫天堂资源中文www| 老熟妇乱子伦视频在线观看| www.999成人在线观看| 两人在一起打扑克的视频| 国产精品国产高清国产av | 国产亚洲欧美在线一区二区| 中文字幕最新亚洲高清| 欧美+亚洲+日韩+国产| 亚洲av国产av综合av卡| 国产在视频线精品| 国产欧美日韩精品亚洲av| 日本撒尿小便嘘嘘汇集6| 午夜激情av网站| 国产免费现黄频在线看| 欧美大码av| 国产真人三级小视频在线观看| 欧美日韩成人在线一区二区| www日本在线高清视频| 国产伦理片在线播放av一区| 日韩大片免费观看网站| 成人特级黄色片久久久久久久 | 亚洲精品国产一区二区精华液| 每晚都被弄得嗷嗷叫到高潮| 黄频高清免费视频| 国产单亲对白刺激| 日韩一区二区三区影片| 久久精品人人爽人人爽视色| 美女扒开内裤让男人捅视频| 麻豆乱淫一区二区| 国产精品av久久久久免费| 久久ye,这里只有精品| 久久精品国产a三级三级三级| 人成视频在线观看免费观看| 亚洲精品久久午夜乱码| 免费少妇av软件| 97在线人人人人妻| 成年人免费黄色播放视频| av福利片在线| 亚洲色图综合在线观看| 99re在线观看精品视频| 女性被躁到高潮视频| 亚洲国产毛片av蜜桃av| 男人操女人黄网站| 在线 av 中文字幕| 亚洲av电影在线进入| 久久久久国产一级毛片高清牌| 国产1区2区3区精品| tube8黄色片| 国产av精品麻豆| 午夜久久久在线观看| 国产精品一区二区精品视频观看| 欧美老熟妇乱子伦牲交| 人人妻人人澡人人看| 老司机亚洲免费影院| 日本精品一区二区三区蜜桃| av一本久久久久| 精品亚洲成a人片在线观看| 亚洲av欧美aⅴ国产| 国产精品亚洲av一区麻豆| 亚洲中文字幕日韩| 免费观看av网站的网址| 一本色道久久久久久精品综合| 丝袜在线中文字幕| 亚洲精华国产精华精| 我要看黄色一级片免费的| 亚洲熟妇熟女久久| 菩萨蛮人人尽说江南好唐韦庄| 亚洲成人免费电影在线观看| 国产av精品麻豆| 成人三级做爰电影| 亚洲国产毛片av蜜桃av| 别揉我奶头~嗯~啊~动态视频| 中文亚洲av片在线观看爽 | 国产精品久久久久久人妻精品电影 | 777久久人妻少妇嫩草av网站| 亚洲九九香蕉| 国产成人免费无遮挡视频| 日本精品一区二区三区蜜桃| 欧美另类亚洲清纯唯美| 男人舔女人的私密视频| 制服诱惑二区| 色婷婷久久久亚洲欧美| 国产有黄有色有爽视频| 99九九在线精品视频| 黄色视频不卡| 桃红色精品国产亚洲av| 亚洲成av片中文字幕在线观看| 日本一区二区免费在线视频| 女同久久另类99精品国产91| 成年动漫av网址| 亚洲性夜色夜夜综合| 黄色怎么调成土黄色| 波多野结衣一区麻豆| 最近最新中文字幕大全电影3 | 高清毛片免费观看视频网站 | 国产欧美亚洲国产| 欧美久久黑人一区二区| 搡老岳熟女国产| 美女午夜性视频免费| 国产午夜精品久久久久久| 777米奇影视久久| 嫩草影视91久久| 久9热在线精品视频| 在线观看免费视频日本深夜| 国产精品av久久久久免费| 久久国产精品人妻蜜桃| 国产在线观看jvid| 女警被强在线播放| 大型黄色视频在线免费观看| 女警被强在线播放| 18禁观看日本| 三级毛片av免费| 久久精品国产a三级三级三级| 国产成人av教育| 亚洲av成人不卡在线观看播放网| 日韩有码中文字幕| 久久久久久久大尺度免费视频| 美女主播在线视频| 一本久久精品| 国产日韩欧美视频二区| 18禁美女被吸乳视频| 成人精品一区二区免费| 欧美激情 高清一区二区三区| 老司机福利观看| 国产男靠女视频免费网站| 亚洲人成电影免费在线| 精品一区二区三区视频在线观看免费 | 日本精品一区二区三区蜜桃| www.精华液| 天天影视国产精品| 日韩一卡2卡3卡4卡2021年| 女人被躁到高潮嗷嗷叫费观| 日本av免费视频播放| 变态另类成人亚洲欧美熟女 | 十分钟在线观看高清视频www| 黑人巨大精品欧美一区二区蜜桃| 香蕉国产在线看| 亚洲精品国产区一区二| a在线观看视频网站| 97人妻天天添夜夜摸| 国产免费福利视频在线观看| 亚洲中文日韩欧美视频| 久久久国产精品麻豆| 中文字幕av电影在线播放| 大香蕉久久网| 怎么达到女性高潮| 天堂动漫精品| 青青草视频在线视频观看| 日韩欧美三级三区| 最新美女视频免费是黄的| 欧美变态另类bdsm刘玥| 欧美日韩亚洲国产一区二区在线观看 | 久久免费观看电影| 久久精品国产综合久久久| 岛国毛片在线播放| 黄色怎么调成土黄色| 宅男免费午夜| 国产片内射在线| 久久狼人影院| 老司机福利观看| 国产精品久久久av美女十八| e午夜精品久久久久久久| 老熟女久久久| 热99re8久久精品国产| 午夜精品国产一区二区电影| 成人黄色视频免费在线看| 另类精品久久| 色综合欧美亚洲国产小说| 精品亚洲成a人片在线观看| 99久久精品国产亚洲精品| 日本五十路高清| 国产成人免费观看mmmm| 免费看a级黄色片| 精品久久久久久电影网| 99久久人妻综合| 精品一区二区三区四区五区乱码| 伊人久久大香线蕉亚洲五| 视频区图区小说| 国产亚洲精品第一综合不卡| 一级毛片电影观看| 日韩熟女老妇一区二区性免费视频| 757午夜福利合集在线观看| 国产色视频综合| 国产野战对白在线观看| 国产aⅴ精品一区二区三区波| 啦啦啦 在线观看视频| 在线十欧美十亚洲十日本专区| 成人手机av| 亚洲全国av大片| bbb黄色大片| 成年版毛片免费区| 国产精品亚洲一级av第二区| 国产有黄有色有爽视频| 国产1区2区3区精品| 十八禁网站免费在线| 天堂8中文在线网| 精品乱码久久久久久99久播| 欧美大码av| 亚洲av美国av| 欧美久久黑人一区二区| 中文字幕人妻丝袜一区二区| 脱女人内裤的视频| 国产三级黄色录像| 精品少妇内射三级| 亚洲av电影在线进入| 一本久久精品| 久久99一区二区三区| 成年人午夜在线观看视频| 人成视频在线观看免费观看| 国产精品98久久久久久宅男小说| 久久久久国内视频| 亚洲精品在线美女| 如日韩欧美国产精品一区二区三区| 国产精品久久久久久精品古装| 久久香蕉激情| 18禁观看日本| 两人在一起打扑克的视频| 少妇精品久久久久久久| 婷婷丁香在线五月| avwww免费| 亚洲成国产人片在线观看| 啦啦啦免费观看视频1| 国产亚洲午夜精品一区二区久久| 久久久欧美国产精品| 久久人人爽av亚洲精品天堂| 他把我摸到了高潮在线观看 | 天天躁夜夜躁狠狠躁躁| 精品一区二区三区四区五区乱码| 免费看a级黄色片| 女人精品久久久久毛片| 天天影视国产精品| 国产精品欧美亚洲77777| 久热这里只有精品99| 成人18禁高潮啪啪吃奶动态图| 99国产精品免费福利视频| 少妇猛男粗大的猛烈进出视频| 日韩视频一区二区在线观看| av不卡在线播放| 一级,二级,三级黄色视频| 在线观看www视频免费| 欧美人与性动交α欧美精品济南到| 欧美亚洲日本最大视频资源| 一区二区av电影网| 色在线成人网| 亚洲欧洲日产国产| 人人妻人人爽人人添夜夜欢视频| 日日摸夜夜添夜夜添小说| 国产有黄有色有爽视频| 欧美精品亚洲一区二区| 欧美日韩视频精品一区| 亚洲伊人色综图| 婷婷丁香在线五月| 91麻豆精品激情在线观看国产 | 中文字幕人妻丝袜制服| 五月天丁香电影| 一级,二级,三级黄色视频| 超碰97精品在线观看| 18禁黄网站禁片午夜丰满| 久久久国产欧美日韩av| www.精华液| 99国产精品免费福利视频| 午夜日韩欧美国产| 天天操日日干夜夜撸| 精品一区二区三区视频在线观看免费 | 久久久久国产一级毛片高清牌| 国产av一区二区精品久久| 亚洲情色 制服丝袜| 成人亚洲精品一区在线观看| 不卡av一区二区三区| 久久免费观看电影| 每晚都被弄得嗷嗷叫到高潮| 性少妇av在线| 亚洲精品久久成人aⅴ小说| 最新美女视频免费是黄的| 亚洲av日韩精品久久久久久密| 热99国产精品久久久久久7| 中国美女看黄片|