• <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U-Net模型和CBAM的腦腫瘤MRI圖像分割

    2022-10-24 09:30:04張曉倩金芊芊
    現(xiàn)代計算機 2022年16期
    關(guān)鍵詞:殘差深度函數(shù)

    張曉倩,羅 建,楊 梅,金芊芊,朱 熹

    (西華師范大學電子信息工程學院,南充 637009)

    0 引言

    社會在進步,計算機技術(shù)也在發(fā)展,現(xiàn)已經(jīng)能為大腦研究提供更豐富的腦組織圖像和有效信息。磁共振成像MRI也成為腫瘤分割的一個常用手段。它具有多參數(shù)成像,腫瘤位置更加敏感,腦組織成像更清晰等特征。雖然MRI能很好地顯示腦組織結(jié)構(gòu)和病變區(qū)域,但MRI圖像存在偽影、偏場效應(yīng)、灰度偏移場等問題。由于人工篩選MRI圖像來預判早期腦腫瘤的方法非常耗時,所以引入深度學習技術(shù)是非常有必要的。

    目前常用方法分為兩大類,即傳統(tǒng)和深度學習的圖像方法。

    閾值分割和區(qū)域生長法在傳統(tǒng)方法中占很大比重,雖然它在腦腫瘤的治療中取得了一定成果,但其圖像處理算法的整體效果不是很好。這類算法常依賴于人為操作,因此存在一定的限制,需要根據(jù)實驗的差異來設(shè)置約束值。實驗得到的結(jié)果往往不是最精確的,還需要對其進行優(yōu)化,這種情況就會導致實驗的魯棒性差,腦腫瘤分割效率低。

    近年來,關(guān)于腫瘤分割的深度學習方法有很多。Zhang等采用兩次分割MR圖像的方法,先采用FCN模型粗分割訓練,來檢測腫瘤的整體區(qū)域,然后再用FCN模型進行二次精確分割,獲得腦腫瘤的內(nèi)部結(jié)構(gòu)。但這會導致腦腫瘤圖像局部信息缺失,分割精度也偏低。Ronneberger等提出的對稱網(wǎng)絡(luò)U-Net,對醫(yī)學圖像分割適應(yīng)能力較好,成為醫(yī)學圖像的常用網(wǎng)絡(luò)模型,本文模型基于此進行改進。Vittikop等在U-Net網(wǎng)絡(luò)基礎(chǔ)上加入了跳躍連接,將深淺層特征信息進行融合,這使得腦腫瘤圖像能很好地彌補缺失的淺層信息,取得了較好的效果。

    由于跳躍連接在U-Net模型中能夠提高分割準確率,本文基于U-Net模型的同時保留跳躍連接來融合特征信息,并對模型進行了改進。首先,將深度殘差塊替換U-Net結(jié)構(gòu)中的卷積塊,彌補丟失的特征信息,避免梯度消失等問題;其次,利用Dy-ReLU替換深度殘差模塊中的ReLU激活函數(shù),提高網(wǎng)絡(luò)模型的非線性表達能力,解決梯度退化的問題;但U-Net中通過用跳躍連接來進行簡單的圖像拼接,容易丟失上下文特征信息,影響分割的準確性,對此,本文引入CBAM注意力機制,從空間和通道兩方面來提取需加以關(guān)注的某些特征,提高分割的準確性。

    1 本文方法介紹

    1.1 網(wǎng)絡(luò)模型

    由于深度殘差塊在深度學習圖像處理中可以避免梯度消失的問題,同時對淺層網(wǎng)絡(luò)的分割效果有所提升,所以本文基于深度殘差塊進行改進并替換掉U-Net基礎(chǔ)網(wǎng)絡(luò)中的卷積塊。并將CBAM機制引入U-Net,使關(guān)鍵信息在空間和通道上都聚焦,提高腦腫瘤分割的效果。

    圖1所示為本文的網(wǎng)絡(luò)結(jié)構(gòu),由多部分組成,包括橋接、跳躍連接、編碼、分類器和解碼。其中編碼和解碼區(qū)域由四個改進的殘差塊組成,橋接區(qū)域由一個改進的殘差塊組成。一個改進的深度殘差塊由批標準化BN、動態(tài)激活函數(shù)Dy-ReLU、3×3的卷積層和恒等映射部分組成,這部分內(nèi)容將在后面詳細介紹。

    圖1 網(wǎng)絡(luò)結(jié)構(gòu)

    編碼區(qū)域主要由改進的深度殘差塊和下采樣組成,下采樣主要采用全局最大池化,其中一共進行了四次操作,每經(jīng)過一次深度殘差塊,就將進行一次全局最大池化。經(jīng)過深度殘差塊和下采樣操作的時候,當圖尺寸減小,其相應(yīng)的通道數(shù)將增加。

    橋接在網(wǎng)絡(luò)模型中起著必不可少的作用,主要是用于連接編碼和解碼部分。解碼區(qū)域主要由改進的深度殘差塊和上采樣組成,其中一共進行了四次操作。上采樣后通道數(shù)將會減少一半,圖像尺寸擴大一倍。最后獲得與輸入的特征圖像大小近似的圖。分類器采用常用的方法,由1×1卷積和Sigmoid搭配而成。1×1卷積主要是用于降低計算量。最后通過Sigmoid對特征圖進行映射來顯示像素的類別。

    跳躍連接實現(xiàn)特征映射的融合的方法是將編碼的深、淺層特征級聯(lián)。但由于編碼區(qū)域提取到的特征信息效果很差,帶來了大量的冗余特征信息。

    針對編碼區(qū)域提取了大部分的冗余信息,本文在深淺層特征融合之前,引入CBAM機制,從通道和空間兩個方面都抑制冗余區(qū)域,提高特征提取的效率。

    1.2 Dy-ReLU激活函數(shù)

    激活函數(shù)通過引入非線性因素,使得模型具有非線性映射的能力。ReLU激活函數(shù)在分割中使用得非常頻繁,然而它不會根據(jù)實驗數(shù)據(jù)變化而變化,無區(qū)別對待所有的輸入樣本。但動態(tài)的激活函數(shù)則可以解決這個問題,本文通過引入動態(tài)校正單元Dynamic Rectified Linear Unit,Dy-ReLU來提高網(wǎng)絡(luò)模型的非線性表達能力。對于輸入的全局上下文信息,它通過輔助函數(shù)對其進行編碼,對后續(xù)的分段線性激活函數(shù)具有指導性作用。

    圖2 Dy-ReLU示意圖

    ()可以看作是由類似SE模塊的超函數(shù)實現(xiàn),主要是基于注意力機制來獲取關(guān)于特征信息之間的重要性,隨后通過重要度對有用信息和無用信息進行針對性的提取,最后將超參數(shù)映射到特征通道中。

    先后經(jīng)過全局池化層和全連接層,其中全連接層經(jīng)過了兩次,隨后使用ReLU函數(shù)引入更多的非線性因素,讓信道間的復雜情況擬合得更好。最后采用Sigmoid標準化輸出。當SE模塊中的計算完成后,最后的輸出為:

    1.3 深度殘差模塊

    在深度學習圖像處理中,傳統(tǒng)觀念認為網(wǎng)絡(luò)進行更深層次的設(shè)計,效果會更好。但這也隨之帶來梯度消失的問題,而且淺層網(wǎng)絡(luò)對分割效果的提升也不夠明顯?;谝陨蠁栴},He等提出一種殘差網(wǎng)絡(luò)。

    圖3 改進的殘差塊

    殘差公式如下:

    如圖4(a)所示是原始的殘差塊,通常在網(wǎng)絡(luò)層數(shù)較大時,提取的特征信息較好。本文結(jié)構(gòu)如圖4(b)所示,是在殘差塊的基礎(chǔ)上,用Dy-ReLU替換ReLU激活函數(shù)。為了解決訓練中梯度退化的問題,采用恒等映射單元,將輸入部分傳遞到后面的網(wǎng)絡(luò)層,以促進特征信息的傳播,很大程度上可以解決淺層特征在訓練中丟失的問題。

    圖4 原始的與改進的殘差模塊

    1.4 注意力CBAM模塊

    Woo等首次提出了CBAM雙重注意力機制,它是在空間和通道都關(guān)注某些特征的注意力模塊,雙管齊下,在提取特征時著重關(guān)注一些特征層和空間區(qū)域,增強了特征圖中有用的特征,在圖像分割中取得更好的效果。

    圖5 CBAM機制示意圖

    式中代表輸入;常用于表示sigmoid激活函數(shù)。

    空間注意力機制主要從空間層面探討特征圖的關(guān)系來突出空間信息的重要性,其與通道注意力機制相輔相成。CBAM機制采用的卷積核大小為7×7,經(jīng)過空間注意力模塊后,得到最終的特征圖。計算過程如下:

    其中,7×7卷積核用表示。

    2 實驗及結(jié)果分析

    2.1 數(shù)據(jù)集

    實驗使用的是MICCAI提供的公開腦腫瘤數(shù)據(jù) 集BraTS2019和BraTS2020,BraTS2019包括335例患者,這部分數(shù)據(jù)用于訓練。將BraTS2020相對于2019新增的數(shù)據(jù)用于測試,包括高級別膠質(zhì)瘤34例。如圖6所示,每個患者的MR圖像都有4種模態(tài)T1,T1ce,F(xiàn)lair和T2和真實分割標簽。每一個數(shù)據(jù)都包含四個方面:非增強腫瘤和壞死腫瘤、水腫區(qū)域、增強腫瘤及背景,分割中通常將這些不同的區(qū)域分為三個部分:①整體腫瘤,去除背景的所有部分;②腫瘤核心,由壞死、非增強和增強腫瘤部分構(gòu)成;③增強腫瘤,主要由增強腫瘤部分組成。

    圖6 腦腫瘤四種模態(tài)

    本文采用Z-score方法對數(shù)據(jù)進行標準化操作,先計算均值和標準差,再對所有圖像采取單位標準化和零均值操作,最后對圖像隨機切割為160×160的大小。

    2.2 損失函數(shù)

    由于混合損失函數(shù)在醫(yī)學圖像中使用效果較好,本文的損失函數(shù)由Dice相似系數(shù)和交叉熵損失組合而成。交叉熵公式如下:

    式中,、分別是真實標簽與預測圖中像素集合,g代表真實類別,g指第個預測圖與第個真實標簽的類別,p代表預測值,指第個預測圖與第個真實標簽中的預測值。在訓練的時候,交叉熵通常用于優(yōu)化,盡管可有效解決梯度消失的問題,但對于類不平衡的圖像,它往往有所偏重,尤其對類別數(shù)較多的樣本會偏向更多,這將使得網(wǎng)絡(luò)的優(yōu)化不夠好。

    對、分別進行計算,其中光滑算子用表示,主要用于避免分母為0的情況。Dice常用于學習網(wǎng)絡(luò)參數(shù),使預測值更接近真實值。混合損失函數(shù)的公式如下:

    2.3 評價指標

    Dice系數(shù)、HD距離和查準率常用作圖像分割的評價指標,本文也采取相同的策略,公式如下:

    公式中,指預測為正確的正樣本個數(shù),指預測為正確實際是錯誤的負樣本個數(shù),指預測為錯誤實際是正確的正樣本個數(shù)。Dice系數(shù)是用于衡量相似性的,用于計算預測值與真實值的相似度;查準率是指正確預測總數(shù)占被預測總數(shù)的比例;表示預測值,代表真實值,dd分別表示預測值與真實值的HD距離,HD表示預測與真實值的不匹配的最大程度,是dd中的最大值,這表明值越小,分割越準確。

    2.4 參數(shù)設(shè)置及訓練

    硬件環(huán)境:使用AMD EPYC 7302 CPU,內(nèi)存大小為64 G,使用NVIDIA GeForce RTX3090 GPU,顯卡24 G。軟件環(huán)境:Pytorch深度學習框架,CUDNN8.0,CUDA11.0,Ubuntu 18.04.5 LTS,Python3.8。在訓練時同時輸入預處理后的圖像和真實標簽。25%、75%的數(shù)據(jù)集分別作為驗證集和訓練集,BraTS2020中新增部分用于測試集。訓練過程中,學習率初始值為0.0003,動量0.9,迭代批量為32,訓練迭代期為10000。用衰減系數(shù)為0.0001的Adma優(yōu)化器優(yōu)化。將早停法的值設(shè)置為20來防止過擬合。

    圖7所示為模型訓練過程中損失函數(shù)變化的曲線圖。連續(xù)實線是訓練的損失,虛線是驗證的損失。由圖7可以看出,隨著迭代次數(shù)的增加,網(wǎng)絡(luò)的準確率在不斷地提高,損失在不斷地減少。當值趨近260時,網(wǎng)絡(luò)趨于穩(wěn)定。

    圖7 訓練損失圖

    2.5 測試結(jié)果

    本文選擇FCN和U-Net兩種常用的基礎(chǔ)網(wǎng)絡(luò)進行實驗對比。表1展示了三種模型的分割結(jié)果。從表1可以看出FCN的結(jié)果很不理想,主要原因是特征信息都沒有得到充分利用。U-Net可以看作是基于FCN改進的,融合跳躍連接來提取更多的信息,但由于獲取的淺層信息較差,存在冗余,對分割效果產(chǎn)生了很大的影響。本文以U-Net為基礎(chǔ)進行改進,改進后的模型在分割中效果較好,DSC較原U-Net模型有小幅提升,查準率在整體、核心和腫瘤增強區(qū)域依次提升2.59%、0.37%、2.52%,HD在各區(qū)域也有小幅提升,得到了不錯的分割結(jié)果。

    表1 模型對比結(jié)果

    腦腫瘤MR圖像分割結(jié)果如圖8所示。從左到右依次為FCN、U-Net、真實標簽和本文方法的分割結(jié)果。從圖8可以看出,F(xiàn)CN分割效果較差,只能大概定位腦腫瘤的位置,內(nèi)部分割不夠精細。U-Net分割的輪廓清晰,但邊緣還是不夠細化,分割不是很準確。可以看出本文能夠得到與真實標簽更加相進的分割結(jié)果,效果明顯得到改善,性能良好。

    圖8 對比實驗分割結(jié)果圖

    3 結(jié)語

    利用深度學習技術(shù)來分割腦腫瘤圖像的方法是很重要的。本文采用改進U-Net模型的方法提高腫瘤的分割結(jié)果。利用改進的深度殘差塊獲取特征信息,在跳轉(zhuǎn)連接中引入CBAM注意機制,同時結(jié)合混合損失函數(shù)對數(shù)據(jù)進行優(yōu)化,很大程度上解決了類不平衡的問題。實驗結(jié)果顯示,本文的方法能較大提升分割的精確度,分割結(jié)果也趨近于真實標簽,但有一定的局限性。由于本實驗使用的是三維數(shù)據(jù),采用三維數(shù)據(jù)切片后的數(shù)據(jù)進行分割會丟失一些圖像信息,影響分割精度。因此,下一步研究的重點是采用三維數(shù)據(jù)進行圖像分割,來彌補圖像丟失的不足。

    猜你喜歡
    殘差深度函數(shù)
    基于雙向GRU與殘差擬合的車輛跟馳建模
    二次函數(shù)
    第3講 “函數(shù)”復習精講
    二次函數(shù)
    深度理解一元一次方程
    基于殘差學習的自適應(yīng)無人機目標跟蹤算法
    函數(shù)備考精講
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    深度觀察
    深度觀察
    精品久久久久久电影网| netflix在线观看网站| tocl精华| 国产男女超爽视频在线观看| 男女午夜视频在线观看| 亚洲国产精品合色在线| 久久人人爽av亚洲精品天堂| 制服诱惑二区| 亚洲aⅴ乱码一区二区在线播放 | 日韩三级视频一区二区三区| 伊人久久大香线蕉亚洲五| 91在线观看av| 在线播放国产精品三级| 国产色视频综合| 久久中文字幕人妻熟女| 91麻豆精品激情在线观看国产 | 久久影院123| 99精品久久久久人妻精品| 精品国产乱码久久久久久男人| 亚洲片人在线观看| 亚洲专区中文字幕在线| av不卡在线播放| 亚洲av片天天在线观看| 伦理电影免费视频| 成年人黄色毛片网站| 女人久久www免费人成看片| 久久国产乱子伦精品免费另类| 激情视频va一区二区三区| 91在线观看av| 夜夜躁狠狠躁天天躁| 99久久综合精品五月天人人| 在线观看日韩欧美| 色精品久久人妻99蜜桃| 99精品欧美一区二区三区四区| 久久精品国产亚洲av香蕉五月 | 免费人成视频x8x8入口观看| 亚洲片人在线观看| 999久久久国产精品视频| 又紧又爽又黄一区二区| 国产1区2区3区精品| 亚洲avbb在线观看| 久久午夜亚洲精品久久| 电影成人av| 精品免费久久久久久久清纯 | 两人在一起打扑克的视频| 国产又色又爽无遮挡免费看| 制服人妻中文乱码| 亚洲精品自拍成人| 国内毛片毛片毛片毛片毛片| 99热只有精品国产| 国产精品久久久av美女十八| 久久久久久人人人人人| 欧美日韩瑟瑟在线播放| 怎么达到女性高潮| 成熟少妇高潮喷水视频| 99久久国产精品久久久| av网站免费在线观看视频| 亚洲国产看品久久| 国产欧美亚洲国产| 亚洲成人免费电影在线观看| 9191精品国产免费久久| 男女之事视频高清在线观看| 亚洲国产毛片av蜜桃av| 亚洲精品在线美女| 两性午夜刺激爽爽歪歪视频在线观看 | 制服诱惑二区| 日韩欧美一区二区三区在线观看 | 日本黄色视频三级网站网址 | 动漫黄色视频在线观看| 国产成人啪精品午夜网站| 桃红色精品国产亚洲av| 丁香六月欧美| 国产国语露脸激情在线看| 天天操日日干夜夜撸| 午夜福利一区二区在线看| www.自偷自拍.com| av免费在线观看网站| 搡老乐熟女国产| av片东京热男人的天堂| 99精国产麻豆久久婷婷| 国产成人系列免费观看| 午夜视频精品福利| 亚洲自偷自拍图片 自拍| 怎么达到女性高潮| 欧美黄色淫秽网站| 日韩大码丰满熟妇| 黑丝袜美女国产一区| 国产av一区二区精品久久| 极品少妇高潮喷水抽搐| 欧美日韩黄片免| 999精品在线视频| 建设人人有责人人尽责人人享有的| 动漫黄色视频在线观看| 变态另类成人亚洲欧美熟女 | 91麻豆精品激情在线观看国产 | 婷婷成人精品国产| 色播在线永久视频| 最近最新中文字幕大全电影3 | 国产男女超爽视频在线观看| 精品一区二区三卡| 欧美日韩亚洲高清精品| 欧美国产精品va在线观看不卡| 国产成人av激情在线播放| x7x7x7水蜜桃| 又大又爽又粗| 男女免费视频国产| 久久久久久久午夜电影 | av线在线观看网站| 老司机在亚洲福利影院| 精品高清国产在线一区| av天堂久久9| 色综合欧美亚洲国产小说| 亚洲综合色网址| 99久久精品国产亚洲精品| 久99久视频精品免费| 成人手机av| 久久精品亚洲av国产电影网| 亚洲精华国产精华精| 久久久久国内视频| 一夜夜www| 国产成人精品久久二区二区91| 中文字幕人妻丝袜制服| 亚洲av熟女| 亚洲av欧美aⅴ国产| 一级,二级,三级黄色视频| 国产有黄有色有爽视频| 亚洲av第一区精品v没综合| 91av网站免费观看| 叶爱在线成人免费视频播放| 美女高潮到喷水免费观看| 国产午夜精品久久久久久| 99精品欧美一区二区三区四区| 99re6热这里在线精品视频| 久久久水蜜桃国产精品网| 老汉色av国产亚洲站长工具| 久久久久精品人妻al黑| 人人妻人人澡人人爽人人夜夜| 叶爱在线成人免费视频播放| 一夜夜www| 久久精品91无色码中文字幕| 亚洲国产欧美一区二区综合| 国产精品自产拍在线观看55亚洲 | 国产日韩一区二区三区精品不卡| 成人影院久久| 亚洲精品国产色婷婷电影| 欧美大码av| 国产亚洲欧美98| 99精品久久久久人妻精品| 后天国语完整版免费观看| 人成视频在线观看免费观看| 久久99一区二区三区| 欧美成狂野欧美在线观看| 一进一出好大好爽视频| www.自偷自拍.com| 水蜜桃什么品种好| 欧美乱色亚洲激情| 精品卡一卡二卡四卡免费| 色播在线永久视频| 亚洲自偷自拍图片 自拍| 国产精品乱码一区二三区的特点 | 多毛熟女@视频| 欧美另类亚洲清纯唯美| 国产精品亚洲av一区麻豆| 色婷婷av一区二区三区视频| 无人区码免费观看不卡| 女人精品久久久久毛片| 99久久综合精品五月天人人| 91麻豆av在线| 国产高清国产精品国产三级| 久久午夜综合久久蜜桃| 欧美久久黑人一区二区| 精品卡一卡二卡四卡免费| 成年人午夜在线观看视频| 亚洲欧美精品综合一区二区三区| 丰满饥渴人妻一区二区三| 老司机靠b影院| 不卡一级毛片| 午夜免费成人在线视频| 国产在线观看jvid| 两个人免费观看高清视频| 亚洲熟妇中文字幕五十中出 | 欧美在线黄色| 十八禁高潮呻吟视频| 国产又爽黄色视频| 亚洲精品美女久久av网站| 亚洲九九香蕉| 国产精品久久视频播放| 大香蕉久久成人网| 欧美日韩一级在线毛片| 极品人妻少妇av视频| 操美女的视频在线观看| 很黄的视频免费| 在线av久久热| 狂野欧美激情性xxxx| 熟女少妇亚洲综合色aaa.| av一本久久久久| 我的亚洲天堂| 亚洲国产欧美网| 9热在线视频观看99| 欧美日韩黄片免| 亚洲伊人色综图| 精品一区二区三卡| 亚洲第一青青草原| 中文字幕人妻丝袜制服| 中国美女看黄片| tocl精华| 免费不卡黄色视频| 欧美黄色淫秽网站| 久久久国产一区二区| 日韩欧美在线二视频 | 在线观看一区二区三区激情| 精品一品国产午夜福利视频| 宅男免费午夜| 免费观看人在逋| 久久性视频一级片| 中文字幕色久视频| 少妇的丰满在线观看| 国产成人欧美在线观看 | 12—13女人毛片做爰片一| 飞空精品影院首页| 99久久人妻综合| 在线观看免费视频网站a站| 国产一卡二卡三卡精品| 99国产精品免费福利视频| 久久精品人人爽人人爽视色| 夜夜爽天天搞| 免费在线观看黄色视频的| 亚洲一区高清亚洲精品| 国产高清国产精品国产三级| 免费一级毛片在线播放高清视频 | 久热这里只有精品99| 99精品欧美一区二区三区四区| 90打野战视频偷拍视频| 大香蕉久久网| 91av网站免费观看| 又大又爽又粗| 欧美黄色淫秽网站| av网站在线播放免费| 夜夜躁狠狠躁天天躁| 国产在视频线精品| 亚洲熟女毛片儿| 精品亚洲成国产av| 亚洲第一av免费看| 亚洲精品一二三| 久久精品人人爽人人爽视色| 亚洲人成电影观看| 在线av久久热| 一级毛片女人18水好多| 一本综合久久免费| 美女视频免费永久观看网站| 欧美黑人精品巨大| 亚洲av熟女| 欧美日韩一级在线毛片| 国产精品欧美亚洲77777| 丝袜美足系列| 不卡一级毛片| 18禁国产床啪视频网站| 久久中文字幕一级| 亚洲一卡2卡3卡4卡5卡精品中文| 自拍欧美九色日韩亚洲蝌蚪91| 精品高清国产在线一区| 激情视频va一区二区三区| 捣出白浆h1v1| 中文字幕人妻丝袜制服| 99热国产这里只有精品6| 久久影院123| 黄色成人免费大全| 男女午夜视频在线观看| 免费高清在线观看日韩| 一级作爱视频免费观看| 黑人欧美特级aaaaaa片| 女同久久另类99精品国产91| 一级a爱片免费观看的视频| 女性生殖器流出的白浆| 两性夫妻黄色片| 亚洲在线自拍视频| 亚洲熟女毛片儿| 欧美在线黄色| 久久久久久久精品吃奶| 欧美成人免费av一区二区三区 | 水蜜桃什么品种好| 天天躁狠狠躁夜夜躁狠狠躁| 久久人妻福利社区极品人妻图片| 极品人妻少妇av视频| netflix在线观看网站| 女人被躁到高潮嗷嗷叫费观| 亚洲熟妇中文字幕五十中出 | 国产精品久久视频播放| 可以免费在线观看a视频的电影网站| 王馨瑶露胸无遮挡在线观看| 91字幕亚洲| av有码第一页| 69精品国产乱码久久久| 两个人看的免费小视频| 欧美日韩精品网址| 久久久国产欧美日韩av| 99精国产麻豆久久婷婷| 国产精品秋霞免费鲁丝片| 91精品国产国语对白视频| 老熟妇仑乱视频hdxx| 宅男免费午夜| 超色免费av| 正在播放国产对白刺激| 国产精品国产高清国产av | 久久精品91无色码中文字幕| 精品欧美一区二区三区在线| 一级毛片高清免费大全| 三上悠亚av全集在线观看| 亚洲成av片中文字幕在线观看| 青草久久国产| 丰满迷人的少妇在线观看| 亚洲中文字幕日韩| 精品人妻在线不人妻| 欧美在线一区亚洲| 熟女少妇亚洲综合色aaa.| 欧美人与性动交α欧美软件| 日韩成人在线观看一区二区三区| 亚洲av电影在线进入| 免费在线观看黄色视频的| 精品久久久久久久久久免费视频 | 高清av免费在线| 老司机深夜福利视频在线观看| 老熟女久久久| 露出奶头的视频| 操美女的视频在线观看| 咕卡用的链子| 亚洲欧美色中文字幕在线| 国产伦人伦偷精品视频| 99热网站在线观看| 咕卡用的链子| 国产精品影院久久| 女人久久www免费人成看片| 欧美日韩福利视频一区二区| 窝窝影院91人妻| 中文字幕制服av| 国产精品.久久久| 一级作爱视频免费观看| 国精品久久久久久国模美| 悠悠久久av| 国产三级黄色录像| 久久久精品国产亚洲av高清涩受| 看片在线看免费视频| 久热爱精品视频在线9| 激情在线观看视频在线高清 | 国产日韩一区二区三区精品不卡| 国产淫语在线视频| 日本一区二区免费在线视频| 69av精品久久久久久| 亚洲五月婷婷丁香| 老司机福利观看| 中文字幕精品免费在线观看视频| 亚洲全国av大片| 人人妻人人爽人人添夜夜欢视频| 久久性视频一级片| 色尼玛亚洲综合影院| 亚洲精品成人av观看孕妇| 欧美黑人精品巨大| 天天操日日干夜夜撸| 婷婷丁香在线五月| 老司机在亚洲福利影院| 国产精品久久久av美女十八| 欧美日韩亚洲综合一区二区三区_| 男人操女人黄网站| 久久影院123| 国产视频一区二区在线看| 国产91精品成人一区二区三区| 18在线观看网站| 久久人人爽av亚洲精品天堂| 12—13女人毛片做爰片一| 一二三四社区在线视频社区8| 国产熟女午夜一区二区三区| 欧美人与性动交α欧美软件| 久久久国产欧美日韩av| 亚洲精品中文字幕一二三四区| 大片电影免费在线观看免费| 一级a爱视频在线免费观看| 欧美老熟妇乱子伦牲交| 制服诱惑二区| 免费在线观看日本一区| 黑人巨大精品欧美一区二区蜜桃| 99精国产麻豆久久婷婷| 欧美一级毛片孕妇| 国产精品99久久99久久久不卡| 在线免费观看的www视频| 搡老岳熟女国产| 日本a在线网址| 国产在线精品亚洲第一网站| 三上悠亚av全集在线观看| 精品国产一区二区三区久久久樱花| av网站在线播放免费| 亚洲精品一卡2卡三卡4卡5卡| 国产精品久久久人人做人人爽| 亚洲熟女精品中文字幕| 日日夜夜操网爽| 嫩草影视91久久| 满18在线观看网站| 最新美女视频免费是黄的| 老司机靠b影院| 久久国产精品大桥未久av| 老司机午夜福利在线观看视频| 亚洲欧美精品综合一区二区三区| 久久中文看片网| 久久久精品国产亚洲av高清涩受| 欧美乱码精品一区二区三区| 国产淫语在线视频| 午夜精品在线福利| 在线国产一区二区在线| av天堂在线播放| 啪啪无遮挡十八禁网站| 伦理电影免费视频| 大型黄色视频在线免费观看| 一个人免费在线观看的高清视频| 亚洲精品乱久久久久久| 成年人午夜在线观看视频| 91麻豆精品激情在线观看国产 | 久久中文字幕一级| av网站在线播放免费| 变态另类成人亚洲欧美熟女 | 高清在线国产一区| 老汉色∧v一级毛片| 中文字幕另类日韩欧美亚洲嫩草| 午夜成年电影在线免费观看| 丰满饥渴人妻一区二区三| 一个人免费在线观看的高清视频| 久久久国产成人精品二区 | 女人爽到高潮嗷嗷叫在线视频| 久久精品aⅴ一区二区三区四区| 亚洲色图 男人天堂 中文字幕| 天天躁日日躁夜夜躁夜夜| avwww免费| 后天国语完整版免费观看| 久久精品国产综合久久久| 精品一品国产午夜福利视频| 一级作爱视频免费观看| 免费日韩欧美在线观看| 一本一本久久a久久精品综合妖精| 首页视频小说图片口味搜索| 成年版毛片免费区| 另类亚洲欧美激情| 老司机午夜十八禁免费视频| 九色亚洲精品在线播放| 一个人免费在线观看的高清视频| 丰满人妻熟妇乱又伦精品不卡| 美女视频免费永久观看网站| 成人亚洲精品一区在线观看| 首页视频小说图片口味搜索| 亚洲五月色婷婷综合| videosex国产| 亚洲综合色网址| 黄色 视频免费看| 18禁美女被吸乳视频| 亚洲在线自拍视频| 在线观看一区二区三区激情| 亚洲五月婷婷丁香| 香蕉久久夜色| 日本欧美视频一区| 成人黄色视频免费在线看| 国产成+人综合+亚洲专区| 天堂动漫精品| 校园春色视频在线观看| 亚洲国产欧美日韩在线播放| 国产精品av久久久久免费| 国产人伦9x9x在线观看| 99久久人妻综合| 天天操日日干夜夜撸| 91麻豆av在线| 天天躁夜夜躁狠狠躁躁| 亚洲精华国产精华精| 又紧又爽又黄一区二区| 天天躁夜夜躁狠狠躁躁| 国产精品 国内视频| 午夜日韩欧美国产| 黄片小视频在线播放| 欧美成人免费av一区二区三区 | 国产精品久久久av美女十八| 大香蕉久久成人网| 韩国av一区二区三区四区| 人人妻人人爽人人添夜夜欢视频| 777米奇影视久久| 久久久久久久国产电影| 欧美亚洲 丝袜 人妻 在线| 高清欧美精品videossex| 美女高潮喷水抽搐中文字幕| 成年女人毛片免费观看观看9 | 日韩欧美一区二区三区在线观看 | 黄色a级毛片大全视频| 日韩欧美国产一区二区入口| 亚洲av欧美aⅴ国产| 国产精品电影一区二区三区 | 日韩欧美在线二视频 | 夜夜夜夜夜久久久久| 成人特级黄色片久久久久久久| 天堂中文最新版在线下载| 高潮久久久久久久久久久不卡| avwww免费| 老司机午夜十八禁免费视频| 天堂俺去俺来也www色官网| 51午夜福利影视在线观看| 一级毛片精品| av视频免费观看在线观看| 免费不卡黄色视频| 国产高清视频在线播放一区| 一边摸一边抽搐一进一小说 | 国产欧美亚洲国产| 99riav亚洲国产免费| 国产激情欧美一区二区| 人妻 亚洲 视频| 免费在线观看亚洲国产| 激情视频va一区二区三区| 丝袜美腿诱惑在线| 亚洲精品av麻豆狂野| 国产精品国产av在线观看| 18禁裸乳无遮挡动漫免费视频| 国产深夜福利视频在线观看| 香蕉国产在线看| 一级黄色大片毛片| 精品国产一区二区三区久久久樱花| 91老司机精品| avwww免费| 国产成人一区二区三区免费视频网站| 下体分泌物呈黄色| 免费高清在线观看日韩| av国产精品久久久久影院| 美女高潮喷水抽搐中文字幕| 免费久久久久久久精品成人欧美视频| 老熟女久久久| 欧美成狂野欧美在线观看| 亚洲自偷自拍图片 自拍| 国产精品一区二区在线观看99| 亚洲情色 制服丝袜| av视频免费观看在线观看| 99久久综合精品五月天人人| 99久久人妻综合| 18禁黄网站禁片午夜丰满| 999久久久国产精品视频| 国产欧美日韩一区二区精品| 777久久人妻少妇嫩草av网站| 亚洲av第一区精品v没综合| 好看av亚洲va欧美ⅴa在| 一本一本久久a久久精品综合妖精| 欧美中文综合在线视频| 亚洲国产精品sss在线观看 | 十八禁网站免费在线| 色尼玛亚洲综合影院| 亚洲第一av免费看| 亚洲一区高清亚洲精品| 欧美+亚洲+日韩+国产| 欧美色视频一区免费| 在线观看66精品国产| 天天操日日干夜夜撸| 国产亚洲精品一区二区www | 国产成人av激情在线播放| 热99久久久久精品小说推荐| 中出人妻视频一区二区| 新久久久久国产一级毛片| 国产麻豆69| 欧美日韩黄片免| 一区二区三区精品91| 亚洲熟女毛片儿| 日韩大码丰满熟妇| 精品少妇一区二区三区视频日本电影| 亚洲av欧美aⅴ国产| 精品福利观看| 日韩人妻精品一区2区三区| www日本在线高清视频| 18禁美女被吸乳视频| av电影中文网址| 人人妻人人澡人人爽人人夜夜| xxxhd国产人妻xxx| 人人妻人人爽人人添夜夜欢视频| 国产片内射在线| 国产精品免费一区二区三区在线 | 亚洲一区中文字幕在线| 欧美在线一区亚洲| 亚洲午夜精品一区,二区,三区| 天天操日日干夜夜撸| 岛国在线观看网站| 在线看a的网站| 757午夜福利合集在线观看| 亚洲国产精品一区二区三区在线| 久久久久国产精品人妻aⅴ院 | 无限看片的www在线观看| 免费女性裸体啪啪无遮挡网站| 国产成+人综合+亚洲专区| 久久中文字幕一级| 两性午夜刺激爽爽歪歪视频在线观看 | 国产一区二区三区视频了| 成人黄色视频免费在线看| 国产一区二区三区视频了| 别揉我奶头~嗯~啊~动态视频| 久久久久久人人人人人| 日本wwww免费看| 十八禁高潮呻吟视频| 首页视频小说图片口味搜索| 国产在线观看jvid| 免费久久久久久久精品成人欧美视频| 两个人免费观看高清视频| 最新美女视频免费是黄的| 国产精品二区激情视频| 久久久久久久久免费视频了| 中文字幕人妻丝袜一区二区| 99精品在免费线老司机午夜| 视频区欧美日本亚洲| 搡老熟女国产l中国老女人| 久久精品国产亚洲av高清一级| 亚洲午夜精品一区,二区,三区| 又大又爽又粗| 12—13女人毛片做爰片一| 极品人妻少妇av视频| 国产男靠女视频免费网站| 99久久综合精品五月天人人| 国产高清激情床上av| 国产高清国产精品国产三级| 亚洲av成人av| 99久久99久久久精品蜜桃|