• <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
    欧美激情在线99| 日韩强制内射视频| 亚洲欧美日韩卡通动漫| 久久久久性生活片| 天堂网av新在线| 亚洲精品一二三| 看免费成人av毛片| 成人毛片a级毛片在线播放| 街头女战士在线观看网站| 高清日韩中文字幕在线| 亚洲欧美日韩卡通动漫| 国产精品一二三区在线看| 午夜久久久久精精品| 久久久精品免费免费高清| 夫妻性生交免费视频一级片| 精品久久久久久久久亚洲| 2018国产大陆天天弄谢| 亚洲综合精品二区| 久热久热在线精品观看| 高清视频免费观看一区二区 | 嫩草影院入口| 久久草成人影院| 成年女人在线观看亚洲视频 | 三级经典国产精品| freevideosex欧美| 亚洲av中文av极速乱| 国产午夜福利久久久久久| 99热6这里只有精品| 午夜激情久久久久久久| 深夜a级毛片| 久久热精品热| 寂寞人妻少妇视频99o| 免费看光身美女| 少妇的逼水好多| 免费看日本二区| 青春草国产在线视频| 国产老妇伦熟女老妇高清| 丰满少妇做爰视频| 精品久久久精品久久久| 日韩欧美精品免费久久| 禁无遮挡网站| 久久国内精品自在自线图片| 亚洲国产精品专区欧美| 亚洲精品成人久久久久久| 亚洲欧美精品专区久久| 国产黄频视频在线观看| 亚洲国产精品sss在线观看| 国产成年人精品一区二区| 国模一区二区三区四区视频| 日日啪夜夜爽| 老司机影院毛片| 亚洲国产精品sss在线观看| 丰满乱子伦码专区| 亚洲精品第二区| 久久久a久久爽久久v久久| 大香蕉久久网| 日韩人妻高清精品专区| 国产真实伦视频高清在线观看| 一级毛片黄色毛片免费观看视频| 99热这里只有是精品50| 久久精品夜色国产| 欧美日韩国产mv在线观看视频 | 高清欧美精品videossex| 男人爽女人下面视频在线观看| 免费观看的影片在线观看| 国产精品久久久久久av不卡| 三级毛片av免费| 看黄色毛片网站| 大话2 男鬼变身卡| xxx大片免费视频| 天天躁日日操中文字幕| 久久草成人影院| 亚洲最大成人中文| 少妇被粗大猛烈的视频| 日韩av在线免费看完整版不卡| 亚洲怡红院男人天堂| 九色成人免费人妻av| 五月玫瑰六月丁香| 精品一区二区免费观看| 亚洲真实伦在线观看| 亚洲无线观看免费| 高清在线视频一区二区三区| av女优亚洲男人天堂| 能在线免费看毛片的网站| 18禁裸乳无遮挡免费网站照片| 五月天丁香电影| 久99久视频精品免费| 免费观看的影片在线观看| 亚洲国产最新在线播放| 午夜亚洲福利在线播放| 91在线精品国自产拍蜜月| 亚洲精品国产成人久久av| 综合色丁香网| 欧美成人一区二区免费高清观看| 亚洲av免费高清在线观看| 最近的中文字幕免费完整| 嘟嘟电影网在线观看| 99久久人妻综合| 欧美一级a爱片免费观看看| 中文资源天堂在线| 国产精品99久久久久久久久| 全区人妻精品视频| 欧美精品一区二区大全| 亚洲欧美一区二区三区黑人 | 国产精品.久久久| 成年版毛片免费区| 欧美日韩在线观看h| 床上黄色一级片| 99热全是精品| 色5月婷婷丁香| 亚洲精品亚洲一区二区| 一个人免费在线观看电影| 欧美成人精品欧美一级黄| 亚洲在久久综合| 免费高清在线观看视频在线观看| 搡老妇女老女人老熟妇| 精品久久久噜噜| 国产av码专区亚洲av| 久久久成人免费电影| 欧美激情在线99| 午夜久久久久精精品| 欧美日韩综合久久久久久| 草草在线视频免费看| 国产免费视频播放在线视频 | 亚洲国产日韩欧美精品在线观看| 黄色日韩在线| 26uuu在线亚洲综合色| 亚洲av男天堂| 国产av不卡久久| 日本免费a在线| 久久99热6这里只有精品| 亚洲精华国产精华液的使用体验| 少妇人妻一区二区三区视频| 色播亚洲综合网| 精品久久久久久成人av| 国产淫语在线视频| 2021天堂中文幕一二区在线观| 搡老乐熟女国产| 少妇熟女欧美另类| 久久久久久久久久成人| 亚洲怡红院男人天堂| 在线 av 中文字幕| 久久亚洲国产成人精品v| 自拍偷自拍亚洲精品老妇| 天堂√8在线中文| 日韩亚洲欧美综合| 国产成人a区在线观看| 亚洲国产高清在线一区二区三| 国产精品国产三级专区第一集| 观看美女的网站| 免费看日本二区| 亚洲,欧美,日韩| 少妇人妻一区二区三区视频| 能在线免费看毛片的网站| 啦啦啦韩国在线观看视频| 人妻夜夜爽99麻豆av| 精品久久久久久久久av| 男人和女人高潮做爰伦理| 亚洲精华国产精华液的使用体验| 少妇丰满av| 成人特级av手机在线观看| 亚洲高清免费不卡视频| 97热精品久久久久久| 国产亚洲精品久久久com| 韩国av在线不卡| 十八禁国产超污无遮挡网站| 精品少妇黑人巨大在线播放| 精品酒店卫生间| 午夜免费观看性视频| 精品99又大又爽又粗少妇毛片| 亚洲精品成人av观看孕妇| 99热这里只有精品一区| 国产免费又黄又爽又色| 久久久久久久久久成人| 欧美最新免费一区二区三区| 亚洲精品亚洲一区二区| 日本午夜av视频| 精品久久久久久久久av| 亚洲精品中文字幕在线视频 | 女人久久www免费人成看片| 久久精品夜夜夜夜夜久久蜜豆| 欧美成人a在线观看| 国产亚洲av片在线观看秒播厂 | 极品教师在线视频| 日韩,欧美,国产一区二区三区| 少妇被粗大猛烈的视频| 好男人在线观看高清免费视频| 日韩欧美一区视频在线观看 | 欧美xxxx黑人xx丫x性爽| 国产综合懂色| 亚洲精品视频女| 综合色丁香网| 直男gayav资源| av天堂中文字幕网| 精品午夜福利在线看| 人妻少妇偷人精品九色| 免费av观看视频| 欧美日韩在线观看h| 日韩av在线大香蕉| 男女那种视频在线观看| 国产av在哪里看| 亚洲精品久久午夜乱码| 成人鲁丝片一二三区免费| 午夜精品一区二区三区免费看| 黄色配什么色好看| 国内少妇人妻偷人精品xxx网站| 3wmmmm亚洲av在线观看| 91久久精品国产一区二区三区| 久久国内精品自在自线图片| 亚洲精品乱码久久久v下载方式| 免费看光身美女| freevideosex欧美| 777米奇影视久久| 国产精品av视频在线免费观看| 26uuu在线亚洲综合色| 亚洲欧美成人综合另类久久久| 亚洲精品久久午夜乱码| 午夜激情福利司机影院| 成人亚洲精品av一区二区| 国产在线男女| 亚洲av中文av极速乱| 最新中文字幕久久久久| 在线观看av片永久免费下载| 国产精品一区二区三区四区久久| 国语对白做爰xxxⅹ性视频网站| 久久久色成人| 中文字幕亚洲精品专区| 亚洲欧美成人精品一区二区| 我的老师免费观看完整版| 婷婷六月久久综合丁香| 亚洲av一区综合| 最近的中文字幕免费完整| 可以在线观看毛片的网站| 高清午夜精品一区二区三区| 日韩精品有码人妻一区| 在线观看美女被高潮喷水网站| 水蜜桃什么品种好| 99热这里只有是精品50| 免费无遮挡裸体视频| 国产一区二区在线观看日韩| 中国国产av一级| 在线免费十八禁| 亚洲精品一二三| 国产av在哪里看| 欧美成人a在线观看| 最近最新中文字幕大全电影3| ponron亚洲| 亚洲国产欧美人成| 简卡轻食公司| www.色视频.com| 搡女人真爽免费视频火全软件| 少妇的逼好多水| 性色avwww在线观看| 18禁动态无遮挡网站| 午夜免费男女啪啪视频观看| 欧美日韩综合久久久久久| 少妇丰满av| 一个人免费在线观看电影| 国产中年淑女户外野战色| 大又大粗又爽又黄少妇毛片口| 三级男女做爰猛烈吃奶摸视频| 黄片wwwwww| 免费看美女性在线毛片视频| 99久国产av精品国产电影| 十八禁国产超污无遮挡网站| 日本-黄色视频高清免费观看| 夫妻午夜视频| 日本黄色片子视频| 午夜福利在线观看免费完整高清在| 综合色av麻豆| 欧美高清性xxxxhd video| 日本-黄色视频高清免费观看| 久久久久久久午夜电影| 国产在线一区二区三区精| 欧美区成人在线视频| 色综合站精品国产| 蜜桃久久精品国产亚洲av| 身体一侧抽搐| 深爱激情五月婷婷| 高清在线视频一区二区三区| 免费看a级黄色片| 丰满少妇做爰视频| 日日摸夜夜添夜夜添av毛片| 精品国产三级普通话版| 51国产日韩欧美| 免费无遮挡裸体视频| 日本猛色少妇xxxxx猛交久久| 欧美成人精品欧美一级黄| 免费av不卡在线播放| 日韩制服骚丝袜av| 久久久成人免费电影| 黄片wwwwww| 久久久国产一区二区| 最近中文字幕高清免费大全6| 一级毛片久久久久久久久女| 亚洲成人一二三区av| 日韩视频在线欧美| 久久久久久久久久久免费av| 91aial.com中文字幕在线观看| 舔av片在线| 97精品久久久久久久久久精品| 成人一区二区视频在线观看| 三级国产精品欧美在线观看| 在线免费观看的www视频| 一级毛片我不卡| 成人美女网站在线观看视频| 久久精品国产亚洲av涩爱| 亚洲精品成人久久久久久| 两个人视频免费观看高清| 亚洲精品国产av蜜桃| 一边亲一边摸免费视频| 亚洲精品国产av成人精品| 日韩电影二区| 亚洲美女视频黄频| 99热这里只有精品一区| 日产精品乱码卡一卡2卡三| 一区二区三区乱码不卡18| 亚洲精品一二三| 97超视频在线观看视频| 色视频www国产| 婷婷色麻豆天堂久久| 亚洲四区av| 成人高潮视频无遮挡免费网站| 高清av免费在线| 亚洲av电影不卡..在线观看| 精品久久久久久久久亚洲| 成年人午夜在线观看视频 | 99久久九九国产精品国产免费| 国产精品人妻久久久影院| 免费看日本二区| av网站免费在线观看视频 | 国产欧美日韩精品一区二区| 亚洲激情五月婷婷啪啪| 亚洲精品成人av观看孕妇| 亚洲电影在线观看av| 一区二区三区四区激情视频| a级一级毛片免费在线观看| 亚洲熟妇中文字幕五十中出| 伊人久久国产一区二区| 国产一区二区在线观看日韩| 国产乱来视频区| 亚洲av国产av综合av卡| 国产亚洲av嫩草精品影院| 日韩,欧美,国产一区二区三区| av又黄又爽大尺度在线免费看| 晚上一个人看的免费电影| 欧美xxⅹ黑人| 好男人在线观看高清免费视频| 免费无遮挡裸体视频| 听说在线观看完整版免费高清| 乱码一卡2卡4卡精品| 九九久久精品国产亚洲av麻豆| 青春草国产在线视频| 天堂中文最新版在线下载 | 菩萨蛮人人尽说江南好唐韦庄| 欧美丝袜亚洲另类| 寂寞人妻少妇视频99o| 91在线精品国自产拍蜜月| videos熟女内射| 精品久久久久久电影网| 中文字幕制服av| 日韩欧美 国产精品| 成人漫画全彩无遮挡| 男人狂女人下面高潮的视频| 美女高潮的动态| 色视频www国产| 国产高清不卡午夜福利| 成人国产麻豆网| 久久国内精品自在自线图片| 久久久久久久久久成人| 高清日韩中文字幕在线| 亚洲国产精品成人久久小说| 麻豆乱淫一区二区| 成人亚洲精品一区在线观看 | 少妇熟女aⅴ在线视频| 国产成人91sexporn| 国产亚洲av嫩草精品影院| 啦啦啦韩国在线观看视频| 亚洲欧美精品自产自拍| xxx大片免费视频| 午夜激情福利司机影院| 亚洲无线观看免费| 久久这里只有精品中国| 男插女下体视频免费在线播放| 成人欧美大片| 91aial.com中文字幕在线观看| 日本爱情动作片www.在线观看| 亚洲不卡免费看| 国产有黄有色有爽视频| 夫妻午夜视频| 久久精品久久久久久久性| 少妇熟女aⅴ在线视频| 欧美精品一区二区大全| 国产亚洲午夜精品一区二区久久 | 69人妻影院| 成人亚洲精品av一区二区| 久久久精品免费免费高清| 午夜久久久久精精品| 免费观看av网站的网址| 国产亚洲午夜精品一区二区久久 | 日日干狠狠操夜夜爽| 2021少妇久久久久久久久久久| 十八禁国产超污无遮挡网站| 精品国产露脸久久av麻豆 | 一个人免费在线观看电影| 丝瓜视频免费看黄片| 国产精品一区二区性色av| 最近视频中文字幕2019在线8| 国产乱来视频区| 少妇高潮的动态图| 一级片'在线观看视频| 亚洲av在线观看美女高潮| 国产黄色免费在线视频| 女人十人毛片免费观看3o分钟| 最近最新中文字幕大全电影3| 黄片wwwwww| 国产亚洲5aaaaa淫片| 婷婷色麻豆天堂久久| 综合色丁香网| 久久久久久久亚洲中文字幕| 国产乱人视频| 一二三四中文在线观看免费高清| 少妇熟女欧美另类| 不卡视频在线观看欧美| 日韩不卡一区二区三区视频在线| 亚洲国产精品成人久久小说| 精品酒店卫生间| 少妇的逼好多水| 91精品国产九色| 国产老妇女一区| 亚洲最大成人av| 成年av动漫网址| 亚洲av日韩在线播放| 欧美一区二区亚洲| 亚洲国产精品国产精品| av在线蜜桃| 久久97久久精品| 最近最新中文字幕大全电影3| 国产黄色免费在线视频| 亚洲精品影视一区二区三区av| a级一级毛片免费在线观看| 亚洲欧美日韩无卡精品| 午夜福利视频1000在线观看| 伊人久久精品亚洲午夜| 女人十人毛片免费观看3o分钟| 日韩,欧美,国产一区二区三区| 免费观看性生交大片5| 高清视频免费观看一区二区 | 久久久色成人| 精品熟女少妇av免费看| 最近手机中文字幕大全| 全区人妻精品视频| 欧美日韩国产mv在线观看视频 | 亚洲图色成人| 久久久久精品久久久久真实原创| 亚洲不卡免费看| 亚洲国产av新网站| 尤物成人国产欧美一区二区三区| 久久久久久伊人网av| 99久久人妻综合| 美女国产视频在线观看| 大片免费播放器 马上看| 黄色一级大片看看| 久久6这里有精品| 日本熟妇午夜| 美女黄网站色视频| 久久精品久久久久久久性| 欧美日韩视频高清一区二区三区二| 国产美女午夜福利| 少妇熟女aⅴ在线视频| 国产成人精品一,二区| 亚洲精品视频女| 国产成人a∨麻豆精品| 欧美97在线视频| 永久网站在线| 亚洲av一区综合| 女的被弄到高潮叫床怎么办| 十八禁网站网址无遮挡 | 搞女人的毛片| 99re6热这里在线精品视频| 久久久精品94久久精品| 亚洲欧美成人精品一区二区| 中国国产av一级| 小蜜桃在线观看免费完整版高清| 色吧在线观看| 天堂影院成人在线观看| 99热网站在线观看| av线在线观看网站| 国内揄拍国产精品人妻在线| 亚洲一区高清亚洲精品| 汤姆久久久久久久影院中文字幕 | 国产在线一区二区三区精| 日韩中字成人| 晚上一个人看的免费电影| 日韩电影二区| 国产午夜精品一二区理论片| 中文欧美无线码| 成人午夜高清在线视频| 亚洲精品一二三| 国产精品av视频在线免费观看| 亚洲四区av| .国产精品久久| 一区二区三区四区激情视频| 亚洲欧美成人精品一区二区| 舔av片在线| 国产伦理片在线播放av一区| 亚洲av电影在线观看一区二区三区 | 国产精品一及| 久久精品国产鲁丝片午夜精品| 男人舔女人下体高潮全视频| 中文字幕制服av| 日本色播在线视频| 国产单亲对白刺激| 亚洲自拍偷在线| 啦啦啦啦在线视频资源| 亚洲精品亚洲一区二区| 国产乱来视频区| 菩萨蛮人人尽说江南好唐韦庄| 天堂av国产一区二区熟女人妻| 嫩草影院新地址| 2018国产大陆天天弄谢| 久久亚洲国产成人精品v| 美女内射精品一级片tv| 国产永久视频网站| 亚洲精品乱码久久久v下载方式| 亚洲内射少妇av| 日本熟妇午夜| 麻豆成人午夜福利视频| 日韩伦理黄色片| 欧美一级a爱片免费观看看| 观看美女的网站| 欧美三级亚洲精品| 亚洲精品456在线播放app| 亚洲自偷自拍三级| 伊人久久精品亚洲午夜| 精品一区二区三区视频在线| 婷婷色综合大香蕉| 可以在线观看毛片的网站| 久久6这里有精品| 成人毛片a级毛片在线播放| 嘟嘟电影网在线观看| 国产欧美另类精品又又久久亚洲欧美| 欧美激情国产日韩精品一区| 国产精品熟女久久久久浪| 日韩欧美精品v在线| 国产精品麻豆人妻色哟哟久久 | 国产精品一区二区在线观看99 | 国产免费福利视频在线观看| 99久国产av精品| 少妇的逼好多水| 看十八女毛片水多多多| 国产美女午夜福利| 日韩伦理黄色片| 国产亚洲av片在线观看秒播厂 | 国产69精品久久久久777片| 亚洲人成网站在线观看播放| 男女下面进入的视频免费午夜| 欧美xxxx黑人xx丫x性爽| 久久久久久九九精品二区国产| 亚洲一区高清亚洲精品| 国产 一区精品| 久久精品久久久久久久性| 日韩av在线免费看完整版不卡| 天堂俺去俺来也www色官网 | 国产一区二区亚洲精品在线观看| 国产又色又爽无遮挡免| 69av精品久久久久久| 你懂的网址亚洲精品在线观看| av女优亚洲男人天堂| 国产三级在线视频| 亚洲不卡免费看| 国产成人精品婷婷| 青春草视频在线免费观看| 久久久精品94久久精品| 亚洲欧美日韩东京热| 天天躁日日操中文字幕| 插逼视频在线观看| 久99久视频精品免费| .国产精品久久| 国产麻豆成人av免费视频| 少妇被粗大猛烈的视频| 精品久久久噜噜| 激情 狠狠 欧美| 亚洲欧美日韩东京热| 国内精品宾馆在线| 91aial.com中文字幕在线观看| 乱码一卡2卡4卡精品| 精品一区在线观看国产| 久久久久国产网址| 国产精品嫩草影院av在线观看| 男人舔奶头视频| 国产精品一二三区在线看| 精品国产三级普通话版| 国产探花在线观看一区二区| 国产亚洲最大av| 亚洲欧美成人精品一区二区| 午夜福利视频精品| 国产乱人视频| 日本三级黄在线观看| 久久人人爽人人爽人人片va| 国产精品人妻久久久久久| 国产精品久久视频播放| ponron亚洲| 午夜福利成人在线免费观看| 黑人高潮一二区| 91精品一卡2卡3卡4卡| 色播亚洲综合网| 亚洲电影在线观看av| 非洲黑人性xxxx精品又粗又长| 亚洲熟女精品中文字幕| 亚洲人成网站在线播| 久久久久久久久久黄片| 成人一区二区视频在线观看| 国产高清国产精品国产三级 | 免费黄频网站在线观看国产|