• <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 ?

    基于多尺度高階注意力機(jī)制的視網(wǎng)膜血管分割①

    2022-11-07 09:08:32姜璐璐李思聰曹加旺孫司琦鄒海東
    關(guān)鍵詞:特征

    姜璐璐,李思聰,曹加旺,孫司琦,馮 瑞,,鄒海東,4

    1(復(fù)旦大學(xué) 工程與應(yīng)用技術(shù)研究院,上海 200433)

    2(上海交通大學(xué)附屬第一人民醫(yī)院,上海 200080)

    3(復(fù)旦大學(xué) 計(jì)算機(jī)科學(xué)技術(shù)學(xué)院,上海 200433)

    4(蘇州市產(chǎn)業(yè)技術(shù)研究院,蘇州 215011)

    1 引言

    血管系統(tǒng)是視網(wǎng)膜的基本結(jié)構(gòu),其形態(tài)學(xué)和拓?fù)浣Y(jié)構(gòu)的變化可以用來識(shí)別和分類系統(tǒng)性代謝和血液疾病的嚴(yán)重程度,例如糖尿病和高血壓[1].糖尿病性視網(wǎng)膜病變 (DR)是糖尿病的一種常見并發(fā)癥,是由視網(wǎng)膜微血管滲漏和阻塞導(dǎo)致的一系列眼底病變.DR 可引起新血管的生長,是否有異常新生血管也是判斷增殖性DR 與非增殖性DR 的標(biāo)準(zhǔn)[2].高血壓視網(wǎng)膜病變 (HR)是另一種常見的由高血壓引起的視網(wǎng)膜疾病[3].在高血壓患者中,可以觀察到血管彎曲度增加或血管狹窄[4].通過視網(wǎng)膜血管獲得的血管形狀和分叉的信息,可以增強(qiáng)對(duì)DR 或者HR 的監(jiān)測(cè).因此,分割視網(wǎng)膜血管對(duì)于一些嚴(yán)重疾病的早期診斷與治療具有重要意義.

    現(xiàn)有的眼底視網(wǎng)膜成像技術(shù)有以下幾類: 彩色眼底照相 (FP)技術(shù)、眼底熒光素血管造影 (FFA)、光學(xué)相干斷層掃描 (OCT)以及眼底相干光層析血管成像(OCTA).彩色眼底照相是最常用的視網(wǎng)膜成像技術(shù),其優(yōu)點(diǎn)是獲取方式簡單、圖像易于觀察.

    傳統(tǒng)的無監(jiān)督方法一般包括: 濾波匹配法、區(qū)域生長、血管跟蹤、閾值分割和圖像形態(tài)學(xué)處理等.這些傳統(tǒng)的無監(jiān)督方法不需要人工標(biāo)注,但這些方法依賴于手工提取特征進(jìn)行血管表示與分割.此外,此類算法存在分割精度不夠、泛化性較差等局限性.

    與傳統(tǒng)的無監(jiān)督方法相比,深度卷積神經(jīng)網(wǎng)絡(luò)方法具有更強(qiáng)大的特征表征和學(xué)習(xí)能力,在醫(yī)學(xué)圖像分割任務(wù)中取得了最高水平[5].自2015年引入U(xiǎn)-Net[6]以來,它已成為醫(yī)學(xué)影像分割中最具影響力的深度學(xué)習(xí)框架[7-10].其整體網(wǎng)絡(luò)采用編碼器-解碼器的結(jié)構(gòu),通過“跳躍連接”將不同分辨率的特征圖進(jìn)行通道融合產(chǎn)生較好的分割效果.盡管U-Net 具有良好的表示能力,但它依賴于多級(jí)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò).這種方法在重復(fù)提取低層特征時(shí)會(huì)導(dǎo)致計(jì)算資源的過度和冗余使用[11].

    注意力機(jī)制被提出用于解決以上問題,其模仿了人類視覺所特有的大腦信號(hào)處理機(jī)制,令網(wǎng)絡(luò)從大量信息中重點(diǎn)關(guān)注對(duì)任務(wù)結(jié)果更重要的區(qū)域,而抑制其他不重要的部分[12].在視網(wǎng)膜血管分割任務(wù)中,背景像素占比較大,而血管像素的占比小,因此可以采用注意力機(jī)制關(guān)注血管區(qū)域.卷積神經(jīng)網(wǎng)絡(luò)可以利用不同類型的注意力機(jī)制以關(guān)注重要的區(qū)域或者特征通道[13-18].例如,空間注意力機(jī)制[11,18]利用特征的空間關(guān)系生成空間注意力圖從而使網(wǎng)絡(luò)關(guān)注具有豐富信息的區(qū)域,通道注意力機(jī)制[13]通過顯式建模通道間的依賴關(guān)系來提高模型的性能.空間注意力和通道注意力的融合[15]也已成功地應(yīng)用于醫(yī)學(xué)分割領(lǐng)域.

    然而,這些常用的方法是一階注意力機(jī)制,難以提取圖像中一些更為抽象的高階語義信息且不能充分利用到全圖像的信息,導(dǎo)致在處理形狀和結(jié)構(gòu)復(fù)雜的目標(biāo)時(shí)發(fā)生退化[19].尤其在視網(wǎng)膜血管分割任務(wù)中,由于血管形態(tài)結(jié)構(gòu)多變,以上方法仍欠缺對(duì)復(fù)雜和高階特征信息的捕獲能力.

    本文提出了一種基于多尺度高階注意力機(jī)制的視網(wǎng)膜圖像分割方法(MHA-Net),可以明顯提高視網(wǎng)膜血管的分割精度.該方法采用改進(jìn)的U-Net 結(jié)構(gòu),并引入多尺度高階注意力模塊,對(duì)編碼器提取到的深層特征進(jìn)一步處理,聚焦于圖像的高階語義信息,從而改進(jìn)模型處理醫(yī)學(xué)圖像分割時(shí)尺度不變的缺陷.經(jīng)過在DRIVE[20]數(shù)據(jù)集上的實(shí)驗(yàn)證明,該方法有效地提高了分割的精度,同時(shí)對(duì)細(xì)小血管的分割也更為精細(xì).

    2 相關(guān)工作

    2.1 空洞卷積在圖像分割中的應(yīng)用

    空洞卷積(dilated convolution)[21,22]通過在卷積核相鄰兩個(gè)元素之間插入零值,在不增加參數(shù)量和計(jì)算成本的同時(shí)擴(kuò)大了感受野.受空洞空間金字塔池化(ASPP)[23]在語義圖像分割中的應(yīng)用啟發(fā),空洞卷積在醫(yī)學(xué)圖像分割中同樣得到了廣泛的應(yīng)用[17,24].但是,基于空洞卷積的分割方法都存在一個(gè)共同問題,稀疏采樣會(huì)造成詳細(xì)信息的丟失,從而導(dǎo)致像素級(jí)分類不準(zhǔn)確.D-LinkNet[25]利用“短路連接(shortcut)”結(jié)合了文獻(xiàn)[21]的級(jí)聯(lián)模型與文獻(xiàn)[1]的并行模型.

    之前的研究主要集中在通過增加在不同尺度特征圖上的感受野,從而直接提高分割網(wǎng)絡(luò)的性能.我們的工作與上述方法不同,我們利用空洞卷積對(duì)不同尺度的特征圖進(jìn)行采樣,并通過聚合這些多尺度的特征圖產(chǎn)生高階注意力圖,從而進(jìn)一步使網(wǎng)絡(luò)聚焦于更加抽象和全面的語義信息.

    2.2 高階注意力

    注意力機(jī)制的思想核心是通過計(jì)算權(quán)重矩陣而使網(wǎng)絡(luò)有選擇地關(guān)注具有重要信息的部分[12].Okty 等人[11]提出了用于醫(yī)療影像分割的注意力門控(attention gate,AG)模型,該模型可以自動(dòng)學(xué)習(xí)區(qū)分目標(biāo)的外形和尺寸,在小目標(biāo)分割任務(wù)中效果尤其顯著.不同于在跳躍連接中添加注意力門控(AG)的方法,SA-UNet[14]引入了一個(gè)空間注意力模塊,通過在空間維度計(jì)算注意力權(quán)重矩陣并與輸入的特征圖相乘,實(shí)現(xiàn)自適應(yīng)地細(xì)化特征.該方法是注意力模塊在U 形分割網(wǎng)絡(luò)降采樣后的深層特征圖上的一種應(yīng)用.Chen 等[19]首先提出了高階注意力模型,并將其應(yīng)用于行人重識(shí)別建模.該模型利用注意機(jī)制中形成的復(fù)雜高階統(tǒng)計(jì)量,捕捉行人之間的細(xì)微差異,從而產(chǎn)生區(qū)別性的關(guān)注建議.Ding 等[26]利用圖的傳遞閉包進(jìn)一步優(yōu)化高階注意力模塊,在此基礎(chǔ)上提出具有自適應(yīng)感受野和動(dòng)態(tài)權(quán)重的high-order attention (HA)模塊.HA 模塊通過圖的傳遞閉包構(gòu)建注意力圖,從而捕獲高階的上下文相關(guān)信息.

    之前的一些工作(如文獻(xiàn)[13])通過在U 型網(wǎng)絡(luò)的底部引入注意力機(jī)制來進(jìn)一步挖掘深層次的特征.然而,這些網(wǎng)絡(luò)更多地關(guān)注了局部信息,而忽略深層特征中的全局信息.這導(dǎo)致盡管在提取深層特征時(shí)添加了幾種不同類型的注意力模塊,也不能有效地提高醫(yī)學(xué)圖像分割任務(wù)的性能.相反,模型的性能甚至?xí)杂邢陆?

    本文的工作是在上述注意力機(jī)制[14,19,26]上的改進(jìn).在U 形網(wǎng)絡(luò)的多個(gè)降采樣塊之后所得的深層特征的噪聲相對(duì)較小,因此注意力模塊需要盡可能地挖掘深層特征中的全局信息.另一方面,與淺層特征相比,在深層特征中引入噪聲會(huì)對(duì)整個(gè)模型造成更大的損害.因此,本文設(shè)計(jì)了多尺度高階注意力(MHA)模塊,其在不引入噪聲的前提下引導(dǎo)網(wǎng)絡(luò)提取深層特征中的更為全局的信息,有效提高了視網(wǎng)膜血管中分割性能.

    3 基于多尺度高階注意力機(jī)制的分割網(wǎng)絡(luò)

    3.1 網(wǎng)絡(luò)框架

    圖1 給出了基于多尺度高階注意力機(jī)制的視網(wǎng)膜圖像分割方法(MHA-Net)的網(wǎng)絡(luò)架構(gòu),其遵循了編碼器-解碼器的U 型結(jié)構(gòu).編碼器包含若干個(gè)下采樣塊和MHA 模塊,其中每個(gè)下采樣塊由1 個(gè)3×3 的卷積層、1 個(gè)批處理規(guī)范化層和一個(gè)ReLU 激活函數(shù)層組成,3 個(gè)下采樣塊連接在一起后緊跟一個(gè)2×2 的最大池化操作.在下采樣完成之后,將提取到的圖像深層次特征輸入到MHA 模塊進(jìn)行細(xì)化,MHA 模塊的位置放置于網(wǎng)絡(luò)底部,即U 型收縮路徑和擴(kuò)張路徑之間.在此處加入attention 模塊的原因是在靠前位置采集到的為低層次結(jié)構(gòu)信息,包含有許多噪聲.此外,加權(quán)的shortcut 被引入以保留原本的上下文信息.最后,經(jīng)過融合得到的特征圖通過編碼器產(chǎn)生最終的分割結(jié)果.解碼器部分使用反卷積[27]進(jìn)行上采樣操作.

    圖1 MHA-Net 架構(gòu)圖

    3.2 多尺度高階注意力模塊

    本文提出的多尺度高階注意力模塊如圖2 所示.在編碼器的底部,原始的特征圖Xin∈RH×W×C通過并行的共享權(quán)重的空洞卷積(膨脹率r分別為1,2,4,8),產(chǎn)生新的多尺度特征圖分為為Xr(r=1,2,4,8),通過1×1 卷積得到的特征圖為X*.將這些多尺度特征圖使用式(1)計(jì)算得到融合的多尺度注意力矩陣:

    圖2 多尺度高階注意力(MHA)模塊

    其中,1/C是用來控制數(shù)值爆炸的縮放因子.之后,利用圖的傳遞閉包計(jì)算了多尺度高階注意力矩陣A,m∈{1,2,···,n}.具體計(jì)算的細(xì)節(jié)將在第3.3 節(jié)討論.最后,將特征圖X*與歸一化的高階注意力矩陣相乘得到細(xì)化的特征圖Xm,如式(2):

    Γθ代表1×1 卷積.在多尺度高階注意力模塊之后,將細(xì)化后的特征圖Xm乘上自適應(yīng)因子 α以抵消縮放因子1/C的偏移影響,如式(3):

    深層特征圖在通過多尺度高階注意力模塊之后,提取了更加高階抽象的語義特征,也更具有區(qū)分力,從而更聚焦于血管的分割.之后,再通過解碼器模塊,逐漸從低分辨率重構(gòu)至高分辨率.

    3.3 高階注意力傳播機(jī)制

    根據(jù)文獻(xiàn)[26],最初的多尺度注意力融合矩陣可以看做圖的鄰接矩陣,圖中的邊表示連接的兩個(gè)節(jié)點(diǎn)屬于同一類.如圖3 所示,給定注意力圖,通過閾值化刪去低置信度的邊后形成下采樣的圖如式(4):

    圖3 三階高階注意力傳播原理圖: 以黃色點(diǎn)為中心點(diǎn)通過圖的傳遞閉包進(jìn)行傳播

    其中,δ代表閾值,設(shè)置為0.5.如圖4 所示,根據(jù)圖的傳遞閉包,可以通過鄰接矩陣自乘m-1 次得到:

    其中,m表示鄰接矩陣冪次的整數(shù),代表注意力傳播的階數(shù).因此,不同層次的注意力信息通過解耦成不同的注意圖并得到高度相關(guān)的鄰居.生成的高階注意圖用于聚合多層次的上下文信息.

    4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

    4.1 數(shù)據(jù)集與實(shí)驗(yàn)參數(shù)

    本文使用的數(shù)據(jù)集是DRIVE (digital retinal image for vessel extraction)[20].該數(shù)據(jù)集包含40 張圖像像素尺寸為584×565 的彩色眼底圖像,其中訓(xùn)練集與測(cè)試集各20 張.為擴(kuò)充數(shù)據(jù),避免訓(xùn)練樣本過少可能造成的過擬合問題,我們對(duì)訓(xùn)練樣本隨機(jī)采樣256×256 的patch.此外,使用隨機(jī)翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)、彈性形變等方法進(jìn)行數(shù)據(jù)增強(qiáng).本文使用PyTorch 框架[28],批量設(shè)置為 16,采用Adam 算法[29]優(yōu)化模型,學(xué)習(xí)率設(shè)置為0.000 1.動(dòng)量和權(quán)重衰減因子分別設(shè)置為0.9 和0.999.

    4.2 評(píng)價(jià)指標(biāo)

    為了對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行客觀的定量分析,選取以下指標(biāo)進(jìn)行計(jì)算: Dice 系數(shù)(DSC)、準(zhǔn)確率(ACC)、敏感度(SE)、特異性(SP)和ROC 曲線下面積AUC.AUC 的范圍在0-1 之間,AUC 越逼近 1,其模型預(yù)測(cè)能力越高.評(píng)價(jià)指標(biāo)的計(jì)算方式如下:

    其中,X代表金標(biāo)準(zhǔn),Y代表預(yù)測(cè)結(jié)果.真陽性TP為正確分類的血管像素個(gè)數(shù),真陰性TN正確分類的背景點(diǎn)像素個(gè)數(shù),假陽性FP為背景像素誤分成血管像素的個(gè)數(shù),假陰性FN為血管像素誤分成背景像素的個(gè)數(shù).

    4.3 實(shí)驗(yàn)結(jié)果分析

    本文算法性能在DRIVE 數(shù)據(jù)集上評(píng)估,圖4 展示了部分分割結(jié)果.圖4(a)為原始圖像,圖4(b)為金標(biāo)準(zhǔn)圖像,圖4(c)為本文算法的分割結(jié)果,從結(jié)果可以看出,本文算法整體分割效果良好,平滑度也優(yōu)于金標(biāo)準(zhǔn).同時(shí),本文算法細(xì)節(jié)上表現(xiàn)優(yōu)秀,保持了微血管的連通性,說明本文中采取的注意力機(jī)制能夠關(guān)注到重要的血管區(qū)域.

    圖4 DRIVE 數(shù)據(jù)集分割結(jié)果

    為了驗(yàn)證本文所提出的模型性能的優(yōu)越性,表1將本文算法與近兩年最先進(jìn)的血管分割算法的各項(xiàng)指標(biāo)進(jìn)行對(duì)比,其中加粗字體部分為每項(xiàng)最優(yōu)指標(biāo).

    表1 DRIVE 數(shù)據(jù)集上不同算法分割性能比較

    結(jié)果表明,本文提出的多尺度高階注意力方法MHA-Net 取得了優(yōu)異的表現(xiàn),其Dice 系數(shù)、靈敏度和AUC 分別達(dá)到了0.826 6、0.831 2 和0.988 3,在所有方法中表現(xiàn)最優(yōu).本文算法在保證高準(zhǔn)確率的同時(shí),有著良好的敏感度,這意味著分割結(jié)果盡可能地保留血管信息,分割得到的血管連續(xù)完整.綜上所述,本文算法整體性能優(yōu)于現(xiàn)有算法.

    為了證明提出的多尺度高階注意力(MHA)模塊的有效性,在DRIVE 數(shù)據(jù)集上還進(jìn)行了消融實(shí)驗(yàn).表2展示了U-Net、U-Net+MHA、Backbone、Backbone+HA 以及MHA-Net 的分割性能.其中U-Net+MHA 表示在U-Net 基礎(chǔ)上引入MHA 模塊的網(wǎng)絡(luò),Backbone表示在本文使用的骨干網(wǎng)絡(luò),Backbone+HA 表示與本文相同的骨干網(wǎng)絡(luò)上引入原始的高階注意力HA 模塊,MHA-Net 為本文算法,相當(dāng)于Backbone+MHA,即在本文使用的骨干網(wǎng)絡(luò)上引入多尺度高階注意力MHA 模塊.

    表2 DRIVE 數(shù)據(jù)集上的消融實(shí)驗(yàn)

    結(jié)果表明: (1)U-Net+MHA 比U-Net 有更好的性能,準(zhǔn)確率提高0.07%,敏感度提高1.56%,AUC 提高0.20%,這證明了本文提出的多尺度高階注意(MHA)模塊的有效性.(2)MHA-Net 在準(zhǔn)確率、靈敏度和AUC 指標(biāo)上都優(yōu)于Backbone+HA,這表明多尺度高階注意力模塊對(duì)多尺度上下文特征信息捕捉能力更強(qiáng),對(duì)復(fù)雜結(jié)構(gòu)的血管圖像有更強(qiáng)的特征提取能力.(3)本文提出的MHA-Net 在大多數(shù)指標(biāo)上都表現(xiàn)最好,在視網(wǎng)膜血管分割領(lǐng)域全面優(yōu)于U-Net,說明該網(wǎng)絡(luò)模型的合理性和優(yōu)越性.

    此外,對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了可視化分析,如圖5 所示,從左至右依次是原始圖、金標(biāo)準(zhǔn)、U-Net 分割結(jié)果、Backbone+HA 分割結(jié)果以及MHA-Net (本文)分割結(jié)果.我們放大了微血管,本文提出的MHA-Net 分割結(jié)果更加精細(xì),在血管末也未出現(xiàn)粘連或者斷裂的情況.

    圖5 DRIVE 數(shù)據(jù)集分割結(jié)果對(duì)比

    5 結(jié)論與展望

    本文針對(duì)視網(wǎng)膜血管分割任務(wù)中血管粗細(xì)不勻、形狀多變、微小血管易斷裂等問題,本文提出多尺度高階注意力(MHA)機(jī)制以自適應(yīng)地挖掘深層次特征.MHA-Net 以端到端方式進(jìn)行視網(wǎng)膜血管分割訓(xùn)練,并通過MHA 模塊學(xué)習(xí)到具有鑒別性的特征.在DRIVE上的實(shí)驗(yàn)表明,本文提出的算法取得了優(yōu)越的分割性能.同時(shí),MHA 模塊可以即插即用,在各種醫(yī)學(xué)影像分割任務(wù)中適用.后續(xù)的工作將嘗試把多尺度高階注意力機(jī)制運(yùn)用到三維的影像分割中.

    猜你喜歡
    特征
    抓住特征巧觀察
    離散型隨機(jī)變量的分布列與數(shù)字特征
    具有兩個(gè)P’維非線性不可約特征標(biāo)的非可解群
    月震特征及與地震的對(duì)比
    如何表達(dá)“特征”
    被k(2≤k≤16)整除的正整數(shù)的特征
    不忠誠的四個(gè)特征
    詈語的文化蘊(yùn)含與現(xiàn)代特征
    新聞傳播(2018年11期)2018-08-29 08:15:24
    抓住特征巧觀察
    基于特征篩選的模型選擇
    人妻人人澡人人爽人人| 亚洲第一青青草原| 欧美成人午夜精品| 丰满迷人的少妇在线观看| 美女主播在线视频| 国产精品av久久久久免费| 国产午夜精品一二区理论片| 超碰97精品在线观看| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产av影院在线观看| 国产成人精品在线电影| 在线观看www视频免费| 综合色丁香网| 1024视频免费在线观看| 日韩在线高清观看一区二区三区| 久久精品夜色国产| 下体分泌物呈黄色| 婷婷色综合www| 91精品国产国语对白视频| 亚洲色图 男人天堂 中文字幕| 人人妻人人爽人人添夜夜欢视频| 久久久久国产网址| 国产精品久久久久久精品电影小说| 欧美日韩亚洲国产一区二区在线观看 | 久久 成人 亚洲| 午夜免费鲁丝| 成人18禁高潮啪啪吃奶动态图| 夫妻午夜视频| 自拍欧美九色日韩亚洲蝌蚪91| 精品午夜福利在线看| 少妇的丰满在线观看| 最新中文字幕久久久久| 日产精品乱码卡一卡2卡三| 成人毛片60女人毛片免费| 免费高清在线观看日韩| 久久久久精品人妻al黑| 免费看不卡的av| 一区福利在线观看| h视频一区二区三区| 日韩电影二区| 秋霞伦理黄片| 国产色婷婷99| 日韩视频在线欧美| 男人添女人高潮全过程视频| 久久婷婷青草| 国产av一区二区精品久久| 午夜福利一区二区在线看| 一区福利在线观看| 午夜福利一区二区在线看| 国产成人午夜福利电影在线观看| 国产精品不卡视频一区二区| 18+在线观看网站| 欧美激情 高清一区二区三区| 午夜免费男女啪啪视频观看| 国产又色又爽无遮挡免| 久久毛片免费看一区二区三区| kizo精华| 免费大片黄手机在线观看| 伦精品一区二区三区| 99国产精品免费福利视频| 亚洲经典国产精华液单| 99国产综合亚洲精品| 永久网站在线| 肉色欧美久久久久久久蜜桃| 国产成人精品无人区| 五月开心婷婷网| 亚洲成av片中文字幕在线观看 | 国产精品.久久久| 国产精品国产av在线观看| 国产一区有黄有色的免费视频| 婷婷成人精品国产| 久久久久国产精品人妻一区二区| 超碰成人久久| 国精品久久久久久国模美| 国产人伦9x9x在线观看 | 高清在线视频一区二区三区| 亚洲精品第二区| 亚洲一区中文字幕在线| 天天躁日日躁夜夜躁夜夜| 久久 成人 亚洲| 精品少妇久久久久久888优播| 黑人猛操日本美女一级片| 中文字幕色久视频| 免费播放大片免费观看视频在线观看| 国产精品偷伦视频观看了| 1024视频免费在线观看| 国产女主播在线喷水免费视频网站| 99精国产麻豆久久婷婷| 伦精品一区二区三区| 国产不卡av网站在线观看| 欧美 日韩 精品 国产| 曰老女人黄片| 日本欧美国产在线视频| 大片免费播放器 马上看| 日日摸夜夜添夜夜爱| 黄色怎么调成土黄色| 久久久久人妻精品一区果冻| 国产精品免费大片| 亚洲一级一片aⅴ在线观看| 亚洲av男天堂| 成人手机av| 国产女主播在线喷水免费视频网站| 成年人免费黄色播放视频| 国产乱人偷精品视频| 九色亚洲精品在线播放| 亚洲av综合色区一区| 高清在线视频一区二区三区| 美女中出高潮动态图| 欧美成人精品欧美一级黄| 国产精品99久久99久久久不卡 | 美女视频免费永久观看网站| 蜜桃国产av成人99| 精品一品国产午夜福利视频| 欧美日韩综合久久久久久| 1024香蕉在线观看| 亚洲经典国产精华液单| 99精国产麻豆久久婷婷| 最近最新中文字幕大全免费视频 | 九色亚洲精品在线播放| 飞空精品影院首页| 久久久久久久亚洲中文字幕| 人妻 亚洲 视频| 国产精品二区激情视频| 日韩,欧美,国产一区二区三区| 亚洲人成77777在线视频| 午夜福利在线观看免费完整高清在| 一级,二级,三级黄色视频| 哪个播放器可以免费观看大片| 欧美日韩一级在线毛片| 18禁裸乳无遮挡动漫免费视频| 97在线视频观看| 日韩成人av中文字幕在线观看| 高清不卡的av网站| 日韩免费高清中文字幕av| a级毛片黄视频| 性色av一级| 欧美成人午夜免费资源| h视频一区二区三区| 久久亚洲国产成人精品v| 久久久国产精品麻豆| 国产成人精品久久二区二区91 | 亚洲三级黄色毛片| 国产av一区二区精品久久| 伦精品一区二区三区| 伦理电影大哥的女人| 国产熟女欧美一区二区| 交换朋友夫妻互换小说| 母亲3免费完整高清在线观看 | 亚洲成国产人片在线观看| 国产亚洲欧美精品永久| 亚洲国产精品一区三区| 咕卡用的链子| 亚洲三区欧美一区| 少妇的逼水好多| 老司机影院毛片| 成人手机av| 欧美国产精品一级二级三级| 日日爽夜夜爽网站| 日韩中文字幕欧美一区二区 | 免费久久久久久久精品成人欧美视频| 成人18禁高潮啪啪吃奶动态图| 成人漫画全彩无遮挡| 人人澡人人妻人| 高清不卡的av网站| 好男人视频免费观看在线| 亚洲国产最新在线播放| 中文字幕精品免费在线观看视频| 老司机影院成人| 欧美日韩精品网址| 国产乱来视频区| 国产精品久久久久久久久免| www.自偷自拍.com| 国产野战对白在线观看| 亚洲伊人色综图| 97在线人人人人妻| 国产精品久久久av美女十八| 成年动漫av网址| 午夜福利一区二区在线看| 国产成人一区二区在线| 国产一区二区激情短视频 | 女人久久www免费人成看片| 捣出白浆h1v1| 成人免费观看视频高清| 日本免费在线观看一区| av网站免费在线观看视频| 亚洲欧美一区二区三区黑人 | 成人漫画全彩无遮挡| 国产av国产精品国产| 一区二区三区四区激情视频| 精品卡一卡二卡四卡免费| 老司机影院成人| 一区二区三区激情视频| 18禁观看日本| 国产精品麻豆人妻色哟哟久久| 秋霞伦理黄片| 老汉色av国产亚洲站长工具| 久久人妻熟女aⅴ| 国产极品天堂在线| 亚洲熟女精品中文字幕| 性少妇av在线| 亚洲精品国产一区二区精华液| 欧美精品av麻豆av| 精品卡一卡二卡四卡免费| 男人舔女人的私密视频| 欧美黄色片欧美黄色片| 欧美激情极品国产一区二区三区| 成人亚洲精品一区在线观看| 欧美xxⅹ黑人| 大香蕉久久成人网| 日本爱情动作片www.在线观看| 国产av国产精品国产| 美国免费a级毛片| 国产精品99久久99久久久不卡 | 国产精品免费视频内射| 欧美 日韩 精品 国产| 国产xxxxx性猛交| 欧美+日韩+精品| 狠狠婷婷综合久久久久久88av| 1024视频免费在线观看| 精品国产一区二区久久| 97在线视频观看| 在线观看免费高清a一片| 国产精品嫩草影院av在线观看| 在线观看www视频免费| 午夜福利视频在线观看免费| 久久久欧美国产精品| 看十八女毛片水多多多| 天天躁夜夜躁狠狠久久av| av福利片在线| 男女边吃奶边做爰视频| 老司机亚洲免费影院| 亚洲国产精品成人久久小说| 九色亚洲精品在线播放| 在线观看www视频免费| 久久久久久人人人人人| 亚洲av在线观看美女高潮| tube8黄色片| 亚洲精品久久成人aⅴ小说| 亚洲,欧美精品.| 亚洲中文av在线| 免费观看在线日韩| 国产精品 国内视频| 91aial.com中文字幕在线观看| 久久精品国产自在天天线| 性少妇av在线| 日韩av免费高清视频| 亚洲情色 制服丝袜| 99久久综合免费| 五月天丁香电影| 亚洲五月色婷婷综合| 777久久人妻少妇嫩草av网站| 韩国av在线不卡| 18禁观看日本| 亚洲第一av免费看| 夫妻性生交免费视频一级片| 免费人妻精品一区二区三区视频| xxx大片免费视频| 春色校园在线视频观看| 国产在线一区二区三区精| 国产在线视频一区二区| 国产极品天堂在线| 男女高潮啪啪啪动态图| 老司机影院成人| 欧美精品高潮呻吟av久久| 看十八女毛片水多多多| 国产熟女午夜一区二区三区| 久久ye,这里只有精品| 亚洲国产精品成人久久小说| tube8黄色片| 亚洲中文av在线| 一区二区三区精品91| 日本猛色少妇xxxxx猛交久久| 一区二区三区乱码不卡18| 亚洲国产欧美日韩在线播放| 1024香蕉在线观看| 天天操日日干夜夜撸| 亚洲av.av天堂| 综合色丁香网| 另类精品久久| 热99久久久久精品小说推荐| 午夜福利网站1000一区二区三区| 亚洲伊人久久精品综合| 精品少妇久久久久久888优播| 99热全是精品| av在线老鸭窝| 成人亚洲欧美一区二区av| 欧美日韩精品成人综合77777| 成人漫画全彩无遮挡| 一级a爱视频在线免费观看| 久久久久久久亚洲中文字幕| 99精国产麻豆久久婷婷| 精品国产乱码久久久久久小说| 男女国产视频网站| 女性被躁到高潮视频| 一级爰片在线观看| 亚洲一码二码三码区别大吗| 国产精品免费大片| 秋霞在线观看毛片| 国产精品二区激情视频| 日韩中字成人| 精品久久久精品久久久| 精品人妻一区二区三区麻豆| 久久久久国产网址| 大香蕉久久成人网| 免费av中文字幕在线| 不卡av一区二区三区| 天天躁夜夜躁狠狠躁躁| 在线精品无人区一区二区三| 视频在线观看一区二区三区| 熟女少妇亚洲综合色aaa.| 欧美 亚洲 国产 日韩一| 老熟女久久久| 国产精品.久久久| 观看av在线不卡| 丰满迷人的少妇在线观看| a级毛片黄视频| 午夜福利视频在线观看免费| 国产高清不卡午夜福利| 中文字幕人妻熟女乱码| 日韩成人av中文字幕在线观看| 国产无遮挡羞羞视频在线观看| 国产白丝娇喘喷水9色精品| 欧美日韩视频精品一区| 久久午夜综合久久蜜桃| 亚洲欧美一区二区三区国产| 免费少妇av软件| 在线天堂最新版资源| 美女国产视频在线观看| 午夜日韩欧美国产| a级毛片黄视频| 久久久国产欧美日韩av| 亚洲人成77777在线视频| 亚洲av成人精品一二三区| 一区二区三区四区激情视频| 成人二区视频| 在线精品无人区一区二区三| 欧美精品一区二区免费开放| 两个人看的免费小视频| 黄网站色视频无遮挡免费观看| 在线观看一区二区三区激情| 人人妻人人澡人人爽人人夜夜| 久久99精品国语久久久| 久久久久人妻精品一区果冻| 国产成人aa在线观看| 日韩精品免费视频一区二区三区| 满18在线观看网站| 午夜激情久久久久久久| 亚洲国产精品成人久久小说| 精品一区二区三卡| 伊人亚洲综合成人网| 亚洲国产欧美在线一区| 女性被躁到高潮视频| 久久av网站| 成人毛片a级毛片在线播放| 色吧在线观看| 热re99久久国产66热| 999精品在线视频| 国产不卡av网站在线观看| 寂寞人妻少妇视频99o| 久久久久久伊人网av| 高清不卡的av网站| 亚洲av综合色区一区| 国产成人午夜福利电影在线观看| 最近最新中文字幕大全免费视频 | 2021少妇久久久久久久久久久| 中文字幕亚洲精品专区| videosex国产| 国产精品亚洲av一区麻豆 | 婷婷色综合www| 日韩视频在线欧美| 1024视频免费在线观看| 9色porny在线观看| 亚洲精品中文字幕在线视频| 十八禁网站网址无遮挡| 亚洲欧美成人综合另类久久久| 精品少妇内射三级| 亚洲国产毛片av蜜桃av| 午夜日本视频在线| 日本爱情动作片www.在线观看| 久久精品国产鲁丝片午夜精品| 制服丝袜香蕉在线| 国产片内射在线| 国产一级毛片在线| 丝袜美腿诱惑在线| 国产精品 欧美亚洲| 美女视频免费永久观看网站| 亚洲经典国产精华液单| 啦啦啦在线观看免费高清www| 秋霞在线观看毛片| www.av在线官网国产| 中国三级夫妇交换| 777久久人妻少妇嫩草av网站| 99国产精品免费福利视频| 性少妇av在线| 狂野欧美激情性bbbbbb| 精品酒店卫生间| 亚洲av.av天堂| 777久久人妻少妇嫩草av网站| 精品少妇黑人巨大在线播放| 少妇人妻久久综合中文| 国产成人aa在线观看| 日韩,欧美,国产一区二区三区| 久久久久久伊人网av| 97精品久久久久久久久久精品| 国产欧美亚洲国产| 大码成人一级视频| 妹子高潮喷水视频| 香蕉丝袜av| 制服人妻中文乱码| av线在线观看网站| 久久久久久久久久久久大奶| 午夜免费鲁丝| 日本91视频免费播放| 视频在线观看一区二区三区| 啦啦啦视频在线资源免费观看| 一个人免费看片子| 午夜日本视频在线| 亚洲国产欧美网| 久久久精品免费免费高清| 制服诱惑二区| 9191精品国产免费久久| 亚洲精华国产精华液的使用体验| 99热国产这里只有精品6| 97人妻天天添夜夜摸| 成人免费观看视频高清| 啦啦啦在线观看免费高清www| 国产精品久久久久久久久免| 国产成人精品久久二区二区91 | 亚洲一区二区三区欧美精品| 青青草视频在线视频观看| av线在线观看网站| 中文天堂在线官网| 久久青草综合色| 波多野结衣av一区二区av| 午夜日本视频在线| 亚洲成人手机| 成年动漫av网址| 欧美日韩精品成人综合77777| 婷婷色综合www| 宅男免费午夜| 日本vs欧美在线观看视频| 9热在线视频观看99| 捣出白浆h1v1| 自拍欧美九色日韩亚洲蝌蚪91| 久久久精品区二区三区| 久久久久久久久久久免费av| 欧美日韩亚洲国产一区二区在线观看 | 亚洲久久久国产精品| 桃花免费在线播放| 亚洲欧美日韩另类电影网站| 五月开心婷婷网| 多毛熟女@视频| www.自偷自拍.com| 免费人妻精品一区二区三区视频| 在线 av 中文字幕| 深夜精品福利| 少妇的丰满在线观看| 啦啦啦啦在线视频资源| 亚洲成人av在线免费| 制服人妻中文乱码| 国产日韩欧美亚洲二区| 国产精品国产三级专区第一集| 午夜日韩欧美国产| 亚洲天堂av无毛| 咕卡用的链子| 亚洲国产精品999| 色吧在线观看| 在线观看www视频免费| 精品少妇久久久久久888优播| 国产 精品1| 国产精品.久久久| 黑人猛操日本美女一级片| 欧美成人午夜免费资源| 精品福利永久在线观看| 少妇猛男粗大的猛烈进出视频| 两个人免费观看高清视频| 精品久久久久久电影网| 麻豆乱淫一区二区| 肉色欧美久久久久久久蜜桃| 黄色怎么调成土黄色| 国产精品香港三级国产av潘金莲 | 妹子高潮喷水视频| 永久免费av网站大全| 国产精品久久久久久av不卡| 精品人妻在线不人妻| 18禁裸乳无遮挡动漫免费视频| 婷婷色av中文字幕| 国产 一区精品| 三级国产精品片| 大香蕉久久成人网| 激情视频va一区二区三区| 国产成人精品久久二区二区91 | 久久热在线av| 精品少妇黑人巨大在线播放| 看免费av毛片| av有码第一页| 精品少妇内射三级| 国产精品一区二区在线观看99| 卡戴珊不雅视频在线播放| 80岁老熟妇乱子伦牲交| 黑人猛操日本美女一级片| 国产xxxxx性猛交| 各种免费的搞黄视频| 在线观看人妻少妇| 亚洲一级一片aⅴ在线观看| 涩涩av久久男人的天堂| 久久这里只有精品19| av线在线观看网站| 又大又黄又爽视频免费| 国产亚洲一区二区精品| 欧美亚洲 丝袜 人妻 在线| 侵犯人妻中文字幕一二三四区| 交换朋友夫妻互换小说| 美女国产高潮福利片在线看| 肉色欧美久久久久久久蜜桃| 午夜福利影视在线免费观看| 大陆偷拍与自拍| 99久久综合免费| 色网站视频免费| 日韩免费高清中文字幕av| 丝袜美腿诱惑在线| 亚洲综合精品二区| 在线天堂最新版资源| 一区二区三区乱码不卡18| 美女脱内裤让男人舔精品视频| 在线观看免费高清a一片| www.av在线官网国产| 黄色毛片三级朝国网站| 国产精品.久久久| 91精品伊人久久大香线蕉| 国产免费现黄频在线看| 91精品伊人久久大香线蕉| 伦理电影大哥的女人| 午夜福利视频精品| 波野结衣二区三区在线| 亚洲婷婷狠狠爱综合网| 人体艺术视频欧美日本| 高清欧美精品videossex| 亚洲国产精品一区二区三区在线| 国产在视频线精品| 国产精品.久久久| 高清不卡的av网站| 99国产精品免费福利视频| 精品第一国产精品| 蜜桃在线观看..| 国产日韩一区二区三区精品不卡| h视频一区二区三区| 国产激情久久老熟女| 欧美在线黄色| 久久久久视频综合| 精品国产一区二区三区四区第35| 成人国语在线视频| 亚洲国产毛片av蜜桃av| 七月丁香在线播放| 少妇精品久久久久久久| 日韩精品有码人妻一区| 国产精品久久久久久精品古装| 免费高清在线观看视频在线观看| 一级a爱视频在线免费观看| a级毛片在线看网站| 人妻少妇偷人精品九色| 美女大奶头黄色视频| 美女国产高潮福利片在线看| 中文天堂在线官网| 亚洲欧美中文字幕日韩二区| 亚洲激情五月婷婷啪啪| 最近的中文字幕免费完整| 亚洲精品自拍成人| a 毛片基地| 男女下面插进去视频免费观看| 欧美日韩精品网址| 男女下面插进去视频免费观看| 中文字幕精品免费在线观看视频| 90打野战视频偷拍视频| 久久韩国三级中文字幕| 国产在线视频一区二区| 9色porny在线观看| 国产成人午夜福利电影在线观看| 久久久国产一区二区| 国产一区有黄有色的免费视频| 菩萨蛮人人尽说江南好唐韦庄| 在线亚洲精品国产二区图片欧美| 一区二区三区精品91| 欧美成人午夜精品| 久久免费观看电影| av女优亚洲男人天堂| 满18在线观看网站| 热99国产精品久久久久久7| 国产av码专区亚洲av| 亚洲欧美一区二区三区久久| 五月开心婷婷网| 日日摸夜夜添夜夜爱| 岛国毛片在线播放| 一二三四中文在线观看免费高清| 亚洲精品美女久久久久99蜜臀 | 国产精品久久久久久久久免| 欧美精品一区二区免费开放| 激情视频va一区二区三区| 超色免费av| 天堂俺去俺来也www色官网| 日产精品乱码卡一卡2卡三| 97精品久久久久久久久久精品| a级毛片在线看网站| 亚洲欧美一区二区三区国产| 高清黄色对白视频在线免费看| www日本在线高清视频| 亚洲精品视频女| 18禁动态无遮挡网站| 一级毛片 在线播放| 亚洲av在线观看美女高潮| 国产精品人妻久久久影院| av在线老鸭窝| 精品午夜福利在线看| 男女无遮挡免费网站观看| 熟女少妇亚洲综合色aaa.|