• <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 ?

    基于無監(jiān)督學(xué)習(xí)的三維肺部CT圖像配準(zhǔn)方法研究

    2022-12-01 02:37:48張紅運(yùn)楊志永張國彬
    關(guān)鍵詞:監(jiān)督實(shí)驗(yàn)方法

    姜?杉,張紅運(yùn),楊志永,張國彬

    基于無監(jiān)督學(xué)習(xí)的三維肺部CT圖像配準(zhǔn)方法研究

    姜?杉,張紅運(yùn),楊志永,張國彬

    (天津大學(xué)機(jī)械工程學(xué)院,天津 300350)

    三維肺部電子計(jì)算機(jī)斷層掃描(computed tomography,CT)圖像非剛性配準(zhǔn)是醫(yī)學(xué)圖像配準(zhǔn)領(lǐng)域中最重要的任務(wù)之一.但是,肺部組織受呼吸運(yùn)動(dòng)影響而產(chǎn)生的非線性形變與大尺度位移給三維肺部CT圖像的非剛性配準(zhǔn)帶來巨大挑戰(zhàn).針對這一難題,設(shè)計(jì)開發(fā)了一種基于無監(jiān)督學(xué)習(xí)端到端的配準(zhǔn)方法.通過改進(jìn)現(xiàn)有U-Net神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),在跳接之間引入Inception模塊,充分融合多尺度深層特征生成高精度的稠密位移向量場.為保證位移向量場光滑,在損失函數(shù)中加入雅可比正則化項(xiàng),以達(dá)到訓(xùn)練中顯式懲罰位移向量場中奇點(diǎn)的目的.另外,為緩解現(xiàn)有公開數(shù)據(jù)資源有限導(dǎo)致的過擬合問題,提出了一種基于三維薄板樣條(3D-thin plate spline,3D-TPS)變換的數(shù)據(jù)增強(qiáng)方法實(shí)現(xiàn)對訓(xùn)練數(shù)據(jù)的擴(kuò)充,將具有60套三維肺部CT圖像的訓(xùn)練數(shù)據(jù)集EMPIRE10擴(kuò)充為6060套以滿足卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的需要.設(shè)計(jì)驗(yàn)證實(shí)驗(yàn),通過與基于學(xué)習(xí)的Voxelmorph方法和兩個(gè)包含傳統(tǒng)方法配準(zhǔn)工具包ANTs和Elastix進(jìn)行比較.實(shí)驗(yàn)結(jié)果表明:在公開可用的DIR-Lab 4DCT數(shù)據(jù)集上,所提出的方法在目標(biāo)配準(zhǔn)誤差(target registration error,TRE)上達(dá)到次優(yōu)的2.09mm,平均Dice得分達(dá)到最優(yōu)的0.987,同時(shí)所生成的扭曲圖像中幾乎不存在折疊體素.

    非剛性配準(zhǔn);卷積神經(jīng)網(wǎng)絡(luò);無監(jiān)督學(xué)習(xí);數(shù)據(jù)增強(qiáng);雅可比正則化

    三維肺部CT圖像已廣泛應(yīng)用于圖像引導(dǎo)下的放射治療[1].肺作為典型的運(yùn)動(dòng)器官,在面向肺癌的放射治療之前,為估計(jì)所需的精確劑量必須追蹤肺呼吸運(yùn)動(dòng)[2].術(shù)中需要將不同呼吸狀態(tài)的三維肺部CT圖像與參考狀態(tài)的三維肺部CT圖像進(jìn)行對齊,跟蹤每個(gè)體素的劑量.三維肺部CT圖像非剛性配準(zhǔn)是準(zhǔn)確跟蹤肺部運(yùn)動(dòng)的一種可行方法.

    非剛性配準(zhǔn)是指在一對待配準(zhǔn)圖像間建立非線性稠密映射關(guān)系.現(xiàn)有的傳統(tǒng)算法大多通過幾何方法解決每個(gè)圖像對的非剛性配準(zhǔn)優(yōu)化問題,如SyN (standard symmetric normalization)[3]和Diffeomorphic Demons[4].傳統(tǒng)方法計(jì)算開銷很大,每當(dāng)配準(zhǔn)一對新圖像時(shí),需重新迭代運(yùn)算.近年來,越來越多的學(xué)者傾向于利用基于學(xué)習(xí)方法完成配準(zhǔn)任務(wù).訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型可以在幾秒鐘內(nèi)完成一對三維醫(yī)學(xué)圖像的配準(zhǔn),且其精度足以媲美較成熟的傳統(tǒng)方法.深度學(xué)習(xí)下的圖像配準(zhǔn)大致可分為兩類:基于監(jiān)督學(xué)習(xí)的配準(zhǔn)方法和基于無監(jiān)督學(xué)習(xí)的配準(zhǔn)方法.

    基于監(jiān)督學(xué)習(xí)的配準(zhǔn)方法在訓(xùn)練網(wǎng)絡(luò)時(shí),需要提供與訓(xùn)練樣本相對應(yīng)的標(biāo)簽(ground truth,GT).Fan等[5]使用傳統(tǒng)方法對圖像進(jìn)行配準(zhǔn),將獲取到位移向量場作為GT,然而此方法獲得的GT與真實(shí)GT有所偏差.Hu等[6]提出用分割的解剖結(jié)構(gòu)掩膜作為GT來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò).在該方法中,卷積神經(jīng)網(wǎng)絡(luò)以固定和運(yùn)動(dòng)圖像對作為輸入,通過對解剖結(jié)構(gòu)掩膜進(jìn)行對齊達(dá)到配準(zhǔn)圖像的目的.Miao等[7]將原始圖像作為浮動(dòng)圖像,將被模擬位移向量場扭曲的原始圖像作為固定圖像,將模擬位移向量場作為GT.盡管監(jiān)督學(xué)習(xí)在圖像配準(zhǔn)領(lǐng)域有很大的潛力,但是通過傳統(tǒng)的配準(zhǔn)工具獲取GT過程較為繁瑣.

    基于無監(jiān)督學(xué)習(xí)的配準(zhǔn)無需額外手工生成的GT,在訓(xùn)練過程中利用固定圖像和扭曲圖像之前的差異來指導(dǎo)網(wǎng)絡(luò)參數(shù)的優(yōu)化.VoxelMorph為一種典型的基于無監(jiān)督學(xué)習(xí)的三維醫(yī)學(xué)圖像端到端配準(zhǔn)方法,將配準(zhǔn)中發(fā)生的扭曲變換定義為參數(shù)函數(shù),并對其參數(shù)進(jìn)行了優(yōu)化[8].Zhao等[9]采用級聯(lián)配準(zhǔn)子網(wǎng)絡(luò)預(yù)測位移向量場,取得了較好的效果.上述方法在腦、肝圖像上取得了良好的效果,而神經(jīng)網(wǎng)絡(luò)在肺部CT圖像配準(zhǔn)中應(yīng)用較少.相比較于腦、肝圖像,不同時(shí)刻采集到的肺部圖像往往會(huì)由于人體的呼吸運(yùn)動(dòng)產(chǎn)生大范圍復(fù)雜非線性形變和位移,這將導(dǎo)致配準(zhǔn)肺部圖像較為困難.

    本文提出一種基于無監(jiān)督學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)方法用于三維肺部CT圖像非剛性配準(zhǔn).在現(xiàn)有U-Net神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行改進(jìn),將Inception模塊引入至跳接之間以提升網(wǎng)絡(luò)的特征檢測能力,充分融合多尺度深層特征生成高精度的稠密位移向量場.為了抑制不可逆變形,對稠密位移向量場中的具有負(fù)雅可比行列式值的變換進(jìn)行懲罰.實(shí)驗(yàn)表明,在變形后的圖像中幾乎沒有折疊體素.訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型,可實(shí)現(xiàn)端到端的三維肺部CT圖像非剛性配準(zhǔn),同時(shí)具有較強(qiáng)的泛化能力.

    1?方?法

    圖1 基于無監(jiān)督學(xué)習(xí)的三維肺部CT圖像配準(zhǔn)流程

    Fig.1 Flow chart of 3D lung CT image registration based on unsupervised learning

    1.1?卷積網(wǎng)絡(luò)結(jié)構(gòu)

    如圖2所示,使用的卷積網(wǎng)絡(luò)是基于U-Net的改進(jìn).通常情況下,為生成高精度的稠密位移向量場,可在U-Net上堆疊卷積層加深網(wǎng)絡(luò)來實(shí)現(xiàn).但是隨著網(wǎng)絡(luò)深度的增加,可能會(huì)出現(xiàn)梯度消失現(xiàn)象,進(jìn)而導(dǎo)致模型過擬合.另外,不同個(gè)體的肺部CT圖像中信息位置存在較大差異,因此選取合適尺寸的卷積核變得十分困難.針對上述問題,本文不再通過盲目加深U-Net來優(yōu)化網(wǎng)絡(luò)性能,而是通過引入Inception模塊加寬網(wǎng)絡(luò),在保證U-Net網(wǎng)絡(luò)一定深度的基礎(chǔ)上,通過Inception模塊所特有的多尺度卷積操作,促進(jìn)網(wǎng)絡(luò)捕捉并學(xué)習(xí)更加豐富的多尺度特征.配合U-Net中跳躍連接所融合的上、下文信息,以達(dá)到生成高精度稠密位移向量場的目的.

    圖2?3D卷積網(wǎng)絡(luò)模型結(jié)構(gòu)

    1.2?損失函數(shù)

    損失函數(shù)整體可以表示為

    2?實(shí)?驗(yàn)

    2.1?數(shù)據(jù)集

    本文使用3個(gè)包含同一病人不同時(shí)刻的三維肺部圖像數(shù)據(jù)集:EMPIRE10[12]、DIR-Lab 4DCT[13]和POPI[14].DIR-Lab 4DCT數(shù)據(jù)集包含10個(gè)四維肺部CT圖像,每個(gè)四維肺部CT圖像中包含一個(gè)完整呼吸周期中的10個(gè)呼吸相位.選擇具有最大相對變形的兩個(gè)階段數(shù)據(jù):呼氣末時(shí)刻和吸氣末時(shí)刻,兩階段分別標(biāo)注有300個(gè)地標(biāo)點(diǎn).EMPIRE10數(shù)據(jù)集由30對三維肺部CT組成.POPI數(shù)據(jù)集由6個(gè)四維肺部CT圖像組成,使用最大相對變形的兩個(gè)階段:呼氣末時(shí)刻和吸氣末時(shí)刻,兩階段分別標(biāo)注有100個(gè)地標(biāo)點(diǎn).

    2.2?數(shù)據(jù)增強(qiáng)

    3D-TPS插值函數(shù)的參數(shù)能夠通過求解下面線性方程組得出.

    (9)

    圖3?3D-TPS生成圖像示例

    2.3?評價(jià)指標(biāo)

    由于CT圖像中肺實(shí)質(zhì)區(qū)域往往會(huì)占據(jù)大量的體素,因此使用地標(biāo)點(diǎn)間的TRE來評估肺內(nèi)部的配準(zhǔn)質(zhì)量.

    Dice雖然不能很好地評價(jià)肺實(shí)質(zhì)區(qū)域的配準(zhǔn)質(zhì)量,但可用于評估肺邊界的對齊程度.Dice分?jǐn)?shù)表達(dá)式為

    此外,圖像折疊在解剖學(xué)上是不合理的.第1.2節(jié)中提到的折疊體素的數(shù)量也作為算法的評價(jià)指標(biāo)之一.

    2.4?對比實(shí)驗(yàn)

    首先,將所提出的算法與ANTs[15]配準(zhǔn)工具包中提供的SyN算法進(jìn)行了比較.實(shí)驗(yàn)表明,使用SyN默認(rèn)參數(shù)對肺部CT圖像進(jìn)行配準(zhǔn),達(dá)不到最佳配準(zhǔn)性能.通過在多個(gè)數(shù)據(jù)上開展大量實(shí)驗(yàn),可得到更優(yōu)參數(shù)設(shè)置:SyN步長為0.25,高斯參數(shù)為(3,0),在4種尺度下,每一種最多進(jìn)行219次迭代.同時(shí),將本文算法與基于Elastix[16]工具包中提供的B樣條(B-Spline)配準(zhǔn)方法進(jìn)行了比較.使用歸一化交叉相關(guān)作為相似性度量,進(jìn)行了5個(gè)分辨率的1000次迭代.另外,還與基于學(xué)習(xí)的VoxelMorph算法進(jìn)行了比較.VoxelMorph提出了兩種以U-Net為網(wǎng)絡(luò)框架的Vm1和Vm2網(wǎng)絡(luò)結(jié)構(gòu),本文分別在Vm1和Vm2上進(jìn)行了對比實(shí)驗(yàn).最初的VoxelMorph算法被應(yīng)用于腦組織配準(zhǔn),為保證公平對比,在EMPIRE10數(shù)據(jù)集上重新對VoxelMorph進(jìn)行了訓(xùn)練.最后,為驗(yàn)證Inception模塊的有效性,筆者將本文方法與未添加Inception模塊的U-Net進(jìn)行了對比實(shí)驗(yàn).

    2.5?實(shí)現(xiàn)細(xì)節(jié)

    3?實(shí)驗(yàn)結(jié)果

    通過使用測試數(shù)據(jù)集中包含的3000對地標(biāo)點(diǎn)計(jì)算TRE.TRE結(jié)果如表1所示,括號中為標(biāo)準(zhǔn)偏差.本文提出的方法取得的平均配準(zhǔn)誤差為2.09mm,標(biāo)準(zhǔn)偏差為1.55mm,取得了次優(yōu)結(jié)果.

    表1?不同算法在DIR-Lab4DCT數(shù)據(jù)集上的TRE

    Tab.1?TRE of different algorithms on the DIR-Lab 4DCT dataset

    注:括號內(nèi)為標(biāo)準(zhǔn)偏差,無量綱.

    如圖5所示,通過計(jì)算測試數(shù)據(jù)集上固定圖像掩膜與扭曲圖像掩膜間的平均Dice得分,相比于VoxelMorph、SyN和B-Spline,本文所提出的方法可實(shí)現(xiàn)最優(yōu)的配準(zhǔn)性能(平均Dice=0.987).

    能夠進(jìn)行主觀性評價(jià)的實(shí)驗(yàn)結(jié)果如圖6所示.稠密位移向量場以RGB圖像表示,3個(gè)通道對應(yīng)位移場的3個(gè)維度,越亮位置表示該位置發(fā)生的變形越大.圖中也給出被稠密位移向量場扭曲的形變網(wǎng)格圖像.值得注意的是,本文提出的方法與VoxelMorph使用的采樣方法相同,與ANTs和Elastix的采樣方式不同.

    在稠密位移向量場的雅可比行列式圖像中,比0大的位置映射為藍(lán)色,而小于等于0的位置映射為紅色,即紅色標(biāo)記了出現(xiàn)奇點(diǎn)的位置.在雅可比圖像行列式圖像中,本文方法并未顯現(xiàn)出折疊體素.在RGB圖像中和網(wǎng)格圖像中,能夠看出本文方法獲得了更加豐富的變形.

    表2總結(jié)了所有的配準(zhǔn)實(shí)驗(yàn)結(jié)果,并給出了所有方法在GPU和CPU上的運(yùn)行時(shí)間對比.到目前為止,還沒有針對ANTs和Elastix的GPU實(shí)現(xiàn).結(jié)果表明,本文所提方法的配準(zhǔn)速度相比傳統(tǒng)方法(SyN和BSpline)有著指數(shù)級提升,與VoxelMorph相近.值得注意的是,本文方法在獲得高配準(zhǔn)精度的同時(shí)幾乎不產(chǎn)生折疊體素.另外,表2中的差異和是絕對差異圖像中所有體素值的總和,配準(zhǔn)效果越好則差異和越?。畬?shí)驗(yàn)結(jié)果表明本文方法在差異圖像的定量評價(jià)上取得了最優(yōu).

    表2?各算法在DIR-Lab4DCT數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

    Tab.2?Experimental results of different algorithms on the DIR-Lab 4DCT dataset

    注:括號內(nèi)為各變量的標(biāo)準(zhǔn)偏差,無量綱.

    4?討?論

    本文提出了一種基于無監(jiān)督的三維肺部CT圖像配準(zhǔn)方法.利用浮動(dòng)圖像和固定圖像對之間的NCC來優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)參數(shù),而不需要額外GT.在損失函數(shù)中引入雅可比正則項(xiàng),有效地減少了扭曲圖像的折疊體素?cái)?shù)量.采用基于3D-TPS變換的數(shù)據(jù)增強(qiáng)方法人工生成大規(guī)模訓(xùn)練數(shù)據(jù),滿足了卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練需求.實(shí)驗(yàn)結(jié)果表明,該方法取得TRE值為2.09mm,平均Dice得分為0.987,且扭曲圖像中僅包含極少量的折疊體素.測試集上的實(shí)驗(yàn)結(jié)果也表明該方法在三維肺部CT圖像配準(zhǔn)中具有良好的魯棒性.

    5?結(jié)?語

    本文提出了一種基于無監(jiān)督學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)三維肺部CT圖像的非剛性配準(zhǔn).基于3D-TPS變換的數(shù)據(jù)增強(qiáng)能夠解決數(shù)據(jù)資源有限導(dǎo)致的過擬合問題.在跳接之間引入Inception模塊,充分融合多尺度深層特征生成高精度的位移向量場,以獲得更佳配準(zhǔn)效果.實(shí)驗(yàn)結(jié)果表明,相較于傳統(tǒng)方法,本文算法可實(shí)現(xiàn)可靠的配準(zhǔn)性能,且配準(zhǔn)效率得到了指數(shù)級提升.

    [1]Kaus M R,Brock K K,Pekar V,et al. Assessment of a model-based deformable image registration approach for radiation therapy planning[J]. International Journal of Radiation Oncology Biology Physics,2007,68(2):572-580.

    [2]Yu Z H,Lin S H,Balter P,et al. A comparison of tumor motion characteristics between early stage and locally advanced stage lung cancers[J]. Radiotherapy & Oncology,2012,104(1):33-38.

    [3]Avants B B,Epstein C L,Grossman M,et al. Symmetric diffeomorphic image registration with cross-correlation:Evaluating automated labeling of elderly and neurodegenerative brain[J]. Medical Image Analysis,2008,12(1):26-41.

    [4]Thirion J P. Image matching as diffusion process:An analogy with Maxwell’s demons[J]. Medical Image Analysis,1998,2(3):243-260.

    [5]Fan J,Cao X,Yap P T,et al. BIRNet:Brain image registration using dual-supervised fully convolutional networks[J]. Medical Image Analysis,2018,54(1):193-206.

    [6]Hu Yipeng ,Marc M,Eli G,et al. Label-driven weakly-supervised learning for multimodal deformable image registration[EB/OL]. https://arxiv.org/abs/1711. 01666v2,2017-11-05.

    [7]Miao S,Wang Z J,Liao R. A CNN regression approach for real-time 2D/3D registration[J]. IEEE Transactions on Medical Imaging,2016,35(5):1352-1363.

    [8]Balakrishnan G,Zhao A,Sabuncu M R,et al. VoxelMorph:A learning framework for deformable medical image registration[J]. IEEE Transactions on Medical Imaging,2019,38(8):1788-1800.

    [9]Zhao S,Dong Y,Chang E,et al. Recursive cascaded networks for unsupervised medical image registration[C]// IEEE/CVF International Conference on Computer Vision. Seoul,Korea,2019:10599-10609.

    [10] Max J,Karen S,Andrew Z,et al. Spatial transformer networks[EB/OL]. https://arxiv.org/abs/1506.02025,2016-02-04.

    [11] Balakrishnan G,Zhao A,Sabuncu M R,et al. An unsupervised learning model for deformable medical image registration[C]// IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City,USA,2018:9252-9260.

    [12] Murphy K,van Ginneken B,Reinhardt J M,et al. Evaluation of registration methods on thoracic CT:The EMPIRE10 challenge[J]. IEEE Transactions on Medical Imaging,2011,30(11):1901-1920.

    [13] Castillo E,Castillo R,Martinez J,et al. Four-dimensional deformable image registration using trajectory modeling[J]. Physics in Medicine and Biology,2010,55(1):305-327.

    [14] Vandemeulebroucke J,Rit S,Kybic J,et al. Spatiotemporal motion estimation for respiratory-correlated imaging of the lungs:Spatiotemporal motion estimation for 4D CT[J]. Medical Physics,2010,38(1):166-178.

    [15] Avants B B,Tustison N J,Song G,et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration[J]. NeuroImage,2011,54(3):2033-2044.

    [16] Klein S,Staring M,Murphy K,et al. Elastix:A toolbox for intensity-based medical image registration[J]. IEEE Transactions on Medical Imaging,2010,29(1):196-205.

    Research on a 3D Lung Computed Tomography Image Registration Method Based on Unsupervised Learning

    Jiang Shan,Zhang Hongyun,Yang Zhiyong,Zhang Guobin

    (School of Mechanical Engineering,Tianjin University,Tianjin 300350,China)

    Deformable registration of 3D lung CT images is crucial in medical image registration. However,nonlinear deformation and large-scale displacement of lung tissues caused by respiratory motion pose great challenges in the deformable registration of 3D lung CT images. Thus,we present a fast end-to-end registration method based on unsupervised learning. We optimized the classic U-Net model and added Inception modules between skip connections. The Inception module aims to capture and merge information at different spatial scales for generating a high-precision dense displacement vector field. To ensure a smooth displacement vector field,we introduced the Jacobian regularization term into the loss function to directly penalize the singularity of the displacement field during training. The existing publicly available datasets cannot implement model training. To address over-fitting caused by limited data resources and to expand the training data,we proposed a data augmentation method based on a 3D thin plate spline transform. Moreover,6060 CT scans will be generated based on the EMPIRE10 dataset,which contains 60 original CT scans to meet the requirement of convolution neural network training. Regarding the DIR-Lab 4DCT dataset,we achieved a target registration error of 2.09mm,an optimal Dice score of 0.987,and almost no folding voxels in comparison with the experimental results obtained using the deep learning method Voxelmorph and registration packages,such as advanced normalization tools (ANTs) and Elastix.

    deformable registration;convolution neural network;unsupervised learning;data augmentation;Jacobian regularization

    TP242

    A

    0493-2137(2022)03-0247-08

    10.11784/tdxbz202010040

    2020-10-21;

    2020-12-10.

    姜?杉(1973—??),女,博士,教授.

    姜?杉,shanjmri@tju.edu.cn.

    國家自然科學(xué)基金資助項(xiàng)目(51775368,81871457,51811530310);天津市科技資助項(xiàng)目(18YFZCSY01300);天津市津南區(qū)科技計(jì)劃資助項(xiàng)目(20200110).

    Supported by the National Natural Science Foundation of China(No.51775368,No.81871457,No.51811530310),Tianjin Science and Tech-nology Project(No.18YFZCSY01300),Tianjin Jinnan District Science and Technology Planning Project(No. 20200110).

    (責(zé)任編輯:王曉燕)

    猜你喜歡
    監(jiān)督實(shí)驗(yàn)方法
    記一次有趣的實(shí)驗(yàn)
    突出“四個(gè)注重” 預(yù)算監(jiān)督顯實(shí)效
    做個(gè)怪怪長實(shí)驗(yàn)
    監(jiān)督見成效 舊貌換新顏
    夯實(shí)監(jiān)督之基
    可能是方法不對
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    97在线人人人人妻| 精品一区二区三区视频在线| 日本欧美视频一区| 男的添女的下面高潮视频| 18禁裸乳无遮挡动漫免费视频| 六月丁香七月| 乱码一卡2卡4卡精品| 成人亚洲精品一区在线观看| 菩萨蛮人人尽说江南好唐韦庄| 久久青草综合色| 国产精品久久久久久精品古装| 18+在线观看网站| 精品人妻偷拍中文字幕| 国产精品一区二区在线不卡| 成人二区视频| 日韩熟女老妇一区二区性免费视频| 欧美日韩视频精品一区| 91久久精品国产一区二区成人| 国产精品久久久久久精品古装| 中国美白少妇内射xxxbb| 亚洲精品乱码久久久久久按摩| 国产精品免费大片| 国产日韩欧美视频二区| 十八禁网站网址无遮挡 | 熟妇人妻不卡中文字幕| 精品国产一区二区三区久久久樱花| 国产极品粉嫩免费观看在线 | 国产黄频视频在线观看| 久久青草综合色| 男人狂女人下面高潮的视频| 亚洲,欧美,日韩| freevideosex欧美| 久久99热这里只频精品6学生| 另类精品久久| 精品酒店卫生间| 最黄视频免费看| 9色porny在线观看| 午夜福利影视在线免费观看| 亚洲精品日本国产第一区| 久久精品夜色国产| 在线免费观看不下载黄p国产| 性色av一级| 久久久久久久久久久丰满| 成人综合一区亚洲| 久久亚洲国产成人精品v| 国产精品一区二区三区四区免费观看| 国产av码专区亚洲av| 男女边摸边吃奶| 婷婷色综合大香蕉| 一本—道久久a久久精品蜜桃钙片| 99九九线精品视频在线观看视频| 亚洲va在线va天堂va国产| 又爽又黄a免费视频| 国产男女超爽视频在线观看| 女人精品久久久久毛片| 黄色视频在线播放观看不卡| 欧美+日韩+精品| 国产精品成人在线| 91精品国产国语对白视频| 午夜精品国产一区二区电影| 波野结衣二区三区在线| 亚洲精品色激情综合| 日韩亚洲欧美综合| 国产精品人妻久久久久久| 汤姆久久久久久久影院中文字幕| 人人妻人人添人人爽欧美一区卜| 亚洲国产精品国产精品| 免费观看av网站的网址| 精品一区在线观看国产| 国产一级毛片在线| 国产av精品麻豆| 蜜臀久久99精品久久宅男| 亚洲真实伦在线观看| 夫妻性生交免费视频一级片| 国产免费一级a男人的天堂| 69精品国产乱码久久久| 夫妻午夜视频| 亚洲色图综合在线观看| 国产精品一区www在线观看| 国产乱人偷精品视频| av有码第一页| 亚洲精品久久久久久婷婷小说| 国产极品粉嫩免费观看在线 | 久久国产精品大桥未久av | 久热久热在线精品观看| 国产色婷婷99| 久久久国产精品麻豆| 美女大奶头黄色视频| 日日撸夜夜添| 人人澡人人妻人| 亚洲欧美清纯卡通| 国产美女午夜福利| 欧美精品亚洲一区二区| 黑人巨大精品欧美一区二区蜜桃 | 精品卡一卡二卡四卡免费| 亚洲欧美一区二区三区国产| 午夜精品国产一区二区电影| 国产av一区二区精品久久| .国产精品久久| 亚洲av中文av极速乱| 七月丁香在线播放| 久久青草综合色| 亚洲av免费高清在线观看| 免费看日本二区| 免费大片黄手机在线观看| 成人国产麻豆网| av国产久精品久网站免费入址| 又黄又爽又刺激的免费视频.| 成人毛片60女人毛片免费| 国国产精品蜜臀av免费| 嘟嘟电影网在线观看| 久久久国产精品麻豆| 最近最新中文字幕免费大全7| 女性被躁到高潮视频| 两个人免费观看高清视频 | 伊人久久国产一区二区| 日韩人妻高清精品专区| 最近中文字幕高清免费大全6| 亚洲精品乱码久久久v下载方式| 精品国产露脸久久av麻豆| 久久久国产一区二区| 亚洲欧美日韩另类电影网站| h日本视频在线播放| 十分钟在线观看高清视频www | 99视频精品全部免费 在线| 自拍欧美九色日韩亚洲蝌蚪91 | 又大又黄又爽视频免费| 欧美日韩av久久| 色5月婷婷丁香| 精品国产乱码久久久久久小说| 成人无遮挡网站| 黄色欧美视频在线观看| 欧美日韩在线观看h| 国产成人a∨麻豆精品| 少妇精品久久久久久久| 国产 一区精品| 一区二区三区免费毛片| 精品一品国产午夜福利视频| 69精品国产乱码久久久| 免费观看的影片在线观看| 夜夜爽夜夜爽视频| 美女脱内裤让男人舔精品视频| 国产伦精品一区二区三区视频9| 久久99热这里只频精品6学生| 免费黄色在线免费观看| 成人亚洲欧美一区二区av| 高清av免费在线| 色视频www国产| 成人亚洲精品一区在线观看| 91久久精品国产一区二区三区| 免费看日本二区| 国产精品一区二区在线观看99| 国产欧美另类精品又又久久亚洲欧美| 久热久热在线精品观看| av网站免费在线观看视频| 青青草视频在线视频观看| 亚洲av在线观看美女高潮| 日本黄大片高清| 中国国产av一级| 精品99又大又爽又粗少妇毛片| av.在线天堂| 久久ye,这里只有精品| 欧美xxxx性猛交bbbb| 女的被弄到高潮叫床怎么办| 国产男女内射视频| 夜夜骑夜夜射夜夜干| 极品教师在线视频| 欧美高清成人免费视频www| 亚洲精品亚洲一区二区| 又粗又硬又长又爽又黄的视频| 精品卡一卡二卡四卡免费| 国产一级毛片在线| 日韩在线高清观看一区二区三区| 人妻夜夜爽99麻豆av| 国产成人91sexporn| 国精品久久久久久国模美| 亚洲av综合色区一区| 在线播放无遮挡| 久久久亚洲精品成人影院| 国产欧美另类精品又又久久亚洲欧美| 美女cb高潮喷水在线观看| 国产午夜精品一二区理论片| 丰满人妻一区二区三区视频av| 51国产日韩欧美| 大香蕉久久网| 成人18禁高潮啪啪吃奶动态图 | 中文字幕制服av| 寂寞人妻少妇视频99o| 欧美性感艳星| 久久狼人影院| 国产欧美日韩综合在线一区二区 | 欧美区成人在线视频| 丰满乱子伦码专区| 精品亚洲乱码少妇综合久久| 久久99蜜桃精品久久| 一级毛片我不卡| kizo精华| 国产亚洲91精品色在线| 国产乱人偷精品视频| 亚洲一区二区三区欧美精品| 春色校园在线视频观看| 99国产精品免费福利视频| 草草在线视频免费看| 黄色视频在线播放观看不卡| 99精国产麻豆久久婷婷| av在线播放精品| 国产日韩欧美亚洲二区| 国产 一区精品| 在现免费观看毛片| 久久国产精品大桥未久av | 性高湖久久久久久久久免费观看| 国产国拍精品亚洲av在线观看| 久久久久久久大尺度免费视频| 亚洲欧美一区二区三区黑人 | 日本黄大片高清| 久久99热这里只频精品6学生| 日韩视频在线欧美| 少妇人妻久久综合中文| 在线观看www视频免费| 九九在线视频观看精品| 最近中文字幕高清免费大全6| 日韩视频在线欧美| 久久久久久伊人网av| 免费在线观看成人毛片| 欧美日韩综合久久久久久| 伦理电影免费视频| 久久久国产欧美日韩av| 日韩不卡一区二区三区视频在线| 我要看黄色一级片免费的| 美女中出高潮动态图| 自拍偷自拍亚洲精品老妇| 精品少妇久久久久久888优播| 国产欧美日韩一区二区三区在线 | 国产精品一区二区在线观看99| 婷婷色综合大香蕉| 91在线精品国自产拍蜜月| 丝袜在线中文字幕| 国产欧美亚洲国产| 少妇被粗大猛烈的视频| 久久国产亚洲av麻豆专区| 亚洲精品乱码久久久v下载方式| 久久久国产精品麻豆| 亚洲怡红院男人天堂| 美女福利国产在线| 婷婷色av中文字幕| 成年人免费黄色播放视频 | 亚洲av不卡在线观看| 国产女主播在线喷水免费视频网站| 久久 成人 亚洲| 国产精品国产av在线观看| 精品久久久久久电影网| 久久久久久久国产电影| 国产精品成人在线| 最近2019中文字幕mv第一页| 国产成人精品久久久久久| 久久精品久久精品一区二区三区| 午夜福利,免费看| 国产男人的电影天堂91| av黄色大香蕉| 免费观看a级毛片全部| 亚洲人与动物交配视频| 边亲边吃奶的免费视频| 99久国产av精品国产电影| 国产在线视频一区二区| 免费大片18禁| 夜夜爽夜夜爽视频| 18禁裸乳无遮挡动漫免费视频| 如何舔出高潮| 欧美日韩视频精品一区| 性色av一级| 成人毛片a级毛片在线播放| 久久午夜福利片| 欧美+日韩+精品| 国产精品三级大全| 黄色欧美视频在线观看| 国产一区亚洲一区在线观看| 乱码一卡2卡4卡精品| 少妇人妻一区二区三区视频| 日本黄色片子视频| 22中文网久久字幕| 亚洲综合精品二区| 亚洲成人av在线免费| av国产精品久久久久影院| 国产精品人妻久久久久久| 亚洲国产欧美在线一区| 国产一区有黄有色的免费视频| 精品久久久久久久久亚洲| 国产乱来视频区| 男的添女的下面高潮视频| 亚洲精品国产av成人精品| 国产精品一区二区三区四区免费观看| 天堂8中文在线网| 观看免费一级毛片| 少妇人妻 视频| 啦啦啦啦在线视频资源| 久久99蜜桃精品久久| 水蜜桃什么品种好| 伊人亚洲综合成人网| 久久国内精品自在自线图片| 欧美三级亚洲精品| 婷婷色av中文字幕| 如日韩欧美国产精品一区二区三区 | 亚州av有码| 丝瓜视频免费看黄片| 一区在线观看完整版| 亚洲精品成人av观看孕妇| 永久网站在线| 精品国产国语对白av| www.av在线官网国产| 久久综合国产亚洲精品| 久久狼人影院| 久久国产乱子免费精品| 午夜福利影视在线免费观看| 欧美97在线视频| 亚洲美女黄色视频免费看| 卡戴珊不雅视频在线播放| 又黄又爽又刺激的免费视频.| 亚洲欧美一区二区三区黑人 | 97精品久久久久久久久久精品| 亚洲人成网站在线观看播放| 日韩av在线免费看完整版不卡| 欧美日韩视频高清一区二区三区二| av黄色大香蕉| 日产精品乱码卡一卡2卡三| 国产成人a∨麻豆精品| 大又大粗又爽又黄少妇毛片口| 国产真实伦视频高清在线观看| av国产久精品久网站免费入址| 在线观看免费视频网站a站| 久久99蜜桃精品久久| 亚洲欧美一区二区三区国产| 欧美精品人与动牲交sv欧美| 亚洲国产精品成人久久小说| 国内少妇人妻偷人精品xxx网站| 久久99热这里只频精品6学生| 日韩精品免费视频一区二区三区 | 国产熟女欧美一区二区| 美女cb高潮喷水在线观看| 色网站视频免费| 大片免费播放器 马上看| www.av在线官网国产| 久久99热这里只频精品6学生| 亚洲精品一二三| 亚洲精品国产色婷婷电影| 日韩欧美一区视频在线观看 | 十八禁网站网址无遮挡 | 你懂的网址亚洲精品在线观看| videossex国产| 欧美日本中文国产一区发布| 国产免费视频播放在线视频| 久久女婷五月综合色啪小说| 欧美性感艳星| 亚洲精品一二三| 搡老乐熟女国产| 国产成人午夜福利电影在线观看| 亚洲国产精品一区三区| 欧美激情国产日韩精品一区| 国精品久久久久久国模美| 久久鲁丝午夜福利片| 最近中文字幕高清免费大全6| 一个人看视频在线观看www免费| 国产综合精华液| 久久av网站| 亚洲情色 制服丝袜| 在线播放无遮挡| 中国国产av一级| 中文资源天堂在线| 黄色怎么调成土黄色| 在线播放无遮挡| 久久影院123| 中国美白少妇内射xxxbb| 国产日韩一区二区三区精品不卡 | 精品国产一区二区三区久久久樱花| 王馨瑶露胸无遮挡在线观看| 欧美三级亚洲精品| 国产成人免费无遮挡视频| 国产淫语在线视频| 亚洲国产av新网站| 人妻少妇偷人精品九色| 91精品一卡2卡3卡4卡| 色吧在线观看| 免费看日本二区| 男的添女的下面高潮视频| 六月丁香七月| 色5月婷婷丁香| 中文精品一卡2卡3卡4更新| 午夜精品国产一区二区电影| 91午夜精品亚洲一区二区三区| 午夜老司机福利剧场| 久久久久久久久久成人| 国产成人精品婷婷| 丝瓜视频免费看黄片| 国产精品福利在线免费观看| 男人和女人高潮做爰伦理| 少妇高潮的动态图| 中国国产av一级| 色5月婷婷丁香| 视频中文字幕在线观看| 性高湖久久久久久久久免费观看| 国语对白做爰xxxⅹ性视频网站| 欧美三级亚洲精品| 国产成人aa在线观看| 国产黄色免费在线视频| 建设人人有责人人尽责人人享有的| 亚洲美女黄色视频免费看| 香蕉精品网在线| 最新中文字幕久久久久| 丁香六月天网| 一级a做视频免费观看| 久久久欧美国产精品| 成人漫画全彩无遮挡| 国产精品99久久久久久久久| 国产免费视频播放在线视频| 一级毛片黄色毛片免费观看视频| 欧美日韩av久久| 日日啪夜夜撸| 中文字幕制服av| 亚洲国产精品专区欧美| 成人美女网站在线观看视频| 激情五月婷婷亚洲| 十八禁网站网址无遮挡 | 高清黄色对白视频在线免费看 | 国产精品福利在线免费观看| 免费黄网站久久成人精品| 国产成人91sexporn| 在线观看一区二区三区激情| 亚洲精品国产成人久久av| 国产毛片在线视频| 午夜福利视频精品| 成年美女黄网站色视频大全免费 | 国产又色又爽无遮挡免| 免费观看性生交大片5| 久久女婷五月综合色啪小说| 中文乱码字字幕精品一区二区三区| a级毛片在线看网站| 日本黄色片子视频| 亚洲美女视频黄频| 精品一区二区三卡| 丰满迷人的少妇在线观看| 看免费成人av毛片| 最近手机中文字幕大全| 亚洲激情五月婷婷啪啪| 久久久久久久大尺度免费视频| 亚洲伊人久久精品综合| 成人美女网站在线观看视频| 中国国产av一级| 黄色一级大片看看| 我要看黄色一级片免费的| 精品人妻偷拍中文字幕| 如何舔出高潮| 各种免费的搞黄视频| a级一级毛片免费在线观看| 一级毛片久久久久久久久女| 精品亚洲成a人片在线观看| av又黄又爽大尺度在线免费看| 国产色婷婷99| 久久人人爽av亚洲精品天堂| 成人亚洲精品一区在线观看| 国内精品宾馆在线| 亚洲精品,欧美精品| 国产爽快片一区二区三区| 免费不卡的大黄色大毛片视频在线观看| h视频一区二区三区| a级毛片免费高清观看在线播放| 97超碰精品成人国产| 激情五月婷婷亚洲| 欧美激情国产日韩精品一区| 视频中文字幕在线观看| 成年人免费黄色播放视频 | 菩萨蛮人人尽说江南好唐韦庄| 国产精品蜜桃在线观看| 人人妻人人澡人人看| 极品少妇高潮喷水抽搐| 国产亚洲91精品色在线| 国产伦精品一区二区三区四那| 精品久久国产蜜桃| 欧美老熟妇乱子伦牲交| 久久97久久精品| 夫妻性生交免费视频一级片| 99久国产av精品国产电影| 中文天堂在线官网| 亚洲成人一二三区av| 99热国产这里只有精品6| 97在线人人人人妻| 国产亚洲欧美精品永久| 国产又色又爽无遮挡免| 最近中文字幕高清免费大全6| 成人免费观看视频高清| 国产精品久久久久成人av| 伊人亚洲综合成人网| 日韩一区二区三区影片| 在线观看av片永久免费下载| 亚洲精品日本国产第一区| 六月丁香七月| av在线老鸭窝| 观看av在线不卡| 老司机影院成人| 久久国产精品大桥未久av | 蜜桃久久精品国产亚洲av| 3wmmmm亚洲av在线观看| 一级av片app| 中文欧美无线码| 五月天丁香电影| 成人免费观看视频高清| 精品一区在线观看国产| 中文字幕人妻熟人妻熟丝袜美| 美女国产视频在线观看| av在线app专区| 色吧在线观看| 精品亚洲乱码少妇综合久久| 欧美日韩在线观看h| 麻豆精品久久久久久蜜桃| 国产永久视频网站| 国模一区二区三区四区视频| 亚洲久久久国产精品| 国产精品一区二区在线不卡| 欧美精品高潮呻吟av久久| 亚洲国产av新网站| 91精品国产九色| av播播在线观看一区| 亚洲欧美日韩另类电影网站| 国产成人精品久久久久久| 好男人视频免费观看在线| 99re6热这里在线精品视频| 成人影院久久| 精品一区二区三卡| 国产成人免费观看mmmm| 欧美日韩亚洲高清精品| freevideosex欧美| 国产精品99久久99久久久不卡 | 欧美另类一区| 国产欧美日韩精品一区二区| 国产男女内射视频| 99热这里只有是精品50| 亚洲国产精品专区欧美| 欧美 日韩 精品 国产| 男人舔奶头视频| 老司机影院成人| 午夜福利在线观看免费完整高清在| 美女内射精品一级片tv| av有码第一页| 午夜免费鲁丝| 高清视频免费观看一区二区| 亚洲欧洲精品一区二区精品久久久 | 国产精品久久久久成人av| 中文字幕人妻丝袜制服| 国模一区二区三区四区视频| 国产精品一区二区在线观看99| 国产精品久久久久久av不卡| 免费大片黄手机在线观看| 久久精品久久精品一区二区三区| 99re6热这里在线精品视频| 青春草亚洲视频在线观看| 国产精品人妻久久久久久| 丰满迷人的少妇在线观看| 亚洲成色77777| 下体分泌物呈黄色| 美女主播在线视频| 夜夜爽夜夜爽视频| 午夜福利视频精品| 蜜臀久久99精品久久宅男| av在线app专区| 国产综合精华液| 三级国产精品欧美在线观看| 在线亚洲精品国产二区图片欧美 | 麻豆乱淫一区二区| 免费不卡的大黄色大毛片视频在线观看| 99re6热这里在线精品视频| 在线 av 中文字幕| 日韩精品有码人妻一区| 18+在线观看网站| 一本大道久久a久久精品| 日本色播在线视频| 久久婷婷青草| 国模一区二区三区四区视频| 欧美精品一区二区免费开放| 久久狼人影院| 六月丁香七月| 欧美精品一区二区免费开放| 男女无遮挡免费网站观看| 久久韩国三级中文字幕| 久久久午夜欧美精品| av在线老鸭窝| 中文字幕av电影在线播放| 男人舔奶头视频| 又黄又爽又刺激的免费视频.| 亚洲色图综合在线观看| 亚洲精品自拍成人| 又黄又爽又刺激的免费视频.| 国产av国产精品国产| 午夜日本视频在线| 国产精品麻豆人妻色哟哟久久| 国精品久久久久久国模美| 男人舔奶头视频| 亚洲国产毛片av蜜桃av| av国产精品久久久久影院| 日韩一本色道免费dvd| 日本91视频免费播放| 国产av国产精品国产| 婷婷色麻豆天堂久久| 国产一区有黄有色的免费视频| 国产成人免费无遮挡视频| 欧美亚洲 丝袜 人妻 在线| 国产色婷婷99| 久久午夜福利片| 亚洲天堂av无毛| 另类亚洲欧美激情| 春色校园在线视频观看| 久久久久精品久久久久真实原创| 久久亚洲国产成人精品v| 国产淫片久久久久久久久| www.色视频.com| 亚洲欧美日韩东京热| 一级黄片播放器| 又粗又硬又长又爽又黄的视频|