• <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 ?

    基于殘差網(wǎng)絡(luò)與注意力機(jī)制的脈象信號(hào)分析識(shí)別

    2023-04-06 05:08朱嘉健林卓勝梁惠珠劉慧琳李福鳳
    現(xiàn)代電子技術(shù) 2023年7期
    關(guān)鍵詞:脈象殘差注意力

    朱嘉健,馮 躍,徐 紅,2,林卓勝,梁惠珠,劉慧琳,李福鳳

    (1.五邑大學(xué) 智能制造學(xué)部,廣東 江門 529020;2.維多利亞大學(xué),澳大利亞 墨爾本 8001;3.上海中醫(yī)藥大學(xué),上海 201203)

    0 引言

    脈診作為中醫(yī)臨床診斷的重要方法之一,具有無創(chuàng)且快捷的特點(diǎn)。但脈診診斷的準(zhǔn)確程度主要取決于中醫(yī)師的臨床經(jīng)驗(yàn),缺乏統(tǒng)一的客觀標(biāo)準(zhǔn)[1]。智能醫(yī)療技術(shù)的發(fā)展為脈診客觀化發(fā)展帶來了契機(jī),在近五年的脈象分類研究中,大多都結(jié)合了人工智能技術(shù)來建立脈象分類模型,其中研究人員分別采用支持向量機(jī)(Support Vector Machine,SVM)[2]、最鄰近節(jié)點(diǎn)算法(K-Nearest-Neighbor,KNN)[3]、梯度提升決策樹(Gradient Boosting Decision Tree,GBDT)[4]、極值梯度提升(Extreme Gradient Boosting,XGBoost)[5]、VGG(Visual Geometry Group)[6]、隨機(jī)森林[7]、改進(jìn)的深度融合神經(jīng)網(wǎng)絡(luò)(Modified Inception-ResNet,MIRNet2)[8]和時(shí)序卷積神經(jīng)網(wǎng)絡(luò)(Temporal Convolutional Network,TCN)[9]進(jìn)行脈象信號(hào)分析識(shí)別。

    然而,目前已有大量研究將注意力機(jī)制應(yīng)用于自然語言處理、圖像識(shí)別、語音識(shí)別等不同類型的深度學(xué)習(xí)任務(wù)中[10],而在脈象信號(hào)分類領(lǐng)域中,少有使用注意力機(jī)制提高脈象分類模型性能的研究。

    為此,本文通過修改殘差網(wǎng)絡(luò)ResNet 的整體參數(shù),并通過整合SE(Sequeeze and Excitation)[11]模塊和ECA(Efficient Channel Attention)[12]模塊,得到改進(jìn)的注意力模塊MECA(Modified Efficient Channel Attention),結(jié)合一維ResNet 和MECA 模塊,提出適合于一維脈象信號(hào)的特征提取和分類模型MECA-ResNet。實(shí)驗(yàn)結(jié)果表明,該模型能對(duì)沉脈、遲脈、浮脈、滑脈、緩脈、平脈、數(shù)脈、微脈、弦脈、虛脈10 種脈象進(jìn)行準(zhǔn)確分類,并在臨床病例中可以有效地區(qū)分健康人群與冠心病患者。

    1 MECA-ResNet 網(wǎng)絡(luò)設(shè)計(jì)

    本文模型基于ResNet 設(shè)計(jì),將ResNet 的內(nèi)部參數(shù)和相應(yīng)的殘差連接作修改構(gòu)成適合于脈象信號(hào)的特征提取和分類的一維ResNet 網(wǎng)絡(luò),然后在ResNet 的殘差連接之前添加MECA 注意力塊,構(gòu)建得到MECAResNet,整體MECA-ResNet 網(wǎng)絡(luò)包括分類層共15 層,總體網(wǎng)絡(luò)所占電腦內(nèi)存不足10 MB,其中MECA-ResNet 網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 MECA-ResNet 網(wǎng)絡(luò)結(jié)構(gòu)圖

    1.1 一維ResNet 網(wǎng)絡(luò)

    構(gòu)建得到的一維ResNet 網(wǎng)絡(luò)內(nèi)部具體配置如下:

    1)輸入:輸入數(shù)據(jù)由已預(yù)處理好的目標(biāo)脈象數(shù)據(jù)和對(duì)應(yīng)的標(biāo)簽組成。

    2)卷積層:此處除了殘差連接上的卷積核大小為1之外,其他卷積層的卷積核大小設(shè)置為16,使用大卷積核可以使網(wǎng)絡(luò)專注于一維脈象信號(hào)上的小細(xì)節(jié)[13],每個(gè)卷積層有32×k個(gè)濾波器,其中k從1 開始,除前5 個(gè)卷積層外,后續(xù)每隔兩層卷積層,k加1。

    3)激活函數(shù):因?yàn)檩斎氲拿}象數(shù)據(jù)具有正值和負(fù)值,第一個(gè)卷積層采用Tanh 激活函數(shù),以便保留更多信息,其他卷積層則采用ReLU 激活函數(shù)。

    4)學(xué)習(xí)率策略和其他設(shè)置:學(xué)習(xí)率(Learning Rate)從0.01 開始,每50 個(gè)迭代降低10 倍,總共100 個(gè)迭代,呈階梯式降低;批量大?。˙atch Size)設(shè)置為32;優(yōu)化器(optimizer)采用SGD 優(yōu)化器,動(dòng)量等于0.9。

    5)批歸一化(Batch Normalization,BN)層:BN 層是為了加速網(wǎng)絡(luò)的訓(xùn)練和收斂,防止梯度爆炸、梯度消失和過擬合。對(duì)應(yīng)的公式如下:

    式中:ci為第i個(gè)卷積層的輸出;μβ和σβ是ci第i個(gè)卷積層的均值和方差;BNi是第i個(gè)卷積層BN 層的輸出;m為總的卷積層數(shù)量。

    6)殘差連接:由于第6 層和第10 層的卷積層進(jìn)行了下采樣操作,殘差連接由最大池化、1×1 卷積和BN 層三個(gè)部分組成[14]。其中殘差連接相關(guān)公式如下:

    式中:o1代表第3,5,9 和13 層的卷積層輸出F1(x)加上通過恒等映射添加的輸入x并經(jīng)過ReLU 激活函數(shù)δ激活后的輸出;o2代表第7 和11 層的卷積層輸出F2(x)和經(jīng)過恒等映射的輸入x經(jīng)過最大池化Maxpool、一維卷積C1D1和BN 層后的輸出。

    7)輸出層:最后的輸出層由帶有Softmax 函數(shù)的全連接層(Dense)得到最終的分類結(jié)果,其相關(guān)公式如下:

    式中:x和N分別是全連接層的輸出和類別數(shù)。

    1.2 MECA 模塊

    SE-ResNet 提出了SE 模塊(見圖2a)),通過壓縮和激勵(lì)操作強(qiáng)化重要通道的特征并弱化非重要通道的特征,但是模塊帶來較大的計(jì)算代價(jià),且不能很好地捕捉全部通道間的關(guān)系。為此,ECA-ResNet 改進(jìn)了SE 模塊,推出ECA 模塊(見圖2b)),令網(wǎng)絡(luò)大幅度降低參數(shù)數(shù)量的同時(shí),保持高性能,成為超輕量級(jí)的注意力模塊。受SE 模塊和ECA 模塊的啟發(fā),本文結(jié)合它們的優(yōu)點(diǎn)提出了MECA 模塊,如圖2c)所示。

    圖2 注意力模塊

    本文提出的MECA 模塊通過改變ECA 模塊得到相應(yīng)改進(jìn)版的注意力模塊,該模塊通過Dense 模塊來減少相應(yīng)卷積層的特征通道數(shù),后使用ECA 模塊的自適應(yīng)卷積模塊和Softmax 函數(shù)得到相應(yīng)卷積通道的權(quán)重。該注意力模塊結(jié)合了SE 模塊的激勵(lì)機(jī)制進(jìn)行升維,不但讓網(wǎng)絡(luò)有更多的非線性處理和擬合通道之間復(fù)雜的相關(guān)性,并且增加ECA 模塊中的自適應(yīng)卷積模塊來改進(jìn)模型對(duì)不同特征通道的關(guān)注程度,其相應(yīng)公式如下:

    式中:k為自適應(yīng)卷積核大?。籆是輸入特征圖的通道數(shù);xc(t)指的是第t個(gè)時(shí)間步長的特征圖;T為總的時(shí)間步長。由式(8)得到的z包含了全局平均池化后的特征圖的全局特征。后續(xù)全連接層起到升維的作用,W1代表全連接層的權(quán)重值,k由式(7)來決定,總的具體函數(shù)定義如式(9)所示。最終得到的權(quán)重值w與當(dāng)前輸入MECA 模塊的特征圖x進(jìn)行相乘即可得到調(diào)整通道權(quán)重后的特征圖oc。

    2 實(shí)驗(yàn)設(shè)置

    2.1 脈診信號(hào)數(shù)據(jù)集

    本文的實(shí)驗(yàn)數(shù)據(jù)包含有兩種數(shù)據(jù)集,分別是脈象數(shù)據(jù)集和臨床病例數(shù)據(jù)集。

    脈象數(shù)據(jù)集是天津慧醫(yī)谷科技有限公司提供的184 例脈象數(shù)據(jù),其中包含10 種脈象:沉脈、遲脈、浮脈、滑脈、緩脈、平脈、數(shù)脈、微脈、弦脈、虛脈,脈象數(shù)據(jù)的采集頻率是128 Hz,采集時(shí)間為5~7 s,10 種脈象圖如圖3所示。從圖3 可看到脈象數(shù)據(jù)集中10 種脈象圖的時(shí)域特征各不相同,每種脈象的主波寬度不一樣,如弦脈和遲脈,其中弦脈脈形端直而長;有些脈象呈現(xiàn)2 個(gè)以上的極值點(diǎn),如緩脈、浮脈、微脈、滑脈。所以這10 種脈象數(shù)據(jù)有著形態(tài)上的區(qū)別。

    圖3 脈象數(shù)據(jù)集中所包含的10 種脈象信號(hào)圖

    臨床病例數(shù)據(jù)集是上海中醫(yī)藥大學(xué)提供的冠心病和健康脈象數(shù)據(jù),共有396 例。冠心病和健康脈象數(shù)據(jù)的采集時(shí)間為60~90 s,兩種脈象圖如圖4 所示。從圖4可知,冠心病人群和健康人群的脈象信號(hào)圖的時(shí)域特征亦是各不相同,如健康人群的脈象信號(hào)圖主波寬度比冠心病人群的寬,且冠心病人群的脈象信號(hào)圖比健康人群的更加陡峭。

    圖4 臨床病例數(shù)據(jù)集中所包含的兩種脈象信號(hào)圖

    2.2 脈象信號(hào)預(yù)處理

    由于兩種數(shù)據(jù)集的脈象信號(hào)數(shù)據(jù)包含有大量噪聲且伴有基線漂移,因此需要對(duì)脈象數(shù)據(jù)去除噪聲和消除基線漂移,將脈象數(shù)據(jù)所包含的噪聲點(diǎn)和基線漂移去除。

    首先采用帶通濾波器將原脈搏波中除0.032~20 Hz以外的噪聲去除,其次經(jīng)過中值濾波消除孤立噪聲點(diǎn),然后使用小波變換進(jìn)一步去除脈象數(shù)據(jù)的低頻噪聲,得到能顯現(xiàn)脈搏波特征的脈象圖,如圖5 所示。最后,通過相應(yīng)的單周期頻率窗口,利用三次樣條插值方法和頻率窗口找到脈象波形的最小值,并通過脈象數(shù)據(jù)減去最小值擬合曲線來徹底去除基線漂移得到最終的脈象波形,如圖6 所示。

    圖5 去除脈象信號(hào)的噪聲

    圖6 去除脈象信號(hào)的基線漂移

    由于脈象數(shù)據(jù)集中的數(shù)據(jù)過少,本文采用少數(shù)類樣本過采樣技術(shù)(Synthetic Minority Oversampling Technique,SMOTE)對(duì)脈象數(shù)據(jù)集進(jìn)行過采樣以擴(kuò)增脈象數(shù)據(jù)集的樣本,防止MECA-ResNet 欠擬合。其中脈象數(shù)據(jù)集中的弦脈、虛脈、數(shù)脈、微脈、平脈、緩脈、滑脈、浮脈、遲脈和沉脈的單周期脈象數(shù)據(jù)切片數(shù)量分別從215,8,83,7,127,70,54,25,6 和175 擴(kuò)增至1 720,160,660,140,1 010,560,430,200,120 和1 400。臨床病例數(shù)據(jù)集中的健康和冠心病脈象經(jīng)過周期分割的單周期脈象數(shù)據(jù)數(shù)量分別為1 207 和2 155,數(shù)量足夠,無需進(jìn)行過采樣。

    2.3 實(shí)驗(yàn)構(gòu)建的相關(guān)設(shè)置及評(píng)估指標(biāo)

    本文通過Python 構(gòu)建所有的模型,其中每個(gè)模型通過十折交叉驗(yàn)證來驗(yàn)證每個(gè)模型在脈象數(shù)據(jù)集和臨床病例數(shù)據(jù)集的性能。其中脈象數(shù)據(jù)集主要用于訓(xùn)練、驗(yàn)證和測(cè)試模型的性能,臨床病例數(shù)據(jù)集主要用于驗(yàn)證模型的病種檢測(cè)能力。實(shí)驗(yàn)采用的GPU 顯卡為NVIDIA GeForce GTX 1080Ti。

    本文采用以下4 個(gè)性能指標(biāo):平均準(zhǔn)確率(Average Accuracy)、平均召回率(Average Recall)、平均精確率(Average Precision)、平均F1分?jǐn)?shù)(AverageF1-score)。其計(jì)算公式如下:

    式中:TPi是指十折交叉驗(yàn)證中當(dāng)前折中預(yù)測(cè)為正樣本的正樣本的數(shù)量;FNi是指十折交叉驗(yàn)證中當(dāng)前折中預(yù)測(cè)為正樣本的負(fù)樣本的數(shù)量;TNi是指十折交叉驗(yàn)證中當(dāng)前折中預(yù)測(cè)為負(fù)樣本的負(fù)樣本數(shù)量;FNi是指十折交叉驗(yàn)證中當(dāng)前折中預(yù)測(cè)為負(fù)樣本的正樣本數(shù)量;K等于10。其中模型在兩個(gè)數(shù)據(jù)集的平均性能指標(biāo)和相應(yīng)的混淆矩陣如表1~表4 所示。

    表1 各個(gè)模型在脈象數(shù)據(jù)集中的十折交叉驗(yàn)證的平均性能對(duì)比 %

    3 實(shí)驗(yàn)結(jié)果與分析

    由表1 可知各個(gè)模型對(duì)于脈象數(shù)據(jù)集的十折交叉驗(yàn)證分類實(shí)驗(yàn)結(jié)果,由表2 可得知MECA-ResNet 在各個(gè)脈象類別上的分類性能。

    表2 MECA-ResNet 在10 種脈象類別的分類性能 %

    其中由表1 中最優(yōu)的傳統(tǒng)機(jī)器學(xué)習(xí)方法和殘差網(wǎng)絡(luò)結(jié)合注意力機(jī)制的分類性能比較可知:改進(jìn)后的一維ResNet 比現(xiàn)有的脈象分類模型的性能更高,其中4 個(gè)指標(biāo)分別比LightGBM 高0.26%,0.26%,0.12%和0.14%,說明該模型僅僅使用脈象信號(hào)數(shù)據(jù)也可以提取出更好的脈象特征并實(shí)現(xiàn)更好的分類效果。在加入了注意力模 塊 后,SE-ResNet、ECA-ResNet 和MECA-ResNet 比ResNet 達(dá)到了更高的分類性能,其中平均準(zhǔn)確率分別提高0.55%,0.58%和1.06%;平均召回率分別提高0.55%,0.58%和1.06%;平均精確率分別提高0.69%,0.70%,1.16%;平均F1分?jǐn)?shù)分別提高0.54%,0.68%,1.20%。這表明MECA 注意力模塊可以以增加少量計(jì)算負(fù)擔(dān)為代價(jià)產(chǎn)生更具有代表性的輸入特征,從而提高分類性能。由表2 的MECA-ResNet 在各個(gè)脈象類別的性能可知,MECA-ResNet 不僅對(duì)弦脈、虛脈、數(shù)脈、微脈、平脈、緩脈、滑脈、浮脈、遲脈和沉脈都有著98%以上的分類準(zhǔn)確率且對(duì)上述10 種脈象的召回率、精確率和F1分?jǐn)?shù)均超過97%,說明該模型在10 種脈象上可達(dá)到較高的檢測(cè)能力和分類精度。

    由表3 的各個(gè)模型對(duì)于臨床病例數(shù)據(jù)集的十折交叉驗(yàn)證分類實(shí)驗(yàn)結(jié)果可知:MECA-ResNet 模型的平均準(zhǔn)確率、平均召回率、平均精確率和平均F1分?jǐn)?shù)均為99.64%,MECA-ResNet 的4 個(gè)指標(biāo)與表3 的其他模型相比,其漲幅范圍在0.2%~1.61%,可知在臨床病例數(shù)據(jù)上,MECA-ResNet 的分類性能依然超過了其他的脈象分類方法,說明該模型在臨床病例數(shù)據(jù)集上能夠達(dá)到很好的分類效果。

    表3 各個(gè)模型在臨床病例數(shù)據(jù)集中的十折交叉驗(yàn)證的平均性能對(duì)比 %

    表4 MECA-ResNet 在臨床病例數(shù)據(jù)集中對(duì)各個(gè)類別的性能 %

    4 結(jié)語

    本文提出基于深度學(xué)習(xí)模型融合注意力模塊的脈象信號(hào)分類方法,所設(shè)計(jì)的MECA-ResNet 模型可以有效提取出脈象特征并對(duì)脈象信號(hào)進(jìn)行自學(xué)習(xí)和訓(xùn)練。在脈象數(shù)據(jù)集和臨床病例數(shù)據(jù)集上,MECA-ResNet 與已有的脈象分類模型進(jìn)行性能對(duì)比。實(shí)驗(yàn)結(jié)果表明,在僅僅使用脈象數(shù)據(jù)而不對(duì)其做復(fù)雜的特征提取,MECAResNet 不僅可以達(dá)到更準(zhǔn)確的脈象分類效果,還可以改變自身層數(shù)來適應(yīng)脈象分類任務(wù)和病種分類任務(wù)。該模型可以以較高的分類性能應(yīng)用于臨床實(shí)時(shí)脈象的檢測(cè)和相關(guān)病種的檢測(cè)中,并為脈象信號(hào)的分析識(shí)別研究提供新的思路和方法。

    猜你喜歡
    脈象殘差注意力
    基于雙向GRU與殘差擬合的車輛跟馳建模
    讓注意力“飛”回來
    基于時(shí)間序列和時(shí)序卷積網(wǎng)絡(luò)的脈象信號(hào)識(shí)別研究
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    瞬時(shí)波強(qiáng)技術(shù)對(duì)人迎、寸口脈象研究的意義探討
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    105例弦脈的“計(jì)算機(jī)脈象儀”脈圖參數(shù)分析
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    久久精品久久久久久久性| 成年免费大片在线观看| 一区二区三区免费毛片| 免费看美女性在线毛片视频| 长腿黑丝高跟| 男女啪啪激烈高潮av片| 国产爱豆传媒在线观看| 99久久久亚洲精品蜜臀av| 日本黄色视频三级网站网址| 亚洲第一区二区三区不卡| 亚洲精品成人久久久久久| 99九九线精品视频在线观看视频| 成人鲁丝片一二三区免费| 青春草视频在线免费观看| 成人高潮视频无遮挡免费网站| 日韩一本色道免费dvd| 亚洲熟妇中文字幕五十中出| 春色校园在线视频观看| 午夜福利成人在线免费观看| 国产成人freesex在线| 久久人人精品亚洲av| 九九热线精品视视频播放| 毛片一级片免费看久久久久| 一卡2卡三卡四卡精品乱码亚洲| av.在线天堂| 两个人的视频大全免费| av又黄又爽大尺度在线免费看 | 国产高清有码在线观看视频| 国产精品久久电影中文字幕| 欧美日韩综合久久久久久| 在线观看一区二区三区| 国模一区二区三区四区视频| 国产久久久一区二区三区| 国产毛片a区久久久久| 国产 一区精品| 欧美性猛交╳xxx乱大交人| 国产中年淑女户外野战色| 亚洲丝袜综合中文字幕| 国产极品天堂在线| av在线天堂中文字幕| 精品一区二区三区视频在线| 国产精品人妻久久久久久| 亚洲成人久久性| 久久久久久久亚洲中文字幕| 免费黄网站久久成人精品| 成人av在线播放网站| 老司机影院成人| 能在线免费观看的黄片| 两个人的视频大全免费| 国产精品久久久久久久久免| 久久久久久久久久久免费av| 黄片wwwwww| 69人妻影院| 久久精品国产99精品国产亚洲性色| 欧美日本视频| 亚洲国产精品sss在线观看| 欧美性感艳星| 老司机福利观看| 国产成人freesex在线| 成人三级黄色视频| 天天躁日日操中文字幕| 直男gayav资源| 国产精品一区二区在线观看99 | 18+在线观看网站| 亚洲av中文av极速乱| a级毛片免费高清观看在线播放| 亚洲欧美中文字幕日韩二区| 久久亚洲国产成人精品v| av在线观看视频网站免费| 中文字幕熟女人妻在线| 国产精品久久久久久久久免| 白带黄色成豆腐渣| 国产成年人精品一区二区| 午夜精品在线福利| 18+在线观看网站| 只有这里有精品99| 色播亚洲综合网| 午夜精品国产一区二区电影 | 国产成人精品婷婷| 麻豆乱淫一区二区| 久久人妻av系列| 日日摸夜夜添夜夜添av毛片| 两性午夜刺激爽爽歪歪视频在线观看| 一级毛片aaaaaa免费看小| 成人综合一区亚洲| 欧美最黄视频在线播放免费| 国产日韩欧美在线精品| 国产在视频线在精品| 国产大屁股一区二区在线视频| 观看免费一级毛片| 一级毛片aaaaaa免费看小| 国产精品一区二区三区四区免费观看| 成年女人看的毛片在线观看| 精品人妻视频免费看| 国产 一区精品| 我的女老师完整版在线观看| 一边亲一边摸免费视频| 18禁在线播放成人免费| 日韩av在线大香蕉| 男人和女人高潮做爰伦理| 最近2019中文字幕mv第一页| 特大巨黑吊av在线直播| 别揉我奶头 嗯啊视频| 联通29元200g的流量卡| 日韩国内少妇激情av| 国内精品美女久久久久久| 免费观看a级毛片全部| 国产精品精品国产色婷婷| 国产真实乱freesex| 波多野结衣巨乳人妻| 久久99精品国语久久久| 18禁在线无遮挡免费观看视频| 亚洲第一电影网av| 大香蕉久久网| 在线观看av片永久免费下载| 99久久无色码亚洲精品果冻| 中出人妻视频一区二区| 国产精品日韩av在线免费观看| 久久6这里有精品| 中出人妻视频一区二区| 免费av观看视频| 日本成人三级电影网站| 日本黄大片高清| 色综合亚洲欧美另类图片| 日日撸夜夜添| 不卡视频在线观看欧美| 国产黄色小视频在线观看| 一边摸一边抽搐一进一小说| 99久国产av精品| 国产精品永久免费网站| 日本免费一区二区三区高清不卡| 一夜夜www| 国产精品人妻久久久久久| 91av网一区二区| 久久韩国三级中文字幕| 精品久久久久久久末码| 99热这里只有是精品50| 亚洲激情五月婷婷啪啪| 欧美成人a在线观看| 丝袜喷水一区| 亚洲精品自拍成人| 午夜福利在线观看吧| 天堂网av新在线| 99国产极品粉嫩在线观看| 午夜亚洲福利在线播放| 国产精品一区二区在线观看99 | 成人一区二区视频在线观看| 久久人人精品亚洲av| 天天躁日日操中文字幕| kizo精华| 亚洲av.av天堂| 国产伦在线观看视频一区| 最新中文字幕久久久久| 亚洲最大成人手机在线| 人妻制服诱惑在线中文字幕| 久久精品影院6| 国产亚洲欧美98| 国产精品1区2区在线观看.| 波多野结衣高清作品| 久久精品国产亚洲网站| 女同久久另类99精品国产91| 欧美一区二区亚洲| 男人舔女人下体高潮全视频| 国产老妇伦熟女老妇高清| 在线国产一区二区在线| 久久精品久久久久久噜噜老黄 | 99热这里只有是精品50| www日本黄色视频网| 春色校园在线视频观看| 国产成人freesex在线| 高清日韩中文字幕在线| 成人二区视频| 国产精品一区二区性色av| 最近视频中文字幕2019在线8| 成人亚洲精品av一区二区| 欧美三级亚洲精品| 欧美日韩乱码在线| 国产欧美日韩精品一区二区| 九九久久精品国产亚洲av麻豆| 亚洲四区av| 色5月婷婷丁香| 99久久精品热视频| 成年免费大片在线观看| 女同久久另类99精品国产91| 观看美女的网站| av在线老鸭窝| 国产爱豆传媒在线观看| 在线观看午夜福利视频| 久久精品国产亚洲av涩爱 | 欧美潮喷喷水| 搡女人真爽免费视频火全软件| 亚洲av免费高清在线观看| 欧美潮喷喷水| 91麻豆精品激情在线观看国产| 国产中年淑女户外野战色| 色综合色国产| 精品久久国产蜜桃| 高清在线视频一区二区三区 | 精品久久久久久久久亚洲| 国内精品宾馆在线| 亚洲av二区三区四区| 国产精品三级大全| 级片在线观看| 只有这里有精品99| 精品欧美国产一区二区三| 久久精品国产亚洲av涩爱 | 亚洲无线观看免费| 欧美精品国产亚洲| 亚洲国产精品久久男人天堂| 亚洲真实伦在线观看| 在线观看午夜福利视频| 日本熟妇午夜| 狂野欧美激情性xxxx在线观看| 亚洲国产精品久久男人天堂| 国产午夜精品久久久久久一区二区三区| 久久久久九九精品影院| 大香蕉久久网| 我要看日韩黄色一级片| 99精品在免费线老司机午夜| 免费电影在线观看免费观看| 如何舔出高潮| 2022亚洲国产成人精品| 在线免费十八禁| 国产精品一区二区三区四区免费观看| 舔av片在线| 观看免费一级毛片| 91aial.com中文字幕在线观看| 97热精品久久久久久| 91精品一卡2卡3卡4卡| 久久久久久伊人网av| 人妻系列 视频| 美女脱内裤让男人舔精品视频 | 又黄又爽又刺激的免费视频.| 村上凉子中文字幕在线| 国产精品一区www在线观看| 国产成人freesex在线| 亚洲熟妇中文字幕五十中出| 国内久久婷婷六月综合欲色啪| 日韩精品青青久久久久久| 欧美成人a在线观看| 97超碰精品成人国产| 亚洲一级一片aⅴ在线观看| 成人鲁丝片一二三区免费| 欧美三级亚洲精品| 97热精品久久久久久| 亚洲成av人片在线播放无| 男女做爰动态图高潮gif福利片| 51国产日韩欧美| 特级一级黄色大片| 欧美一区二区国产精品久久精品| 老师上课跳d突然被开到最大视频| 黄片无遮挡物在线观看| 日本在线视频免费播放| 久久国产乱子免费精品| 少妇丰满av| 在线免费十八禁| .国产精品久久| 青青草视频在线视频观看| 国内精品久久久久精免费| 最新中文字幕久久久久| 久久久国产成人精品二区| 三级国产精品欧美在线观看| 欧美xxxx黑人xx丫x性爽| 日韩成人伦理影院| 国产一区二区在线av高清观看| 亚洲不卡免费看| 国产精品久久久久久亚洲av鲁大| 午夜福利视频1000在线观看| 国产老妇女一区| 69人妻影院| 在线国产一区二区在线| 一边亲一边摸免费视频| 中文字幕人妻熟人妻熟丝袜美| 91aial.com中文字幕在线观看| 久久九九热精品免费| 亚洲色图av天堂| 黄色视频,在线免费观看| 黄色欧美视频在线观看| 亚洲精品色激情综合| 免费看av在线观看网站| 午夜福利在线在线| 中文字幕精品亚洲无线码一区| 变态另类成人亚洲欧美熟女| 亚洲av一区综合| 久久精品国产鲁丝片午夜精品| 亚洲欧美精品专区久久| 可以在线观看的亚洲视频| 高清午夜精品一区二区三区 | 在线a可以看的网站| 亚洲av一区综合| 美女被艹到高潮喷水动态| 精品国产三级普通话版| 51国产日韩欧美| 不卡一级毛片| 男人的好看免费观看在线视频| 欧美激情久久久久久爽电影| 搡老妇女老女人老熟妇| 欧美人与善性xxx| 97在线视频观看| 久久久精品大字幕| 亚洲国产欧美在线一区| 三级国产精品欧美在线观看| 午夜福利视频1000在线观看| 欧美日韩一区二区视频在线观看视频在线 | 亚洲aⅴ乱码一区二区在线播放| 日韩在线高清观看一区二区三区| 久久久久久大精品| 小蜜桃在线观看免费完整版高清| 亚洲av免费在线观看| 日本三级黄在线观看| 国产成年人精品一区二区| 99久久人妻综合| 午夜福利高清视频| av视频在线观看入口| 18+在线观看网站| 国产精品免费一区二区三区在线| 久久99热6这里只有精品| 免费观看在线日韩| 国产亚洲精品久久久com| 一级黄色大片毛片| 精品久久久久久久末码| 欧美日韩综合久久久久久| 免费人成视频x8x8入口观看| 人妻制服诱惑在线中文字幕| 成人午夜高清在线视频| 黄色一级大片看看| 亚洲av第一区精品v没综合| 精品久久久久久久久久久久久| 日韩一本色道免费dvd| 丰满乱子伦码专区| 亚洲自偷自拍三级| 久久久久久久午夜电影| 欧美极品一区二区三区四区| 免费观看在线日韩| 校园人妻丝袜中文字幕| 又爽又黄a免费视频| 两个人的视频大全免费| 岛国在线免费视频观看| 精品国内亚洲2022精品成人| 亚洲成人精品中文字幕电影| 亚洲自拍偷在线| 一本久久中文字幕| 91精品一卡2卡3卡4卡| 国产不卡一卡二| 久99久视频精品免费| 亚洲欧美日韩东京热| 五月玫瑰六月丁香| 亚洲欧美精品综合久久99| 日本-黄色视频高清免费观看| 超碰av人人做人人爽久久| 国产色爽女视频免费观看| 村上凉子中文字幕在线| 99久久精品国产国产毛片| av在线亚洲专区| 国产蜜桃级精品一区二区三区| 午夜激情欧美在线| 变态另类成人亚洲欧美熟女| 青青草视频在线视频观看| 亚洲在线观看片| 黄片wwwwww| 久久精品夜色国产| 网址你懂的国产日韩在线| 男女边吃奶边做爰视频| 国产久久久一区二区三区| 日本与韩国留学比较| 日本撒尿小便嘘嘘汇集6| 国产av在哪里看| 欧美色欧美亚洲另类二区| 久久欧美精品欧美久久欧美| 欧美丝袜亚洲另类| 久久99精品国语久久久| 国产精品伦人一区二区| 欧美bdsm另类| 亚洲美女搞黄在线观看| 国产精品一及| 大又大粗又爽又黄少妇毛片口| 亚洲精品色激情综合| 天堂网av新在线| 长腿黑丝高跟| 波多野结衣巨乳人妻| 91久久精品国产一区二区三区| 午夜免费男女啪啪视频观看| 亚洲av一区综合| 不卡视频在线观看欧美| 嫩草影院入口| 精品熟女少妇av免费看| 成人av在线播放网站| 欧美一区二区精品小视频在线| 乱系列少妇在线播放| 成人毛片a级毛片在线播放| 1024手机看黄色片| 日韩av不卡免费在线播放| 精品无人区乱码1区二区| 久久99精品国语久久久| 亚洲av不卡在线观看| 成人国产麻豆网| 亚洲国产精品国产精品| 99热只有精品国产| 丝袜喷水一区| 国产一区二区亚洲精品在线观看| 亚洲无线观看免费| 欧美激情在线99| 国产精品一区二区在线观看99 | 男女啪啪激烈高潮av片| 国产69精品久久久久777片| 91av网一区二区| 校园春色视频在线观看| 色吧在线观看| 国产av麻豆久久久久久久| 97在线视频观看| 亚洲国产日韩欧美精品在线观看| 天美传媒精品一区二区| 国产精品一区二区在线观看99 | 免费不卡的大黄色大毛片视频在线观看 | 国产精品久久视频播放| av.在线天堂| 麻豆成人午夜福利视频| av在线观看视频网站免费| 精品99又大又爽又粗少妇毛片| 精品人妻偷拍中文字幕| 麻豆精品久久久久久蜜桃| 久久99精品国语久久久| 亚洲欧美精品综合久久99| 国产不卡一卡二| 亚洲国产精品国产精品| 国产精品人妻久久久影院| 亚洲丝袜综合中文字幕| 欧美性猛交黑人性爽| 小蜜桃在线观看免费完整版高清| 一级毛片久久久久久久久女| 亚洲av二区三区四区| 午夜福利视频1000在线观看| 日韩av不卡免费在线播放| 麻豆乱淫一区二区| 成人三级黄色视频| 色尼玛亚洲综合影院| 国产精品人妻久久久影院| 久久久久久久亚洲中文字幕| 亚洲自偷自拍三级| 欧美日本视频| 少妇猛男粗大的猛烈进出视频 | 国产美女午夜福利| 亚洲成人精品中文字幕电影| 国内久久婷婷六月综合欲色啪| 国产一区亚洲一区在线观看| 精品久久久久久久人妻蜜臀av| 一级毛片久久久久久久久女| av天堂中文字幕网| 亚洲国产色片| 日韩欧美精品v在线| 免费黄网站久久成人精品| 99热只有精品国产| 成人午夜精彩视频在线观看| 一个人免费在线观看电影| 人人妻人人澡人人爽人人夜夜 | 亚洲欧洲国产日韩| 成人鲁丝片一二三区免费| 波多野结衣高清无吗| 国产v大片淫在线免费观看| 亚洲欧美成人综合另类久久久 | 九九在线视频观看精品| 美女cb高潮喷水在线观看| 亚洲欧美精品自产自拍| 非洲黑人性xxxx精品又粗又长| 免费看a级黄色片| 极品教师在线视频| 亚洲综合色惰| 午夜精品一区二区三区免费看| 国产一区二区亚洲精品在线观看| 亚洲欧美日韩东京热| 91在线精品国自产拍蜜月| 成年版毛片免费区| 国产精品久久久久久精品电影小说 | 免费观看a级毛片全部| 别揉我奶头 嗯啊视频| 长腿黑丝高跟| 精品少妇黑人巨大在线播放 | 最近最新中文字幕大全电影3| 亚洲欧洲日产国产| 国内精品一区二区在线观看| 毛片女人毛片| 亚洲欧美精品专区久久| 午夜久久久久精精品| 有码 亚洲区| 日韩国内少妇激情av| 久久久久九九精品影院| 日产精品乱码卡一卡2卡三| 精品久久久久久成人av| 亚洲熟妇中文字幕五十中出| 国产免费男女视频| 亚洲欧美清纯卡通| 2021天堂中文幕一二区在线观| 直男gayav资源| 99在线人妻在线中文字幕| 国产免费男女视频| 久久九九热精品免费| 只有这里有精品99| 日韩欧美国产在线观看| 亚洲欧洲日产国产| 欧美不卡视频在线免费观看| 亚洲国产精品成人久久小说 | 久久久久久久亚洲中文字幕| 一级二级三级毛片免费看| 亚洲经典国产精华液单| 熟女人妻精品中文字幕| eeuss影院久久| 国产色婷婷99| 狠狠狠狠99中文字幕| 亚洲欧美精品自产自拍| 亚洲精品456在线播放app| 日韩欧美三级三区| 成人永久免费在线观看视频| 一本久久中文字幕| 亚洲乱码一区二区免费版| 中文字幕人妻熟人妻熟丝袜美| 综合色av麻豆| 亚洲成人av在线免费| 一进一出抽搐动态| 一区福利在线观看| 精品久久久久久久人妻蜜臀av| 亚洲国产精品成人综合色| 国产精品一区二区性色av| 嘟嘟电影网在线观看| 亚州av有码| 97超碰精品成人国产| 国模一区二区三区四区视频| 久久久午夜欧美精品| 亚洲美女搞黄在线观看| 久久久精品94久久精品| 夫妻性生交免费视频一级片| 非洲黑人性xxxx精品又粗又长| 婷婷色综合大香蕉| 人妻制服诱惑在线中文字幕| 国产成人影院久久av| ponron亚洲| 女的被弄到高潮叫床怎么办| 精品久久久久久久久av| 白带黄色成豆腐渣| 亚洲av免费高清在线观看| 亚洲国产精品sss在线观看| 成年av动漫网址| 亚洲18禁久久av| 亚洲在久久综合| 国产精品嫩草影院av在线观看| 亚洲自拍偷在线| 亚洲在线观看片| 狠狠狠狠99中文字幕| 99久久久亚洲精品蜜臀av| 亚洲av不卡在线观看| 精品久久国产蜜桃| 波野结衣二区三区在线| 国产中年淑女户外野战色| 亚洲精品成人久久久久久| 亚洲欧美日韩高清在线视频| 两个人视频免费观看高清| 久久久久久九九精品二区国产| 99热6这里只有精品| 日日撸夜夜添| 欧美+日韩+精品| 好男人在线观看高清免费视频| 深夜a级毛片| 欧美最黄视频在线播放免费| 天天躁日日操中文字幕| 99国产极品粉嫩在线观看| 久久人妻av系列| 嫩草影院新地址| 边亲边吃奶的免费视频| 内地一区二区视频在线| 一级毛片电影观看 | 悠悠久久av| 精品久久久久久久久久免费视频| 亚洲av第一区精品v没综合| 国产高潮美女av| 日本在线视频免费播放| 18禁在线播放成人免费| 三级国产精品欧美在线观看| 亚洲久久久久久中文字幕| a级毛片免费高清观看在线播放| 联通29元200g的流量卡| 青青草视频在线视频观看| 国产精品一区二区性色av| 91精品国产九色| 男女边吃奶边做爰视频| 三级男女做爰猛烈吃奶摸视频| 国产日本99.免费观看| 国产精品免费一区二区三区在线| 国产探花极品一区二区| 国产淫片久久久久久久久| 久久这里只有精品中国| 91狼人影院| 麻豆成人午夜福利视频| 日韩欧美一区二区三区在线观看| 看黄色毛片网站| 六月丁香七月| 只有这里有精品99| 亚洲国产精品国产精品| 综合色丁香网| 久久久久久九九精品二区国产| 亚洲第一电影网av| 欧美一区二区亚洲| 边亲边吃奶的免费视频| 久久精品国产鲁丝片午夜精品| 我要搜黄色片| 91久久精品电影网| 亚洲天堂国产精品一区在线| 校园人妻丝袜中文字幕| 男女啪啪激烈高潮av片| 十八禁国产超污无遮挡网站| 91在线精品国自产拍蜜月| 男人舔奶头视频| 天堂网av新在线| 美女内射精品一级片tv| 深夜a级毛片| 欧美变态另类bdsm刘玥| 日本一二三区视频观看|