• <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
    亚洲欧美日韩无卡精品| 一级av片app| 欧美日韩视频高清一区二区三区二| 五月玫瑰六月丁香| 亚洲自拍偷在线| 亚洲第一区二区三区不卡| 免费看不卡的av| 日本一本二区三区精品| 成人亚洲精品av一区二区| 建设人人有责人人尽责人人享有的 | 国产精品不卡视频一区二区| 国产成人精品一,二区| 亚洲精品一区蜜桃| 日本黄色片子视频| 免费黄色在线免费观看| 精品久久久精品久久久| 啦啦啦中文免费视频观看日本| 成人漫画全彩无遮挡| 国产av不卡久久| 五月玫瑰六月丁香| 亚洲av男天堂| 精品一区二区免费观看| 亚洲成人中文字幕在线播放| 亚洲精品,欧美精品| 午夜福利在线观看免费完整高清在| 国产精品人妻久久久久久| 成人美女网站在线观看视频| 国产久久久一区二区三区| 日韩欧美国产在线观看| 乱码一卡2卡4卡精品| 国产精品国产三级国产专区5o| 成年人午夜在线观看视频 | or卡值多少钱| 午夜日本视频在线| 久久久亚洲精品成人影院| av.在线天堂| 插逼视频在线观看| 免费av不卡在线播放| 不卡视频在线观看欧美| 伊人久久精品亚洲午夜| 国产伦在线观看视频一区| 午夜免费男女啪啪视频观看| 日韩欧美一区视频在线观看 | 色尼玛亚洲综合影院| 亚洲av不卡在线观看| 亚洲一区高清亚洲精品| 麻豆乱淫一区二区| 最近2019中文字幕mv第一页| 高清欧美精品videossex| 一本久久精品| 亚洲最大成人手机在线| 午夜福利视频1000在线观看| 最后的刺客免费高清国语| 在线观看免费高清a一片| 成人午夜高清在线视频| 嫩草影院新地址| 一夜夜www| 国产高清有码在线观看视频| 69人妻影院| 日韩成人av中文字幕在线观看| 99九九线精品视频在线观看视频| 噜噜噜噜噜久久久久久91| 国产一区二区亚洲精品在线观看| 亚洲国产欧美人成| 国产一区二区亚洲精品在线观看| or卡值多少钱| 少妇裸体淫交视频免费看高清| 91在线精品国自产拍蜜月| 一夜夜www| 日日摸夜夜添夜夜爱| 天美传媒精品一区二区| 国产av国产精品国产| 国精品久久久久久国模美| 一个人观看的视频www高清免费观看| 一个人免费在线观看电影| 青青草视频在线视频观看| 一个人免费在线观看电影| 免费观看性生交大片5| 久久99热这里只频精品6学生| 免费看美女性在线毛片视频| 视频中文字幕在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美日韩卡通动漫| 日本爱情动作片www.在线观看| 校园人妻丝袜中文字幕| 一区二区三区四区激情视频| 嫩草影院入口| 日本一二三区视频观看| 国产淫片久久久久久久久| 久久久久精品性色| 午夜激情福利司机影院| 国产精品美女特级片免费视频播放器| 国产中年淑女户外野战色| 青春草国产在线视频| 久久99热6这里只有精品| 欧美成人精品欧美一级黄| 亚洲久久久久久中文字幕| 久久久久久久国产电影| 欧美极品一区二区三区四区| 十八禁国产超污无遮挡网站| 夜夜爽夜夜爽视频| 18+在线观看网站| 色5月婷婷丁香| 看免费成人av毛片| 人体艺术视频欧美日本| 永久免费av网站大全| 汤姆久久久久久久影院中文字幕 | 国产精品三级大全| 久久久精品94久久精品| 一级二级三级毛片免费看| 国产黄片视频在线免费观看| 美女内射精品一级片tv| 国产精品一区二区三区四区久久| 亚洲伊人久久精品综合| 五月玫瑰六月丁香| 91av网一区二区| 亚洲真实伦在线观看| 国产成人freesex在线| 免费无遮挡裸体视频| 国产黄片美女视频| 免费观看av网站的网址| 边亲边吃奶的免费视频| 蜜臀久久99精品久久宅男| 五月伊人婷婷丁香| 久久久久精品久久久久真实原创| www.色视频.com| 亚洲18禁久久av| 亚洲av电影在线观看一区二区三区 | 男的添女的下面高潮视频| 九九爱精品视频在线观看| 精品久久久久久成人av| 色尼玛亚洲综合影院| 亚洲天堂国产精品一区在线| 欧美一级a爱片免费观看看| 午夜免费观看性视频| 国产伦一二天堂av在线观看| 天天一区二区日本电影三级| 国产精品一区二区在线观看99 | 自拍偷自拍亚洲精品老妇| 最新中文字幕久久久久| 丰满人妻一区二区三区视频av| 国产黄a三级三级三级人| 综合色av麻豆| 91精品伊人久久大香线蕉| 五月天丁香电影| 秋霞在线观看毛片| 欧美日韩亚洲高清精品| 一级爰片在线观看| 日韩,欧美,国产一区二区三区| 国产有黄有色有爽视频| 亚洲激情五月婷婷啪啪| 日本午夜av视频| 国产精品一及| 亚洲精品国产成人久久av| 日日干狠狠操夜夜爽| 午夜免费激情av| 最近的中文字幕免费完整| 午夜福利成人在线免费观看| 国产高清三级在线| 成人午夜精彩视频在线观看| 欧美+日韩+精品| 美女脱内裤让男人舔精品视频| 国产精品综合久久久久久久免费| 中文欧美无线码| 美女国产视频在线观看| 国产精品日韩av在线免费观看| 亚洲精品久久午夜乱码| 一本久久精品| 韩国高清视频一区二区三区| 国产综合懂色| 亚洲av中文字字幕乱码综合| 色综合色国产| 在线观看av片永久免费下载| 美女大奶头视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 黄色一级大片看看| 纵有疾风起免费观看全集完整版 | 最近视频中文字幕2019在线8| 嫩草影院入口| 人妻少妇偷人精品九色| 亚洲久久久久久中文字幕| av专区在线播放| 99久久九九国产精品国产免费| 中文字幕av成人在线电影| 成人国产麻豆网| 一级片'在线观看视频| 日日干狠狠操夜夜爽| 在线免费十八禁| 中文字幕制服av| 成人欧美大片| h日本视频在线播放| 精品人妻偷拍中文字幕| 日本色播在线视频| 爱豆传媒免费全集在线观看| 超碰av人人做人人爽久久| 午夜免费激情av| 免费看日本二区| 国产欧美日韩精品一区二区| 高清视频免费观看一区二区 | 日本爱情动作片www.在线观看| 亚洲精品国产av成人精品| 免费在线观看成人毛片| 在线观看人妻少妇| 老师上课跳d突然被开到最大视频| 亚洲天堂国产精品一区在线| 十八禁网站网址无遮挡 | 亚洲欧美精品自产自拍| 精华霜和精华液先用哪个| 色哟哟·www| 午夜老司机福利剧场| 99热6这里只有精品| 国产在视频线在精品| 国产伦理片在线播放av一区| 在线天堂最新版资源| 深夜a级毛片| 国产一区二区亚洲精品在线观看| 一级毛片我不卡| 如何舔出高潮| 精品一区二区三卡| 在线a可以看的网站| 亚洲自拍偷在线| 男女国产视频网站| videossex国产| 成年免费大片在线观看| 天堂网av新在线| 少妇熟女aⅴ在线视频| 中文天堂在线官网| 日本wwww免费看| 国产精品精品国产色婷婷| 婷婷色综合www| 国产91av在线免费观看| 亚洲无线观看免费| 亚洲第一区二区三区不卡| 26uuu在线亚洲综合色| 久久精品综合一区二区三区| 卡戴珊不雅视频在线播放| 日韩 亚洲 欧美在线| 天堂影院成人在线观看| 波多野结衣巨乳人妻| av福利片在线观看| 日韩欧美精品v在线| 久久久久久久午夜电影| av在线播放精品| 婷婷色av中文字幕| 日韩一区二区视频免费看| 你懂的网址亚洲精品在线观看| 精品人妻视频免费看| 一级毛片电影观看| 午夜精品在线福利| av线在线观看网站| 久久久久国产网址| 国产午夜精品久久久久久一区二区三区| 午夜激情久久久久久久| 毛片女人毛片| 内地一区二区视频在线| 一个人看视频在线观看www免费| 亚洲精品自拍成人| 中文精品一卡2卡3卡4更新| 一区二区三区免费毛片| 99久国产av精品| 久久久久久久久久成人| 国产乱人视频| 亚洲熟妇中文字幕五十中出| 91精品伊人久久大香线蕉| 国产精品久久久久久久久免| 久久精品熟女亚洲av麻豆精品 | 日韩精品青青久久久久久| 国产av不卡久久| 97热精品久久久久久| 亚洲av不卡在线观看| 欧美+日韩+精品| 亚洲av国产av综合av卡| 男女国产视频网站| 成人性生交大片免费视频hd| 久久久a久久爽久久v久久| 人体艺术视频欧美日本| 日本wwww免费看| 两个人视频免费观看高清| 国产一级毛片在线| 久久久久免费精品人妻一区二区| 久久热精品热| 国产精品日韩av在线免费观看| 亚洲精品日本国产第一区| 极品少妇高潮喷水抽搐| 波野结衣二区三区在线| 日本色播在线视频| 国产综合精华液| 亚洲精品456在线播放app| av在线亚洲专区| 亚洲欧美精品专区久久| 亚洲综合色惰| 国产精品久久久久久av不卡| 欧美成人午夜免费资源| 免费大片黄手机在线观看| 亚洲真实伦在线观看| 国产精品爽爽va在线观看网站| 免费黄色在线免费观看| a级一级毛片免费在线观看| 免费观看在线日韩| 国产欧美另类精品又又久久亚洲欧美| 成人无遮挡网站| 国产91av在线免费观看| 国产黄片美女视频| 日韩不卡一区二区三区视频在线| 色播亚洲综合网| 蜜桃久久精品国产亚洲av| 成人高潮视频无遮挡免费网站| 国产一区二区在线观看日韩| 偷拍熟女少妇极品色| 建设人人有责人人尽责人人享有的 | 黄色欧美视频在线观看| 两个人的视频大全免费| 国产精品国产三级国产av玫瑰| 欧美成人一区二区免费高清观看| 国产在视频线在精品| 夜夜看夜夜爽夜夜摸| 高清日韩中文字幕在线| 春色校园在线视频观看| 真实男女啪啪啪动态图| 欧美日韩一区二区视频在线观看视频在线 | 中文字幕亚洲精品专区| 伦理电影大哥的女人| 国产一区二区在线观看日韩| 一区二区三区四区激情视频| 久久久久久久大尺度免费视频| 国产精品.久久久| 久久久成人免费电影| 一本久久精品| 免费少妇av软件| 边亲边吃奶的免费视频| 国产精品三级大全| 少妇人妻精品综合一区二区| 久久久久久久久中文| 日产精品乱码卡一卡2卡三| 最近视频中文字幕2019在线8| 又爽又黄无遮挡网站| 天天一区二区日本电影三级| 在线观看一区二区三区| 国产精品久久视频播放| 真实男女啪啪啪动态图| 成人毛片60女人毛片免费| 一级片'在线观看视频| 简卡轻食公司| kizo精华| 91av网一区二区| 男女视频在线观看网站免费| 乱码一卡2卡4卡精品| 亚洲电影在线观看av| 亚洲内射少妇av| 国产乱来视频区| 亚洲,欧美,日韩| 欧美bdsm另类| 18禁在线无遮挡免费观看视频| 观看免费一级毛片| 国产精品综合久久久久久久免费| 狂野欧美激情性xxxx在线观看| 免费看日本二区| 成人亚洲精品一区在线观看 | 最近视频中文字幕2019在线8| 超碰97精品在线观看| 亚洲欧美日韩东京热| 久久精品久久久久久噜噜老黄| 卡戴珊不雅视频在线播放| 国产色爽女视频免费观看| 精品一区二区三区人妻视频| 欧美另类一区| 亚洲成人一二三区av| 欧美激情久久久久久爽电影| 久久这里只有精品中国| 高清欧美精品videossex| 一级毛片aaaaaa免费看小| 日产精品乱码卡一卡2卡三| 嫩草影院新地址| 午夜精品国产一区二区电影 | 亚洲精品乱码久久久v下载方式| 永久网站在线| 国产视频首页在线观看| 国产一级毛片在线| 国产精品一区二区在线观看99 | 日韩欧美精品免费久久| 国产色爽女视频免费观看| 欧美精品一区二区大全| 中国国产av一级| 亚洲精品国产av蜜桃| 人体艺术视频欧美日本| 2018国产大陆天天弄谢| 免费看日本二区| 最近中文字幕2019免费版| 国产 亚洲一区二区三区 | 亚洲综合精品二区| 亚洲人成网站在线观看播放| 哪个播放器可以免费观看大片| 一区二区三区免费毛片| 夜夜爽夜夜爽视频| 汤姆久久久久久久影院中文字幕 | 亚洲一区高清亚洲精品| 网址你懂的国产日韩在线| 日韩欧美三级三区| 狂野欧美白嫩少妇大欣赏| 免费看光身美女| 日韩大片免费观看网站| 久久久久性生活片| 网址你懂的国产日韩在线| av又黄又爽大尺度在线免费看| 水蜜桃什么品种好| 看免费成人av毛片| 黑人高潮一二区| 色视频www国产| .国产精品久久| 2018国产大陆天天弄谢| 欧美日韩亚洲高清精品| 身体一侧抽搐| 久久久精品欧美日韩精品| 国产精品久久久久久久久免| 肉色欧美久久久久久久蜜桃 | 国产av不卡久久| 亚洲一区高清亚洲精品| 欧美日韩综合久久久久久| 亚洲内射少妇av| 亚洲精品国产av蜜桃| 午夜福利在线观看免费完整高清在| 国产精品精品国产色婷婷| 极品少妇高潮喷水抽搐| 婷婷色麻豆天堂久久| 成人午夜高清在线视频| 免费少妇av软件| 亚洲精品日韩av片在线观看| 亚洲欧美清纯卡通| 国产精品人妻久久久久久| 婷婷六月久久综合丁香| 水蜜桃什么品种好| 成年版毛片免费区| 国产国拍精品亚洲av在线观看| 免费看日本二区| 国产免费福利视频在线观看| 天美传媒精品一区二区| 国产成人精品一,二区| 亚洲欧美日韩无卡精品| 亚洲av免费高清在线观看| 久久久久久久久久成人| 日韩三级伦理在线观看| 亚洲精品中文字幕在线视频 | 日韩视频在线欧美| 亚洲成人中文字幕在线播放| 欧美日韩国产mv在线观看视频 | 欧美另类一区| 色尼玛亚洲综合影院| 亚洲精品自拍成人| 好男人视频免费观看在线| 日日摸夜夜添夜夜添av毛片| 我的女老师完整版在线观看| 人妻系列 视频| 高清午夜精品一区二区三区| 中国国产av一级| 亚洲在线自拍视频| 国产极品天堂在线| 久久久久网色| 女人久久www免费人成看片| 激情五月婷婷亚洲| 国产在视频线在精品| 国产午夜精品久久久久久一区二区三区| 午夜老司机福利剧场| 高清视频免费观看一区二区 | 九九久久精品国产亚洲av麻豆| 99九九线精品视频在线观看视频| 国产大屁股一区二区在线视频| 男女啪啪激烈高潮av片| 一区二区三区免费毛片| 国产伦一二天堂av在线观看| 丰满人妻一区二区三区视频av| 嘟嘟电影网在线观看| 人妻夜夜爽99麻豆av| 亚洲精品影视一区二区三区av| 亚洲欧美成人精品一区二区| 免费电影在线观看免费观看| 日本黄色片子视频| 人妻夜夜爽99麻豆av| av卡一久久| 国产亚洲精品av在线| 欧美精品国产亚洲| 高清毛片免费看| freevideosex欧美| 在线免费十八禁| av福利片在线观看| 亚洲婷婷狠狠爱综合网| 亚洲天堂国产精品一区在线| 国产一区二区在线观看日韩| 午夜激情福利司机影院| 国产有黄有色有爽视频| 国产高清有码在线观看视频| 天堂av国产一区二区熟女人妻| 免费电影在线观看免费观看| 国产精品伦人一区二区| 亚洲精品自拍成人| 国内精品宾馆在线| 亚洲av二区三区四区| 超碰av人人做人人爽久久| 99久久精品一区二区三区| 国产成人免费观看mmmm| 如何舔出高潮| 婷婷色麻豆天堂久久| 亚洲国产色片| 亚洲电影在线观看av| 久久6这里有精品| 色5月婷婷丁香| 亚洲av福利一区| av黄色大香蕉| 黄片wwwwww| 久久精品久久久久久久性| 久久久久久久久久久免费av| 欧美性感艳星| 成人欧美大片| 国产 亚洲一区二区三区 | 欧美丝袜亚洲另类| 色网站视频免费| 天美传媒精品一区二区| 午夜视频国产福利| 有码 亚洲区| 国产成人a区在线观看| 日韩不卡一区二区三区视频在线| 国产精品伦人一区二区| 国产精品国产三级专区第一集| 99久国产av精品国产电影| 国产老妇女一区| 欧美成人a在线观看| 久久精品国产亚洲av涩爱| 亚洲av电影在线观看一区二区三区 | 性插视频无遮挡在线免费观看| 日韩国内少妇激情av| 听说在线观看完整版免费高清| av专区在线播放| 免费不卡的大黄色大毛片视频在线观看 | 波多野结衣巨乳人妻| 精品午夜福利在线看| av在线老鸭窝| 国产成人免费观看mmmm| 亚洲美女搞黄在线观看| 亚洲熟女精品中文字幕| 三级国产精品片| 亚洲精品视频女| 国产人妻一区二区三区在| 日本-黄色视频高清免费观看| 性插视频无遮挡在线免费观看| 成人高潮视频无遮挡免费网站| 久久综合国产亚洲精品| 中文字幕av在线有码专区| 国产av不卡久久| 亚洲av成人精品一区久久| 亚洲av免费在线观看| 亚洲天堂国产精品一区在线| 美女国产视频在线观看| 亚洲不卡免费看| 国产一区二区在线观看日韩| 国产精品蜜桃在线观看| 国产黄频视频在线观看| 三级毛片av免费| 两个人的视频大全免费| 亚洲国产色片| ponron亚洲| 午夜爱爱视频在线播放| 亚洲第一区二区三区不卡| 亚洲综合精品二区| 国产精品久久久久久久电影| 最后的刺客免费高清国语| 精品酒店卫生间| 日日干狠狠操夜夜爽| 九草在线视频观看| 69av精品久久久久久| 十八禁国产超污无遮挡网站| 只有这里有精品99| 国产精品国产三级国产专区5o| 久久久午夜欧美精品| 非洲黑人性xxxx精品又粗又长| 天天躁夜夜躁狠狠久久av| 狂野欧美白嫩少妇大欣赏| 国产黄色免费在线视频| 三级毛片av免费| 2022亚洲国产成人精品| 99热6这里只有精品| 午夜日本视频在线| 久久精品夜色国产| 亚洲精品久久久久久婷婷小说| 青春草国产在线视频| 黄片无遮挡物在线观看| 女人被狂操c到高潮| 亚洲精品久久久久久婷婷小说| 少妇人妻精品综合一区二区| 日韩一本色道免费dvd| 亚洲人与动物交配视频| 亚洲精品视频女| 国产视频内射| 欧美日韩在线观看h| 国产91av在线免费观看| 亚洲国产精品专区欧美| 中文字幕人妻熟人妻熟丝袜美| 久久久成人免费电影| 国产大屁股一区二区在线视频| 日韩三级伦理在线观看| 免费人成在线观看视频色| 一级毛片电影观看| 久久亚洲国产成人精品v| 观看美女的网站| 大香蕉久久网| 六月丁香七月| 最近中文字幕2019免费版| 99久国产av精品国产电影| 亚洲精品aⅴ在线观看| 少妇人妻精品综合一区二区| 国产黄频视频在线观看| 国产v大片淫在线免费观看| 又大又黄又爽视频免费| 天堂影院成人在线观看| 国产一区亚洲一区在线观看| 美女被艹到高潮喷水动态| 久久精品综合一区二区三区|