• <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 ?

    五種機器學習模型預測頸動脈粥樣硬化患者發(fā)生缺血性腦卒中的效能比較

    2023-12-14 04:50:58張紅珍楊少玲赫蘭林文華顧家紅趙坤胡靜彭媛媛
    右江醫(yī)學 2023年11期
    關鍵詞:頸動脈機器缺血性

    張紅珍,楊少玲,赫蘭,林文華,顧家紅,趙坤,胡靜,彭媛媛

    (1.安徽理工大學附屬奉賢醫(yī)院超聲科,上海 201499;2.上海市第八人民醫(yī)院超聲科,上海 200235)

    缺血性腦卒中是腦卒中高危人群致殘與致死的主要原因,其發(fā)病率逐年升高[1]。約30%的缺血性腦卒中是由頸動脈粥樣硬化易損斑塊破裂,微小栓子引起顱內動脈栓塞所致[2]。頸動脈超聲檢查是早期篩查易損斑塊的首選方法[3-4]。然而目前我國超聲醫(yī)師緊缺、易損斑塊識別技術水平要求較高[5],阻礙了頸動脈超聲檢查在腦卒中高危人群篩查中的廣泛應用。

    隨著人工智能技術逐步應用于醫(yī)學領域,機器學習模型大大提高了解決部分醫(yī)療問題的效率[6-7]。利用機器學習模型有望預測頸動脈粥樣硬化斑塊(carotid atherosclerosis,CAS)患者發(fā)生缺血性腦卒中的風險。logistics分類(LR)、高斯樸素貝葉斯分類(GNB)、補充樸素貝葉斯分類(CNB)、支持向量機(SVM)和k近鄰分類(KNN)是經典的機器學習模型,目前已部分應用于疾病的預測及數據分析中[8-9]。在預測CAS患者發(fā)生缺血性腦卒中的風險方面應用較少。本研究旨在比較LR、GNB、CNB、SVM和KNN五種不同的機器學習模型預測CAS患者發(fā)生缺血性腦卒中的效能。

    1 資料與方法

    1.1 研究對象2021年3月1日—11月30日在上海市第八人民醫(yī)院神經內科住院的CAS患者101例。納入標準:(1)年齡≥35歲;(2)經頸動脈彩色多普勒超聲檢查診斷為頸動脈粥樣硬化的住院患者;(3)未接受頸部血管手術治療者;(4)無嚴重腦血管疾病史。排除標準:(1)年齡<35周歲;(2)合并嚴重的肝、腎、肺及消化系統(tǒng)疾病者;(3)有頸動脈內膜剝脫術、血管搭橋術或頸動脈支架成形術等頸部血管手術史者;(4)有嚴重腦血管疾病史者;(5)頸動脈閉塞患者;(6)住院信息不全或臨床隨訪資料不全。

    1.2 數據庫建立采集CAS患者性別、年齡、糖類抗原CA-50、鱗癌抗原SCC、維生素B12、甲胎蛋白、神經元特異烯醇化酶、鐵蛋白、游離甲狀腺素、三碘甲狀腺原氨酸、甲狀腺素、甲狀腺球蛋白、癌胚抗原、糖類抗原CA19-9、糖化血紅蛋白、免疫球蛋白IgG4、免疫球蛋白E、補體C3、血液生化、血常規(guī)及頸動脈超聲檢查結果建立數據庫。

    1.3 數據預處理搜集的101例CAS患者中,有缺血性腦卒中90例,無缺血性腦卒中11例,數據存在不均衡現象,為了減少模型預測性能的偏倚,本研究采用了SMOTE(sythetic minority over-sampling technique)方法對數據進行樣本平衡,使得結局變量比例為2∶1。

    1.4 超聲儀器設備及檢查方法GE Vivid E9超聲診斷儀,配備L9探頭,頻率為5~12 MHz?;颊呷フ砥脚P,充分暴露頸部,頭后仰偏向對側,檢查患者雙側頸動脈,記錄有無斑塊、斑塊的內部回聲、表面形態(tài)、內部構成、測量斑塊大小及頸動脈狹窄率。

    1.5 診斷標準(1)CAS超聲診斷標準。依據2005美國放射學年會超聲會議公布的超聲診斷CAS標準:頸動脈內-中膜厚度(imtima-media thickness,IMT)>1.0 mm,診斷為增厚;IMT≥1.5 mm,局限性增厚或內中膜增厚大于周邊IMT的50%,并凸向血管腔內,則定義為斑塊[10-12]。(2)缺血性腦卒中診斷標準。缺血導致的持續(xù)24 h以上的癥狀性神經功能惡化,或新發(fā)癥狀性神經功能惡化并伴有新發(fā)腦梗死的神經影像學證據[13]。

    2 結 果

    2.1 兩組CAS患者臨床基線特征101例CAS患者,其中男性52例(51.49%),女性49例(48.51%),年齡41~97歲,平均(69.96±11.03)歲,經統(tǒng)計檢驗分析,碳酸氫根、嗜堿性粒細胞比率、中性粒細胞數、血清淀粉樣蛋白A和淋巴細胞比率在腦卒中的各組間差異有統(tǒng)計學意義(P<0.05)。見表1。

    2.2 特征重要性分析采用極端梯度提升樹對所有的變量進行變量重要性分析,篩選變量的模型參數為優(yōu)化目標函數(objective): 學習速率 (reg:squarederror;learning_rate): 0.1;最大樹深度(max_depth): 4;最小分叉權重和(min_child_weight): 4;L2正則化系數(reg_lambda): 1。重要度最高的十個特征變量為前白蛋白、淋巴細胞比率、嗜堿性粒細胞比率、低密度脂蛋白膽固醇、甲狀腺結節(jié)、碳酸氫根、鱗癌抗原SCC、鐵蛋白、神經元特異烯醇化酶、嗜堿性粒細胞,見圖1。下一步將這十個重要變量納入不同的機器學習模型中。

    圖1 特征變量重要性排序

    2.3 五種ML模型預測效能比較從準確度方面分析,LR(72.6%)、GNB(83.0%)、CNB(62.2%)、SVM(72.6%)和KNN(65.9%),按準確度從高到低排列依次為GNB模型、LR模型、SVM模型、KNN模型、CNB模型;從靈敏度方面分析,LR(67.5%)、GNB(81.6%)、CNB(62.9%)、SVM(62.5%)和KNN(83.6%),按靈敏度從高到低排列依次為KNN模型、GNB模型、LR模型、CNB模型、SVM模型;從特異度方面分析,LR(96.0%)、GNB(100.0%)、CNB(77.4%)、SVM(91.2%)和KNN(82.7%),按特異度從高到低排列依次為GNB模型、LR模型、SVM模型、KNN模型、CNB模型;從AUC方面分析,LR=0.810(0.052)、GNB=0.936(0.032)、CNB=0.629(0.104)、SVM=0.781(0.062)和KNN=0.854(0.065),按AUC值從高到低排列依次為GNB模型、KNN模型、LR模型、SVM模型、CNB模型,見表2、圖2及圖3。

    注:A為訓練集,B為測試集

    圖3 五種ML模型預測效能比較森林圖

    表2 五種ML模型的效能結果

    綜上所述,訓練集中,GNB模型的真實性(靈敏度、AUC值)和可靠性(準確度)均高于其余四種模型;預測性上,LR模型的陽性預測值(0.978)最高,GNB模型的陽性預測值(0.977)比LR模型略低,而GNB模型的陰性預測值(0.748)在五種模型中最高。測試集中,GNB模型的真實性(特異度、AUC值)和可靠性(準確度)均高于其余四種模型;預測性上,LR模型的陽性預測值(0.983)最高,GNB模型的陽性預測值(0.962)僅次于LR模型,而GNB模型的陰性預測值(0.644)在五種模型中最高。綜合比較五種ML模型的預測效能,GNB模型預測效能最高,LR模型、KNN模型、SVM模型、CNB模型按序次之。GNB模型和LR模型兩種模型ROC檢驗的P值等于0.012,這兩種模型的ROC檢驗組間比較差異有統(tǒng)計學意義。見表3。

    表3 Delong檢測五種ML模型P值均值表

    3 討 論

    隨著計算機技術的不斷發(fā)展,機器學習已滲透到部分醫(yī)療領域并帶來了前所未有的效率及進步[14]。有研究將機器學習模型應用到疾病預測中,最終實現了患病風險預測[15-16]。既往關于CAS患者發(fā)生缺血性腦卒中的風險研究,大部分僅局限于危險因素、預后及病理生理方面[17-18],很少有利用機器學習模型預測CAS患者發(fā)生缺血性腦卒中的風險。本研究比較五種機器學習模型預測CAS患者發(fā)生缺血性腦卒中風險的效能,五種預測模型的準確度(62.2%~83.0%)、靈敏度(62.5%~83.6%)、特異度(77.4%~100.0%)、AUC(0.629~0.936),GNB模型的準確度(83.0%)、特異度(100.0%)、AUC(0.936)在所有模型中最高,推斷出GNB模型在預測CAS患者發(fā)生缺血性腦卒中風險效能最優(yōu),差異有統(tǒng)計學意義,此模型有望應用于臨床,進一步為缺血性腦卒中高危人群提供精準預防策略。

    頸動脈粥樣硬化是缺血性腦卒中高危人群發(fā)生缺血性腦卒中的高危因素[19-20]。目前國內超聲工作人員人數與日益增加的超聲檢查需求極不對等。我們的研究將人工智能手段應用于CAS患者發(fā)生腦卒中風險的預測中,以篩選出急需進行檢查的患者,緩解上述矛盾。本研究比較LR、GNB、CNB、SVM和KNN五種經典的機器學習模型對CAS患者發(fā)生缺血性腦卒中的預測效能,結果表明GNB模型在處理二分類結局變量的小樣本數據中具有優(yōu)勢,這與VERMA等[21]的研究觀點一致。不僅如此,本研究還發(fā)現最終納入ML模型的預測因子,經過單因素多因素篩選后,再利用Xgboost對篩選出的預測因子進行重要性排序,可以提高模型的精準預測性能,本研究結果顯示GNB模型的特異度為1.000,具有理想的區(qū)分度。在既往的研究中,已有學者論證了ML模型預測因子篩選的重要性,ALI等[22]使用統(tǒng)計模型對常用的13個心力衰竭數據特征進行排名,不僅解決了心力衰竭數據的準確率較低的問題,還將GNB模型的預測精度提高了3.33%,此結論與本研究相符。

    在既往的研究中,TU[23]利用LR模型進行疾病的預測模型,但LR模型具有普遍適用性。貝葉斯模型在醫(yī)學研究中是一種新興技術[24],CNB可以均勻地使用每個類別的訓練數據量,從而使估計結果更具客觀性[21-23],但CNB模型適合處理樣本量較大的數據,以實現其結果的客觀性,而本研究屬于小樣本研究。相比之下,GUO[25]等利用SVM模型對高維數據進行分類和預測,并表現出出色的預測性能。本研究中SVM模型的AUC達到0.781,該模型在預測CAS患者發(fā)生缺血性腦卒中方面,預測性能表現良好,但不是最佳。LENNARTZ等[26]應用KNN分類器對光譜探測器CT(SDCT)衍生的碘圖(IM)與傳統(tǒng)圖像(CI)的紋理進行分析對比,KNN模型在處理圖像特征方面具有優(yōu)勢,相比于結局變量為二分類變量的數據,KNN模型的預測性能可能相對較弱。基于本研究數據分析CAS患者發(fā)生缺血性腦卒中的預測研究,結果顯示GNB模型的各項指標明顯大于其他四種模型,具有更高的預測性能和臨床實用價值。

    機器學習臨床應用方面,李桃等人[27]利用一種機器學習算法(隨機森林)結合十個臨床指標建立了2型糖尿病患者頸動脈粥樣硬化斑塊預測模型,但該研究局限于一種機器學習算法,臨床應用價值有限。本研究將五種機器學習模型應用于CAS患者缺血性腦卒中的預測中,結果顯示GNB 模型的真實性(靈敏度、特異度、F1分數、AUC值)、可靠性(準確度、Kappa值)和預測性(陰性預測值)均高于其余四種模型,該模型在頸動脈粥樣硬化患者發(fā)生缺血性腦卒中的預測效能方面表現最優(yōu)。王嬌嬌等[28]利用了SVM、BP與RF三種機器學習模型預測了鋼鐵工人頸動脈粥樣硬化的發(fā)生,但該研究未對頸動脈粥樣硬化患者缺血性腦卒中結局進行探討。本研究不僅篩選了CAS患者發(fā)生缺血性腦卒中的風險預測因子,還基于不同機器學習模型預測了CAS患者缺血腦卒中的結局發(fā)生,具有十分重要的臨床意義和應用價值。且我們的研究是在前人研究的基礎上,分析了五種經典的機器學習模型對CAS患者缺血性腦卒中發(fā)生結局變量的研究,這使得篩選出的模型預測性能更加精準。本研究結合準確度、靈敏度、特異度、陽性預測值、陰性預測值、F1分數、Kappa值、Cutoff值和AUC等多種指標比較了五種不同機器學習模型的預測效能,這在一定程度上減少了單一模型或單一評價指標帶來的研究偏倚。

    李鵬等人[29]選擇了十個影響缺血性腦卒中發(fā)病的高危因素,包括年齡、缺乏運動、遺傳、高血脂、高血壓、不良飲食、高血糖、吸煙、心臟病、酗酒,作為模型預測因子,利用LR模型預測了缺血性腦卒中的發(fā)病率,該研究納入LR模型的預測因子主要局限于患者的一般基線病史數據,未涉及實驗室檢測指標及影像學數據。陳莉平等[30]利用大數據應用平臺收集了腦卒中患者的臨床數據,包括患者個人信息,實驗室數據及住院診療情況等,這與本研究數據搜集方面存在相似之處,但該研究主要針對腦卒中初患人群的復發(fā)情況機器學習模型風險預測。本研究搜集了CAS患者的一般基線信息、實驗室檢查數據及超聲影像學檢查結果共70個研究變量,從多維度納入模型備選變量,最終篩選了十個ML模型的重要預測因子,分別為前白蛋白、淋巴細胞比率、嗜堿性粒細胞比率、低密度脂蛋白膽固醇、甲狀腺結節(jié)、碳酸氫根、鱗癌抗原SCC、鐵蛋白、神經元特異烯醇化酶、嗜堿性粒細胞,都是目前臨床容易獲得的變量,可廣泛應用于臨床,從而有針對性地再進行頸動脈篩查,這樣可以部分緩解現有超聲醫(yī)生不足與日益增加的腦卒中高危人群的矛盾。

    然而,本研究還存在一些局限性。第一,本研究的樣本量較小,數據分析前采用了合成少數類過采樣技術(SMOTE)平衡正負樣本比例,SMOTE的基本思想是對少數類樣本進行分析并根據少數類樣本人工合成新樣本添加到數據集中,因此分析出的模型結果可能容易出現過擬合的現象,接下來的研究會進一步加大正負樣本量,讓模型更接近真實預測值。第二,本研究的主要目的是探索不同的機器學習模型預測CAS患者發(fā)生缺血性腦卒中的可行性,下一步的研究中可以加入其他更多的機器學習模型,如隨機森林、決策樹、XGBoost等,通過探索比較更多不同機器學習模型的性能,進一步推進機器學習模型在CAS患者發(fā)生缺血性腦卒中的臨床預測應用。第三,本研究的CAS患者全部來自上海市第八人民醫(yī)院,利用了5倍重采樣技術將該數據集按8∶2的比例拆分為訓練集和測試集,沒有使用外部數據集進行模型測試,因此,模型結果可能會存在地域偏差性,加入外部測試集可以成為未來研究的一種途徑。

    猜你喜歡
    頸動脈機器缺血性
    機器狗
    機器狗
    缺血性二尖瓣反流的研究進展
    針灸在缺血性視神經病變應用
    未來機器城
    電影(2018年8期)2018-09-21 08:00:06
    缺血性腦卒中恢復期的中蒙醫(yī)康復治療
    三維超聲在頸動脈內膜剝脫術前的應用價值
    腦微出血與頸動脈狹窄的相關性分析
    內皮祖細胞在缺血性腦卒中診治中的研究進展
    無敵機器蛛
    午夜福利在线观看免费完整高清在 | 国产乱人视频| 特级一级黄色大片| av专区在线播放| 欧美日韩国产亚洲二区| 亚洲人成网站在线播放欧美日韩| 我的老师免费观看完整版| 久久国产乱子免费精品| 男女床上黄色一级片免费看| АⅤ资源中文在线天堂| 我要看日韩黄色一级片| av视频在线观看入口| 1024手机看黄色片| aaaaa片日本免费| 国产69精品久久久久777片| 亚洲一区高清亚洲精品| 久久久久久久亚洲中文字幕 | 精品国产三级普通话版| 久久久久久久午夜电影| 国产精品久久视频播放| 国模一区二区三区四区视频| 青草久久国产| 久久中文看片网| 欧美又色又爽又黄视频| 18禁黄网站禁片免费观看直播| 2021天堂中文幕一二区在线观| 91狼人影院| 网址你懂的国产日韩在线| 国产精品一区二区三区四区免费观看 | 欧美午夜高清在线| 超碰av人人做人人爽久久| 成年人黄色毛片网站| 老司机午夜十八禁免费视频| 午夜激情福利司机影院| 91麻豆av在线| 国产精品一区二区免费欧美| 国产高清三级在线| 成人欧美大片| 特级一级黄色大片| 国产精品久久久久久久电影| 神马国产精品三级电影在线观看| 国产欧美日韩一区二区三| 婷婷六月久久综合丁香| 久久中文看片网| 综合色av麻豆| 亚洲五月天丁香| 高清毛片免费观看视频网站| 日韩 亚洲 欧美在线| 热99re8久久精品国产| 午夜激情福利司机影院| 国产中年淑女户外野战色| 嫩草影院新地址| 听说在线观看完整版免费高清| 变态另类丝袜制服| 亚洲av电影在线进入| 国产精品精品国产色婷婷| 在线播放无遮挡| 最新在线观看一区二区三区| 噜噜噜噜噜久久久久久91| 欧美性猛交╳xxx乱大交人| 成人午夜高清在线视频| 久久精品综合一区二区三区| 欧美午夜高清在线| 我的女老师完整版在线观看| 波多野结衣高清作品| 国内揄拍国产精品人妻在线| 日本黄大片高清| 赤兔流量卡办理| 国产 一区 欧美 日韩| 亚洲国产精品久久男人天堂| 婷婷丁香在线五月| www.熟女人妻精品国产| 精品午夜福利视频在线观看一区| 亚洲天堂国产精品一区在线| 欧美激情久久久久久爽电影| 日韩免费av在线播放| 此物有八面人人有两片| 少妇丰满av| 波多野结衣高清作品| 超碰av人人做人人爽久久| 国产精华一区二区三区| 国产单亲对白刺激| 看免费av毛片| 欧美最新免费一区二区三区 | 国产精品亚洲av一区麻豆| 九色国产91popny在线| 色尼玛亚洲综合影院| 欧美+日韩+精品| 亚洲 欧美 日韩 在线 免费| 男女下面进入的视频免费午夜| 色综合站精品国产| 毛片一级片免费看久久久久 | 国产欧美日韩精品亚洲av| 免费大片18禁| 男人的好看免费观看在线视频| 久久精品国产99精品国产亚洲性色| 真实男女啪啪啪动态图| 老司机深夜福利视频在线观看| 亚洲专区国产一区二区| ponron亚洲| 免费看a级黄色片| 波多野结衣高清作品| 亚洲国产精品成人综合色| 嫩草影院精品99| 国模一区二区三区四区视频| 成年女人毛片免费观看观看9| 国内精品久久久久精免费| 成人国产综合亚洲| 亚洲成人精品中文字幕电影| 十八禁网站免费在线| 长腿黑丝高跟| 毛片一级片免费看久久久久 | 在现免费观看毛片| 蜜桃久久精品国产亚洲av| 欧美高清成人免费视频www| 2021天堂中文幕一二区在线观| 69人妻影院| 99热这里只有精品一区| 每晚都被弄得嗷嗷叫到高潮| 黄色视频,在线免费观看| 欧美xxxx性猛交bbbb| 在线国产一区二区在线| 精品一区二区免费观看| 一级黄片播放器| 欧美乱色亚洲激情| 亚洲激情在线av| 欧美色视频一区免费| a级一级毛片免费在线观看| ponron亚洲| 一级毛片久久久久久久久女| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 偷拍熟女少妇极品色| 又爽又黄无遮挡网站| 国产亚洲精品av在线| 亚洲成人中文字幕在线播放| 欧美成狂野欧美在线观看| 欧美最黄视频在线播放免费| 18禁黄网站禁片免费观看直播| 欧美成人一区二区免费高清观看| 看黄色毛片网站| 无遮挡黄片免费观看| 色播亚洲综合网| 亚洲第一电影网av| 亚洲精品在线观看二区| 欧美xxxx黑人xx丫x性爽| 日本一本二区三区精品| 亚洲成人精品中文字幕电影| 国模一区二区三区四区视频| 99久久99久久久精品蜜桃| av国产免费在线观看| 日韩欧美精品免费久久 | 88av欧美| 成年女人毛片免费观看观看9| 欧美最新免费一区二区三区 | 久久久国产成人精品二区| 国产探花在线观看一区二区| 男人的好看免费观看在线视频| 国产精品久久久久久久久免 | 在线看三级毛片| 日韩av在线大香蕉| av视频在线观看入口| 一级黄片播放器| 中文字幕av在线有码专区| 老熟妇仑乱视频hdxx| 亚州av有码| 青草久久国产| 美女免费视频网站| 最好的美女福利视频网| 99在线人妻在线中文字幕| 五月玫瑰六月丁香| 长腿黑丝高跟| 精品久久国产蜜桃| 搡女人真爽免费视频火全软件 | 亚洲国产高清在线一区二区三| 2021天堂中文幕一二区在线观| 国产精品三级大全| 亚洲欧美清纯卡通| 成人亚洲精品av一区二区| 免费在线观看日本一区| 免费av不卡在线播放| 国产真实伦视频高清在线观看 | 亚洲欧美日韩卡通动漫| 桃色一区二区三区在线观看| 色综合婷婷激情| 国产av在哪里看| 成年女人永久免费观看视频| 在现免费观看毛片| 美女被艹到高潮喷水动态| 国产高潮美女av| 日本五十路高清| 97人妻精品一区二区三区麻豆| 久久久久久久午夜电影| 99热6这里只有精品| 九色成人免费人妻av| 一区二区三区四区激情视频 | 欧洲精品卡2卡3卡4卡5卡区| 99久久九九国产精品国产免费| 丁香欧美五月| 有码 亚洲区| 18禁黄网站禁片免费观看直播| 国产精品99久久久久久久久| 亚洲人成网站在线播放欧美日韩| 久久精品国产清高在天天线| 男人的好看免费观看在线视频| 一本精品99久久精品77| 在线a可以看的网站| 最好的美女福利视频网| 免费高清视频大片| av视频在线观看入口| 亚洲人与动物交配视频| 国产高清三级在线| 91久久精品电影网| 亚洲最大成人av| 精品午夜福利视频在线观看一区| 精品不卡国产一区二区三区| 国产欧美日韩精品亚洲av| 成年免费大片在线观看| 色5月婷婷丁香| ponron亚洲| 制服丝袜大香蕉在线| 免费看日本二区| 国产精品98久久久久久宅男小说| 国产91精品成人一区二区三区| www.www免费av| 国产探花在线观看一区二区| 亚洲av成人不卡在线观看播放网| 久久久精品欧美日韩精品| 美女高潮的动态| 亚洲最大成人中文| av国产免费在线观看| 欧美成人性av电影在线观看| 成年女人毛片免费观看观看9| 少妇高潮的动态图| 亚洲美女视频黄频| 亚洲国产精品成人综合色| av黄色大香蕉| 亚洲精品在线美女| АⅤ资源中文在线天堂| 精品无人区乱码1区二区| 免费看光身美女| 免费无遮挡裸体视频| 久久精品91蜜桃| 哪里可以看免费的av片| 亚洲av免费高清在线观看| 啦啦啦韩国在线观看视频| 成人三级黄色视频| 男人的好看免费观看在线视频| 午夜免费男女啪啪视频观看 | 成年女人永久免费观看视频| 亚洲一区高清亚洲精品| 亚洲av中文字字幕乱码综合| 麻豆国产av国片精品| 久久久久精品国产欧美久久久| 国产爱豆传媒在线观看| 嫩草影院精品99| 久久久久性生活片| 窝窝影院91人妻| 久久久久久九九精品二区国产| 国产精品日韩av在线免费观看| 麻豆国产av国片精品| 午夜日韩欧美国产| 亚洲 国产 在线| 俄罗斯特黄特色一大片| 久久伊人香网站| 国产精品乱码一区二三区的特点| 免费av毛片视频| 午夜福利视频1000在线观看| 啦啦啦观看免费观看视频高清| 不卡一级毛片| 有码 亚洲区| 国产亚洲av嫩草精品影院| 日韩欧美国产在线观看| 白带黄色成豆腐渣| 国产高清激情床上av| 丰满乱子伦码专区| 精品乱码久久久久久99久播| 男人的好看免费观看在线视频| 校园春色视频在线观看| 网址你懂的国产日韩在线| 最新中文字幕久久久久| www.www免费av| 国产又黄又爽又无遮挡在线| 精品一区二区免费观看| 久久性视频一级片| 国产色婷婷99| 男人舔奶头视频| 中文字幕久久专区| 久久欧美精品欧美久久欧美| 欧美日韩乱码在线| 中文字幕人妻熟人妻熟丝袜美| 我的老师免费观看完整版| 久久精品综合一区二区三区| 精品午夜福利视频在线观看一区| 国产亚洲精品久久久久久毛片| 综合色av麻豆| 国产成人啪精品午夜网站| 免费在线观看影片大全网站| 性色av乱码一区二区三区2| 精品乱码久久久久久99久播| 一边摸一边抽搐一进一小说| 国产欧美日韩精品一区二区| 国产成人福利小说| 中文字幕久久专区| 国产精品,欧美在线| 亚洲av电影不卡..在线观看| 少妇被粗大猛烈的视频| 国产成人欧美在线观看| 国产野战对白在线观看| 美女高潮的动态| 日韩精品青青久久久久久| 欧美色视频一区免费| 精品不卡国产一区二区三区| 久久天躁狠狠躁夜夜2o2o| 少妇熟女aⅴ在线视频| a级毛片a级免费在线| 国产探花在线观看一区二区| АⅤ资源中文在线天堂| 看免费av毛片| 一二三四社区在线视频社区8| 色尼玛亚洲综合影院| 久久精品国产自在天天线| 欧美3d第一页| 国产野战对白在线观看| 亚洲欧美激情综合另类| 2021天堂中文幕一二区在线观| 51国产日韩欧美| 国产一区二区三区视频了| 狠狠狠狠99中文字幕| 韩国av一区二区三区四区| 麻豆国产97在线/欧美| 成人美女网站在线观看视频| 国产欧美日韩精品亚洲av| 男女那种视频在线观看| 五月玫瑰六月丁香| 脱女人内裤的视频| 99在线人妻在线中文字幕| 亚洲在线自拍视频| 哪里可以看免费的av片| 亚洲在线观看片| 丰满人妻一区二区三区视频av| 久久伊人香网站| 久久精品夜夜夜夜夜久久蜜豆| 婷婷丁香在线五月| 国内揄拍国产精品人妻在线| 欧美国产日韩亚洲一区| 高清日韩中文字幕在线| 真实男女啪啪啪动态图| 日本精品一区二区三区蜜桃| 亚洲三级黄色毛片| 亚洲内射少妇av| 国产色婷婷99| 色哟哟·www| 免费人成在线观看视频色| 日本精品一区二区三区蜜桃| 免费人成在线观看视频色| 免费高清视频大片| 看片在线看免费视频| 亚洲av免费在线观看| 男女那种视频在线观看| 国产国拍精品亚洲av在线观看| 男女那种视频在线观看| 哪里可以看免费的av片| 看黄色毛片网站| 丰满乱子伦码专区| 色5月婷婷丁香| 免费看美女性在线毛片视频| 欧美激情国产日韩精品一区| 深爱激情五月婷婷| 在线十欧美十亚洲十日本专区| 一夜夜www| 天天一区二区日本电影三级| 一个人观看的视频www高清免费观看| 亚洲欧美日韩东京热| 欧美日韩乱码在线| 天天一区二区日本电影三级| 精品免费久久久久久久清纯| 国产乱人伦免费视频| 天天躁日日操中文字幕| 一级黄色大片毛片| 亚洲成av人片免费观看| 两个人的视频大全免费| 精品无人区乱码1区二区| 欧美又色又爽又黄视频| 少妇人妻精品综合一区二区 | 女生性感内裤真人,穿戴方法视频| 日日夜夜操网爽| 亚洲国产欧美人成| 在线观看舔阴道视频| 国产精品女同一区二区软件 | 精华霜和精华液先用哪个| 老司机午夜福利在线观看视频| 亚洲精品成人久久久久久| 亚洲第一欧美日韩一区二区三区| 搡女人真爽免费视频火全软件 | 高清毛片免费观看视频网站| 悠悠久久av| 别揉我奶头~嗯~啊~动态视频| 12—13女人毛片做爰片一| 熟女人妻精品中文字幕| 99国产极品粉嫩在线观看| aaaaa片日本免费| 国产午夜精品久久久久久一区二区三区 | 国产一级毛片七仙女欲春2| 俺也久久电影网| 精品一区二区三区视频在线观看免费| 久久久色成人| 99国产极品粉嫩在线观看| 欧美黄色淫秽网站| 久久亚洲精品不卡| 99热这里只有是精品50| 亚洲国产欧美人成| 欧美+日韩+精品| 久久6这里有精品| 亚洲精品一卡2卡三卡4卡5卡| 最后的刺客免费高清国语| 国产一级毛片七仙女欲春2| 99精品久久久久人妻精品| 久久精品人妻少妇| 国产精品亚洲av一区麻豆| eeuss影院久久| 高清在线国产一区| 五月玫瑰六月丁香| 色综合婷婷激情| 少妇裸体淫交视频免费看高清| 在线十欧美十亚洲十日本专区| 夜夜爽天天搞| 欧美日韩综合久久久久久 | 麻豆av噜噜一区二区三区| 无遮挡黄片免费观看| 一卡2卡三卡四卡精品乱码亚洲| 精品一区二区免费观看| 精品国内亚洲2022精品成人| 亚洲最大成人av| 免费看光身美女| 中亚洲国语对白在线视频| 久久精品91蜜桃| 能在线免费观看的黄片| 深夜a级毛片| 亚洲精品乱码久久久v下载方式| 国产欧美日韩一区二区三| 精品久久久久久久久久免费视频| 一个人免费在线观看的高清视频| 内射极品少妇av片p| 色播亚洲综合网| 全区人妻精品视频| 久久午夜福利片| 日本成人三级电影网站| 性色avwww在线观看| 成人av一区二区三区在线看| 亚洲欧美激情综合另类| avwww免费| 99久久成人亚洲精品观看| www.999成人在线观看| 在线国产一区二区在线| 久久久久久久精品吃奶| 成人特级黄色片久久久久久久| 国产真实乱freesex| 亚洲精品在线观看二区| 欧美高清性xxxxhd video| 国产精品,欧美在线| 免费一级毛片在线播放高清视频| 免费观看人在逋| 国产精品1区2区在线观看.| 午夜福利视频1000在线观看| 神马国产精品三级电影在线观看| 99久国产av精品| 日韩欧美一区二区三区在线观看| 国内精品久久久久精免费| 亚洲狠狠婷婷综合久久图片| 免费无遮挡裸体视频| 成年人黄色毛片网站| 久久久久亚洲av毛片大全| 极品教师在线视频| 高清日韩中文字幕在线| 波多野结衣巨乳人妻| 91在线精品国自产拍蜜月| 九九在线视频观看精品| 少妇人妻精品综合一区二区 | 久久99热6这里只有精品| 亚洲片人在线观看| 欧美最黄视频在线播放免费| 超碰av人人做人人爽久久| 亚洲专区国产一区二区| 国产美女午夜福利| 男人舔女人下体高潮全视频| 高潮久久久久久久久久久不卡| 一个人免费在线观看的高清视频| 国产乱人伦免费视频| 麻豆国产av国片精品| 午夜福利18| 欧美极品一区二区三区四区| 久久久久久久久久黄片| 好看av亚洲va欧美ⅴa在| 啪啪无遮挡十八禁网站| 亚洲一区二区三区色噜噜| 成年免费大片在线观看| 国产91精品成人一区二区三区| 波多野结衣巨乳人妻| 欧美zozozo另类| 色哟哟哟哟哟哟| 日本黄色片子视频| 久久中文看片网| 亚洲午夜理论影院| 久久天躁狠狠躁夜夜2o2o| 久久热精品热| 国产成人啪精品午夜网站| 亚洲熟妇熟女久久| 日韩国内少妇激情av| 午夜福利视频1000在线观看| 日本与韩国留学比较| 国内久久婷婷六月综合欲色啪| 亚洲熟妇熟女久久| 亚洲国产精品合色在线| 精品一区二区三区视频在线| 五月伊人婷婷丁香| 淫妇啪啪啪对白视频| av在线天堂中文字幕| 波野结衣二区三区在线| 午夜激情福利司机影院| 久久久成人免费电影| 国产av麻豆久久久久久久| 69av精品久久久久久| 日韩欧美 国产精品| 日本黄色片子视频| 97超视频在线观看视频| 国产精品99久久久久久久久| 久久九九热精品免费| 中文字幕av成人在线电影| 精品久久久久久成人av| 久久精品综合一区二区三区| 国产精品1区2区在线观看.| 欧美xxxx性猛交bbbb| 草草在线视频免费看| 真人做人爱边吃奶动态| 一区二区三区四区激情视频 | 欧美中文日本在线观看视频| 亚洲,欧美精品.| 国产成+人综合+亚洲专区| 美女cb高潮喷水在线观看| 国产午夜精品久久久久久一区二区三区 | 精品久久国产蜜桃| 国产白丝娇喘喷水9色精品| av女优亚洲男人天堂| 精品久久久久久久久亚洲 | 91字幕亚洲| 亚洲美女搞黄在线观看 | 亚洲国产欧洲综合997久久,| 天天一区二区日本电影三级| 国产淫片久久久久久久久 | 99久久精品国产亚洲精品| 国产精品久久久久久精品电影| 成人精品一区二区免费| 日本 欧美在线| 欧美一区二区精品小视频在线| 如何舔出高潮| 亚洲国产欧美人成| 变态另类成人亚洲欧美熟女| 夜夜夜夜夜久久久久| 亚洲,欧美精品.| 久久精品国产亚洲av涩爱 | av国产免费在线观看| 脱女人内裤的视频| 夜夜爽天天搞| 日本五十路高清| 国产精品一区二区免费欧美| 91在线精品国自产拍蜜月| 国产高清视频在线播放一区| 极品教师在线视频| 国产三级黄色录像| 亚洲经典国产精华液单 | 久久婷婷人人爽人人干人人爱| 亚洲av中文字字幕乱码综合| 欧美xxxx黑人xx丫x性爽| 国产精品影院久久| av在线老鸭窝| 男女之事视频高清在线观看| 久久久久久九九精品二区国产| 国内久久婷婷六月综合欲色啪| 欧美性猛交╳xxx乱大交人| 国产极品精品免费视频能看的| 色av中文字幕| 国产亚洲欧美在线一区二区| 国产精品1区2区在线观看.| 国产视频内射| 精品午夜福利在线看| 老熟妇乱子伦视频在线观看| x7x7x7水蜜桃| 亚洲综合色惰| 免费看光身美女| 18禁黄网站禁片午夜丰满| 亚洲av.av天堂| 国产免费男女视频| 久久久国产成人免费| 国产伦精品一区二区三区视频9| 91狼人影院| 午夜精品久久久久久毛片777| 精品国产三级普通话版| 中文资源天堂在线| 久久久国产成人免费| 日韩欧美一区二区三区在线观看| 欧美乱色亚洲激情| 国产人妻一区二区三区在| 一进一出好大好爽视频| 久久精品国产亚洲av涩爱 | 久久精品久久久久久噜噜老黄 | 精品人妻视频免费看| 脱女人内裤的视频| 中国美女看黄片| 亚洲成人精品中文字幕电影| 美女被艹到高潮喷水动态| 性色avwww在线观看| 婷婷色综合大香蕉| 麻豆一二三区av精品| a级毛片免费高清观看在线播放| 久久精品91蜜桃|