• <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 ?

    基于集成學習的骨質疏松性骨折預測研究

    2021-02-07 06:19:14陳婉琦林勇
    中國醫(yī)學物理學雜志 2021年2期
    關鍵詞:同構異構分類器

    陳婉琦,林勇

    上海理工大學醫(yī)療器械與食品學院,上海200093

    前言

    骨質疏松癥是骨骼的主要疾病,其特征是骨密度降低和骨組織微結構損壞,進而導致骨折敏感性增加[1]。由骨質疏松癥引起的骨折叫骨質疏松性骨折,其給患者帶來巨大痛苦,并給社會和醫(yī)療系統(tǒng)帶來沉重負擔[2]。骨質疏松癥的發(fā)病率在女性中最高,但在接下來的50年中,男性的發(fā)病率有可能會翻3倍[3]。因此根據臨床變量預測男性骨質疏松性骨折風險對其預防至關重要。

    近年來機器學習在醫(yī)學領域的應用越來越廣泛,出現了基于機器學習的骨質疏松性骨折預測研究。章軼立等[4]通 過Group Lasso 回歸算法和Logistic回歸模型初步構建骨質疏松性骨折風險評估工具。Villamor等[5]結合臨床和生物力學數據通過支持向量機(Support Vector Machine,SVM)對髖部骨折進行有效預測。此類單一模型的預測精度仍有較大提升空間,進而有研究提出采用集成學習方法提高模型預測性能。Kruse 等[6]使用邏輯回歸、隨機森林模型以及Bagging 和Boosting 集成學習方法預測髖部骨折,研究結果表明集成學習方法預測效果更佳。Kilic 等[7]使用 Bagging、梯度提升(Gradient Boosting)、隨機子空間(Random Subspace)采樣等集成學習方法對絕經后婦女進行骨質疏松性骨折預測,結果顯示基于隨機子空間的隨機森林(Random Forest based on Random Subspace, RSM-RF)集成分類器模型預測精度最佳。目前使用集成學習模型的研究絕大多數是對相同結構的個體學習器進行集成,使用異構分類器的研究還相對較少。

    本研究使用學習法的典型代表Stacking 構建異構分類器EtDtb-S,經相關性分析后篩選出16 個特征作為特征向量,選用極端隨機樹、基于決策樹的Bagging 集成模型(Decision Tree Based on Bagging,DTB)作為初級學習器,邏輯回歸作為次級學習器進行集成。實驗結果表明集成的異構分類器比同構分類器預測準確性更高。

    1 材料與方法

    1.1 實驗材料

    本研究采用MrOs Online(https://mrosdata.sfcccpmc.net/)上的美國男性骨質疏松性骨折研究數據,數據包含5 994 例男性病例樣本,病例均為年齡在65歲以上的非臥床男子,其中有12.13%(727名)的患者主要部位(髖部、頸椎、腰椎、胸椎、腕部、肩部)發(fā)生過骨折。

    選取MrOs 數據集中的骨相關數據作為基線數據,包括臨床數據、骨密度數據、骨小梁評分數據、腹主動脈鈣化數據以及病例骨折情況記錄數據。每項基線數據均包含若干特征,如骨密度數據中包含髖部骨密度、股骨骨密度、腰椎骨密度等特征。對這些數據進行特征相關性分析,提取與骨折相關性較高的特征。部分基線數據描述如表1所示。

    1.2 特征選擇

    特征選擇是選擇相關特征子集以用于模型構建的過程。本研究選用的相關數據文件中均包含眾多特征,其中有許多冗余或不相關特征,它們會使得機器學習算法的訓練速度降低,增加模型的復雜性,產生模型過擬合現象并會影響預測模型的準確性。因此對數據進行特征選擇,考慮到所用學習算法較多,且對模型進行了集成學習,采用過濾式特征選擇方法:通過數據的內在屬性來估計特征的差異性,根據特征的差異性評分進行排序,并選取評分較高的一部分特征作為特征子集輸入到分類算法上。過濾式方法計算簡單快速,獨立于分類算法,適用于不同的分類算法[8]。筆者選用過濾式中基于皮爾遜(Pearson)相關系數的算法。

    Pearson 相關系數是衡量向量相似度的一種方法。輸出范圍為-1~+1,0 代表無相關性,負值為負相關,正值為正相關。其公式為:

    其中,n為樣本個數,Xi為選取的特征數據集,Yi為標簽數據集,μX表示隨機變量X的均值,μY表示隨機變量Y的均值。從臨床數據中提取身高、體質量、體重指數(BMI)等數據;骨密度數據中提取髖部骨密度、股骨骨密度、腰椎骨密度等數據;腹主動脈鈣化數據中提取腹主動脈鈣化評分數據;骨小梁評分數據中提取L1~L4腰椎段的骨小梁評分數據;并從骨折情況數據中提取病例主要部位骨折數據標簽。經過相關性分析后,剔除與骨折數據標簽Pearson 相關性低于0.6 的特征,對于存在高度相關的特征組(本研究取Pearson 相關性高于0.9)每組僅保留一個特征。最終篩選出骨小梁評分、腹主動脈鈣化評分、身體質量指數、髖部骨密度、股骨骨密度、頸部骨密度T評分等共16個相關性較高的特征納入模型中。

    1.3 數據類別不平衡校正

    本研究數據中只有12.13%的患者主要部位骨折,數據類別失衡較嚴重,若直接使用不平衡的數據進行實驗,則多數類與少數類之間的不平衡將導致機器學習產生偏差,影響模型的性能。目前重采樣技術是處理類不平衡問題的常用方法,例如過采樣,欠采樣和綜合采樣。其中過采樣少數類雖可以平衡本文數據的類分布但無法解決數據集中存在的類重疊問題,并在使用分類器后易產生過擬合現象。本研究將過采樣方法Smote 與數據清除方法Tomek links 相結合可以解決上述問題[9]。Smote+Tomek 方法不僅可以平衡數據,還能消除決策邊界錯誤一側的嘈雜示例,最適用于本研究這種具有少量正樣本的數據集。

    1.4 基于集成學習的骨質疏松性骨折預測模型

    集成學習是一種使用多個基礎學習器來提高預測準確性的機器學習技術。對分類器進行集成的思想是將一組分類器使用選定的結合策略通過多種方法(例如投票和平均)對新樣本進行分類[10]。目前行之有效的集成技術是Bagging,Boosting,Stacking 和隨機子空間(Random subspace)方法[11]。本文選用極端隨機樹(Extremely Randomized Trees,ET)、DTB 作為初級學習器,邏輯回歸作為次級學習器,使用Stacking 算法對上述不同個體學習器進行集成,構建異構分類器以進一步提高模型預測精度。集成時初級學習器ET、DTB 的個數均取1,且ET、DTB 中決策樹的集成度均為40。

    Stacking 先從初始數據集訓練出幾個不同的初級學習器,并通過訓練一個次級學習器來結合這些初級學習器[12]。用于訓練次級學習器的數據集是一個新數據集。在這個新數據集中,初級學習器的輸出被當作樣例輸入特征,而初始樣本的標記仍被當作樣例標記[13]。我們需要定義初級學習器以及次級學習器來構建Stacking。本文Stacking 框架如下所述。

    設基學習算法為Lk,Lk分別為ET、DTB。設基學習器為Ck:

    其中,S表示本文骨質疏松患者訓練數據集,且S中的樣本為Si:

    其中,Xi為篩選出的16 維特征向量,yi為主要部位是否發(fā)生過骨折。

    使用交叉驗證方式,用訓練初級學習器未使用的樣本來產生次級學習器的訓練樣本。本文將數據集S分割為20份。此時設為數據集S中去除第j份數據子集后使用第k個基學習算法訓練出的基學習器,其表示為:

    其中,Sj為第j份數據子集。將第j份數據子集中的特征向量作為基學習器的測試集來預測是否會發(fā)生骨折,預測結果表示為:

    為每一份數據子集預測出患者發(fā)生骨折和不發(fā)生骨折的概率,得出基學習器的預測結果集為作為次級學習器的數據集,其中yj為該患者是否骨折的初始樣本標記。

    本文采用邏輯回歸作為Stacking 的次級學習器算法,其模型可以表示為:

    其中,xi∈xl,θ為需學習的參數,hθ(x)為邏輯回歸的假設函數,其公式為:

    將式(7)代入式(6)可得:

    該模型的目標函數可以定義為:

    其中,J(θ)為邏輯回歸模型的代價函數,本文使用交叉熵作為代價函數,其公式為:

    其中,m為訓練樣本的個數,y為樣本的標簽值。將基學習器學習所得的是否發(fā)生骨折的結果集xl作為邏輯回歸模型訓練樣本的特征數據,將初始樣本中病例是否骨折的標記yl作為邏輯回歸模型的標簽,最終訓練得到本文基于Stacking的異構分類器EtDtb-S。

    2 實驗驗證與結果分析

    2.1 驗證方法

    為驗證本研究的有效性,本文采用準確率(Accuracy)、精確率(Precision)、召回率(Recall)和F1值(F1)對各分類模型進行評估。

    其中,TP為真陽性,表示實際骨折患者預測結果也為骨折;TN為真陰性,表示實際健康男性預測結果也為健康;FP 為假陽性,表示實際健康男性預測結果為骨折患者;FN為假陰性,表示實際骨折患者預測結果為健康。

    本文將構建的EtDtb-S 模型與單模型以及同構分類器共8種模型進行對比,設標簽為骨折的樣本為正類樣本,不骨折的樣本為負類樣本。用于實驗對比的模型分為2 類:(1)單獨使用ET 模型和DTB 模型;(2)使用不同集成學習方法(Bagging、Boosting、Stacking)分別對ET模型、DTB模型進行同構集成。

    對比實驗采用十折交叉驗證,驗證過程中每一折內類別標簽比例隨機,為減少因樣本劃分不同而引入的差別,本文重復進行10次十折交叉驗證再取均值,得出以上共9 種模型的準確率(Accuracy)、精確率(Precision)、召回率(Recall)、F1值(F1)以及相應標準差。

    2.2 實驗結果與分析討論

    本文數據集在不同模型下的分類預測結果及標準差如表2所示。

    表2 9種模型預測結果及標準差比較(± s)Tab.2 Comparison of prediction results obtained by 9 models(Mean±SD)

    表2 9種模型預測結果及標準差比較(± s)Tab.2 Comparison of prediction results obtained by 9 models(Mean±SD)

    模型ET DTB ET-Bagging DTB-Bagging ET-Boosting DTB-Boosting ET-Stacking DTB-Stacking EtDtb-S準確率0.904±0.012 0.903±0.088 0.880±0.009 0.889±0.056 0.902±0.012 0.917±0.060 0.908±0.013 0.905±0.063 0.932±0.021精確率0.890±0.019 0.918±0.020 0.857±0.026 0.888±0.027 0.894±0.017 0.920±0.027 0.885±0.022 0.910±0.022 0.918±0.024召回率0.927±0.013 0.901±0.167 0.918±0.019 0.885±0.167 0.923±0.011 0.924±0.123 0.935±0.010 0.906±0.165 0.957±0.053 F1值0.904±0.012 0.895±0.090 0.883±0.012 0.873±0.109 0.905±0.013 0.907±0.090 0.911±0.010 0.886±0.119 0.929±0.022

    由表2 可以發(fā)現,本文異構分類器EtDtb-S 的分類精度為0.932,相較單獨使用ET 的分類精度0.904和單獨使用DTB的分類精度0.903,分別提高2.8%和2.9%?;贐agging 對ET、DTB 分別進行集成的同構分類器ET-Bagging、DTB-Bagging 分類精度分別為0.880、0.889;基于Boosting 對ET、DTB 分別進行集成的同構分類器ET-Boosting、DTB-Boosting 分類精度分別為0.902、0.917;基于Stacking 對ET、DTB 分別進行集成的同構分類器ET-Stacking、DTB-Stacking 分類精度分別為0.908、0.905。本文的異構分類器相較上述同構分類器的分類精度提高1.5%~5.2%。由此可得出,本文異構分類器的分類精度優(yōu)于單模型和同構分類器,分類效果最佳。

    為比較上述分類器的性能,繪制出各分類器基于十折交叉驗證的ROC 曲線,在得出每一折交叉驗證的ROC 曲線下面積(AUC)值后求出AUC 的均值,結果如圖1 所示。ROC 曲線越靠近左上角邊界,即AUC 越大,表示分類器性能越好。由圖1 可以看出,在ROC 曲線中,ET-Bagging 和DTB-Bagging 的AUC均值為0.95,DTB 和DTB-Stacking 的AUC 均值為0.96,ET、ET-Boosting、DTB-Boosting 和ET-Stacking的AUC 均值為0.97,本文異構分類器EtDtb-S 的AUC 均值為0.98。以上數據說明,本文提出的基于Stacking 的異構分類器EtDtb-S 相較于單模型和同構分類器分類性能最好。

    3 總結與展望

    本文介紹了一種用于骨質疏松性骨折預測的新的集成方法,使用Stacking 對ET、DTB 模型進一步集成構建出異構分類器EtDtb-S。首先,提出了基于機器學習理論的Stacking 集成方法的模型構建過程;其次,使用不同集成學習方法對本文集成方法中所采用的初級學習器分別進行集成,將單獨使用初級學習器的模型、集成后的同構分類器與本研究的異構分類器分別對選取的特征變量進行訓練;最后,通過十折交叉驗證得出的準確率、精確率、召回率、ROC曲線比較各模型在測試集上預測的性能,驗證本文提出方法的有效性。用Stacking 集成時初級學習器ET 和DTB 在模型結構和分類偏差上的差異性改善了集成后異構分類器的預測精度。實驗結果表明,本文基于Stacking 的異構分類器能夠正確預測骨質疏松性骨折的大部分病例,并且比單模型和集成的同構分類器預測準確性更高,具有最好的分類性能。

    本文在運用Stacking進行模型融合的過程中將數據集分割成20份,葉子結點最少樣本數為1,內部結點再劃分所需最小樣本數為2,決策樹集成度為40,后續(xù)還將調整這些參數,以進一步提高模型性能。本研究還嘗試過加入其它分類模型例如神經網絡作為集成模型的基學習器,但最終預測準確率并不理想,后續(xù)將基于本文現有個體學習器的特征,嘗試加入不同神經網絡作為個體學習器,進一步提高模型的準確性和通用性。

    圖1 9種模型ROC曲線對比圖Fig.1 Comparison of receiver operating characteristic curves of 9 models

    猜你喜歡
    同構異構分類器
    巧用同構法解決壓軸題
    試論同課異構之“同”與“異”
    指對同構法巧妙處理導數題
    同構式——解決ex、ln x混合型試題最高效的工具
    高等代數教學中關于同構的注記
    BP-GA光照分類器在車道線識別中的應用
    電子測試(2018年1期)2018-04-18 11:52:35
    overlay SDN實現異構兼容的關鍵技術
    電信科學(2016年11期)2016-11-23 05:07:56
    加權空-譜與最近鄰分類器相結合的高光譜圖像分類
    結合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    LTE異構網技術與組網研究
    精品欧美国产一区二区三| 午夜视频国产福利| 中文字幕av成人在线电影| 亚洲不卡免费看| 18禁在线无遮挡免费观看视频| 我要看日韩黄色一级片| 亚洲精品国产成人久久av| 国产一区亚洲一区在线观看| 久久精品91蜜桃| 大又大粗又爽又黄少妇毛片口| 狂野欧美白嫩少妇大欣赏| 综合色丁香网| 九九久久精品国产亚洲av麻豆| 夜夜看夜夜爽夜夜摸| 久久这里有精品视频免费| 亚洲成人久久爱视频| 综合色丁香网| 免费电影在线观看免费观看| 日本免费一区二区三区高清不卡| 亚洲国产日韩欧美精品在线观看| 晚上一个人看的免费电影| 国模一区二区三区四区视频| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区高清视频在线| 日本熟妇午夜| 麻豆精品久久久久久蜜桃| 午夜福利在线观看吧| 一区二区三区四区激情视频| 性插视频无遮挡在线免费观看| 亚洲综合精品二区| 亚洲最大成人手机在线| 狂野欧美激情性xxxx在线观看| 国产一区二区三区av在线| 国产黄片美女视频| 国产免费福利视频在线观看| 国产亚洲5aaaaa淫片| 男女下面进入的视频免费午夜| 最近最新中文字幕免费大全7| 国产一区二区亚洲精品在线观看| 淫秽高清视频在线观看| 免费电影在线观看免费观看| 少妇丰满av| 亚洲一级一片aⅴ在线观看| 国产一区二区在线av高清观看| 美女xxoo啪啪120秒动态图| 一区二区三区免费毛片| 天天躁日日操中文字幕| 成人漫画全彩无遮挡| av在线蜜桃| 日韩成人伦理影院| 国产精品国产高清国产av| 国产成人精品久久久久久| 日产精品乱码卡一卡2卡三| 少妇丰满av| 长腿黑丝高跟| 少妇裸体淫交视频免费看高清| 精品久久久久久久末码| av卡一久久| 婷婷六月久久综合丁香| 欧美三级亚洲精品| 国产精品1区2区在线观看.| 亚洲在久久综合| 国产精品国产高清国产av| 成年女人看的毛片在线观看| 亚洲成人中文字幕在线播放| 亚洲av.av天堂| 亚洲欧洲日产国产| 91久久精品国产一区二区成人| 一个人观看的视频www高清免费观看| 欧美性感艳星| 六月丁香七月| 99热6这里只有精品| 中文字幕人妻熟人妻熟丝袜美| 啦啦啦观看免费观看视频高清| 国产久久久一区二区三区| 乱码一卡2卡4卡精品| 赤兔流量卡办理| 看十八女毛片水多多多| 欧美一区二区精品小视频在线| 亚洲乱码一区二区免费版| 久久久久久久久大av| 亚洲成人精品中文字幕电影| 国产成人91sexporn| 床上黄色一级片| 长腿黑丝高跟| 亚洲熟妇中文字幕五十中出| 2022亚洲国产成人精品| 看非洲黑人一级黄片| 亚洲av成人av| 午夜亚洲福利在线播放| 亚洲欧美清纯卡通| 日韩 亚洲 欧美在线| 97热精品久久久久久| 色综合站精品国产| 国产av不卡久久| 亚洲国产精品专区欧美| 日韩精品有码人妻一区| 99久久成人亚洲精品观看| 干丝袜人妻中文字幕| 国产乱来视频区| 在线播放国产精品三级| 久久久久久久久中文| 可以在线观看毛片的网站| 内地一区二区视频在线| 国产精品一二三区在线看| 日韩亚洲欧美综合| 国产精品久久视频播放| 狠狠狠狠99中文字幕| 91久久精品国产一区二区三区| 最近最新中文字幕免费大全7| 日本午夜av视频| 日产精品乱码卡一卡2卡三| 一区二区三区高清视频在线| 美女脱内裤让男人舔精品视频| 99久久九九国产精品国产免费| 18+在线观看网站| 国产亚洲av片在线观看秒播厂 | 成年av动漫网址| 国产探花在线观看一区二区| 国产精品乱码一区二三区的特点| 国产精品久久久久久久电影| 欧美日韩在线观看h| 亚洲一级一片aⅴ在线观看| 欧美日本亚洲视频在线播放| 精品一区二区三区人妻视频| 日本黄色视频三级网站网址| 美女被艹到高潮喷水动态| 在线观看66精品国产| 少妇丰满av| 国产免费视频播放在线视频 | 国产精品久久视频播放| 欧美成人午夜免费资源| 91狼人影院| 91午夜精品亚洲一区二区三区| 久久精品影院6| 亚洲熟妇中文字幕五十中出| 丰满少妇做爰视频| 麻豆av噜噜一区二区三区| 国产午夜精品一二区理论片| 欧美三级亚洲精品| 久久99精品国语久久久| 日本黄大片高清| 国产激情偷乱视频一区二区| 亚洲av二区三区四区| 亚洲欧美日韩无卡精品| 色哟哟·www| 毛片女人毛片| 日本三级黄在线观看| 久久亚洲国产成人精品v| 在线天堂最新版资源| 日本午夜av视频| 天美传媒精品一区二区| 日韩亚洲欧美综合| 久久久久网色| 最近的中文字幕免费完整| 嘟嘟电影网在线观看| 成人综合一区亚洲| 精品国产露脸久久av麻豆 | 精品人妻一区二区三区麻豆| 午夜免费男女啪啪视频观看| 看十八女毛片水多多多| 欧美最新免费一区二区三区| 一区二区三区高清视频在线| 日本午夜av视频| 久久久久久久久大av| 舔av片在线| 国产亚洲精品久久久com| 国产91av在线免费观看| 国产精品不卡视频一区二区| 天堂中文最新版在线下载 | 淫秽高清视频在线观看| 久久人人爽人人爽人人片va| 亚洲国产欧美人成| 美女xxoo啪啪120秒动态图| 国产成人aa在线观看| 久热久热在线精品观看| 99热这里只有是精品50| 91狼人影院| 亚洲精品,欧美精品| 变态另类丝袜制服| 亚洲欧美清纯卡通| 精品久久久久久久久久久久久| 99久久成人亚洲精品观看| 久久久久久久久久成人| 国产成人精品久久久久久| 午夜日本视频在线| 婷婷色综合大香蕉| 噜噜噜噜噜久久久久久91| 能在线免费看毛片的网站| 人妻少妇偷人精品九色| 又爽又黄无遮挡网站| 免费人成在线观看视频色| 国产高清不卡午夜福利| 少妇被粗大猛烈的视频| 久久6这里有精品| 麻豆av噜噜一区二区三区| 亚洲国产成人一精品久久久| 国产精品蜜桃在线观看| 久久久久久久久久久丰满| 尾随美女入室| 在线天堂最新版资源| 国产一区二区三区av在线| 色综合站精品国产| 免费观看人在逋| 国产在视频线精品| 能在线免费观看的黄片| 久久草成人影院| 午夜久久久久精精品| 日韩一区二区视频免费看| 一个人看视频在线观看www免费| 欧美日韩综合久久久久久| 婷婷色麻豆天堂久久 | 水蜜桃什么品种好| 级片在线观看| 人人妻人人看人人澡| 久久久久久久久久成人| 国产白丝娇喘喷水9色精品| 成年女人看的毛片在线观看| 两个人的视频大全免费| 一个人看视频在线观看www免费| 欧美激情久久久久久爽电影| 高清午夜精品一区二区三区| 97超碰精品成人国产| 亚洲人成网站在线观看播放| 嘟嘟电影网在线观看| 国产成人a区在线观看| 国产精品99久久久久久久久| av在线蜜桃| 国产精品国产三级国产av玫瑰| 一本久久精品| 中文字幕人妻熟人妻熟丝袜美| 国产老妇女一区| 色综合亚洲欧美另类图片| 国产精品爽爽va在线观看网站| 视频中文字幕在线观看| 岛国在线免费视频观看| 男人的好看免费观看在线视频| 一卡2卡三卡四卡精品乱码亚洲| 九草在线视频观看| 精品久久久久久久久亚洲| 青春草亚洲视频在线观看| 秋霞在线观看毛片| 男人狂女人下面高潮的视频| 黄色欧美视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 欧美色视频一区免费| 亚洲三级黄色毛片| 三级国产精品欧美在线观看| 免费看a级黄色片| 色噜噜av男人的天堂激情| 亚洲欧洲国产日韩| 亚洲av免费在线观看| 丝袜美腿在线中文| 蜜桃亚洲精品一区二区三区| 国内精品一区二区在线观看| 男女下面进入的视频免费午夜| 搡老妇女老女人老熟妇| 中文字幕亚洲精品专区| 欧美激情久久久久久爽电影| 亚洲精品久久久久久婷婷小说 | 成人国产麻豆网| 国产视频首页在线观看| 最后的刺客免费高清国语| 免费看av在线观看网站| 成人午夜精彩视频在线观看| 日韩人妻高清精品专区| 舔av片在线| 一级av片app| 久久久久国产网址| 男女下面进入的视频免费午夜| 日韩av在线大香蕉| 国产黄色视频一区二区在线观看 | 亚洲av中文av极速乱| 有码 亚洲区| 国模一区二区三区四区视频| 国产v大片淫在线免费观看| www.av在线官网国产| 国产伦精品一区二区三区视频9| 能在线免费看毛片的网站| 老女人水多毛片| 国产一级毛片七仙女欲春2| 99在线人妻在线中文字幕| 午夜免费激情av| 色视频www国产| 精品久久久久久成人av| 伊人久久精品亚洲午夜| 男人舔奶头视频| 听说在线观看完整版免费高清| 国产成人aa在线观看| 国产伦精品一区二区三区四那| 99视频精品全部免费 在线| 久久精品人妻少妇| 高清日韩中文字幕在线| 午夜福利在线观看吧| 国产精品麻豆人妻色哟哟久久 | 国产爱豆传媒在线观看| 中文字幕熟女人妻在线| 国产精品蜜桃在线观看| 波多野结衣巨乳人妻| 日本免费在线观看一区| 亚洲欧洲国产日韩| 国产黄色小视频在线观看| 少妇熟女欧美另类| 午夜精品一区二区三区免费看| 亚洲成色77777| 婷婷色综合大香蕉| 欧美zozozo另类| 国产精品蜜桃在线观看| 高清视频免费观看一区二区 | 久久鲁丝午夜福利片| 边亲边吃奶的免费视频| 91午夜精品亚洲一区二区三区| 免费电影在线观看免费观看| 1024手机看黄色片| 久久亚洲国产成人精品v| 又粗又爽又猛毛片免费看| 亚洲av成人av| 亚洲精品影视一区二区三区av| 亚洲精品乱码久久久v下载方式| 欧美激情国产日韩精品一区| 日本黄大片高清| 国产亚洲91精品色在线| 秋霞在线观看毛片| 精品少妇黑人巨大在线播放 | 国产成人aa在线观看| 啦啦啦观看免费观看视频高清| 少妇高潮的动态图| 国产一区二区在线观看日韩| 青青草视频在线视频观看| 一级黄片播放器| 亚洲在久久综合| 国产精品av视频在线免费观看| 2021少妇久久久久久久久久久| 亚洲人成网站在线观看播放| 久久精品久久久久久噜噜老黄 | 亚洲性久久影院| 日韩人妻高清精品专区| 精品久久国产蜜桃| 青春草国产在线视频| 成人高潮视频无遮挡免费网站| 久久久成人免费电影| 男人和女人高潮做爰伦理| 国产精品电影一区二区三区| av在线蜜桃| 精品一区二区免费观看| 美女xxoo啪啪120秒动态图| 人妻少妇偷人精品九色| 免费一级毛片在线播放高清视频| 国产亚洲5aaaaa淫片| 一区二区三区四区激情视频| 国产在视频线在精品| 午夜福利网站1000一区二区三区| 国产精品三级大全| 一本一本综合久久| 天堂影院成人在线观看| 99久久九九国产精品国产免费| 日本午夜av视频| 色播亚洲综合网| 九九爱精品视频在线观看| 少妇高潮的动态图| 国产欧美另类精品又又久久亚洲欧美| 成年免费大片在线观看| 欧美激情久久久久久爽电影| 亚洲熟妇中文字幕五十中出| 少妇人妻精品综合一区二区| 免费无遮挡裸体视频| 免费不卡的大黄色大毛片视频在线观看 | 黄色日韩在线| 久久久久久国产a免费观看| 欧美极品一区二区三区四区| 内射极品少妇av片p| 波多野结衣高清无吗| 校园人妻丝袜中文字幕| av黄色大香蕉| 一区二区三区高清视频在线| 久久久久久久午夜电影| 欧美极品一区二区三区四区| 日本免费在线观看一区| 国产精品爽爽va在线观看网站| 午夜激情福利司机影院| 日韩一区二区视频免费看| 亚洲精品乱码久久久久久按摩| 一个人免费在线观看电影| 99热这里只有精品一区| 国产精品久久久久久久电影| 亚洲最大成人av| 精品无人区乱码1区二区| 可以在线观看毛片的网站| 欧美一区二区精品小视频在线| 九九热线精品视视频播放| 麻豆乱淫一区二区| 欧美人与善性xxx| 成人三级黄色视频| 免费搜索国产男女视频| 丝袜喷水一区| 日韩人妻高清精品专区| 久久综合国产亚洲精品| 亚洲欧美精品综合久久99| 99久久九九国产精品国产免费| www.色视频.com| 99热全是精品| 在线观看66精品国产| 一边亲一边摸免费视频| 国产美女午夜福利| 免费av观看视频| 久久99蜜桃精品久久| 国产高清有码在线观看视频| 精品99又大又爽又粗少妇毛片| 人人妻人人澡人人爽人人夜夜 | 人人妻人人看人人澡| 亚洲欧美精品专区久久| 亚洲av熟女| 天堂影院成人在线观看| 寂寞人妻少妇视频99o| 国产精品日韩av在线免费观看| 国产精品国产三级国产专区5o | 欧美一区二区国产精品久久精品| 日韩一区二区三区影片| 不卡视频在线观看欧美| 亚洲欧美成人综合另类久久久 | 亚洲,欧美,日韩| 亚洲真实伦在线观看| 国产精华一区二区三区| 高清在线视频一区二区三区 | 婷婷色麻豆天堂久久 | 尤物成人国产欧美一区二区三区| 成年女人看的毛片在线观看| 亚洲国产欧美人成| 一级av片app| 国产老妇女一区| 国产一区二区在线av高清观看| a级毛色黄片| 精品不卡国产一区二区三区| 淫秽高清视频在线观看| 国产精品一二三区在线看| 亚洲国产高清在线一区二区三| 偷拍熟女少妇极品色| 免费观看精品视频网站| 美女大奶头视频| 简卡轻食公司| 夫妻性生交免费视频一级片| 一级毛片久久久久久久久女| 亚洲久久久久久中文字幕| 美女高潮的动态| 麻豆成人av视频| 美女黄网站色视频| 久久人人爽人人片av| 熟女电影av网| 69av精品久久久久久| 日韩一区二区视频免费看| 色综合亚洲欧美另类图片| 成年免费大片在线观看| 纵有疾风起免费观看全集完整版 | 日本黄大片高清| 69人妻影院| kizo精华| 又粗又硬又长又爽又黄的视频| 免费黄网站久久成人精品| 日日啪夜夜撸| 99久国产av精品国产电影| 乱系列少妇在线播放| 免费看日本二区| 大话2 男鬼变身卡| 亚洲aⅴ乱码一区二区在线播放| 欧美变态另类bdsm刘玥| 美女国产视频在线观看| 亚洲精品456在线播放app| 日本免费一区二区三区高清不卡| 一区二区三区四区激情视频| 国产 一区 欧美 日韩| 少妇被粗大猛烈的视频| 青春草国产在线视频| 欧美一区二区精品小视频在线| 欧美成人一区二区免费高清观看| 欧美变态另类bdsm刘玥| 亚洲美女视频黄频| 免费在线观看成人毛片| 我的老师免费观看完整版| 一边摸一边抽搐一进一小说| 国产午夜精品论理片| 男女下面进入的视频免费午夜| 久久久色成人| 白带黄色成豆腐渣| 日本av手机在线免费观看| 一级爰片在线观看| 边亲边吃奶的免费视频| 国产精品国产三级国产av玫瑰| 1024手机看黄色片| kizo精华| 亚洲国产精品专区欧美| 欧美成人免费av一区二区三区| 亚洲精品亚洲一区二区| 久久久久网色| 你懂的网址亚洲精品在线观看 | 久久亚洲国产成人精品v| 亚洲精品色激情综合| 18禁动态无遮挡网站| 婷婷色麻豆天堂久久 | 亚洲经典国产精华液单| 欧美性感艳星| 精品国内亚洲2022精品成人| 成人国产麻豆网| 成年免费大片在线观看| 两个人的视频大全免费| 亚洲精品影视一区二区三区av| av在线亚洲专区| 国产av不卡久久| 亚洲图色成人| 亚洲精品日韩在线中文字幕| 在线免费十八禁| 寂寞人妻少妇视频99o| 日本一二三区视频观看| 三级经典国产精品| 国产精品日韩av在线免费观看| 亚洲精品一区蜜桃| 国产一区二区三区av在线| 亚洲国产精品成人久久小说| 老司机影院毛片| 午夜亚洲福利在线播放| 国产欧美日韩精品一区二区| 亚洲欧洲国产日韩| 国产精品国产三级国产专区5o | 亚洲av一区综合| 日韩视频在线欧美| 五月玫瑰六月丁香| 又黄又爽又刺激的免费视频.| 草草在线视频免费看| 欧美极品一区二区三区四区| 神马国产精品三级电影在线观看| 日本一二三区视频观看| 大香蕉久久网| 一级二级三级毛片免费看| 又黄又爽又刺激的免费视频.| 草草在线视频免费看| 久久久久久久久久久丰满| 午夜a级毛片| 亚洲不卡免费看| 99久久精品热视频| 国产精品永久免费网站| 亚洲国产精品专区欧美| 尤物成人国产欧美一区二区三区| 亚洲怡红院男人天堂| 久久精品国产鲁丝片午夜精品| 欧美日韩精品成人综合77777| 久久99热6这里只有精品| 神马国产精品三级电影在线观看| 51国产日韩欧美| 婷婷色麻豆天堂久久 | 亚洲中文字幕一区二区三区有码在线看| 午夜免费激情av| 午夜福利在线观看免费完整高清在| 亚洲精品国产av成人精品| 你懂的网址亚洲精品在线观看 | 伊人久久精品亚洲午夜| 九九热线精品视视频播放| 久久精品国产鲁丝片午夜精品| 亚洲激情五月婷婷啪啪| 国语对白做爰xxxⅹ性视频网站| 日韩,欧美,国产一区二区三区 | 亚洲成av人片在线播放无| 99九九线精品视频在线观看视频| 国产伦一二天堂av在线观看| 免费看美女性在线毛片视频| 一级毛片aaaaaa免费看小| 久久人人爽人人爽人人片va| 欧美一级a爱片免费观看看| 色吧在线观看| 国产在视频线在精品| 日日撸夜夜添| 啦啦啦观看免费观看视频高清| 精品久久国产蜜桃| 看片在线看免费视频| 免费不卡的大黄色大毛片视频在线观看 | 久久人人爽人人爽人人片va| 天堂网av新在线| 亚洲精品色激情综合| 久久久精品大字幕| 国产成人福利小说| 青春草视频在线免费观看| 亚洲内射少妇av| 久久久欧美国产精品| 舔av片在线| 精品少妇黑人巨大在线播放 | av在线亚洲专区| 日日干狠狠操夜夜爽| .国产精品久久| 大香蕉97超碰在线| 国内少妇人妻偷人精品xxx网站| 51国产日韩欧美| 亚洲精品,欧美精品| 少妇人妻精品综合一区二区| 边亲边吃奶的免费视频| 色尼玛亚洲综合影院| 热99在线观看视频| 国产精品永久免费网站| 黑人高潮一二区| 成人综合一区亚洲| 国产黄a三级三级三级人| 久久久a久久爽久久v久久| 黑人高潮一二区| 成人午夜精彩视频在线观看| 美女xxoo啪啪120秒动态图| 伦精品一区二区三区| 少妇猛男粗大的猛烈进出视频 | 久久久久网色| 亚洲精品日韩在线中文字幕| 国产精品国产三级国产专区5o | 水蜜桃什么品种好| 日韩人妻高清精品专区| 热99re8久久精品国产| 国产极品天堂在线| 99久国产av精品| 3wmmmm亚洲av在线观看| 99久久成人亚洲精品观看| 国产精品人妻久久久影院|