欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

SAM-Med 2D脊椎分割數(shù)據(jù)集構(gòu)建與微調(diào)實戰(zhàn)指南

SAM-Med 2D脊椎分割數(shù)據(jù)集構(gòu)建與微調(diào)實戰(zhàn)指南 簡介本資源是一份面向醫(yī)學(xué)圖像分析方向研究者與AI醫(yī)療開發(fā)者的技術(shù)實踐指南聚焦SAM-Med 2D視覺大模型在脊椎影像分割任務(wù)中的完整復(fù)現(xiàn)與定制化訓(xùn)練流程。資源涵蓋模型結(jié)構(gòu)解析、RawData原始數(shù)據(jù)組織規(guī)范、process數(shù)據(jù)預(yù)處理腳本、train端到端訓(xùn)練腳本及評估結(jié)果可視化方案有效解決醫(yī)療小樣本場景下大模型適配難、數(shù)據(jù)格式轉(zhuǎn)換繁瑣、訓(xùn)練配置不透明等核心問題。壓縮包共2000個文件主體為1948張脊椎標(biāo)注PNG圖像含訓(xùn)練/測試分割掩膜、27個Python訓(xùn)練與工具腳本含Jupyter Notebook交互示例、14個編譯緩存文件輔以JSON映射文件、Markdown說明文檔及LICENSE協(xié)議總大小243.76MB。目前已有107人學(xué)習(xí)下載讀者可直接獲取開箱即用的數(shù)據(jù)處理流水線、可調(diào)試的訓(xùn)練框架、標(biāo)準(zhǔn)化評估指標(biāo)Dice系數(shù)等實現(xiàn)邏輯以及微信技術(shù)交流群入口等實戰(zhàn)支持信息。1. 項目概述為什么需要為SAM-Med 2D訓(xùn)練脊椎分割數(shù)據(jù)集在醫(yī)學(xué)影像分析領(lǐng)域尤其是骨科和神經(jīng)外科脊椎結(jié)構(gòu)的精確分割是進(jìn)行疾病診斷、手術(shù)規(guī)劃、三維重建和生物力學(xué)分析的基礎(chǔ)。傳統(tǒng)的分割方法無論是基于閾值、區(qū)域生長還是早期的卷積神經(jīng)網(wǎng)絡(luò)CNN在面對脊椎CT或MRI圖像時常常受限于椎體形狀的多樣性、圖像對比度的差異以及相鄰椎體間的粘連問題需要大量的人工后處理和調(diào)參泛化能力有限。近年來以SAMSegment Anything Model為代表的視覺基礎(chǔ)模型憑借其強(qiáng)大的零樣本泛化能力和對任意對象的提示式分割潛力為醫(yī)學(xué)圖像分析帶來了新的范式。然而原始的SAM模型是在自然圖像上訓(xùn)練的直接應(yīng)用于醫(yī)學(xué)影像尤其是結(jié)構(gòu)復(fù)雜、邊界模糊的脊椎效果往往不盡如人意存在分割不完整、邊界粗糙、無法區(qū)分相鄰椎體等問題。這就催生了針對特定醫(yī)學(xué)任務(wù)的微調(diào)需求SAM-Med 2D正是這樣一個在大量醫(yī)學(xué)影像上進(jìn)一步預(yù)訓(xùn)練或微調(diào)的模型變體旨在更好地理解醫(yī)學(xué)圖像的語義和結(jié)構(gòu)。但是一個強(qiáng)大的模型離不開高質(zhì)量、針對性的數(shù)據(jù)。為SAM-Med 2D訓(xùn)練一個專用的脊椎分割數(shù)據(jù)集其核心價值在于“專業(yè)化”和“場景化”。這不僅僅是提供一些帶標(biāo)注的圖片而是構(gòu)建一個能夠教會模型理解脊椎解剖學(xué)特性、成像偽影、病理變化以及不同掃描協(xié)議下圖像表現(xiàn)的系統(tǒng)工程。通過這個數(shù)據(jù)集我們可以讓SAM-Med 2D學(xué)會精準(zhǔn)識別單個椎體從C1到骶骨清晰區(qū)分每一個椎體即使它們緊密相鄰。魯棒的邊界劃分即使在骨皮質(zhì)邊緣模糊、有骨質(zhì)疏松或椎體骨折的情況下也能準(zhǔn)確勾勒出椎體輪廓。適應(yīng)多模態(tài)影像能夠處理CT高對比度清晰顯示骨結(jié)構(gòu)和MRI軟組織對比度高骨邊界相對模糊等不同成像設(shè)備產(chǎn)生的數(shù)據(jù)。理解病理狀態(tài)對存在骨贅、壓縮性骨折、椎間盤突出壓迫等常見病理改變的椎體也能進(jìn)行有效分割。因此構(gòu)建這樣一個數(shù)據(jù)集是將前沿大模型能力真正落地到臨床輔助診斷的關(guān)鍵一步。它決定了模型性能的上限也是后續(xù)所有應(yīng)用如自動測量Cobb角、椎管狹窄評估的基石。本指南將詳細(xì)拆解從數(shù)據(jù)準(zhǔn)備、標(biāo)注、預(yù)處理到最終數(shù)據(jù)集構(gòu)建的全流程分享我們在此過程中積累的實戰(zhàn)經(jīng)驗與避坑技巧。2. 數(shù)據(jù)集構(gòu)建的核心思路與設(shè)計考量構(gòu)建一個適用于大模型微調(diào)的醫(yī)學(xué)影像數(shù)據(jù)集絕非簡單地將圖片和標(biāo)注文件打包。它需要一套完整的設(shè)計哲學(xué)以確保數(shù)據(jù)能高效地“教”會模型我們想要的知識。我們的核心思路圍繞“多樣性”、“一致性”、“可擴(kuò)展性”三大原則展開。2.1 數(shù)據(jù)來源的多樣性與質(zhì)量控制數(shù)據(jù)多樣性是模型泛化能力的保障。對于脊椎分割我們主要從以下幾個維度考慮多樣性影像模態(tài)必須同時包含CT和MRI數(shù)據(jù)。CT數(shù)據(jù)尤其是骨窗能提供最清晰的骨皮質(zhì)邊界是學(xué)習(xí)椎體幾何形狀的“黃金標(biāo)準(zhǔn)”。MRI數(shù)據(jù)如T1、T2加權(quán)像則能提供在軟組織環(huán)境下的椎體表現(xiàn)并包含更多病理信息。理想的比例可以根據(jù)目標(biāo)應(yīng)用調(diào)整例如側(cè)重于骨科手術(shù)規(guī)劃可能CT占比更高如7:3側(cè)重于神經(jīng)壓迫評估則可能需要更多MRI數(shù)據(jù)如5:5。掃描設(shè)備與協(xié)議收集來自不同廠商如GE、Siemens、Philips、不同型號掃描儀的數(shù)據(jù)。掃描參數(shù)如層厚、間距、kVp、磁場強(qiáng)度的差異會導(dǎo)致圖像分辨率、噪聲水平和對比度的變化。這能迫使模型學(xué)習(xí)到更本質(zhì)的特征而非某個特定設(shè)備的成像風(fēng)格。患者群體與病理狀態(tài)數(shù)據(jù)應(yīng)涵蓋不同年齡、性別、體型的患者。更重要的是必須包含各種常見的脊椎病理狀態(tài)退行性變骨質(zhì)增生骨贅、終板硬化。外傷各種類型的椎體骨折壓縮性、爆裂性?;渭怪鶄?cè)彎、后凸。術(shù)后狀態(tài)內(nèi)含內(nèi)固定物如螺釘、鋼板、融合器的椎體。其他骨質(zhì)疏松、轉(zhuǎn)移瘤等。 包含病理數(shù)據(jù)至關(guān)重要它能讓模型學(xué)會在“非標(biāo)準(zhǔn)”情況下依然能工作這是臨床實用性的關(guān)鍵。注意數(shù)據(jù)獲取必須嚴(yán)格遵守醫(yī)學(xué)倫理和患者隱私保護(hù)法規(guī)如HIPAA GDPR。所有數(shù)據(jù)需經(jīng)過徹底的匿名化處理去除DICOM文件頭中的所有個人信息并確保擁有合規(guī)的數(shù)據(jù)使用授權(quán)。通常這項工作需要在醫(yī)院信息科或倫理委員會的支持下進(jìn)行。解剖覆蓋范圍數(shù)據(jù)集應(yīng)覆蓋全脊柱頸椎、胸椎、腰椎、骶尾椎并且確保每個椎體都有足夠的樣本。避免出現(xiàn)某個椎體如T4、T5樣本過少的情況。2.2 標(biāo)注策略與一致性規(guī)范標(biāo)注質(zhì)量直接決定模型學(xué)習(xí)的上限。對于脊椎分割我們采用“實例分割”標(biāo)注即每個椎體都是一個獨立的、互不重疊的掩碼Mask。標(biāo)注工具選擇推薦使用專業(yè)的醫(yī)學(xué)圖像標(biāo)注軟件如ITK-SNAP、3D Slicer或MITK。這些工具支持DICOM格式直接讀取、多平面重建MPR并能高效處理三維體數(shù)據(jù)。對于大規(guī)模標(biāo)注可以考慮CVAT、Labelbox等支持協(xié)作和項目管理的平臺但其對三維醫(yī)學(xué)影像的原生支持可能不如專業(yè)醫(yī)學(xué)軟件。標(biāo)注細(xì)則制定關(guān)鍵邊界定義明確標(biāo)注的邊界是骨皮質(zhì)的外緣。在CT上這通常是高亮信號的邊緣。在MRI上由于骨皮質(zhì)呈低信號邊界可能較模糊需要參考相鄰的椎間盤和韌帶結(jié)構(gòu)進(jìn)行判斷。病理區(qū)域處理對于骨折椎體標(biāo)注其變形后的輪廓包括可能存在的骨碎片如果屬于同一椎體。對于大的骨贅如果與椎體主體相連且屬于骨質(zhì)增生一般納入該椎體掩碼。內(nèi)固定物處理這是一個難點。螺釘、鋼板等金屬植入物會產(chǎn)生嚴(yán)重的射線硬化偽影CT或磁敏感偽影MRI完全遮擋解剖結(jié)構(gòu)。我們的策略是標(biāo)注可見的、未被偽影完全破壞的椎體部分。對于完全被偽影覆蓋的區(qū)域標(biāo)注員需基于上下相鄰層面和先驗解剖知識進(jìn)行“合理推斷”勾勒并在標(biāo)注記錄中標(biāo)記該區(qū)域為“推斷標(biāo)注”。這能幫助模型學(xué)習(xí)在偽影干擾下進(jìn)行“腦補”的能力。標(biāo)注一致性會議在標(biāo)注開始前必須組織所有標(biāo)注員通常是放射科醫(yī)師或經(jīng)驗豐富的影像科研究生進(jìn)行培訓(xùn)使用一批樣例圖像共同標(biāo)注討論并統(tǒng)一上述所有模糊情況的處理標(biāo)準(zhǔn)。過程中定期進(jìn)行交叉校驗和一致性評估如計算Dice系數(shù)對差異大的案例進(jìn)行復(fù)盤討論。2.3 數(shù)據(jù)集格式設(shè)計與可擴(kuò)展性為了適配SAM-Med 2D的微調(diào)流程并方便未來擴(kuò)展我們需要設(shè)計一個清晰的數(shù)據(jù)目錄結(jié)構(gòu)和數(shù)據(jù)格式。原始數(shù)據(jù)層保留原始的DICOM序列或NIfTI文件。按患者ID或研究ID組織文件夾。這是數(shù)據(jù)的源頭不可更改。預(yù)處理數(shù)據(jù)層存儲經(jīng)過預(yù)處理如重采樣、歸一化、裁剪后的圖像文件通常轉(zhuǎn)換為.npy或.png格式。同時保存對應(yīng)的預(yù)處理參數(shù)如重采樣率、裁剪范圍以便反向映射。標(biāo)注數(shù)據(jù)層這是核心。我們采用與SAM系列模型訓(xùn)練常用的格式。每個樣本對應(yīng)一個JSON文件結(jié)構(gòu)如下{ “image”: “preprocessed/patient_001_slice_50.png”, // 預(yù)處理后的圖像路徑 “image_id”: “patient_001_50”, “annotations”: [ { “id”: 1, “category_id”: 21, // 類別ID如21代表C3椎體 “segmentation”: { // RLE編碼或多邊形坐標(biāo)點列表 “size”: [512, 512], “counts”: “...” }, “bbox”: [x, y, width, height], // 包圍框 “area”: 12050 }, { “id”: 2, “category_id”: 22, // 22代表C4椎體 “segmentation”: { ... }, “bbox”: [ ... ], “area”: 11800 } // ... 更多椎體 ] }為什么用JSON和RLEJSON結(jié)構(gòu)清晰易于解析和擴(kuò)展。RLERun-Length Encoding是一種高效的二值掩碼編碼方式相比存儲整個二維數(shù)組能極大節(jié)省磁盤空間尤其適合大尺寸醫(yī)學(xué)圖像。數(shù)據(jù)集劃分按照患者ID劃分訓(xùn)練集、驗證集和測試集絕不能按切片隨機(jī)劃分。因為同一個患者的不同切片之間存在強(qiáng)相關(guān)性按切片隨機(jī)劃分會導(dǎo)致數(shù)據(jù)泄露使模型在測試集上獲得虛高的性能。通常采用7:2:1或8:1:1的比例。確保每個集合中患者的人口學(xué)特征和病理類型分布大致均衡。元數(shù)據(jù)文件創(chuàng)建一個dataset_meta.json文件記錄數(shù)據(jù)集的整體信息如類別列表從C1到骶骨每個椎體對應(yīng)的ID和名稱、數(shù)據(jù)統(tǒng)計各模態(tài)數(shù)量、各椎體實例數(shù)、標(biāo)注規(guī)范版本、預(yù)處理方法等。這為數(shù)據(jù)集的維護(hù)和使用提供了清晰的“說明書”。3. 數(shù)據(jù)預(yù)處理與標(biāo)注實戰(zhàn)詳解有了設(shè)計思路接下來就是具體的實施。這一步是數(shù)據(jù)質(zhì)量的核心鍛造環(huán)節(jié)直接關(guān)系到模型訓(xùn)練的穩(wěn)定性和最終效果。3.1 醫(yī)學(xué)影像預(yù)處理標(biāo)準(zhǔn)化流程原始DICOM數(shù)據(jù)不能直接用于訓(xùn)練必須經(jīng)過一系列標(biāo)準(zhǔn)化預(yù)處理。讀取與方向校正使用pydicom或SimpleITK讀取DICOM文件。醫(yī)學(xué)影像的坐標(biāo)系左右、前后、頭足可能因掃描設(shè)備和患者體位而異。必須使用SimpleITK的GetDirection()和SetDirection()等功能將所有圖像統(tǒng)一到標(biāo)準(zhǔn)的RAI右前上坐標(biāo)系。這是后續(xù)所有處理的基礎(chǔ)否則裁剪、重采樣都會錯亂。窗寬窗位調(diào)整僅CTCT值的原始單位是HUHounsfield Unit。為了突出骨組織我們需要應(yīng)用“骨窗”。通常將窗寬設(shè)為2000HU窗位設(shè)為500HU然后將線性映射到[0, 255]的灰度范圍。這能極大增強(qiáng)椎體與周圍軟組織的對比度。import numpy as np def apply_window(image_array, window_width, window_center): 應(yīng)用窗寬窗位 img_min window_center - window_width // 2 img_max window_center window_width // 2 windowed np.clip(image_array, img_min, img_max) windowed (windowed - img_min) / (img_max - img_min) * 255.0 return windowed.astype(np.uint8)重采樣不同掃描的層厚和像素間距不同。為了給模型提供空間尺度一致的輸入需要將所有樣本重采樣到相同的各向同性分辨率例如1.0mm x 1.0mm x 1.0mm。使用SimpleITK的Resample函數(shù)并選擇sitk.sitkLinear插值方式。實操心得重采樣會輕微模糊圖像。如果原始數(shù)據(jù)分辨率已經(jīng)很高如0.5mm層厚重采樣到1.0mm會丟失細(xì)節(jié)。因此目標(biāo)分辨率的選擇需要權(quán)衡分辨率太高增加計算負(fù)擔(dān)且可能引入更多噪聲分辨率太低丟失關(guān)鍵解剖細(xì)節(jié)。對于脊椎分割1.0mm各向同性是一個經(jīng)驗上較好的平衡點。強(qiáng)度歸一化將圖像像素值歸一化到固定的范圍如[0, 1]或[-1, 1]。對于CT已窗寬窗位調(diào)整和MRI可以統(tǒng)一使用(img - mean) / std的方式進(jìn)行標(biāo)準(zhǔn)化其中mean和std在訓(xùn)練集上計算然后同樣應(yīng)用于驗證集和測試集。這有助于模型收斂。切片與裁剪切片將三維體數(shù)據(jù)沿軸狀面Axial逐層切片得到二維圖像。這是SAM-Med 2D模型的輸入格式。裁剪脊椎通常只占據(jù)圖像中心的一部分。為了減少無關(guān)背景并增大感興趣區(qū)域ROI的占比可以圍繞脊椎區(qū)域進(jìn)行裁剪。一個自動化的方法是先用一個簡單的閾值分割或預(yù)訓(xùn)練模型檢測出包含脊椎的大致區(qū)域計算其邊界框然后向外擴(kuò)展一定像素如50px作為裁剪區(qū)域。手動指定一個固定的中心區(qū)域裁剪也是一種可行的簡化方案。3.2 精細(xì)化標(biāo)注操作指南與質(zhì)量控制預(yù)處理后的圖像就可以導(dǎo)入標(biāo)注工具進(jìn)行精細(xì)標(biāo)注了。標(biāo)注流程粗定位標(biāo)注員首先在矢狀面Sagittal或冠狀面Coronal上快速瀏覽確定脊柱的大致走向和范圍。逐層精標(biāo)在軸狀面Axial上從椎體最上端開始逐層向下標(biāo)注。利用軟件的“畫筆”和“橡皮擦”工具仔細(xì)勾勒每個椎體的邊界。對于形狀規(guī)則的中間層面可以使用“多邊形”工具快速框選。三維校驗與修補完成所有軸狀面切片標(biāo)注后必須在三維視圖下進(jìn)行渲染檢查。查看每個椎體的三維掩碼是否連續(xù)、光滑是否存在明顯的“階梯”狀偽影這是逐層標(biāo)注不一致的典型表現(xiàn)或空洞。在此視圖下進(jìn)行最后的修補和光滑處理。質(zhì)量控制QC步驟一級QC標(biāo)注員自檢標(biāo)注完成后標(biāo)注員自己需要從三維和三個二維切面視角反復(fù)檢查確保無誤。二級QC資深員復(fù)核由一名更資深的標(biāo)注員或放射科醫(yī)生對隨機(jī)抽取的至少30%的案例進(jìn)行復(fù)核重點檢查復(fù)雜病例骨折、術(shù)后、嚴(yán)重畸形和隨機(jī)抽查的普通病例。一致性度量定期如每標(biāo)注完20個病例讓所有標(biāo)注員對同一個“測試案例”進(jìn)行獨立標(biāo)注計算他們之間標(biāo)注結(jié)果的Dice相似系數(shù)DSC或Hausdorff距離。DSC一般要求達(dá)到0.85以上。通過分析不一致的區(qū)域可以發(fā)現(xiàn)并統(tǒng)一標(biāo)注標(biāo)準(zhǔn)中的模糊點。標(biāo)注格式轉(zhuǎn)換標(biāo)注工具如ITK-SNAP通常輸出.nrrd或.nii.gz格式的標(biāo)注文件其中每個椎體用一個不同的整數(shù)標(biāo)簽值表示。我們需要編寫腳本將這些三維標(biāo)注文件按切片提取并將每個椎體的掩碼轉(zhuǎn)換為RLE編碼并生成前文所述的JSON標(biāo)注文件。import numpy as np import json from pycocotools import mask as mask_util def convert_mask_to_rle(mask_array): 將二值掩碼0/1轉(zhuǎn)換為RLE編碼 # mask_array 是二維 numpy 數(shù)組 dtypenp.uint8 rle mask_util.encode(np.asfortranarray(mask_array)) rle[‘counts’] rle[‘counts’].decode(‘utf-8’) # 將bytes轉(zhuǎn)為string以便JSON序列化 return rle # 假設(shè) label_volume 是三維標(biāo)注體數(shù)據(jù) slice_idx 是當(dāng)前切片索引 slice_label label_volume[:, :, slice_idx] unique_labels np.unique(slice_label) unique_labels unique_labels[unique_labels ! 0] # 去掉背景0 annotations [] for label_val in unique_labels: binary_mask (slice_label label_val).astype(np.uint8) rle_obj convert_mask_to_rle(binary_mask) bbox mask_util.toBbox(rle_obj).tolist() # 計算包圍框 area mask_util.area(rle_obj).item() annotation { “id”: int(label_val), “category_id”: int(label_val), # 這里假設(shè)標(biāo)簽值就是類別ID “segmentation”: rle_obj, “bbox”: bbox, “area”: area } annotations.append(annotation)4. 適配SAM-Med 2D訓(xùn)練的數(shù)據(jù)集封裝數(shù)據(jù)準(zhǔn)備好后我們需要將其封裝成SAM-Med 2D模型訓(xùn)練代碼能夠直接讀取的格式。這通常意味著創(chuàng)建一個繼承自torch.utils.data.Dataset的自定義數(shù)據(jù)集類。4.1 自定義Dataset類的實現(xiàn)要點import torch from torch.utils.data import Dataset import cv2 import json from pycocotools import mask as mask_util import numpy as np class SpineSegDataset(Dataset): def __init__(self, annotation_file, img_dir, transformNone): annotation_file: 包含所有標(biāo)注信息的JSON文件路徑 img_dir: 預(yù)處理后圖像存放的根目錄 transform: 數(shù)據(jù)增強(qiáng)變換 with open(annotation_file, ‘r’) as f: self.data json.load(f) # 假設(shè)data是一個列表每個元素是一個樣本的字典 self.img_dir img_dir self.transform transform # 可以在這里加載類別映射關(guān)系 self.cat_id_to_name {21: ‘C3’, 22: ‘C4’, ...} def __len__(self): return len(self.data) def __getitem__(self, idx): sample self.data[idx] img_path os.path.join(self.img_dir, sample[‘image’]) # 讀取圖像假設(shè)是灰度圖 image cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) image image[:, :, np.newaxis] # 增加通道維度 (H, W, 1) image image.astype(np.float32) / 255.0 # 歸一化到[0,1] annotations sample[‘a(chǎn)nnotations’] masks [] bboxes [] labels [] for ann in annotations: # 將RLE解碼為二值掩碼 rle ann[‘segmentation’] rle[‘counts’] rle[‘counts’].encode(‘utf-8’) # 轉(zhuǎn)回bytes mask mask_util.decode(rle) # (H, W) 0/1 masks.append(mask) bboxes.append(ann[‘bbox’]) # [x, y, w, h] labels.append(ann[‘category_id’]) # 將列表轉(zhuǎn)換為數(shù)組 masks np.stack(masks, axis0) if masks else np.zeros((0, image.shape[0], image.shape[1])) bboxes np.array(bboxes) if bboxes else np.zeros((0, 4)) labels np.array(labels) if labels else np.zeros((0,)) # 應(yīng)用數(shù)據(jù)增強(qiáng)同時增強(qiáng)圖像和掩碼 if self.transform: transformed self.transform(imageimage, masksmasks, bboxesbboxes, category_idslabels) image transformed[‘image’] masks transformed[‘masks’] bboxes transformed[‘bboxes’] labels transformed[‘category_ids’] # 轉(zhuǎn)換為PyTorch Tensor并調(diào)整圖像通道順序為 (C, H, W) image torch.from_numpy(image).permute(2, 0, 1).float() masks torch.from_numpy(masks).float() bboxes torch.from_numpy(bboxes).float() labels torch.from_numpy(labels).long() return { “image”: image, “masks”: masks, “boxes”: bboxes, “l(fā)abels”: labels, “image_id”: sample[‘image_id’] }4.2 針對醫(yī)學(xué)圖像的數(shù)據(jù)增強(qiáng)策略數(shù)據(jù)增強(qiáng)是提升模型魯棒性的關(guān)鍵。對于醫(yī)學(xué)圖像尤其是分割任務(wù)增強(qiáng)必須保持圖像與掩碼的空間對應(yīng)關(guān)系。我們使用albumentations庫它完美支持圖像和掩碼的同步變換。import albumentations as A from albumentations.pytorch import ToTensorV2 def get_train_transform(): return A.Compose([ A.HorizontalFlip(p0.5), # 水平翻轉(zhuǎn)對于脊椎是合理的 A.VerticalFlip(p0.0), # 垂直翻轉(zhuǎn)通常不用于軸狀面因為上下不對稱 A.Rotate(limit15, p0.5, border_modecv2.BORDER_CONSTANT, value0), # 小幅旋轉(zhuǎn) A.RandomBrightnessContrast(brightness_limit0.1, contrast_limit0.1, p0.3), A.GaussNoise(var_limit(5.0, 20.0), p0.2), # 添加高斯噪聲模擬圖像噪聲 A.ElasticTransform(alpha1, sigma50, alpha_affine50, p0.1), # 彈性形變模擬軟組織形變 A.Resize(height512, width512, p1.0), # 統(tǒng)一縮放到模型輸入尺寸 ToTensorV2(), # 轉(zhuǎn)換為Tensor并歸一化到[0,1]如果圖像是0-255 ], bbox_paramsA.BboxParams(format‘coco’, label_fields[‘category_ids’])) def get_val_transform(): # 驗證/測試集只需要Resize和ToTensor return A.Compose([ A.Resize(height512, width512, p1.0), ToTensorV2(), ])注意事項醫(yī)學(xué)圖像增強(qiáng)需要謹(jǐn)慎。過度的幾何形變?nèi)绱蠼嵌刃D(zhuǎn)、縮放可能破壞解剖結(jié)構(gòu)的合理性。亮度對比度調(diào)整的幅度也應(yīng)較小以保持CT/MRI的視覺真實性。ElasticTransform彈性形變對模擬軟組織形變很有用但不宜過度使用。4.3 類別不平衡與難樣本挖掘脊椎數(shù)據(jù)集中不同椎體的實例數(shù)量可能不均如腰椎樣本可能多于胸椎且背景像素遠(yuǎn)多于前景像素。此外一些難分的樣本如骨折椎體、邊緣模糊的椎體對模型性能提升至關(guān)重要。類別權(quán)重在損失函數(shù)中為不同類別的分割損失賦予權(quán)重。權(quán)重通常與類別頻率成反比??梢栽贒ataLoader中計算或在損失函數(shù)如CrossEntropyLoss中設(shè)置weight參數(shù)。難樣本挖掘Hard Example Mining在訓(xùn)練過程中不是所有樣本或像素對損失的貢獻(xiàn)都一樣。我們可以讓模型更關(guān)注那些它當(dāng)前分錯的“難樣本”。一種實踐是在計算損失時選擇損失值最高的前K%的像素或樣本進(jìn)行反向傳播而不是全部。這需要自定義損失函數(shù)或在訓(xùn)練循環(huán)中實現(xiàn)。在線難樣本挖掘OHEM這是一個經(jīng)典策略。在訓(xùn)練時前向傳播計算所有像素的損失然后只對損失最大的那一部分像素例如損失最高的25%計算梯度進(jìn)行更新。這迫使模型集中精力解決最難的問題。許多分割框架如MMSegmentation都內(nèi)置了OHEM損失函數(shù)。5. 訓(xùn)練流程中的關(guān)鍵配置與調(diào)試經(jīng)驗數(shù)據(jù)集準(zhǔn)備就緒后就可以啟動SAM-Med 2D的微調(diào)訓(xùn)練了。這里分享一些關(guān)鍵的配置經(jīng)驗和調(diào)試技巧。5.1 模型加載與參數(shù)初始化SAM-Med 2D通?;陬A(yù)訓(xùn)練權(quán)重進(jìn)行微調(diào)。關(guān)鍵是要正確加載預(yù)訓(xùn)練權(quán)重并合理設(shè)置哪些層需要更新。import torch from sam_med_2d_model import SamMed2D # 假設(shè)這是模型類 model SamMed2D(...) pretrained_weights torch.load(‘path/to/sam_med_2d_pretrained.pth’) # 方式一嚴(yán)格匹配加載推薦 model.load_state_dict(pretrained_weights, strictTrue) # 如果strictTrue報錯比如你的分類頭類別數(shù)改了可以嘗試strictFalse但需謹(jǐn)慎 # 方式二部分加載凍結(jié)骨干網(wǎng)絡(luò) model.load_state_dict(pretrained_weights, strictFalse) # 凍結(jié)圖像編碼器骨干網(wǎng)絡(luò)的前幾層或全部 for name, param in model.image_encoder.named_parameters(): if ‘block’ in name: # 凍結(jié)特定塊 param.requires_grad False # 或者全部凍結(jié) # for param in model.image_encoder.parameters(): # param.requires_grad False # 提示微調(diào)Prompt Encoder和掩碼解碼器Mask Decoder通常需要訓(xùn)練 for param in model.prompt_encoder.parameters(): param.requires_grad True for param in model.mask_decoder.parameters(): param.requires_grad True5.2 損失函數(shù)選擇與組合SAM-Med 2D原生的訓(xùn)練可能使用多種損失的組合。對于我們的脊椎實例分割任務(wù)一個有效的組合是Dice Loss非常適用于前景-背景像素極度不平衡的分割任務(wù)直接優(yōu)化分割區(qū)域的重疊度。Focal Loss是交叉熵?fù)p失的變體通過降低易分樣本的權(quán)重讓模型更關(guān)注難分的樣本如椎體邊緣、小椎體緩解類別不平衡。L1/L2 Regression Loss如果任務(wù)還需要預(yù)測包圍框BBox可以加上一個回歸損失。通常將Dice Loss和Focal Loss加權(quán)求和比例可以是1:1。import torch.nn as nn import torch.nn.functional as F class DiceFocalLoss(nn.Module): def __init__(self, alpha0.25, gamma2.0, smooth1e-6): super().__init__() self.alpha alpha self.gamma gamma self.smooth smooth def forward(self, pred, target): # pred: (B, C, H, W) after softmax # target: (B, H, W) with class indices num_classes pred.shape[1] # 將target轉(zhuǎn)換為one-hot target_one_hot F.one_hot(target, num_classes).permute(0, 3, 1, 2).float() # Dice Loss pred_flat pred.reshape(pred.shape[0], num_classes, -1) target_flat target_one_hot.reshape(target_one_hot.shape[0], num_classes, -1) intersection (pred_flat * target_flat).sum(dim-1) union pred_flat.sum(dim-1) target_flat.sum(dim-1) dice_loss 1 - (2. * intersection self.smooth) / (union self.smooth) dice_loss dice_loss.mean() # Focal Loss ce_loss F.cross_entropy(pred, target, reduction‘none’) pt torch.exp(-ce_loss) focal_loss self.alpha * (1-pt)**self.gamma * ce_loss focal_loss focal_loss.mean() return dice_loss focal_loss5.3 優(yōu)化器與學(xué)習(xí)率調(diào)度策略優(yōu)化器AdamW是目前視覺任務(wù)的主流選擇它比標(biāo)準(zhǔn)的Adam帶有解耦的權(quán)重衰減通常能獲得更好的泛化性能。optimizer torch.optim.AdamW(model.parameters(), lr1e-4, weight_decay0.01)學(xué)習(xí)率調(diào)度采用Warmup學(xué)習(xí)率預(yù)熱和余弦退火Cosine Annealing的組合是常見且有效的策略。Warmup在訓(xùn)練初期如前500個iteration或1個epoch學(xué)習(xí)率從0線性增長到初始學(xué)習(xí)率。這有助于穩(wěn)定訓(xùn)練初期防止梯度爆炸。余弦退火在Warmup之后學(xué)習(xí)率按照余弦函數(shù)從初始值衰減到接近0。這能讓模型在后期更精細(xì)地收斂。from torch.optim.lr_scheduler import CosineAnnealingLR, LinearLR warmup_epochs 1 total_epochs 100 warmup_scheduler LinearLR(optimizer, start_factor0.01, total_iterswarmup_epochs * iterations_per_epoch) cosine_scheduler CosineAnnealingLR(optimizer, T_max(total_epochs - warmup_epochs) * iterations_per_epoch) # 在訓(xùn)練循環(huán)中 for epoch in range(total_epochs): for i, batch in enumerate(train_loader): # ... 訓(xùn)練步驟 ... optimizer.step() if epoch warmup_epochs: warmup_scheduler.step() else: cosine_scheduler.step()5.4 訓(xùn)練監(jiān)控與早停策略僅僅看訓(xùn)練損失下降是不夠的必須緊密監(jiān)控驗證集上的性能。監(jiān)控指標(biāo)除了損失必須計算驗證集上的Dice相似系數(shù)DSC和95%豪斯多夫距離95% HD。DSC衡量重疊度HD衡量邊界匹配度兩者結(jié)合能全面評估分割質(zhì)量。早停Early Stopping當(dāng)驗證集DSC在連續(xù)N個epoch如10或15內(nèi)不再提升時就停止訓(xùn)練并回滾到驗證集性能最好的那個epoch的模型權(quán)重。這能有效防止過擬合??梢暬ㄆ谌缑總€epoch將驗證集上的一些樣例分割結(jié)果原圖、真值、預(yù)測保存為圖片直觀地觀察模型是在進(jìn)步還是在“跑偏”。6. 常見問題排查與性能優(yōu)化技巧在實際訓(xùn)練中你一定會遇到各種問題。這里匯總了一些典型問題及其排查思路。6.1 訓(xùn)練過程不穩(wěn)定或損失震蕩現(xiàn)象損失值上下跳動很大不收斂或收斂緩慢。排查與解決檢查數(shù)據(jù)首先檢查數(shù)據(jù)加載是否正確??梢暬瘞讉€批次Batch的圖像和標(biāo)注看是否對齊標(biāo)注是否存在異常值如全0或全1。一個常見的錯誤是圖像歸一化出錯導(dǎo)致像素值范圍異常。降低學(xué)習(xí)率過大的學(xué)習(xí)率是導(dǎo)致震蕩的首要原因。嘗試將學(xué)習(xí)率降低一個數(shù)量級如從1e-4降到1e-5。啟用梯度裁剪Gradient Clipping在反向傳播后、優(yōu)化器更新前對梯度范數(shù)進(jìn)行裁剪防止梯度爆炸。torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0)檢查損失函數(shù)確認(rèn)損失函數(shù)的輸入預(yù)測和真值形狀、數(shù)據(jù)類型是否正確。特別是自定義損失函數(shù)容易在這里出錯。調(diào)整Batch SizeBatch Size過小可能導(dǎo)致梯度估計噪聲大。在顯存允許的情況下適當(dāng)增大Batch Size。6.2 模型過擬合訓(xùn)練集表現(xiàn)好驗證集差現(xiàn)象訓(xùn)練損失持續(xù)下降訓(xùn)練集DSC很高但驗證集損失早早就開始上升DSC停滯不前。排查與解決加強(qiáng)數(shù)據(jù)增強(qiáng)這是最直接有效的方法。增加更多樣化的、符合醫(yī)學(xué)圖像特性的數(shù)據(jù)增強(qiáng)如之前提到的彈性形變、噪聲添加等??梢試L試albumentations的CoarseDropout模擬圖像局部遮擋。增加正則化權(quán)重衰減Weight Decay確保優(yōu)化器中的weight_decay參數(shù)已設(shè)置如0.01或0.05。Dropout在模型的掩碼解碼器等全連接層后添加Dropout層。Stochastic Depth如果模型是類似Transformer的結(jié)構(gòu)可以隨機(jī)丟棄一些層這是一種非常強(qiáng)的正則化。減少模型容量或凍結(jié)更多層如果數(shù)據(jù)集不大而模型非常大如SAM-Med 2D的ViT-Huge可以考慮凍結(jié)圖像編碼器的全部或大部分層只微調(diào)提示編碼器和掩碼解碼器。早停嚴(yán)格實施早停策略防止模型在訓(xùn)練集上“鉆牛角尖”。6.3 模型欠擬合訓(xùn)練集和驗證集表現(xiàn)都差現(xiàn)象訓(xùn)練損失下降很慢最終停留在較高水平訓(xùn)練集和驗證集的DSC都很低。排查與解決檢查任務(wù)可行性首先用簡單的模型如U-Net或甚至固定規(guī)則閾值分割在你的數(shù)據(jù)集上測試看是否能得到一個baseline結(jié)果。如果baseline都極差可能是數(shù)據(jù)標(biāo)注質(zhì)量有問題或任務(wù)本身定義不清。增大模型容量/解凍層如果凍結(jié)了太多層嘗試解凍更多層讓模型有更強(qiáng)的擬合能力。提高學(xué)習(xí)率/延長訓(xùn)練時間學(xué)習(xí)率可能太小或者訓(xùn)練周期epoch不夠。嘗試使用學(xué)習(xí)率查找器LR Finder找到一個合適的初始學(xué)習(xí)率。檢查數(shù)據(jù)泄露確認(rèn)訓(xùn)練集和驗證集是否嚴(yán)格按患者劃分。如果存在泄露驗證集性能會虛高而實際是欠擬合的。簡化問題先嘗試一個更簡單的任務(wù)比如只分割腰椎L1-L5看模型是否能學(xué)好。如果能再逐步增加復(fù)雜度。6.4 顯存不足OOM問題微調(diào)大模型最常遇到的就是“爆顯存”。梯度累積Gradient Accumulation這是解決OOM的利器。假設(shè)你希望的有效Batch Size是8但單卡只能放下Batch Size為2的數(shù)據(jù)。你可以設(shè)置accumulation_steps4讓模型連續(xù)進(jìn)行4次前向傳播和反向傳播不更新參數(shù)累積梯度然后再進(jìn)行一次參數(shù)更新。這樣在效果上等價于Batch Size8。accumulation_steps 4 optimizer.zero_grad() for i, batch in enumerate(train_loader): loss model(batch) loss loss / accumulation_steps # 損失按累積步數(shù)平均 loss.backward() if (i1) % accumulation_steps 0: optimizer.step() optimizer.zero_grad()混合精度訓(xùn)練AMP使用torch.cuda.amp進(jìn)行自動混合精度訓(xùn)練可以顯著減少顯存占用并加速訓(xùn)練。from torch.cuda.amp import autocast, GradScaler scaler GradScaler() for data in train_loader: optimizer.zero_grad() with autocast(): loss model(data) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()檢查點激活Gradient Checkpointing對于極其龐大的模型可以以時間換空間只保存部分層的激活值在反向傳播時重新計算其余層的激活。PyTorch提供了torch.utils.checkpoint功能。減小輸入圖像尺寸將輸入圖像從512x512降到256x256可以大幅減少顯存消耗但可能會損失分割精度需要權(quán)衡。構(gòu)建一個高質(zhì)量的脊椎分割數(shù)據(jù)集并成功微調(diào)SAM-Med 2D模型是一個涉及數(shù)據(jù)科學(xué)、醫(yī)學(xué)知識和工程實踐的綜合性項目。整個過程就像訓(xùn)練一位專注的“實習(xí)醫(yī)生”你需要用高質(zhì)量、多樣化的“病例”數(shù)據(jù)去教導(dǎo)它用清晰的“診斷標(biāo)準(zhǔn)”標(biāo)注規(guī)范去規(guī)范它并在“實踐考核”驗證測試中不斷糾正它。其中最大的體會是數(shù)據(jù)的質(zhì)量、一致性和多樣性其重要性遠(yuǎn)超過模型架構(gòu)的微小調(diào)整?;ㄔ跀?shù)據(jù)清洗、標(biāo)注質(zhì)檢和預(yù)處理上的時間最終都會在模型性能上得到回報。另一個關(guān)鍵點是迭代思維不要期望一次性就做出完美的數(shù)據(jù)集和模型。應(yīng)該構(gòu)建一個最小可行產(chǎn)品MVP流程用小批量數(shù)據(jù)快速跑通從數(shù)據(jù)到訓(xùn)練、評估的整個pipeline然后基于初步結(jié)果有針對性地去補充某類稀缺數(shù)據(jù)、修正某類標(biāo)注錯誤、調(diào)整某個增強(qiáng)參數(shù)如此循環(huán)逐步提升。最后別忘了保存好每一輪實驗的完整配置、日志和模型權(quán)重詳細(xì)的實驗記錄是復(fù)盤和提升的寶貴財富。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
狠狠色噜噜狠狠狠888| 这里只有精彩小视频视频网站| 裸体美女丁香五月天。| 色婷婷中文字母五月丁香| 99久久婷婷国产综合精品草原| 久久亚洲色导航| 色天使久久综合| 66成人网| 人人爱干人人爱草| www99在线观看视频| 成人五月天丁香| 人人摸人人| 99精品视频在线| 婷婷九月丁香天堂丁香天堂| 屁股翘好撅高迎合跪趴| 人人爱操| 婷婷六月色开 | 任你爽视频| 六月丁香婷婷尤物| aaa丁香五月天| 欧美成人精品A片免费一区99| 婷婷五月偷拍| 丁香伊人激情| 人人爽在线视频综合网| 99热9| 99在线精品免费视频| 激情综合五月| 五月天亭亭俺也| jiqingtaose五月天| 在线超碰免费| 欧美久热| 天天弄天天操| 欧美色色色| 这里只有精彩亚洲视频推荐| 六月天无码网址| 大香蕉中文| 精品视频二级九九| 国产真实乱对白精彩| 欧美三级欧美一级| 狠狠爱婷婷丁香| 五月丁香啪啪激情| 夜夜操夜夜姧| 人妻丰满精品一区二区A片| 老司机伊人| 婷婷伊人无码| 狠狠爱综合| 色色色五月天激情资源| 99热亚洲综合| 国产AV不卡福利| j五月香在线| 五月丁香成人网| 综合图片色色| 五月天婷婷色色网| 超碰人人操| 思思精品久久艹| 亚洲激情99| 97视频久久| 玖色色综合| 99re欧美精品| 婷婷伊人五月丁香天堂网| 日本啪啪视频HD| 99超级碰碰| 人人射人人高潮| 丁香五月天无码| 亚洲综合激情五月久久| 五月视频日本免费观看| 久久96热| 婷婷五月天情色| 夜夜骑天天操| 亚洲国产成人综合| 超碰日日操| 欧洲亚洲精品| 人人摸人人搞| 草操AV在线| 婷婷综合精品| 色婷婷欧美在线| 中文久久久人妻| 五月丁香综合啪啪| 色香五月天| 人人人人人人人人人草| 五月天激情子轮| 天天干天天叉| 超碰在线视屏| 蜜桃成语时李时珍 免费| 婷婷丁香六月天| 久热超碰| 天久久久久| 中文字幕丰满人妻无码专区| 99热6这里只有精品6| 天天激情夜夜干| 九九成人精品| 色爱综合网| 色五月婷婷在线| 日日夜夜天天综合| 在线视频九色97| 欧美性生交XXXXX无码小说| 欧美日韩成卜| www色五月| 中文字幕永久在线| 狠狠色婷婷777| 色情五月婷| 午夜大香蕉| 色很很96| 五月天伊人网| 91婷婷| 婷婷色色综合| 色婷婷免费视频| 婷婷在线播放av| 97激情五月天| 狠狠久久婷五月| 99免费视频| 国产成人精品一区二区三区视频| 天堂中文国产| 五月天另类小说| 97人人看| 任你搞在线观看视频| 操九色| 午夜色婷婷| 女人天堂av| 五月天激情网开心网| 97碰碰人人| 欧美性生交XXXXX无码小说| 久热在线观看视频9| 久久性爱视频| 天天日天天插| 九九视频在线观看视频6| 丁香五月婷婷激情完整版| 综合狠狠伊人| 六月丁香激情网| 欧美成人精品老美女噜噜噜| 激情综合网五月激情| 超极99精品| 色五月婷婷在线| 婷婷五月激情基地| 丁香五月av| 久久一操| 丁香五月Av| 欧美成人AAA片一区国产精品 | 99A级片| 日本人妻丁香婷婷久久寝取熟女五月| 91操人| 国产毛片精品一区二区色欲黄A片| 探花搜索结果 - 黄上黄| 日本本土色网第一区| 六月狠狠综合| 极品少妇XXXX精品少妇偷拍| 涩五月婷婷| 夜夜操天天干| 天堂久久大香蕉| 色五月视频无码播放| 丁香大香蕉| 丁香花操逼| 天天干天天干天天干天天干天天干天天| www.五月婷婷| 婷婷五月天久久| 五月婷婷综合在线观看| Www.Av网9| 五月天亭亭俺也| 激情性爱网站| 任你日视频| www.99操.com| 26UUU精品一区二区| 亚洲综合在线视频| 激情99。| 日韩在线看AV| 人草人人| 激情四射网| 激情六月天| 婷婷五月天av| 三级大香蕉网| 欧美碰碰碰| 午夜色丁香| 五月婷婷丁香日韩在线| 日日婷婷不卡| 热婷婷av| 97婷婷丁香| 激情婷婷九月| 色婷婷99| 色高清无码视频| 亚洲va综合va国产va中文| 九九成人精品免费视频| 一本大道嫩草AV无码专区| 亚洲Va成人| 欧美一级色| 欧美熟女99| 亚洲aV写真天天综合网久久| 婷婷综合视频| 99热无码精品| 激情6月| 色五月婷婷久久爱| 日韩人妻在线播放| 成人婷99最新| 天天操天天爽天天爱| 蜜桃成语时李时珍 免费| 国产色色网站网址| 中文字幕亚洲-区久久99婷婷| 热99这就是精品视频| 卡视频1区2区| 色色五月丁香| 九九99久久| 亚洲精品在线视频| 精品欧美一区二区三区久久久| 丁香色播五月天| 久婷婷久草| 天天爽夜夜操| 色婷激情网| 五月婷婷 自拍| 国产婷婷综合在线免费视频| 久热只有这里有精品| 日本猛少妇色XXXXX猛叫| 99.色| 在线综合91| 激情综合网激情五月天| 婷婷色五月天综合网| 久久丁香婷| 狠狠的日| 亚洲VA在线| 成人在线高清| 黄色网址五月婷婷| 五月天激情婷婷| 色婷婷色人人射| 丁香婷婷色九月| 五月丁香影视| 五月成人天| 亚洲综合婷婷| 大香AV| 欧美成人AAA片一区国产精品| 色欲一二三| 综合激情五月四射婷婷| Www99热| 国产精品久久久久9999小说| 九九婷婷综合| 色综合五月| 日韩三级片一区二区| 9久操| 99色婷婷视频| 五月丁香好婷婷A片网| 狠狠操天天操天天操| 伊人玖玖婷婷| 亚洲无码AV片| 丁香六月激情国产| 久久婷婷五月天丁香| 久久九九99| 六月丁香激情| 婷婷五月激情在线| 婷婷激情五月综合基地| 777久久综合视频| 色婷婷激情四射视频| 丁香五月欧美婷婷综合| 欧美在线视频99| 99热这里都是精品| 五月婷婷偷拍| 天天久久婷婷| 操逼123网| 操B五月天| 久久性爱激情| 开心久久网婷婷| 亚洲V国产V欧美V久久久久久| 久久9视频| 99九九视频| 91人妻视频| site:xmssd.com| 色婷婷久久综合久色综| 91人人超碰在线| 一区操| 亚洲色99| www.激情| 天天日天天插| 精品欧美一区二区三区久久久| 亚洲九九视频| 操人91| 99九九在线观看免费| 婷婷五月天激情综合网| 亭亭五月色男人| 乱色色色| 色播五月婷婷五月| 天天日天天插| 26UUU欧美| 五月婷婷99热| 亚洲五月婷| 九九精品亚洲| 开心激情网在线| 超碰人人草| 久久综合爱| 午夜一区| 三年高清大片免费观看国语| 亚洲AV成人一区二区在线观看| 色135综合网| 色婷婷五月天av在线| 中文成人在线| 99在线小视频| 97操碰碰无码视频| 五月天婷婷激情网| 久久久精久人妻| 五月婷婷丁香综合| 丁香婷婷成人网站| 国产成人99久久亚洲综合精品| 99操| 色色色色丁香| 97资源欧美日韩大香蕉超碰一区| AV色五月婷婷| 性色视频| 99这里只有| AA片在线观看视频在线播放| 中文字幕人妻AV| 亚州婷婷五月激情综合| 色六月丁香婷婷啪啪啪| 色婷婷综合网站| 99热这里只有精品在线播放| 九九热精品视频在线观看| 99久久精品国产色欲| 亚洲综合九九| 成人做爰高潮A片免费视频| 久cao香蕉影院| 国产永久一黄| 天天综合.com| 99亚洲无码| 成人丁香五月| 亚洲视频另类| 久久这里面只有精品视频| 婷婷五月AA五月在线| 五月婷婷丁香社区| AV九九| 色播激情婷婷| 五月丁香日本片| 深爱五月婷| 婷婷综合在线| 婷婷五月综合色小姐小说| 五月五月婷婷| 五月婷婷色吧!| www久久艹| 成人短视频在线观看| 婷婷WWW久久| 97九色视频| 激情五月天综合图片小说网站| 97丁香花五月天激情小说| 51avj视频大全| 在线视频你懂得| 激情五月综合网丁| 日本精品99| 色人妻五月| 狠狠干综合| 91操碰| 97碰在线免费观看| 中文字幕乱轮| 中文字幕丰满孑伦无码专区| 久久激情综合| 婷婷激情人妻| 91色欲综合| 5月婷婷激情6月| 五月丁香六月婷婷久久| 91成人视频| 丁香婷婷深情五月亚洲| 色色婷婷综合网| 1024国产| 99ri久久| 色色五月婷婷久久| 综合99久久天天综合| 五月丁香六月婷婷婷婷| 狠狠婷婷综合| 丁香欧美| 亚洲99精品九九在线| 丁香五月婷婷婷婷欧美综合| 99色在线视频| 亚洲va欧美| 99在线视频播放| 丁香综合久久| 色婷另类| 香焦网五月天| 婷婷色丁香五月| 婷婷五月丁香色色| 99热这里只有精品86| 色婷婷丁香女女| 婷婷成人五月天一区| 91一起操| 99久热这里有精品| 日韩黄在免| 婷婷舔| 久久久中文| 激情婷婷丁香五月天小说| 五月天国产| 四色五月视频| 五月丁香婷婷久久| VA五月激情在线| 亚洲人妻AV| 色婷丁香五月| 六六久久黄色| 丁香五月在线播放| 超碰在线成人| AA片在线观看视频在线播放| 激情五月婷在线精品| 玖玖婷婷免费| 国产午夜一区二区三区| 99男人的天堂| 天天操天天插| 99热亚洲精品66| 九九中文色色| 五月天婷婷网站888| 性爱网五月天| 蜜桃五月天| 天天干、天天日日| 九九九九综合| 91操色| 无码激情AAAAA片-区区| 五月激情婷婷国产精品久久久久久| 色色丁香五月天社区| 99视频激情四射| 影音先锋毛片网站| 欧美大片免费播放器| 五月婷六月丁| 超碰在线精品| 婷婷丁香综合网| 激情五月丁香五月| 亚洲精品va| 久久精品凹凸分类| 97碰久久| 五月丁香六月婷婷手机无线| 婷婷丁香色情| 久9综合| 91碰超| 色婷婷六月性| a在线免费v| 久久精品性爱| 啪啪小说五月天| 婷婷五月天堂| 婷婷五月天渟渟| 亚洲愉拍99热成人精品| 。久久久久久久久久久久久久人妻| 亚洲无码黄色| 色色欧美。| 91凹凸在线| 激情都市五月天| 91大神操美女| 久久综合九色综合88i| WWW久久久| 人妻尝试久久久久久久久久久久| 五月丁香激情综合网| 五月天色软件| 韩国真做片在线观看| 色99色| 婷婷激情六月中文| 久久只有这里精品免费| 在线观看av网站| 久cao香蕉影院| 91久久1118| 五月天俺去也| 五月丁香成人| www.粉嫩av.com| 五月天色色色色色| 99九九这里有免费视频| 亚洲国产精品SUV| 激情综合色图| 色丁香五月婷婷| 五月天婷婷高清无码| 亚洲激情四射| 色久女| www.91AV.COM| 亚洲亚洲人成综合网络| 五月婷婷久久综合| 丁香六月在线| 婷丁香五月天| 激情综合五月婷婷丁香| 婷婷五月花西瓜| 午夜爱爱爱成人| av在线资源| 99热色精品| 天天透天天摸天天舔| 人妻狠狠操| 中文字幕,综合,91| 艹色18p| 欧美三级巜人妻互换| 99无码视频| 久热人妻| 亚洲另类在线观看| 五月天综合婷婷| 香蕉人在线香蕉人在线 | 天天色,天天日,天天做| 天天色官网| 99精品7| 五月天久久www| 伊人青草成人| 思思久久96热在精品国产,| 五月天激情国产综合婷婷婷就去爱| 久久色五月| 久久免费丁香| 99久在线精品| 久久女婷| 久久久久综合激动五月天| 激情综合啪啪啪| 婷婷丁香五月亚洲欧美| 婷婷久久五月| 国产精品久久久久久久久久免费| 99精品网| 婷婷中文字幕网站| 五月婷天堂视频| 婷婷狠狠狠爱| 手机在线日韩视频中文字幕| 日本九九九九| 婷婷激情肏屄网| 色婷婷婷av | 天天射影视综合网| www.亭亭五月天| 亚洲色情网站| 五月婷婷狠狠干| 91九色在线| 激情综合五月| 伊久大香蕉| 五月天天综合网色婷婷| 欧美色图天堂网色| 免费成人va| 99在线看片| 五月婷婷丁香在线| 日韩在线一级| 超碰在线人妻| 99视频日韩| 思思99久久| 色色色综合视频| 婷婷五月天亚洲精品| 丁香六月激情国产| 久热只有精品| 久777| 大香蕉狠狠爱主页| 天天噜天天爱| 色婷婷AV久久久久久久| 99热这里只有精品2| 中国丰满熟女A片免费观| 九九在线91| 97香蕉久久超级碰碰高清版| 五月婷婷,六月激情| 久久开心五月天激情| 婷婷五月天黄色| 无码少妇高潮喷水A片免费| 五月婷无码| 超碰91在线| 色婷婷五月天综合网| 综合激情在线| 婷婷亚洲在线| 成人天天爽| WWW五月| 亚洲激情视频在线观看| 99色在线观看| 五月天综合色| 久久玖玖综合| 亚洲九九99精品视频在线播放| 91精品久久久久、久五月天| 五月丁香色综合| 婷婷九月丁香天堂丁香天堂| 五月丁香婷婷激情| 久久机热/这里只有精品| 六六久久黄色| 婷婷六月爽| 六月丁香婷婷综合狠狠爱夜夜爱| 婷婷五月激情基地| 久久亚洲婷婷| 色日本综合| 黄色三级毛片中字| www.婷婷网| 激情小说视频图片网| 激情综合网五月天| 亚洲成人高清在线| 国产va视频| 色欧美色色色| 人妻videos人妻高清| 自拍偷窥99热| 99超级碰碰| 日韩在线五月天婷婷| 99视频只有精品| 丁香五月激情棕合| 色偷偷五月天| 五月婷婷9| 亚洲综合丁香五月| 99在线精品观看99| 第四色婷婷日本| 99a级片| 2022人人操人人看| 天天色视频| 五月丁香色色色| 五月婷婷免费| 亚洲成人AV高清字幕| 亚洲综合五月天婷婷丁香| 日韩五月丁香| 欧美黄色AA片哗啦啦啦| 色婷婷色综合久久精品V| 亚洲avjiujiur91| 丁香色婷婷| 影音先锋一区二区三区| 9久久久久久久久久久| 色欲婷婷五月天丁香| Va另类视频| 99久久66综合| WWW.夜夜| 1024欧美日韩精品久久久| 噜噜色噜噜网| 国产a视频| 丁香婷婷五月| 丁香五月手机在线| 亚洲中文字幕网| 国产免费AV网站| 色色色9| 日本色频| 国产成人精品一区二三区熟女在线| 亚洲激情综合色站| 99精品偷自拍| 激情综合亚洲色婷婷五月| 色婷婷激情Av久久久| 五月天成人在线播放丁香| www.91热久久| 思思99久久| 久久色五月天| 色播五月天激情| 五月天激情网图片 - 百度| 大地9中文在线观看免费高清| 狠狠人人| 激情五月天福利| 五月丁香六月婷婷久久| 亚洲视频二区| 亚洲无AV在线中文字幕| 婷婷五月天久久| 9l视频自拍9l九色9l成人| 老司机伊人| 深爱激情网婷婷| aaaa久久| 色五月色五天色情网| 99操| 欧美va| www.com在线操视频免费观看| 99精品在线观看| 如何安全看伊人婷婷| 日本久久精品| 五月婷婷六月丁香综合| 另类图片天天影视在线观看| 精品久久久中文字幕大豆网推荐理由| 六月丁香五月天| 国产精品日日躁夜夜躁| 欧美性猛交99久久久久99按摩| 人人草人人视| WWW.夜夜操.com| 日日操夜夜操中国无码| 五月激情婷婷在线| 婷婷综合色播网| 91超级碰碰| 1024成人免费看| 日本99久久| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 激情婷婷丁香| 久久机热这里只有| www九九热| 久久久久视剧HD| 婷婷五月天天爽| 美女100%露全身无挡网站| 色色色97| 高清免费在线视频| 激情五月天网| 久久婷婷五月天激情四射| 五月激情偷拍婷婷| 久久婷婷五月天| ww超碰在线| 无码色| 色婷婷日本| 战争与艾拉电影免费观看| 色色九九五月天 | 久久人妻人人| 天天爽综合| 五月天丁香网| 色哟哟www| 99热这里有精品6| 美女精品一级不卡视频| 综合精品99| 激情文学综合婷婷五月天丁香花| 九九99免费视频| 99福利视频| 干亚洲天堂| 色婷五月| 欧美日本国产欧美日本韩国99| 九九Y精品热播| 99精品热| 丁香六月综合激情| A久久| 五月激情婷婷综合| 98色花堂98t.R| 九九视频在线| 婷婷五月天男人影院色色网| 九九爱看亚洲| 99热精品一区| 色情免费视频播放| 日本在线噜噜| 亚洲免费99| 激情校园 亚洲| 1囯产午夜仑鲁鲁| 久久亚洲婷婷| www久久99| 久久精彩免费视频| 97综合在线| 五月婷婷六月天| www.minyis.com【JT】实力收量可预付TG@LXSPSW8 | 婷婷丁香五月色| 久久五月婷综合网| 深爱激情网噜噜色| 丁香五月六月激情久久| 色丁香五月综合网| 开心婷婷五月花| 色综合久久88色综合天天人守婷| 激情五月黄色小说| www.五月天婷婷姐姐| 激情五月婷婷综合网| 婷婷六月久久| 99视频这里只有精品10| 99热色精品| 五月丁香好婷婷A片网| 五月婷婷与六月丁香图片激情| 激情丁香社区| 日本天天操| 亚洲色频| 婷婷五月天久久| 婷婷舔| 99热精品一| 可以直接看的av| 91色五月| 午夜性做爰电影| 超碰99热精品在线| 热久69| 91操人视频| 婷婷狠狠久久| 天天天天天日| 91久久久久久久久18| 色丁香五月婷婷| 久久99最新地址| 国产精品视频网| 亚洲五月天色| 亚洲五月天婷婷综合| 噜噜在线| 久热婷婷| 色九九综合| 91在线观看九区| 91精品无码久久久久久五月天| 任你草| 亚洲五月天婷婷综合| 婷婷色五月婷| 极品少妇XXXX精品少妇偷拍| 久久9RE热视频精品98| 99热超碰| 婷婷五月天激情五月天深爱五月天| 伊人激情综合网| 国产精品a无线| 91精品综合久久久五月天| 996er热| 精品一二三区久久AAA片| 91精品久| 久久婷婷激情五月天一区二区| 99在线观看视频蜜臀| 九九热免费视频| 色色色999| 日韩AV免费| 色综合色综合婷婷热| 激情五月婷婷色| 丁香婷婷色五月| 99热99天堂| 97精品人人A片免费看| 九九热精品99| 五月天婷婷色色| 天天天综合网| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 亚洲五月天婷婷| 久久这里只| 91ncm视频| 五月天婷婷激情六月久久| 久久五月天激情美女| 狠狠久久婷婷| 欧美另类五月激情| 五月综合视频| 这里只有精品免费在线视频| 五月在线| 强奸幻女毛片| 欧洲亚洲免费视频9| 色婷婷欧美| 丁香婷婷五月色成人网站| 激情五月六月婷婷| 国产综合丁香五月天| 婷婷综合网站| 婷婷五月丁香综合瑟瑟| 日韩六六久久电影| 最近中文字幕大全免费版在线| 99热国产精品| 婷婷天天日婷婷| 国产综合色婷婷精品久久| 亚洲婷婷91丁香| 精品亚洲国产成AV人片传媒| 欧美色色色色色色| 久9视频免费播放| 久久免费视频62| 婷婷WWW久久| 五月丁香淫淫婷婷婷| 97伦色婷婷| 337午夜福利| 色婷婷色和| 99热精品在线播放| 九月色婷婷综合| 亚洲婷婷基地| 色婷婷六月天| 婷婷丁香五月综合| 婷婷色无码| 青青草免费公开视频| 一本道综合网| 久久综合久色欧美综合狠狠 | 噼里啪啦在线观看免费完整版视频 | 婷婷五月天久久久| 五月婷婷基地| 天天艹夜夜爽| 亚洲天堂碰碰婷婷| 九九热视频99| a69在线视频| 少妇AB又爽又紧无码网站| 日日操人人操| 丁香色影院| 五月激情婷婷丁香天堂| www、色色色| 99色视频在线| 久久伦乱| 久久人人看| 亚洲激情高潮| 超碰A V在线| 久久婷婷综合网| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 日本丁香五月婷婷| 五月丁小婷婷激情四射| 狠狠穞A片一區二區三區| 久久玖玖综合| 一级黄色影片| 欧美爆乳一区二区三区| www999日韩精品| 九九色色| 夜夜骑天天操| 婷婷五月丁香五月| 91在线精品一区二区| 9九色首页| 婷婷五日b| 亚洲成人AV在线| 99久久9| 色婷婷狠狠干芒果TV| 人人操日| 久久久天堂国产精品女人| 婷婷大乡焦噜噜| mmm1717.6dbm人人爱人人操| 婷婷丁香综合| 五月丁香啪啪啪| 激情婷婷丁香| 婷婷五月深深的爱| 色情五月天丁香社区| 狠狠狠狠狠狠| 五月天丁香综合久久国产| site:jszngf.com| 大香蕉操操| 国产做A爰片毛片A片美国| 991精品在线视频| 日操五月婷| 天天综合五月天| 青青草深爱激情网| 伊人久久五月天| 性做爰A片免费视频A片直播| 婷婷色导航| 99热97| 亚洲看av的网站| 五月大香蕉| 激情久久月| 色婷婷性爱网| 激情深爱五月天| 超碰com| 五月婷婷之美女图片| 色综合久久五月| 五月丁香色婷婷久久| 中文字幕人妻AV| 四色永久成人网站| 激情六月综合| 婷婷五月天综合AV| 99re热视频这里只精品| 亚洲色情激情丁香五月| 99久久66| 久久色9| 在线区区区| A片试看120分钟做受图片| 热久69| 秋霞网在线免费基地五月婷婷丁香| 免费啪啪亚州视频| 五月婷婷视频| 99久久大片| 丁香六月天婷婷开心综合| 久思思久视频| 九九国产精视频| 午夜激情综合| 伊人色综合影院视频| 操日本色| 欧美人人超级碰| 欧美97超碰| 久久涩视频| 少妇人妻人伦A片| 五月丁香啪啪综合| 99热精品在这里| 影音先锋四区| 色人久久| 色色色色综合网| 色情综合网| 九九综合色| 99精品性爱| 91久操| 婷婷俺去也| 久久99久久99精品免视看婷婷| 色婷婷久久| 国产精品久久..4399| 美欧成人视频| 色综合综合色| 九色PORNY自拍成人精彩视频| 婷婷射丁香| 丁香五月欧美激情| 少妇激情五月天| 99热这| 亚洲综合另类| 亚洲日本韩国| 五月丁香A片| 免费观看全黄做爰的视频| 色99最新网址| 亚洲色图81p| 亚洲色人妻| 婷婷五月天中文字幕.| 久久色五月| 先锋av性爱成人电影| 五月天激情美女久久| 天天日天天干天天爽| 99热只有| 五月丁香婷婷综合| 99丁香五月| 精品无码片| 97色片| 久久五月六月| 亚洲天堂aaa| 色爱综合网| 天天做天天爱天天高潮| 激情综合五月婷婷| 丁香五月婷婷国产在线| 日本三级中国三级99| 99色这里| 99久久性爱| 爆乳熟妇一区二区三区爆乳| 狠狠精品干练久久久无码中文字幕 | 六月综合婷婷开心伊人| 99久扒热| 婷婷五月天熟妇| 五月丁香婷婷成人网| 九九碰九九爱97| 日韩av变天就操逼不卡区| 91猫咪国产在线播放| 九九碰九九爱97超碰| 天天摸天天肏| 操碰99| 天搞天天天天天| 亚洲欧美在线观看| 色五月婷婷色五月婷婷色五月婷婷| 久久久精品99| 婷婷伊人网| 成人五月天在线视频在线观看| 操97在线观看| 五月天激情国产综合婷婷婷| 激情小说五月天社区丁香| 精品成人在线| 丁香六月婷婷综合缴| 日韩啪啪视频| 青草视频在线观看视频| 日本社区五月天激情| 99伊人性爱在线影院| 婷婷操逼| 色性五月天| 色欲久久久久久综合网综合网| 久久怡红院| 五月四色婷婷| 99亚洲精美视频在线观看| 99婷婷| 日日舔夜夜操| 色色婷婷五月| 色婷婷8| 99久在线视频| 嫩草综合网| 色天堂97| 天天色综合综合| 国产激情在线| 色综合久久8| 色色网站在线免费观看视频| 色婷婷免费观看| 人人肏逼视频在线一区二区| 久久99最新| 久久久18| 激情五月丁香六月综合AVXXXX| 五月花成人网| 97超美国视频在线观看| 亚洲另类在线观看| 嫩草综合网| 在线天堂9| 刘玥精品一区| 九九热视频精品| 色综合激情| 六月丁香基地| 久婷久婷| 婷婷情色五月| 丁香五月在线播放| 婷婷 丁香 精品| 五月天婷婷自拍图片在线观看| 色狠狠色噜噜噜a天堂一区| 亚洲亚洲人成综合网络| 丁香五月激情宗合| 夜夜爽天天爽| 97人人操在线| 日日噜噜夜夜狠狠久久丁香六月| 婷婷五月天黄色网址| 五月天天爱| 99干在线| 六月丁香VA| 懂色av蜜臀av粉嫩av永陈冠希 | www,av好吊操| 在线综合啪| 26uuu亚洲欧美日本| 激情五月四色| 亚洲色A| 好吊兆人妻| 26uuu另类亚洲欧美日本一| 91九九热| 亚洲99热| 四月婷婷五月丁香| 色五月五月天色婷婷色五月| 一本久道综合99| 色欲丁香| 另类视频一区| 久久婷婷五月天| 久久久色婷婷五月天| 五月丁香六月激情综合| 高清无码一区二区三区四区| 国产精品a无线| 六月天丁婷婷| 五月丁香色欲| 五月丁香六月综合激情无码软件亮点| 97婷婷五月激情六月丁香伊人| 日本色色色| 五月丁香无码| 99欧美| 亚洲看av的网站| 一区操| 久久久久人妻| 99婷婷| 日韩无码AV电影网站| 婷婷综合在线观看视频| 色月丁| 色婷婷丁香五月| 五月色情婷婷| 婷婷五月天精品| 天天日天天干天天天| 99久久久| 婷婷射丁香| 欧美色五月天| 久久婷婷六月综合综合色| 99免费热视频在线| 久久丁香久久| 色婷婷亚洲六月婷婷中文字幕| 日韩人妻操逼视频| 五月天,激情四射,婷婷频道| 五月天色婷婷网| 日韩色情亚洲五月天婷婷| 六月丁香好婷婷| 天天做天天爱天天摸| 丁香五月六月久久综合 | 五月婷在线| 色热久| 色玖玖综合网| 玖玖热视频| 九九碰九九爱97| 色五月网址| 91中文狠狠综合| 色五天综合| 五月婷视频在线观看| 99偷拍视频在线日本| 99久久五月丁香野外| 99re久热只有精品6在线直播.com| 人伦30P| 九九RE视频在线精品| 亚洲五月天第一综合干| 色网站99| 丁香五月婷婷俺也要去| 丁婷婷五月天在线播放| 少妇搡BBBB搡BBB搡毛茸茸 | 99热婷婷| 九九色色| 中国无码av| 国产色视频网站2| 日本三级韩三级99久久| 五月丁香久久久日婷婷久久婷婷日| 天天射综合网夜夜操| 丁香婷婷人妻| 婷婷五月激情基地| 五月天偷拍| 婷婷丁香五月天激情| er99免费视频在线| 激情五月婷婷丁香六月| 成人国产欧美大片一区| 六月婷婷最新网址| 91操操| 色国产五月| 99热99热在线| 91啪级电影| 婷婷亚洲久久| 国内久久婷婷| 成人无码髙潮喷水A片| 丁香五月欧美激情| 99在线免费观看| 这里只有精品9| 亚洲激情综合色站| 啪啪激情综合| 五月天小说激情| 亚洲蜜桃精久久久久久久久久久久 | 午夜丁香| 99热这里有精品| 九热免费视频| 99免费在线| 天天高潮夜夜爽| 色五月视频,小说| 五月六月丁香婷婷在线观看| 九九熱最新視頻| 久99热| 猫咪伊人久久| AV色婷婷| 综合激情在线| 亚洲AV另类| se.久久视频在线观看| 九一牛视频探花| 成人龟情网丁香五月| 天天揷综合网| 五月丁香婷婷五月色| 99色在线| 99热国品| 色五月婷婷777| 另类少妇人与禽zOZZ0性伦| av国产精品| 国产日韩精品SUV| 色色色热| 98国产精品综合一区二区三区| 成人免费120分钟啪啪| 九九99精品| 国产美女无遮挡裸体毛片A片| 国产精品久久久久久久久久| 色婷婷狠狠18禁| 免费看欧美成人A片无码| 熟妇内谢69XXXXXA片| 蜜桃人妻无码AV天堂三区| 欧美性猛交99久久久久99按摩| 99精品视频免费观看近期发布| 日日做A爰片久久毛片A片英语| 色欧美一级| 国产高潮白浆一区二区| 久久免费少妇高潮99精品| 天天操天天插天天射| 亚洲九九婷婷| 五月婷婷日| 久久久精品视频79| 五月婷婷播| 人妻系列久久久久久久久久久| 久久人妻情侣| 久久99性爱| 婷婷丁香激情综合色情| 久久性视频| 亚洲精品国产熟女久久久| 草榴视频黄色网| 天天网曰日曰夜夜综合永久免费| 97干视频在线| 狠狠艹狠狠艹| 26uu| 五日激情综合| 亚洲激情另类| 中文字幕免费高清电视剧| 91大神在线免费看视频全集男男一起操| 99精品小视频| 九九热10| 亚洲操操| 伊久大香蕉| 五月天婷婷丁香花| 无码人妻激情| 亚洲欧洲自拍图片专区五月天| 久热精品视频| 五月丁香啪综合| 日日干天天爽| 99综合色色色| 九九色欲网| 亚洲婷婷五月天综合| 婷婷五月六月激情| 超碰99在线观看| 亚洲日韩乱码一区二区三区四区| AV免费在线网站| 激情五月开心五月在线视频| 99精品热| 五月天婷婷人妻| 天天做夜夜爽| 超碰在线资源| 情色五月天网站| 狠狠插狠狠| 99热在线精品观看| 国产高清av黄色看片| 亚洲综合在线播放| 亚洲99在线视频| 五月天婷婷在线播放| www.zbzhongsen.com| 九九久久高清| 婷婷五月天伊人网在线观看视频| 青青草成人网| 偷偷与邻居做爰完整视频| 国产婷婷综合在线免费视频| 国产xxxxx在线观看| 99热精品无码| 91紱請| 日本超碰在线| 天天操天爱综合| 五月婷婷性爱| 色狠狠色综合久久久绯色AⅤ影视| 伍月婷丁香婷| 五月婷婷色综图片| 五月天小说激情| 色亚洲中文| www.五月丁香| 超极99精品| 操国产人妻| 91免费看片| 五月天婷婷丁香人人操91| 千人斩操逼| 久久伊人五月天| 丁香狠狠操| 无码人妻一区二区三区免费九色| 婷婷丁香久久| 五月天婷婷社区久久综合| 凹凸操Av| 7EzOBIhNq85TO| 亚洲美女婷婷五月天| 精品久热69| 色综合av超碰| 五月天另类图片| 精品久久久久成人码免费动漫| 操操自拍| 五月激情婷婷播播开心| 9|人妻人人操| 久久综合热17c| 日本丁香五月| 中文无码婷婷| 1024国产| 婷婷99丁香| 99re思思久久| 色色色色色日韩午夜激情| 色五月综合婷婷| 丁香六月天| 夜夜操夜夜爽| 婷婷五月天影院| 丁香五月亚洲AV| xxxx久| 九九热re99re6在线精品| 久狠狠| 婷婷五月天大香蕉在线视频观看| 日日操,夜夜爽| 婷婷激情五月呦呦| 亚洲精品性色| 欧洲色色| www婷婷色情网| 综合欧美五月婷婷| 人妻精品久久久久久久| 综合av在线| 丁香五月激情综合啪啪|