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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

nnU-Net訓練測試數(shù)據(jù)集全流程指南:從數(shù)據(jù)組織到推理調(diào)優(yōu)

nnU-Net訓練測試數(shù)據(jù)集全流程指南:從數(shù)據(jù)組織到推理調(diào)優(yōu) 簡介一套面向深度學習道路提取任務的nnU-Net格式訓練與測試數(shù)據(jù)集源自馬薩諸塞道路遙感數(shù)據(jù)集Massachusetts Roads Dataset適合使用nnU-Net框架進行遙感圖像分割的研究者與工程師。數(shù)據(jù)包共59個文件含58張PNG圖像和1份dataset.json配置壓縮后約142.02MB目錄嚴格按nnU-Net規(guī)范組織imagesTr/imagesTs存放訓練與測試影像labelsTr/labelsTs存放道路標注掩膜訓練與測試集劃分清晰默認命名符合nnU-Net預處理要求可直接被讀取使用。影像覆蓋城市、郊區(qū)和農(nóng)村等多種地形道路標簽由OpenStreetMap道路中心線柵格化生成適合檢驗模型在樹木遮擋、陰影等復雜場景下的提取能力。目前已有1772人瀏覽學習拿到后無需格式轉(zhuǎn)換即可用于道路分割實驗也可作為遙感語義分割基準數(shù)據(jù)集對比不同算法。1. nnunet訓練測試數(shù)據(jù)集為什么這個框架能“開箱即用”“nnunet訓練測試數(shù)據(jù)集”這幾個詞放在一起容易讓人誤以為這是某個現(xiàn)成項目的操作手冊。實際經(jīng)歷過的人都知道nnU-Net最反直覺的地方在于它不靠發(fā)明新網(wǎng)絡結(jié)構(gòu)而是靠一套自動配置流程把預處理、訓練策略和推理參數(shù)按數(shù)據(jù)集特征給你定好。你只需要按它的規(guī)矩把數(shù)據(jù)集擺放整齊、寫好dataset.json剩下的plan、train、predict三步命令就能跑起來。對做醫(yī)學影像分割、又不想在參數(shù)調(diào)優(yōu)上耗太多時間的團隊來說這套流程省掉的不是幾分鐘是幾周。我按自己慣用的落地路徑來寫數(shù)據(jù)集怎么組織、預處理怎么跑、訓練怎么訓、測試推理怎么出結(jié)果以及最容易返工的那幾個坑。2. 把數(shù)據(jù)集整理成nnU-Net要的樣子任務目錄與JSON配置2.1 從原始標注到nnU-Net的數(shù)據(jù)組織labelsTr、imagesTr與dataset.jsonnnU-Net v2的數(shù)據(jù)組織是按“任務Task”管理的。每個任務是一個獨立的文件夾放在nnUNet_raw_data目錄底下命名規(guī)則是Task序號_任務名稱比如Task001_liver或Task002_brain。序號就是后面plan和train命令里用的任務編號名稱是給你自己看的兩個部分用下劃線連接。文件夾內(nèi)部固定是imagesTr、labelsTr、imagesTs三個目錄分別放訓練圖像、訓練標簽和測試圖像命名中的Tr是training的縮寫Ts是testing的縮寫。nnU-Net只吃NIfTI格式.nii.gz其他格式需要先轉(zhuǎn)這個沒得商量。文件名要按“病例名_模態(tài)標識符_病例名”來組織。比如一個病例叫case_001的CT圖像在imagesTr里就叫case_001_0000.nii.gz其中_0000代表模態(tài)序號0。標簽文件在labelsTr里就叫case_001.nii.gz。這里最容易翻車的是圖像文件和標簽文件名必須完全對應但標簽不能帶模態(tài)后綴。你有一張case_001_0000.nii.gz就必須有一張case_001.nii.gz在labelsTr里否則訓練時nnU-Net報“找不到配對”的錯誤。另一個容易忽略的規(guī)則是case_001這個名稱本身不能再包含下劃線因為nnU-Net解析文件名時靠下劃線切分字段case名字里再帶下劃線會讓解析邏輯直接混亂。下面的小腳本可以快速把散落的圖像和標簽整理成這個結(jié)構(gòu)import shutil from pathlib import Path raw_root Path(raw_data) # 原始圖像目錄 label_root Path(raw_label) # 原始標簽目錄 target Path(nnUNet_raw/nnUNet_raw_data/Task001_demo) (target / imagesTr).mkdir(parentsTrue, exist_okTrue) (target / labelsTr).mkdir(parentsTrue, exist_okTrue) (target / imagesTs).mkdir(parentsTrue, exist_okTrue) for i, img_path in enumerate(sorted(raw_root.glob(*.nii.gz))): case_id img_path.stem.split(.)[0] # 取文件名當作病例名 tgt_img target / fimagesTr/{case_id}_0000.nii.gz shutil.copy(img_path, tgt_img) # 找到同名標簽 lab_path label_root / f{case_id}.nii.gz if lab_path.exists(): shutil.copy(lab_path, target / flabelsTr/{case_id}.nii.gz) else: print(f缺少標簽: {case_id})這段腳本做的事情遍歷原始圖像目錄把每個.nii.gz文件復制到imagesTr并自動加上_0000后綴同時檢查同名標簽是否存在存在的復制到labelsTr不存在的單獨打印出來提醒你補數(shù)據(jù)。我用它處理過一次幾百例的肝臟分割數(shù)據(jù)唯一要注意的是case_id不能包含下劃線以外的特殊字符否則訓練階段解析文件名時會異常。2.2 寫dataset.json的字段channel_names、labels與file_ending每個Task目錄下都要有一個dataset.jsonnnU-Net從plan階段開始就讀它。最核心的三個字段是channel_names、labels和file_ending。channel_names描述每個模態(tài)通道是什么單模態(tài)CT就是[CT]多模態(tài)比如MRI的T1和T2就寫[T1,T2]順序要和文件名里的_0000、_0001一一對應。labels是字典從0開始0必須是background后面的1、2就是你要分割的解剖結(jié)構(gòu)。file_ending固定寫.nii.gz。{ channel_names: { 0: CT }, labels: { 0: background, 1: liver, 2: tumor }, numTraining: 120, file_ending: .nii.gz }這里的numTraining要和imagesTr里實際圖像數(shù)量一致不一致時plan階段會警告。labels的鍵必須是字符串值是類別名建議用英文方便在日志里識別。多模態(tài)場景常見做法是把MRI的多個序列按固定順序排列比如T1加權(quán)、T2加權(quán)、FLAIR分別作為_0000、_0001、_0002同一病例的所有模態(tài)都必須存在缺失一個模態(tài)時nnU-Net不會替你補全訓練會以報錯告終。如果你處理的是帶子區(qū)域的分割任務比如肝臟和肝臟腫瘤分別標注還可以在dataset.json里額外寫regions字段來描述子區(qū)域歸屬但這個字段是可選的新手階段先不用管。2.3 檢查圖像與標簽形狀跑plan之前先做自檢數(shù)據(jù)放好、json寫完之后我不會立刻跑plan_and_preprocess而是先做一個自檢把每個病例的圖像和標簽都load進來比對shape和spacing。因為nnU-Net在訓練階段會自動把圖像裁剪到非零區(qū)域但如果你圖像的尺寸和標簽尺寸不一致等到預處理重采樣之后才發(fā)現(xiàn)再回去改數(shù)據(jù)就晚了。下面這個腳本遍歷一遍import nibabel as nib from pathlib import Path img_dir Path(nnUNet_raw/nnUNet_raw_data/Task001_demo/imagesTr) lab_dir Path(nnUNet_raw/nnUNet_raw_data/Task001_demo/labelsTr) for img_path in sorted(img_dir.glob(*.nii.gz)): case_id img_path.name.replace(_0000.nii.gz, ) lab_path lab_dir / f{case_id}.nii.gz if not lab_path.exists(): print(f標簽缺失: {case_id}) continue img nib.load(img_path) lab nib.load(lab_path) if img.shape ! lab.shape: print(fshape不一致: {case_id} img{img.shape} lab{lab.shape}) else: print(fOK: {case_id} {img.shape})這一步花五分鐘能避免后面plan階段報一堆形狀不匹配的錯。shape不一致通常是因為原始標注軟件把標簽裁剪過或重采樣過常見做法是把標簽重新resample到圖像的空間建議用SimpleITK的Resample插值方式選最近鄰避免引入新的標簽值。多模態(tài)數(shù)據(jù)還要把每個模態(tài)的shape也互相核對一遍我遇到過T1和T2序列采集范圍不同導致shape不一致的情況這種病例要么裁到共同區(qū)域要么干脆剔除。3. 跑通預處理與訓練從nnUNet_plan_and_preprocess到nnUNet_train3.1 安裝與環(huán)境變量nnUNet_raw、nnUNet_preprocessed、nnUNet_results三件套nnU-Net v2用pip安裝命令是pip install nnunetv2它的命令行工具前綴是nnUNet_。要跑起來必須先設置三個環(huán)境變量。nnUNet_raw對應上面放原始數(shù)據(jù)的目錄nnUNet_preprocessed是預處理輸出目錄plan階段生成的plans.json和預處理后的數(shù)組都落在那里nnUNet_results是訓練結(jié)果目錄權(quán)重和日志都在里面。這三個目錄建議都放到同一塊剩余空間足夠的盤上因為預處理后的數(shù)據(jù)往往比原始數(shù)據(jù)大好幾倍。export nnUNet_raw/data/nnUNet/nnUNet_raw export nnUNet_preprocessed/data/nnUNet/nnUNet_preprocessed export nnUNet_results/data/nnUNet/nnUNet_results這三個環(huán)境變量在每個終端都要export一遍如果忘記設置命令會直接提示找不到路徑。我一般把它們寫進~/.bashrc省得每次重開終端都要敲一遍。另外要注意nnunetv1和v2的命令不兼容網(wǎng)上一搜一大把舊教程里nnUNet_plan_and_preprocess的用法是v1風格v2里已經(jīng)統(tǒng)一成nnUNet_plan_and_preprocess -t 任務ID這種寫法不需要再手動指定數(shù)據(jù)集名稱。3.2 nnUNet_plan_and_preprocess數(shù)據(jù)指紋與自動配置預處理階段做的事情是掃描所有數(shù)據(jù)的統(tǒng)計信息形狀、spacing、強度分布、前景占比然后在3d_fullres、3d_lowres、2d這些配置里選出適合當前數(shù)據(jù)的方案同時完成重采樣、裁剪、z-score歸一化。這一步的輸出是預處理后的數(shù)據(jù)、plans.json和dataset.json副本。命令很簡單nnUNet_plan_and_preprocess -t 1 --verify_dataset_integrity-t 1對應Task001那個序號--verify_dataset_integrity是額外做一次數(shù)據(jù)完整性校驗會檢查每個病例的圖像和標簽是否一一對應、尺寸是否一致比2.3節(jié)那個自檢腳本更嚴格。跑完之后看nnUNet_preprocessed/Task001_demo目錄里面應該出現(xiàn)一個plans.json和一堆預處理后的.npz、.npy文件。預處理時間取決于數(shù)據(jù)量和分辨率幾十例CT大概十幾分鐘幾百例高分辨率MRI可能要跑幾個小時這個速度是正常的別看到進度條不動就去CtrlC。plan階段不是所有配置都會跑。如果數(shù)據(jù)量和前景區(qū)域都不滿足3d_lowres的條件nnU-Net會自動跳過低分辨率配置只跑2d和3d_fullres。這一步看起來像個黑匣子但它其實把傳統(tǒng)調(diào)參過程里“圖像應該重采樣成什么大小”“l(fā)oss怎么配”“要不要用級聯(lián)”這些問題都自動回答了。對新手來說不需要手動干預對想干預的熟手plans.json里的preprocessor_name、resampling_scheme這些字段都可以改但改完要能說得清為什么否則不如不改。3.3 nnUNet_train開始訓練配置、Trainer與fold參數(shù)預處理完成后就能訓練了。nnUNet_train命令格式是nnUNet_train 3d_fullres nnUNetTrainerV2 1 0第一個參數(shù)是配置名3d_fullres是完整分辨率的三維模型數(shù)據(jù)少或顯存小時用2d第二個參數(shù)是Trainer類一般就寫nnUNetTrainerV2想換loss或改學習率就繼承這個類寫自己的Trainer第三個參數(shù)是任務ID第四個是fold。fold從0到4代表5折交叉驗證的哪一折如果只想快速驗證流程通不通可以用0這一個fold訓完后續(xù)要出穩(wěn)定結(jié)果再訓全5個fold。模型權(quán)重默認寫在nnUNet_results/Task001_demo/nnUNetTrainerV2__3d_fullres/fold_0下面文件名是model_best和model_final_checkpoint。訓練日志在同一目錄下的training_log_*.txt里每個epoch會打印loss、Dice等指標。顯存不夠時可以在命令里加--disable_deep_supervision減少顯存占用但會犧牲一點精度也可以手動把batch size調(diào)小訓練腳本默認會按數(shù)據(jù)大小自動選batch size手動改的話一般從2開始逐步往下試同時觀察GPU利用率別掉到30%以下。3.4 用--val跑驗證集先拿到訓練階段的客觀指標訓練完fold_0之后我想先看一眼這個fold在驗證集上的表現(xiàn)再決定要不要把5個fold都訓練完。做法是重新執(zhí)行一次nnUNet_train但加上--val參數(shù)nnUNet_train 3d_fullres nnUNetTrainerV2 1 0 --val這個命令不會重新訓練而是用剛才訓練好的權(quán)重在fold_0的驗證集就是訓練時留出來的那20%上做推理然后輸出一個validation文件夾里面是預測結(jié)果同時打印每個類別的Dice系數(shù)。這個驗證指標的意義在于它是nnU-Net自己按數(shù)據(jù)劃分算出來的和后面nnUNet_predict階段你自己拿測試集去推的結(jié)果在數(shù)據(jù)分布上是一致的可以用來判斷訓練是否收斂、需不需要加大epochs或者換Trainer。如果你的數(shù)據(jù)類別極度不均衡這里還要關(guān)注一下每個類別的Dice而不是只看平均Dice某個類別Dice特別低通常是該類別樣本太少需要回去檢查標注質(zhì)量或考慮用更大的學習率。4. 用nnUNet_predict做測試推理輸入輸出與后處理4.1 nnUNet_predict的標準命令與關(guān)鍵參數(shù)測試階段的核心命令是nnUNet_predict。它讀取一個輸入文件夾里所有圖像輸出對應的分割結(jié)果。一個完整的調(diào)用是nnUNet_predict -i /data/test_images -o /data/test_pred \ -t 1 -m 3d_fullres -f 0 \ --save_npz參數(shù)含義-i是測試圖像目錄里面放和訓練集同名的.nii.gz文件模態(tài)后綴_0000也是必需的-o是輸出目錄-t是任務ID-m是配置名-f是指定用哪幾個fold的模型多個fold時寫-f 0 1 2 3 4nnU-Net會把多個fold的結(jié)果取平均再argmax這是它比單模型更穩(wěn)的重要原因5折ensemble的預測結(jié)果通常比單折高1到2個點Dice--save_npz會把softmax概率保存下來占空間但后續(xù)做集成或分析方便。如果訓練時用的自定義Trainer還要加-tr nnUNetTrainerV2指定如果plan階段生成了多個配置要選對你想用的那個。這些參數(shù)不一致時最常見的報錯是“checkpoint not found”——因為你指定的fold沒有訓練過或者Trainer名對不上。排查時先看nnUNet_results/Task001_demo目錄下有哪些配置和fold再回頭對照命令里的參數(shù)。4.2 單張與批量推理輸入目錄結(jié)構(gòu)決定成敗nnUNet_predict按目錄批量處理輸入目錄里的每個文件都會被當成一個病例。所以如果你只測一張圖也得放在一個目錄里不能直接給文件路徑。輸出目錄不需要提前創(chuàng)建程序會自動建。推理完成之后輸出目錄里是case名加.nii.gz后綴的分割結(jié)果標簽值對應dataset.json里定義的1、2等類別。結(jié)果讀進Python里很簡單import nibabel as nib import numpy as np pred nib.load(/data/test_pred/case_001.nii.gz) data pred.get_fdata().astype(np.int16) print(np.unique(data)) # 應該出現(xiàn)0、1、(2)這些標簽這里一個容易踩的坑是輸出的是label還是probabilities。默認輸出的是標簽圖只有加了--save_npz才會額外生成npz概率文件。如果你拿到結(jié)果發(fā)現(xiàn)值全是0和1而訓練時有兩個目標類別多半是label id寫錯或者模型本身沒訓好。批量推理時建議分批拷貝輸入文件比如一次放50例跑完一批再放下批這樣萬一某個文件有問題不會整個任務失敗重來。4.3 TTA開不開、step_size怎么設nnU-Net推理時默認會啟用test time augmentationTTA即對輸入做幾種空間變換后分別預測再取平均這個機制常被稱為測試時訓練。TTA通常能漲0.5到1個點Dice代價是推理時間翻倍。顯存夠、時間不急時我不關(guān)但如果是做線上服務或處理幾百例的大批量數(shù)據(jù)加--disable_tta能省一半時間。這里我一般先開著TTA跑一遍測試集把結(jié)果存好再關(guān)掉TTA跑一遍對比指標差異如果差異不到0.3個點后續(xù)就關(guān)掉TTA換速度。step_size是滑窗推理的步長比例默認0.5表示窗口每次移動一半。對特別大的圖像step_size調(diào)到0.8能加快推理但邊界區(qū)域的分割會略差調(diào)小到0.3會變慢但更穩(wěn)。這個參數(shù)是推理階段少數(shù)值得手動調(diào)的因為它直接控制滑窗重疊程度對分割穩(wěn)定性影響明顯。調(diào)的時候觀察一下輸出mask的連通性如果目標區(qū)域出現(xiàn)很多細碎的碎片多半是step_size太大導致窗口間預測不一致。4.4 模型checkpoint的“后悔藥”中斷續(xù)訓與權(quán)重選擇訓練中途斷了不用從頭跑。nnUNet_train會記錄斷點重新執(zhí)行同樣的訓練命令會從最近的checkpoint繼續(xù)。這里要分清兩個文件model_best是驗證集上表現(xiàn)最好的權(quán)重model_final_checkpoint是訓練結(jié)束時的權(quán)重兩個文件在同名目錄下。如果訓練到一半被kill掉只有model_final_checkpoint存在可以用它繼續(xù)如果要推理優(yōu)先用model_best還是model_final_checkpoint可以看驗證指標常見做法是哪個在驗證集上高用哪個。我在實際項目中習慣每個fold訓完后把model_best單獨復制一份到另一個目錄避免后續(xù)誤操作把結(jié)果覆蓋。權(quán)重文件是幾百MB級別不占空間但這個習慣救過我兩次一次是重跑訓練時把fold_0的結(jié)果覆蓋了另一次是清理目錄時誤刪了訓練輸出。nnU-Net的自動化程度再高也架不住手動操作失誤備份永遠是成本最低的后悔藥。5. nnunet訓練測試數(shù)據(jù)集的5個常見問題現(xiàn)象、原因與解決5.1 標簽是RGB索引而不是單通道標簽loss怎么都不降現(xiàn)象訓練幾十個epochloss在0.6左右不動Dice一直是0或極低。原因很多人從標注工具比如Labelme或某些Web標注平臺導出的標簽是RGB彩色圖比如背景是(0,0,0)目標是(255,0,0)直接存成PNG轉(zhuǎn)成NIfTI后每個像素是一個三維向量不是單一類別ID。nnU-Net讀進去會把每個向量當成多通道標簽來處理模型無法學習這種離散映射loss自然降不下去。解決把RGB標簽映射成索引標簽。常見做法是按顏色構(gòu)建一個查找表把每個像素的RGB向量映射成整數(shù)類別import numpy as np from PIL import Image # 顏色到類別ID的映射按你的實際標注顏色填寫 color_map { (0, 0, 0): 0, # background (255, 0, 0): 1, # liver (0, 0, 255): 2, # tumor } label_img np.array(Image.open(label.png)) # 形狀 (H, W, 3) out np.zeros((label_img.shape[0], label_img.shape[1]), dtypenp.int16) for rgb, cls_id in color_map.items(): mask (label_img[..., 0] rgb[0]) (label_img[..., 1] rgb[1]) (label_img[..., 2] rgb[2]) out[mask] cls_id nib.save(nib.Nifti1Image(out, affine), label_mapped.nii.gz)關(guān)鍵是映射后要檢查np.unique(out)只能出現(xiàn)0、1、2這些連續(xù)整數(shù)中間不能有缺口否則模型訓練時類別數(shù)量和dataset.json定義對不上又產(chǎn)生新的報錯。我遇到過標注工具把兩種顏色混在一起的情況比如兩個類別都含有(255,0,0)分量這時候要回到標注軟件里重新修正靠腳本補不干凈。5.2 plan_and_preprocess在計算數(shù)據(jù)指紋時中斷現(xiàn)象nnUNet_plan_and_preprocess跑到某個病例時直接報錯或Killed日志里沒有明確報錯信息。原因最常見的是圖像非零區(qū)域dense比如整幅圖都沒有全零切片導致裁剪時申請的內(nèi)存過大或者圖像spacing異常某個維度spacing為0導致重采樣計算溢出再就是內(nèi)存不夠被系統(tǒng)OOM kill。解決先看plans.json是否已經(jīng)生成如果生成了一部分說明是在統(tǒng)計階段之后就掛的。然后單跑一遍數(shù)據(jù)完整性校驗nnUNet_plan_and_preprocess -t 1 --verify_dataset_integrity如果這步能過再把內(nèi)存上限放開或者分批預處理。nnU-Net支持--mode參數(shù)把plan和preprocess拆開執(zhí)行先plan再preprocess這樣能定位到底是哪一步掛的。數(shù)據(jù)本身有問題的用2.3節(jié)的自檢腳本把報錯case找出來單獨修掉再重跑。這一步最忌諱反復直接重跑完整命令日志一大片根本看不出哪個case有問題。5.3 重采樣后目標器官變形嚴重spacing不一致先做歸一化現(xiàn)象預處理后的圖像和標簽里目標器官的形狀看起來和原始圖像不一致細小的結(jié)構(gòu)扭曲、斷裂。原因nnU-Net的plan階段會計算所有病例的median spacing把所有圖像重采樣到目標spacing。如果一部分病例是1x1x1mm體素另一部分是5x5x5mm體素重采樣到中間值后后者被放大的倍數(shù)過大細節(jié)就糊了。解決在數(shù)據(jù)準備階段統(tǒng)一spacing。常見做法是先用SimpleITK把所有圖像重采樣到同一個spacing范圍比如CT統(tǒng)一到1x1x1mm然后再交給nnU-Net。注意標簽重采樣必須用最近鄰插值用線性或三次樣條會在邊緣產(chǎn)生中間值破壞標簽語義。重采樣后還要再跑一次自檢確認圖像和標簽的shape仍然一致。另外不同設備采集的同一器官數(shù)據(jù)spacing差異太大時不要硬塞進同一個數(shù)據(jù)集訓練先按spacing分桶處理看各自的分割效果再決定是否合并。5.4 訓練完找不到model_final_checkpointfold和命令沒對應現(xiàn)象訓練日志正常打印但nnUNet_results對應目錄里是空的或者只有partial_checkpoint。原因訓練進程被提前終止或者store_checkpoint的路徑?jīng)]寫對。nnU-Net訓練過程中會周期性保存partial_checkpoint只有正常跑完一個fold才會落model_best和model_final_checkpoint。如果你只是快速驗證模型能跑通訓練被CtrlC中斷自然找不到完整權(quán)重。解決確認訓練日志里出現(xiàn)了類似“Epoch done”的完整周期輸出。如果只是驗證流程建議把epochs調(diào)小、data少放點但最好還是讓它完整跑完一個fold不然測試階段nnUNet_predict找不到checkpoint白忙一場。也可以訓練過程中手動把partial_checkpoint復制出來續(xù)訓但我不建議新手這么做續(xù)訓的路徑和參數(shù)比較容易搞錯我見過有人把partial_checkpoint當成final去推理結(jié)果輸出全黑。5.5 推理結(jié)果全黑或全背景l(fā)abel IDs和JSON定義對不上現(xiàn)象測試集推理完成了結(jié)果圖打開全黑np.unique輸出只有0。原因測試圖和訓練圖強度分布差太遠比如訓練數(shù)據(jù)是增強CT測試數(shù)據(jù)是平掃CT歸一化之后目標區(qū)域的響應完全不同更常見的是labels定義和標注數(shù)據(jù)不一致比如標注文件里類別ID是1到5dataset.json里只定義了0和1兩個類別模型從未見過那些標簽。解決先跑驗證集看看是否正常。如果驗證集正常、測試集全黑優(yōu)先懷疑數(shù)據(jù)分布差異把測試圖像的強度分布和訓練集對比一下看是不是范圍差太多。如果驗證集也全黑檢查標注數(shù)據(jù)里到底有哪些值把labels字典補全。不要先懷疑模型這一步排查順序能省很多時間。還要順帶檢查一下是不是測試圖像命名里的模態(tài)序號和訓練集不一致_0000寫成了_0001模型拿到的通道根本不是它認識的那個。6. 一個讓nnU-Net結(jié)果更穩(wěn)的習慣先讀預測圖再談指標我見過不少同事拿到Dice 0.9就急著交付結(jié)果臨床醫(yī)生打開一看分割結(jié)果比原始圖像小了一圈邊緣完全對不上。Dice是整體重疊率對邊界偏差不敏感但對醫(yī)學分割來說邊界才是最能看出問題的。所以我現(xiàn)在有一個習慣無論訓練還是測試推理出來的預測圖一定先疊加到原圖上肉眼看一遍再去看指標。用SimpleITK或nibabel都能做這個疊加最快速的方法是先把預測轉(zhuǎn)成numpy然后做偽彩色覆蓋import numpy as np import nibabel as nib import matplotlib.pyplot as plt img nib.load(case_001_0000.nii.gz).get_fdata() pred nib.load(case_001_pred.nii.gz).get_fdata() plt.figure(figsize(12, 6)) plt.subplot(1, 2, 1) plt.imshow(img[:, :, img.shape[2] // 2], cmapgray) plt.subplot(1, 2, 2) plt.imshow(img[:, :, img.shape[2] // 2], cmapgray) plt.imshow(np.ma.masked_where(pred[:, :, img.shape[2] // 2] 0, pred[:, :, img.shape[2] // 2]), alpha0.5, cmapautumn) plt.savefig(overlay_check.png)這個腳本每次推理后我都會跑一遍挑幾個典型切片存成圖。如果要系統(tǒng)驗證一個測試集我會從中隨機抽10個病例做疊加圖肉眼檢查有沒有分割區(qū)域跑到圖像外面去、目標器官之間的邊界粘連、小結(jié)構(gòu)被漏掉。這三個問題指標上不一定看得出來但疊加圖一眼就能發(fā)現(xiàn)。做nnU-Net這兩年我最大的教訓就是不要迷信框架的自動化自動化的plan和train只是把常規(guī)參數(shù)調(diào)好了數(shù)據(jù)本身的問題它管不了。每一次拿到新數(shù)據(jù)集先把數(shù)據(jù)質(zhì)量關(guān)卡住再談訓練和推理。希望這個習慣對你也有用。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
亚洲另类毛片| 色五月婷婷、老熟女| 日韩黄色电影| 久久婷婷91| 五月开心久久| 丁香五月综合婷婷| 色婷婷婷婷| 亚洲综合成人网| 日本99久久| 天天摸天天肏| 婷婷久久网| 大香蕉99| 欧美电影在线观看| 五月婷婷色吧!| 日本啪啪视频HD| 97干婷婷五月天| 激情内射人妻1区2区3区| 五月丁香天天| AVV黄| 99热免费观看| 99色色热| 禁片二区| 日韩1区2区| 丁香婷婷深情五月亚洲| 久久五月天激情视频| 610018岁成人视频| 狠狠草在线观看| 伊人色综合久久久| 六月丁香啪啪| 五月开心深爱激情网| 99热一本久道| 婷婷久久五月| 六月婷婷在线视频| 大香蕉啪啪| 色五月欧美| 嫩草综合网| 久久XX日本综合| 五月色丁香| 妇激情基地| 午夜丁香婷婷| 婷婷六月综合激情| 好好日激情五月天| AAA久久久AAA久久久AAA| jizzdr| 91尤物九色在线| 中文激情网| 亚洲婷婷开心五月| 亭亭色网| 69热91天堂| 熟女激情五月天 | 婷婷综合精品视频97| 99精品视频推荐| 九九久久五月天| 婷婷丁香社区网| 国产精品电| 九九精品视频在线观看| 丁香色六月婷婷| 国产成人综合亚洲| 婷婷综合久久| 第四色五月天| 襙逼网| 久久婷视频| www.91久久| 人人操人人爱丁香五月| 五月丁香日本在线视频观看| 超碰色女| 大鸡巴伊人网| 嫩草AV久久伊人妇女超级A| 日本色色视频| 五月婷婷综合色啪首页| 九九Av| AⅤ网站在线看| 狠狠色狠狠| 九九热在线视频,| 久热丁香| 五月丁香综合网| 五月婷婷熟女| 91狠狠色| 九色无码| 99精品综合在线| 伊人五月天| 色五月激情婷婷| 久久99热只有精品| 97久久久久| 精品视频二级九九| 日韩精品一区二区三区,四区,五区视频| 精品99在线| 人人操人人爱丁香五月| 丁香涩涩五月天| 亚洲成人免费电影| 色九月婷婷综合| 国内9l视频自拍老熟女九色| 亚洲亚洲人成综合网络| 久久婷婷热| 九九色大香蕉| 日韩另类在线观看| 99久久久| www,色中色| 五月丁香六月激情综合| 激情五月天情色| 色婷婷成人做爰A片免费看网站 | 狠狠色综合久久久久| 99精品免费| 五月天精品| tingtingseav| 色爽干| 五月婷婷六月丁香在线| 另类图片天天影视在线观看| 97丁香婷婷| 深爱激情五月网| 高清无码中文字幕aVDV| 久久婷婷五月丁香| 五月丁香婷婷人体| 婷婷综合成人五月天| 五月婷婷在线丁香| 天天综合色丁香| 91婷婷搞| 九九激情网| 97色欧美| 91干| 日本熟女视频一区二区| 五月色丁香综合| 九九黄色网| 久久精品99久久| 色五月自偷自拍婷婷婷婷| 波多婷婷久久| 18久久| 国内在线99视频| 伊人在线视频| 日本猛少妇色XXXXX猛叫| 大香蕉手机视频| 99狠狠| 色五月丁香婷婷久草| 久久婷婷成人综合色怡春院| 夜夜爽天天干| 99热最新精品| 五月天综合视频| 超碰在线免费| 五月天综合色| AA片在线观看视频在线播放| 大香蕉福利导航| 任我干视频在线观看| 亚洲春色奇米影视| 超碰99成人在线| 色五月激情综合网站| 激情五月天.色网| 丁香五月婷婷综合激情啪啪啪啪啪啪啪| 丁香深五月婷婷| 五月丁香亭亭A片| 极品少妇婷婷五月| www一起操在线观看| 一婬一伦一区二区三区| 激情床戏| 少妇激情五月婷婷| 五月丁香六月激情欧美综合| 四虎成人精品永久免费AV九九| 九九热中文| 天天干 夜夜爽| 五月天社区| 日本欧美成人片AAAA| 欧美成人精品A片免费一区99| 亚洲A片成人无码久久精品青桔 | 97操碰| 婷婷成人五月天| 日本欧美成人片AAAA| 国产内射婷婷| 超碰93在线观看| 91啪啪视频| 国产阿姨日皮艹逼内射视频 | 精品99爱免费视频在线观看| 日日杆天天| 91色逼| 日本超碰在线| 韩日另类| 丁香五月婷婷av| 97色碰| 色九月激情综合网| 99久久精品国产色欲| 久久久.COM| 99热18| 另类小说五月天| 亚洲综合网在线| 91丁香色五月| 亚洲五月天综合色| 久久538| 婷婷五月天久久久| 青青草五月天| 六月婷婷六月天天在线免费| 丁香婷婷五月| 成人无码精品1区2区3区免费看| 色色五月婷婷狠狠| 日本99热| 狠狠草狠狠草| 99这里都是精品| 色约约视频一区二区三区四区五区 | 超碰妻人人| 色婷婷综合久久久久| 婷婷六月激情啪啪| 激情综合色图| 色图亚洲91| 亚洲色激情| 插插网爽妇五月丁香| 日本色视| 国产乱子轮XXX农村| 99热插| 成人欧美一区二区三区在线观看| 女高怪谈在线观看| 少妇搡BBBB搡BBB搡毛茸茸| 久碰综合| 五月天俺去也| 热久久这里只有精品| 婷婷五月综合免费在线| 天天草婷婷五月| 激情综合色婷婷啪啪六月天| 国产av网| 人妻内射麻豆视频| 草一草avb| 色吧婷婷五月亚洲| 天天日天天做天天舔 | 伊人天天色| 99热免费精品| 五月丁香视频色色| 丁香六月激情蜜桃| 日韩免费视频| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 六月婷婷最新网址| 五月丁香六月欧美综合| 久久大香蕉同僚| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 99视频精品在线| 婷婷丁香综合在线| 天天天摸夜夜夜玩| 亚洲V国产V欧美V久久久久久| 婷婷内射视频在线| 色婷婷亚洲婷婷在线观看| 桃色成人网| 在线中文字幕视频| 综合激情在线| 亚洲国产另类av| 狠狠婷婷爱| 五月天激情影院| 久热在线观看视频9| 婷五月丁香| 99热9| 亚洲av网址| 天天爽夜夜爽| 亚洲va久久久噜噜噜久久天堂| Av狠狠色丁香婷| 亚洲成人AV在线播放| 五月Huangsewang| 99无码视频| 青草少妇激情| 日本少妇AA一级特黄大片| 人妻久久久久久久久妻久久久久| 免费黄色片子| 樱花99视频| 操99| 日韩色色色色色| 色婷婷亚洲婷婷| 五月天大香焦| 99国产这里只有精品| BBWCUCKOLD精品熟妇| 99热思思久| 日本九九九九| 热99国产精品| 玖玖色综合| 五月天激情黄色小说在线观看| 91成人看片| 青青草婷婷久久| Av免费网站在线| 黄页大全十八禁| 色婷婷成人做爰A片免费看网站| a色色片| 狠狠色色| 成人超碰AV| 天天插天天插| 五月天婷婷爱丁香中文字幕| 日韩AV免费看| 婷婷五月天激情网站| 香蕉久久五月| 天天影院色| caopeng97人人| 五月亭亭狠狠| 翔田千里 50岁 无码| 九九久久99精品免费观看www| 99精品在线观看视频| 噜噜在线| 五月婷婷色色| 99精品国产在热久久| 五月丁香狠狠爱婷婷综合| 丁香五月天婷婷中文| 婷婷伊人五月天| 五月丁香六月综合激情网| 亚洲亚洲人成综合网络| 五月综合777| 婷婷综合中文字幕| 丁香五月婷婷在线| www.日本久久videos| 91久久久久久| 亚洲AAA| 久久久天堂国产精品女人| 五月婷婷丁香六月在线| 色色九区| 99色视频在线| 性天天中文网| 婷婷久久丁香五月| 国产精品涩涩涩视频网站| 天天开心AV色综合婷婷五月天| 日韩99无码| 五月综合婷婷五月| 这里只有精品偷拍| 9久热精品在线视频| 五月激情婷婷六月| 欧美色色色| 99热99在线| 开心五月婷婷激情网| 婷婷字幕在线| 久草天堂| 狠狠色噜噜狠狠| 九九综合网色全集 | 婷婷五月天六月丁香| 久久丁香五月| wwwav大香蕉| 五月天色婷婷激情| 免费视频舔| 全部老头和老太XXXXX| 人人视频色| 日韩人妻在线观看| 少妇性BBB搡BBB爽爽爽电影| 天天舔天天爽| 丁香五月激情六月| 色女人久久| 97色婷婷| 亚洲午夜一区二区| 婷婷性爱无码视频| 伊人久久婷婷| 日本一区二区三区精品视频| 婷婷爱五月| 日日狠狠久久偷偷四色综合免费 | 免费视频99| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 六月丁香婷婷综合狠狠爱夜夜爱| 超碰chaompinm| 激情美女五月天| 少妇高潮呻吟A片免费看软件| 天天做天天爱天天爽综合网| 五月婷婷开心激情六月蜜桃| 日本97在线| 亚洲妇女熟BBW| 婷婷丁香亚洲色综合91| 色五月色五天色情网| 九九综合色综合| 国产精品18久久久| 九九無妻| 色婷婷五月综合在线| 国产激情综合五月| 色噜噜夜夜夜综合网| 日本视频久久| 色婷婷五月天| 玖玖爱综合网| 婷婷淫淫狠狠六月| 久热这里只有精品66| 色色丁香五月天| 91午夜婷婷狠狠久久综合9色| 五月激情啪啪啪| 亚洲人成人五月天| 五月在在观看| 婷婷亚洲影院| 久久九九re热| 99碰碰。| 国产精产国品一二三在观看| 久99| 婷婷五月综合激情| 激情综合在线观看| 五月色丁香| 婷婷之六月丁香| 欧美日韩成人一区二区| 婷婷性爱综合| 99精品综合在线| 色五月丁香五月| 在线观看欧美| 永久免费一区二区三区| 激情五月婷婷开心网| 欧美综合婷婷欧美综| 久操人妻| 91黄操| 伊人大香蕉爱聚| 国产精品久久久久久妇女6080| 亚洲国产成人在线| 色五月激情| 色五月第四色| 九九久久综合网站| 97色伦另类图片小说视频| 欧美狠狠草| 婷婷丁香宗合888| 超碰AV成人| 国产99久9在线+|+传媒| 成人小说色图婷婷五月| 婷婷五月丁香青青草在线| 五月综合视频| 午夜性做爰电影| 天天日天天插| 天天日天天干天天操| 色吧综合网| 中文资源在线a| 九九成人| 激情五月丁香综合网站| 婷婷五月在线播放| 激情五月婷婷在线观看| 天天搞天天色综合| 色婷婷88| 五月天色图| 中文无码婷婷| 五月丁香婷婷综合网| 第四色五月天| 五月婷婷丁香| 91麻豆国产三级精品福利在线观看| 四川BBB搡BBB爽爽视频| 国产欧美熟妇另类久久久 | 午夜婷婷六月天| 欧美性色五月天| 久久丁香婷婷五月天| 激情丁香婷婷六月天| 99re99在线看| 丁香婷婷免费| 激情综合网激情五月丁香五月俺也去| 五月丁香色情| 、激情六月天| 婷婷五月天色网久| 开心激情播播五月天| 99热在这里只有精品| 久久婷婷五月免费视频| 欧美色色色色色色色色色色| 五月天婷婷在线AN| 国产肥白大熟妇BBBB视频| 四川BBB搡BBB搡多人乱亂| 日韩成人影片网站| 伊人9草在线观看| 日本女人久久| 开心深爱五月天| 五月天婷婷在线观看精品男人| 深爱激情网噜噜色| 色色色网站| 91viP在线看| 婷婷成人五月天| 国产精品第一国产精品| 九九久久玖玖爱| 精品人妻在线| 国产精品久久在线观看技巧| 另类激情网| 99九九热视频| 激情六月天| 日韩熟女啪啪视频| 在线天堂9| 五月天国产成人| 麻豆123区| 99热无码| 97人人操人人爽| 婷婷五月天亚洲| 99婷婷| 万月丁香狠狠爱| 五月天激情网址| 五月婷婷色播视频| 日韩啊啊啊| 六月丁香五月天| 色色五月婷婷狠狠| 99热偷拍| 国产,欧美,日韩,性爱| 久久婷婷五月综合激情国产 | 综合丁香婷婷五月天| 色婷婷在线视频久| 亚洲综合五月| 丁香五月影院| 免费在线观看av网站| 五月丁香婷婷啪啪综合| 天天草天天舔| 九九热10| 午夜AV网| 激情五婷精品网在线观看网址| 丁香五月激情视频| 97干在线视频| 玖玖婷婷精品| 婷婷五月天激情综合网| 五月婷婷激情久久| 综合色婷婷| 超碰9799| 五月丁香婷婷综合久久| www天天爽| 99热这里只有精品免费| 激情五月婷黄版| 伊人日日干| 99九色视频在线观看| 97luluse| 亚洲激情AV| 色五月丁香伊人五月| 成功精品影院| 丁香五月网址| 婷婷五月天久久久| 色婷婷成人做爰A片免费看网站 | 超碰九九热| 国产VA亚洲VA96| 丁香激情网| 伊人五月婷| 99色色爰| 日本婷婷五月天| 日本V在线观看不卡视频网站| 日韩综合网络男女香蕉a片| 婷婷五月深深爱| 日日夜夜婷婷| 99精品在线观看视频| 伊人AV五月婷| 丁香六月婷婷基地| 深夜婷婷五月丁香| 99精品综合| 国产婷婷五月天| 东北婷婷五月天| 99热精品无码| 亚洲综合婷婷| 超碰资源在线| 99精品偷拍视频| 丁香五月天五码婷婷| 久久免费精彩视频| 成人午夜无码视频| 色欲天天综合| 六月婷色| 99视频精品在线| 日操夜操天天操不卡| 丁香五月婷婷性爱| 久青草影院| 日本啪啪天堂| PORNY九色9l自拍视频成人| 久久久五月天网站| 丁香六月无码| 国产毛片操B| 九九操综合网| 色日本颜射| 丁香五月狠狠在线观看| 精品久久艹| 色情丁香五月婷婷精品| 婷婷五月天奸女| 嫩草视频观看| 九九性爱网| 亚洲激情| 人妻少妇色综合| 91精品91久久久久77777| 99热在线中文字幕| 天天色综网| 六月婷婷私欲| 碰碰碰97国产| 丁香五月天在线| www.色五月| 激情五月丁香在线观看直播| 影音先锋美国A| 丁香五月天殴美激情| 99网| 开心综合激情综合| 91五月花丁香| 婷婷五月婷| 日韩性爱无码| 色噜噜狠狠色综合成人网| 91在线操| 91九色国产| 99九九精品| 五月丁香啪啪| 激情的五月| 大香蕉久久青青| 深爱激情久久| 丁香伊人五月色婷婷五十路| 国产精品爽爽久久久久久| 人人操人人干AV| 超碰人人超碰| 九九热10| 九九九激情网| 天天爱综合网| 丁香五月婷婷AV| 丁香六月欧美| 婷婷免费无视频| 任我肏视频精品| 99这里只有精品视频| 五月丁香啪综合| 九九久久综合| 97激情五月天| 丁香五月婷婷欧美成人色图| 久久久久久久97| 婷五月丁香俺| 亚洲狠狠色丁香婷婷综合久久| 怡红院视频| 97碰| 少妇搡BBBB搡BBB搡毛茸茸| 久久久精品人妻录| 欧美日本国产欧美日本韩国99| 九九热最新视频| 呦呦AV| 99热色婷婷| 亚洲色视频| 色色色色色色综合| 91人人操人人爱| 五月天成人综合| 亚洲日日操| 五月丁香婷婷在线| 婷婷婷狠狠| 婷婷久久综合| 日韩av一区二区在线/日产精品久久久 | 五月婷婷插一插| 婷婷玖玖丁香| 99色在线| www.99热| 色月视频| 91九色大屁股| 中文字幕一色哟哟哟哟| 久9免费视频| 天天草天天爱| 六月婷婷香蕉| 狠狠精品干练久久久无码中文字幕| 五月丁香777| 99在线er热| 伊人激情网| 玖玖精品视频| 亚洲激情婷婷| 精品99久久久久成人网站免费| 九一九九黄色| 亚洲人妻av| 国产精品久久久海的味道| 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 | 99re6在线视频精品免费| 日本色综合| 色噜噜伊人| 丁香五月婷婷五月| 天堂婷婷综合| 色五月丁香五月| 婷婷五月丁香综合激情| 六月婷婷色五月| 久久婷狠狠色| 最新日韩AV中文字幕| 伊人五月天日日夜夜久久久天天| 久久思思99| 亚洲熟妇AV乱码在线观看| 丁香激情久久| 综合图片色色| 日本熟女一区二区| 伊人五月天日日夜夜久久久天天| 狠狠爱五月婷婷| 丁香六月婷婷基地| www.婷婷六月天| 久久多色| 青青草五月天| 性生活久久人妻| 狠狠干天天内射| 婷婷午夜丁香| 婷婷九色| 五月婷婷 自拍| 国外亚洲成AV人片在线观看| 亚洲日日日| 五月丁香色婷婷色| 99这里只有精品视频| 国际国外精品欧洲南美洲专区无码不卡| 久久色情| 欧美综合五月丁香六月婷| 狠狠综合久久综合| 综合网精品99| 在线成人va| 操碰97| 婷婷天天色| 七七九色| 久久久久人妻网址| 亚州性爱99| 久久伊人日日夜夜| 狠狠色官网| 99热18| 五月婷婷综合久久| 97在线视频 欧美| 99re资源在线视频导航| 日韩AV中文在线观看| 五月天婷婷色| 欧美人与性动交CCOO| 色情成人五月天| 欧美色图天堂网| 91超碰九色| 丁香五月影视| 色五月婷婷综合| 影视av久久久噜噜噜噜噜三级| 丁香五月六月| 色综合另类| 99久久婷婷五月综合| 人碰91| 婷婷丁香www视频日本韩国| 超级久久久| 色色色色色日韩午夜激情 | 开心激情站| 99无码精品| 日狠狠| 婷婷91| 丁香六月激情| 91色呦哟| 九九热内射| 久久五月天 91| 大香蕉在线观看9| 日韩啪图| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 一个色的综合| www.久久66| 思思re视频在线| 噜噜噜精品欧美成人在线观看| 思思w99| 五月天激情无码专区| 色五月丁香伊人五月| 狠狠草狠狠草| 久久92| 亚洲成人一区| 婷婷丁香五月亚洲17cao| 热99这就是精品视频| 99色在线视频| 九九久久精品| 五月色综合| 无人区码一码二码三码医生系列| 久久九九Com| 婷婷激情啪啪| 婷婷五月香蕉| 亚洲五月婷婷在线| 五月婷婷丁香在线视频| 久久综合五月天| 热九九精品| 日本99热| 亚洲成人丁香花| av无码电影| 只有精品在线观看| 五月婷婷欲色| 99热日| 激情婷婷五月天| 人与禽A片啪啪| av人人操| 免费黄色视频网址| 99视频在线观看视频| 日日爽日日爽| 97久久人人| 国产又黄又爽又色的免费| 五月丁香另类网| 99在线公开视频| 99re这里只有精品国产99| 久久久久久五月天| 五月丁香色情| 五月天久久婷| 婷婷丁香91| 亚洲综合色婷婷| 激情五月网站| 日本久久人| 五月开心网| 亚洲综合在线网站| 影音先锋女人av鲁色资源网小说免费 | 五月天成人在线播放丁香| 91人操| 丁香婷婷视频在线| 五月激情影视| 五月色亭丁香| 99久热这里只有精品视频删减版| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪| www.狠狠| 婷婷在线播放| 久久色五月| 操丝袜视频影院导航| 色久九| 99热每日| 丁香五月天欧美成人| 色小说五月天| 男妓跪趴把舌头伸进我的嘴巴| 婷婷综合九月| 天天操天天操| 色爱综合网| 丁香花综合永久入口| 日韩色色色色色| 色色色图| 疯狂做受XXXX高潮A片动画| 狠狠干综合网| 草做免费在线观看| 91精品丝袜久久久久久| 日本色色网站| 亚洲综合狠狠艹| 五月婷婷色五月| 91精品综合久久久五月天| 99re这里只有精品免费| 五月婷婷激情性爱| 激情五月婷婷丁香综合网| 欧美搡BBBBB摔BBBBB| 久久婷婷丁香| av性爱在线| 丝袜大香蕉| 9人人操人人看| 国产色99| 做爰丰满少妇1313| 五月天丁香网| 丁香久久久| 91av成人| www。五月天。com| 激情综合网激情五月天| 五月天婷婷綜合院| 色永久| 1024国产在线| 91艹人| 精品久久久人妻| 狼人婷婷久久| 日狠狠| 日日噜噜夜夜狠狠久久丁香五月| 久热这里只有精品6官网亚洲| 九九热99熟女| 久久aaaaa| 丁香五月激情综合啪啪| 怡红院AV亚洲一区二区三区H| 丁香色五月婷婷17C| 另类激情五月| 色欧美影院| 精品色| 一级韩国产精品毛| 久久久五月婷婷| 欧美三级巜人妻互换| 无码四色色色| 99精品亚洲| 激情久久五月天| 一起草无码| a色婷婷| 亚洲精品婷婷| 免费在线a| 九九这里都是精品| 九九在线91| 五月婷婷之激情五月| 97精品人人A片免费看| 天天拍天天做视频| 国产精品色色| 538久久| 国产美女无遮挡裸体毛片A片| 五月丁香美女| 啪啪一区| 色婷婷五月天激情在线播放| 免费看欧美成人A片无码 | 五月丁香综合激情| 色久婷婷五月| 99熟女| 五月婷婷欧美| 五月停停色色丁香| 五月婷婷激情日本| 婷婷久久免费| 97操碰视频| 婷婷 久综合| 一本色道久久综合狠狠躁小说| 大香蕉九九| 久久天天| 丁香五月六月婷婷自拍| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 婷婷综合性爱网| 欧美婷婷五月天综合| 久操乱| 激情五月,婷婷五月,丁香五月| 潮汕成人AV片在线| 人人色婷婷| 综合激情在线| 综合激情视频| 成人小说 五月天 婷婷| 成人超碰网| 开心激情网五月| 成人网页在线观看| Av九九| 国产乱码久久| 欧美内射AAAAAAXXXXX| 婷婷五月天成人影片| 色都都狠狠色都都色综合色| 51国精产品自偷自偷综合| 大伊香蕉玖玖爱| 欧美三级巜人妻互换| 伊人玖玖网| 五月婷婷激情综合在线| 碰人人操| 极品人妻VIDEOSSS人妻| 日韩狠狠色| 岛国AV网| 色情激情五月| 无码一区二区日韩| 97在线/亚洲| 99艹精品在线观看| 青草视频在线播放| 来吧亚洲综合网| 日本色图综合| 开心婷婷丁香五月| 26uuuuuuuu国产| 综合逼五月激情婷婷| 婷婷综合色| 日韩久操婷婷| 婷婷五月,综合伊人| 99性爱视频| 亚洲热视频在线| 欧美丁香五月97色| 五月丁香六月婷婷色情| 97 A I色色| 停停五月天激情网| 五月丁香婷婷爱激情综合网| 九色 在线| 先锋影音男人的天堂AV| 电影91久久久| 少妇伦子伦精品无吗| 天天日天天舔| 第五色婷婷| 99久热这里只有精品| 大香蕉啪啪| 久久WW| 五月婷婷五月天| 另类激情中文| 人人操av| 激情爱爱网站| 一级精品999WWW| 99热综合色图| 丁香五月色网| 久久婷婷网站| 五月停亭六月,六月停亭的英语| 色色色婷| 丁香六月啪| 久久a热| 婷婷狠狠操| 九九无码| 99九九99九九九视频精彩| 99碰超| 狠狠干综合| 久综合网| 日日操夜夜擼| 大香蕉综合网| 日韩人妻在线播放| www.夜夜| 美欧成人视频| 九九九九九九九热| 久热大香蕉| 九热视频免费观看| 福利视频在线播放| 激情综合网五月婷婷| 激情小说婷婷五月| 琪琪理论片| 99热1| av电影在线播放| 另类少妇人与禽zOZZ0性伦| 日韩色久| 天天婷婷色六月| 午夜成人天堂久久无码日韩久久| 九月丁香久久网| 五月色婷| 色99视频| 99热这里只有精品最新网址| 色八月婷婷| 99riAv1国产在线观看| 沈娜娜av| 日本精品人妻无码77777| 九月婷婷久久| 这里只有精品视频| 久久人妻人人槡| 欧美色骚婷婷五月天| 婷婷五月AV| 日hao1区| 97婷婷五月丁香| 无码激情AAAAA片-区区| 五月婷婷激情网| 色婷婷六月天| 久久精品人妻| 六月天丁婷婷| 激情婷婷内射| 91超级碰| 1024手机在线观看看片_日韩精品| 操操熟女| 人人综合色| 丁香六月婷婷缴情欧美| 久久久人妻| 99自拍视频在线观看| 99热99干| www.99婷婷| 午夜婷婷| 婷婷综合精品| 国产精品视频免费看| 六月丁香狠狠爱| 久草五月婷| 欧美久久久久久久久中文字幕| 婷婷五月天97干| 成人做爰高潮A片免费视频 | 亚洲午夜视频| 丁香五月天.com| 久久婷婷五月天激情| 丁香五月影院| 思思热在线播放| 久久99这里只有精品视频| 都市激情五月婷婷综合| 九九热这里有精品23| 天天插综合在线| 五月综合激情久久| 在线va网站| 天天色一道本综合婷婷| 婷婷色五月激情| 国产裸舞福利资源在线视频| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | www91在线| 91狠狠色丁香| 天堂色婷婷| 日韩成人中文字幕| 九九99免费视频| 久久久人妻不卡| 久久久久久久丁香五月天婷婷| WWW,激情五月天,COM| 精品成人久久久久久久_一二三四视| 人妻AV在线观看| 国产免费一区二区在线A片视频| 亚洲五月婷| 性爱动图国产麻豆一区二区三区| 婷婷五月成人色综合| 99热久久这里只有精品| 五月婷丁香久久久| 久久丁香五月婷婷| 婷婷色五月天在线观看| 国产精品爽爽久久久久久| 久久人人九九| 天天做夜夜爽| 亚洲六月婷婷| 日本99久久| 高潮毛片又色又爽免费| 婷婷五月综合社区在线| 激情啪啪五月天| www.jiujiujiu| 成人色五月天婷婷| 管管補管管紱| 久久婷婷激情视频| 婷婷五月激情网| 欧美婷婷五月丁香| 五月天激情久久| 亚洲日本韩国| 操碰99在线视频观看| 九九99热久久精品66中文字幕| 精品成人久久久久久久_一二三四视| wWwCom夜操wwW| 99热这里只有精品一| 婷婷十月激情综合网| 九九热精品99| 日韩成人网址| 万月丁香狠狠爱| 亚洲六月综合激情久久下卡| 九九色网| 欧美月久久| 9久精品视频| 亚洲丁香五月美女| 五月激情综合美女久久| 中文字幕在线播放视频| 中文字幕按摩做爰| 婷婷丁香五月基地| 狼人久草| 六月亭亭久久综合激情| 五月丁香综合中文| 丁香五月久久| 婷婷五月六月| 色综合色色| 欧美A级成人婬片免费看理论| 五月天婷婷激情网| 亚洲色9| 色五月在线视频观看| 一起草Av| 99精品成人无码A片观看金桔| 婷婷五月天av小说| 色啪影院| 国产精品激情五月天色婷婷| 国产成人在线精品| 国产精产国品一二三在观看| 热99在线精品| 久久这有这里精品| 99热综合网| 激情五月天色播| 激情五月天婷婷色色色色色色色色色色色 | 我想看国产大学生口爆吞精的视频| 久久久99久久| 开心五月深爱激情| 五月天婷婷基地| 亚洲AV日韩在线观看| 日韩欧洲亚洲| 天天操,夜夜骑| www.丁香五月| 丁香五月婷婷五月基地| 亚洲综合婷婷| 97婷婷五月| AA丁香综合激情| 激情五月婷婷啪啪| 丁香桃色综合网| 99热在线精品播放| 99久久欧美| 涩涩涩,com| 综合激情站| 色五月婷婷老师| 欧美日韩五月婷婷| www.伊人天堂偷偷婷婷| 欧洲不卡视频| 1024在线视频| 狠狠肏综合网| 亚洲综合99| 99色在线视频观看| 开心五激情网| 色99日韩| 激情五月天福利| 婷婷五月激情丁香激情| 99热丁香| 亚洲图片 丁香婷婷| 第二色AⅤ| 精品99在线| 天堂网操| 五月丁香六月欧美综合| 超碰97干| 久久人视频| 午夜精品777| 人妻久久久久久| 五月丁香久久呀| 涩婷婷五月天| 草草女人亚洲| 天天搞夜夜叫| 婷婷午夜激情| 丁香激情五月少妇| 五月香六月婷| 日本人妻伦在线中文字幕 | AAA级久久久精品| 99这里有精品久久97| 婷婷伊人综合中文字幕| 97婷婷丁香五月综合| 99热这里只有精品268| 激情五月婷| 婷婷桃色网| 色婷婷五月天激情综合| 蜜桃人妻无码AV天堂三区| 久久综合26p| 丁香五月婷婷动漫视频| 五月丁香六月激情欧美综合| 婷婷色五月开心五月| 婷婷伊人五月天| 2050人人操免费工开爱| 亚洲爱爱无码婷婷色五月| 五月丁香六月激情| 色婷| 538在线精品| 亚洲天堂碰碰婷婷| 日日射天天射| 天天操天天操天天操天天操天天操| 亚洲色婷婷五月天| 亚洲 六月 综合| 亚洲天堂婷婷| 国产精品久久久丁香五月八戒视频| 中文字幕欧美日韩VA免费视频| 成人做爰A片免费看网站找不到了| 色色色国产| 日韩 中文 欧美| 97色97干| 九热久| 久99热在线观看| 亚洲AV第二区国产精品| 99久久玖玖| 色婷狠狠| 婷婷操婷婷干婷婷射| 99操不停| 亚洲狠狠干| 久久久久久久五月| 六月婷婷五月天| 九九人人看| 99人妻碰碰碰久久久久视| 日本久久精品18| 日本久久人人| 99九九在线| 俺去也五月天婷婷| 18av天堂| 婷婷五月天成人| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 欧美这里只有精品| 青青日韩| AV成人在线播放| 97碰久久| 91超级碰在线视频| 婷婷射丁香| 日韩九区| 久久色情| 五月天婷婷久久| 激情狠狠丁香月| 91久久人人操| 欧美Va婷色| 色婷婷狠狠爱| 婷婷久久综合久| 婷婷五月丁香激情色情| 九九艹女| 婷婷五月天社区| 国产激情AV| 狠狠色婷婷7777久| 婷婷五月婷婷五月天| 国产99久9在线+|+传媒| 五月天伊人| 色五月激情综合网| 欧美性生交XXXXX无码小说| 色婷婷在线视频综合| 综合久久综合综合| 激情综合网五月丁香| 色五月婷婷 成人| 五月婷婷爽爽爽| 99r这里| 久久人五月| 黄色一级影片| 99操视频| 熟女人妻视频| 婷婷丁香小说| 香蕉久久国产AV一区二区| 国产亚洲精品久久久久久郑州 | 婷婷中文综合网| 九九色综合视频| 9 9热这里有精品| 中文字幕av在线播放| 色色五月天丁香| 爱射综合| 五月婷丁香亚洲| 丁香婷婷超碰 | 97香蕉碰碰人妻国产欧美| 三区激情四射av| 激情五月天com| 色综合色色| 日本欧美成人片AAAA| 天天碰夜夜爽| 色婷五月| 五月丁香久久久| 色婷久久| 久久亚洲A| 亚州欧美黄色电影| 国产色网站| 玖玖视频福利| 综合久久十三| 97操操操| 狠狠狠狠狠草| 97碰超级人人看| 91蝌蚪窝视频在线| 99riAV国产精品视频| 先锋男人99资源| 大香蕉伊人爱在线| 久久久国产精品黄毛片| 婷婷99狠狠| 爱之国产色情综合| 热久综合| 色狠狠色| 天天草天天日| 国产亚洲99久久| 国产精品大香蕉| 六月丁香VA| 婷婷丁香六月五月天| 亚洲av另类在线观看| 一级黄色影片| www.夜夜騎夜夜狠| av在线观看网站| 欧美熟女视频 色婷婷| 精品婷婷| 日本五月视频| 天天玩夜夜操天天爽| 久久久久久久久久久-久五月天婷婷| 久久香蕉丁香| 狠狠干激情五月| 97久久草草超级碰碰碰| 国产又色又爽又黄又免费| 色婷婷69| 婷婷五月天成人综合网| www.色五月| 人妻有码乱操| 开心五月深爱五月| 4399人妻无码久久久| www.韩日视频| 久久人人看| 九九99免费理论| 激情五月丁香亭亭| 婷婷五月激情在线| 五月婷婷天天色| 色综合激情| 夜夜大香蕉婷婷丁香|