基于聚类算法来提取呼吸信号的方法及系统的制作方法
基于聚类算法来提取呼吸信号的方法及系统的制作方法
【技术领域】
[0001]本发明涉及呼吸特征分析领域，特别是涉及一种基于聚类算法来提取呼吸信号的方法及系统。
【背景技术】
[0002]随着人们生活水平的提高，对健康问题的关注度开始上升，尤其是睡眠质量问题。常见的不健康的睡眠情况包括:睡眠打鼾、张口呼吸、甚至出现呼吸暂时停止、睡眠中反复憋醒，睡眠不宁、经常发生夜间心绞痛及心律失常等。
[0003]而睡眠呼吸暂停综合症是一种在中老年人群中发病率较高的疾病。打鼾即打呼噜，是该疾病的主要表现。普通打呼噜者的呼噜声均匀规律，一般在平卧位睡眠、劳累或饮酒后出现。如果呼噜声响亮而不规律，时断时续，声音忽高忽低，就标志着气道狭窄加重，有气道阻塞发生，便会引起呼吸暂停。如果一夜中呼吸暂停发生30次以上，或平均每小时发生5次以上，患者就会反复从睡眠中憋醒，医学上将其称之为睡眠呼吸暂停综合征。由于患者睡眠中反复憋醒，会导致睡醒后头痛、血压升高、夜间心绞痛、心律紊乱、睡觉不解乏、白天困倦、嗜睡、记忆力减退、反应迟钝、工作能力降低等。
[0004]目前，睡眠呼吸暂停综合征必须通过多导睡眠图检测才能够确诊，而整夜的睡眠呼吸检测往往需要在人体鼻腔或者头部佩戴相关仪器，有些专业仪器则需要在医疗场所指定的环境内进行监测，往往不能达到长期监测的目的。
[0005]例如，在申请号为201010120237.5的中国专利文献中，公开了一种监测睡眠呼吸暂停的装置，该装置由呼吸传感器、电压信号放大器、整形电路、时间鉴别电路和脉冲发生器构成。其中，该呼吸传感器需要放置在被监测人员的鼻腔。
[0006]又例如，在申请号为201110355375.6的中国专利文献中，公开了一种家庭环境中睡眠呼吸暂停综合征的筛查系统。该筛查系统包括鼾声数据获取模块、鼾声处理模块、及判别模块。其中，该鼾声数据获取模块需要将非接触单向麦克风佩戴并置于被监测人员的口鼻上方。
[0007]由于现有监测方式均需要被监测人员佩戴相关装置，监测极为不便，因此需要一种无需佩戴的呼吸信号获取方法来实现对有需要的人群的呼吸信号的准确提取。
【发明内容】
[0008]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于聚类算法来提取呼吸信号的方法及系统，以实现对有需要的人群睡眠时的呼吸进行监控。
[0009]为实现上述目的及其他相关目的，本发明提供一种基于聚类算法来提取呼吸信号的方法，其至少包括:
[0010]对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号;
[0011]基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；
[0012]对每一聚类簇进行特征分析以获得呼吸信号。
[0013]本发明还提供一种基于聚类算法来提取呼吸信号的提取系统，其至少包括:
[0014]划分模块，用于对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号；
[0015]聚类模块，用于基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；
[0016]分析模块，用于对每一聚类簇进行特征分析以获得呼吸信号。
[0017]优选地,所述聚类算法包括k-means算法。
[0018]优选地，基于分类算法对每一聚类簇进行特征分析以确定待提取频段。
[0019]优选地，所述相关信号包括床垫式生命监测仪所采集的信号。
[0020]如上所述，本发明的基于聚类算法来提取呼吸信号的方法及系统，具有以下有益效果:能在对被监测人员无任何影响的前提下，实现对被监测人员睡眠时的呼吸进行监测，从而筛查出睡眠呼吸暂停综合征患者。
【附图说明】
[0021]图1显示为本发明的基于聚类算法来提取呼吸信号的方法的流程图。
[0022]图2显示为本发明的基于聚类算法来提取呼吸信号的提取系统示意图。
[0023]元件标号说明
[0024]I提取系统
[0025]11 划分模块
[0026]12 聚类模块
[0027]13 分析模块
[0028]SI ?S3 步骤
【具体实施方式】
[0029]以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的【具体实施方式】加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
[0030]请参阅图1至图2。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0031]如图1所示，本发明提供一种基于聚类算法来提取呼吸信号的方法。其中，根据本发明的方法主要通过提取系统来完成，该提取系统包括但不限于安装在计算机设备中且能够实现本发明方案的诸如应用模块。
[0032]在步骤SI中，所述提取系统对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号。
[0033]其中，所述相关信息为与呼吸信号相关的信息，优选地，包括但不限于:由床垫式生命监测仪所采集的信号等。
[0034]具体地，所述提取系统预先通过对已知的呼吸信号的频谱进行分析，获取呼吸信号所在的频率范围；随后将每一相关信号分为三个频段，再基于呼吸信号所在的频率范围将不包含呼吸信号的各频段去除。
[0035]接着，在步骤S2中，所述提取系统基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇。
[0036]优选地，所述提取系统采用k-means算法来进行聚类操作。
[0037]其中，k-means算法接受输入量k ;然后将η个数据对象划分为k个聚类以便使得所获得的聚类满足:同一聚类簇中的对象相似度较高；而不 同聚类簇中的对象相似度较小。聚类相似度是利用各聚类簇中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。
[0038]k-means算法的工作过程如下:
[0039]首先从η个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类簇；
[0040]然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)；不断重复这一过程直到标准测度函数开始收敛为止。
[0041]一般都采用均方差作为标准测度函数，k个聚类簇具有以下特点:各聚类簇本身尽可能的紧凑，而各聚类簇之间尽可能的分开。
[0042]K-means算法应用广泛，收敛速度快，能扩展应用于大规模的数据集。
[0043]接着，在步骤S3中，所述提取系统对每一聚类簇进行特征分析以获得呼吸信号。
[0044]其中，所述提取系统可基于分类算法对每一聚类簇进行特征分析以确定待提取频段；其中，分类算法优选采用支持向量机理论的算法。
[0045]具体地，所述提取系统先利用已知的呼吸波进行训练，然后将经过K-means算法之后的每一聚类簇数据利用支持向量机进行计算，不断完善正确率，由此获得呼吸信号
[0046]如图2所示，本发明提供一种基于聚类算法来提取呼吸信号的提取系统。该提取系统I至少包括:划分模块11、聚类模块12、及分析模块13。
[0047]所述划分模块11对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号。
[0048]其中，所述相关信息为与呼吸信号相关的信息，优选地，包括但不限于:由床垫式生命监测仪所采集的信号等。
[0049]具体地，所述划分模块11预先通过对已知的呼吸信号的频谱进行分析，获取呼吸信号所在的频率范围；随后将每一相关信号分为三个频段，再基于呼吸信号所在的频率范围将不包含呼吸信号的各频段去除。
[0050]接着，所述聚类模块12基于聚类算法对每一频段信号进行聚类以获得多个聚类簇。
[0051]优选地，所述提取系统采用k-means算法来进行聚类操作。
[0052]其中，k-means算法在图1所示的实施例中已经详述，并以引用的方式包含于此，不再重述。
[0053]接着，所述分析模块13对所述多个聚类簇进行特征分析以获得呼吸信号。
[0054]其中，所述分析模块13可基于分类算法对每一聚类簇进行特征分析以确定待提取频段；其中，分类算法优选采用支持向量机理论的算法。
[0055]具体地，所述分析模块13先利用已知的呼吸波进行训练，然后将经过K-means算法之后的每一聚类簇数据利用支持向量机进行计算，不断完善正确率，由此获得呼吸信号。
[0056]综上所述，本发明的基于聚类算法来提取呼吸信号的方法及系统采用聚类算法对床垫式生命监测仪所采集的相关信息进行聚类后再分析，由此可实现对被监测人员呼吸波形的进行精确的提取，进而能实现对睡眠呼吸暂停综合征的筛查；由于采用的是床垫式生命监测仪提供的信息，故对被监测人员无任何影响，能有效实现长期监测。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0057]上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1.一种基于聚类算法来提取呼吸信号的方法，其特征在于，所述基于聚类算法来提取呼吸信号的方法至少包括: 对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号; 基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇； 对每一聚类簇进行特征分析以获得呼吸信号。2.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:所述聚类算法包括k-means算法。3.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:基于分类算法对每一聚类簇进行特征分析以确定待提取频段。4.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:所述相关信号包括床垫式生命监测仪所采集的信号。5.一种基于聚类算法来提取呼吸信号的提取系统，其特征在于，所述基于聚类算法来提取呼吸信号的提取系统至少包括: 划分模块，用于对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号； 聚类模块，用于基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇； 分析模块，用于对每一聚类簇进行特征分析以获得呼吸信号。6.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述聚类算法包括k-means算法。7.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述分析模块基于分类算法对每一聚类簇进行特征分析以确定待提取频段。8.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述相关信号包括床垫式生命监测仪所采集的信号。
【专利摘要】本发明提供一种基于聚类算法来提取呼吸信号的方法及系统。根据本发明的方法，首先，对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号；接着基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；随后对每一聚类簇进行特征分析以获得呼吸信号，由于相关信息来自床垫式生命监测仪所采集的信号，故可以在对被监测人员无任何影响的前提下，实现对被监测人员睡眠时的呼吸进行监测，从而筛查出睡眠呼吸暂停综合征患者。
【IPC分类】A61B5/08
【公开号】CN104905791
【申请号】CN201410088719
【发明人】马志新
【申请人】上海宽带技术及应用工程研究中心
【公开日】2015年9月16日
【申请日】2014年3月11日
【技术领域】
[0001]本发明涉及呼吸特征分析领域，特别是涉及一种基于聚类算法来提取呼吸信号的方法及系统。
【背景技术】
[0002]随着人们生活水平的提高，对健康问题的关注度开始上升，尤其是睡眠质量问题。常见的不健康的睡眠情况包括:睡眠打鼾、张口呼吸、甚至出现呼吸暂时停止、睡眠中反复憋醒，睡眠不宁、经常发生夜间心绞痛及心律失常等。
[0003]而睡眠呼吸暂停综合症是一种在中老年人群中发病率较高的疾病。打鼾即打呼噜，是该疾病的主要表现。普通打呼噜者的呼噜声均匀规律，一般在平卧位睡眠、劳累或饮酒后出现。如果呼噜声响亮而不规律，时断时续，声音忽高忽低，就标志着气道狭窄加重，有气道阻塞发生，便会引起呼吸暂停。如果一夜中呼吸暂停发生30次以上，或平均每小时发生5次以上，患者就会反复从睡眠中憋醒，医学上将其称之为睡眠呼吸暂停综合征。由于患者睡眠中反复憋醒，会导致睡醒后头痛、血压升高、夜间心绞痛、心律紊乱、睡觉不解乏、白天困倦、嗜睡、记忆力减退、反应迟钝、工作能力降低等。
[0004]目前，睡眠呼吸暂停综合征必须通过多导睡眠图检测才能够确诊，而整夜的睡眠呼吸检测往往需要在人体鼻腔或者头部佩戴相关仪器，有些专业仪器则需要在医疗场所指定的环境内进行监测，往往不能达到长期监测的目的。
[0005]例如，在申请号为201010120237.5的中国专利文献中，公开了一种监测睡眠呼吸暂停的装置，该装置由呼吸传感器、电压信号放大器、整形电路、时间鉴别电路和脉冲发生器构成。其中，该呼吸传感器需要放置在被监测人员的鼻腔。
[0006]又例如，在申请号为201110355375.6的中国专利文献中，公开了一种家庭环境中睡眠呼吸暂停综合征的筛查系统。该筛查系统包括鼾声数据获取模块、鼾声处理模块、及判别模块。其中，该鼾声数据获取模块需要将非接触单向麦克风佩戴并置于被监测人员的口鼻上方。
[0007]由于现有监测方式均需要被监测人员佩戴相关装置，监测极为不便，因此需要一种无需佩戴的呼吸信号获取方法来实现对有需要的人群的呼吸信号的准确提取。
【发明内容】
[0008]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于聚类算法来提取呼吸信号的方法及系统，以实现对有需要的人群睡眠时的呼吸进行监控。
[0009]为实现上述目的及其他相关目的，本发明提供一种基于聚类算法来提取呼吸信号的方法，其至少包括:
[0010]对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号;
[0011]基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；
[0012]对每一聚类簇进行特征分析以获得呼吸信号。
[0013]本发明还提供一种基于聚类算法来提取呼吸信号的提取系统，其至少包括:
[0014]划分模块，用于对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号；
[0015]聚类模块，用于基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；
[0016]分析模块，用于对每一聚类簇进行特征分析以获得呼吸信号。
[0017]优选地,所述聚类算法包括k-means算法。
[0018]优选地，基于分类算法对每一聚类簇进行特征分析以确定待提取频段。
[0019]优选地，所述相关信号包括床垫式生命监测仪所采集的信号。
[0020]如上所述，本发明的基于聚类算法来提取呼吸信号的方法及系统，具有以下有益效果:能在对被监测人员无任何影响的前提下，实现对被监测人员睡眠时的呼吸进行监测，从而筛查出睡眠呼吸暂停综合征患者。
【附图说明】
[0021]图1显示为本发明的基于聚类算法来提取呼吸信号的方法的流程图。
[0022]图2显示为本发明的基于聚类算法来提取呼吸信号的提取系统示意图。
[0023]元件标号说明
[0024]I提取系统
[0025]11 划分模块
[0026]12 聚类模块
[0027]13 分析模块
[0028]SI ?S3 步骤
【具体实施方式】
[0029]以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的【具体实施方式】加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
[0030]请参阅图1至图2。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0031]如图1所示，本发明提供一种基于聚类算法来提取呼吸信号的方法。其中，根据本发明的方法主要通过提取系统来完成，该提取系统包括但不限于安装在计算机设备中且能够实现本发明方案的诸如应用模块。
[0032]在步骤SI中，所述提取系统对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号。
[0033]其中，所述相关信息为与呼吸信号相关的信息，优选地，包括但不限于:由床垫式生命监测仪所采集的信号等。
[0034]具体地，所述提取系统预先通过对已知的呼吸信号的频谱进行分析，获取呼吸信号所在的频率范围；随后将每一相关信号分为三个频段，再基于呼吸信号所在的频率范围将不包含呼吸信号的各频段去除。
[0035]接着，在步骤S2中，所述提取系统基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇。
[0036]优选地，所述提取系统采用k-means算法来进行聚类操作。
[0037]其中，k-means算法接受输入量k ;然后将η个数据对象划分为k个聚类以便使得所获得的聚类满足:同一聚类簇中的对象相似度较高；而不 同聚类簇中的对象相似度较小。聚类相似度是利用各聚类簇中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。
[0038]k-means算法的工作过程如下:
[0039]首先从η个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类簇；
[0040]然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)；不断重复这一过程直到标准测度函数开始收敛为止。
[0041]一般都采用均方差作为标准测度函数，k个聚类簇具有以下特点:各聚类簇本身尽可能的紧凑，而各聚类簇之间尽可能的分开。
[0042]K-means算法应用广泛，收敛速度快，能扩展应用于大规模的数据集。
[0043]接着，在步骤S3中，所述提取系统对每一聚类簇进行特征分析以获得呼吸信号。
[0044]其中，所述提取系统可基于分类算法对每一聚类簇进行特征分析以确定待提取频段；其中，分类算法优选采用支持向量机理论的算法。
[0045]具体地，所述提取系统先利用已知的呼吸波进行训练，然后将经过K-means算法之后的每一聚类簇数据利用支持向量机进行计算，不断完善正确率，由此获得呼吸信号
[0046]如图2所示，本发明提供一种基于聚类算法来提取呼吸信号的提取系统。该提取系统I至少包括:划分模块11、聚类模块12、及分析模块13。
[0047]所述划分模块11对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号。
[0048]其中，所述相关信息为与呼吸信号相关的信息，优选地，包括但不限于:由床垫式生命监测仪所采集的信号等。
[0049]具体地，所述划分模块11预先通过对已知的呼吸信号的频谱进行分析，获取呼吸信号所在的频率范围；随后将每一相关信号分为三个频段，再基于呼吸信号所在的频率范围将不包含呼吸信号的各频段去除。
[0050]接着，所述聚类模块12基于聚类算法对每一频段信号进行聚类以获得多个聚类簇。
[0051]优选地，所述提取系统采用k-means算法来进行聚类操作。
[0052]其中，k-means算法在图1所示的实施例中已经详述，并以引用的方式包含于此，不再重述。
[0053]接着，所述分析模块13对所述多个聚类簇进行特征分析以获得呼吸信号。
[0054]其中，所述分析模块13可基于分类算法对每一聚类簇进行特征分析以确定待提取频段；其中，分类算法优选采用支持向量机理论的算法。
[0055]具体地，所述分析模块13先利用已知的呼吸波进行训练，然后将经过K-means算法之后的每一聚类簇数据利用支持向量机进行计算，不断完善正确率，由此获得呼吸信号。
[0056]综上所述，本发明的基于聚类算法来提取呼吸信号的方法及系统采用聚类算法对床垫式生命监测仪所采集的相关信息进行聚类后再分析，由此可实现对被监测人员呼吸波形的进行精确的提取，进而能实现对睡眠呼吸暂停综合征的筛查；由于采用的是床垫式生命监测仪提供的信息，故对被监测人员无任何影响，能有效实现长期监测。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0057]上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1.一种基于聚类算法来提取呼吸信号的方法，其特征在于，所述基于聚类算法来提取呼吸信号的方法至少包括: 对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号; 基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇； 对每一聚类簇进行特征分析以获得呼吸信号。2.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:所述聚类算法包括k-means算法。3.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:基于分类算法对每一聚类簇进行特征分析以确定待提取频段。4.根据权利要求1所述的基于聚类算法来提取呼吸信号的方法，其特征在于:所述相关信号包括床垫式生命监测仪所采集的信号。5.一种基于聚类算法来提取呼吸信号的提取系统，其特征在于，所述基于聚类算法来提取呼吸信号的提取系统至少包括: 划分模块，用于对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号； 聚类模块，用于基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇； 分析模块，用于对每一聚类簇进行特征分析以获得呼吸信号。6.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述聚类算法包括k-means算法。7.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述分析模块基于分类算法对每一聚类簇进行特征分析以确定待提取频段。8.根据权利要求5所述的基于聚类算法来提取呼吸信号的提取系统，其特征在于:所述相关信号包括床垫式生命监测仪所采集的信号。
【专利摘要】本发明提供一种基于聚类算法来提取呼吸信号的方法及系统。根据本发明的方法，首先，对获取的多个相关信号中的每一个都进行频段划分及降维处理以获得多个频段信号；接着基于聚类算法对所述多个频段信号进行聚类以获得多个聚类簇；随后对每一聚类簇进行特征分析以获得呼吸信号，由于相关信息来自床垫式生命监测仪所采集的信号，故可以在对被监测人员无任何影响的前提下，实现对被监测人员睡眠时的呼吸进行监测，从而筛查出睡眠呼吸暂停综合征患者。
【IPC分类】A61B5/08
【公开号】CN104905791
【申请号】CN201410088719
【发明人】马志新
【申请人】上海宽带技术及应用工程研究中心
【公开日】2015年9月16日
【申请日】2014年3月11日
最新回复(0)