1.一种腹部CT序列图像病变肝脏分割方法，其特征在于包括以下步骤：(1)对输入腹部CT序列图像进行肝脏初分割，具体包括以下步骤：a.选取病变肝脏初始切片，构建水平集能量函数：

其中，x和y为CT图像Ω中的像素点，I(x)为Ω中x的灰度值， 为非负窗函数，ci，i＝1,2分别代表以y为圆心、r为半径的圆形区域中目标和背景的平均灰度，b(·)为灰度偏移场， 表示零水平集φ(x)的内、外区域，H(·)为Heaviside函数， 为周长项， 为距离正则化项，参数υ和μ分别为用于控制周长项L(φ)和距离正则化项Rp(φ)的权重，利用梯度下降法最小化该能量函数，并保留演化结果的最大连通域作为初始切片肝脏初分割结果；

b.以初始切片为起点，以相邻切片分割结果为位置约束，构建非初始切片水平集能量函数：其中， 为腹部CT序列中第j张切片的肝脏分割位置约束，Ij‑1和Ij+1为相邻切片肝脏分割结果，通过迭代方式分别向上、向下分割序列中的非初始切片，保留演化结果中面积大于Tp个像素的区域作为病变肝脏初分割结果；

(2)基于肝脏稀疏形状组合，完成病变肝脏形状校正，具体包括以下步骤：a.对专家手动分割的M个病人的肝脏CT序列切片分别进行三维重建，并分别构建顶点

3N

数为N的肝脏三角网格，以网格顶点为字典元素，获得肝脏字典原子di∈R ，i＝1,2,…,M，构建大小为3N×M的肝脏形状字典D，以第一个肝脏原子d1为参考，将剩余肝脏原子dq与d1对齐，实现网格顶点的一一对应，其中q＝2,3,…,M；

b.对病变肝脏CT序列初分割结果进行三维重建，并构建顶点数为N的病变肝脏三角网

3N

格，利用网格顶点向量v,v∈R 表示待校正病变肝脏形状，并将其与第一个肝脏原子d1对齐，实现网格顶点的一一对应；

c.构建稀疏形状组合残差函数

M

其中，T(v,β)表示对v进行以β为参数的全局变换，x＝[x1,x2,…,xM]∈R 为稀疏系数，e

3N

∈R 表示待校正病变肝脏形状欠分割部分，D为肝脏形状字典，λ1、λ2为常数，用于控制x和e的稀疏性；利用简单快速迭代收缩阈值算法最小化该残差函数，求得x、e和β，获得校正的病变肝脏三角网格v'＝T'(Dx‑e,β)，其中，T'(·)表示T(·)的反变换；

d.体素化校正后的病变肝脏三维网格v'，并得到对应的肝脏切片形状校正结果；

(3)基于形状先验构建图割能量函数，优化病变肝脏分割结果，实现病变肝脏的最终分割，具体包括以下步骤：a.根据病变肝脏切片初分割结果及其形状校正结果获取病变肝脏形状先验其中，fp表示CT切片f中的像素点p，Llevel‑set和Lssc分别表示对应切片病变肝脏初分割结果和形状校正结果；

b.基于病变肝脏形状先验，构建图割能量函数E(f)，其中，I(fp)为灰度项，Sprior(fp)为形状先验，B(fp,fq)为边界惩罚项，α为控制灰度项和边界项的权值，P为图像f中所有像素的集合，Np为像素点p的邻域像素集合，Ip为像素p的灰度值，d(p,q)为像素p和q的欧式距离，SP为像素集P中像素点个数；

c.利用最大流‑最小割算法最小化图割能量函数，获得病变肝脏优化分割结果，完成病变肝脏的最终分割。

2.如权利要求1所述的一种腹部CT序列图像病变肝脏分割方法，其特征在于，所述的第(1)步中，CT序列中的初始切片位于整个CT序列自上而下的三分之一至五分之二处，且无肝脏断裂现象。

3.如权利要求1所述的一种腹部CT序列图像病变肝脏分割方法，其特征在于，所述的第(1)步中，υ和μ都为大于0的常数，r和Tp都为大于0的整数。

4.如权利要求1所述的一种腹部CT序列图像病变肝脏分割方法，其特征在于，所述的第(2)步中，N和M都为大于0的整数，λ1为大于0的常数，λ2为大于0小于1的常数。

5.如权利要求1所述的一种腹部CT序列图像病变肝脏分割方法，其特征在于，所述的第(3)步中，α为大于0小于1的常数。