1.一种基于动态阈值的淋巴癌图像精细分割方法，其特征在于，所述方法包括以下步骤：步骤1.获取大致位置准备阶段，probs是指网络输出概率，T1是低阈值，T2是高阈值，过程如下：

1.1)获取probs中病灶概率大于T1的坐标簇C1；

1.2)获取probs中病灶概率大于T2的坐标C2；

1.3)对于每一个C1，使其与C2相与，即C1∩C2，若不为空集保留C1，否则舍弃；

步骤2.局部优化阶段，即优化C1中每一个簇，所述簇为单个病灶集合，过程如下：

2.1)对于簇的总像素点多于N1，若SUV最低值＜SUV最大值*0.41：删除这个最低值坐标；否则保存这个簇并进行下一个簇；

2.2)对于簇的总像素点少于N1，保存这次簇并进行下一个簇；

2.3)检测是否分类成两个簇，分裂则删除原先的簇并将分裂后的两个簇添加到C1中；

未分裂：下次迭代继续优化这个簇；

2.4)更新ROI；

2.5)训练过程中重复2.1)～2.4)直到C1为所述步骤1中，获取淋巴癌大致位置，在低阈值T1中表示淋巴癌低精度确保包含完整的，在高阈值T2中表示高精度确保病灶的准确性，如此能最大程度在欠分割的边缘区域得到了很好的分割效果；所述步骤2中，将SUV值低的点排除，直到SUV最低值大于SUV最大值的

41％；但是在排除过程中每隔固定间隔对剩余的簇进行监测，如果此簇分裂成两个独立的簇，则这两个簇彼此之间就不存在联系，每个簇单独按照自己内部停止标准继续优化，直到本簇内SUV最低值大于SUV最大值的41％。