1.一种基于测地线距离和V‑net的交互式肝脏分割方法，其特征在于：具体步骤如下：一种基于测地线距离和V‑net的交互式肝脏分割方法，具体步骤如下：采用W/L调窗算法对DICOM格式的肝脏图像进行对比度设置，其中W/L调窗算法可分为以下三个步骤：

1)将DICOM格式的肝脏图像的DICOM值转为亨氏单位HU：HU＝D*RS+RI                                      (1)其中，HU为DICOM格式的肝脏图像的DICOM值转化后的输出值；D为肝脏图像的DICOM值，RS为重新调节斜率值，RI为重新调节截距值；

2)计算DICOM格式的肝脏图像的空间位置的映射区间最小值和最大值，映射公式为：min＝(2*WC‑WW)/2.0                              (2)max＝(2*WC+WW)/2.0                              (3)其中，min为映射区间最小值，max为映射区间最大值，WW为窗宽，WC为窗口中心，窗宽值设置为150‑250HU，窗口中心值设置为100‑200HU；

3)将HU映射到灰度区间[0，255]为：

其中，g为调窗后的输出图像，并使用δ＝0.5的高斯滤波器对DICOM格式的肝脏图像进行去噪处理，抑制无用信息，将DICOM格式的肝脏图像的灰度像素调整至[0，255]范围内，分辨率大小为512×512；

步骤二、训练网络并进行初步分割

将bmp格式的原始肝脏图像I进行缩放，尺寸变为256×256大小，并将若干病例影像数据组成的训练集中的每个病例bmp格式的原始肝脏图像I分为若干大小为256×256×16的数据块，对于不够16层的数据块，进行补零操作，凑全16张，并对三维医学全卷积神经网络模型V‑net进行训练，即将上述训练集的数据输入到V‑net网络中，对数据进行分割，设置V‑net模型的运行参数，再将bmp格式的原始肝脏图像I输入至V‑net中得到肝脏初步分割结果Io；

步骤三、种子点选取及分水岭算法分割

以V‑net输出的肝脏初步分割结果Io为基准，对bmp格式的原始肝脏图像I标注前景点和背景点，并在其对应范围内，即前景点和背景点中最大坐标值所构成的区域，使用分水岭算法进行分割形成M个区域块Ri,i＝1,2,...,M，得到互不重叠的分水岭区域块；

步骤四、建立邻接矩阵

把步骤三分水岭算法分割后形成的每个区域块单独作为一个样本点，统计出周围相邻区域块的标签值，形成邻接矩阵L，统计过程如下：

1)把分水岭算法生成的标签矩阵分别进行相邻行相减和相邻列相减，并生成对应矩阵A1和A2；

2)分别把A1和A2按列和行分别循环取出成对元素；

3)去除上述步骤2)中的含零以及重复的成对元素；

4)剩余成对元素即为相邻标签值，即可得到邻接矩阵L；

步骤五、建立距离矩阵

把步骤三分水岭算法分割后形成的每个区域块单独作为一个样本点，计算出各样本点的平均灰度值Hi,i＝1,2,...,M，即把区域块中各像素点的灰度值相加，除以对应像素数，就可得到平均灰度值，并把相邻两个样本点灰度差的绝对值作为两点的测地线距离，以此初始化距离矩阵，具体如下：假设未标记样本点到前景样本点和背景样本点的测地线距离分别为d1、d2，用相邻样本点之间平均灰度差的绝对值作为初始距离矩阵的边长，d1的计算过程如下，设a为前景样本点，b为未标记样本点，a与b相邻，则a与b之间的测地线距离记为：Hi,i＝1,2,...,M是各区域块的平均灰度值，a,b∈{1,2,...,M}，Ha为前景样本点a的平均灰度值，Hb为未标记样本点b的平均灰度值；

d2计算方法如同d1，这时将c设为背景样本点，带入公式(5)，即可求得d2ab：d2cb＝|Hc‑Hb|                                  (6)其中：Hi,i＝1,2,...,M是各区域块的平均灰度值，c,b∈{1,2,...,M}，Hc为背景样本点c的平均灰度值，Hb为未标记样本点b的平均灰度值；

步骤六、计算测地线距离

前景点的计算过程是将前景样本点和未标记不相邻样本点的测地线距离分别初始设为0和无穷大，构造初始化前景测地线距离矩阵D1，尺寸为M×M，并利用公式(7)、公式(8)，计算出所有未标记样本点到前景点的测地线距离；设a为前景样本点，e为未标记样本点，a与e不相邻，则a与e之间的测地线距离如下：Wxy＝|Hx‑Hy|                                (8)其中：x,x∈lae和y,y∈lae分别为待计算样本点和未标记样本点权值最小路径中两两相邻的样本点，Hi,i＝1,2,...,M是各区域块的平均灰度值，x,y∈{1,2,...,M}；

d2计算方法如同d1，这时将c设为背景样本点，将背景样本点和未标记不相邻样本点的测地线距离分别初始设为0和无穷大，构造初始化背景测地线距离矩阵，并利用公式(9)、公式(10)计算出所有未标记样本点到背景点的测地线距离，具体如下：Wxy＝|Hx‑Hy|                                (10)其中：x,x∈lce和y,y∈lce分别为待计算样本点和未标记样本点权值最小路径中两两相邻的样本点，Hi,i＝1,2,...,M是各区域块的平均灰度值，x,y∈{1,2,...,M}；

步骤七、计算样本点概率

对于任意一个为未标记样本点i，利用公式(11)、公式(12)计算出其属于前景或背景的概率，并得到分割结果IB：未标记点属于前景的概率：

未标记点属于背景的概率：

其中，d1(i)和d2(i)分别表示i相对于前景和背景样本点的测地线距离，若p1(i∈l1)＞p2(i∈l2)，表示把该点归为前景点，反之则归为背景点；

步骤八、分割结果修正

利用测地线距离交互分割结果IB替换Io中的对应区域，达到修正目的；

步骤九、输出分割结果

若对修正结果满意，则输出修正结果，若不满意，则重复上述步骤，直至满意，并输出最终肝脏分割结果。

2.根据权利要求1所述的一种基于测地线距离和V‑net的交互式肝脏分割方法，其特征‑3在于：所述步骤二中设置V‑net模型的运行参数为：初始学习率为η＝1×10 ，每经过一个周期，学习率衰减为原来的0.9倍，整个网络经过30个周期后全部完成训练，其中网络训练通过随机梯度下降法进行反向传播更新权重，权重w＝0.0005；动量因子α＝0.99；最小批次输入m＝4。

3.根据权利要求2所述的一种基于测地线距离和V‑net的交互式肝脏分割方法，其特征在于：所述一个周期为训练集中所有数据训练完一遍。