1.一种基于方向信息的腹部CT图像肝脏区域自动分割方法，其特征在于，包括以下步骤：

(1)建立包含原始CT图像和肝脏区域手动分割结果的训练数据集A；

(2)根据肝脏区域手动分割结果，获取图像中每个像素指向肝脏边界的方向，建立包含原始CT图像和方向信息的训练数据集B，其中，指向肝脏边界的方向信息获取过程如下：(a)根据肝脏手动分割结果，分别提取肝脏区域L的边缘像素集EL和非肝脏区域G中的边缘像素集EG；

(b)对于图像中每一个像素p，若p∈L，则从边缘像素集EG中寻找与其欧氏距离最近的像素ep；若p∈G，则从像素集EL中寻找与其欧氏距离最近的像素ep；

(c)根据像素点p和ep的相对位置关系，采用如下公式计算p指向肝脏边界的方向：其中，(xp,yp)和(xep,yep)分别表示像素p和ep的行坐标和列坐标；

(3)分别将训练数据集A和B输入深度神经网络模型进行训练，得到权重参数不同的两种模型，分别记作NA和NB；

(4)将待检测CT图像分别输入已训练的模型NA和NB，得到肝脏初始分割结果和指向肝脏边界的方向信息；

(5)利用方向信息指导肝脏初始分割结果进行收缩或扩张，得到最终的肝脏区域精确分割结果，具体包括：

(a)提取肝脏初始分割结果中的边缘像素集P＝{pi|i＝1,2,…,n}，其中n为边缘像素数目；

(b)对于每一个像素pi∈P，根据其方向信息搜索其指向的下一个像素pj，计算像素pi和pj的方向差值D＝|αi‑αj|，其中αi和αj分别为像素pi和pj的方向信息；

(c)若方向差值D小于预设阈值T，则表明像素pi和pj的方向信息相似，二者同位于真实肝脏边界外侧，即非肝脏区域，或内侧，即肝脏区域，此时，需根据像素pj的初始分割结果对肝脏区域进行收缩或扩张，具体步骤如下：若像素pj在初始分割结果中被判定为肝脏，则将像素pi更新为非肝脏，使分割结果向内收缩；若像素pj在初始分割结果中被判定为非肝脏，则将像素pj更新为肝脏，使分割结果向外扩张；

(d)若方向差值D大于或等于预设阈值T,则表明像素pi和pj的方向信息差异较大，二者正好位于真实肝脏边界两侧，此时像素pi和pj的所属类别均保持不变；

(e)根据更新后的肝脏区域分割结果，重新获取边缘像素集P，重复步骤(b)～(d)，直到肝脏分割结果中所有的边缘像素pi与其所指向的下一个像素pj的方向信息的差值均大于或等于预设阈值T。

2.如权利要求1所述的基于方向信息的腹部CT图像肝脏区域自动分割方法，其特征在于：在步骤(3)中，深度学习网络模型优选UNet或DeepLabv3+。

3.如权利要求1所述的基于方向信息的腹部CT图像肝脏区域自动分割方法，其特征在于：在步骤(3)中，训练网络模型NA和NB时，损失函数分别优选Dice和均方差损失函数，其中Dice损失函数定义为：

其中， 为采用网络模型NA对CT图像中第k个像素进行肝脏区域预测的结果，yk为CT图像中第k个像素的肝脏手动分割结果，N为CT图像中像素点的数目；均方差损失函数则定义为：

其中， 为采用网络模型NB对图像中第k个像素进行方向信息预测的结果，gk为根据肝脏手动分割结果计算得到的图像中第k个像素指向肝脏边界的方向信息。

4.如权利要求1所述的基于方向信息的腹部CT图像肝脏区域自动分割方法，其特征在于：在步骤(5)中，根据像素pi的方向信息搜索其指向的下一个像素pj的过程，具体为：首先将pi所有可能的方向信息等分为8个区间，其分别对应于像素pi的8个邻域像素，然后根据像素pi的具体方向信息αi所处区间，获取其所指向像素pj的坐标(xj,yj)：其中，xi和yi分别表示像素pi的行坐标和列坐标。

5.如权利要求1所述的基于方向信息的腹部CT图像肝脏区域自动分割方法，其特征在于：T优选π/3～2π/3之间的常数。