1.一种用于阴道管的协同分割方法，其特征在于，包括：

按照预设步长获取阴道管的多张阴道管医学影像并进行预处理，确定多张阴道管目标影像；

基于各所述阴道管目标影像进行多通道特征提取和跨纬度特征交互，输出多个阴道管区域的综合特征；

根据各所述综合特征进行阴道管参数化建模生成目标阴道管三维形态模型，对所述目标阴道管三维形态模型进行病灶区域分割，生成多个初始病灶区域图像以及对应的初始病灶分割边界曲线；

基于各所述初始病灶区域图像确定初始适应性拓扑约束，在所述初始适应性拓扑约束的约束下对各所述初始病灶区域图像进行多方向协同分析，确定优化适应性拓扑约束；

在所述优化适应性拓扑约束的约束下根据各所述初始病灶分割边界曲线构建先验曲线，根据所述先验曲线通过自适应网格细化策略确定多个先验分割曲线；

基于所述先验曲线和各所述先验分割曲线的先验曲率分布对所述目标阴道管三维形态模型进行图像分割，并在所述优化适应性拓扑约束的约束下进行多方向协同分析，确定多个目标病灶区域图像；

对各所述目标病灶区域图像进行图像增强渲染，转换为多个阴道管病灶视觉图像。

2.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述基于各所述阴道管目标影像进行多通道特征提取和跨纬度特征交互，输出多个阴道管区域的综合特征，包括：将各所述阴道管目标影像分别进行多通道特征提取，得到各所述阴道管目标影像的多个通道特征；

按照各所述阴道管目标影像将关联的通道特征依次输入跨纬度交互模型进行特征处理，得到各所述阴道管目标影像的多个阴道管变化敏感区域图像；

采用聚类分析算法对各所述阴道管变化敏感区域图像进行分类，确定多个阴道管区域；

根据边缘检测算法对各所述阴道管区域的阴道管变化敏感区域图像进行边缘检测，得到各所述阴道管区域的多个初始轮廓；

将各所述阴道管区域的初始轮廓进行拼接，得到各所述阴道管区域的初始轮廓序列；

通过预设的第一时序模型分别对各初始轮廓序列进行时序特征提取，输出各阴道管区域的动态变化特征；

采用预设的第二时序模型分别检测各初始轮廓序列中相邻的初始轮廓间的数据差异值，将大于或等于预设容差值的数据差异值关联的相对较后的初始轮廓构成各所述阴道管区域的形状特征；

分别将各阴道管区域的形状特征和动态变化特征转换为相同维度后进行拼接，输出各阴道管区域的综合特征。

3.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述根据各所述综合特征进行阴道管参数化建模生成目标阴道管三维形态模型，对所述目标阴道管三维形态模型进行病灶区域分割，生成多个初始病灶区域图像以及对应的初始病灶分割边界曲线，包括：通过泊松融合算法对各所述综合特征进行融合，得到四维特征数组；

将所述四维特征数组的元素视为最小生成树中的节点，采用最小树生成算法对所述四维特征数组进行参数化处理，输出所述阴道管的几何形状和拓扑结构；

对各所述综合特征分别进行曲线拟合，得到多个平滑曲线；

采用各所述平滑曲线、所述几何形状和所述拓扑结构，基于表面重建技术构建出初始阴道管三维形态模型;通过自校准卷积对所述初始阴道管三维形态模型进行病灶区域特征增强，得到目标阴道管三维形态模型；

采用U‑net网络对所述目标阴道管三维形态模型进行病灶区域分割，确定多个初始病灶区域图像和对应的初始病灶区域分割边界曲线。

4.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述基于各所述初始病灶区域图像确定初始适应性拓扑约束，在所述初始适应性拓扑约束的约束下对各所述初始病灶区域图像进行多方向协同分析，确定优化适应性拓扑约束，包括：采用最小图割算法对各所述初始病灶区域图像进行图像分割，得到多个初始分割病灶区域图像和多个初始割集；

对各所述初始分割病灶区域图像和各所述初始割集进行图像特征分析，确定初始适应性拓扑约束；

在初始适应性拓扑约束的约束下对各所述初始病灶区域图像分别进行不同方向的特征提取，输出各所述初始病灶区域图像的多个方向分析结果；

若在任一相同方向的方向分析结果之间均满足预设一致性差异范围，则将所述初始适应性拓扑约束作为正则项构建初始能量泛函；

采用变分法确定所述初始能量泛函的极值条件，并通过梯度下降法根据所述极值条件迭代求解所述初始能量泛函，输出优化割集；

按照所述优化割集采用最小图割算法对所述目标阴道管三维形态模型进行图像分割，得到多个中间病灶区域图像；

采用各所述初始病灶区域图像和对应的中间病灶区域图像计算交并比；

若任一所述交并比均大于交并比阈值，则将初始适应性拓扑约束作为优化适应性拓扑约束；

若在任一相同方向的方向分析结果之间不满足预设一致性差异范围或任一所述交并比小于或等于交并比阈值，则分别将各所述初始病灶区域图像的对应的方向分析结果输入跨纬度交互模型进行特征处理，输出各所述初始病灶区域图像的多个优化融合方向分析结果；

采用各所述优化融合方向分析结果拼接生成优化多方向协同结果，并将所述优化多方向协同结果输入注意力模型，输出方向加权特征；

将所述方向加权特征与所述初始适应性拓扑约束进行加权，得到新的初始适应性拓扑约束，并实时统计更新次数；

若所述更新次数等于预设次数阈值，则将初始适应性拓扑约束作为优化适应性拓扑约束；

若所述更新次数小于预设次数阈值，在初始适应性拓扑约束的约束下确定各所述初始病灶区域图像新的多个方向分析结果，直至任一相同方向的方向分析结果之间均满足预设一致性差异范围或者更新次数等于预设次数阈值。

5.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述在所述优化适应性拓扑约束的约束下根据各所述初始病灶分割边界曲线构建先验曲线，根据所述先验曲线通过自适应网格细化策略确定多个先验分割曲线，包括：从各所述初始病灶分割边界曲线中分别提取多个离散点，在所述优化适应性拓扑约束的约束下，采用贝塞尔曲线基于各所述离散点生成先验曲线；

将所述先验曲线输入卷积神经网络，输出曲线残差；

将所述曲线残差作为正则化项修正所述先验曲线，得到校准曲线；

对所述校准曲线进行滤波，输出多个尺度的尺度曲线；

对各所述尺度曲线进行曲率计算，确定各尺度的曲率分布；

从各所述曲率分布中提取出高曲率点和拐点，在所述校准曲线中对各所述高曲率点和各所述拐点所在区域进行自适应网格细化，确定细化曲线；

采用最小图割算法对所述细化曲线进行图像分割，确定细化分割曲线；

采用所述先验曲线分别与各所述细化分割曲线计算误差，采用多个所述误差构成误差分布；

当所述误差分布不满足预设的误差条件时，在所述细化曲线中根据所述误差分布进行自适应网格细化和控制点密度调整，确定新的细化曲线，直至误差分布满足预设的误差条件，将所述细化分割曲线确定为先验分割曲线。

6.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述基于所述先验曲线和各所述先验分割曲线的先验曲率分布对所述目标阴道管三维形态模型进行图像分割，并在所述优化适应性拓扑约束的约束下进行多方向协同分析，确定多个目标病灶区域图像，包括：对所述先验曲线和各所述先验分割曲线进行多尺度曲率分析，对应得到多个先验曲率分布；

通过样条曲线拟合技术分别对所述先验曲线和各所述先验分割曲线的先验曲率分布进行拟合，得到多个样条曲线；

采用各所述样条曲线的曲率变化率进行拟合得到曲率变化函数，并将所述曲率变化函数作为正则项构建得到曲率能量泛函；

通过最小图割算法基于所述曲率能量泛函对所述目标阴道管三维形态模型进行图像分割，得到多个曲率病灶区域图像；

在优化适应性拓扑约束的约束下对各所述曲率病灶区域图像分别进行不同方向的特征提取，输出各所述曲率病灶区域图像的多个曲率方向分析结果；

若在任一相同方向的曲率方向分析结果之间均满足预设一致性差异范围，则将优化适应性拓扑约束作为正则项构建目标能量泛函；

若在任一相同方向的方向分析结果之间不满足预设一致性差异范围，则分别将各所述曲率病灶区域图像的曲率方向分析结果输入跨纬度交互模型进行特征处理，输出各所述曲率病灶区域图像的多个曲率融合方向分析结果并拼接生成曲率多方向协同结果；

将所述曲率多方向协同结果输入注意力模型得到的曲率方向加权特征，与所述优化适应性拓扑约束进行加权，得到新的优化适应性拓扑约束，并实时统计优化更新次数；

若所述优化更新次数等于预设优化次数阈值，则将新的优化适应性拓扑约束作为正则项构建目标能量泛函；

若所述优化更新次数小于预设优化次数阈值，在优化适应性拓扑约束的约束下确定各所述曲率病灶区域图像新的多个曲率方向分析结果，直至任一相同方向的曲率方向分析结果之间均满足预设一致性差异范围或者优化更新次数等于预设优化次数阈值；

采用最小图割算法基于所述目标能量泛函对所述目标阴道管三维形态模型进行图像分割，得到多个优化病灶区域图像；

若任一所述优化病灶区域图像的曲率分布的标准偏差未满足收敛条件，则根据各所述曲率病灶区域图像的曲率多方向协同结果确定新的优化适应性拓扑约束，直至任一所述优化病灶区域图像的曲率分布的标准偏差均满足预设收敛条件或所述优化更新次数等于预设优化次数阈值，则将所述优化病灶区域图像确定为目标病灶区域图像。

7.根据权利要求2、4或6所述的用于阴道管的协同分割方法，其特征在于，所述跨纬度交互模型的特征处理过程包括：对关联输入的多个输入特征进行全排列组合，得到多个特征组合；

按照排序分别将各所述特征组合中的输入特征划分为多个加权特征和融合特征；

分别将各所述特征组合中的各加权特征进行加权求和后，与对应的融合特征进行通道拼接，对应得到各所述特征组合的拼接特征；

通过跨纬度注意力机制分别对各所述拼接特征进行关键区域特征提取，得到多个输出特征。

8.根据权利要求1所述的用于阴道管的协同分割方法，其特征在于，所述对各所述目标病灶区域图像进行图像增强渲染，转换为多个阴道管病灶视觉图像，包括：对各所述目标病灶区域图像进行高斯平滑滤波和形态学开闭运算，输出多个修正病灶区域图像；

采用各所述修正病灶区域图像与对应的标准病灶区域图像计算分割精度；

若任一所述分割精度未满足预期分割标准，则将各所述修正病灶区域图像作为新的目标病灶区域图像，直至分割精度满足预期分割标准则确定为目标阴道管分割病灶图像；

通过图像渲染技术将各所述目标阴道管分割病灶图像转换为阴道管病灶视觉图像。

9.一种用于阴道管的协同分割系统，其特征在于，包括：

影像处理模块，用于按照预设步长获取阴道管的多张阴道管医学影像并进行预处理，确定多张阴道管目标影像；

特征提取模块，用于基于各所述阴道管目标影像进行多通道特征提取和跨纬度特征交互，输出多个阴道管区域的综合特征；

初步分割模块，用于根据各所述综合特征进行阴道管参数化建模生成目标阴道管三维形态模型，对所述目标阴道管三维形态模型进行病灶区域分割，生成多个初始病灶区域图像以及对应的初始病灶分割边界曲线；

约束优化模块，用于基于各所述初始病灶区域图像确定初始适应性拓扑约束，在所述初始适应性拓扑约束的约束下对各所述初始病灶区域图像进行多方向协同分析，确定优化适应性拓扑约束；

曲线优化模块，用于在所述优化适应性拓扑约束的约束下根据各所述初始病灶分割边界曲线构建先验曲线，根据所述先验曲线通过自适应网格细化策略确定多个先验分割曲线；

目标分割模块，用于基于所述先验曲线和各所述先验分割曲线的先验曲率分布对所述目标阴道管三维形态模型进行图像分割，并在所述优化适应性拓扑约束的约束下进行多方向协同分析，确定多个目标病灶区域图像；

可视化模块，用于对各所述目标病灶区域图像进行图像增强渲染，转换为多个阴道管病灶视觉图像。

10.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1‑8任一项所述的用于阴道管的协同分割方法的步骤。