1.一种基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，包括：获取肝脏增强CT影像，所述肝脏增强CT影像包括动脉期、静脉期、延迟期以及平扫期的肝脏增强CT影像；

对肝脏增强CT影像进行预处理，得到预处理的肝脏增强CT影像；

对预处理的肝脏增强CT影像进行刚性配准得到配准后的肝脏增强CT影像；

将配准后的肝脏增强CT影像作为输入，基于时间特征提取模型进行时间特征提取得到时间特征向量；

根据血管拓扑结构对配准后的肝脏增强CT影像进行分段分区得到多个肝脏分区影像；

根据多个肝脏分区影像对时间特征向量进行划分得到各个肝脏分区影像对应的分区特征向量；

将各个肝脏分区影像对应的分区特征向量作为输入，基于空间特征提取模型进行空间特征提取融合得到时间空间特征向量；

根据时间空间特征向量得到分类结果。

2.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述肝脏增强CT影像均采用相同CT参数，所述CT参数包括层厚、扫描电压。

3.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述对肝脏增强CT影像进行预处理，得到预处理的肝脏增强CT影像，包括：对肝脏增强CT影像进行高斯滤波处理，得到高斯滤波处理后的肝脏增强CT影像；

对高斯滤波处理后的肝脏增强CT影像进行空间重采样，使其均统一至固定分辨率，得到预处理的肝脏增强CT影像。

4.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述对预处理的肝脏增强CT影像进行刚性配准得到配准后的肝脏增强CT影像，包括：将静脉期的肝脏增强CT影像作为目标影像，将动脉期、延迟期的肝脏增强CT影像分别作为原始影像进行刚性配准，在刚性配准过程中利用梯度下降法逐步优化目标函数使得原始影像和目标影像的相似度度量值最小得到配准后的动脉期影像和配准后的延迟期影像；

所述静脉期的肝脏增强CT影像、配准后的动脉期影像、配准后的延迟期影像、平扫期的肝脏增强CT影像组成配准后的肝脏增强CT影像；

所述刚性配准的表达式为：

，

其中， 表示刚性配准后的影像坐标， 表示旋转矩阵， 表示刚性配准前的影像坐标，表示平移向量；

所述目标函数的表达式为：

，

其中， 表示相似度度量， 表示影像中像素点总数， 表示刚性配准前的影像在位置 处的像素值， 表示刚性配准后的影像在位置 处的像素值。

5.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述根据血管拓扑结构对配准后的肝脏增强CT影像进行分区得到多个肝脏分区影像，包括：将配准后的肝脏增强CT影像进行数据清洗得到数据清洗后的肝脏增强CT影像；将数据清洗后的肝脏增强CT影像作为输入，基于U型网络进行自动分割肝脏和血管区域，得到分割后的肝脏增强CT影像；

根据分割后的肝脏增强CT影像计算门静脉血管的距离变换矩阵，将所述距离变换矩阵中距离变换最大的像素点组成的点集作为血管中心线；

遍历血管中心线上的每一个像素点，若一像素点的邻域中包括多个分支，则判断其为分支点，相邻两分支点之间的所有像素点组成一血管段，形成血管拓扑结构图；

遍历数据清洗后的肝脏增强CT影像中的每一个像素点，计算每个像素点距离各个血管段的欧式距离，并将其归属于距离最近的血管段，形成多个肝脏分区影像。

6.根据权利要求5所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述根据分割后的肝脏增强CT影像计算门静脉血管的距离变换矩阵的表达式为：，

其中， 表示门静脉血管的距离变换矩阵， 表示像素点坐标， 表示血管边界坐标， 表示血管边界集合；

所述血管中心线的表达式为：

，

其中， 表示血管中心线；

所述血管段的表达式为：

，

其中， 表示第k个血管段， 表示血管中心线上的第i个像素点， 表示第j个分支点， 表示第j+1个分支点；

所述肝脏分区影像的表达式为：

，

其中， 表示像素点 所属的肝脏分区影像， 表示像素点 坐标，表示第i个血管分段上距离像素点 距离最近的像素点坐标， 表示第i个血管分段， 表示血管分段集合。

7.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述根据多个肝脏分区影像对时间特征进行划分得到各个肝脏分区影像对应的分区特征向量通过平均池化统一向量长度。

8.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述时间特征提取模型采用残差网络，其包括依次连接的输入层、残差块以及输出层；

所述输入层设有4个输入通道，每个所述输入通道分别对应配准后的肝脏增强CT影像中的静脉期、动脉期、延迟期以及平扫期；

所述残差块设有多个，其处理表达式为：

，

其中， 表示输出特征， 表示输入特征， 表示残差函数， 表示残差函数的权重参数；

所述空间特征提取模型包括依次连接的输入层、词嵌入层、编码器、Transformer层、解码器、输出嵌入层以及位置编码层，其中，所述Transformer层的数量为10个。

9.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，所述根据时间空间特征向量得到分类结果通过全连接网络实现。

10.根据权利要求1所述的基于血管拓扑结构的肝脏增强CT特征提取融合方法，其特征在于，还包括对时间特征提取模型、空间特征提取模型和全连接网络进行预训练，所述预训练方法包括：获取肝脏增强CT影像数据集；

对肝脏增强CT影像数据集进行标注肝脏、血管和肿瘤区域，得到标注的肝脏增强CT影像数据集；

将标注的肝脏增强CT影像数据集划分为训练集和测试集；

将训练集数据作为输入，对时间特征提取模型和空间特征提取模型以及全连接网络进行训练，在训练过程中利用交叉熵损失函数调整模型参数；

将测试集数据作为输入，对空间特征提取模型和全连接网络进行测试，根据测试结果计算评估指标，并基于评估指标得到预训练完成的时间特征提取模型和空间特征提取模型以及全连接网络；

其中，所述评估指标包括准确率、召回率和F1‑score。