1.一种腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤如下：

1)对腹部CT扫描序列图像进行预处理；包括调整图像的宽窗和宽位、截取感兴趣的图像区域，以及对截取到的图像区域进行重采样到预设尺寸；

2)对预处理后的CT扫描序列图像使用阈值分割算法和三维最大连通区域方法提取出主动脉血管内腔；

3)使用基于序列间传递先验约束的图割算法进行半自动的主动脉分割；

4)将主动脉分割结果剔除血管内腔，得到主动脉瘤及血管壁；

5)根据剔除血管内腔后的主动脉瘤及血管壁的三维轮廓，重建出三维主动脉瘤模型。

2.根据权利要求1所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，如果输入的腹部CT扫描序列图像为平扫期CT扫描序列图像，则经过步骤2)处理后，直接进行步骤3)；如果输入的腹部CT扫描序列图像为增强期CT扫描序列图像，则经过步骤2)处理后，对腹部CT扫描序列图像中的主动脉血管内腔进行像素填充。

3.根据权利要求2所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，像素填充的方法是使用邻近像素值进行填充，将待分割的目标区域的像素值符合均匀分布。

4.根据权利要求1所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤

3)中，基于序列间传递先验约束的图割算法的步骤如下：

3.1)主动脉初始切片层的预分割；

3.2)序列间传递形状先验模板；

3.3)构建并求解基于形状约束的图割模型。

5.根据权利要求4所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤

3.1)中，选取预设条件的切片层图像作为初始切片层；使用交互式图割算法，人工标记主动脉目标和背景区域，得到前景和背景的直方图模型，结合直方图模型建立基于像素点的S-T图，使用最大流最小割算法求得S-T图的全局最优分割，得到初始层的主动脉分割结果

6.根据权利要求5所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，初始切片层中待求解的图割模型描述如下：其中，向量 表示初始切片中所有像素点的标签取值，

表示初始切片层中第p个像素点的标签值， 表示该像素点属于前景，反之则属于背景；区域项 由人工标记前后景区域的直方图模型统计每个像素点标签值分别为0和1的概率值，边界项 表示相邻像素点被分配不同标签的惩罚项，控制目标分割边缘平滑度；λ0为非负系数权重，控制能量函数中边界项和区域项取值比例；

当该图割模型函数达到最小时，所有像素点的取值向量 为主动脉全局最优分割结果。

7.根据权利要求4所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤

3.2)中，基于序列间光流配准的方式传递主动脉形状先验模板：通过相邻图像间的光流信息得到所有像素点的位置偏移量ω，将邻近层中已知的主动脉轮廓结合坐标偏移量配准得到当前切片图像的主动脉形状先验模板，为当前图像的主动脉分割提供形状先验信息，降低欠分割或过分割现象。

8.根据权利要求7所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，形状先验配准公式如下：Shapen(x,y)＝An-1(x+μ,y+v)；

其中，向量Shapen表示第n层图像的主动脉形状先验的二值图像模型，x和y表示第n层图像的像素点坐标，μ和ν分别表示第n层图像中对应像素点的水平和垂直方向的坐标偏移量，An-1为相邻的第n-1层图像的主动脉分割结果。

9.根据权利要求4所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤

3.3)中，基于形状约束的图割模型如下：

其中，区域项R(An)由初始切片层的主动脉分割结果对应的前后景直方图模型统计；加n入形状先验约束项S(A)，统计第n层图像上所有像素点属于主动脉前景先验概率之和；λ1和λ2为非负系数权重；使用最大流最小割算法求解该图割模型，当该模型达到最小时，向量为第n层图像的主动脉分割结果。

10.根据权利要求9所述的腹部CT扫描序列图像的主动脉瘤分割方法，其特征在于，步骤3)进一步地，还包括步骤3.4)主动脉分割结果的后处理：扩大主动脉区域层数和水平集三维平滑处理，具体为：从初始n0层开始，序列之间迭代求解基于形状约束的图割模型，得到与输入序列对应的主动脉分割轮廓，经过开闭算子、水平集和最大连通区域修正，得到最终的三维主动脉分割结果。