1.一种用于腹部CT图像的识别方法，其特征在于，包括：获取腹部CT灰度图像，并对腹部CT灰度图像进行边缘检测，得到腹部CT灰度图像中的边缘像素点；

对腹部CT灰度图像中的像素点进行聚类，得到多个簇类，获取每个簇类中边缘像素点的个数；

根据每个簇类中两两像素点之间的距离获取每个簇类的分散程度；

根据每个簇类中像素点的个数、边缘像素点的个数以及每个簇类的分散程度获取每个簇类的满意度，并将满意度小于阈值的簇类作为第一簇类；

根据每个第一簇类的质心与其相邻满意度大于阈值的簇类的质心之间的距离，以及每个第一簇类的满意度获取每个第一簇类的质心调整距离；

根据每个第一簇类的质心调整距离对每个第一簇类的质心的位置进行调整，并以调整后的质心重新进行聚类，依次迭代，直至重新聚类后每个簇类的满意度未发生改变，得到腹部CT灰度图像中的多个最终簇类；

根据最终簇类对腹部CT灰度图像进行分割，得到多个分割区域，利用神经网络对每个分割区域进行器官识别；

获取每个簇类的满意度的方法为：

将每个簇类中像素点的个数、边缘像素点的个数以及每个簇类的分散程度分别进行归一化处理；

获取归一化后每个簇类中边缘点个数与每个簇类的分散程度的乘积；

根据归一化后每个簇类中像素点个数与该乘积的比值得到每个簇类的满意度；

计算满意度的表达式为：

其中， 为第i个簇类 所对应的像素点数量的归一化指标， 为第i个簇类 所对应的边缘点数量的归一化指标， 为第i个簇类 分散程度的归一化指标，i的取值范围中k表示设定的聚类簇类数量，为聚类过程中第i个簇类 的满意度。

2.根据权利要求1所述的一种用于腹部CT图像的识别方法，其特征在于，获取每个簇类的分散程度的方法为：根据每个簇类中每个像素点到其它像素点的距离均值之和，与每个簇类中像素点的数量的比值获取每个簇类的分散程度。

3.根据权利要求1所述的一种用于腹部CT图像的识别方法，其特征在于，获取每个第一簇类的质心调整距离的方法为：获取每个第一簇类相邻的满意度大于阈值的簇类，并获取每个第一簇类的质心与其相邻的满意度大于阈值的簇类质心的最大距离；

根据每个第一簇类的满意度以及每个第一簇类的质心与其相邻的满意度大于阈值的簇类质心的最大距离获取每个第一簇类的质心调整距离。

4.根据权利要求1所述的一种用于腹部CT图像的识别方法，其特征在于，以调整后的质心重新进行聚类，依次迭代，还包括：设定平均阈值和最低阈值，获取每次迭代后所有簇类的满意度；

当迭代后所有簇类的满意度均值小于平均阈值时，停止迭代；

当迭代后存在簇类的满意度小于最低阈值时，停止迭代。

5.根据权利要求1所述的一种用于腹部CT图像的识别方法，其特征在于，获取腹部CT灰度图像之后，还包括：利用高斯滤波对腹部CT灰度图像进行降噪处理。

6.根据权利要求1所述的一种用于腹部CT图像的识别方法，其特征在于，对腹部CT灰度图像中的像素点进行聚类的方法为：随机选择K个初始聚类中心，利用K‑means聚类算法对腹部CT灰度图像中的像素点进行聚类，得到K个初始簇类。