一种肝段分割方法、装置、电子设备及存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及一种肝段分割方法、装置、电子设备及存储介质。

背景技术

肝脏是一种分段性器官，将肝脏分割成独立的段在临床医学中至关重要。

目前，基于深度学习的3D肝段分割主要是基于完整3D肝段标签和对应的原始医学图像，训练得到串联的三个分类模型。预测阶段利用模型对原始的医学图像中的每一个像素点进行分类预测,得到完整的3D肝段分割结果。然而，上述对肝脏图像数据的处理，得到肝段分割结果准确度差，且对机器学习模型对肝脏图像数据的处理过程影响肝段分割结果中图像分辨率，导致分割界限不够精确。

发明内容

本发明提供了一种肝段分割方法、装置、电子设备及存储介质，以提高肝段分割结果的准确性，以及保证肝段分割结果的原始分辨率。

根据本发明的一方面，提供了一种肝段分割方法，其特征在于，包括：

获取静脉数据，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面；

基于所述预测超平面对肝脏图像数据进行分段处理，得到肝段分割结果。

根据本发明的另一方面，提供了一种肝段分割装置，其特征在于，包括：

预测模块用于获取静脉数据，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面；

处理模块用于基于所述预测超平面对肝脏图像数据进行分段处理，得到肝段分割结果。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的肝段分割方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的肝段分割方法。

根据本发明的另一方面，提供了一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的肝段分割方法

本发明实施例的技术方案，通过预先训练的预测模型预测得到预测超平面，该预测超平面基于静脉数据得到，基于预测超平面对肝脏图像数据进行分割，得到肝段分割结果，上述对肝段的分割过程中参考了静脉位置信息，提高了肝段分割的精确度。通过预测超平面对肝脏图像数据进行分割处理，预测模型未对肝脏图像数据进行直接处理，即未对肝脏图像数据进行下采样等处理，保证了原始图像的分辨率的同时保证了分割面的光滑性，解决分割中的串色问题。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供了一种肝段分割方法的流程图；

图2是本发明实施例提供的一种预测模型训练阶段的流程图；

图3是本发明实施例提供的一种肝段分割装置的结构示意图；

图4是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是本发明实施例提供了一种肝段分割方法的流程图，本实施例可适用于对肝脏的医学图像进行肝段分割的情况，该方法可以由肝段分割方法装置来执行，该肝段分割方法装置可以采用硬件和/或软件的形式实现，该肝段分割方法装置可配置于本发明实施例提供的电子设备和/或计算机产品中。如图1所示，该方法包括：

S110、获取静脉数据，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面。

S120、基于所述预测超平面对肝脏图像数据进行分段处理，得到肝段分割结果。

其中，静脉数据是指待进行肝段分割的肝脏图像数据中静脉区域的数据，具体的，静脉数据包括但不限于肝脏图像数据中静脉区域的像素点对应的空间坐标，这里不做限定。本实施例中，获取肝脏图像数据中静脉区域的静脉数据，将静脉数据作为输入数据，输入至预先训练的预测模型中进行预测处理，得到对应的预测超平面；基于预测得到的预测超平面对肝脏图像数据进行分割，从而实现对肝脏的分段处理，得到肝段分割结果。其中，预测模型用于基于静脉数据预测得到预测超平面，预测超平面将肝脏图像数据中的静脉数据与相邻静脉的静脉数据分割出来，从而达到肝段分割的目的，具体的，预测模型包括但不限于支持向量机模型、感知器模型、Logit模型等，这里不做限定。

需要说明的是，本实施例中所提到的肝脏图像数据为对门脉期肝脏计算机断层扫描(Computed Tomography，CT)图像增强后的医学数字成像和通信(Digital Imaging andCommunications in Medicine，DICOM)格式的三维肝脏图像。同理，静脉数据也可以是通过计算机断层扫描得到的，此处不作限定。

本实施例中，基于所述预测超平面对肝脏图像数据进行分段处理，可以是基于预测超平面的坐标数据，将位于预测超平面两侧的肝脏区域确定为不同的肝段。其中，预测超平面可以是多个，相应的，将肝脏图像数据划分为多个肝段。

可选的，根据分割得到的肝段位置，对各肝段设置肝段标识，和/或，对各肝段图像数据设置肝段颜色，以区分各个肝段。可选的，预测超平面根据静脉数据中的多个静脉分支确定，相应的，可根据静脉分支对应的标识或者颜色，对分割得到的肝段设置肝段标识或者肝段颜色。可以理解的是，获取的静脉数据中可以包括静脉标注数据，该静脉标注数据可以通过标识或者颜色等方式区分不同的静脉分支。

本实施例的技术方案，通过预先训练的预测模型预测得到预测超平面，该预测超平面基于静脉数据得到，基于预测超平面对肝脏图像数据进行分割，得到肝段分割结果，上述对肝段的分割过程中参考了静脉位置信息，提高了肝段分割的精确度。通过预测超平面对肝脏图像数据进行分割处理，预测模型未对肝脏图像数据进行直接处理，即未对肝脏图像数据进行下采样等处理，保证了原始图像的分辨率的同时保证了分割面的光滑性，解决分割中的串色问题。

在上述实施例的基础上，可选的，所述静脉数据为静脉点云数据，相应的，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面，包括：基于预先训练的预测模型对所述静脉点云数据进行预测处理，得到预测超平面。

其中，静脉点云数据是基于静脉区域的图像数据转换得到的点云数据，具体的，静脉点云数据为三维空间坐标，例如静脉区域中像素点的三维空间坐标，即(x,y,z)坐标。本实施例中，获取肝脏图像数据中静脉区域的静脉点云数据，将静脉点云数据作为输入数据，输入至预先训练的预测模型中进行预测处理，得到对应的预测超平面；进一步的，基于预测得到的预测超平面对肝脏图像数据进行三维的分段处理，得到肝段分割结果。本实施例基于静脉点云数据预测得到的预测超平面，进而基于预测超平面进行肝段分割，静脉点云数据相对于三维图像数据，数据量小，减少预测模型的处理数据量，减小肝段分割过程中的内存消耗和算力消耗，提高了肝段分割的分割效率。

在上述实施例的基础上，可选的，所述静脉点云数据的获取方法包括：从原始数据中提取静脉区域的图像数据；对所述静脉区域的图像数据进行点云数据转换，得到静脉点云数据。

其中，原始数据是指通过扫描得到的数据，原始数据可以是三维图像数据，可以包括肝脏图像数据和静脉图像数据。本实施例中，静脉点云数据的获取方法为：基于预设的图像分割方法从原始数据中提取静脉区域的图像数据，并对静脉区域的图像数据进行点云数据转换，将图像数据转换为点云数据，得到静脉点云数据，其中，预设的图像分割方法包括但不限于基于阈值的分割方法、基于区域的分割方法等，这里不做限定。在一些实施例中，可以是对原始数据进行边缘检测，基于边缘检测结果提取肝脏图像数据和静脉图像数据。

在一些实施例中，在获取静脉点云数据之前，对肝脏图像数据进行肝脏分割和静脉分割，得到肝脏分割掩膜和静脉掩膜，基于肝脏掩膜和静脉掩膜提取静脉区域的图像数据。

本实施例中，通过提取静脉区域的图像数据，剔除静脉区域之外的背景区域和其他干扰区域，提高得到的静脉点云数据的准确性，避免其他数据的干扰，以及减少其他数据在计算过程中占用的算力。

在上述实施例的基础上，可选的，所述基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面，包括：遍历所述静脉数据中相邻分支数据，依次输入至所述预测模型中，分别得到所述相邻分支数据对应的预测超平面。其中，相邻分支数据是指相邻两个静脉分支的静脉数据，即预测模型的每一组的输入数据中包括两个静脉分支区域的静脉点云数据，进一步的，相邻相关静脉分支的静脉点云数据。本实施例中，预测模型每一次处理过程，处理对象为一组相邻分支数据，输出结果为相邻分支数据对应的预测超平面。依次将相邻静脉分支数据输入至预测模型中，得到相邻静脉分支数据对应的预测超平面，基于静脉分支数据对应的预测超平面对肝脏图像数据对应的肝段进行分段处理，得到该相邻分支数据对应肝段的肝段分割结果，遍历静脉数据中的所有相邻静脉分支数据，得到肝脏图像数据的肝段分割结果。

可选的，所述基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面，包括：将所述静脉数据中的多个分支数据输入至所述预测模型中，得到各相邻分支数据分别对应的预测超平面。预测模型的输出数据包括静脉数据中多个静脉分支的静脉点云数据，输出结果为输入的多个静脉分支对应的多个预测超平面。将静脉数据中的多个相邻分支数据输入至预测模型中，得到各相邻分支数据分别对应的预测超平面，基于各预测超平面对肝脏图像数据进行分段处理，得到肝脏图像数据的肝段分割结果。本实施例中，每个静脉分支数据对应一个预测超平面，基于各静脉分支数据对应的预测超平面得到肝脏图像数据的肝段分割结果。

在上述实施例的基础上，可选的，所述静脉数据包括门静脉数据和/或肝静脉数据；所述基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面，包括：基于预先训练的预测模型对所述门静脉数据进行预测处理，得到第一预测超平面；或者，基于预先训练的预测模型对所述肝静脉数据进行预测处理，得到第二预测超平面；或者，基于预先训练的预测模型分别对所述门静脉数据和所述肝静脉数据进行预测处理，得到第一超平面和第二超平面，并基于所述第一超平面和所述第二超平面确定目标超平面。

本实施例中，静脉数据包括门静脉数据和/或肝静脉数据，针对一种或两种类型的静脉数据，可得到对应的预测超平面。对于门静脉数据，通过将门静脉数据中的一组相邻门静脉点云数据，或者多个门静脉分支的门静脉点云数据输入至预测模型中，基于预测模型对门静脉点云数据进行预测处理，得到第一预测超平面，可基于第一预测超平面对肝脏图像数据进行肝段分割处理，得到肝段分割结果。对于肝静脉数据，通过将肝静脉数据中的一组相邻门静脉点云数据，或者多个门静脉分支的门静脉点云数据输入至预测模型中，基于预测模型对肝静脉点云数据进行预测处理，得到第二预测超平面，可基于第二预测超平面对肝脏图像数据进行肝段分割处理，得到肝段分割结果；在获取门静脉数据和肝静脉数据的情况下，可分别基于预测处理对门静脉数据和肝静脉数据进行预测处理，例如上述预测处理方式，此处不在赘述，以得到相对于的第一预测超平面和第二预测超平面，并基于第一预测超平面和第二预测超平面确定目标超平面，具体的，可以是基于相邻门静脉点云数据得到第一预测超平面，基于相邻肝静脉点云数据得到第二预测超平面，上述相邻门静脉点云数据和相邻肝静脉点云数据位置相匹配，将第一预测超平面和第二预测超平面进行融合得到目标超平面，例如可通过第一预测超平面和第二预测超平面的坐标数据进行平面融合，具体的，可以是对第一预测超平面和第二预测超平面的坐标数据进行加权处理或者均值处理等，此处不作限定。本实施例针对不同类型的静脉数据，选择对应的方式得到预测超平面，使得预测得到的预测超平面的更有针对性，进而提高肝段分割的精确度。

在上述实施例的基础上，可选的，所述预测模型为线性预测模型。

本实施例中，预测超平面的预测模型为线性预测模型，具体的，预测模型可以是任一线性分类器预测模型，例如支持向量机模型、感知器模型、Logit模型等，这里不做限定。

在上述实施例的基础上，可选的，所述预测模型的训练方法，包括：获取训练数据集，其中，所述训练数据集中包括静脉样本数据和静脉标注数据；迭代执行如下过程，直到满足训练结束条件，得到训练完成的预测模型：将所述静脉样本数据输入至待训练的预测模型中，得到训练超平面；基于所述训练超平面对所述静脉样本数据进行分割处理，得到静脉分割结果；基于静脉标注数据和所述静脉分割结果对所述预测模型进行参数调节。

其中，训练数据集包括静脉样本数据和静脉标注数据，静脉样本数据为对样本肝脏图像数据中静脉区域的数据进行点云转换得到的静脉点云数据；静脉标注数据为对样本肝脏图像数据中的静脉区域进行标注得到标注数据。

图2是本发明实施例提供的一种预测模型训练阶段的流程图，本实施例中，创建预测模型，在预测模型的训练阶段，如图2所示，预测模型的训练步骤如下：

步骤1)获取静脉样本数据和静脉标注数据作为训练数据集；

步骤2)将静脉样本数据输入至待训练的预测模型中，得到训练超平面；

步骤3)基于训练超平面对静脉样本数据进行分割处理，得到静脉分割结果；

步骤4)基于静脉标注数据和静脉分割结果对预测模型进行参数调节；

步骤5)迭代执行上述步骤2-4，直到满足训练结束条件，得到训练完成的预测模型。

在本实施例中，静脉样本数据中包括多个静脉分支样本数据，每个静脉分支样本数据得到一个训练超平面，基于训练超平面对对应的静脉分支样本数据进行分割处理，得到静脉分支样本数据对应的静脉分割结果。在预测模型的迭代训练过程中，每进行一次迭代训练，则将静脉标注数据和静脉分割结果进行比对，得到比对结果，即确定损失函数，基于损失函数对预测模型进行参数调节，直至满足训练结束条件，其中，训练结束条件可以是预测模型的训练精度达到预设精度，也可以是肝段损失小于预设的肝段损失值，预设精度和预设的肝段损失值由本领域技术人员根据经验或者历史训练数据设置，这里不做限定。

在上述实施例的基础上，可选的，所述方法还包括：在任一次迭代过程中，基于所述训练超平面对肝脏样本数据进行分割处理，得到肝脏分割结果；基于所述肝脏分割结果和肝段标注数据确定所述预测模型的当前训练精度；和/或，基于所述肝脏分割结果和肝段标注数据确定肝段损失，用于对所述预测模型进行参数调节。

其中，当前训练精度是指预测模型在当前次迭代的模型预测精度。本实施例中，在任一次迭代训练过程中，基于肝脏分割结果和肝段标注数据确定预测模型的当前训练精度，具体的，可以是将肝脏分割结果和肝段标注数据进行比对，确定分割准确率，即当前训练精度，将当前训练精度与预设精度进行对比，得到比对结果，在比对结果满足训练精度阈值的情况下，可确定当前训练的预测模型满足训练结束条件。肝段损失是肝脏分割结果和肝段标注数据确定的损失函数，本实施例中，在任一次迭代训练过程中，基于静脉分割结果、静脉标注数据确定静脉损失，基于肝脏分割结果和肝段标注数据确定肝段损失，将静脉损失和肝段损失函数计算目标损失，基于目标损失对预测模型进行参数调节。

在一些实施例中，在任一次迭代训练过程中，分别确定当前训练精度和目标损失，基于当前训练精度和目标损失对预测模型进行参数调节。

本实施例中，通过静脉分割结果合静脉标注数据确定当前训练精度和/或目标损失，基于目标损失对预测模型进行参数调节，以及基于当前训练精度确定是否预测模型是否完成训练过程，以提高预测模型的精确度。

图3是本发明实施例提供的一种肝段分割装置的结构示意图。如图3所示，该装置包括：

预测模块210用于获取静脉数据，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面；

处理模块220用于基于所述预测超平面对肝脏图像数据进行分段处理，得到肝段分割结果。

可选的，所述静脉数据为静脉点云数据，预测模块210包括：基于预先训练的预测模型对所述静脉点云数据进行预测处理，得到预测超平面。

可选的，预测模块210包括静脉点云数据的获取单元，该静脉点云数据的获取单元用于从原始数据中提取静脉区域的图像数据；对所述静脉区域的图像数据进行点云数据转换，得到静脉点云数据。

可选的，预测模块210用于遍历所述静脉数据中相邻分支数据，依次输入至所述预测模型中，分别得到所述相邻分支数据对应的预测超平面；或者，将所述静脉数据中的多个分支数据输入至所述预测模型中，得到各相邻分支数据分别对应的预测超平面。

可选的，所述静脉数据包括门静脉数据和/或肝静脉数据；预测模块210包括：基于预先训练的预测模型对所述门静脉数据进行预测处理，得到第一预测超平面；或者，基于预先训练的预测模型对所述肝静脉数据进行预测处理，得到第二预测超平面；或者，基于预先训练的预测模型分别对所述门静脉数据和所述肝静脉数据进行预测处理，得到第一超平面和第二超平面，并基于所述第一超平面和所述第二超平面确定目标超平面。

可选的，所述预测模型为线性预测模型。

可选的，该装置还包括预测模型的训练模块，用于：获取训练数据集，其中，所述训练数据集中包括静脉样本数据和静脉标注数据；迭代执行如下过程，直到满足训练结束条件，得到训练完成的预测模型：将所述静脉样本数据输入至待训练的预测模型中，得到训练超平面；基于所述训练超平面对所述静脉样本数据进行分割处理，得到静脉分割结果；基于静脉标注数据和所述静脉分割结果对所述预测模型进行参数调节。

可选的，该装置还包括参数调节模块，用于：在任一次迭代过程中，基于所述训练超平面对静脉样本数据进行分割处理，得到静脉分割结果；基于所述静脉分割结果和静脉标注数据确定所述预测模型的当前训练精度；和/或，基于所述静脉分割结果和静脉标注数据确定肝段损失，用于对所述预测模型进行参数调节。

本发明实施例所提供的肝段分割装置可执行本发明任意实施例所提供的肝段分割方法，具备执行方法相应的功能模块和有益效果。

图4是本发明实施例提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如肝段分割方法。

在一些实施例中，肝段分割方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的肝段分割方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行肝段分割方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行肝段分割方法，该方法包括：

获取静脉数据，基于预先训练的预测模型对所述静脉数据进行预测处理，得到预测超平面；基于所述预测超平面对肝脏图像数据进行分段处理，得到肝段分割结果。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本发明任一实施例所述的肝段分割方法。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。