1.一种基于影像数据的分割方法，其特征在于，所述方法包括：获取待处理的CTA影像数据；将所述待处理的CTA影像数据输入分割模型中，对所述待处理的CTA影像数据进行分割，获得三分割结果，其中，所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，所述三分割结果为所述待处理的CTA影像数据的骨组织的分割结果，血管的分割结果和钙化组织的分割结果；所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，具体包括：对训练集数据通过半自动标注的方法添加标签，获得标注的训练集数据，其中，所述训练集数据包括NCCT影像数据及与所述NCCT影像数据对应的CTA影像数据，所述标签包括骨组织的标签、血管的标签及钙化组织的标签，所述钙化组织的标签是基于骨组织的标签数据及血管的标签数据获得的；将所述标注的训练集数据及所述训练集数据中的CTA影像数据输入卷积神经网络中进行训练，获得分割模型。
2.如权利要求1所述的方法，其特征在于，所述对训练集数据通过半自动标注的方法添加标签，获得标注的训练集数据，具体包括：基于所述训练集数据中的NCCT影像数据中的骨组织的位置，获得所述训练集数据的骨组织的第一标签数据，所述训练集数据的骨组织的第一标签数据作为所述训练集数据的骨组织的标签数据；基于所述训练集数据中的CTA影像数据中的血管的位置，获得所述训练集数据的血管的标签数据；基于所述训练集数据的骨组织的第一标签数据及所述训练集数据的血管的标签数据，获得所述训练集数据的钙化组织的标签数据。
3.如权利要求2所述的方法，其特征在于，所述基于所述训练集数据中的NCCT影像数据中的骨组织的位置，获得所述训练集数据的骨组织的第一标签数据，具体包括：对所述训练集数据中的NCCT影像数据进行阈值分割，获得所述训练集数据的骨组织的第一标签数据。
4.如权利要求2所述的方法，其特征在于，所述基于所述训练集数据中的CTA影像数据中的血管的位置，获得所述训练集数据的血管的标签数据，具体包括：将所述训练集数据中的CTA影像数据与所述训练集数据中的NCCT影像数据进行做差操作后，采用血管阈值算法，提取所述训练集数据中的CTA影像数据中的血管组织，获得所述训练集数据中的CTA影像数据中的血管的位置。
5.如权利要求2所述的方法，其特征在于，所述获得所述训练集数据的钙化组织的标签数据，进一步包括：对所述训练集数据的钙化组织的标签数据进行人工识别，作为最终的训练集数据的钙化组织的标签数据。
6.如权利要求2所述的方法，其特征在于，所述基于所述训练集数据的骨组织的第一标签数据及所述训练集数据的血管的标签数据，获得所述训练集数据的钙化组织的标签数据，具体包括：对所述训练集数据的骨组织的第一标签数据进行连通域分析，获得所述训练集数据的连通域标签数据；从所述训练集数据的骨组织的第一标签数据中去除预设体积的骨组织的标签数据后，与所述训练集数据的血管标签数据进行重叠分析，获得所述训练集数据的钙化组织的标签数据。
7.如权利要求6所述的方法，其特征在于，所述从所述训练集数据的骨组织的第一标签数据中去除预设体积的骨组织的标签数据后，与所述训练集数据的血管标签数据进行重叠分析，获得所述训练集数据的钙化组织的标签数据，具体包括：从所述训练集数据的骨组织的第一标签数据中去除预设体积的骨组织的标签数据后，与经过膨胀操作的所述训练集数据的血管标签数据进行重叠分析，获得所述训练集数据的钙化组织的标签数据。
8.如权利要求2所述的方法，其特征在于，所述方法进一步包括：从所述训练集数据的骨组织的第一标签数据中去除所述训练集数据的钙化组织的标签数据，获得所述训练集数据的骨组织的第二标签数据，所述训练集数据的骨组织的第二标签数据作为所述训练集数据的骨组织的标签数据。
9.一种基于影像数据的分割装置，其特征在于，所述装置包括：获取模块，获取待处理的CTA影像数据；分割模块，将所述待处理的CTA影像数据输入分割模型中，对所述待处理的CTA影像数据进行分割，获得三分割结果，其中，所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，所述三分割结果为所述待处理的CTA影像数据的骨组织的分割结果，血管的分割结果和钙化组织的分割结果；所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，具体包括：对训练集数据通过半自动标注的方法添加标签，获得标注的训练集数据，其中，所述训练集数据包括NCCT影像数据及与所述NCCT影像数据对应的CTA影像数据，所述标签包括骨组织的标签、血管的标签及钙化组织的标签，所述钙化组织的标签是基于骨组织的标签数据及血管的标签数据获得的；将所述标注的训练集数据及所述训练集数据中的CTA影像数据输入卷积神经网络中进行训练，获得分割模型。
10.一种电子设备，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指令，所述指令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：获取待处理的CTA影像数据；将所述待处理的CTA影像数据输入分割模型中，对所述待处理的CTA影像数据进行分割，获得三分割结果，其中，所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，所述三分割结果为所述待处理的CTA影像数据的骨组织的分割结果，血管的分割结果和钙化组织的分割结果；所述分割模型是基于半自动标注方法，经过神经网络训练预先获得的三分割模型，具体包括：对训练集数据通过半自动标注的方法添加标签，获得标注的训练集数据，其中，所述训练集数据包括NCCT影像数据及与所述NCCT影像数据对应的CTA影像数据，所述标签包括骨组织的标签、血管的标签及钙化组织的标签，所述钙化组织的标签是基于骨组织的标签数据及血管的标签数据获得的；将所述标注的训练集数据及所述训练集数据中的CTA影像数据输入卷积神经网络中进行训练，获得分割模型。
