1.一种基于核磁共振影像的颅内动脉瘤的检测方法，其特征在于，所述方法包括：获取待处理的影像数据，所述待处理的影像数据为含有颅内动脉瘤的核磁共振影像数据；采用滑动窗口处理，提取所述待处理的影像数据的第一影像块；将所述待处理的影像数据的第一影像块输入预先训练的血管分割模型，获得血管分割掩膜图像；以所述血管分割掩膜图像作为采样位置参考数据，将所述待处理的影像数据的第二影像块，输入预先训练的动脉瘤分割模型预测动脉瘤的概率，获得所述第二影像块对应的动脉瘤预测结果，所述血管分割模型与所述动脉瘤分割模型级联；对所述第二影像块对应的动脉瘤预测结果进行连通域分析，获得动脉瘤分割结果；其中，所述待处理的影像数据的第二影像块的获取包括：基于所述血管分割掩膜图像与所述待处理的影像数据进行点乘计算，获得点乘计算图像；基于所述点乘计算图像，采用滑动窗口处理获得所述第二影像块。
2.如权利要求1所述的检测方法，其特征在于，所述采用滑动窗口处理，提取所述待处理的影像数据的第一影像块，具体包括：基于滑动窗口的方式，采用大小为第一预设像素的滑动窗口，且相邻滑动窗口具有50％的重叠，在滑动过程中生成所述第一预设像素的像素块，作为所述待处理的影像数据的第一影像块。
3.如权利要求1所述的检测方法，其特征在于，所述血管分割模型是基于3D-Unet结构网络训练获取的模型，具体包括：将血管标注的临床影像数据进行影像块提取，获取用于血管分割模型训练的第三影像块；将所述用于血管分割模型训练的第三影像块进行数据强化，获得强化后的第三影像块；将所述第三影像块输入3D-Unet结构网络中进行模型训练，以Dice和CE结合的损失函数进行模型优化，获得血管分割模型。
4.如权利要求3所述的检测方法，其特征在于，所述将血管标注的临床影像数据进行影像块提取，获取用于血管分割模型训练的第三影像块，具体包括：对所述临床影像数据进行预处理后，进行血管的标注，获得血管标注的临床影像数据；采用随机采样的方式，从所述血管标注的临床影像数据中进行取样，获得第二预设像素的像素块，作为用于血管分割模型训练的第三影像块。
5.如权利要求3所述的方法，其特征在于，所述将所述用于血管分割模型训练的第三影像块进行数据强化，获得强化后的第三影像块，具体包括：将所述用于血管分割模型训练的第三影像块进行旋转、缩放、翻转、模糊、gama增强中的一种或几种操作，进行数据强化，获得强化后的第三影像数据。
6.如权利要求3所述的检测方法，其特征在于，所述Dice和CE结合的损失函数的表达式为：其中，Loss1为Dice和CE结合的损失函数；gi表示像素点属于血管的分类是否正确，正确则为1，否则为0；si表示像素点为血管像素点的概率值；N为所有影像块内所有像素点个数。
7.如权利要求1所述的检测方法，其特征在于，所述动脉瘤分割模型是基于3D-Unet结构网络训练获取的模型，具体包括：将临床影像数据对应的体数据进行影像块提取，获取用于动脉瘤分割模型训练的第四影像块；将所述用于动脉瘤分割模型训练的第四影像块进行数据强化，获得强化后的第四影像块；将所述第四影像块输入3D-Unet结构网络中进行模型训练，以Dice和TopK结合的损失函数进行模型优化，获得动脉瘤分割模型。
8.如权利要求7所述的检测方法，其特征在于，所述将临床影像数据对应的体数据进行影像块提取，获取用于动脉瘤分割模型训练的第四影像块，具体包括：基于随机采样的方式，从所述临床影像数据对应的体数据中属于血管标签的数据上，进行影像块提取，生成96*96*96像素的像素块，作为用于动脉瘤分割模型训练的第四影像块。
9.如权利要求7所述的检测方法，其特征在于，所述Dice和TopK结合的损失函数的表达式为：其中，Loss2为Dice和TopK结合的损失函数；hi表示像素点属于颅内动脉瘤的分类是否正确，正确则为1，否则为0；ji表示像素点为颅内动脉瘤像素点的概率值；N为所有影像块内所有像素点个数；t为预设阈值；1{ji<t}表示如果预测属于颅内动脉瘤的概率小于t，则计算值为1，否则为0。
10.如权利要求1所述的检测方法，其特征在于，所述对所述第二影像块对应的动脉瘤预测结果进行连通域分析，获得动脉瘤分割结果，具体包括：将所述第二影像块对应的动脉瘤预测结果进行连通域分析，将连通域分析结果中不低于预设像素点个数的连通区域，作为候选动脉瘤区域；或者将所述第二影像块对应的动脉瘤预测结果进行连通域分析，将连通域分析结果按照连通域从大到小的顺序进行排序，将预设个数的连通域，作为候选动脉瘤区域；将所述候选动脉瘤区域的概率值大于等于预设概率值的动脉瘤区域，作为所述动脉瘤分割结果。
11.如权利要求1所述的检测方法，其特征在于，所述基于所述待处理的影像数据对应的体数据或者所述点乘计算图像，采用滑动窗口处理获得所述第二影像块，具体包括：以所述血管分割掩膜图像作为采样位置参考数据，采用滑动窗口处理，从所述待处理的影像数据对应的体数据或者所述点乘计算图像中提取影像块，作为所述第二影像块。
12.一种基于核磁共振影像的颅内动脉瘤的检测装置，其特征在于，所述装置包括：获取模块，获取待处理的影像数据，所述待处理的影像数据为含有颅内动脉瘤的核磁共振影像数据；提取模块，采用滑动窗口处理，提取所述待处理的影像数据的第一影像块；血管分割模块，将所述待处理的影像数据的第一影像块输入预先训练的血管分割模型，获得血管分割掩膜图像；动脉瘤预测模块，以所述血管分割掩膜图像作为采样位置参考数据，将所述待处理的影像数据的第二影像块，输入预先训练的动脉瘤分割模型预测动脉瘤的概率，获得所述第二影像块对应的动脉瘤预测结果，所述血管分割模型与所述动脉瘤分割模型级联；动脉瘤分割模块，对所述第二影像块对应的动脉瘤预测结果进行连通域分析，获得动脉瘤分割结果；其中，所述待处理的影像数据的第二影像块的获取包括：基于所述血管分割掩膜图像与所述待处理的影像数据进行点乘计算，获得点乘计算图像；基于所述点乘计算图像，采用滑动窗口处理获得所述第二影像块。
13.一种电子设备，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：获取待处理的影像数据，所述待处理的影像数据为含有颅内动脉瘤的核磁共振影像数据；采用滑动窗口处理，提取所述待处理的影像数据的第一影像块；将所述待处理的影像数据的第一影像块输入预先训练的血管分割模型，获得血管分割掩膜图像；以所述血管分割掩膜图像作为采样位置参考数据，将所述待处理的影像数据的第二影像块，输入预先训练的动脉瘤分割模型预测动脉瘤的概率，获得所述第二影像块对应的动脉瘤预测结果，所述血管分割模型与所述动脉瘤分割模型级联；对所述第二影像块对应的动脉瘤预测结果进行连通域分析，获得动脉瘤分割结果；其中，所述待处理的影像数据的第二影像块的获取包括：基于所述血管分割掩膜图像与所述待处理的影像数据进行点乘计算，获得点乘计算图像；基于所述点乘计算图像，采用滑动窗口处理获得所述第二影像块。
