1.一种对用于分割动脉瘤的分割模型进行训练的方法，包括：采集多模态影像数据，其中所述多模态影像数据包括数字减影血管造影数据、CT血管成像数据和磁共振血管成像数据；基于所述多模态影像数据进行血管分割并标注动脉瘤，以获得血管分割结果和动脉瘤标注结果；根据所述血管分割结果和所述动脉瘤标注结果构建标签数据，所述标签数据包括第一标签数据、第二标签数据以及第三标签数据，其中，所述第一标签数据用于表征非动脉瘤；所述第二标签数据以及所述第三标签数据用于表征不同类别的动脉瘤；以及将所述血管分割结果和所述标签数据输入分割模型进行动脉瘤分割来获得动脉瘤分割结果，以对用于分割动脉瘤的分割模型进行训练；其中根据所述血管分割结果和所述动脉瘤标注结果构建标签数据包括：将所述血管分割结果上并且未处于所述动脉瘤标注结果上的前景像素点设置为第一标签数据；计算所述血管分割结果上的前景像素点至背景像素点之间的最短距离；以及将所述最短距离与距离阈值进行比较和判断相应前景像素点是否位于所述动脉瘤标注结果内；响应于所述最短距离小于等于所述距离阈值，并且相应前景像素点位于所述动脉瘤标注结果内，将相应前景像素点设置为所述第二标签数据；或者响应于所述最短距离大于所述距离阈值，并且相应前景像素点位于所述动脉瘤标注结果内，将相应前景像素点设置为所述第三标签数据，以构建所述标签数据。
2.根据权利要求1所述的方法，其中将所述血管分割结果和所述标签数据输入分割模型进行动脉瘤分割来获得动脉瘤分割结果，以对用于分割动脉瘤的分割模型进行训练包括：将所述血管分割结果、所述第一标签数据、所述第二标签数据和所述第三标签数据输入至所述分割模型进行动脉瘤分割，并输出不同类别来获得动脉瘤分割结果，以对用于分割动脉瘤的分割模型进行训练。
3. 根据权利要求2所述的方法，其中还包括：计算所述第三标签数据在所述血管分割结果中的占比；以及根据所述占比调整所述第一标签数据、所述第二标签数据和所述第三标签数据各自在训练所述分割模型中的训练权重，以对用于分割动脉瘤的分割模型进行优化训练。
4.根据权利要求1所述的方法，其中所述分割模型包括Unet模型、FPN模型或者PSPNet模型。
5. 一种用于分割动脉瘤的方法，包括：获取待分割的影像数据并基于所述待分割的影像数据提取血管分割的二值图；以及将所述血管分割的二值图输入根据权利要求1-4任意一项所述的方法训练完成的分割模型进行动脉瘤分割，以获得动脉瘤分割结果。
6. 一种对用于分割动脉瘤的分割模型进行训练的设备，包括：处理器；以及存储器，其上存储有对用于分割动脉瘤的分割模型进行训练的计算机指令，当所述计算机指令由处理器执行时，使得实现根据权利要求1-4中任意一项所述的方法。
7. 一种用于分割动脉瘤的设备，包括：处理器；以及存储器，其上存储有用于分割动脉瘤的计算机指令，当所述计算机指令由处理器执行时，使得实现根据权利要求5所述的方法。
8.一种计算机可读存储介质，其上存储有对用于分割动脉瘤的分割模型进行训练的计算机程序指令，该计算机程序指令被一个或多个处理器执行时，使得实现根据权利要求1-4中任意一项所述的方法；或者存储有用于分割动脉瘤的计算机程序指令，该计算机程序指令被一个或多个处理器执行时，使得实现根据权利要求5的方法。
