1.一种用于对血管分段模型进行训练的方法，其特征在于，包括：获取用于训练的三维血管造影图像，所述三维血管造影图像包含由多个血管段组成的血管网络；为每个血管段赋予唯一的段标识，以获得由每个血管段的分段掩码构成的所述三维血管造影图像的第一分段掩码；基于每个血管段的分段掩码，确定每个血管段的几何特征及语义特征；基于每个血管段的几何特征及语义特征，构建所有血管段的第一胶囊向量和第一图结构；将所述三维血管造影图像、所述第一分段掩码、所述第一胶囊向量和所述第一图结构作为训练数据输入至所述血管分段模型中，以对其进行训练；将所述三维血管造影图像、所述第一分段掩码、所述第一胶囊向量和所述第一图结构作为训练数据输入至所述血管分段模型中，以对其进行训练包括：将所述三维血管造影图像输入至所述血管分段模型中执行分段操作，以获得第二分段掩码、第二胶囊向量和第二图结构；基于所述第一分段掩码、所述第一胶囊向量、所述第一图结构、所述第二分段掩码、所述第二胶囊向量和所述第二图结构，确定构成预测损失的分割损失、胶囊向量重构损失和结构一致性损失；基于所述预测损失，对所述血管分段模型的参数进行更新，以实现对其进行训练；所述血管分段模型包括卷积神经网络、图神经网络和分割推理网络；将所述三维血管造影图像输入至所述血管分段模型中执行分段操作，以获得第二分段掩码、第二胶囊向量和第二图结构包括：将所述三维血管造影图像输入至所述卷积神经网络中执行初步分割，以获得第一特征图和初步分段掩码，并基于所述初步分段掩码，确定第二胶囊向量和第二图结构；将所述第二胶囊向量作为节点特征，以及将所述第二图结构作为边信息，并将所述节点特征和所述边信息输入至所述图神经网络中进行结构化推理，以获得每个血管段的结构特征；将每个血管段的结构特征映射到该血管段对应的所有体素上，以获得第二特征图，并将所述第一特征图和所述第二特征图进行融合，以获得融合后的特征图；将所述融合后的特征图输入至所述分割推理网络中执行分割推理，以获得第二分段掩码。
2.根据权利要求1所述的方法，其特征在于，所述几何特征包括首端点、尾端点、中心点、平均直径和弧长，所述语义特征包括解剖类型；以及基于每个血管段的分段掩码，确定每个血管段的几何特征包括：对所述三维血管造影图像执行二值化操作，以获得二值化的血管造影图像；基于所述二值化的血管造影图像，采用骨架提取算法获取所述血管网络的骨架点集；基于每个血管段的分段掩码和所述血管网络的骨架点集，确定每个血管段的中心线点集；基于每个血管段的中心线点集计算每个血管段的几何特征。
3.根据权利要求2所述的方法，其特征在于，基于每个血管段的几何特征及语义特征，构建所有血管段的第一胶囊向量和第一图结构；对每个血管段的几何特征及语义特征进行结构化编码，以获得所有血管段的第一胶囊向量；基于每个血管段的首端点和尾端点，计算每个血管段的尾端点与其他血管段的首端点的距离；基于所述距离和预定阈值，确定各血管段之间的连接关系，以获得所述第一图结构。
4.一种用于对血管分段模型进行训练的设备，其特征在于，包括：处理器；以及存储器，其存储有用于对血管分段模型进行训练的程序指令，当所述程序执行由处理器执行时，使得实现根据权利要求1-3任意一项所述的方法。
5.一种用于对血管分段的设备，包括：处理器；存储器，其中存储有用于血管分段的程序指令，当所述程序指令由所述处理器执行时，使得所述设备实现以下操作：获取待分段的三维血管造影图像；将所述三维血管造影图像输入至根据权利要求1-3任意一项所述的方法训练完成的血管分段模型中执行分段操作，以获得血管分段结果。
6.根据权利要求5所述的设备，其特在于，当所述程序指令由所述处理器执行时，使得所述设备进一步实现以下操作：对所述血管分段结果执行边界平滑和/或孤立血管段剔除，以获得最终的血管分段结果。
7.一种计算机可读存储介质，其上存储有用于对血管分段模型进行训练的和/或用于对血管分割的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现根据权利要求1-3任意一项所述的方法和/或根据权利要求5-6任意一项所述的设备所实现的操作。
