1.一種基于多路卷積神經(jīng)網(wǎng)絡(luò)的MRI圖像心臟結(jié)構(gòu)分割方法，其特征在于，所述方法包括：

步驟1：收集心臟電影MRI訓練數(shù)據(jù)，包括正常人的正常心臟電影MRI圖像和心臟病人的異常心臟電影MRI圖像，所述心臟電影MRI訓練數(shù)據(jù)包括心臟舒張及收縮階段的電影MRI圖像；

步驟2：由經(jīng)驗豐富的醫(yī)生手動對心臟電影MRI訓練數(shù)據(jù)中的心臟結(jié)構(gòu)進行逐層標注，并將標注結(jié)果作為心臟分割標準結(jié)果；

步驟3：心臟區(qū)域提取生成對抗網(wǎng)絡(luò)訓練，設(shè)計并建立基于生成對抗網(wǎng)絡(luò)的心臟區(qū)域提取模型，從收集到的所述心臟電影MRI訓練數(shù)據(jù)中提取出心臟區(qū)域圖像，提取出的心臟區(qū)域圖像由多個心臟MRI切片圖像疊加構(gòu)成；

所述心臟區(qū)域提取模型包括生成器和判別器：

所述生成器以心臟MRI切片圖像作為輸入，采用編碼解碼結(jié)構(gòu)，即先通過卷積、池化操作、下采樣提取特征，再通過上采樣、局部細節(jié)補償以及卷積操作生成與輸入的心臟MRI切片圖像尺寸一致的偽心臟輪廓圖像；

所述判別器以心臟MRI切片圖像和相應(yīng)的真實心臟區(qū)域輪廓圖像對或心臟MRI切片圖像和生成器生成的偽心臟輪廓圖像對作為輸入，通過卷積和池化操作提取特征，判別輸入的心臟輪廓圖像是真實的還是由生成器生成的；

步驟4：基于多路卷積神經(jīng)網(wǎng)絡(luò)的心臟分割網(wǎng)絡(luò)訓練，設(shè)計并建立結(jié)合層間上下文信息的深度卷積分割網(wǎng)絡(luò)，步驟包括：

步驟41：對步驟3提取出的心臟區(qū)域進行心臟結(jié)構(gòu)的分割，以迭代的方式將相鄰層的MRI切片圖像信息以及相鄰上層的已有分割結(jié)果信息作為層間上下文信息；

步驟42：將所述層間上下文信息分別輸入到各自對應(yīng)的特征提取分支中，每個所述特征提取分支采用獨立的并行結(jié)構(gòu)，即每個層間上下文特征提取分支采用相同的網(wǎng)絡(luò)結(jié)構(gòu)但是獨立處理其對應(yīng)的一種層間上下文信息；

步驟43：各分支通過疊加多個卷積及池化操作提取圖像的高層抽象特征，并經(jīng)特征融合模塊進行融合；

步驟44：特征融合模塊先將每個所述特征提取分支提取到的高層抽象特征進行串連，然后通過ASPP模塊進一步融合這些高層特征，融合后的特征經(jīng)由解碼模塊的上采樣、局部細節(jié)信息補償以及卷積操作將圖像恢復到輸入進分割網(wǎng)絡(luò)時的尺寸，得到端到端的密集多結(jié)構(gòu)同時分割概率圖，并由概率圖確定各個像素所屬類別從而得到最終的分割結(jié)果；

步驟5：將步驟4心臟結(jié)構(gòu)分割網(wǎng)絡(luò)得到的分割結(jié)果與步驟2得到的心臟標準分割結(jié)果進行比較，通過性能評價指標進行分割結(jié)果量化評估；

步驟6：收集待分割心臟電影MRI數(shù)據(jù)，利用步驟3訓練好的心臟區(qū)域提取模型提取心臟區(qū)域，并記錄提取位置信息，然后將提取的心臟區(qū)域的MRI切片圖像輸入到步驟4訓練好的心臟分割網(wǎng)絡(luò)中，自心底到心頂依次迭代完成心臟區(qū)域體數(shù)據(jù)的分割，剔除分割結(jié)果中各個心臟結(jié)構(gòu)可能存在的不連續(xù)的零散區(qū)域，得到心臟結(jié)構(gòu)初始分割結(jié)果；

步驟7：根據(jù)所述提取位置信息，將所述心臟結(jié)構(gòu)初始分割結(jié)果恢復到原圖尺寸，得到最終的分割結(jié)果。