问题：近年来，全球肝癌发病率和死亡率持续上升，及时发现肝脏病变并进行有效治疗对减少肝癌死亡率至关重要。计算机技术和生物医学不断发展，医学成像设备逐渐普及，医学图像分割在疾病诊断、病例分析、手术规划、预后评估中都有所应用，不仅可以为医生提供器官发生病变的位置、病变区域大小、病灶严重程度等极具价值的信息，而且可以在外科手术过程的实时成像中发挥作用。目前，如何实现肝脏肿瘤高精度自动分割，仍然是医学图像处理中最具挑战性的任务之一。由于人工成本和专业知识限制，很难在一个大型的肝脏图像数据集中，在体素水平上对肝脏及肝脏肿瘤进行标注，对以数据为驱动的深度学习模型来说，带标签数据缺乏这个问题需要解决。其次,肝脏CT图像自身具有灰度分布不均匀、形态数目因人而异、边界模糊的特点，使肝脏肿瘤精细化分割难度进一步加大。