胃癌是影响着全人类的一项重大疾病,严重的影响着人们的健康。而腹腔动脉血管的走向对胃癌手术计划的制定有着至关重要的作用。临床上普遍使用CT（Computed Tomography）造影技术作为胃癌诊断的主要手段,一般情况下医生可以根据CT图像对胃部腹腔动脉血管的走向进行判断,从而可以制定相应的手术计划。因此如何在CT影像中得出准确精细的腹腔动脉血管的分割结果仍然是一项热门并且具有挑战性的任务。目前腹腔动脉血管的分割主要依靠手工的方法进行处理效率不高,需要巨大的人力支持。在计算机视觉算法中,卷积神经网络（Convolutional Neural Networks,CNNs）算法以其强大的性能越来越多的被使用到各个领域的各种任务中去。它可以在大量数据的基础上自动地提取到目标任务的关键特征从而实现一定的预测功能。针对在胃癌诊断过程中的胃部腹腔动脉血管走向判断的问题,在基于上腹部增强CT数据的基础上,本文利用多通道卷积神经网络对腹腔动脉血管的语义分割作了相关研究,具体的研究内容如下:（1）由于三维CT数据至二维数据的转换中存在着一定的信息量损失,并且单个轴面的二维CT数据的分割也存在着信息量不足、分割效果欠佳的问题,所以本文在二维的CT切片数据的基础上提出了一种可以融合CT多个轴面的多通道卷积神经网络算法,在控制一定计算量的基础上利用其他轴面的具有相关性的数据进行全局信息的补充,在网络框架中迭代地使用X-module模块对具有相关性的特征进行了全局特征的提取,使腹腔动脉血管在分割过程中利用到了更加丰富的特征信息从而产生出更加准确的语义分割预测结果。在通过60例数据集与其他高效的语义分割网络进行的对比中,可以发现本算法可以在不同指标上得到显著的提高,进而说明了本算法的有效性。（2）在CT三维数据的语义分割研究中,稀疏目标的分割任务往往在分割的边缘部分和细小目标部分表现较差。为了进一步的利用信息量更加丰富的原始CT数据并进一步的精化分割目标的边缘部分,本文在CT三维数据的腹腔动脉血管的语义分割研究中提出了一种基于多监督的卷积神经网络算法。此算法的网络结构可以结合腹腔动脉血管的边缘线信息来对腹腔动脉血管的语义分割作辅助分割,一定程度上对血管的语义分割进行约束和限制,通过在60例数据集的对比实验中可以发现本算法在提高网络整体分割水平的基础上还可以使网络的最终结果在边缘部分更加准确,从而一定程度上可以实现胃癌诊断中的胃部腹腔动脉血管走向的辅助诊断问题。