根据流行病学调查,肝癌是世界范围内的最为普遍的癌症之一,且近年的发病率持续升高。在计算机辅助治疗过程中,肝脏和肿瘤目标分割是对病灶区域进行有效放射等其他介入治疗手段的重要步骤。一般医学影像中针对目标区域标注都是由专业人员手动勾画,但是人工标注效率低下,因此利用深度学习相关方法有效地提取影像中丰富的语义特征信息,并实现目标器官及病灶实现高质量的自动化分割对该领域有重要的研究意义。本文针对CT影像中肝脏与周围器官组织对比度不高且肝脏形状多变,以及肝脏中的肿瘤数目、分布、尺寸多样等特征,针对三维腹部CT图像数据块,提出了包含改进的空间及通道特征调整模块的3D U-Net模型用于肝脏分割,以及使用混合池化改进的模型用于肝脏肿瘤分割。将上述两个模型组合成了本文提出的用于肝脏及肿瘤CT图像两阶段级联分割网络方法,为临床肝脏及其肿瘤分割做出了有益的探索。因此,论文的主要研究工作如下:（1）针对肝脏影像特征,为了进一步捕获肝脏区域相关特征信息,基于SE思想提出了改进的肝脏分割模型MSCR-3D U-Net。面向肝脏三维数据块,模型改进的重点主要包含以三维分割模型为基础扩展出的三维空间特征调整模块,以及使用None-local方法替换原有空间收缩操作的通道特征调整模块。在Li TS数据集上使用多个评估指标对改进的肝脏分割模型进行对比分析,证明该方法可有效提升肝脏分割表现。（2）针对肝肿瘤尺寸差异大且分布随机离散导致分割情况不佳的情况,构建了一种包含多尺度空间池化以及三维空间条形池化的混合池化模块对传统分割模型改进,并提出MP-3D Res U-Net用于肝肿瘤分割。其中,多尺度空间池化可以捕获不同尺度上语义分布密集区域的局部上下文信息,而三维空间上的条形池化从不同的空间维度对离散分布的肿瘤区域建立特征信息之间的远程依赖关系,两种池化操作混合使用来聚合不同类型的上下文信息。同样在Li TS数据集上,经过相关对比实验及得到的评估指标证明该模型可有效改善肝肿瘤的分割效果。（3）对于肝脏及其肿瘤分别设计的两种分割模型进行组合形成两步式级联肝脏及肿瘤分割模型,为验证本文提出的级联分割思路的有效性,将级联模型得到的肝脏和肿瘤分割结果与其他分割模型在原有数据集和另一个包含肝脏及肿瘤的CT图像公共数据集上进行实验对比分析,证明了本文所提出的两阶段级联方法的有效性。本文通过相关实验证明在级联分割思想的基础上,针对肝脏三维数据,提出的肝脏分割网络MSCR-3D U-Net模型可以进一步解决多类器官混杂的腹部CT图像中肝脏的分割不佳的问题。最终在肝脏分割结果基础上,提出的基于混合池化改进的分割模型MP-3D Res U-Net有效地改善了肝肿瘤的分割效果,为临床上肝脏及其肿瘤分割探索了一种新的思路。