1.一种动静脉确定方法，其特征在于，包括：
获取包含目标血管的初始医学图像数据；
基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；
基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，包括：
基于第一目标体素对应的第一预设物理尺寸，对所述初始医学图像数据进行三维重采样，得到具有所述第一目标体素的第一重采样医学图像数据；
将所述第一重采样医学图像数据输入第一主干提取神经网络模型中，得到所述动脉主干和静脉主干图像。
3.根据权利要求1所述的方法，其特征在于，所述基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，还包括：
基于第二目标体素对应的第二预设物理尺寸，对所述初始医学图像数据进行三维重采样，得到具有所述第二目标体素的第二重采样医学图像数据；
将所述第二重采样医学图像数据输入预提取神经网络模型中，得到目标血管概貌图像；
基于所述目标血管概貌图像，确定所述目标血管的目标血管感兴趣区域；
根据所述目标血管感兴趣区域，确定所述初始医学图像数据中，与所述目标血管感兴趣区域相对应的感兴趣初始医学图像数据；
基于第三目标体素对应的第三预设物理尺寸，对所述感兴趣初始医学图像数据进行三维重采样，得到具有所述第三目标体素的第三重采样医学图像数据；
将所述第三重采样医学图像数据输入第二主干提取神经网络模型中，得到所述动脉主干和静脉主干图像。
4.根据权利要求3所述的方法，其特征在于，所述基于所述目标血管概貌图像，确定所述目标血管的目标血管感兴趣区域，包括：
确定所述目标血管概貌图像中的最大连通区域；
将所述最大连通区域作为所述目标血管感兴趣区域。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述主干提取神经网络模型为卷积神经网络模型。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息，包括：
确定所述动脉主干或所述静脉主干的末端点位置和末端点方向；
基于预设追踪约束条件、所述末端点位置、所述末端点方向和所述初始医学图像数据，利用血管追踪算法追踪所述动脉细支和所述静脉细支，结合所述动脉主干信息和静脉主干信息，得到动脉血管和静脉血管图像。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息，还包括：
基于预设血管细支提取方法，从所述初始医学图像数据中提取出所述目标血管的细支血管，所述细支血管包括所述动脉细支和所述静脉细支；
基于预设分离约束条件，确定所述动脉细支与所述静脉细支之间的黏连点；
基于所述黏连点，确定所述细支血管中的所述动脉细支和所述静脉细支，结合所述动脉主干信息和静脉主干信息，得到动脉血管和静脉血管图像。
8.一种动静脉确定装置，其特征在于，包括：
初始医学图像数据获取模块，用于获取包含目标血管的初始医学图像数据；
动脉主干和静脉主干确定模块，用于基于预先训练的主干提取神经网络模型，确定所述初始医学图像数据中的动脉主干信息和静脉主干信息，动脉主干和静脉主干分别为所述目标血管中，预设支干的动脉血管和静脉血管；
动脉血管和静脉血管确定模块，用于基于预设约束条件，确定所述初始医学图像数据中的动脉细支信息和静脉细支信息，结合所述动脉主干信息和静脉主干信息，得到所述目标血管的动脉血管信息和静脉血管信息。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的动静脉确定方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的动静脉确定方法。