本申请提供了一种模型训练方法，用于迭代训练初始神经网络模型，得到非刚性配准模型，迭代训练过程中利用的模型约束函数包括全局相似度损失函数、平滑损失函数和肝动脉损失函数。训练方法包括：基于初始神经网络模型，利用预配准动脉期肝脏图像序列样本和门静脉期肝脏图像序列样本，得到当前次训练的配准数据；基于模型约束函数，利用当前次训练的配准数据、当前次训练对应的上一次训练的配准数据、门静脉期肝脏图像序列样本和其对应的门静脉分割数据，确定当前次训练的损失函数值；基于当前次训练的损失函数值，调整初始神经网络模型的参数，并循环迭代训练初始神经网络模型，直至确定的损失函数值满足预设条件，得到非刚性配准模型。