目的 提出并探讨使用多期相CT合成辅助腹部多器官分割方法。方法 提出多期相CT合成辅助腹部多器官分割，多期相CT能够充分提供同一器官不同的图像细节，从而为分割模型提供充分的全面的语义信息，提升腹部多个器官分割的性能。提出基于多头自注意力感知的多期相CT合成方法，引入基于多头自注意力机制的Transformer模块，提升合成网络捕捉长距离语义信息的能力，扩大网络的感受野，并且引入感知损失，在特征层面对合成图像与真实图像特征之间的差异最小化，与Transformer模块有协同作用，从而合成出更清晰、更高质量的多期相CT图像。结果 使用南方医院的多期相CT数据集训练模型。其中用526例多期相CT训练合成模型，利用动脉期增强动脉CT(A.CECT)合成出平扫CT(NECT)、静脉期CECT(V.CECT)、延迟期CECT(D.CECT)的平均最大化绝对误差（MAE）分别为19.192±3.381、20.140±2.676、22.538±2.874，结合统计学对比，本文方法优于对比的其他图像合成方法（P<0.05）。多期相CT合成辅助的腹部多器官分割方法验证在内部验证集上进行验证平均Dice系数（DSC）为0.847，在外部验证集上进行验证平均DSC为0.823。结论 本文方法能够合成出高质量的多期相CT图像以有效缓解不同期相CT之间存在的配准无法解决的误差问题，同时提高腹部13器官的分割性能，具有良好的泛化性能。