1.一种医学图像的自动分割方法，包括：采用视觉注意模型获得待训练的医学图像的显著图，所述视觉注意模型采用时空滤波器来获取有效的时空信息；

将待训练的医学图像的显著图输入深度学习神经网络中，以便训练深度学习神经网络的参数；

通过所述视觉注意模型获得待分割的医学图像的显著图，并利用训练好的深度学习神经网络对待分割的医学图像的显著图进行分割，得到初分割结果；

基于所述初分割结果来构建统计形状模型的初始轮廓和优化所述统计形状模型，以获得优化的统计形状模型；以及

采用优化的统计形状模型对待分割的医学图像进行分割，得到该医学图像的轮廓；

其中，所述统计形状模型是三维活动形状模型，基于所述初分割结果来构建统计形状模型的初始轮廓和优化所述统计形状模型以获得优化的统计形状模型包括，基于所述初分割结果构建三维活动形状模型的初始形状和优化三维活动形状模型的图像强度模型；

其中，基于所述初分割结果构建三维活动形状模型的初始形状包括，根据所述初分割结果，通过点云配准把三维活动形状模型的平均形状变换成初始形状，以及基于所述初分割结果优化三维活动形状模型的图像强度模型包，根据粗分割结果构建窄带，用于限制图像轮廓点的搜索区域，建立像素点和该像素点到所述窄带的距离之间的函数关系，并且根据该函数关系计算图像强度模型中的马氏距离；

采用视觉注意模型获得待训练的医学图像的显著图包括，在多个特征通道内分别提取视觉特征，所述视觉特征包括灰度、纹理和亮度中的至少一种，

在所述多个特征通道内分别进行所述视觉特征的融合，以获得多幅特征显著图，以及把所述多幅特征显著图线性融合成待训练的医学图像的显著图；

所述多个特征通道包括运动方向通道、运动强度通道、空间方向通道和空间强度通道，以及在多个特征通道内分别提取视觉特征包括，采用时空滤波器模拟初级视皮层简单细胞的静态和动态属性，以提取方向性的运动能量；

基于构成时空滤波器的空间高斯包和时间高斯包来建立环绕抑制加权函数，并建立基于环绕抑制加权函数的环绕易化的运动能量和环绕抑制的运动能量；

通过迭代过程来实现环绕易化与环绕抑制之间的动态平衡，并输出迭代结果作为所述视觉特征。

2.根据权利要求1所述的自动分割方法，其中，所述深度学习神经网络是深度卷积神经网络，将待训练的医学图像的显著图输入深度学习神经网络中以便训练深度学习神经网络的参数包括，根据手工标记的金标准与待分割的医学图像的显著图，采用所述深度卷积神经网络对所述显著图进行训练。

3.根据权利要求1所述的自动分割方法，其中，所述医学图像是四维核磁共振心脏图像。

4.一种医学图像的自动分割系统，包括：显著图生成模块，用于采用视觉注意模型获得待训练的医学图像的显著图；

训练模块，用于将待训练的医学图像的显著图输入深度学习神经网络中，以便训练深度学习神经网络的参数；

初分割模块，用于通过所述视觉注意模型获得待分割的医学图像的显著图，并利用训练好的深度学习神经网络对待分割的医学图像的显著图进行分割，得到初分割结果；

轮廓构建和优化模块，用于基于所述初分割结果来构建形状模型的初始轮廓和优化统计形状模型，得到优化的统计形状模型；以及轮廓生成模块，用于采用优化的统计形状模型对待分割的医学图像进行分割，得到该医学图像的轮廓；

其中，所述统计形状模型是三维活动形状模型，所述轮廓构建和优化模块包括：轮廓构建单元，用于基于所述初分割结果构建三维活动形状模型的初始形状，和模型优化单元，用于优化三维活动形状模型的图像强度模型；

其中，所述轮廓构建单元具体用于根据所述初分割结果，通过点云配准把三维活动形状模型的平均形状变换成初始形状，所述模型优化单元具体用于根据粗分割结果构建窄带，用于限制图像轮廓点的搜索区域，建立像素点和该像素点到所述窄带的距离之间的函数关系，并且根据该函数关系计算图像强度模型中的马氏距离；

所述显著图生成模块包括：

特征提取单元，用于在多个特征通道内分别提取视觉特征，所述视觉特征包括灰度、纹理和亮度中的至少一种，

特征融合单元，用于在多个特征通道内分别进行视觉特征的融合，以获得多幅特征显著图，以及

显著图融合单元，用于把所述多幅特征显著图线性融合成待训练的医学图像的显著图；

所述多个特征通道包括运动方向通道、运动强度通道、空间方向通道和空间强度通道，以及所述特征提取单元具体用于采用时空滤波器模拟初级视皮层简单细胞的静态和动态属性，以提取方向性的运动能量；基于构成时空滤波器的空间高斯包和时间高斯包来建立环绕抑制加权函数，并建立基于环绕抑制加权函数的环绕易化的运动能量和环绕抑制的运动能量；通过迭代过程来实现环绕易化与环绕抑制之间的动态平衡，并输出迭代结果作为所述视觉特征。