1.基于对抗网络的心脏MRI分割方法，其特征是，包括：输入待分割的心脏MRI；

对输入的心脏MRI预处理；

将预处理后的心脏MRI输入到对抗网络的分割器中；

所述分割器的工作原理，包括：

分割器：第一输入层，接收预处理后的待分割的心脏MRI，并将接收的图像送入第一卷积层进行卷积处理，然后第一卷积层的输出值送入第一池化层进行池化操作，得到第一特征图；

第一池化操作的输出值第一特征图，送入第二卷积层进行卷积处理，然后第二卷积层的输出值送入第二池化层进行池化操作，得到第二特征图；

第二池化操作的输出值第二特征图，送入第三卷积层进行卷积处理，然后第三卷积层的输出值送入第三池化层进行池化操作，得到第三特征图；

第三池化操作的输出值第三特征图，送入第四卷积层进行卷积处理，然后第四卷积层的输出值送入第四池化层进行池化操作，得到第四特征图；

第四池化操作的输出值第四特征图，送入第五卷积层进行卷积处理，然后第五卷积层的输出值送入第五池化层进行池化操作，得到第五特征图；

第五池化操作的输出值第五特征图，送入第一反卷积层进行反卷积处理，以扩大特征图尺寸；将第一反卷积层处理得到的第六特征图与第四池化层输出的第四特征图进行融合，得到第一融合特征图；

第二反卷积层对第一反卷积层输出值进行反卷积处理，即对第一融合特征图进行反卷积处理；将第二反卷积层处理得到的第七特征图与第三池化层输出的第三特征图进行融合，得到第二融合特征图；

第三反卷积层对第二反卷积层输出值进行反卷积处理，即对第二融合特征图进行反卷积处理，得到第八特征图；

第四反卷积层对第二池化层输出的第二特征图进行反卷积处理，得到第九特征图；

第五反卷积层对第一池化层输出的第一特征图进行反卷积处理，得到第十特征图；

将第八、九和十特征图进行级联操作，得到第十一特征图；

第六卷积层，对第十一特征图在进行卷积操作，实现对像素的分类，得到分割特征图，分为左心室、右心室、心肌和非目标对象四类；

将分割特征图与经过预处理的二维图像进行像素相乘，构造鉴别器的第一输入值；对标签ground truth进行one‑hot编码，之后再将标签ground truth与经过预处理的二维图像进行像素相乘，构造鉴别器的第二输入值。

2.如权利要求1所述的方法，其特征是，所述对抗网络包括分割器与鉴别器。

3.如权利要求2所述的方法，其特征是，所述分割器结构，包括：依次连接的第一输入层，第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层、第六卷积层，第一输出层；

其中，所述第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层为分割器的下采样通道；

其中，所述第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层为分割器的上采样通道；

其中，所述第六卷积层为主分类器。

4.如权利要求2所述的方法，其特征是，所述鉴别器结构，包括：依次连接的第二输入层，第七卷积层，第七池化层、第八卷积层、第八池化层、第九卷积层、第九池化层、第十卷积层、第十池化层、第十一卷积层、第十一池化层、第六反卷积层、第七反卷积层、第八反卷积层、第十二卷积层，第二输出层；

其中，所述第七卷积层，第七池化层、第八卷积层、第八池化层、第九卷积层、第九池化层、第十卷积层、第十池化层、第十一卷积层和第十一池化层为鉴别器的下采样通道；

其中，所述第六反卷积层、第七反卷积层和第八反卷积层为鉴别器的上采样通道；

其中，所述第十二卷积层为主分类器，在像素级别上分辨出分割结果。

5.如权利要求2所述的方法，其特征是，所述鉴别器的工作原理，包括：第二输入层，接收构建好的鉴别器的第一输入值和第二输入值，并将第一输入值和第二输入值均送入第七卷积层进行卷积处理，然后第七卷积层的输出值送入第七池化层进行池化操作，得到第十二特征图；

将第十二特征图送入第八卷积层进行卷积处理，然后第八卷积层的输出值送入第八池化层进行池化操作，得到第十三特征图；

将第十三特征图送入第九卷积层进行卷积处理，然后第九卷积层的输出值送入第九池化层进行池化操作，得到第十四特征图；

将第十四特征图送入第十卷积层进行卷积处理，然后第十卷积层的输出值送入第十池化层进行池化操作，得到第十五特征图；

将第十五特征图送入第十一卷积层进行卷积处理，然后第十一卷积层的输出值送入第十一池化层进行池化操作，得到第十六特征图；

将第十六特征图，送入第六反卷积层进行反卷积处理，以扩大特征图尺寸；将第六反卷积层处理得到的第十七特征图与第十池化层输出的第十五特征图进行融合，得到第三融合特征图；

第七反卷积层对第六反卷积层输出值进行反卷积处理，即对第三融合特征图进行反卷积处理；将反卷积层处理得到的第十八特征图与第九池化层输出的第十四特征图进行融合，得到第四融合特征图；

第八反卷积层对第七反卷积层输出值进行反卷积处理，即对第四融合特征图进行反卷积处理，得到第十九特征图；

第十二卷积层对第十九特征图进行卷积操作，对卷积操作后的第十九特征图进行argmax操作，鉴别器输出置信度图；

置信度图在像素级别上指出分割特征图的区域标签，之后通过反向传播，分割器更新参数。

6.如权利要求2所述的方法，其特征是，所述对抗网络的训练步骤，包括：构建训练集，所述训练集，包括：若干个预处理后的心脏核磁共振图像，每个预处理后的心脏核磁共振图像均有医学影像专家手动标注的心脏左心室、右心室和心肌图像；

将训练集输入到对抗网络中，对分割器与鉴别器分别进行训练；

训练分割器时只更新分割器参数，同理，训练鉴别器时只更新鉴别器参数；最终，鉴别器在像素级别上将分割特征图认为是ground truth，此时认为分割器输出的分割结果等于ground truth，以至于鉴别器无法鉴别真假，此时训练完成，对分割器所产生的分割特征图进行argmax操作，得到正确分割结果。

7.如权利要求1所述的基于对抗网络的心脏MRI分割方法的系统，其特征是，包括：输入模块，其被配置为输入待分割的心脏MRI；

预处理模块，其被配置为对输入的心脏MRI预处理；

分割模块，其被配置为：将预处理后的心脏MRI输入到预先训练好的对抗网络的分割器中；

分割器完成心室结构分割，输出左心室、右心室和心肌分割结果。