1.一种肝胆管及胆道结石的图像分割系统，其特征在于，包括：分割网络模型；所述分割网络模型包括：第一编码器‑解码器模块、第二编码器‑解码器模块、优化模块；

所述第一编码器‑解码器模块用于：对CT序列图像的各图像分别进行特征提取，得到若干个第一多尺度特征图和高层特征图；对所述第一多尺度特征图的上下文信息特征再学习处理，生成多尺度上下文特征图；对所述高层特征图进行时域上下文信息学习，生成高层双向上下文特征图；对所述多尺度上下文特征图和所述高层双向上下文特征图进行拼接，生成第一上下文融合特征图；其中，所述CT序列图像为连续且相邻的肝胆管结石病的CT序列图像；

所述第二编码器‑解码器模块用于：对所述多尺度上下文特征图和所述第一上下文融合特征图进行拼接，生成第二上下文融合特征图；对所述第二上下文融合特征图进行时域上下文信息学习，生成高层双向上下文融合特征图；对所述多尺度上下文特征图和所述高层双向上下文融合特征图进行连接后，输出序列概率图；

所述优化模块用于：

基于预置的损失函数，计算所述序列概率图和所述序列概率图对应的标签序列图的损失函数值，判断所述损失函数值是否小于预置值，若是，则得到最优分割网络模型，否则，根据所述损失函数值对所述分割网络模型的特征参数进行更新后，触发所述第一编码器‑解码器模块和所述第二编码器‑解码器模块。

2.根据权利要求1所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第一编码器‑解码器模块，具体包括：第一编码器、ConvLSTM模块、第一BiConvLSTM模块、第一解码器；

所述第一编码器用于：对所述CT序列图像的各图像中的小目标区域分别进行特征提取，得到若干个第一多尺度特征图和高层特征图，将所述第一多尺度特征图发送到所述ConvLSTM模块，以及将所述高层特征图发送到所述第一BiConvLSTM模块；

所述ConvLSTM模块用于：对所述第一多尺度特征图的上下文信息特征再学习处理，生成多尺度上下文特征图，将所述多尺度上下文特征图发送到所述第一解码器和所述第二编码器‑解码器模块；

所述第一BiConvLSTM模块用于：对所述高层特征图进行两次相反方向的时域上下文信息学习，生成高层双向上下文特征图，将所述高层双向上下文特征图发送到所述第一解码器；

所述第一解码器用于：对所述多尺度上下文特征图和所述高层双向上下文特征图进行跳跃拼接，生成第一上下文融合特征图，并将所述第一上下文融合特征图发送到所述第二编码器‑解码器模块。

3.根据权利要求2所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第二编码器‑解码器模块，具体包括：第二编码器、第二BiConvLSTM模块、第二解码器；

所述第二编码器用于：对所述多尺度上下文特征图和所述第一上下文融合特征图进行跳跃拼接，生成第二上下文融合特征图，将所述第二上下文融合特征图发送到所述第二BiConvLSTM模块；

所述第二BiConvLSTM模块用于：对所述第二上下文融合特征图进行两次相反方向的时域上下文信息学习，生成高层双向上下文融合特征图，将所述高层双向上下文融合特征图发送到所述第二解码器；

所述第二解码器用于：对所述多尺度上下文特征图和所述高层双向上下文融合特征图进行连接后，通过激活函数输出序列概率图。

4.根据权利要求3所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述激活函数为：Sigmoid函数。

5.根据权利要求1所述的肝胆管及胆道结石的图像分割系统，其特征在于，还包括：输入模块；

所述输入模块用于：控制连续且相邻的肝胆管结石病的所述CT序列图像的序列数量，使得所述CT序列图像输入到所述第一编码器‑解码器模块。

6.根据权利要求2所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第一编码器由若干个第一卷积层和第一池化层组层，其中，所述第一卷积层的高斯卷积核的尺寸为1*1。

7.根据权利要求2所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第一解码器由若干个第一特征融合层、第二卷积层、上采样层组成，其中，所述第二卷积层的高斯卷积核的尺寸为3*3。

8.根据权利要求3所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第二编码器由若干个第二特征融合层、第三卷积层、第二池化层组，其中，所述第三卷积层的稀疏卷积核的尺寸为5*5。

9.根据权利要求3所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述第二解码器由若干个特征融合层、第四卷积层、上卷积层组成，其中，所述第四卷积层的稀疏卷积核的尺寸为7*7。

10.根据权利要求1所述的肝胆管及胆道结石的图像分割系统，其特征在于，所述预置的损失函数为：

其中，所述预置的损失函数等式的右边分为两个部分；

一是普通的自举交叉熵损失函数，其中N和K分别表示图像像素数和像素类别数；在括号内，yi＝j表示属于第j类的这个条件，pij表示属于第j类的第i个像素的测量概率，其中t是一个阈值，其取值范围为(0,1]；当括号内的条件(yi＝j)∩(pij≤tj)成立时，1{(yi＝j)∩(pij≤tj)}等于1，否则等于0；

二是基于关联性的加权值，即w；

其中n代表输入序列图像的切片帧数(正整数)，s代表当前时刻的切片位置(s≤n)；C代表两张不同图像切片之间的相似度，如常见的余弦相似度、欧几里得距离相似度。