1.一种前列腺组织轮廓线控制点的检测方法，其特征在于，包括以下步骤：步骤1、对多张原始核磁共振图进行前列腺组织轮廓线的标注，得到多条前列腺组织轮廓线，提取每条所述前列腺组织轮廓线的像素坐标；

步骤2、在每条所述前列腺组织轮廓线像素坐标中选择特征点，并生成对应热图，得到数据集；

步骤3、构建U‑Net网络，初始化训练参数；

步骤4、将所述数据集输入U‑Net网络进行训练，得到网络模型；

步骤5、将所述原始核磁共振图输入网络模型预测得到预测特征点，将所述预测特征点连接得到前列腺组织轮廓线；

步骤2具体包括以下步骤：

步骤2.1、统计每条所述前列腺组织轮廓线像素坐标的个数，按照比例选取若干个像素坐标作为前列腺轮廓线控制点，所述前列腺轮廓线控制点平均分为上半部分控制点和下半部分控制点；

步骤2.2、获取若干个所述像素坐标中x轴方向的最大值max_x、最小值min_x，根据上半部分控制点个数、最大值max_x及最小值min_x计算x轴每个控制点的间距；

步骤2.3、遍历所述最小值min_x到最大值max_x，每间隔一个间距计算该像素坐标x值对应的坐标y值，得到两个前列腺组织轮廓线的控制点(xi，yupi)、(xi，ydowni)，直至遍历结束，组成第一特征点；

步骤2.4、根据所述最小值min_x、最大值max_x得到x轴中心点坐标x_Center、y轴中心点坐标y_Center，组成第二特征点；

步骤2.5、将所述第一特征点、第二特征点组成特征点，作为网络训练数据集的初始点坐标；同时利用每张所述核磁共振图的前列腺组织轮廓线的特征点制作热图，设置所述热图的背景像素强度、特征点像素强度，得到初始数据集；

步骤3的U‑Net网络采用自定义损失函数，所述自定义损失函数为：LOSS＝λ1*LOSS1+λ2*LOSS2 (2)；

上式中，ω为惩罚项，abs()为取绝对值；

步骤4具体包括以下步骤：

步骤4.1、将所述数据集输入U‑Net网络，以经过标注的所述核磁共振图作为输入图片，热图作为标签，进行多次训练后得到第一网络模型；

步骤4.2、将所述原始核磁共振图输入第一网络模型进行预测，得到预测特征点，将所述预测特征点标注在原始核磁共振图上，并对所述预测特征点进行人为调整，得到第二数据集；

步骤4.3、将所述第二数据集输入第一网络模型进行训练，得到第二网络模型；

步骤4.4、重复步骤4.2‑4.3，直至模型趋于收敛，得到最终的网络模型。

2.根据权利要求1所述的一种前列腺组织轮廓线控制点的检测方法，其特征在于，在步骤3之前，对所述数据集进行归一化、数据增强。

3.根据权利要求1所述的一种前列腺组织轮廓线控制点的检测方法，其特征在于，步骤

5具体为：将所述原始核磁共振图输入网络模型进行预测得到预测特征点，将最外轮廓的所述预测特征点连接得到前列腺组织轮廓线。