1.一种低剂量CT图像超分辨率去噪方法，其特征在于，包括以下步骤：

(1)获取真实高剂量CT图像，将真实高剂量CT图像处理为低剂量CT图像；

(2)基于生成式对抗网络构建训练系统，包括生成器和判别器，生成器包括第一特征提取模块、至少1个轻量高效像素注意力模块、至少1个多尺度细节上下文模块和一个融合模块，第一特征提取模块用于从输入低剂量CT图像提取浅层特征向量，轻量高效像素注意力模块用于对输入浅层特征向量进行去噪，输出去噪特征向量，多尺度细节上下文模块用于对输入浅层特征向量扩大感受野，输出上下文细节紧密联系特征向量，融合模块用于将去噪特征向量和上下文细节紧密联系特征向量进行融合处理得到预测高剂量CT图像；

(3)构建训练系统的总损失函数，根据真实高剂量CT图像通过判别器输出第一判别信息，低剂量CT图像通过生成器输出预测高剂量CT图像，预测高剂量CT图像通过判别器输出第二判别信息，根据第一判别信息与第二判别信息的期望构建判别器的第一损失函数；

根据第二判别信息与第一判别信息的期望构建判别器的第二损失函数；

根据预测高剂量CT图像与真实高剂量CT图像数据的均方差，第一判别信息与第二判别信息的均方差，第一损失函数，以及第二损失函数构建训练系统的总损失函数；

(4)利用总损失函数对训练系统进行训练，训练结束时，确定参数的生成器组成CT图像超分辨率去噪模型；

(5)应用时，将低剂量CT图像输入至CT图像超分辨率去噪模型，经计算获得超分辨去噪的CT图像；

第一损失函数loss_d1为：

loss_d1＝σ(D(y)‑E[D(G(x)])

第二损失函数loss_d2为：

loss_d2＝σ(D(G(x))‑E[D(y)])

训练系统的总损失函数loss_d3为：

其中，x为低剂量CT图像，y为真实高剂量CT图像，σ()为Sigmoid函数，G(x)为低剂量CT图像经过生成器输出的预测高剂量CT图像，D(y)为真实高剂量CT图像经过判别器输出的第一判别信息，D(G(x))为预测高剂量CT图像经过判别器输出的第二判别信息，E[D(y)]为第一判别信息的期望，E[D(G(x)]为第二判别信息的期望，α、β和γ为权重系数，生成器D()通过VGG网络模型进行训练，yi为第i幅真实高剂量CT图像，xi为第i幅低剂量CT图像。

2.根据权利要求1所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述第一特征提取模块采用至少一个卷积层，即利用卷积层对低剂量CT图像进行提取，获得浅层特征向量。

3.根据权利要求1所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述轻量高效像素注意力模块包括第一通道、第二通道和第一融合单元，所述第一通道包括第一分支和第二分支，每个分支均采用至少1个卷积实现对输入浅层特征向量的去噪，两个分支的去噪结果经过第一激活函数处理后得到第一通道去噪结果，所述第二通道采用至少1个卷积实现对输入浅层特征向量的去噪得到第二通道去噪结果，所述第一融合单元对输入的第一通道去噪结果和第二通道去噪结果进行融合得到去噪特征向量。

4.根据权利要求3所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述第一分支采用至少一个1×1卷积实现对输入浅层特征向量的去噪，所述第二分支采用至少一个1×1卷积和至少一个3×3卷积实现对浅层特征向量的去噪，两个分支的去噪结果经过第一激活函数处理后得到第一通道去噪结果。

5.根据权利要求3所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述第一融合单元包括第一拼接模块和轻量化模块，第一拼接模块用于对输入第一通道去噪结果和第二通道去噪结果进行拼接，输出第一拼接特征向量，轻量化模块采用至少一个1×1卷积层实现对输入第一拼接特征向量的轻量化得到去噪特征向量。

6.根据权利要求1所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述多尺度细节上下文模块包括第二特征提取模块，第一批归一化层，第二激活函数，第二批归一化层和第三激活函数，所述第二特征提取模块采用多个不同尺度的膨胀卷积实现对浅层特征向量的多尺寸特征提取，第二特征提取模块的提取结果经过第一批归一化层和第二激活函数处理后得到多尺寸特征向量，第二融合单元用于对多尺寸特征向量进行融合，融合后的结果经过第二批归一化层和第三激活函数处理后得到上下文细节紧密联系特征向量。

7.根据权利要求1所述的低剂量CT图像超分辨率去噪方法，其特征在于，对训练系统进行训练时，优化器采用adam，初始学习率设置为0.001，然后每50个epoch衰减0.1倍。

8.根据权利要求1所述的低剂量CT图像超分辨率去噪方法，其特征在于，所述融合模块包括第二拼接模块和上采样模块，第二拼接模块用于对输入去噪特征向量和上下文细节紧密联系特征向量进行拼接，输出第二拼接特征向量，上采样模块用于对输入第二拼接特征向量扩大像素得到预测高剂量CT图像。

9.一种低剂量CT图像超分辨率去噪装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中采用权利要求1～8任一项所述的低剂量CT图像超分辨率去噪方法构建的CT图像超分辨率去噪模型；

所述计算机处理器执行所述计算机程序时实现以下步骤：

将低剂量CT图像输入至CT图像超分辨率去噪模型中，经计算获得超分辨去噪的CT图像。