1.一种医学图像目标区域的识别方法，其特征在于：包括以下步骤：步骤一、读取当前Dicom文件的信息，若所述信息包括目标关键词，则对所述Dicom文件进行处理，得到待识别的图像；

步骤二、将所述待识别的图像输入至基于残差结构的神经网络模型中，能通过不同的检测头输出，分别得到具有不同感受野的目标图像；

所述基于残差结构的神经网络模型包括骨干网络结构、SPP层、检测头；

所述骨干网络结构包括残差结构，所述残差结构包括以1×1Conv层在先处理、3×3的Conv层在后处理的方式形成的基本单位；多个骨干网络结构按照处理图像的顺序依次配合；每一个骨干网络结构的输出端均与一个对应的检测头的输入端相配合；在最后处理图像的骨干网络结构与同其对应的检测头之间还设置有所述SPP层。

2.根据权利要求1所述的医学图像目标区域的识别方法，其特征在于：在所述步骤一中，所述信息包括MRI图像权重信息，目标关键词为T2；

遍历所有的Dicom文件，使用开源工具PyDicom读取每个Dicom文件的序列信息，并判断序列信息中是否包含关键词T2，如果包含关键词T2，则确定所述Dicom文件为目标文件，读取所述Dicom文件中的矩阵信息，并将矩阵信息另存为JPG格式的图像。

3.根据权利要求1所述的医学图像目标区域的识别方法，其特征在于：所述骨干网络结构包括浅层骨干网络结构、中层骨干网络结构、深层骨干网络结构；所述检测头包括第一检测头、第二检测头、第三检测头；

当待识别的图像经所述浅层骨干网络结构处理后输入至第一检测头，能输出得到具有第一感受野的目标图像；当待识别的图像依次经所述经浅层骨干网络结构、中层骨干网络结构处理后输入至第二检测头，能输出得到具有第二感受野的目标图像；当待识别的图像依次经浅层骨干网络结构、中层骨干网络结构、深层骨干网络结构、SPP层处理后，输入至第三检测头，能输出得到具有第三感受野的目标图像。

4.根据权利要求3所述的医学图像目标区域的识别方法，其特征在于：所述浅层骨干网络结构按照对图像的处理顺序依次包括两个3×3的Conv层、一个第一残差结构、一个3×3的Conv层、一个第二残差结构、一个3×3的Conv层、一个第三残差结构；所述中层骨干网络结构按照对图像的处理顺序依次包括一个3×3的Conv层、一个第四残差结构；所述深层骨干网络结构按照对图像的处理顺序依次包括一个3×3的Conv层、一个第五残差结构；

所述第一残差结构包括一个基本单位；所述第二残差结构包括两个贯序配合的基本单位；所述第三残差结构包括八个贯序配合的基本单位；所述第四残差结构包括八个贯序配合的基本单位；所述第五残差结构包括四个贯序配合的基本单位。

5.根据权利要求1所述的医学图像目标区域的识别方法，其特征在于：所述SPP层包括并列设置的5×5的Max Pooling层、9×9的Max Pooling层和13×13的Max Pooling层；待识别的图像经过深层骨干网络结构处理后，分别输入至5×5的Max Pooling层、9×9的Max Pooling层、13×13的Max Pooling层中进行压缩后，再进行融合输出。

6.根据权利要求1所述的医学图像目标区域的识别方法，其特征在于：在每一个骨干网络结构与同其配合的检测头之间还设置有Convolution Set；其中，与最后处理图像的骨干网络结构配合的Convolution Set位于所述SPP层与对应的检测头之间；所述Convolution Set包括1×1Conv层和3×3Conv层交替堆叠的结构，并保证1×1Conv层位于结尾。

7.根据权利要求1所述的医学图像目标区域的识别方法，其特征在于：还包括所述基于残差结构的神经网络模型的训练，包括以下步骤：将训练集中的图像输入到所述基于残差结构的神经网络模型中，对所述基于残差结构的神经网络模型进行训练，当所述基于残差结构的神经网络模型的参数使得损失函数收敛时，完成所述基于残差结构的神经网络模型的训练。

8.根据权利要求7所述的医学图像目标区域的识别方法，其特征在于：所述基于残差结构的神经网络模型的训练采用的优化器为Adam优化器，损失函数为Focal Loss损失函数；

Focal Loss损失函数的表达式：其中，表达式(1)中，p表示置信度，α＝0.25，γ＝2；若y＝0，表示负样本，y＝1表示正样本。

9.一种基于残差结构的神经网络模型，其特征在于：包括浅层骨干网络结构、中层骨干网络结构、深层骨干网络结构、SPP层、第一检测头、第二检测头、第三检测头；

每一个骨干网络结构均包括有残差结构，所述残差结构包括以1×1Conv层在先处理、3×3的Conv层在后处理的方式形成的基本单位；同一个残差结构中的基本单位至少为一个；

当待识别的图像经所述浅层骨干网络结构处理后输入至第一检测头，能输出得到具有第一感受野的目标图像；当待识别的图像依次经所述经浅层骨干网络结构、中层骨干网络结构处理后输入至第二检测头，能输出得到具有第二感受野的目标图像；当待识别的图像依次经浅层骨干网络结构、中层骨干网络结构、深层骨干网络结构、SPP层处理后，输入至第三检测头，能输出得到具有第三感受野的目标图像。

10.一种使用如权利要求9所述的基于残差结构的神经网络在对非医学图像中感兴趣区域进行识别的应用。