1.一种分割后小面积肿瘤块的堆叠投影重建方法，其特征在于，所述小面积肿瘤块的堆叠投影重建方法包括以下步骤：

步骤1，将医学影像数据降维成离散的二维切片序列，利用改进的全卷积神经网络对不同模态切片进行小面积肿瘤块的大批量分割；

步骤2，对含有肿瘤的切片根据相似性指标patch校准，精确定位肿瘤块；

步骤3，堆叠小面积肿瘤块图像，重复约束多栏平行滤波偏移极小角度，将校准后的小面积肿瘤块进行投影重建病体。

2.根据权利要求1所述的堆叠投影重建方法，其特征在于，步骤1中，所述将医学影像数据降维成离散的二维切片组包括以下步骤：步骤1‑1，避免肿瘤位点特异性，联合内置Slice()和Crop()同时从重心位置正交切片每个病例的像素图，形成m张切片序列，m值由临床医学影像质量决定，保证重建有效性和可靠性；

步骤1‑2，裁剪和缩放像素图将分辨率从原始值统一调整为240px×240px，确保投影重建的清晰度。

3.根据权利要求2所述的堆叠投影重建方法，其特征在于，步骤1中，所述改进的全卷积神经网络与传统的全卷积神经网络主要不同在于卷积层和BatchNorm层，其具体实现如下：将5×5卷积改进为3×1卷积叠加1×3卷积再合并点卷积层，加强图像特征融合；

在上述改进的卷积层后添加BatchNorm层进行批归一化操作，以加快学习速度并确保输入与输出图像保持在相同分布范围内。

4.根据权利要求3所述的堆叠投影重建方法，其特征在于，步骤2中，所述对含有肿瘤的切片根据相似性指标patch校准，具体为：相似性指标 ，其中，w和 为需配准的不同模态图像，240×240为步骤1‑2中设置的图像最佳分辨率，为自然数，当 时，校准w和 使相似性指标值在0至0.3范围内。

5.根据权利要求4所述的堆叠投影重建方法，其特征在于，步骤3，所述投影重建，包括以下步骤：

步骤3‑1，将m张校准完成后尺寸一致、像素相同的小面积肿瘤块图像进行等距间隔堆叠，距离s根据具体实验设置；

步骤3‑2，通过OpenCV()跟踪定位步骤3‑1的质心，利用多栏条纹的平行滤波对其进行投影；

步骤3‑3，以固定 偏转角度对堆叠图像进行相对运动，重复步骤3‑2操作投影60次以实现无死角全景小面积肿瘤块的重建；

步骤3‑4，调整设定 重复上述步骤3‑3对投影三维重建图像进行修正并降损。

6.根据权利要求5所述的堆叠投影重建方法，其特征在于，步骤3‑2，通过OpenCV()跟踪定位步骤3‑1的质心，利用多栏条纹的平行滤波对其进行投影，具体为，以质心为原点建立直角坐标系，所述多栏条纹的平行滤波投射结果T的表达式：，其中多栏平行滤波是线积分，

是步骤3‑1待投影图像， 是待投影图像上任意离散点的坐标，法线是坐标原点到 的线，其旋转角为 ，长度为 ， 为投射结果集上的点，是用于约束 和的 冲激 函 数 ，使 得 平行 滤 波投 射 结 果随 任 意 角 度 和 长 度 变 化 ，。

7.根据权利要求6所述的堆叠投影重建方法，其特征在于，还包括将所述步骤1‑步骤3渲染制作为可视化的交互界面，所述可视化的交互界面进行多视图动态分析，对医学影像的多个侧面快速选取、分割及调整，制作所述可视化的交互界面的步骤，具体如下：首先，将水平位、矢状位和冠状位角度切片序列分别导入QT Visual Studio Tools创建图层a、图层b、图层c，渲染去除边缘噪声；其次，将步骤2操作分割后小面积肿瘤块覆盖呈现在图层a、图层b、图层c上；最后，将步骤3操作后的堆叠投影重建结果调整在右下方的图层d，数据信息展示在图层右侧。