1.一种基于深度学习的电阻抗成像形状重建方法，其特征在于，包括以下步骤：S1：使用有限元方法，对背景区域以三角形为单元进行剖分；在背景区域内设置控制点向量，采用B样条闭合曲线生成方法得到背景区域内目标物体的边界形状及其位置；

S2：在背景阻抗值为σ0的情况下，设置不同目标物体的阻抗值，使用有限元法计算边界电压值；

S3：将边界电压值作为神经网络的输入，不同目标物体的阻抗值和控制点向量作为神经网络的输出，得到神经网络模型的训练数据集，建立EIT深度学习网络模型，从而确立边界电压值和目标物体的阻抗值、控制点向量值之间的映射关系；

S4：将被测区域的边界电压值输入到训练好的神经网络模型，输出被测区域物体的阻抗值以及控制点向量，进而重建被测区域内目标物体边界形状及其位置。

2.如权利要求1所述的一种基于深度学习的电阻抗成像形状重建方法，其特征在于，所述S1步骤中，在背景区域内设置多个目标物体的控制点向量，采用B样条闭合曲线生成方法得到闭合边界曲线，若某个单元的中心在闭合边界曲线内部或在闭合边界曲线上，则该单元属于目标物体，否则不属于，从而得到目标物体的边界形状及其位置；其中闭合边界形状包括三角形、圆形、正方形、不规则图形。

3.如权利要求2所述的一种基于深度学习的电阻抗成像形状重建方法，其特征在于，在背景区域内，首先设置垂直于x轴方向的随机长度的线段作为圆直径，取其两端点作为圆边界的起点和终点；其次，在起点和终点之间，沿顺时针和逆时针方向各随机均匀生成5个点；

再次，以起点，终点，随机生成的10个点作为控制点，利用B样条闭合曲线生成方法画出形状为圆形的边界闭合曲线；最后，若某个单元的中心到圆心的距离小于或等于圆形的半径，则该单元属于目标物体，否则不属于，从而得到目标物体的边界形状及其位置。

4.如权利要求2所述的一种基于深度学习的电阻抗成像形状重建方法，其特征在于，在背景区域内，首先，随机设置一条线段作为三角形的一条边，并记端点分别为顶点A和B；其次，以A为圆心将这条边随机顺时针或逆时针旋转，作为三角形的第二条边，同时得到顶点C的坐标；再次，在边AB、AC、BC上分别随机均匀生成3个点，与三个顶点一起作为控制点，利用B样条闭合曲线生成方法画出形状为三角形的边界闭合曲线；最后，若某个单元的中心在边界闭合曲线内部或在边界闭合曲线上，则该单元属于目标物体，否则不属于，从而得到目标物体的边界形状及其位置。

5.如权利要求1所述的一种基于深度学习的电阻抗成像形状重建方法，其特征在于，将边界电压值的数目作为神经网络的输入层节点数，不同目标物体的阻抗值和控制点向量作为神经网络的输出层节点数，隐藏层节点数根据“隐藏层个数不应大于输入层个数的两倍”的规则来确定，从而建立边界测量电压值，不同目标物体阻抗值和对应控制点向量值之间的映射关系。