1.一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，包括以下步骤：

获取肺结节图像；

根据获取的图像和预设的神经网络检测模型，得到肺结节的分类结果；

其中，所述神经网络检测模型采用注意力机制和3D残差神经网络。

2.如权利要求1中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述获取肺结节图像是预处理后的肺部CT图像，所述预处理包括图像增强和图像实质分割。

3.如权利要求2中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述图像增强包括图像纹理增强和图像去噪；其中，所述图像纹理增强采用直方图均衡化使得肺部CT图像的纹理更加清晰，所述图像去噪采用中值滤波法来去除肺部CT图像中的噪声。

4.如权利要求3中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述神经网络检测模型由3D残差卷积模块和注意力机制模块组成；预处理后的肺部CT图像经过3D残差卷积模块后进入注意力模块通道，在平均池化层和最大池化层的作用下进行图像压缩，生成平均汇集特征和最大汇集特征，基于共享权重层的特征融合，生成最终的注意力通道。

5.如权利要求4中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述3D残差卷积模块采用两个1*1*1的卷积核和一个3*3*3的卷积核。

6.如权利要求1中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述神经网络检测模型采用随机梯度下降算法进行模型的训练。

7.如权利要求1中所述的一种基于注意力机制的神经网络的肺结节图像检测方法，其特征在于，所述神经网络检测模型的损失函数包括分类损失和回归损失。

8.一种基于注意力机制的神经网络的肺结节图像检测系统，其特征在于，包括：获取模块，用于获取肺结节图像；

检测模块，用于根据获取的图像和预设的神经网络检测模型，得到肺结节的分类结果；

其中，所述神经网络检测模型采用注意力机制和3D残差神经网络。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7中任一项所述的基于注意力机制的神经网络的肺结节图像检测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的基于注意力机制的神经网络的肺结节图像检测方法中的步骤。