1.一种基于深度学习的结直肠息肉检测方法，其特征在于：包括以下步骤：步骤1：图像预处理，用于对三维CT医学图像进行预处理操作，获取用于训练的图像训练集；

步骤2：深度网络学习，对经过图像预处理得到的训练集进行学习训练，得到结直肠息肉的检测结结果。

2.根据权利要求1所述的一种基于深度学习的结直肠息肉检测方法，其特征在于：所述步骤1中，图像预处理包括以下步骤：步骤1.1：肠腔实质掩膜提取，提取肠腔实质的有效区域信息，以便于感兴趣区域提取；

步骤1.2：感兴趣区域提取，将提取过后的肠腔实质掩膜进行切割，留下具有息肉特征的疑似图像；

步骤1.3：结直肠训练数据集构建，将切割后保留下来的图像进行标注、保存，以便进行深度学习。

3.根据权利要求2所述的一种基于深度学习的结直肠息肉检测方法，其特征在于：所述步骤1.1中的有效区域：通过CT图像二值化、去杂、分割、保留、腐蚀、膨胀操作得到肠腔实质掩膜。

4.根据权利要求2所述的一种基于深度学习的结直肠息肉检测方法，其特征在于：所述步骤1.2中的感兴趣区域：通过肠腔实质掩膜从原始切片中提取肠腔实质后进行二值化,对所得的白色区域去杂，以其中心位置切割出的小块图像，即为肠腔实质的感兴趣区域。

5.根据权利要求2所述的一种基于深度学习的结直肠息肉检测方法，其特征在于：所述步骤1.3中的结直肠训练数据集：将提取的感兴趣区域参照所给的数据进行标注，形式为{xi,yi}，其中xi为候选ROI，yi为相应标签。

6.根据权利要求1所述的一种基于深度学习的结直肠息肉检测方法，其特征在于：所述步骤2中，包括构建基于LeNet‑5结构的深度学习网络框架，其结构包括两个卷积层、两个池化层和两个全连接层，其中一个全连接层为输出层，将输出层的神经元个数由10改为2，其定义为：

ture false

y 为真息肉的概率，y 为假息肉的概率，概率和为1且趋于两极，接近1代表为真息肉，接近0代表为假息肉。