1.一种基于MECAU‑Net网络的医学图像分割方法，其特征在于，所述医学图像分割方法包括以下步骤：在MECAU‑Net网络的编码端采用2×2偶数卷积模块对导入的医学图像进行特征提取；

同时，基于多尺度融合技术，在编码端构建与2×2偶数卷积模块平行的4×4偶数卷积通路，采用4×4偶数卷积核对图像信息进行提取，并且将提取得到的信息直接传递给编码网络的主干部分，以融合不同感受野内的特征信息；

其中，在每一层对待分割的特征图进行对称填充，再将获取到的信息通过拼接的方式传递给对应的主体网络进行下一步池化，在消除偶数卷积导致的像素偏移的同时扩展偶数卷积核的感受野；

所述MECAU‑Net网络从上至下设置有5层卷积；

所述医学图像分割方法还包括：

在MECAU‑Net网络的编码端2×2偶数卷积模块后嵌入了CBAM注意力模块，沿通道和空间两个不同维度依次推断注意力图，将注意力图和特征图融合后得到最后的结果。

2.一种基于权利要求1所述方法的基于MECAU‑Net网络的医学图像分割系统，其特征在于，所述医学图像分割系统包括输入模块、编码端、多尺度融合模块、主干部分和输出模块；

所述输入模块用于导入医学图像；

所述编码端包括依次连接的5层2×2偶数卷积模块，用于对导入的医学图像进行特征提取；

所述多尺度融合模块包括与2×2偶数卷积模块平行的5层4×4偶数卷积通路；每层4×

4偶数卷积核对图像信息进行提取，并且将提取得到的信息与对应层的2×2偶数卷积模块提取到的特征信息融合后，直接传递给编码网络的主干部分，以融合不同感受野内的特征信息；其中，在每一层对待分割的特征图进行对称填充，再将获取到的信息通过拼接的方式传递给对应的主体网络进行下一步池化，在消除偶数卷积导致的像素偏移的同时扩展偶数卷积核的感受野；

所述输出模块用于输出经过多尺度融合的特征图。

3.根据权利要求2所述的基于MECAU‑Net网络的医学图像分割系统，其特征在于，所述医学图像分割系统还包括5层CBAM注意力模块；5层CBAM注意力模块一一对应地嵌入在5层2×2偶数卷积模块之后，沿通道和空间两个不同维度依次推断注意力图，将注意力图和特征图融合后得到最后的结果。

4.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1中所述的基于MECAU‑Net网络的医学图像分割方法。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1中所述的基于MECAU‑Net网络的医学图像分割方法。