1.一种乳腺超声结节检测方法，其特征在于，包括如下步骤：

获取原始乳腺超声图像；

将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；

将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。

2.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，包括：将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，输出组织分布预测热图；

将当前的所述组织分布预测热图与原始乳腺超声图像相融合，将融合后的图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，重新输出组织分布预测热图，重复执行上述步骤，直至达到预设执行次数。

3.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，所述目标检测网络的结构包括backbone、特征金字塔网络、卷积层分割头以及point head，所述backbone、特征金字塔网络、卷积层分割头依次连接，所述特征金字塔网络还与所述point head连接。

4.根据权利要求3所述的乳腺超声结节检测方法，其特征在于，还包括，在将所述原始乳腺超声图像输入至所述目标检测网络后，所述backbone和特征金字塔网络提取所述原始乳腺超声图像中的多尺度特征，所述卷积层分割头将多尺度特征转换为组织分布预测热图，所述point head输出乳腺结节检测结果。

5.根据权利要求4所述的乳腺超声结节检测方法，其特征在于，所述利用损失函数监督所述目标检测网络学习，包括：利用Dice损失函数约束所述组织分布预测热图，利用IoU损失函数与交叉熵损失函数约束所述乳腺结节检测结果，利用focalloss损失函数约束所述目标检测网络的前景与后景的分离。

6.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，所述Dice损失函数的计算公 式 为 所 述 Io U 损 失 函 数的 计 算 公 式 为所述focalloss损失函数的计算公式为CE(pt)＝‑αtlog(pt)，

其中，DiceLoss为Dice损失，ytrue为组织分布图金标准，ypred为网络预测组织分布图，pixels为像素，IoULoss为IoU损失，A为已标注的乳腺结节边框，B为网络预测的乳腺结节边框，CE(pt)为focalloss损失，αt为权重，p为前后景概率图，y为图像为前景的概率。

7.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，所述目标检测网络的训练过程还包括，对输入至所述目标检测网络的原始乳腺超声图像使用多尺度训练策略，通过带warmup的余弦退火学习率策略调整目标检测网络的学习率。

8.一种乳腺超声结节检测装置，其特征在于，包括图像获取模块、热图获取模块及检测模块；

所述图像获取模块，用于获取原始乳腺超声图像；

所述热图获取模块，用于将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；

所述检测模块，用于将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。

9.一种电子设备，包括存储器、处理器，所述存储器存储有可被所述处理器执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的乳腺超声结节检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的乳腺超声结节检测方法。