1.医学图像分割模型的构建方法，其特征在于，所述方法包括以下步骤：获取用于进行模型训练的图像数据集；

根据所述图像数据集进行医学图像分割模型的训练；所述医学图像分割模型为混入有改进ECA模块的图像语义分割网络，所述改进ECA模块由ECA模块和CBAM注意力模块耦合而成，其中所述医学图像分割模型中，图像数据集经过改进ECA模块处理后作为下一层下采样的输入，未经过改进ECA模块处理的特征图做跳跃连接；

对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建。

2.根据权利要求1所述的方法，其特征在于，所述获取用于进行模型训练的图像数据集的步骤，具体包括：获取初始图像集；

对所述初始图像集进行预处理，所述预处理至少包括对初始图像集中图像的筛选、类型转换和尺寸修订；

对经过预处理的初始图像集进行数据扩增，得到用于进行模型训练的图像数据集。

3.根据权利要求1所述的方法，其特征在于，所述医学图像分割模型包括下采样特征提取部和上采样特征提取部，其中所述下采样特征提取部由两个3×3的卷积层和一个2×2的池化层组成；所述上采样特征提取部由通过双线性插值进行的上采样和特征拼接以及卷积层构成的。

4.根据权利要求2所述的方法，其特征在于，所述对经过预处理的初始图像集进行数据扩增的方式为：通过弹性变换方法对所述经过预处理的初始图像集进行数据扩增。

5.根据权利要求1所述的方法，其特征在于，所述对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建的步骤，具体包括：对医学图像分割模型的训练过程进行观测，逐步确定模型的参数范围；

根据参数范围逐步确定所述医学图像分割模型的参数最优值；

根据所述参数最优值对所述医学图像分割模型进行再训练；

判定所述医学图像分割模型是否达到最佳拟合，当所述医学图像分割模型达到最佳拟合时，完成医学图像分割模型的构建。

6.医学图像分割模型的构建系统，其特征在于，所述系统包括：图像数据集获取模块，用于获取用于进行模型训练的图像数据集；

模型训练模块，用于根据所述图像数据集进行医学图像分割模型的训练；所述医学图像分割模型为混入有改进ECA模块的图像语义分割网络，所述改进ECA模块由ECA模块和CBAM注意力模块耦合而成，其中所述医学图像分割模型中，图像数据集经过改进ECA模块处理后作为下一层下采样的输入，未经过改进ECA模块处理的特征图做跳跃连接；

寻优再构建模块，用于对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建。

7.根据权利要求6所述的医学图像分割模型的构建系统，其特征在于，所述图像数据集获取模块包括：初始图像集获取单元，用于获取初始图像集；

预处理单元，用于对所述初始图像集进行预处理，所述预处理至少包括对初始图像集中图像的筛选、类型转换和尺寸修订；

数据扩增单元，用于对经过预处理的初始图像集进行数据扩增，得到用于进行模型训练的图像数据集。

8.根据权利要求6所述的医学图像分割模型的构建系统，其特征在于，所述寻优再构建模块包括：观测单元，用于对医学图像分割模型的训练过程进行观测，逐步确定模型的参数范围；

最优值确定单元，用于根据参数范围逐步确定所述医学图像分割模型的参数最优值；

再训练单元，用于根据所述参数最优值对所述医学图像分割模型进行再训练；

拟合判定单元，用于判定所述医学图像分割模型是否达到最佳拟合，当所述医学图像分割模型达到最佳拟合时，完成医学图像分割模型的构建。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至6中任一项权利要求所述医学图像分割模型的构建方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至6中任一项权利要求所述医学图像分割模型的构建方法的步骤。