1.一种肺炎CT影像的病灶实例分割方法，其特征在于，所述方法包括：

获取患者待分割的肺炎CT影像；

将所述肺炎CT影像输入预先训练好的病灶实例分割模型，得到患者的肺炎病灶实例分割结果；其中，所述病灶实例分割模型以Mask R‑CNN模型为基础构建；所述病灶实例分割模型中的Mask分支模块包括特征提取单元、多尺度特征融合单元、通道注意力单元和亚像素卷积上采样单元。

2.根据权利要求1所述的方法，其特征在于，所述将所述肺炎CT影像输入预先训练好的病灶实例分割模型，得到患者的肺炎病灶实例分割结果，包括：将所述肺炎CT影像输入所述病灶实例分割模型中的特征提取模块，确定所述肺炎CT影像的特征图；

将所述肺炎CT影像的特征图输入所述病灶实例分割模型中的候选区域生成模块，确定所述肺炎CT影像的特征图中的目标候选区域；

将所述肺炎CT影像的特征图和所述目标候选区域输入所述病灶实例分割模型中的ROI Align模块，得到ROI特征图；

将所述ROI特征图输入所述病灶实例分割模型中的检测分支模块和Mask分支模块，得到所述检测分支模块输出的检测结果和所述Mask分支模块输出的Mask结果；

将所述检测结果和所述Mask结果相结合，得到所述肺炎病灶实例分割结果。

3.根据权利要求2所述的方法，其特征在于，将所述ROI特征图输入所述病灶实例分割模型中的Mask分支模块，得到所述Mask分支模块输出的Mask结果，包括：将ROI特征图输入所述特征提取单元中的卷积层进行特征提取，得到第一特征图；

将所述第一特征图分别输入所述多尺度特征融合单元中多个膨胀因子不同的空洞卷积层以提取多尺度特征，得到每个空洞卷积层输出的第二特征图；

针对每个空洞卷积层输出的第二特征图，将该第二特征图输入所述多尺度特征融合单元中与该空洞卷积层对应的分组卷积层进行特征升维，并拼接进行特征升维后的每个第二特征图得到融合特征图；

将所述融合特征图输入所述通道注意力单元进行特征层加权处理，得到加权特征图；

将所述加权特征图输入所述亚像素卷积上采样单元进行多倍亚像素卷积上采样处理，得到上采样特征图；

压缩所述上采样特征图的特征通道数，并基于压缩后的上采样特征图对所述肺炎CT影像中的每个病灶实例进行逐像素预测，得到所述Mask分支模块输出的Mask结果。

4.根据权利要求1所述的方法，其特征在于，所述病灶实例分割模型通过以下步骤被训练得到：将多个样本肺炎CT影像中每个样本肺炎CT影像中的玻璃阴影区域和实变区域合并为病变区域，并将所述病变区域中每个像素点的像素值设置为预设像素值；

根据每个样本肺炎CT影像中像素点的平均像素值，从多个样本肺炎CT影像中筛选出多个目标肺炎CT影像；

针对每个目标肺炎CT影像，基于该目标肺炎CT影像的语义分割真值图，标记出该目标肺炎CT影像中的每个病灶实例；其中，每个目标肺炎CT影像的语义分割真值图中第一真值的每个点表示该目标肺炎CT影像中该点对应位置属于正常肺部组织，第二真值的每个点表示该目标肺炎CT影像中该点对应位置属于病灶；

从所述多个目标肺炎CT影像筛选出病灶实例的实例边界点数量大于预设数量阈值的多个原始肺炎CT影像；其中，所述预设数量阈值通过在多次实验中分别筛选出实例边界点数量大于不同数量阈值的多批原始肺炎CT影像，将多批原始肺炎CT影像分别用于病灶实例分割模型的训练并比对训练效果而确定；

对多个原始肺炎CT影像进行训练数据增强，扩充得到多个训练肺炎CT影像，并将每个训练肺炎CT影像转换为与所述病灶实例分割模型匹配的数据格式；

基于所述多个训练肺炎CT影像对初始病灶实例分割模型进行多轮迭代训练，得到所述病灶实例分割模型。

5.根据权利要求4所述的方法，其特征在于，所述对多个原始肺炎CT影像进行训练数据增强，扩充得到多个训练肺炎CT影像，包括：将正常肺部CT影像输入肺分割模型，分割出所述正常肺部CT影像中的肺部组织影像；

针对每个原始肺炎CT影像，对该原始肺炎CT影像中的病灶实例进行图像变换，并将图像变换后的病灶实例随机粘贴到所述肺部组织影像，得到多个增强肺炎CT影像；

根据每个增强肺炎CT影像中病灶实例与肺部组织的重合程度，从所述多个增强肺炎CT影像中筛选出多个训练肺炎CT影像。

6.根据权利要求5所述的方法，其特征在于，所述根据每个增强肺炎CT影像中病灶实例与肺部组织的重合程度，从所述多个增强肺炎CT影像中筛选出多个训练肺炎CT影像，包括：针对每个增强肺炎CT影像，确定该增强肺炎CT影像与所述肺部组织影像之间的交集影像，并确定所述交集影像与该增强肺炎CT影像的影像比值；其中，所述影像比值用于表征该增强肺炎CT影像中病灶实例与肺部组织的重合程度；

从所述多个增强肺炎CT影像中去除所述影像比值小于预设比值阈值的增强肺炎CT影像，得到多个训练肺炎CT影像。

7.根据权利要求6所述的方法，其特征在于，在从所述多个增强肺炎CT影像中去除所述影像比值小于预设比值阈值的增强肺炎CT影像，得到多个训练肺炎CT影像之后，所述根据每个增强肺炎CT影像中病灶实例与肺部组织的重合程度，从所述多个增强肺炎CT影像中筛选出多个训练肺炎CT影像，还包括：针对所述影像比值小于预设比值阈值的每个增强肺炎CT影像，确定该增强肺炎CT影像与所述肺部组织影像之间的交集影像中病灶实例的实例边界点数量是否大于所述预设数量阈值；

若大于，则将该交集影像确定为一个训练肺炎CT影像。

8.一种肺炎CT影像的病灶实例分割装置，其特征在于，所述装置包括：

获取模块，用于获取患者待分割的肺炎CT影像；

输入模块，用于将所述肺炎CT影像输入预先训练好的病灶实例分割模型，得到患者的肺炎病灶实例分割结果；其中，所述病灶实例分割模型以Mask R‑CNN模型为基础构建；所述病灶实例分割模型中的Mask分支模块包括特征提取单元、多尺度特征融合单元、通道注意力单元和亚像素卷积上采样单元。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的一种肺炎CT影像的病灶实例分割方法的步骤。

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运行时执行如权利要求1至7任一所述的一种肺炎CT影像的病灶实例分割方法的步骤。