1.一种基于多尺度语义特征网络的肝脏分割方法，其特征在于，包括以下步骤：(1)选用现有腹部CT公开数据集图像，并对数据集中的图像进行预处理；

(2)根据多尺度语义特征网络结构搭建网络模型；

(3)将预处理后的图像分批次送入搭建好的多尺度语义特征网络模型，训练模型；

(4)对待分割的腹部CT图像进行预处理；

(5)将预处理后的待分割腹部CT图像输入到训练完成的多尺度语义特征网络模型中，模型输出肝脏区域的分割图像；

所述步骤(2)具体为：

(2.1)多尺度语义特征网络结构包含特征提取和特征还原两个部分；

(2.2)特征提取部分使用PLSANet提取腹部CT图像的多尺度语义特征；所述的PLSANet具体为：将PP‑LCNet作为基础网络结构，去掉PP‑LCNet中最后的分类网络部分，并用压缩注意力SA模块替代通道注意力SE模块，得到PLSANet；

(2.3)特征还原部分使用RFB模块、SA模块以及上采样操作融合腹部CT图像的高级语义特征，并生成肝脏区域的分割图像；所述的融合腹部CT图像的高级语义特征具体为：特征提取部分提取的语义特征共有五个，每次尺度缩小后的语义特征按计算顺序依次为低级语义特征1、低级语义特征2、高级语义特征1、高级语义特征2、高级语义特征3，记作L1、L2、H1、H2、H3；其中H3经上采样后与经过RFB模块计算后的H2相加，然后输入到SA模块中，得到S2；

S2经上采样后与经过RFB模块计算后的H1相加，然后输入到SA模块中，得到S1，即融合后的语义特征。

2.根据权利要求1所述的一种基于多尺度语义特征网络的肝脏分割方法，其特征在于，所述步骤(1)具体为：(1.1)对图像进行Hu值截断，增强腹部CT图像的对比度；

(1.2)对图像进行翻转，扩充腹部CT图像数据集。

3.根据权利要求1所述的一种基于多尺度语义特征网络的肝脏分割方法，其特征在于，步骤(2.3)中所述的生成肝脏区域的分割图像具体为：腹部CT图像的高级语义特征融合后得到的语义特征经过上采样操作和Sigmoid函数计算，得到肝脏区域的分割图像。

4.根据权利要求1所述的一种基于多尺度语义特征网络的肝脏分割方法，其特征在于，所述步骤(3)具体为：将预处理后的图像分批次送入搭建好的多尺度语义特征网络模型，训练模型，网络训练时，学习率更新方式设置为分段更新。

5.根据权利要求1所述的一种基于多尺度语义特征网络的肝脏分割方法，其特征在于，所述步骤(4)具体为：将待分割的腹部CT图像进行Hu值截断。

6.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的一种基于多尺度语义特征网络的肝脏分割方法。

7.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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1‑5中任一项所述的一种基于多尺度语义特征网络的肝脏分割方法。