1.一种基于特征融合和注意力机制的医学图像分类方法，其特征在于按照以下步骤进行：步骤一：从医学图像数据库中获取任意尺寸的医学图像集，经图像预处理后得到医学图像训练集和医学图像测试集；

步骤二：根据医学任务，选取基于卷积神经网络主干网；

步骤三：引入特征金字塔，进行对医学图像的多尺度特征融合；

步骤四：引入交互注意力金字塔，生成主干网的权重系统；

步骤五：通过消融实验，获取基于卷积神经网络的最优分类模型；

步骤六：采用医学图像训练集，对所述基于卷积神经网络的最优分类模型进行训练，得到基于医学任务的分类模型；

步骤七：将医学图像测试集输入到基于医学任务的分类模型中，结合平均池化后，输出医学图像分类结果。

2.根据权利要求1所述的基于特征融合和注意力机制的医学图像分类方法，其特征在于步骤一中，所述图像预处理步骤为：设置图像尺寸大小a×a，将医学图像集中所有图像进行尺寸统一化；

将尺寸统一化的所有医学图像分成待增强训练集和医学图像测试集；

对待增强训练集进行图像增强操作后得到医学图像训练集；

其中，所述图像增强操作内容为：

随机裁剪操作：随机的将待增强训练集中的医学图像的部分区域裁剪掉，并且填充0像素值；

随机水平翻转；随机修改图片的亮度、对比度和饱和度；

转化为张量的形式；

进行数据标准化；

标准化公式如下：

式(1)中u式图像均值，X表示图像矩阵：

式(2)中σ表示标准方差，N表示图像的像素。

3.根据权利要求2所述的基于特征融合和注意力机制的医学图像分类方法，其特征在于：步骤二中，所述基于卷积神经网络主干网至少包括VGG、ResNet、GoogleLeNet、Inception。

4.根据权利要求3所述的基于特征融合和注意力机制的医学图像分类方法，其特征在于：步骤二中，当确认基于卷积神经网络主干网后，在该主干网中设计四个层次的不同尺度的特征信息进行提取；该特征信息的矩阵尺寸大小为倍数关系。

5.根据权利要求4所述的基于特征融合和注意力机制的医学图像分类方法，其特征在于：在步骤三中，所述交互注意力金字塔中，每一层均包括通道注意力和空间注意力，二者相并联，并设置有两个交互路径：第一交互路径和第二交互路径；

其中，所述第一交互路径由交互注意力金字塔的输入往后数的第二层通道注意力的掩码值与第三层的通道注意力掩码值以广播加法的形式进行；

所述第二交互路径为交互注意力金字塔为第三层的通道与第四层相交互路径；

每一层生成的通道注意力掩码与空间注意力掩码以广播加法的形式相加，相加后的结果跟每一层的对应的初始特征图以哈德吗乘积的形式相乘后输出。

6.根据权利要求4或5所述的基于特征融合和注意力机制的医学图像分类方法，其特征在于：步骤七中，所述平均池化的结果是将四层的结果以平均数的形式处理后输出的。