1.一种基于边界引导注意力的编解码器医学图像分割系统，其特征在于：该系统包括编码器、解码器、特征增强模块和边界引导注意力模块；所述编码器用于处理输入医学图像，得到不同尺度的特征，并输出至所述解码器；所述解码器根据所述特征完成医学图像分割；在编码器的不同尺度特征输出之后连接有所述特征增强模块，用于增强编码器的语义特征，组合不同感受野的语义信息，编码器的特征输出经过特征增强模块后再进入解码器；

所述边界引导注意力模块设置在所述解码器中相邻的decoder模块之间，用于强化医学图像的边界信息；

该系统包括两个解码器，共享一个编码器；两个解码器中，解码器decoder1用于预测边界，解码器decoder2用于预测病灶区域；解码器decoder1和decoder2均包括4个decoder模块；

在解码器decoder1中，每个decoder模块的输入为上一层的输出和特征增强模块的输出；在解码器decoder2中，相邻的decoder模块之间设有所述边界引导注意力模块，每个decoder模块的输入为边界引导注意力模块的输出和特征增强模块的输出，边界引导注意力模块的输入为上一层两个解码器的输出；

所述边界引导注意力模块包括两个卷积层、通道注意力模块和空间注意力模块，输入边界引导注意力模块的特征依次经过两个卷积层、通道注意力模块和空间注意力模块后输出。

2.根据权利要求1所述的医学图像分割系统，其特征在于：所述编码器采用Res2Net作为特征提取器，医学图像经编码器提取后得到5个不同尺度的特征 。

3.用于权利要求1或2所述系统的基于边界引导注意力的编解码器医学图像分割方法，其特征在于：该方法具体为：首先将医学图像输入编码器中提取出5个不同尺度的特征，其中 为低级特征， 为高级特征；然后将所述低级特征拼接后输入特征增强模块，高级特征则分别输入特征增强模块，特征增强模块的输出分别进入两个解码器decoder1和decoder2中；在解码器decoder2中，加入边界引导注意力模块，其输入为上一层两个解码器decoder模块的输出，边界引导注意力模块的输出与特征增强模块的输出进行拼接后进入解码器decoder2的下一层decoder模块中；同时，引入深度监督对两个解码器的每个decoder模块进行监督；最后解码器decoder2的输出作为最终的医学图像分割图。

4.根据权利要求3所述的医学图像分割方法，其特征在于：在解码器decoder1中，每个decoder模块的输入为上一层decoder模块的输出与特征增强模块的输出的拼接。

5.根据权利要求3所述的医学图像分割方法，其特征在于：所述特征增强模块中，输入特征经过4个并行的残差分支 ；每个分支 采用以下处理过程：

1）使用 卷积降低通道数目；

2）再经过一个 卷积和一个扩张率为 的 膨胀卷积；

3）最后再经过一个通道注意力模块；

将4个分支的特征在通道的维度进行拼接，通过 卷积将通道数降低32；然后将输出的特征和最原始并经过一个 卷积降低通道数的特征进行相加，并通过BN层和ReLU函数进行处理，处理后的特征再经过空间注意力模块以减少不相关区域的影响。

6.根据权利要求3所述的医学图像分割方法，其特征在于：所述边界引导注意力模块使用decoder2上一层解码器的输出特征 和decoder1上一层解码器的输出特征 作为输入；将两个特征进行拼接并通过两个卷积层后将通道数降为32，再将特征输入CBAM模块，然后输出得到边界引导注意力模块的输出。

7.根据权利要求3所述的医学图像分割方法，其特征在于：病灶分割损失函数为：

式中，和 分别表示位置（i，j）的预测值和真实值， 表示计算的权重， 表示基于全局约束和局部像素级约束的加权IoU损失， 表示二进制交叉熵BCE损失；

边界分布图预测损失函数为：

式中，表示生成的边界图位置 的像素点，表示预测的边界图位置 的像素点，表示计算损失时的阈值， 时， =1， 时，=0。