1.一种基于可变形注意力机制的医学图像分类方法，其特征在于，所述方法包括：获取待检测的医学图像；

通过DSC模块对所述医学图像中局部聚集信息进行提取与拼接，得到局部信息特征图；

通过DSA模块所述局部信息特征图中局部信息特征之间的全局关系进行建模，得到全局信息特征图；

根据所述局部信息特征图以及所述全局信息特征图对所述医学图像进行分类。

2.根据权利要求1所述的方法，其特征在于，所述通过DSC模块对所述医学图像中局部聚集信息进行提取与拼接，得到局部信息特征包括：将所述医学图像分割成多个局部区域；

通过DSC模块中交替深度可分离层和逐点卷积层学习各所述局部区域的空间变换；

在各所述局部区域内学习到的空间变换进行特征图重新采样，得到重采样后的特征图；

将所述重新采样后的特征图进行拼接，得到局部信息特征图。

3.根据权利要求1或2所述的方法，其特征在于，所述DSC模块的卷积核为：；

表示DSC 模块的输出结果， 表示卷积DSC 大小内部空间位置的索引集，表示位于卷积核内的输入表示位于卷积核内的输入，其中 表示依赖图像输入参数自适应预测卷积核的子网络。

4.根据权利要求1所述的方法，其特征在于，所述通过DSA模块所述局部信息特征图中局部信息特征之间的全局关系进行建模，得到全局信息特征图包括：根据所述局部信息特征图生成均匀网络；

基于所述均匀网络选取参考点；

计算各所述参考点的偏移量；

根据所述偏移量进行多有注意力机制处理，得到多头注意力机制结果；

基于所述偏移量以及所述多头注意力机制结果对所述局部信息特征图进行处理，得到全局信息特征图。

5.根据权利要求4所述的方法，其特征在于，所述计算各所述参考点的偏移量之前，还包括：根据所述均匀网络的网络形状将各所述参考点归一到预设范围。

6.根据权利要求4或5所述的方法，其特征在于，所述根据所述偏移量进行多有注意力机制处理，得到多头注意力机制结果包括：根据所述偏移量进行双线性插值采样，生成注意力机制的键k和值v；

根据所述键k和值v进行多头注意力机制，得到多头注意力机制结果。

7.根据权利要求1所述的方法，其特征在于，所述根据所述局部信息特征图以及所述全局信息特征图对所述医学图像进行分类包括：对所述局部信息特征图以及所述全局信息特征图中特征进行预设卷积处理和池化处理；

将卷积与池化处理结果进行线性分类操作，生成医学图像分类结果。

8.根据权利要求7所述的方法，其特征在于，所述预设卷积处理包括1×1的卷积处理。

9.根据权利要求1所述的方法，其特征在于，所述根据所述局部信息特征图以及所述全局信息特征图对所述医学图像进行分类之后，还包括：推送医学图像分类结果。

10.一种医疗设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。