1.一种基于自校正坐标注意力的小肠微小目标检测方法，包括以下步骤：步骤1、构建包括训练集和验证集的小肠病灶数据集；步骤2、构建小肠微小目标检测网络模型；步骤3、采用步骤1的训练集和验证集，输入到步骤2构建的小肠目标检测网络模型中进行迭代训练获得最优权重模型；步骤4、将待检测图片进行预处理后输入步骤3所述的最优权重模型，进行病灶检测，生成检测结果，其特征在于：步骤2中所述的构建小肠微小目标检测网络模型，为：先配置包括有Backbone、Neck和Head三部分的检测网络模型，在检测网络模型的Backbone部分嵌入自校正坐标注意力模块，在Neck部分植入目标检测促进层。

2.根据权利要求1所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤1中构建小肠病灶数据集，具体包括：从临床获取的原始图片和视频中截取病灶的图像帧作为数据样本，构建的小肠三病灶数据集，包括为溃疡、淋巴管扩张症、血管显露三类病灶。

3.根据权利要求1所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤2中，所述的检测网络模型为YOLOv8检测网络模型。

4.根据权利要求2所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤2中，所述的检测网络模型为YOLOv8检测网络模型。

5.根据权利要求4所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤2中所述的自校正坐标注意力模块，包括残差层、X轴平均池化层、Y轴平均池化层、自校正卷积结构、第一卷积层、归一化层、两个第二卷积层、两个激活函数和re‑weight层；

所述残差层的输出端直接与re‑weight层连接；同时，所述残差层的输出端与呈并联关系的X轴平均池化层和Y轴平均池化层连接，并联关系的X轴平均池化层和Y轴平均池化层的输出端与所述自校正卷积结构连接，所述自校正卷积结构的输出端与所述第一卷积层连接，所述第一卷积层的输出端与所述归一化层的输入端连接，所述归一化层的输出端并联有两个组合体，每个组合体包括串联的第二卷积层和激活函数，两个组合体的激活函数的输出端均连接至re‑weight层。

6.根据权利要求5所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤2中在Neck部分植入目标检测促进层，具体包括：在YOLOv8检测网络模型的Neck部分，将原有的PAN‑FPN结构的3组特征映射扩展为4组特征映射，并引入邻域擦除模块，将YOLOv8检测网络模型的Backbone部分第一级C2f和第二级C2f的输出ps和ps+1作为邻域擦除模块的输入，经过擦除处理后，把邻域擦除模块的输出特征 与第3组特征映射继续上采样的输出特征Ou进行拼接，最后经过C2f模块得到输出结果，形成目标检测促进层。

7.根据权利要求6所述的基于自校正坐标注意力的小肠微小目标检测方法，其特征在于，步骤2中，所述的目标检测促进层的输出特征图的大小为160*160。