1.一种基于区域自注意力的结直肠息肉图像分割方法，其特征在于，包括：

S1：获取原始结直肠息肉图像训练数据集，所述原始结直肠息肉图像训练数据包括：原始结直肠息肉图像和对应的息肉分割图标签；

S2：利用原始结直肠息肉图像训练数据集对结直肠息肉分割模型进行训练，所述结直肠息肉分割模型包括：PVT特征编码器、CBAM模块、3个CFP模块、改进的Uper解码器、PAA‑d解码器、区域自注意力RSA模块；

所述对结直肠息肉分割模型进行训练包括：

S21：将原始结直肠息肉图像输入PVT特征编码器进行全局语义特征提取，得到低级特征F1和高级特征F2～F4；

S22：将低级特征F1输入CBAM模块中得到低级浅层特征T1，将高级特征F2～F4分别输入三个CFP模块得到高级浅层特征T2～T4；

S23：将高级特征F2～F4输入改进的Uper解码器进行解码得到第一中间特征C1，将T2～T4输入PAA‑d解码器进行解码得到第二中间特征C2；

S24：将第一中间特征C1、第二中间特征C2和低级浅层特征T1利用Concat函数进行拼接得到第一融合特征F'；将第一中间特征C1和第二中间特征C2分别进行1*1的卷积操作得到第一子中间特征P1和第二子中间特征P2；

S25：将第一子中间特征P1和第一融合特征F′输入区域自注意力RSA模块得到第三中间特征P3′，将第二子中间特征P2和第一融合特征F'输入区域自注意力RSA模块得到第四中间特征P4′；将第三中间特征P3′和第四中间特征P4′分别进行1*1的卷积操作得到第三子中间特征P3和第四子中间特征P4；

S26：将第一子中间特征P1、第二子中间特征P2、第三子中间特征P3和第四子中间特征P4利用Concat函数拼接后通过Fusion融合模块进行融合得到原始息肉分割图P；

S27：根据第一子中间特征P1、第二子中间特征P2、第三子中间特征P3、第四子中间特征P4、原始息肉分割图P和原始结肠息肉图像对应的息肉分割图标签构建结直肠息肉分割模型的损失函数，以损失函数最小为优化目标对结直肠息肉分割模型的参数进行更新，完成结直肠息肉分割模型的训练；

所述改进的Uper解码器包括：1个3*3的卷积模块、4个1*1的卷积模块、以及PPM模块；

在改进的Uper解码器中3个1*1的卷积模块分别对高级特征F2～F4进行卷积操作得到特征F2v～F4′，PPM模块对高级特征F4进行全局语义感知得到特征D4；将特征F4′和特征D4进行特征相加得到L4；将特征L4和特征F3′进行特征相加得到特征L3；将特征L3和特征F2'进行特征相加得到L2；将特征L2、特征L3和特征L4利用Concat函数拼接后输入3*3的卷积模块得到特征N；将特征N输入剩余的1*1卷积模块得到第一中间特征C1；

S3：将待分割的结直肠息肉图像输入训练好的结直肠息肉分割模型得到息肉分割图。

2.根据权利要求1所述的一种基于区域自注意力的结直肠息肉图像分割方法，其特征在于，在区域注意力RSA模块中首先计算第一子中间特征P1或第二子中间特征P2的相关息肉图P11、背景图P12和边界区域图P13；

将第一子中间特征P1或第二子中间特征P2的相关息肉特征图P11、背景特征图P12和边界区域特征图P13利用Concat函数拼接后与第一融合特征F'相乘得到第二融合特征；

将第一融合特征F'和第二融合特征相乘得到第三融合特征；将第三融合特征和第二融合特征相乘得到第四融合特征；将第四融合特征进行1*1的卷积后与第一融合特征F'利用Concat函数拼接得到第五融合特征；

将第五融合特征进行1*1的卷积操作得到第六融合特征；将第五融合特征依次进行Spatical Attention机制、Channel Attention机制和1*1的卷积操作得到第七融合特征；

将第六融合特征和第七融合特征利用加和函数拼接后得到第八融合特征；将第八融合特征与第一子中间特征P1或第二子中间特征P2相加到对应的第三中间特征P3或第四中间特征P4。

3.根据权利要求2所述的一种基于区域自注意力的结直肠息肉图像分割方法，其特征在于，所述第一子中间特征P1或第二子中间特征P2的相关息肉图P11、背景图P12和边界区域图P13包括：P11＝max(P'‑0.5,0)

P12＝max(0.5‑P',0)

P13＝0.5‑abs(P'‑0.5)

其中，max()表示最大值函数，abs()表示绝对值函数，P'＝{P1,P2}。

4.根据权利要求1所述的一种基于区域自注意力的结直肠息肉图像分割方法，其特征在于，所述结直肠息肉分割模型的损失函数包括：L＝Lmain+Laux

Laux＝Laux1+Laux2+Laux3＋Laux4

其中，L表示结直肠息肉分割模型的损失函数，Lmain表示主损失函数，Laux表示辅助损失函数，G表示原始结肠息肉图像对应的息肉分割图标签，P表示原始结肠息肉图像经结直肠息肉分割模型分割处理后的原始息肉分割图；P1～P4分别表示第一子中间特征、第二子中间特征、第三子中间特征、第四子中间特征； 表示带权的二分类交叉熵损失函数；

表示带权的交并比损失函数。

5.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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至4中任一项所述的一种基于区域自注意力的结直肠息肉图像分割方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器执行如权利要求1至4任一项所述的一种基于区域自注意力的结直肠息肉图像分割方法。