1.一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，包括：设计一个基于合成异常的自监督任务的异常数据合成模块，合成伪异常图像；

设计提取图像高频信息模块，通过从图像的高频成分中恢复图像以减轻重建子网络对异常的不利泛化；

设计权重衰减分割子网络，采用权重衰减训练策略以训练分割子网络，实现局部细微病灶的检测；

所述异常数据合成模块合成伪异常图像的实现过程具体如下：

噪声掩码图生成：首先，通过二维Perlin噪声生成器随机生成一个噪声图像P以捕捉各种异常形状，然后通过一个随机的阈值，对噪声图像进行二值化得到异常掩码图像MP；在伪异常图像合成之前，还需对肝部区域进行定位，即像素值大于0的区域就是肝部位置，因此关注相应区域并返回肝部掩码图像MI；最后，将异常掩码图像MP、肝部掩码图像MI通过逐元素相乘生成最终掩码图M；

伪异常图像合成：首先，将得到的掩码图M分别与外源图像A和原始图像I元素相乘以模拟异常区域；其中，通过引入一个透明度因子β，让模拟异常区域更加自然；接着，利用原始图像I和掩码图的取反逐像素相乘得到图像正常区域；最后，正常区域和异常区域相加得到合成的伪异常图像，整体过程具体定义如下：Ia＝(1‑M)⊙I+(1‑β)(M⊙I)+β(M⊙A)

其中，⊙表示逐元素乘法，β是随机的不透明参数；

所述提取图像高频信息模块具体实现如下：

首先，将合成的伪异常图像Ia进行二维离散傅里叶变换DFT，其具体定义如下：其中，m、n是图像的空间尺寸，F(μ，v)是频域中的图像函数，μ、v对应于其坐标；f(x，y)是空间域中的图像函数，x、y对应于其坐标；

然后，将经过DFT处理的图像采用二阶巴特沃斯高通滤波器BHPF得到频率域中的高通图像，二阶巴特沃斯高通滤波器表示为：其中，D(μ，v)是从任意点(μ，v)到频率平面原点的欧氏距离，D0是对应于HB(μ，v)＝1和HB(μ，v)＝0之间过渡点的截止频率；

最后，通过逆傅里叶变换IFT得到最终高频成分图像I'h：

其中，F(μ，v)h表示滤波过程，即F(μ，v)·HB(μ，v)。

2.根据权利要求1所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，伪异常图像合成中外源图像从外源数据集BrainTumor中获得。

3.根据权利要求1所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，所述重建子网络输入通过异常数据合成模块及提取图像高频信息模块所生成的高频图像I'h以进行模型训练，使得重建子网络利用代理任务学习到有利于区分正常和异常的特征。

4.根据权利要求1所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，所述重建子网络采用编码器和解码器架构，其作用为隐式地消除高频图像I'h的合成异常；重建子网络的损失函数定义如下：Lrec(I,Ir)＝λLSSIM(I,Ir)+L2(I,Ir)其中，λ为平衡损失函数的超参数，I表示原始图像，Ir表示经过重建网络恢复后的图像，LSSIM(I,Ir)是基于补丁的结构相似性损失，定义如下：其中，H和W分别为原始图像I的高度和宽度，Np是原始图像I中的像素数，SSIM(I,Ir)(i,j)表示以图像坐标(i,j)为中心的I和Ir，L2(I,Ir)定义为

5.根据权利要求1所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，所述权重衰减分割子网络具体实现如下：首先，将重建子网络所输出的重建图像Ir和原始图像I进行特征合并，输入并训练权重衰减分割子网络以预测掩码图，即对异常进行判定和定位；将每个层级对应的特征图定义如下：其中，α∈[0，1]是一个权重因子；Ei和Di则是表示编码器和解码器的第i层特征图； 表示特征的相加； 表示标量乘法；

其次对Di特征图进行复制，并与得到的Mi进行拼接得到D'i，具体操作定义如下：其中， 表示解码器的对应i层特征图的复制特征，Concat表示拼接操作；

最后，使用焦点损失La和L1损失作为权重衰减分割子网络的训练目标，具体定义如下：L1＝||M‑MO||1

γ

La＝‑αt(1‑ρt) log(ρt)

其中，M表示真实标签，即在异常合成时生成的异常标签，MO表示网络预测的掩码标签；

在焦点损失中，当M中真实像素值为1时，ρt等于像素类别的预测概率ρ，相反当M中真实像素值为0时，ρt等于1‑ρ，αt和γ则是两个超参数；最终的总分割损失定义如下：Lseg＝L1+La。

6.根据权利要求5所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，所述权重衰减分割子网络中，在训练阶段，权重因子α被初始化为1，然后逐渐衰减至0以减少前期跳跃链接带来的影响。

7.根据权利要求1所述的一种基于频率感知图像恢复的自监督肝部病灶检测方法，其特征在于，还包括测试阶段，具体实现如下：将测试图像提取高频成分信息后输入到重建子网络以得到重建正常图像，最后由权重衰减分割子网络预测掩码以定位异常区域；首先对预测的掩码标签MO进行平滑处理，通过使用一个平均滤波卷积层来聚合局部异常响应信息，最终图像级的异常评分通过在平滑的异常评分图中取最大值来计算，具体定义如下：φ＝max(MO*fsf×sf)

其中，fsf×sf表示一个尺寸为sf×sf的平均滤波器，*表示卷积操作符。

8.一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1‑7任一所述方法的步骤。