1.一种肿瘤超声图像分类方法，其特征在于，应用于服务器，该方法包括：获取肿瘤超声图像组成的数据集并预处理；

将预处理后的所述数据集传输至多区域图像识别模型融合处；

所述多区域图像识别模型融合预处理后的所述数据集中肿瘤内部区域信息和肿瘤周围区域信息，以实现自动分类。

2.根据权利要求1所述的肿瘤超声图像分类方法，其特征在于，所述预处理步骤如下：沿所述肿瘤超声图像较短的一侧填充，使高度和宽度相等；

调整所述肿瘤超声图像大小以及分割标签大小；

勾画肿瘤轮廓，并通过对勾画的肿瘤轮廓进行扩张操作，获得组合肿瘤区域标签；从所述组合肿瘤区域标签中减去瘤内区域标签以获得瘤周区域标签。

3.根据权利要求2所述的肿瘤超声图像分类方法，其特征在于，在所述多区域图像识别模型中，包括瘤内瘤周组合肿瘤区域标签的超声图像，首先依次经过第一残差模块、第二残差模块处理后，并输出至第一信息增强模块，第一信息增强模块处理后并输出至第三残差模块，第三残差模块经过处理后输出至第二信息增强模块处，第二信息增强模块经过处理后传输至第四残差模块处，经过第四残差模块处理后传输至多区域图像信息融合模块，将肿瘤图像进行分类。

4.根据权利要求3所述的肿瘤超声图像分类方法，其特征在于，所述第一信息增强模块、所述第二信息增强模块中均包括监督模块，所述监督模块的执行步骤为：

获取原始的所述肿瘤超声图像特征图；

基于已获取的原始图像特征图，与原始输入特征图相加计算以获取第一输出特征图。

5.根据权利要求4所述的肿瘤超声图像分类方法，其特征在于，所述获取原始图像特征图包括：

通过公式(1)获取原始图像特征图；

其中，Fcomb表示监督模块得到的原始图像特征图，GC*H*W表示监督模块输入特征图，G′1*H*W表示监督得到的标签特征图；

所述获取第一输出特征图包括：

基于得到的原始图像特征图、监督得到的特征图，通过公式(2)获取第一输出特征图；

其中F表示原始的第一输入特征图，F′表示第一输出特征图， 表示特征图元素级相加。

6.根据权利要求4所述的肿瘤超声图像分类方法的使用方法，其特征在于，所述监督模块中，监督模块使用1×1卷积将通道数压缩为1，并使用sigmoid激活函数来获得特征图。

7.根据权利要求3所述的肿瘤超声图像分类方法，其特征在于，所述多区域信息融合模块包括：

获取至少一个以上的分支融合系数；

基于所述的分支的融合系数，获取第二输出特征图。

8.根据权利要求7所述的肿瘤超声图像分类方法的使用方法，其特征在于，获取第二输出特征图包括：

将至少一个以上的分支融合系与第二输入特征图进行相乘运算，再通过特征图串联。

9.根据权利要求3所述的肿瘤超声图像分类方法的使用方法，其特征在于，在将预处理后的所述数据集传输至多区域图像识别模型融合处步骤之前，还包括：将原始的肿瘤超声图像、分类标签送、肿瘤多区域图像分割标签投喂多区域图像识别模型，将监督模块、第一信息增强模块、第二信息增强模块和多区域融合模块的损失函数之和作为最终的总损失函数，反向传播更新参数，以优化网络。

10.一种肿瘤超声图像分类系统，其特征在于，包括：获取模块，用于获取肿瘤超声图像组成的数据集并预处理；

输入模块，用于将预处理后的所述数据集传输至多区域图像识别模型处；

分类模块，用于通过多区域图像识别模型，对预处理后的所述数据集自动分类。