1.基于Unet变体网络的脑肿瘤图像分割系统，其特征是，包括：

获取模块，其被配置为：获取待分割的脑肿瘤图像；

预处理模块，其被配置为：对待分割的脑肿瘤图像进行预处理；

图像分割模块，其被配置为：将预处理后的脑肿瘤图像，采用训练后的Unet变体网络进行分割，得到分割的脑肿瘤区域；

所述Unet变体网络，是对原始Unet网络进行了改进，原始Unet网络包括编码器、桥接器和解码器；Unet变体网络对编码器和桥接器的卷积层采用瓶颈残差模块来替换，对解码器的卷积层采用典型残差模块来替换；

所述Unet变体网络，包括：依次连接的编码器、桥接器和解码器；

所述编码器，包括：依次连接的第一卷积单元a1、第一下采样层s1、第二卷积单元a2、第二下采样层s2、第三卷积单元a3、第三下采样层s3、第四卷积单元a4、第四下采样层s4、第五卷积单元a5和第五下采样层s5；

所述桥接器，包括：依次连接的第六卷积单元a6和第一上采样层x1；其中，卷积单元a6与第五下采样层s5连接，第一上采样层x1与第一拼接器p1连接；

所述解码器，包括：依次连接的第一拼接器p1、第一卷积单元f1、第二上采样层x2、第二拼接器p2、第二卷积单元f2、第三上采样层x3、第三拼接器p3、第三卷积单元f3、第四上采样层x4、第四拼接器p4、第四卷积单元f4、第五上采样层x5、第五拼接器p5和第五卷积单元f5；第五卷积单元f5与输出层连接；

第一卷积单元a1的输出端与第五拼接器p5的输入端连接；第二卷积单元a2的输出端与第四拼接器p4的输入端连接；第三卷积单元a3的输出端与第三拼接器p3的输入端连接；第四卷积单元a4的输出端与第二拼接器p2的输入端连接；第五卷积单元a5的输出端与第一拼接器p1的输入端连接；

所述第一卷积单元a1，包括：依次连接的两个瓶颈残差模块，每个瓶颈残差模块，均包括依次连接的归一化层、激活函数层、1*1卷积层c1、归一化层、激活函数层、3*3卷积层c2、归一化层、激活函数层和1*1卷积层c3；其中，第二个残差模块的卷积层c3与加法器j1连接，第一卷积单元a1的输入端还与加法器j1连接，加法器j1的输出端为第一卷积单元a1的输出端；

所述第一卷积单元f1，由典型残差模块来实现；所述典型残差模块，包括依次连接的归一化层、激活函数层、3*3卷积层h1、归一化层、激活函数层、3*3卷积层h2、加法器j7；所述加法器j7的输入端还与第一卷积单元f1的输入端连接；所述加法器j7的输出端作为第一卷积单元f1的输出端。

2.如权利要求1所述的基于Unet变体网络的脑肿瘤图像分割系统，其特征是，所述预处理模块，包括：图像标准化单元，其被配置为：对待分割的脑肿瘤图像进行图像标准化处理；

图像转换单元，其被配置为：对标准化处理后的图像转换成二维图像。

3.如权利要求1所述的基于Unet变体网络的脑肿瘤图像分割系统，其特征是，所述将预处理后的脑肿瘤图像，采用训练后的Unet变体网络进行分割，得到分割的脑肿瘤区域；具体工作原理包括：预处理后的脑肿瘤图像输入到训练后的Unet变体网络中，特征表示在编码器中进行编码，解码器每一层的输入在上采样之后都添加了来自编码器输出的级联连接，像素级别在解码器中进行解码恢复，输出得到脑肿瘤分割区域。

4.一种电子设备，其特征是，包括：

存储器，用于非暂时性存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，

其中，所述计算机可读指令被所述处理器运行时，完成以下步骤：

获取待分割的脑肿瘤图像；

对待分割的脑肿瘤图像进行预处理；

将预处理后的脑肿瘤图像，采用训练后的Unet变体网络进行分割，得到分割的脑肿瘤区域；

所述Unet变体网络，是对原始Unet网络进行了改进，原始Unet网络包括编码器、桥接器和解码器；Unet变体网络对编码器和桥接器的卷积层采用瓶颈残差模块来替换，对解码器的卷积层采用典型残差模块来替换；

所述Unet变体网络，包括：依次连接的编码器、桥接器和解码器；

所述编码器，包括：依次连接的第一卷积单元a1、第一下采样层s1、第二卷积单元a2、第二下采样层s2、第三卷积单元a3、第三下采样层s3、第四卷积单元a4、第四下采样层s4、第五卷积单元a5和第五下采样层s5；

所述桥接器，包括：依次连接的第六卷积单元a6和第一上采样层x1；其中，卷积单元a6与第五下采样层s5连接，第一上采样层x1与第一拼接器p1连接；

所述解码器，包括：依次连接的第一拼接器p1、第一卷积单元f1、第二上采样层x2、第二拼接器p2、第二卷积单元f2、第三上采样层x3、第三拼接器p3、第三卷积单元f3、第四上采样层x4、第四拼接器p4、第四卷积单元f4、第五上采样层x5、第五拼接器p5和第五卷积单元f5；第五卷积单元f5与输出层连接；

第一卷积单元a1的输出端与第五拼接器p5的输入端连接；第二卷积单元a2的输出端与第四拼接器p4的输入端连接；第三卷积单元a3的输出端与第三拼接器p3的输入端连接；第四卷积单元a4的输出端与第二拼接器p2的输入端连接；第五卷积单元a5的输出端与第一拼接器p1的输入端连接；

所述第一卷积单元a1，包括：依次连接的两个瓶颈残差模块，每个瓶颈残差模块，均包括依次连接的归一化层、激活函数层、1*1卷积层c1、归一化层、激活函数层、3*3卷积层c2、归一化层、激活函数层和1*1卷积层c3；其中，第二个残差模块的卷积层c3与加法器j1连接，第一卷积单元a1的输入端还与加法器j1连接，加法器j1的输出端为第一卷积单元a1的输出端；

所述第一卷积单元f1，由典型残差模块来实现；所述典型残差模块，包括依次连接的归一化层、激活函数层、3*3卷积层h1、归一化层、激活函数层、3*3卷积层h2、加法器j7；所述加法器j7的输入端还与第一卷积单元f1的输入端连接；所述加法器j7的输出端作为第一卷积单元f1的输出端。

5.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性地存储计算机可读指令由计算机执行时，完成以下步骤：获取待分割的脑肿瘤图像；

对待分割的脑肿瘤图像进行预处理；

将预处理后的脑肿瘤图像，采用训练后的Unet变体网络进行分割，得到分割的脑肿瘤区域；

所述Unet变体网络，是对原始Unet网络进行了改进，原始Unet网络包括编码器、桥接器和解码器；Unet变体网络对编码器和桥接器的卷积层采用瓶颈残差模块来替换，对解码器的卷积层采用典型残差模块来替换；

所述Unet变体网络，包括：依次连接的编码器、桥接器和解码器；

所述编码器，包括：依次连接的第一卷积单元a1、第一下采样层s1、第二卷积单元a2、第二下采样层s2、第三卷积单元a3、第三下采样层s3、第四卷积单元a4、第四下采样层s4、第五卷积单元a5和第五下采样层s5；

所述桥接器，包括：依次连接的第六卷积单元a6和第一上采样层x1；其中，卷积单元a6与第五下采样层s5连接，第一上采样层x1与第一拼接器p1连接；

所述解码器，包括：依次连接的第一拼接器p1、第一卷积单元f1、第二上采样层x2、第二拼接器p2、第二卷积单元f2、第三上采样层x3、第三拼接器p3、第三卷积单元f3、第四上采样层x4、第四拼接器p4、第四卷积单元f4、第五上采样层x5、第五拼接器p5和第五卷积单元f5；第五卷积单元f5与输出层连接；

第一卷积单元a1的输出端与第五拼接器p5的输入端连接；第二卷积单元a2的输出端与第四拼接器p4的输入端连接；第三卷积单元a3的输出端与第三拼接器p3的输入端连接；第四卷积单元a4的输出端与第二拼接器p2的输入端连接；第五卷积单元a5的输出端与第一拼接器p1的输入端连接；

所述第一卷积单元a1，包括：依次连接的两个瓶颈残差模块，每个瓶颈残差模块，均包括依次连接的归一化层、激活函数层、1*1卷积层c1、归一化层、激活函数层、3*3卷积层c2、归一化层、激活函数层和1*1卷积层c3；其中，第二个残差模块的卷积层c3与加法器j1连接，第一卷积单元a1的输入端还与加法器j1连接，加法器j1的输出端为第一卷积单元a1的输出端；

所述第一卷积单元f1，由典型残差模块来实现；所述典型残差模块，包括依次连接的归一化层、激活函数层、3*3卷积层h1、归一化层、激活函数层、3*3卷积层h2、加法器j7；所述加法器j7的输入端还与第一卷积单元f1的输入端连接；所述加法器j7的输出端作为第一卷积单元f1的输出端。

6.一种计算机程序产品，其特征是，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于完成以下步骤：获取待分割的脑肿瘤图像；

对待分割的脑肿瘤图像进行预处理；

将预处理后的脑肿瘤图像，采用训练后的Unet变体网络进行分割，得到分割的脑肿瘤区域；

所述Unet变体网络，是对原始Unet网络进行了改进，原始Unet网络包括编码器、桥接器和解码器；Unet变体网络对编码器和桥接器的卷积层采用瓶颈残差模块来替换，对解码器的卷积层采用典型残差模块来替换；

所述Unet变体网络，包括：依次连接的编码器、桥接器和解码器；

所述编码器，包括：依次连接的第一卷积单元a1、第一下采样层s1、第二卷积单元a2、第二下采样层s2、第三卷积单元a3、第三下采样层s3、第四卷积单元a4、第四下采样层s4、第五卷积单元a5和第五下采样层s5；

所述桥接器，包括：依次连接的第六卷积单元a6和第一上采样层x1；其中，卷积单元a6与第五下采样层s5连接，第一上采样层x1与第一拼接器p1连接；

所述解码器，包括：依次连接的第一拼接器p1、第一卷积单元f1、第二上采样层x2、第二拼接器p2、第二卷积单元f2、第三上采样层x3、第三拼接器p3、第三卷积单元f3、第四上采样层x4、第四拼接器p4、第四卷积单元f4、第五上采样层x5、第五拼接器p5和第五卷积单元f5；第五卷积单元f5与输出层连接；

第一卷积单元a1的输出端与第五拼接器p5的输入端连接；第二卷积单元a2的输出端与第四拼接器p4的输入端连接；第三卷积单元a3的输出端与第三拼接器p3的输入端连接；第四卷积单元a4的输出端与第二拼接器p2的输入端连接；第五卷积单元a5的输出端与第一拼接器p1的输入端连接；

所述第一卷积单元a1，包括：依次连接的两个瓶颈残差模块，每个瓶颈残差模块，均包括依次连接的归一化层、激活函数层、1*1卷积层c1、归一化层、激活函数层、3*3卷积层c2、归一化层、激活函数层和1*1卷积层c3；其中，第二个残差模块的卷积层c3与加法器j1连接，第一卷积单元a1的输入端还与加法器j1连接，加法器j1的输出端为第一卷积单元a1的输出端；

所述第一卷积单元f1，由典型残差模块来实现；所述典型残差模块，包括依次连接的归一化层、激活函数层、3*3卷积层h1、归一化层、激活函数层、3*3卷积层h2、加法器j7；所述加法器j7的输入端还与第一卷积单元f1的输入端连接；所述加法器j7的输出端作为第一卷积单元f1的输出端。