1.一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，其特征在于：具体步骤是：

(1)预处理核磁共振图像：动态选择乳腺癌核磁共振图整张图像1％‑99％范围的CT值，对其进行归一化预处理，解决核磁共振技术本身原因而导致每张图像肿瘤区域的CT值不固定问题；

(2)粗检测肿瘤区域：采用YOLO_v2检测模型，将经步骤(1)处理得到的图片作为检测模型的输入，反复验证集的损失及分类准确率、调整神经网络的权值，获得网络权值系数准确率高、损失值小的深度检测网络模型，再将图片送入该深度检测网络模型得到检测框；由于乳腺癌肿瘤区域本身小，所以先进行肿瘤区域的粗检测；

(3)精分割肿瘤区域：采用k‑mean算法聚类出乳腺癌核磁共振图片医生标记区域中心点取出144*144像素点的块，送入SegNet图像分割模型进行训练，得出肿瘤区域分割模型，再根据步骤(2)得到的检测框选择144*144像素块送入该肿瘤区域分割模型，得到分割概率图；

(4)获取肿瘤分割图：从步骤(3)得到的分割概率图，步骤(2)的检测框获得的置信度最大框中心点映射到原图，得到最终的肿瘤分割图。

2.根据权利要求1所述的基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，其特征在于：所述步骤(1)中，经归一化预处理的图像，再通过翻转、镜像、调整对比度，进行图像数据增强处理。

3.根据权利要求1所述的基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，其特征在于：所述步骤(2)中，深度检测网络模型的网络权值系数损失值小于0.01。