1.一种基于U型网络的MRI图像前列腺分割方法，其特征在于包括以下步骤：

步骤1、数据集由包含前列腺区域的S幅MRI图像及相对应的手工标记图像组成，手工标记图像由人工对MRI图像进行手动分割再标注前列腺区域后形成，从数据集中选取S1幅MRI图像组成训练集，并选取S2幅未参与训练的MRI图像组成测试集，S1和S2均为正整数，S＝S1+S2；

步骤2、分别对训练集和测试集中的所有MRI图像进行预处理，得到预处理之后的训练集和测试集，将预处理之后的训练集和测试集中的图像分别记为第一图像和第二图像；

步骤3、初始化U型网络中的参数，并将所有第一图像依次输入到U型网络中进行训练，不断更新U型网络中的参数，得到训练完成的U型网络；

其中，使用任意一幅第一图像对U型网络进行训练的具体过程为：

步骤3-1、将任意一幅第一图像输入到U型网络中，其中，U型网络包括N个下采样层、N个上采样层和1个softmax层，N为通过实验确定的最优正整数；

步骤3-2、对输入的第一图像进行M次卷积，得到与输入的第一图像尺寸大小相同的特征图，并将第一图像M次卷积之后得到的特征图与输入的第一图像相减，得到第1残差特征图；其中，M为正整数；

步骤3-3、对该第1残差特征图进行一次卷积下采样，得到第1次下采样特征图；之后对该第1次下采样特征图进行M次卷积，得到与第1次下采样特征图尺寸大小相同的特征图；并将第1次下采样特征图M次卷积之后得到的特征图与第1次下采样特征图相减，得到第2残差特征图；

步骤3-4、按照与步骤3-3相同的方式，再次对第n残差特征图进行一次卷积下采样，得到第n次下采样特征图；之后对该第n次下采样特征图进行M次卷积，得到与第n次下采样特征图尺寸大小相同的特征图；并将第n次下采样特征图M次卷积之后得到的特征图与第n次下采样特征图相减，得到第n+1残差特征图；其中，n的初始值为2；

步骤3-5、将n的值加1后再次执行步骤3-4；

步骤3-6、反复执行步骤3-5，直到n＝N+1时，则转至步骤3-7；

步骤3-7、对第N+1残差特征图进行一次上采样，得到第1次上采样特征图；并将第1残差特征图～第N+1残差特征图中与该第1次上采样特征图尺寸大小相同的残差特征图与该第1次上采样特征图相加，得到第1特征图；

步骤3-8、对该第1特征图进行K次卷积，得到与该第1特征图尺寸大小相同的特征图；并将第1特征图K次卷积之后的特征图与第1特征图相减，得到第1次上采样残差特征图，其中，K为正整数；

步骤3-9、按照与步骤3-7相同的方式，再次对第m次上采样残差特征图进行一次上采样，得到第m+1次上采样特征图；并将第1残差特征图～第N+1残差特征图中与该第m+1次上采样特征图尺寸大小相同的残差特征图与该第m+1次上采样特征图相加，得到第m+1特征图；其中，m的初始值为1；

步骤3-10、按照与步骤3-8相同的方式，再次对第m+1特征图进行K次卷积，得到与该第m+1特征图尺寸大小相同的特征图；并将第m+1特征图K次卷积之后的特征图与第m+1特征图相减，得到第m+1次上采样残差特征图；

步骤3-11、将m的值加1后再次执行步骤3-9和步骤3-10；

步骤3-12、反复执行步骤3-11，直到m＝N时，则转至步骤3-13；

步骤3-13、将得到的第N次上采样残差特征图输入到softmax层，得到该幅第一图像对应的二值分割图；

步骤3-14、计算第一图像中该幅图像对应的二值分割图与第一图像中该幅图像对应的手工标记图像之间的损失函数，并反向传播到U型网络中，更新U型网络中的参数，得到一次训练之后的U型网络；

其中，损失函数D的计算公式为：

其中，pij为第一图像中该幅图像经过U型网络分割后的二值图像中坐标位置为(i,j)的像素值，gij为第一图像中该幅图像所对应的经手工标记的标准分割图像中坐标位置为(i,j)的像素值，X和Y分别是手工标记的标准分割图像目标区域的长和宽；

步骤4、将第二图像输入到训练完成的U型网络中，得到每幅MRI图像前列腺区域的分割图。

2.根据权利要求1所述的MRI图像前列腺分割方法，其特征在于：所述步骤2中预处理的方法包括对训练集和测试集中的所有MRI图像进行直方图均衡化操作。

3.根据权利要求2所述的MRI图像前列腺分割方法，其特征在于：所述步骤2中预处理的方法还包括对训练集和测试集中的所有MRI图像进行数据增强。

4.根据权利要求1所述的MRI图像前列腺分割方法，其特征在于：所述步骤3-3和3-4中每一次卷积下采样使用步长为2，尺寸大小为3*3卷积核。

5.根据权利要求1所述的MRI图像前列腺分割方法，其特征在于：所述步骤3-2～3-4中M＝3，且3次卷积分别对应尺寸大小为1*1、3*3和1*1的卷积核。