1.一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，具体包括如下步骤：S1.在有标注的源域图像数据集上训练语义分割网络；

S11:对源域图像数据集进行预处理；

S12:将所述源域图像数据集划分为训练集、验证集，分别用于模型参数的优化和模型超参数的选择或调整；

S13：利用所述训练集和所述验证集训练语义分割网络参数模型；

S14：保存所述语义分割网络参数模型，用于预测和跨域模型迁移；

S2:在目标域图像数据集上训练基于多任务引导的跨域迁移语义分割网络；

S21:对目标域图像数据集进行预处理；

S22:将所述目标域图像数据集划分为训练集与验证集；

S23:利用所述步骤S12中源域图像数据集的训练集、所述步骤S22中目标域图像数据集的训练集、目标域图像数据集的验证集训练基于多任务引导的跨域迁移网络；

S24:保存生成的跨域迁移语义分割网络的参数模型，用于目标域上的分割预测；

S3:利用所述语义分割网络参数模型对属于源域的新的图像进行自动分割，利用所述跨域迁移网络参数模型对属于目标域的新的图像进行自动分割。

2.如权利要求1所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述的多任务引导的跨域迁移语义分割网络包含四个子任务网络：语义分割子网络，采用全卷积编码-解码结构，用于提取和编码来自源域的图像及标注中的语义信息；重构子网络，采用全卷积编码-解码结构，用于重构来自源域和目标域上的图像，其输入和输出图像具有相同的大小；分割对抗识别子网络，采用全卷积网络结构；特征对抗识别子网络，采用卷积和全连接混合的网络结构。

3.如权利要求1所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述的预处理包括图像去噪、直方图均衡化。

4.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述语义分割网络和语义分割子网络结构均为包含编码器和解码器的全卷积网络，采用交叉熵损失函数作为优化目标函数，采用随机梯度方法作为优化器。

5.如权利要求1所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述多任务引导的跨域迁移语义分割网络同时使用源域图像数据集、源域图像数据集的标注和目标域图像数据集进行参数优化。

6.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述语义分割子网络采用所述语义分割网络参数模型作为初始化，输出误差损失函数为：其中ps和pt分别为源域图像xs和目标域图像xt经过语义分割子网络的分割预测结果，表示求数学期望，ys为源域图像xs的标签，c代表类别，此处为正类或负类。

7.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述重构子网络采用标准正态分布随机初始化参数，采用均方误差函数作为损失函数以最小化重构图像和原始图像的误差，即最小化如下目标函数：其中 和 分别为源域图像xs和目标域图像xt经过重构子网络的预测结果， 表示求数学期望。

8.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述分割对抗识别子网络以所述语义分割子网络的预测分割结果为输入，其输出是与输入同等大小的图，输出图的每个像素取值范围为[0,1],对应的目标域的标签为0，源域的标签为1；分割对抗识别子网络参数通过最小化如下目标函数实现：其中Dpred表示分割对抗识别子网络，ps和pt分别为源域图像xs和目标域图像xt经过语义分割子网络的分割预测结果， 表示求数学期望。

9.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述特征对抗识别子网络以语义分割子网络的输出层的前一层或前二层特征为输入，其输出为标量，取值范围为[0,1]，对应的目标域的标签为0，源域的标签为1；特征对抗识别子网络参数通过最小化如下目标函数实现：其中Dfeat表示特征对抗识别子网络，fs和ft分别为源域图像xs和目标域图像xt经过语义分割子网络的在输出层的前一层或者两层的输出特征图， 表示求数学期望。

10.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述语义分割子网络通过最小化如下目标函数得到，即其中Dfeat表示特征对抗识别子网络，Dpred表示分割对抗识别子网络,pt目标域图像xt经过语义分割子网络的分割预测结果,ft目标域图像xt经过语义分割子网络的在输出层的前一层或者两层的输出特征图， 表示求数学期望。

11.如权利要求2所述的一种基于多任务协同跨域迁移的医学图像自动分割方法，其特征在于，所述多任务引导的跨域迁移语义分割网络采用随机梯度方法优化器交替优化语义分割子网络、重构子网络、分割对抗识别子网络、特征对抗识别子网络。