1.一种基于多尺度U型卷积神经网络的重叠染色体分割方法，其特征在于，包括：(1)对重叠染色体图像进行数据扩增；

(1a)将重叠染色体图像扩增至128×128尺寸；

(1b)生成对应大小的像素级类别标签图像；

(2)构建同步长池化模块(Same Stride PoolingModule，SSPM)；

(2a)统一各池化层的步长，均设置为2；

(2b)在各池化层分别设计不同大小的池化尺寸，池化后的各特征图经过1×1卷积降至

1维；

(2c)经过2倍上采样得到与原图尺寸相同的多尺度特征图，最终堆叠各特征图并经1×

1卷积操作输出；

(3)构建多层空洞卷积模块；

(3a)多层空洞卷积模块具有五条支路，其中四条支路仅保留一层空洞卷积，且各条支路中空洞卷积模块的填充空洞数逐条增加，第五条分支不加操作；

(3b)在其中空洞数大于1的三条分支上又应用一个1×1卷积进行线性校正，最后将五个分支的输出进行相加；

(4)构建Res Path模块；

(4a)在简单跳连接的路径上加上一系列卷积块构成Res Path，从而缓解编码器与解码器之间语义信息的差异；

(4b)MACS Net采用五个Res Path模块替换原先的五条跳连接,分别记为Res PathⅠ、Ⅱ、Ⅲ、Ⅳ和Ⅴ；

(4c)Res Path I设计了最多的卷积块；

(5)构建MACS Net；

(5a)基于UNet，通过设置SSPM、多层空洞卷积及Res Path模块等提出MACS Net网络，网络主体由27个标准卷积层、5个池化层和5个上采样层组成；

(5b)在网络最底层使用(3)中的多层空洞卷积和(2)中的SSPM模块替换原本的卷积模块；

(5c)采用(4)中的Res Path模块实现编解码器间的跳连接；

(6)对MACS Net网络进行训练；

为了有效避免过学习和欠学习，并综合考虑计算成本，开展5折交叉验证实验并统计其测试集的各个区域的IoU得分用于最终性能的评估，网络统一采用Adam优化器最小化目标函数。

2.根据权利要求1所述的方法，其特征在于，步骤(2b)中考虑到网络最底层特征图的尺寸为4×4，在各池化层设计不同大小的池化尺寸2、3和4。

3.根据权利要求1所述的方法，其特征在于，步骤(4c)中考虑到Res PathⅠ中存在最多的信息差异，因此设计了最多的卷积块。

4.根据权利要求1所述的方法，其特征在于，步骤(5b)中使用SSPM模块替换了UNet原本的卷积模块，可以提取更丰富的多尺度空间特征；

步骤(5c)中使用Res Path模块替换简单跳连接，在提取空间特征的同时充分利用网络中的上下文信息和语义信息。

5.根据权利要求1所述的方法，其特征在于，步骤(6)中的5折交叉验证实验是指每组实验中均将所有重叠染色体图像分为5份，每份数据分别作为测试集，其余4份作为训练集，分别训练5个模型。