1.一种肺部X光图像分割方法，其特征在于，所述方法包括：

获取肺部X光图像数据集；

对肺部X光图像数据集进行预处理，得到训练集；

将训练集中的训练数据进行随机比例缩放、随机位置裁剪、随机水平/垂直翻转、随机角度旋转、随机亮度/饱和度/对比度变化的增强处理，得到增强处理后的训练集；

将训练集输入RIAMU‑Net模型进行训练，得到训练后的RIAMU‑Net模型；其中，所述RIAMU‑Net模型以U‑Net模型为基础，编码器的每一层均包括Res‑inception模块，解码器的每一层均包括注意力机制模块和Res‑inception模块；

利用训练后的RIAMU‑Net模型对待分割肺部X光图像数据进行分割，得到分割图像；

所述RIAMU‑Net模型的编码器具有五层，从上到下依次为第一层、第二层、第三层、第四层和第五层；

在编码器的第一层中，输入图像经过第一Res‑inception模块，输出得到第一特征图像；第一特征图像通过第一连跳结构传输到解码器；

在编码器的第二层中，第一特征图像经过核为2x2的最大池化后，拼接上输入图像经过第一池化再经过1x1卷积得到的图像，经过第二Res‑inception模块，输出得到第二特征图像；第二特征图像通过第二连跳结构传输到解码器；

在编码器的第三层中，第二特征图像经过核为2x2的最大池化后，拼接上输入图像经过第二池化再经过1x1卷积得到的图像，经过第三Res‑inception模块，输出得到第三特征图像；第三特征图像通过第三连跳结构传输到解码器；

在编码器的第四层中，第三特征图像经过核为2x2的最大池化后，拼接上输入图像经过第三池化再经过1x1卷积得到的图像，经过第四Res‑inception模块，输出得到第四特征图像；第四特征图像通过第四连跳结构传输到解码器；

在编码器的第五层中，第四特征图像经过核为2x2的最大池化后，得到编码器第五层的输入特征图像，经过第五Res‑inception模块，输出得到第五特征图像；

其中，所述第一池化、第二池化和第三池化采用了不同尺度的池化，所述第一连跳结构、第二连跳结构、第三连跳结构和第四连跳结构均带有1x1卷积。

2.根据权利要求1所述的肺部X光图像分割方法，其特征在于，所述对肺部X光图像数据集进行预处理，得到训练集，具体包括：将肺部X光图像数据集中的样本数据进行图像去噪、尺寸裁剪的预处理；

根据预处理后的肺部X光图像数据集，划分得到训练集。

3.根据权利要求1所述的肺部X光图像分割方法，其特征在于，所述RIAMU‑Net模型的解码器具有四层，从上到下依次为第一层、第二层、第三层和第四层；

在解码器的第四层中，第五特征图像经过第一次转置卷积后与第四特征图像拼接得到第一合成特征图像，第一合成特征图像依次经过第一注意力机制模块和第六Res‑inception模块，输出得到第一解码特征图像；

在解码器的第三层中，第一解码特征图像经过第二次转置卷积后与第三特征图像拼接得到第二合成特征图像，第二合成特征图像依次经过第二注意力机制模块和第七Res‑inception模块，输出得到第二解码特征图像；

在解码器的第二层中，第二解码特征图像经过第三次转置卷积后与第二特征图像拼接得到第三合成特征图像，第三合成特征图像依次经过第三注意力机制模块和第八Res‑inception模块，输出得到第三解码特征图像；

在解码器的第一层中，第三解码特征图像经过第四次转置卷积后与第一特征图像拼接得到第四合成特征图像，第四合成特征图像依次经过第四注意力机制模块和第九Res‑inception模块，输出得到第四解码特征图像；

在解码器的第一层最后连接一个1x1卷积，第四解码特征图像经过1x1卷积后，输出预测的分割图像。

4.根据权利要求1‑3任一项所述的肺部X光图像分割方法，其特征在于，所述Res‑inception模块包括输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层和池化层，所述第一卷积层、第二卷积层、第三卷积层和第四卷积层均为1x1卷积层，所述第五卷积层、第六卷积层和第七卷积层均为3x3卷积层；

输入层的输入图像依次经过第一卷积层、第五卷积层和第七卷积层，提取得到第一特征；输入层的输入图像依次经过第二卷积层和第六卷积层，提取得到第二特征；输入层的输入图像依次经过池化层和第四卷积层，提取得到第三特征；输入层的输入图像依次经过第三卷积层，提取得到第四特征；将第一特征、第二特征、第三特征和第四特征进行拼接，得到合成特征；将合成特征与输入层的输入图像融合，输出特征图像。

5.根据权利要求1‑3任一项所述的肺部X光图像分割方法，其特征在于，所述注意力机制模块包括通道注意力机制和空间注意力机制。

6.一种肺部X光图像分割系统，其特征在于，所述系统包括：

获取单元，用于获取肺部X光图像数据集；

预处理单元，用于对肺部X光图像数据集进行预处理，得到训练集；

增强单元，用于将训练集中的训练数据进行随机比例缩放、随机位置裁剪、随机水平/垂直翻转、随机角度旋转、随机亮度/饱和度/对比度变化的增强处理，得到增强处理后的训练集；

训练单元，用于将训练集输入RIAMU‑Net模型进行训练，得到训练后的RIAMU‑Net模型；

其中，所述RIAMU‑Net模型以U‑Net模型为基础，编码器的每一层均包括Res‑inception模块，解码器的每一层均包括注意力机制模块和Res‑inception模块；

分割单元，用于利用训练后的RIAMU‑Net模型对待分割肺部X光图像数据进行分割，得到分割图像；

所述RIAMU‑Net模型的编码器具有五层，从上到下依次为第一层、第二层、第三层、第四层和第五层；

在编码器的第一层中，输入图像经过第一Res‑inception模块，输出得到第一特征图像；第一特征图像通过第一连跳结构传输到解码器；

在编码器的第二层中，第一特征图像经过核为2x2的最大池化后，拼接上输入图像经过第一池化再经过1x1卷积得到的图像，经过第二Res‑inception模块，输出得到第二特征图像；第二特征图像通过第二连跳结构传输到解码器；

在编码器的第三层中，第二特征图像经过核为2x2的最大池化后，拼接上输入图像经过第二池化再经过1x1卷积得到的图像，经过第三Res‑inception模块，输出得到第三特征图像；第三特征图像通过第三连跳结构传输到解码器；

在编码器的第四层中，第三特征图像经过核为2x2的最大池化后，拼接上输入图像经过第三池化再经过1x1卷积得到的图像，经过第四Res‑inception模块，输出得到第四特征图像；第四特征图像通过第四连跳结构传输到解码器；

在编码器的第五层中，第四特征图像经过核为2x2的最大池化后，得到编码器第五层的输入特征图像，经过第五Res‑inception模块，输出得到第五特征图像；

其中，所述第一池化、第二池化和第三池化采用了不同尺度的池化，所述第一连跳结构、第二连跳结构、第三连跳结构和第四连跳结构均带有1x1卷积。

7.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1‑5任一项所述的肺部X光图像分割方法。

8.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求

1‑5任一项所述的肺部X光图像分割方法。