1.基于多尺度机制和残差注意力的医学图像融合方法，其特征在于，包括以下步骤：

S1、获取解剖型医学图像和功能型医学图像，将解剖型医学图像和功能型医学图像输入到大小为1×1的卷积核；

S2、将配准后的解剖型医学图像和功能型医学图像分别输入到两个分支的多尺度机制中，第一个分支提取它们在不同尺度上的特征图，第二个分支由多个卷积层构成，接着将提取的特征图输入到残差注意力网络中，再次提取解剖型医学图像和功能型医学图像的特征；

S3、将提取的解剖型医学图像和功能型医学图像的特征图进行融合；

S4、将融合后的特征图通过三层卷积进行重构，得到最终的医学融合图像；

所述步骤S2的特征图是通过两个分支的多尺度机制和残差注意力网络提取的，多尺度机制的第一个分支由不同大小的卷积核构成，第一个分支的目的是提取解剖型医学图像和功能型医学图像在不同尺度上的特征图，第二个分支为了提取更多解剖型医学图像和功能型医学图像的细节纹理信息，每两层卷积之间增加一个跳跃连接，残差注意力机制获取重要的特征，并避免网络梯度消失和爆炸，为了保留更多提取的特征图中的边缘信息和颜色信息，第一个分支中的每一层的特征图都与第二个分支的最后一层的特征图进行相加操作。

2.根据权利要求1所述的基于多尺度机制和残差注意力的医学图像融合方法，其特征在于，所述步骤S1将输入图像的维度增加到64维。

3.根据权利要求2所述的基于多尺度机制和残差注意力的医学图像融合方法，其特征在于，所述残差注意力机制获取重要的特征具体包括：将提取的低层特征和相加操作后得到的深层特征使用乘法连接，并且相乘得到的特征图与第一层卷积得到的特征图之间使用跳跃连接。

4.根据权利要求1所述的基于多尺度机制和残差注意力的医学图像融合方法，其特征在于，所述步骤S3的特征图融合是将获得的64维的解剖型图像和功能型图像的特征图进行融合，融合图像F通过叠加多尺度残差注意力网络提取出的特征图F1和F2得到，F1、F2的权重分别为基于1范数的w1、w2，融合图像F的计算公式为：F＝w1*F1+w2*F2。

5.根据权利要求4所述的基于多尺度机制和残差注意力的医学图像融合方法，其特征在于，所述步骤S4将融合后的特征图通过三层卷积进行重构，三层卷积的输出通道分别是

64，32，1，最终得到解剖图像和功能图像的融合图像。

6.一种介质，该介质内部存储计算机程序，其特征在于，所述计算机程序被处理器读取时，执行上述权利要求1～5任一项的方法。