1.一种基于unet的宫颈病理组织分割方法，其特征在于：包括扫描拼接、降噪、区域划分、unet模型训练及辅助诊断五个步骤，其步骤如下：
步骤一、扫描拼接：用光学显微镜扫描样本涂片，然后将生成的视野图像拼接成一个全景图ic；
步骤二、降噪：对ic做降噪预处理；
步骤三、区域划分：将ic中的每个感兴趣独立前景区域ai提取出来，保存ai及其在ic中的相对位置；
步骤四、unet模型训练：统计所有样本中的ai，按6:2:2的比例随机分配到训练集、验证集和测试集中，然后传递给unet模型进行学习，最终获得可靠分割模型m；
步骤五、辅助诊断：将模型m应用于临床，辅助病理医生诊断宫颈疾病。
2.根据权利要求1所述的基于unet的宫颈组织图像分割方法，其特征在于：所述步骤一的具体方法是在10x显微物镜下，对每个样本进行全片自动扫描与拼接，生成分辨率可变的逻辑全景图ic，其宽度取值范围为30000～40000像素，高度取值范围为20000～30000像素。
3.根据权利要求1所述的基于unet的宫颈组织图像分割方法，其特征在于：所述步骤二的具体方法是对ic依次进行模糊和锐化操作，用以去除制片染色过程中产生的部分噪声。
4.根据权利要求1所述的基于unet的宫颈组织图像分割方法，其特征在于：所述步骤三的具体方法还包括如下步骤：
a、对ic的行和列进行1/32下采样，生成低分辨率全景图if，并将其灰度化为ig；
b、以背景灰度均值为阈值从ig提取轮廓，采用平均灰度计算图像的二值化阈值，利用二值化阈值t对图像进行前景和背景分割，获得标记图，并提取相应的区域轮廓；阈值分割公式如下：
其中f(x,y)为灰度图像，g(x,y)为阈值运算后得二值图像；
c、计算ig中每个轮廓的面积，长度和宽度，采用阈值法去除面积、长度或宽度较小的干扰轮廓，保留感兴趣轮廓；首先对g(x,y)进行贴标签
其中，l为连通域的个数，为第k个连通域
之后消除面积小于预设阈值area的连通域，小面积连通域消除处理的计算公式如下：
d、为每个轮廓生成一个蒙版，利用蒙版从ic中提取待处理区域ai并记录每个ai在全景图中的绝对位置pi。第k个轮廓蒙版mk的提取公式如下：
第k个图像区域ak的提取公式如下：
ak＝ic*mk
e、对不同的区域以并行的方式进行处理。设一个样本通过本发明生成n个区域，43可并行工作的处理核有m个，若以串行方式处理if所需时间为t，则理想情况下并行处理所需时间可缩短为t/m。
5.根据权利要求1所述的基于unet的宫颈组织图像分割方法，其特征在于：所述步骤四的具体方法包括如下步骤:
①对已经标注好的训练集中的每个ai，增加一个通道存放标注数据，原始数据有红、绿、蓝三个彩色通道，通过本步骤处理之后增加一个黄色表示的标注数据通道；
②对经上一步处理后的每个ai，分别通过仿射变换、相似变换和刚体变换进行数据增强，得到数据集di仿射变换计算式为：
相似变换的计算式为:
刚体变换的计算式为：
③unet网络以并行方式接收并学习每个di所包含的特征数据，循环进行50轮次迭代训练，生成最终的诊断模型m；训练前网络各层参数的初化化计算式为：
6.根据权利要求1所述的基于unet的宫颈组织图像分割方法，其特征在于：所述步骤五的具体方法包括如下步骤：
步骤1、将样本涂片放入载物台，依次自动执行权利要求1中的步骤一、二和三，得到n个感兴趣区域图像{ai|0<i<n}，将每个ai做为输入让模型m处理，然后保存生成的分割类别和轮廓信息；
步骤2、在if中用绿色描绘每个ai中的正常组织轮廓，黄色描绘低级别病变组强织轮廓，橙红描绘高级别病变组织轮廓，色描绘癌变组织轮廓；
步骤3、将ir显示在屏幕上，供病理医生参考，当使用者点击放大时，依据放大倍数k对ic进按行、列分别进行k/2下采样，生成ik，然后依照ir和ik的放大倍率关系计算每个分割结果轮廓在ik中的对应坐标并按同样的类别颜色描绘及显示。