1.一种改进u-net的肾脏肿瘤分割方法，其特征在于，包括以下步骤：
步骤1：通过像素叠加的方法将肾脏和肾脏肿瘤合并在一起；
步骤2：在编码器部分使用卷积对图像进行若干次提取，在解码器部分使用转置卷积生成对应的分割好的肾脏和肾脏肿瘤图像；
步骤3：在编码器中引入残差学习单元；
步骤4：在网络训练中使用洛瓦斯损失函数进行优化训练。
2.如权利要求1所述的改进u-net的肾脏肿瘤分割方法，其特征在于，步骤1之前还包括对数据进行预处理，将肾脏和肾脏肿瘤分隔开，分割好的标签图像一共有三个类别值：0是背景，1是肾区域，2是肾肿瘤区域。
3.如权利要求1所述的改进u-net的肾脏肿瘤分割方法，其特征在于，步骤3中的残差学习单元表示为：
yl＝h(xl)+f(xl,wl)
xl+1＝f(y1)
式中，xl是第l个残差单元的输入，xl+1是第l个残差单元的输出，f是残差函数，是网络在训练中不断学习到的残差，h(xl)＝xl表示恒等映射，f是修正线形单元激活函数。
4.如权利要求1所述的改进u-net的肾脏肿瘤分割方法，其特征在于，步骤4中的洛瓦斯损失函数表示为：
式中，y*为样本标签，