1.一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，包含以下步驟：
2.根據權利要求1所述的一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，所述步驟1中：使用通用mc程序topas，設置劑量計算所需要的參數，在同一患者人體模型分別計算b-10，n-14和h-1與中子反應引起的幾種吸收劑量和光子劑量；每位病人共模擬4部分劑量；每個組分劑量分別模擬出低分辨率高噪聲圖像和高分辨率低噪聲圖像，分別作為訓練數據和地面真值。
3.根據權利要求1所述的一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，所述步驟2中，首先將數據集劃分為訓練數據集和驗證數據集，將每個矢量圖進行90°、180°、270°旋轉以及上下翻轉操作，或進行gamma映射以實現數據增強，對增強后的數據進行裁剪、邊緣填充、數據歸一化，統一除以低分辨率高噪聲矢量圖的最大值。
4.根據權利要求1所述的一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，所述步驟3中，mc超分辨率去噪網絡選用改進的輕型卷積神經網絡pda-srdnet，使用四通道輸入，輸入包括患者的ct值三維矩陣、體部輪廓的二值化掩模、皮膚區域的二值化掩模和mc計算得到的高噪聲粗網格能量沉積矩陣；對超分辨率網絡scrnn和pda-srdnet進行參數初始化，采用訓練集中體部輪廓的二值化掩模、皮膚區域的二值化掩模和mc計算得到的高噪聲粗網格能量沉積矩陣對超分辨率去噪網絡進行訓練。
5.根據權利要求1所述的一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，所述步驟4中，對兩個卷積神經網絡的對比進一步包括：將步驟3中得到的兩個訓練好的卷積神經網絡的降噪結果進行同樣的處理，提取數據后，對低采樣數據得到的高噪聲低分辨率圖像、高采樣數據得到的低噪聲高分辨率干凈圖像、srcnn卷積神經網絡降噪圖像與pda-srdnet去噪卷積神經網絡降噪圖像進行對比，最終輸出兩個卷積神經網絡的模型性能與計算效率的對比結果。
6.根據權利要求1所述的一種硼中子俘獲治療蒙特卡羅劑量超分辨率去噪方法，其特征在于，所述步驟5中，后處理操作包括對預測出來的輪廓執行排除異常預測區域和邊緣平滑操作，具體包含以下步驟：采用泛洪算法去除輪廓的邊界內的異常空洞信息；找出包含輪廓的預測信息的最大連通域，用以去除其他異常預測區域；使用opencv內置庫對輪廓執行邊緣平滑操作；并將處理后的去噪圖像輸入商業tps中，供物理師進行評估。