1.一种胃癌识别方法，其特征在于，所述方法包括：

样本处理步骤：获取第一预设数量的胃部病理切片样本图片，在每个胃部病理切片样本图片上标注非癌变标记点、癌变标记点及癌变标记点形成癌变形状曲线，并对获取的各个胃部病理切片样本图片进行裁剪处理，生成裁剪图片集合；

训练步骤：利用裁剪图片集合中的样本图片对结构识别模型进行训练；

接收步骤：接收待胃癌识别的病理切片图片；

识别步骤：将该病理切片图片输入训练好的结构识别模型进行识别，生成识别结果。

2.根据权利要求1所述的胃癌识别方法，其特征在于，所述结构识别模型为深度卷积神经网络模型，该深度卷积神经网络模型的主神经网络中嵌入七个子网络，所述病理切片样本图片分别经过所述七个子网络提取特征并进行特征拼接后，再输入主网络结构中参与训练。

3.根据权利要求2所述的胃癌识别方法，其特征在于，所述训练步骤包括：将裁剪图片集合分为第一比例的训练集和第二比例的验证集；

利用训练集中的各个裁剪图片集合进行模型训练，生成所述结构识别模型，并利用验证集中的各个裁剪图片集合对生成的结构识别模型进行验证；

若验证通过率大于或等于预设值，则训练完成，若验证通过率小于预设值，则增加第二预设数量的胃部病理切片样本图片，并对增加的胃部病理切片样本图片进行裁剪处理，之后流程返回将裁剪图片集合分为训练集和验证集的步骤。

4.根据权利要求1任意一项所述的胃癌识别方法，其特征在于，所述样本处理步骤包括：将各个胃部病理切片样本图片裁剪为第一预设大小的目标样本图片；

分别将各个目标样本图片分别沿着x轴和y轴方向，且以预设步长进行裁剪，获得若干张对应的第二预设大小的裁剪图片，每个目标样本图片对应的若干张裁剪图片归为一个裁剪图片集合。

5.根据权利要求1所述的胃癌识别方法，其特征在于，所述识别步骤包括：将待胃癌识别的病理切片图片剪裁为第一预设大小的目标图片；

将该目标图片分别沿着x轴和y轴方向，且以预设步长进行裁剪，获得若干张对应的第二预设大小的裁剪图片；

将该裁剪图片输入训练好的结构识别模型中，进行识别。

6.一种电子装置，其特征在于，所述装置包括：存储器、处理器，所述存储器上存储有胃癌识别程序，所述胃癌识别程序被所述处理器执行，可实现如下步骤：样本处理步骤：获取第一预设数量的胃部病理切片样本图片，在每个胃部病理切片样本图片上标注非癌变标记点、癌变标记点及癌变标记点形成癌变形状曲线，并对获取的各个胃部病理切片样本图片进行裁剪处理，生成裁剪图片集合；

训练步骤：利用裁剪图片集合中的样本图片对结构识别模型进行训练；

接收步骤：接收待胃癌识别的病理切片图片；

识别步骤：将该病理切片图片输入训练好的结构识别模型进行识别，生成识别结果。

7.根据权利要求6所述的电子装置，其特征在于，所述结构识别模型为深度卷积神经网络模型，该深度卷积神经网络模型的主神经网络中嵌入七个子网络，所述病理切片样本图片分别经过所述七个子网络提取特征并进行特征拼接后，再输入主网络结构中参与训练。

8.根据权利要求7所述的电子装置，其特征在于，所述训练步骤包括：将裁剪图片集合分为第一比例的训练集和第二比例的验证集；

利用训练集中的各个裁剪图片集合进行模型训练，生成所述结构识别模型，并利用验证集中的各个裁剪图片集合对生成的结构识别模型进行验证；

若验证通过率大于或等于预设值，则训练完成，若验证通过率小于预设值，则增加第二预设数量的胃部病理切片样本图片，并对增加的胃部病理切片样本图片进行裁剪处理，之后流程返回将裁剪图片集合分为训练集和验证集的步骤。

9.根据权利要求6所述的电子装置，其特征在于，所述识别步骤包括：将待胃癌识别的病理切片图片剪裁为第一预设大小的目标图片；

将该目标图片分别沿着x轴和y轴方向，且以预设步长进行裁剪，获得若干张对应的第二预设大小的裁剪图片；

将该裁剪图片输入训练好的结构识别模型中，进行识别。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括胃癌识别程序，所述统胃癌识别程序被处理器执行时，可实现如权利要求1至5中任一项所述胃癌识别方法的步骤。