1.一种病变部位识别方法，其特征在于，所述方法包括：

获取应用不同的磁共振扫描序列对人体的预设部位进行磁共振扫描得到的第一磁共振图像与第二磁共振图像；

对所述第一磁共振图像与第二磁共振图像进行图像配准；

利用训练好的回归卷积神经网络模型对配准后的第一磁共振图像与第二磁共振图像进行检测，得到配准后的第一磁共振图像中的第一预设部位区域与配准后的第二磁共振图像中的第二预设部位区域；

利用训练好的双训练卷积神经网络模型中的第一卷积神经子网络预测所述第一预设部位区域属于病变区域的概率，得到第一病变概率，利用训练好的双训练卷积神经网络模型中的第二卷积神经子网络预测所述第二预设部位区域属于病变区域的概率，得到第二病变概率，其中所述双训练卷积神经网络模型通过对所述第一卷积神经子网络与所述第二卷积神经子网络同时训练得到，所述双训练卷积神经网络模型训练所用的损失函数由所述第一卷积神经子网络的第一损失函数、所述第二卷积神经子网络的第二损失函数和所述第一卷积神经子网络与所述第二卷积神经子网络之间的一致性损失函数组成；

根据所述第一病变概率与第二病变概率判断所述预设部位是否为病变部位。

2.如权利要求1所述的方法，其特征在于，所述对所述第一磁共振图像与第二磁共振图像进行图像配准包括：计算所述第一磁共振图像与第二磁共振图像的互信息，使所述第一磁共振图像与第二磁共振图像的互信息最大，所述第一磁共振图像与第二磁共振图像的互信息为：其中，A、B分别表示所述第一磁共振图像与第二磁共振图像，a、b分别表示所述第一磁共振图像、第二磁共振图像中像素值的范围，#a表示所述第一磁共振图像中像素值属于范围a内的像素的个数，#b表示所述第二磁共振图像B中像素值属于范围b内的像素的个数，#A、#B分别表示所述第一磁共振图像、第二磁共振图像的像素数，p(a)表示所述第一磁共振图像中像素值属于范围a内的像素出现的概率，p(b)表示所述第二磁共振图像中像素值属于范围b内的像素出现的概率。

3.如权利要求1所述的方法，其特征在于，所述对所述第一磁共振图像与第二磁共振图像进行图像配准包括：在所述第一磁共振图像上选取第一参照点，在所述第二磁共振图像上选取第二参照点，所述第一参照点、第二参照点是所述预设部位的相同位置上的点；

计算所述第一磁共振图像中各个像素点与所述第一参照点的相对坐标，计算所述第二磁共振图像中各个像素点与所述第二参照点的相对坐标；

根据所述第一磁共振图像中各个像素点与所述第一参照点的相对坐标，计算所述第一磁共振图像的中心点，以及根据所述第二磁共振图像中各个像素点与所述第二参照点的相对坐标，计算所述第二磁共振图像的中心点；

将所述第一磁共振图像的中心点与所述第二磁共振图像的中心点对齐。

4.如权利要求1所述的方法，其特征在于，所述对所述第一磁共振图像与第二磁共振图像进行图像配准包括：将所述第一磁共振图像与第二磁共振图像的分辨率分别减小一倍，将分辨率分别减小一倍后的第一磁共振图像与第二磁共振图像进行图像配准，得到第一配准结果；

将所述第一磁共振图像与第二磁共振图像的分辨率分别减小二倍，将分辨率分别减小二倍后的第一磁共振图像与第二磁共振图像进行图像配准，得到第二配准结果；

将所述第一磁共振图像与第二磁共振图像的分辨率分别减小四倍，将分辨率分别减小四倍后的第一磁共振图像与第二磁共振图像进行图像配准，得到第三配准结果；

根据所述第一配准结果、第二配准结果、第三配准结果得到最终的配准结果。

5.如权利要求1所述的方法，其特征在于，所述第一损失函数与第二损失函数为：L(p,y)＝-[ylog(p)+(1-y)log(1-p)]，

其中，p是所述第一卷积神经子网络/第二卷积神经子网络对对应的训练图像预测得到的病变概率，y是标签，若训练图像有病变y为1，没有病变y为0；

所述一致性损失函数为：

其中，σ(·)是sigmoid函数，||·||是L2范数，N是图像的像素总数；

所述双训练卷积神经网络模型的损失函数为：

E＝w1L(PADC,y)+w2L(PT2w,y)+w3L(MADC,MT2w)，其中，w1是所述第一损失函数的权重，w2是所述第二损失函数的权重，w3是所述一致性损失函数的权重，w1+w2+wa＝1。

6.如权利要求1所述的方法，其特征在于，所述根据所述第一病变概率与所述第二病变概率判断所述预设部位是否为病变部位包括：计算所述第一病变概率与所述第二病变概率的加权和，判断所述加权和是否大于或等于第一预设阈值，若所述加权和大于或等于第一预设阈值，则判断所述预设部位为病变部位；或者判断所述第一病变概率是否大于或等于第二预设阈值，判断所述第二病变概率是否大于或等于第三预设阈值，若所述第一病变概率大于或等于第二预设阈值且所述第二病变概率大于或等于第三预设阈值，则判断所述预设部位为病变部位。

7.如权利要求1所述的方法，其特征在于，所述第一磁共振图像为表观弥散系数图像，所述第二磁共振图像为T2加权图像。

8.一种病变部位识别装置，其特征在于，所述装置包括：

获取单元，用于获取应用不同的磁共振扫描序列对人体的预设部位进行磁共振扫描得到的第一磁共振图像与第二磁共振图像；

配准单元，用于对所述第一磁共振图像与第二磁共振图像进行图像配准；

检测单元，用于利用训练好的回归卷积神经网络模型对配准后的第一磁共振图像与第二磁共振图像进行检测，得到配准后的第一磁共振图像中的第一预设部位区域与配准后的第二磁共振图像中的第二预设部位区域；

预测单元，用于利用训练好的双训练卷积神经网络模型中的第一卷积神经子网络预测所述第一预设部位区域属于病变区域的概率，得到第一病变概率，利用训练好的双训练卷积神经网络模型中的第二卷积神经子网络预测所述第二预设部位区域属于病变区域的概率，得到第二病变概率，其中所述双训练卷积神经网络模型通过对所述第一卷积神经子网络与所述第二卷积神经子网络同时训练得到，所述双训练卷积神经网络模型训练所用的损失函数由所述第一卷积神经子网络的第一损失函数、所述第二卷积神经子网络的第二损失函数和所述第一卷积神经子网络与所述第二卷积神经子网络之间的一致性损失函数组成；

判断单元，用于根据所述第一病变概率与第二病变概率判断所述预设部位是否为病变部位。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1-7中任一项所述病变部位识别方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述病变部位识别方法。