1.基于集成学习的阿尔茨海默症确定系统，其特征在于：包括：获取模块，用于获取阿尔茨海默症的磁共振成像数据；

训练模块，用于基于卷积神经网络，采用并行处理方法，对磁共振成像数据进行训练，得到多个基分类器；

第一筛选模块，用于对基分类器进行第一筛选；

集成模块，用于对基分类器进行集成学习，得到集成分类器；

分类模块，用于根据集成分类器得到分类结果作为阿尔茨海默症的确定结果；

其中，所述第一筛选模块对基分类器进行第一筛选具体包括：基于预设的顺序，对磁共振成像数据训练集的坐标进行排列，得到切片映射表；

基于预设的群体规模和切片映射表，对染色体进行编码；

根据编码后的染色体和切片映射表，通过训练得到基分类器构造三轴集成分类器；

获取三轴集成分类器的分类准确率和染色体的适应度值；

当染色体的适应度值满足预设条件时，得到最优染色体，并根据最优染色体确定对应的最优基分类器；反之，则执行下一步骤；

采用基于轮盘赌选择法的选择算子，选择优良染色体；

采用基于单点交叉算法的交叉算子，在优良染色体上生成交叉位置；

对交叉位置上的基因进行位置交换；

根据位置变换后的基因，选取最优染色体，并根据最优染色体与切片映射表的映射关系对最优染色体进行解码，最终确定对应于所述最优染色体的基分类器。

2.根据权利要求1所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述获取模块，用于获取阿尔茨海默症的磁共振成像数据具体包括：通过ADNI数据库获取阿尔茨海默症的磁共振成像数据；

所述系统还包括预处理模块，用于对阿尔茨海默症的磁共振成像数据进行预处理；

其中，所述预处理模块对阿尔茨海默症的磁共振成像数据进行预处理具体包括：对阿尔茨海默症的磁共振成像数据进行去头骨处理；

将去头骨处理后的磁共振成像数据配准至MNI标准空间；

对MNI标准空间内的磁共振成像数据进行图像平滑处理；

对图像平滑处理后的磁共振成像数据进行灰度归一化处理；

对灰度归一化处理后的磁共振成像数据进行切片处理；

对切片处理后的磁共振成像数据进行尺寸统一处理。

3.根据权利要求1所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述系统还包括用于对磁共振成像数据进行数据扩充处理的数据扩充模块，所述数据扩充模块对磁共振成像数据进行数据扩充处理具体包括：对磁共振成像数据进行旋转处理；

对旋转处理后的磁共振成像数据进行平移处理；

对平移处理后的磁共振成像数据进行伽马校正；

对伽马校正后的磁共振成像数据进行随机噪声处理；

对随机噪声处理后的磁共振成像数据进行缩放处理；

对缩放处理后的磁共振成像数据进行随机仿射变换处理。

4.根据权利要求1所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述第一筛选模块对基分类器进行第一筛选还包括：根据K折交叉验证方法的折数K对磁共振成像数据进行数据集划分，得到磁共振成像数据的训练集和磁共振成像数据的测试集；

逐一对磁共振成像数据的训练集进行单切片的基分类器训练，直至所有磁共振成像数据的训练集都训练完成。

5.根据权利要求1所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述系统还包括用于对基分类器进行第二筛选的第二筛选模块，其中所述第二筛选模块对基分类器进行第二筛选具体包括：对训练得到的同一坐标轴方向的多个基分类器进行效果测试；

根据测试效果的排列顺序，选取预设个数的基分类器。

6.根据权利要求5所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述集成模块对基分类器进行集成学习，得到集成分类器具体包括：对三个坐标轴方向的多切片基分类器进行集成，生成三个单轴集成分类器；

对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成，生成三轴集成分类器。

7.根据权利要求6所述的基于集成学习的阿尔茨海默症确定系统，其特征在于：所述集成分类器对三个坐标轴方向的多切片基分类器进行集成，生成三个单轴集成分类器具体包括：对选取的基分类器进行集成，得到单轴集成分类器；

采用投票法对选取的基分类器的分类结果进行表决，得到单轴集成分类器的分类结果；

并且所述集成分类器对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成，生成三轴集成分类器具体包括：对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成，得到三轴集成分类器；

采用投票法对三个单轴集成分类器的分类结果进行表决，得到三轴集成分类器的分类结果。