1.一种图像融合的恶性肺结节识别方法，其特征在于，包括：对获取的至少一组肺部CT图像进行预处理；

对预处理后的每组肺部CT图像进行融合处理，以获得融合图像；

根据每组肺部CT图像的结节位置的标签，对所述融合图像中的结节部分进行标注；以及使用标注后的所述融合图像对构建的卷积神经网络进行训练，以使用训练完成的卷积神经网络识别CT图像中恶性肺结节的位置。

2.如权利要求1所述的图像融合的恶性肺结节识别方法，其特征在于，所述预处理包括采用高斯滤波使所述肺部CT图像整体线性平滑，提高对比度，从而能更加清晰显示肺结节特征。

3.如权利要求1所述的图像融合的恶性肺结节识别方法，其特征在于，所述对预处理后的每组肺部CT图像进行融合处理，以获得融合图像具体包括：为所述一组肺部CT图像中的每张肺部CT图像赋予预设的比重；

根据每张肺部CT图像的比重，对一组肺部CT图像中的所有图像进行融合叠加，以生成融合图像。

4.如权利要求3所述的图像融合的恶性肺结节识别方法，其特征在于，每组肺部CT图像包括第一肺部CT图像、第二肺部CT图像以及第三肺部CT图像；其中，所述第一肺部CT图像与所述第三肺部CT图像为结节的边缘部分切片图像；所述第二肺部CT图像为结节中心切片图像；所述第一肺部CT图像与所述第三肺部CT图像的比重为0.25；所述第二肺部CT图像的比重分别为0.5。

5.如权利要求1所述的图像融合的恶性肺结节识别方法，其特征在于，所述卷积神经网络的具体结构为：第一层，卷积层，卷积核大小为使用64个大小为3×3×3的卷积核，对输入的融合图像做步长为1的卷积；

第二层，卷积层，卷积核大小为使用64个大小为3×3×64的卷积核，对输入的数据做步长为1的卷积；

第三层，最大池化层，对第二层输入到第三层的数据做池化区间为2×2，步长为2的池化操作；

第四层，卷积层，卷积核大小为使用128个大小为3×3×64的卷积核，对输入的数据做步长为1的卷积；

第五层，卷积层，卷积核大小为使用128个大小为3×3×128的卷积核，对输入的数据做步长为1的卷积；

第六层，最大池化层，对第五层输入到第六层的数据做池化区间为2×2，步长为2的池化操作；

第七层，卷积层，卷积核大小为使用256个大小为3×3×128的卷积核，对输入的数据做步长为1的卷积；

第八层，卷积层，卷积核大小为使用256个大小为3×3×256的卷积核，对输入的数据做步长为1的卷积；

第九层，最大池化层，对第八层输入到第九层的数据做池化区间为2×2，步长为2的池化操作；

第十层，卷积层，卷积核大小为使用512个大小为3×3×256的卷积核，对输入的数据做步长为1的卷积；

第十一层，卷积层，卷积核大小为使用512个大小为3×3×512的卷积核，对输入的数据做步长为1的卷积；

第十二层，卷积层，卷积核大小为使用512个大小为3×3×512的卷积核，对输入的数据做步长为1的卷积；

第十三层，最大池化层，对第十二层输入到第十三层的数据做池化区间为2×2，步长为

2的池化操作；

第十四层，卷积层，卷积核大小为使用512个大小为3×3×512的卷积核，对输入的数据做步长为1的卷积；

第十五层，卷积层，卷积核大小为使用512个大小为3×3×512的卷积核，对输入的数据做步长为1的卷积；

第十六层，卷积层，卷积核大小为使用512个大小为3×3×512的卷积核，对输入的数据做步长为1的卷积；

第十七层，最大池化层，对第十六层输入到第十七层的数据做池化区间为2×2，步长为

2的池化操作；

第十八层，全连接层，卷积核大小为7×7×512×4096，步长为1；

第十九层，全连接层，卷积核大小为1×1×512×4096，步长为1。

6.如权利要求5所述的图像融合的恶性肺结节识别方法，其特征在于，所述卷积神经网络采用leaky ReLu作为激活函数，leaky ReLu将所有负值赋予一个非零斜率，数学表达式为：ai是(1，+∞)区间内的固定参数。

7.如权利要求1所述的图像融合的恶性肺结节识别方法，其特征在于，所述卷积神经网络模型的训练集为天池医疗AI大赛中的天池数据集。

8.一种图像融合的恶性肺结节识别装置，其特征在于，包括：预处理单元，用于对获取的至少一组肺部CT图像进行预处理；

融合单元，用于对预处理后的每组肺部CT图像进行融合处理，以获得融合图像；

标注单元，用于根据每组肺部CT图像的结节位置的标签，对所述融合图像中的结节部分进行标注；以及训练单元，用于使用标注后的所述融合图像对构建的卷积神经网络进行训练，以使用训练完成的卷积神经网络识别CT图像中恶性肺结节的位置。

9.一种图像融合的恶性肺结节识别设备，其特征在于，包括：处理器、显示器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图像融合的恶性肺结节检测方法。

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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任一项所述的图像融合的恶性肺结节识别方法。