1.一种乳腺癌的智能判别方法，其特征在于，包括以下步骤：获取患者经过磁共振设备扫描的扫描影像数据；

对所述扫描影像数据进行归一化处理，得到高维影像数据；

将所述高维影像数据输入至预设的智能分类模型，生成智能分类结果；

根据金标准和医生的分析结果，对所述智能分类结果进行判别，生判别结果。

2.如权利要求1所述的乳腺癌的智能判别方法，其特征在于，所述预设的智能分类模型通过以下步骤构建：通过乳腺癌数据集训练一个对乳腺癌进行分类的分类模型，获取所述分类模块的分类权重；所述乳腺癌数据集包括InBreast、TCIA以及DDSM；

以MRI影像数据集的数据作为模型的输入，以对所述MRI影像数据集的数据进行智能分类处理的结果作为输出，以所述分类权重作为模型的参数，构建预设的智能分类模型。

3.如权利要求2所述的乳腺癌的智能判别方法，其特征在于，所述对所述MRI影像数据集的数据进行智能分类处理，具体为：从影像数据库中获取肿瘤影像图像并进行归一化处理；

通过多通道图像重现技术对进行归一化处理后的肿瘤影像图像进行检测，提取肿瘤图像；

通过超体素图像分割算法，对所述肿瘤图像进行图形分割检测，得到预分割图像；

通过密度聚类算法对进行图形分割检测后的肿瘤图像进行样本分析，得到其紧密程度；

采用监督学习机制，对所述预分割图像做疾病预测，使用K/N投票表决机制，得到最终优化的超像素分类结果。

4.如权利要求3所述的乳腺癌的智能判别方法，其特征在于，还包括：根据智能分类的结果的准确性，将准确性高的结果添加标注，重新输入至所述预设的智能分类模型进行训练。

5.一种乳腺癌的智能判别装置，其特征在于，包括：数据获取模块、归一化处理模块、分类模块以及判别模块；

所述数据获取模块，用于获取患者经过磁共振设备扫描的扫描影像数据；

所述归一化处理模块，用于对所述扫描影像数据进行归一化处理，得到高维影像数据；

所述分类模块，用于将所述高维影像数据输入至预设的智能分类模型，生成智能分类结果；

所述判别模块，用于根据金标准和医生的分析结果，对所述智能分类结果进行判别，生判别结果。

6.如权利要求5所述的乳腺癌的智能判别装置，其特征在于，所述预设的智能分类模型通过以下步骤构建：通过乳腺癌数据集训练一个对乳腺癌进行分类的分类模型，获取所述分类模块的分类权重；所述乳腺癌数据集包括InBreast、TCIA以及DDSM；

以MRI影像数据集的数据作为模型的输入，以对所述MRI影像数据集的数据进行智能分类处理的结果作为输出，以所述分类权重作为模型的参数，构建预设的智能分类模型。

7.如权利要求6所述的乳腺癌的智能判别装置，其特征在于，所述对所述MRI影像数据集的数据进行智能分类处理，具体为：从影像数据库中获取肿瘤影像图像并进行归一化处理；

通过多通道图像重现技术对进行归一化处理后的肿瘤影像图像进行检测，提取肿瘤图像；

通过超体素图像分割算法，对所述肿瘤图像进行图形分割检测，得到预分割图像；

通过密度聚类算法对进行图形分割检测后的肿瘤图像进行样本分析，得到其紧密程度；

采用监督学习机制，对所述预分割图像做疾病预测，使用K/N投票表决机制，得到最终优化的超像素分类结果。

8.如权利要求7所述的乳腺癌的智能判别装置，其特征在于，还包括：优化模块；

所述优化模块，用于根据智能分类的结果的准确性，将准确性高的结果添加标注，重新输入至所述预设的智能分类模型进行训练。

9.一种乳腺癌的智能判别设备，其特征在于，包括处理器、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，所述处理器在执行所述计算机程序时实现如权利要求1至4任一项所述的乳腺癌的智能判别方法。

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，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至4任一项所述的乳腺癌的智能判别方法。