1.一种文本图像修复方法，其特征在于，包括如下步骤：从图像采集设备中获得多个原始医疗文本图像，并对多个所述原始医疗文本图像进行随机分类，得到原始训练集图像和原始测试集图像；

分别对所述原始训练集图像和所述原始测试集图像进行图像缺失处理，得到缺损训练集图像和缺损测试集图像；

构建训练模型，并根据所述缺损训练集图像对所述训练模型进行训练，得到最终修复模型；

根据所述最终修复模型对所述缺损测试集图像进行修复处理，得到修复图像结果；

所述构建训练模型，并根据所述缺损训练集图像对所述训练模型进行训练，得到最终修复模型的过程包括：构建生成对抗网络，利用所述缺损训练集图像对所述生成对抗网络进行训练，得到基础修复模型；

利用注意力机制优化算法对所述基础修复模型进行优化，得到最终修复模型；

所述利用所述缺损训练集图像对所述生成对抗网络进行训练，得到基础修复模型的过程包括：S1：根据预设的迭代训练次数将所述缺损训练集图像输入至所述生成对抗网络进行训练，得到第一修复模型，所述第一修复模型包括第一修复网络和第一判别网络；

S2：通过所述第一修复网络对所述缺损训练集图像进行修复处理，得到第一中间修复图片；

S3：通过所述第一判别网络对所述第一中间修复图片进行判别处理，得到第一预测值；

S4：判断所述第一预测值是否大于或等于预设判断值，若是，则将所述第一修复模型作为所述基础修复模型；否则，执行步骤S5；

S5：根据预设的迭代训练次数将所述缺损训练集图像输入至所述生成对抗网络进行训练，得到第二修复模型，所述第二修复模型包括第二修复网络和第二判别网络；

S6：通过所述第二修复网络对所述缺损训练集图像进行修复处理，得到第二中间修复图片；

S7：通过所述第二判别网络对所述第二中间修复图片进行判别处理，得到第二预测值；

S8：判断所述第二预测值是否大于或等于预设判断值，若大于等于，则将所述第二修复模型作为所述基础修复模型；若小于，则返回步骤S1；

所述利用注意力机制优化算法对所述基础修复模型进行优化，得到最终修复模型的过程包括：所述基础修复模型包括原始第一阶段修复网络、原始第二阶段修复网络和判别网络，所述原始第一阶段修复网络包括3×3卷积层、下采样层、空洞卷积层和上采样层；

将预设1×1卷积层添加至所述3×3卷积层之前，得到第一阶段修复网络；

利用注意力机制算法对所述原始第二阶段修复网络进行网络分支修改处理，得到第二阶段修复网络；

根据先后顺序对所述第一阶段修复网络、所述第二阶段修复网络和所述判别网络进行结合，得到最终修复模型。

2.根据权利要求1所述的文本图像修复方法，其特征在于，所述分别对所述原始训练集图像和所述原始测试集图像进行图像缺失处理，得到缺损训练集图像和缺损测试集图像的过程包括：在所述原始训练集图像中各图像上的随机位置处添加预设的二进制补丁，得到缺损训练集图像；

在所述原始测试集图像中各图像上的随机位置处添加预设的二进制补丁，得到缺损测试集图像。

3.根据权利要求1所述的文本图像修复方法，其特征在于，所述利用注意力机制算法对所述原始第二阶段修复网络进行网络分支修改处理，得到第二阶段修复网络的过程包括：所述原始第二阶段修复网络包括两条卷积分支；

利用注意力机制算法对所述原始第二阶段修复网络中任一条卷积分支进行卷积分支修改，得到注意力分支；

对所述注意力分支和另一卷积分支进行结合，得到第二阶段修复网络。

4.一种文本图像修复装置，其特征在于，包括：

随机分类处理模块，用于从图像采集设备中获得多个原始医疗文本图像，并对多个所述原始医疗文本图像进行随机分类，得到原始训练集图像和原始测试集图像；

缺损图像处理模块，用于分别对所述原始训练集图像和所述原始测试集图像进行图像缺失处理，得到缺损训练集图像和缺损测试集图像；

训练模型处理模块，用于构建训练模型，并根据所述缺损训练集图像对所述训练模型进行训练，得到最终修复模型；

修复图像结果获得模块，用于根据所述最终修复模型对所述缺损测试集图像进行修复处理，得到修复图像结果；

所述训练模型处理模块具体用于：

构建生成对抗网络，利用所述缺损训练集图像对所述生成对抗网络进行训练，得到基础修复模型；

利用注意力机制优化算法对所述基础修复模型进行优化，得到最终修复模型；

所述训练模型处理模块中，利用所述缺损训练集图像对所述生成对抗网络进行训练，得到基础修复模型的过程包括：S1：根据预设的迭代训练次数将所述缺损训练集图像输入至所述生成对抗网络进行训练，得到第一修复模型，所述第一修复模型包括第一修复网络和第一判别网络；

S2：通过所述第一修复网络对所述缺损训练集图像进行修复处理，得到第一中间修复图片；

S3：通过所述第一判别网络对所述第一中间修复图片进行判别处理，得到第一预测值；

S4：判断所述第一预测值是否大于或等于预设判断值，若是，则将所述第一修复模型作为所述基础修复模型；否则，执行步骤S5；

S5：根据预设的迭代训练次数将所述缺损训练集图像输入至所述生成对抗网络进行训练，得到第二修复模型，所述第二修复模型包括第二修复网络和第二判别网络；

S6：通过所述第二修复网络对所述缺损训练集图像进行修复处理，得到第二中间修复图片；

S7：通过所述第二判别网络对所述第二中间修复图片进行判别处理，得到第二预测值；

S8：判断所述第二预测值是否大于或等于预设判断值，若大于等于，则将所述第二修复模型作为所述基础修复模型；若小于，则返回步骤S1；

所述训练模型处理模块中，利用注意力机制优化算法对所述基础修复模型进行优化，得到最终修复模型的过程包括：所述基础修复模型包括原始第一阶段修复网络、原始第二阶段修复网络和判别网络，所述原始第一阶段修复网络包括3×3卷积层、下采样层、空洞卷积层和上采样层；

将预设1×1卷积层添加至所述3×3卷积层之前，得到第一阶段修复网络；

利用注意力机制算法对所述原始第二阶段修复网络进行网络分支修改处理，得到第二阶段修复网络；

根据先后顺序对所述第一阶段修复网络、所述第二阶段修复网络和所述判别网络进行结合，得到最终修复模型。

5.根据权利要求4所述的文本图像修复装置，其特征在于，所述缺损图像处理模块具体用于：根据预设的二进制补丁分别对所述原始训练集图像和所述原始测试集图像进行随机位置添加，得到缺损训练集图像和缺损测试集图像，所述缺损训练集图像和所述缺损测试集图像均携带所述预设的二进制补丁。

6.一种文本图像修复装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，实现如权利要求1至3任一项所述的文本图像修复方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至3任一项所述的文本图像修复方法。