1.一种头部CT图像检测装置，其特征在于，所述装置包括：特征提取模块，用于对采集的头部CT图像进行特征提取，得到目标特征图；

图像分割模块，用于基于所述目标特征图对所述头部CT图像进行分割，得到头部病种征象图像；

联合分类模块，用于对所述头部病种征象图像进行分类处理，得到征象的分类结果、病种的分类结果以及征象与病种的关联关系的分类结果。

2.根据权利要求1所述的装置，其特征在于，在对所述头部病种征象图像进行分类处理，得到征象的分类结果、病种的分类结果以及征象与病种的关联关系的分类结果方面，所述联合分类模块具体用于：

提取所述头部病种征象图像对应的特征；

将所述头部病种征象图像对应的特征输入全连接层进行分类，经过多分类函数的处理得到所述征象的分类结果，所述征象的分类结果包括征象的类别、征象的检测框以及检测框包含征象的置信度；

将所述头部病种征象图像对应的特征输入全卷积网络进行分类，经过多分类函数的处理得到所述病种的分类结果，以及经过二分类函数的处理得到所述征象与病种的关联关系的分类结果；所述病种的分类结果包括预测出的病种掩码；所述征象与病种的关联关系的分类结果用于表示所述征象的分类结果中的征象是否为所述病种的分类结果中的病种的征象，若是则取值为1，否则取值为0。

3.根据权利要求2所述的装置，其特征在于，所述征象的分类结果、所述病种的分类结果以及所述征象与病种的关联关系的分类结果由所述联合分类模块采用训练好的神经网络模型对所述头部CT图像进行分类得到；所述装置还包括参数调整模块；所述参数调整模块用于：

根据所述征象的分类结果和第一金标准计算第一损失；

根据所述征象的分类结果、所述病种的分类结果、所述征象与病种的关联关系的分类结果和第二金标准计算第二损失；

根据所述第一损失、所述第二损失中的至少一种对所述神经网络模型的参数进行调整。

4.根据权利要求3所述的装置，其特征在于，所述参数调整模块采用以下公式计算所述第二损失：

其中，LOSS为所述第二损失，s表示网格的尺寸，B表示输出的检测框， 表示在第i个网格的第j个预设锚框中存在头部病种征象，取值为1，若不存在则为0，pi表示第i个网格处的征象分类概率，qi表示在第i个网格处的病种分类概率， 表示预测得到的病种掩码，dice为衡量病种掩码预测精度的指标。

5.根据权利要求1‑4任一项所述的装置，其特征在于，在基于所述目标特征图对所述头部CT图像进行分割，得到头部病种征象图像方面，所述图像分割模块具体用于：基于所述目标特征图及预设锚框，得到所述头部CT图像中的候选区域；

基于所述候选区域分割出所述头部病种征象图像。

6.根据权利要求1‑4任一项所述的装置，其特征在于，在对采集的头部CT图像进行特征提取，得到目标特征图方面，所述特征提取模块具体用于：对所述头部CT图像进行分割，得到N张颅内部位图；所述N张颅内部位图中的每张颅内部位图包括颅内的一个部位，且所述每张颅内部位图中的部位不重复；N为大于1的整数；

对所述每张颅内部位图进行增强处理，得到增强后的N张颅内部位图；

基于所述增强后的N张颅内部位图得到待处理头部CT图像；

对所述待处理头部CT图像进行特征提取，得到所述目标特征图。

7.根据权利要求6所述的装置，其特征在于，在基于所述增强后的N张颅内部位图得到待处理头部CT图像方面，所述特征提取模块具体用于：对所述增强后的N张颅内部位图中的每两张颅内部位图进行重叠检测，得到所述每两张颅内部位图的重叠区域；

获取所述重叠区域内像素点对应的灰度值，并计算该灰度值的平均值；

利用所述平均值替换所述重叠区域内像素点对应的灰度值，得到N张待贴回颅内部位图；

按照所述N张颅内部位图在所述头部CT图像中的位置将所述N张待贴回颅内部位图贴回所述头部CT图像，得到所述待处理头部CT图像。

8.一种头部CT图像检测方法，其特征在于，所述装置包括：对采集的头部CT图像进行特征提取，得到目标特征图；

基于所述目标特征图对所述头部CT图像进行分割，得到头部病种征象图像；

对所述头部病种征象图像进行分类处理，得到征象的分类结果、病种的分类结果以及征象与病种的关联关系的分类结果。

9.一种电子设备，包括输入设备和输出设备，其特征在于，还包括：处理器，适于实现一条或多条指令；以及，计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求8中所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求8中所述的方法。