1.基于图像识别的癌细胞计数方法，其特征在于，包括：

使用高光谱相机获取切片的高光谱图像，从切片的高光谱图像中获取预设大小的第一切片区域，所述第一切片区域具有第二预设数量以上的癌细胞；

使用全色相机获取切片的第一图像，使用分水岭算法对第一图像对应第一切片区域中的细胞进行分割以获得多个单细胞图像；

根据高光谱图像对所述多个单细胞图像分别标注为癌细胞和正常细胞；

利用所述多个单细胞图像对识别切片的全色图像中癌细胞的癌细胞图像识别模型进行迁移学习得到高精度癌细胞识别模型；

统计利用高精度癌细胞识别模型对第一图像进行识别所得到的癌细胞总数。

2.根据权利要求1所述的基于图像识别的癌细胞计数方法，其特征在于，所述高精度癌细胞识别模型通过以下步骤获得：预先获取大量癌细胞的全色图像和非癌细胞的全色图像，并划分为第一训练集和第一测试集，使用CNN模型作为主体框架，使用第一训练集和第一测试集对所述CNN模型进行训练以得到适用于普遍人群的癌细胞图像识别模型；

使用新的预设层数的全连接层以及一个分类层替换适用于普遍人群的特定癌细胞的癌细胞图像识别模型的分类层以形成待学习癌细胞识别模型；

根据所述多个单细胞图像对待学习癌细胞识别模型进行训练以获得高精度癌细胞识别模型。

3.根据权利要求1所述的基于图像识别的癌细胞计数方法，其特征在于，从切片的高光谱图像中获取预设大小的第一切片区域包括以下步骤：对切片的高光谱图像按照可容纳一个或两个细胞的大小的正方形进行分块以获得多个高光谱图像块，使用预设的高光谱分类器对所述多个高光谱图像块进行分类，获取癌细胞高光谱图像块；

选取第一预设数量的相互相连的高光谱图像块组成第一切片区域，所述第一切片区域至少具有第二预设数量以上的癌细胞高光谱图像块。

4.根据权利要求3所述的基于图像识别的癌细胞计数方法，其特征在于，统计利用高精度癌细胞识别模型对切片进行识别所得到的癌细胞总数包括以下步骤：利用高精度癌细胞识别模型对切片的癌细胞进行识别；

在统计利用高精度癌细胞识别模型对第一图像进行识别所得到的癌细胞总数时，位于对应癌细胞高光谱图像块位置内的癌细胞数量乘以修正系数后再进行相加，所述修正系数大于1。

5.根据权利要求4所述的基于图像识别的癌细胞计数方法，其特征在于，所述修正系数的取值范围为1.01‑2.00。

6.根据权利要求1所述的基于图像识别的癌细胞计数方法，其特征在于，当癌细胞高光谱图像块的数量大于或等于利用高精度癌细胞识别模型对切片全色图像进行识别得到的癌细胞计数时：在同一位置获取多张相同大小和分辨率的，且不同背光强度的切片的全色图像；

调整上述多张全色图像的对比度使得每张全色图像内的细胞都清晰可见；

将所述多张全色图像叠加融合以替换为切片的第一图像；

重新利用高精度癌细胞识别模型对新的切片的第一图像进行识别，并重新统计利用高精度癌细胞识别模型对第一图像进行识别所得到的癌细胞总数。

7.预后预测的辅助分析方法，其特征在于，根据权利要求1‑6任一所述的基于图像识别的癌细胞计数方法获取切片的癌细胞计数，将所述切片的癌细胞计数输入预后预测模型对患者的预后进行预测。

8.根据权利要求7所述的预后预测的辅助分析方法，其特征在于，所述预后预测模型通过以下步骤获得：将治疗前的时间及其对应的癌细胞计数、治疗后的时间及其对应的癌细胞计数和预后结果作为一组训练数据，获取大量的所述训练数据，并划分为第二训练集和第二测试集；

使用Informer模型作为主体框架，使用所述第二训练集和第二测试集对Informer模型进行训练以获得预后预测模型。

9.计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1‑6任一所述的基于图像识别的癌细胞计数方法或如权利要求7‑8任一所述的预后预测的辅助分析方法。

10.装置，其特征在于，所述装置包括权利要求9所述的计算机可读存储介质。