1.一种病变部位识别方法，其特征在于，所述方法包括：

获取应用不同的磁共振扫描序列对人体的预设部位进行磁共振扫描得到的第一磁共振图像、第二磁共振图像与第三磁共振图像；

对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行预处理；

以预处理后的第一磁共振图像为第一分量，以预处理后的第二磁共振图像为第二分量，以预处理后的第三磁共振图像为第三分量，将预处理后的第一磁共振图像、第二磁共振图像与第三磁共振图像融合为彩色图像；

将所述彩色图像分割为预设大小的多个区块；

利用训练好的卷积神经网络模型对所述彩色图像的每个区块进行预测，得到每个区块的中心点的病变概率，其中所述卷积神经网络模型使用标注有病变区域的图像进行训练；

根据所述彩色图像中每个区块的中心点的病变概率判断所述预设部位是否为病变部位并确定病变位置。

2.如权利要求1所述的方法，其特征在于，所述对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行预处理包括对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行图像配准，具体包括：对于第一磁共振图像、第二磁共振图像与第三磁共振图像中的任意两个图像A与图像B，计算图像A与图像B的互信息，使图像A与图像B的互信息最大，图像A与图像B的互信息为：其中，a、b分别表示图像A、图像B中像素值的范围，#a表示图像A中像素值属于范围a内的像素的个数，#b表示图像B中像素值属于范围b内的像素的个数，#A、#B分别表示图像A、图像B的像素数，p(a)表示图像A中像素值属于范围a内的像素出现的概率，p(b)表示图像B中像素值属于范围b内的像素出现的概率。

3.如权利要求1所述的方法，其特征在于，所述对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行预处理包括对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行图像配准，具体包括：在所述第一磁共振图像上选取第一参照点，在所述第二磁共振图像上选取第二参照点，在所述第三磁共振图像上选取第三参照点，所述第一参照点、第二参照点与第三参照点是所述预设部位的相同位置上的点；

计算所述第一磁共振图像中各个像素点与所述第一参照点的相对坐标，计算所述第二磁共振图像中各个像素点与所述第二参照点的相对坐标，计算所述第三磁共振图像中各个像素点与所述第三参照点的相对坐标；

根据所述第一磁共振图像中各个像素点与所述第一参照点的相对坐标，计算所述第一磁共振图像的中心点，根据所述第二磁共振图像中各个像素点与所述第二参照点的相对坐标，计算所述第二磁共振图像的中心点，以及根据所述第三磁共振图像中各个像素点与所述第三参照点的相对坐标，计算所述第三磁共振图像的中心点；

将所述第一磁共振图像的中心点、所述第二磁共振图像的中心点和所述第三磁共振图像的中心点对齐。

4.如权利要求1-3中任一项所述的方法，其特征在于，所述对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行预处理包括包括对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行标准化，具体包括：对于所述第一磁共振图像、第二磁共振图像与第三磁共振图像中的每一图像，计算该图像的像素值的均值u和标准差e，对该图像的每个像素值进行转换：x′＝(x-u)/e，其中，x是原来的像素值，x′为标准化后的像素值。

5.如权利要求1-3中任一项所述的方法，其特征在于，所述以预处理后的第一磁共振图像为第一分量，以预处理后的第二磁共振图像为第二分量，以预处理后的第三磁共振图像为第三分量，将预处理后的第一磁共振图像、第二磁共振图像与第三磁共振图像融合为彩色图像包括：将预处理后的第一磁共振图像作为R分量，将预处理后的第二磁共振图像作为G分量，将预处理后的第三磁共振图像作为B分量，将预处理后的第一磁共振图像、第二磁共振图像与第三磁共振图像融合为RGB彩色图像；或者将预处理后的第一磁共振图像作为Y分量，将预处理后的第二磁共振图像作为U分量，将预处理后的第三磁共振图像作为V分量，将预处理后的第一磁共振图像、第二磁共振图像与第三磁共振图像融合为YUV彩色图像。

6.如权利要求1-3中任一项所述的方法，其特征在于，所述卷积神经网络模型的训练样本通过如下方式获取：对于所述标注有病变区域的图像，对该图像中的非病变区域和病变区域选取若干个点，以选取的每个点为中心，在该图像上获取每个点对应的方块区域；

若选取的点在所述病变区域内，则对应的方块区域为所述卷积神经网络模型的正训练样本；

若选取的点在所述非病变区域内，则对应的方块区域为所述卷积神经网络模型的负训练样本。

7.如权利要求1-3中任一项所述的方法，其特征在于，所述根据所述彩色图像中每个区块的中心点的病变概率判断所述预设部位是否为病变部位并确定病变位置包括：判断所述彩色图像中任意区块的中心点的病变概率是否大于或等于预设阈值，若所述彩色图像中任意区块的中心点的病变概率大于或等于预设阈值，则判断所述预设部位为病变部位，病变概率大于或等于预设阈值的中心点的位置为所述预设部位的病变位置；或者判断所述彩色图像中区块的中心点的病变概率大于或等于预设阈值的区块数量是否大于第一预设数量，若所述彩色图像中区块的中心点的病变概率大于或等于预设阈值的区块数量是否大于第一预设数量，则判断所述预设部位为病变部位，病变概率大于或等于预设阈值的中心点的位置为所述预设部位的病变位置；或者判断所述彩色图像中邻近区块的中心点的病变概率大于或等于预设阈值的区块数量是否大于第二预设数量，若所述彩色图像中邻近区块的中心点的病变概率大于或等于预设阈值的区块数量是否大于第二预设数量，则判断所述预设部位为病变部位，病变概率大于或等于预设阈值的中心点的位置为所述预设部位的病变位置。

8.一种病变部位识别装置，其特征在于，所述装置包括：

获取单元，用于获取应用不同的磁共振扫描序列对人体的预设部位进行磁共振扫描得到的第一磁共振图像、第二磁共振图像与第三磁共振图像；

预处理单元，用于对所述第一磁共振图像、第二磁共振图像与第三磁共振图像进行预处理；

融合单元，用于以预处理后的第一磁共振图像为第一分量，以预处理后的第二磁共振图像为第二分量，以预处理后的第三磁共振图像为第三分量，将预处理后的第一磁共振图像、第二磁共振图像与第三磁共振图像融合为彩色图像；

分割单元，用于将所述彩色图像分割为预设大小的多个区块；

预测单元，用于利用训练好的卷积神经网络模型对所述彩色图像的每个区块进行预测，得到每个区块的中心点的病变概率，其中所述卷积神经网络模型使用标注有病变区域的图像进行训练；

判断单元，用于根据所述彩色图像中每个区块的中心点的病变概率判断所述预设部位是否为病变部位并确定病变位置。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1-7中任一项所述病变部位识别方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述病变部位识别方法。