1.一种超声图像分类装置，其特征在于，包括转换单元、残差处理单元和确定单元；

所述转换单元，用于对获取的超声图像进行格式转换，得到目标超声图像；

所述残差处理单元，用于将所述目标超声图像进行残差处理，得到多个子图像；

所述确定单元，用于利用训练好的胶囊网络，对所述多个子图像进行分析，确定出所述超声图像所属的图像类别。

2.根据权利要求1所述的装置，其特征在于，所述确定单元包括提取子单元、聚类子单元和归类子单元；

所述提取子单元，用于提取各子图像的初级特征，并按照预设维度，将所述初级特征转化为特征向量；

所述聚类子单元，用于利用动态路由算法，对所述特征向量进行聚类处理，得到输出结果；

所述归类子单元，用于根据所述输出结果的范数值，确定出所述超声图像所属的图像类别。

3.根据权利要求1所述的装置，其特征在于，所述转换单元包括格式转换子单元和大小转换子单元；

所述格式转换子单元，用于将获取的超声图像转化为jpg图像；

所述大小转换子单元，用于利用双线性插值法将所述jpg图像固定为预设像素大小的目标超声图像。

4.根据权利要求1所述的装置，其特征在于，针对于所述胶囊网络的训练过程，所述装置包括提取单元、聚类单元、计算单元、判断单元、调整单元和输出单元；

所述提取单元，用于提取各样本图像的样本初级特征，并按照预设维度，将所述样本初级特征转化为样本特征向量；其中，每个样本图像有其对应的实际图像类别值；

所述聚类单元，用于利用动态路由算法，对同一个目标样本图像所对应的样本特征向量进行聚类处理，得到样本输出结果；

所述计算单元，用于计算所述样本输出结果对应的范数值；并将取值最大的范数值作为所述目标样本图像的样本范数值；

所述判断单元，用于判断所述样本范数值与所述实际图像类别值是否匹配；若否，则触发所述调整单元；若是，则触发所述输出单元；

所述调整单元，用于根据样本输出值与所述实际图像类别值的偏差值，调整所述胶囊网络的权重值；并在调整权重值之后返回所述提取各样本图像的样本初级特征的步骤；

所述输出单元，用于结束训练，输出训练好的胶囊网络。

5.根据权利要求4所述的装置，其特征在于，所述聚类单元具体用于按照如下公式，得到样本输出结果：式中，

其中，vj表示第j层胶囊层的输出结果；sj表示输入第j层胶囊层的向量； 使其胶囊层的输出值保证在区间[0,1]；cij表示的是相邻胶囊层即i、j层的关联值； 表示的是通过计算第i层胶囊层得出第j层预测向量输出；bij表示的第i层胶囊层被第j层胶囊层选择的概率，在路由层开始执行时，其初始值设置为0；k为数字胶囊层中胶囊的总个数，j∈[1,k]；Wij表示的是用于学习和反向传播的权重值；ui表示的是第i层胶囊层的输出。

6.根据权利要求5所述的装置，其特征在于，所述判断具体用于按照如下公式计算样本输出值与所述实际图像类别值的偏差值Lc：Lc＝Tcmax(0,m+-||vc||)2+λ(1-Tc)max(0,||vc||-m-)2；

其中，c表示图像分类的类别；Tc表示c类别的指示函数，分类c存在时Tc＝1，分类c不存在时Tc＝0；m+表示上边缘参数；m-表示下边缘参数；λ表示比例参数；vc表示超声图像在c类别下的输出结果。

7.根据权利要求1-6任意一项所述的装置，其特征在于，所述图像类别包括形状不规则图像、边界不清晰图像、回声不均匀图像、钙化图像和正常图像。

8.根据权利要求1-6任意一项所述的装置，其特征在于，还包括展示单元；所述展示单元，用于展示所述超声图像所属的图像类别。

9.根据权利要求1-6任意一项所述的装置，其特征在于，还包括存储单元；

所述存储单元，用于存储所述超声图像所属的图像类别。

10.根据权利要求1-6任意一项所述的装置，其特征在于，还包括统计单元；

所述统计单元，用于统计预设时间内获取的超声图像的总数以及每种图像类别所对应的超声图像的个数。