1.一种宫颈异常细胞检测装置，其特征在于，包括：

获取模块，用于获取宫颈细胞病理玻片图像，包括：获取通过扫描仪对宫颈细胞病理玻片进行扫描得到的初始宫颈细胞病理玻片图像；采用霍夫变换提取所述初始宫颈细胞病理玻片图像中宫颈细胞所在的感兴趣区域，以得到所述宫颈细胞病理玻片图像；

分割模块，用于将所述宫颈细胞病理玻片图像分割为多个宫颈细胞病理玻片图像块；

预处理模块，用于对每个宫颈细胞病理玻片图像块进行预处理，得到多个目标宫颈细胞病理玻片图像块，包括：对所述每个宫颈细胞病理玻片图像块进行伽马Gamma变换，得到多个Gamma变换后的宫颈细胞病理玻片图像块；将每个Gamma变换后的宫颈细胞病理玻片图像块的R、G、B通道数据中的每个通道数据，减去该通道所有数据中的最小值，并除以该通道所有数据中的最大值减最小值，以及乘以255，得到所述多个目标宫颈细胞病理玻片图像块；

处理模块，用于对每个目标宫颈细胞病理玻片图像块进行处理，得到所述每个目标宫颈细胞病理玻片图像块中的宫颈细胞特征，其中，所述宫颈细胞特征由宫颈细胞的高阶特征到低阶特征以及低阶特征到高阶特征的双向特征加权融合得到，具体用于：将所述每个目标宫颈细胞病理玻片图像块输入卷积神经网络，得到宫颈细胞的多个层次的细胞特征；通过所述卷积神经网络，得到所述宫颈细胞的多个层次的细胞特征在特征加权融合中分别对应的权重；根据所述宫颈细胞的多个层次的细胞特征在特征加权融合中分别对应的权重，对所述宫颈细胞的多个层次的细胞特征进行高阶特征到低阶特征的特征加权融合，再进行低阶特征到高阶特征的特征加权融合，得到所述宫颈细胞特征；

确定模块，用于根据所述每个目标宫颈细胞病理玻片图像块中的宫颈细胞特征，确定所述宫颈细胞病理玻片图像中的宫颈细胞的异常概率；

获取宫颈异常细胞在对应的目标宫颈细胞病理玻片图像块中的位置信息，以得到所述宫颈异常细胞在所述宫颈细胞病理玻片图像中的位置；

根据宫颈异常细胞在宫颈细胞病理玻片图像中的位置进行显示，以及显示宫颈异常细胞对应的异常概率。

2.根据权利要求1所述的装置，其特征在于，所述确定模块还用于：

当所述宫颈细胞的异常概率不小于预设异常概率阈值时，确定所述宫颈细胞为宫颈异常细胞。

3.一种宫颈异常细胞检测方法，其特征在于，包括：

获取宫颈细胞病理玻片图像，包括：获取通过扫描仪对宫颈细胞病理玻片进行扫描得到的初始宫颈细胞病理玻片图像；采用霍夫变换提取所述初始宫颈细胞病理玻片图像中宫颈细胞所在的感兴趣区域，以得到所述宫颈细胞病理玻片图像；

将所述宫颈细胞病理玻片图像分割为多个宫颈细胞病理玻片图像块；

对每个宫颈细胞病理玻片图像块进行预处理，得到多个目标宫颈细胞病理玻片图像块，包括：对所述每个宫颈细胞病理玻片图像块进行伽马Gamma变换，得到多个Gamma变换后的宫颈细胞病理玻片图像块；将每个Gamma变换后的宫颈细胞病理玻片图像块的R、G、B通道数据中的每个通道数据，减去该通道所有数据中的最小值，并除以该通道所有数据中的最大值减最小值，以及乘以255，得到所述多个目标宫颈细胞病理玻片图像块；

对每个目标宫颈细胞病理玻片图像块进行处理，得到所述每个目标宫颈细胞病理玻片图像块中的宫颈细胞特征，其中，所述宫颈细胞特征由宫颈细胞的高阶特征到低阶特征以及低阶特征到高阶特征的双向特征加权融合得到，包括：将所述每个目标宫颈细胞病理玻片图像块输入卷积神经网络，得到宫颈细胞的多个层次的细胞特征；通过所述卷积神经网络，得到所述宫颈细胞的多个层次的细胞特征在特征加权融合中分别对应的权重；根据所述宫颈细胞的多个层次的细胞特征在特征加权融合中分别对应的权重，对所述宫颈细胞的多个层次的细胞特征进行高阶特征到低阶特征的特征加权融合，再进行低阶特征到高阶特征的特征加权融合，得到所述宫颈细胞特征；

根据所述每个目标宫颈细胞病理玻片图像块中的宫颈细胞特征，确定所述宫颈细胞病理玻片图像中的宫颈细胞的异常概率；

获取宫颈异常细胞在对应的目标宫颈细胞病理玻片图像块中的位置信息，以得到所述宫颈异常细胞在所述宫颈细胞病理玻片图像中的位置；

根据宫颈异常细胞在宫颈细胞病理玻片图像中的位置进行显示，以及显示宫颈异常细胞对应的异常概率。

4.一种电子设备，其特征在于，所述电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求3所述方法中的步骤的指令。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求3所述的方法。