1.一种基于深度迁移的医疗影像异常检测装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中存有医疗影像异常检测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：将待测试的医疗图像进行去噪、锐化处理，获得医疗输入图像；

将医疗输入图像输入至医疗影像异常检测模型中，经计算输出至检测结果；

其中，医疗影像异常检测模型是利用训练样本对由特征提取单元、注意力单元以及分类单元组成的医疗影像异常检测网络进行训练得到。

2.如权利要求1所述的基于深度迁移的医疗影像异常检测装置，其特征在于，所述医疗影像异常检测模型的构建方法为：构建训练样本，对获得的包含常见病症和罕见病症的医疗图像进行去噪、锐化处理，并对去噪、锐化处理的医疗图像进行数据增强，获得训练样本；

构建医疗影像异常检测网络，医疗影像异常检测网络包括特征提取单元，注意力单元以及分类单元，其中，特征提取单元包含至少2层依次连接的卷积层，用于提取医疗图像的图像特征；注意力单元包含self-attention机制的注意力层，用于对图像特征进行加权，获得加权特征；分类单元包含至少2层依次连接的全连接层，用于对加权特征进行分类预测；

医疗影像异常检测网络的训练，利用训练样本对医疗影像异常检测网络进行训练，当训练截止时，网络参数确定，获得医疗影像异常检测模型。

3.如权利要求2所述的基于深度迁移的医疗影像异常检测装置，其特征在于，对去噪、锐化处理的医疗图像进行数据增强包括：对医疗图像分别按照水平翻转、随机修剪、尺度变换进行转换，以实现对医疗图像的数据增强。

4.如权利要求2所述的基于深度迁移的医疗影像异常检测装置，其特征在于，所述医疗影像异常检测网络中，特征提取单元包含5层依次连接的卷积层；分类单元包含4层依次连接的全连接层。

5.如权利要求2所述的基于深度迁移的医疗影像异常检测装置，其特征在于，训练时，以分类单元对训练样本的分类预测值与训练样本的真实标签的交叉熵构建分类损失；

以常见病症样本与罕见病症样本的最大均值差异构建MMD损失；

根据分类损失与MMD损失构建医疗影像异常检测网络的损失函数，根据损失函数更新医疗影像异常检测网络参数。

6.如权利要求5所述的基于深度迁移的医疗影像异常检测装置，其特征在于，MMD损失的计算公式为：其中，src为常见病症集，tar为罕见病症集，n1为常见病症样本数，n2为罕见病症样本数，srci为第i个常见病症样本，tari为第i个罕见病症样本。