1.一种冠状动脉血管完全造影图像识别方法，其特征在于，包括如下步骤：

S1、获取冠状动脉血管全过程造影图像；

S2、对所述冠状动脉血管全过程造影图像进行预分类，得到不同视角的左冠状动脉血管全过程造影图像及不同视角的右冠状动脉血管全过程造影图像；

S3、基于结合卷积神经网络与循环神经网络的分类模型识别不同视角的左冠状动脉血管全过程造影图像及不同视角的右冠状动脉血管全过程造影图像中的完全造影图像；

结合卷积神经网络与循环神经网络的分类模型中，卷积神经网络的全连接层与双向循环神经网络的输入层相连，双向循环神经网络的输出层与两级卷积和/或池化层相连；

所述结合卷积神经网络与循环神经网络的分类模型的训练方法包括：获取左冠状动脉血管全过程造影图像及右冠状动脉血管全过程造影图像对应的完全造影图像集合及非完全造影图像集合，所述完全造影图像集合及非完全造影图像集合为具有对应的视觉显著特征的图像；基于所述完全造影图像集合及非完全造影图像集合对卷积神经网络进行单帧训练；将训练后的卷积神经网络层的全连接层或卷积特征图输出到双向循环神经网络的输入层，所述卷积特征图为全连接层之前的最后一个卷积层的卷积特征图；LSTM输出之后，又添加了一层concatenate层用于连接前向LSTM，后向LSTM和CNN输入的特征矢量；随后，连接两层1D卷积层，用两层1D卷积层后，直接连接一个全连接层，一个激活层分类；对于卷积神经网络的训练过程，将损失函数定义为二元熵/交叉熵；对于双向循环神经网络的训练，双向循环神经网络是在单帧训练之后进行的，单帧训练用于预训练CNN，LSTM训练是用整个视频来进行的。

2.如权利要求1所述的冠状动脉血管完全造影图像识别方法，其特征在于，不同视角的左冠状动脉血管全过程造影图像包括LAO颅侧全过程造影图像、LAO尾侧全过程造影图像、RAO颅侧全过程造影图像和RAO尾侧全过程造影图像，不同视角的右冠状动脉血管全过程造影图像包括直LAO全过程造影图像、直RAO全过程造影图像、浅LAO颅侧全过程造影图像及浅RAO颅侧全过程造影图像。

3.如权利要求1或2所述的冠状动脉血管完全造影图像识别方法，其特征在于，步骤S2包括：

S201、利用训练后的冠状动脉类型卷积神经网络分类器将冠状动脉血管全过程造影图像分为左冠状动脉血管全过程造影图像及右冠状动脉血管全过程造影图像；

S202、分别对左冠状动脉血管全过程造影图像及右冠状动脉血管全过程造影图像进行进一步分类得到不同视角的左冠状动脉血管全过程造影图像及不同视角的右冠状动脉血管全过程造影图像。