1.获取云数据医学影像的标定标签设备，包括设备主体(1)，其特征在于，所述设备主体(1)正面的顶部固定安装有显示屏(2)，所述显示屏(2)底端的中部设有与设备主体(1)固定连接的扫描仪(4)，所述显示屏(2)底端的一侧设有与设备主体(1)固定连接的语音播报器(3)，所述设备主体(1)正面的中部开设有第一安装槽(5)，所述第一安装槽(5)的内部嵌设有键盘(6)，所述第一安装槽(5)的顶端槽壁开设有第二安装槽(25)，所述第二安装槽(25)的两侧槽壁通过嵌设的轴承转动连接有多个毛辊(26)，多个所述毛辊(26)的底端与键盘(6)的顶端接触连接，所述第一安装槽(5)的一侧槽壁等距固定安装有多个第一限位弹簧(20)，多个所述第一限位弹簧(20)的一端与键盘(6)的一侧接触连接，所述键盘(6)的两侧均固定安装有卡合机构，所述设备主体(1)正面的底部开设有放置槽(8)，所述放置槽(8)的内部嵌设有放置盒(10)，所述放置盒(10)的内部嵌设有打印胶片，所述放置盒(10)的一侧固定安装有把手(9)，所述放置槽(8)的两侧槽壁均开设有滑槽(13)，两个所述滑槽(13)的内部均固定安装有限位机构。

2.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述卡合机构包块第二限位弹簧(24)，所述键盘(6)两侧的边角处均开设有凹槽(23)，两个所述凹槽(23)的一侧槽壁均固定安装有第二限位弹簧(24)，两个所述第二限位弹簧(24)的一端均固定安装有凸块(21)，所述第一安装槽(5)的两侧槽壁均开设有与凸块(21)相匹配的弧形槽(22)，两个所述凸块(21)与对应的弧形槽(22)嵌设连接。

3.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述限位机构包块两个电动推杆(16)，两个所述电动推杆(16)的一端与滑槽(13)一侧槽壁固定连接，两个所述电动推杆(16)的另一端固定安装有固定架(14)，所述固定架(14)内壁的两侧通过嵌设的轴承转动连接有多个限位滚轮(15)，多个所述限位滚轮(15)的一端均固定安装有齿轮(17)，多个所述齿轮(17)之间传动连接有链条(18)，所述固定架(14)内壁的一侧固定安装有驱动电机(19)，所述驱动电机(19)的输出轴与其对应位置处限位滚轮(15)的一端固定连接。

4.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述显示屏(2)和扫描仪(4)的表面均贴设有透明防尘膜。

5.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述设备主体(1)正面且位于键盘(6)和放置盒(10)之间开设有取片槽(7)，所述取片槽(7)的内部开设有均匀分布的防滑纹。

6.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述设备主体(1)底端的四个边角处均固定安装有带有刹片的万向轮(11)。

7.根据权利要求1所述的获取云数据医学影像的标定标签设备，其特征在于，所述设备主体(1)背面的底部固定安装有电源线(12)，所述设备主体(1)通过电源线(12)与外接电源电性连接。

8.一种获取云数据医学影像的标定标签的工作方法，其特征在于，包括如下步骤：

S1、获取云数据医学影像数据，对医学影像数据进行初期筛选；

S2、将初期筛选的医学影像数据传送至服务器，服务器将传送的请求发生至云端；

S3、云端将发生请求的数据医学影像数据进行清洗和筛选，并根据不同种类进行标签标定，从而确保标定标签数据的准确性；

S4、将完成标定标签的医学影像数据传送至显示屏(2)进行显示，且通过语音播报器(3)进行播报，并通过设备主体(1)内部安装的打印设备将医学数据影像打印在胶片的表面，完成数据医学影像标定标签的获取。

9.根据权利要求8所述的获取云数据医学影像的标定标签的工作方法，其特征在于，所述S3包括如下步骤：

S3-1，将初步筛选后的标定标签医学影像边界进行特征提取；提取的标定标签医学影像边界为闭合区域，对闭合区域构建等量像素值的二值化数值向量，初始值为0，对于初步筛选后的标定标签医学影像提取出的边界和全部内容在二值化数值向量中标记为边界的轮廓，S3-2，对所提取的边界轮廓内的像素值进行无损压缩，压缩完成之后存储至云端数据库；继续扫描轮廓范围内的医学影像数据，标记不在扫描范围内的噪声医学影像数据，进行切割所识别的医学影像数据，通过并行处理对于拆分切割的医学影像数据予以处理；并且对医学影像数据边界进行定位；

S3-3，进行边界定位需要确定医学影像数据的像素值中RGB，并将RGB转化为XYZ坐标图像，并计算X加权、Y加权和Z加权之后的纹理特征提取值，其中，k(i,j)为边界定位后的全部医学影像数据，Si,j为灰度级调整完成后，边界定位的医学影像数据切割图像，Li,j为灰度级调整完成后，边界定位的医学影像数据特征图像，λ为边界定位后医学影像图像放大系数、μ为待标定标签的医学影像调节系数、Mi为医学影像数据中图像帧的窗宽，ui为医学影像数据中图像帧的窗宽的调节系数，Nj为医学影像数据中图像帧的窗位，uj为医学影像数据中图像帧的窗位的调节系数，Ci,j为医学影像数据灰度级的量化数，β为边界定位的医学影像数据权重，Pi为标定标签医学影像数据窗宽灰度级的训练样本，σi为标定标签医学影像数据窗宽灰度级的训练样本调节阈值，Pj为标定标签医学影像数据窗位灰度级的训练样本，σj为标定标签医学影像数据窗位灰度级的训练样本调节阈值，i，j为医学影像数据的灰度级，灰度级动态范围0≤n≤255。

10.根据权利要求8所述的获取云数据医学影像的标定标签的工作方法，其特征在于，所述S3还包括如下步骤：

需对医学影像进行边界定位检测，从而得到医学影像数据的边界定位结果，即获取的医学影像数据是否正确；为医学影像数据进行标定标签做准备，首先，读取被边界定位的医学影像数据中每个像素点的灰度值，接着，根据边界定位医学影像的检查类型和检查部位，从云端数据库中提取标准标定标签医学影像，然后评价医学影像中正确的边界定位医学影像数据，计算边界定位医学影像的边缘强度以及峰值信噪比，从而得到所述边界定位医学影像的质量评价指标，根据质量评价指标和指定的医学影像数据标准阈值进行标定标签操作，使用高斯算子进行平滑、连续化处理，判断所述边界定位医学影像质量的数学模型，医学影像对标定标签空间分辨率进行计算，空间分辨率越高，对标定标签医学影像划分越准确，边缘也就越清晰，边缘强度Sum值也就越高，否则不准确，经过反复提炼收集，获取最终的标定标签医学影像数据，结束对云端医学影像数据的评价。