1.一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，包括以下步骤：
步骤1：获取肺结节图像块；
步骤2：对肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图；
步骤3：通过构造卷积神经网络提取肺结节切片扫描图的图像特征；
步骤4：将任意一张肺结节切片扫描图的图像特征作为肺结节的一个局部特征，得到肺结节的局部特征集合；
步骤5：重复步骤1-4，获取数据库中所有肺结节的局部特征集合；
步骤6：对所有肺结节的局部特征集合进行聚类、构建视觉词典；
步骤7：基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库；
步骤8：根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。
2.根据权利要求1所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤1包括：从图像数据库中，获取大小为64*64*64像素的肺结节图像块。
3.根据权利要求2所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤2包括：
步骤2.1：肺结节图像块的几何中心对应肺结节的中心位置；
步骤2.2：通过切片处理得到64张大小为64*64像素的肺结节切片扫描图，且对肺结节切片扫描图进行灰度化处理。
4.根据权利要求1所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤3中，构造卷积神经网络包括卷积层、池化层及全连接层，卷积神经网络的卷积层采用线性修正单元激活函数，通过公式y＝max(0,∑xi*wi+b)计算得到，其中，xi表示上一层的特征图，wi和b代表可以学习的网络参数；卷积神经网络的池化层采用最大池化，区域大小为2*2，步长为2；卷积神经网络的全连接层采用全连接结构，输出得到64*256维的图像特征。
5.根据权利要求1所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤6包括：
步骤6.1：结合直方图向量的方式对所有肺结节的局部特征集合采用K-means聚类的方式进行聚类，生成关键特征；
步骤6.2：由生成的关键特征组成视觉词典。
6.根据权利要求1所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤7包括：
步骤7.1：对每个肺结节，依次将特征向量分别分配给最近邻的关键特征，表示关键特征的频数；
步骤7.2：基于视觉词典，对每个肺结节生成一个频率特征向量；
步骤7.3：统计出每个关键特征出现的图像数，得到关键特征的IDF值，作为关键特征的权重；
步骤7.4：将每个肺结节得到的频率特征向量的每个分量乘以对应的关键特征权重，得到带权特征向量；
步骤7.5：采用倒排索引的方式对得到的带权特征向量构建索引库。
7.根据权利要求1-6任一项所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，所述步骤8包括：
步骤8.1：根据输入的查询信息，在该患者的全肺CT扫描图像序列中，截取大小为64*64*64像素的肺结节的图像块；
步骤8.2：提取该肺结节的图像序列的特征，得到肺结节局部特征集合，再对应到所述视觉词典中，得到带权特征向量；
步骤8.3：通过计算查询肺结节与数据库中所有的肺结节的带权特征向量之间的距离来度量对应图像之间的相似性；
步骤8.4：按照相似性从高到低的顺序进行排序，得到符合查询条件的肺结节图像块。
8.根据权利要求4所述的一种基于卷积神经网络的肺结节图像块检索方法，其特征在于，步骤3中，所述卷积神经网络还包括输出层，所述卷积神经网络的网络参数通过训练得到，经过学习得到卷积层和全连接层的卷积核参数，采用随机数对所述卷积核参数进行初始化，所述输出层采用softmax损失函数进行训练。
9.一种基于卷积神经网络的肺结节图像块检索装置，其特征在于，包括：切片处理模块、特征提取模块、特征集合生成模块、视觉词典生成模块、索引库构建模块和检索模块；
所述切片处理模块用于对获取的肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图；
所述特征提取模块用于通过构造卷积神经网络提取肺结节切片扫描图的图像特征；
所述特征集合生成模块用于将任意一张肺结节切片扫描图的图像特征作为肺结节的一个局部特征，得到肺结节的局部特征集合、并获取数据库中所有肺结节的局部特征集合；
所述视觉词典生成模块用于结合直方向量图的方式对所有肺结节的局部特征集合进行聚类构建视觉词典；
所述索引库构建模块用于基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库；
所述检索模块用于根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。
10.根据权利要求9所述的一种基于卷积神经网络的肺结节图像块检索装置，其特征在于，所述检索模块包括查询模块、特征向量生成模块、计算模块和结果生成模块；
所述查询模块用于根据用户的查询信息，在患者的全肺CT扫描图像序列中，截取大小为64*64*64像素的肺结节的图像块；
所述特征向量生成模块用于提取该肺结节的图像序列的特征，得到肺结节局部特征集合，再对应到所述视觉词典中，得到带权特征向量；
所述计算模块用于通过计算查询肺结节与数据库中所有的肺结节的带权特征向量之间的距离来度量对应图像之间的相似性；
所述结果生成模块用于按照所述相似性从高到低的顺序进行排序，得到符合查询条件的肺结节图像块。