1.一种医疗影像的噪声数据识别方法，其特征在于，所述方法包括：
根据第一识别模型确定待识别标签数据的识别结果；所述第一识别模型是通过对初始网络模型进行n轮训练得到的，n小于完成对所述初始网络模型完整训练所需的总轮数m，所述第一识别模型的模型参数尚未收敛；所述待识别标签数据为具有标签的医疗影像；
根据所述识别结果所体现的置信度，确定所述待识别标签数据是否为噪声数据；所述噪声数据为标签标注错误的医疗影像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述识别结果所体现的置信度，确定所述识别结果对应的待识别标签数据是否为噪声数据，包括：
若所述识别结果所体现的置信度低于第一条件阈值，确定所述识别结果对应的待识别标签数据为噪声数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述识别结果所体现的置信度，确定所述识别结果对应的待识别标签数据是否为噪声数据，包括：
若所述识别结果所体现的置信度高于第二条件阈值，确定所述待识别标签数据的标签与所述识别结果是否一致；
若不一致，确定所述识别结果对应的待识别标签数据为噪声数据。
4.根据权利要求1-3任意一项所述的方法，其特征在于，在所述根据所述识别结果所体现的置信度，确定所述识别结果对应的待识别标签数据是否为噪声数据之前，所述方法还包括：
通过标识所述识别结果的概率分布，确定所述识别结果所体现的置信度。
5.根据权利要求4所述的方法，其特征在于，所述通过标识所述识别结果的概率分布，确定所述识别结果对应的置信度，包括：
确定标识所述识别结果的概率分布所对应的信息熵；
根据所述信息熵确定所述识别结果所体现的置信度。
6.根据权利要求1所述的方法，其特征在于，所述待识别标签数据为训练所述初始网络模型所使用训练样本集中的标签数据。
7.根据权利要求6所述的方法，其特征在于，在根据所述识别结果确定出噪声数据之后，所述方法还包括：
获取重新标注数据，所述重新标注数据是对所述噪声数据重新标注标签得到的；
根据所述重新标注数据和所述训练样本集中的剩余数据生成调整样本集，所述剩余数据为所述训练样本集中除了噪声数据之外的标签数据；
将所述调整样本集作为所述训练样本集重新对所述初始网络模型进行n轮训练，得到第二识别模型，基于所述第二识别模型进行医疗影像的噪声数据识别。
8.一种医疗影像的噪声数据识别装置，其特征在于，所述装置包括第一确定单元和第二确定单元：
所述第一确定单元，用于根据第一识别模型确定待识别标签数据的识别结果；所述第一识别模型是通过对初始网络模型进行n轮训练得到的，n小于完成对所述初始网络模型完整训练所需的总轮数m，所述第一识别模型的模型参数尚未收敛；所述待识别标签数据为具有标签的医疗影像；
所述第二确定单元，用于根据所述识别结果所体现的置信度，确定所述待识别标签数据是否为噪声数据；所述噪声数据为标签标注错误的医疗影像。
9.根据权利要求8所述的装置，其特征在于，所述第二确定单元，用于：
若所述识别结果所体现的置信度低于第一条件阈值，确定所述识别结果对应的待识别标签数据为噪声数据。
10.根据权利要求8所述的装置，其特征在于，所述第二确定单元，用于：
若所述识别结果所体现的置信度高于第二条件阈值，确定所述待识别标签数据的标签与所述识别结果是否一致；
若不一致，确定所述识别结果对应的待识别标签数据为噪声数据。
11.根据权利要求8-10任意一项所述的装置，其特征在于，所述第二确定单元，还用于：
通过标识所述识别结果的概率分布，确定所述识别结果所体现的置信度。
12.根据权利要求11所述的装置，其特征在于，所述第二确定单元，用于：
确定标识所述识别结果的概率分布所对应的信息熵；
根据所述信息熵确定所述识别结果所体现的置信度。
13.根据权利要求8所述的装置，其特征在于，所述待识别标签数据为训练所述初始网络模型所使用训练样本集中的标签数据。
14.一种用于医疗影像的噪声数据识别设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任意一项所述的方法。
15.一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用于存储计算机程序，所述计算机程序用于执行权力要求1-7任意一项所述的方法。