1.一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述方法包括以下步骤：a.对原始图像进行预处理；

b.对预处理之后的图像进行数据扩增；

c.在原始图像空间范围中划分等面积的N个矩形区域；

d.在每个区域中随机选取相同比例数量的图片生成数据集。

2.如权利要求1所述的一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述步骤a中，预处理包括以下步骤：a1去除图像周围无效信息的区域；

a2对用不同放大镜倍数生成的图像进行缩放处理，使其达到同样的比例尺标准；

a3对图像做二值化处理，去除噪声点干扰。

3.如权利要求1或2所述的一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述步骤b中，数据扩增包括以下步骤：b1设定一个图片覆盖率的阈值E，该阈值的设定是为了避免扩增图片的重叠区域过大；

b2在预处理之后的图像中进行均匀随机取点，以均匀随机取到的坐标点作为扩增图片的中心点生成图片，计算该图像与每一张已存在的图像的覆盖率，假定均匀随机取点的坐标为(X,Y)，以该点作为图片的中心点生成正方形的图片，图片的边长为C，另一点坐标为(X′,Y′)，图片的边长为C，则两图重叠面积为：计算得这两张图的覆盖率为：

b3若均匀随机取点生成的图片与已存在的图片计算得的覆盖率低于覆盖率阈值E，则该点作为图片中心点生成的图片符合要求，并对其进行保存，否则重新进行随机均匀取点，重复上述操作，直到这张预处理之后的图片无法取到满足条件的坐标点为止；

b4对b3保存的图像进行一定角度的旋转、镜像等操作，使其生成新的数据，每旋转一个角度便生成一个新的数据，同理每做一次镜像便生成一个新的数据。

4.如权利要求1或2所述的一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述步骤c中，区域划分包括以下步骤：c1区域的划分视预处理之后的图片尺寸和扩增后的图片尺寸而定，将预处理之后的图片划分为N个等面积的矩形区域；

c2若预处理后的图片尺寸远大于数据扩增后的图片尺寸，则增加划分的矩形区域；否则，减少划分的矩形区域。

5.如权利要求4所述的一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述步骤c2中，划分矩形区域的方式为：平行于图片的长或者宽进行划分或宫格划分，保证每个等面积的矩形区域有足够多扩增图片的中心点，便于进行图片的选取。

6.如权利要求1或2所述的一种用于深度学习评定血管网络发育水平的数据集增强方法，其特征在于，所述步骤d中，生成数据集包括以下步骤：d1设定一个比例值，假定为G％，该值用于确定每个划分区域的扩增数据入选训练集的数量；

d2步骤c中已经将预处理后的图像划分为等面积的N个矩形区域，用A1,A2……AN表示划分的区域，若有F张图片的中心坐标点落在A1区域，那么我们就在A1区域中随机选取[F*G％]张由中心坐标点生成的扩增图片到训练集中，剩余的图片放入测试集中；对A2…AN区域重复上述操作。