1.一种自主构建医疗监测系统的方法，其特征在于，包括以下步骤：

预先封装训练完成的基于深度学习模型的医疗监测系统，并拆分成为若干个独立部署的微服务构件并存储于微服务库中，并根据微服务构件及其之间的数据通信关系形成一个构件关系图；该图是一个有向无环图，图的节点表示一个微服务构件，从一个节点到另一个节点的有向边表示从两个微服务构件之间存在的数据通信关系；

基于该构件关系图，用户自主输入关键词；

基于A*的启发式算法，结合关键词与微服务构件的匹配程度，及微服务构件之间的数据通信关系，从构件关系图中搜索得到一个较优子图作为最优解，该较优子图包含的节点表示待组建的微服务构件以及有向边表示两个待组建的微服务构件之间的数据通信关系；

将搜索得到的较优子图中待组建的微服务构件和微服务构件之间的数据通信关系部署在边缘节点上，搭建获得所需的轻量级医疗监测系统；

其中，较优子图的节点权重由微服务构件与关键词的匹配程度、微服务构件的计算量决定；以及，微服务构件与关键词的匹配程度由信息匹配度ir和语义匹配度sem决定，且定义一个评估函数m＝score(ir，sem)来综合衡量微服务构件与关键词之间的匹配程度；

其中，基于A*的启发式算法从构件关系图中搜索一个较优子图，具体为：

计算候选微服务构件节点的激活值：设某个微服务构件节点v的初始激活值为av＝wv/|Vi|，则其更新后的激活值为av＝av/d，其中Vi为包含关键词i的节点集，wv为节点的权重，d为最短路径边权重和；

较优子图所对应的轻量级医疗监测系统的价值由公式η＝∑v∈Vav计算得到，其中V为较优子图的节点集；

在构件关系图中以任意节点为起始根节点，采用子图启发式增长机制进行搜索子树T(v，Q)，如下式所示：s.t.Qr∪Qv＝Q且Qi∪Qj＝Q

其中，T(v，Q)表示以节点v为根，包含关键词集Q的子树；Ti(v，Qi)表示以v为根节点，包含关键词集Qi的子树；Tj(v，Qj)表示以v为根节点，包含关键词集Qj的子树；T(v，Qr)表示从根节点r增加了一条边后新加入的节点v，包含的关键词集Qr的子树；Qv表示节点v包含的关键词集；

通过搜索子树T(v，Q)，得到一个最优解，最优解即为一棵以节点v为根的子树，该子树所包含的节点即为待组建的微服务构件以及有向边即为微服务构件之间的数据通信关系。

2.根据权利要求1所述自主构建医疗监测系统的方法，其特征在于，所述方法中较优子图的边权重由微服务构件之间的通信量c决定，且一条边的权重为we＝1/c。

3.根据权利要求1所述自主构建医疗监测系统的方法，其特征在于，所述方法中获得的一个较优子图作为最优解，具有最低微服务构件的通信量和计算量、最高的微服务构件与关键词的匹配程度。