1.一种基于多尺度特征提取的帕金森病大脑异常标注方法，其特征在于，所述方法包括以下步骤：步骤一：图像预处理，过程如下：对所有被试的DWI数据进行去噪、头动、涡流和磁化校正，并进行去头骨；

步骤二：拟合微结构属性，过程如下：对处理后的DWI数据进行全脑体素的拟合，得到不同尺度的微结构属性图像，包括DTI、FWt‑DTI和NODDI；

步骤三：全脑的白质纤维重构，过程如下：基于纤维方向分布计算出全脑的白质响应函数，使用纤维重构算法追踪出全脑的纤维；

步骤四：基于深度学习的白质束分割，过程如下：将全脑纤维进行半自动的特定纤维束分割；

步骤五：白质束微结构特征重采样，过程如下：将特定纤维束的所有纤维流线的坐标与微结构属性的体素相匹配，沿着整段纤维束进行重采样；

步骤六：白质异常特征预标记，过程如下：在完成重采样后，将帕金森病患者与对照组进行统计学组间比较，预标记出异常特征；

步骤七：提取白质异常特征，过程如下：将预标记的特征与帕金森病患者的临床量表进行相关性分析，并分析其预测能力，实现帕金森病的白质异常特征提取。

2.如权利要求1所述的一种基于多尺度特征提取的帕金森病大脑异常标注方法，其特征在于，所述的步骤二中，拟合微结构属性过程为：对处理后的DWI数据进行全脑体素的拟合，提取不同尺度的微结构属性图像，其中DTI微结构属性包括各向异性分数FA、平均弥散率MD；FWt‑DTI微结构属性包括消除自由水的各向异性分数FWt‑FA,消除自由水的平均弥散率FWt‑MD；NODDI微结构属性包括轴突密度NDI、轴突方向色散ODI和脑脊液CSF；

DTI的扩散信号建模公式为：

其中S(gj)表示第j个脉冲梯度方向gj的衰减信号，S0为非扩散加权信号，b为测量参数，D是一个对称正定的张量矩阵；

FWt‑DTI的扩散信号建模公式为：

‑3 2

其中f为快速扩散成分的相对信号，Diso＝3×10 mm/s；

NODDI的扩散信号建模公式为：

S＝(1‑viso)(vicSic+(1‑vic)Sec)+visoSiso其中S为总归一化信号，Sic,Sec,Siso分别为细胞内，细胞外，脑脊液隔间，vic,viso分别为细胞内和脑脊液隔间的归一化组织密度估计值；

由此拟合出多个尺度下的共7个脑微结构属性图像。

3.如权利要求1或2所述的一种基于多尺度特征提取的帕金森病大脑异常标注方法，其特征在于，所述的步骤五中，将特定纤维束通过仿射变换与步骤二中的脑微结构属性图像配准到同一个空间下，计算出该空间下纤维束的100个中心点，通过纤维束上的每个点与中心点的欧氏距离，将所有流线上的点都分配给该中心点；将这些点的坐标与微结构属性图像的体素相匹配，把属于该段的所有属性值进行平均化。

4.如权利要求1或2所述的一种基于多尺度特征提取的帕金森病大脑异常标注方法，其特征在于，所述的步骤七中，提取白质异常特征，把预标记的特征与帕金森病的临床评估量表进行相关性分析，排除与该疾病不相关的特征；通过ROC分析评估具有相关性的特征对于疾病的诊断能力，进一步确定与疾病高度相关的特征，实现帕金森病白质异常特征的提取。