1.一种基于人工智能的医疗信息可视化管理方法，其特征在于：该方法包括以下步骤：S1、构建医疗影像智能分析平台，所述医疗影像智能分析平台用于获取病患接口传输的医疗影像数据，对医疗影像进行人工智能分析；

S2、根据传输的医疗影像数据，调用人工智能对医疗影像进行图像分割、特征提取、定量分析和对比分析，识别与标注病灶；

S3、根据识别标注后的医疗影像数据，进行肿瘤自适应放疗，在CT片中进行靶区自动勾画，获取自动勾画后的图像数据，送检至放射科医生进行确认靶区勾画，生成送检记录；

S4、根据勾画后的图像数据的送检记录，获取每个靶区自动勾画后的医疗影像的特征点，对存在相同特征点的靶区自动勾画后的医疗影像进行对比分析，在不满足分析阈值时，调用当值医生的工作时间记录，构建个性化分析模型，输出医生疲劳预警提示；

S5、对存在疲劳预警提示的对应医疗影像，再次返回医生端口，确认后传输至影像三维重建模块，基于灰度统计量的配准算法对医疗影像进行处理，使用3D Slicer软件导入DICOM格式的医疗图像进行的靶区勾画在内的分析与操作，生成含有图像二进制标签信息的文件存储至医疗影像智能分析平台，以备后期操作处理。

2.根据权利要求1所述的一种基于人工智能的医疗信息可视化管理方法，其特征在于：在步骤S2中，获取病患接口传输的医疗影像数据，对医疗影像数据进行图像分割，所述图像分割以系统预设策略进行分割图像，得到若干图像分割区域，在分割后的图像区域内提取医疗目标特征作为标定；

所述系统预设策略包括阈值法、区域生长算法、分类器分类法、聚类算法和图谱引导算法；

所述阈值法为通过区域进行分割，利用灰度选择N个阈值，将图像规划为两个或多个灰度良好的区域，N属系统预设常数；所述区域生长算法利用种子集或种子点，采取不断迭代的方式将需要分割的医疗图像中具有灰度、强度及纹理颜色属性较为一致的点进行合并；

所述分类器分类法用于无监督数据的处理，参考已知数据模型将医疗影像进行分类，从而达到分割的效果；所述聚类算法根据相似性作为基础数据来分类，图像属于同类数据时，分割到一起；所述图谱引导算法首先获取标准图谱，利用图像的空间信息作为引导图谱，最后根据标准图谱线性映射至分割图像中；

根据特征提取到不同的标定，进行定量分析和对比分析，识别与标注病灶。

3.根据权利要求1所述的一种基于人工智能的医疗信息可视化管理方法，其特征在于：在步骤S3‑S4中，还包括：

根据勾画后的图像数据的送检记录，获取每个靶区自动勾画后的医疗影像的特征点；

所述特征点包括靶区勾画位置、靶区勾画面积、危及器官数量；构建函数方程：

其中，y代表任两组靶区自动勾画后的医疗影像的相似分析值；a1、a2、a3分别代表靶区勾画位置、靶区勾画面积、危及器官数量的影响系数；mi代表其中一组靶区自动勾画后的医疗影像的第i组测距值，所述测距值指勾画形成的靶区边界上任一点到达危及器官的最短距离值，其中i代表序号，j代表系统预设选用的最短距离值数据组数量；ni代表另一组靶区自动勾画后的医疗影像的第i组测距值；s0、s1分别代表两组靶区自动勾画后的医疗影像的靶区勾画面积；L0、L1分别代表两组靶区自动勾画后的医疗影像的靶区勾画中的危及器官数量；

设置相似分析阈值，获取相似分析值y满足相似分析阈值的任意两组靶区自动勾画后的医疗影像，分别获取送检记录中的医生校验勾画次数，并计算医生校验勾画次数差值，设置差值阈值，若存在医生校验勾画次数差值超出差值阈值，则标记两组靶区自动勾画后的医疗影像，分别获取两组靶区自动勾画后的医疗影像送检时间；

调用当值医生的工作时间记录，计算得出当值医生在校验标记的两组靶区自动勾画后的医疗影像时的持续工作时间，选取较大值输入至个性化分析模型；

所述个性化分析模型包括：

获取任一当值医生历史数据下每次出现自动勾画后的医疗影像被标记时的持续工作时间，记为集合{t1、t2、……、tu}；

若存在输入至个性化分析模型的较大值超出集合{t1、t2、……、tu}内数据的平均值，输出医生疲劳预警提示。

4.根据权利要求1所述的一种基于人工智能的医疗信息可视化管理方法，其特征在于：在步骤S5中，所述影像三维重建模块包括：

基于灰度统计量的配准算法对医疗图像进行处理；

所述灰度统计量的配准算法包括绝对差值法和差方和法；

利用3D Slicer软件导入DICOM格式的医疗图像进行的靶区勾画在内的分析与操作，生成含有图像二进制标签信息的文件存储至医疗影像智能分析平台，以备后期操作处理。

5.一种基于人工智能的医疗信息可视化管理系统，其特征在于：该系统包括：医疗影像数据采集模块、病灶识别与标注模块、靶区自动勾画模块、数据定量分析模块和影像三维重建模块；

所述医疗影像数据采集模块用于构建医疗影像智能分析平台，所述医疗影像智能分析平台用于获取病患接口传输的医疗影像数据，对医疗影像进行人工智能分析；所述病灶识别与标注模块用于根据传输的医疗影像数据，调用人工智能对医疗影像进行图像分割、特征提取、定量分析和对比分析，识别与标注病灶；所述靶区自动勾画模块用于根据识别标注后的医疗影像数据，进行肿瘤自适应放疗，在CT片中进行靶区自动勾画，获取自动勾画后的图像数据，送检至放射科医生进行确认靶区勾画，生成送检记录；所述数据定量分析模块用于根据勾画后的图像数据的送检记录，获取每个靶区自动勾画后的医疗影像的特征点，对存在相同特征点的靶区自动勾画后的医疗影像进行对比分析，在不满足分析阈值时，调用当值医生的工作时间记录，构建个性化分析模型，输出医生疲劳预警提示，对存在疲劳预警提示的对应医疗影像，再次返回医生端口，再度确认后传输至影像三维重建模块；所述影像三维重建模块基于灰度统计量的配准算法对医疗影像进行处理，使用3D Slicer软件导入DICOM格式的医疗图像进行的靶区勾画在内的分析与操作，生成含有图像二进制标签信息的文件存储至医疗影像智能分析平台，以备后期操作处理；

所述医疗影像数据采集模块的输出端与所述病灶识别与标注模块的输入端相连接；所述病灶识别与标注模块的输出端与所述靶区自动勾画模块的输入端相连接；所述靶区自动勾画模块的输出端与所述数据定量分析模块的输入端相连接；所述数据定量分析模块的输出端与所述影像三维重建模块的输入端相连接。

6.根据权利要求5所述的一种基于人工智能的医疗信息可视化管理系统，其特征在于：所述医疗影像数据采集模块包括平台构建单元和影像传输单元；

所述平台构建单元用于构建医疗影像智能分析平台，利用医疗影像智能分析平台对医疗影像进行人工智能分析；所述影像传输单元用于获取病患接口传输的医疗影像数据；

所述平台构建单元的输出端与所述影像传输单元的输入端相连接；所述影像传输单元的输出端与所述病灶识别与标注模块的输入端相连接。

7.根据权利要求5所述的一种基于人工智能的医疗信息可视化管理系统，其特征在于：所述病灶识别与标注模块包括医疗影像智能处理单元和自动识别标注单元；

所述医疗影像智能处理单元用于根据传输的医疗影像数据，调用人工智能对医疗影像进行图像分割、特征提取、定量分析和对比分析；所述自动识别标注单元用于在医疗影像上识别与标注病灶；

所述医疗影像智能处理单元的输出端与所述自动识别标注单元的输入端相连接。

8.根据权利要求5所述的一种基于人工智能的医疗信息可视化管理系统，其特征在于：所述靶区自动勾画模块包括靶区自动勾画单元和送检确认单元；

所述靶区自动勾画单元用于根据识别标注后的医疗影像数据，进行肿瘤自适应放疗，在CT片中进行靶区自动勾画；所述送检确认单元用于获取自动勾画后的图像数据，送检至放射科医生进行确认靶区勾画，生成送检记录；

所述靶区自动勾画单元的输出端与所述送检确认单元的输入端相连接。

9.根据权利要求5所述的一种基于人工智能的医疗信息可视化管理系统，其特征在于：所述数据定量分析模块包括特征分析单元和时间分析单元；

所述特征分析单元用于根据勾画后的图像数据的送检记录，获取每个靶区自动勾画后的医疗影像的特征点，对存在相同特征点的靶区自动勾画后的医疗影像进行对比分析；所述时间分析单元用于特征分析单元的输出结果在不满足分析阈值时，调用当值医生的工作时间记录，构建个性化分析模型，输出医生疲劳预警提示，对存在疲劳预警提示的对应医疗影像，再次返回医生端口，再度确认后传输至影像三维重建模块；

所述特征分析单元的输出端与所述时间分析单元的输入端相连接。

10.根据权利要求5所述的一种基于人工智能的医疗信息可视化管理系统，其特征在于：所述影像三维重建模块包括算法分析单元和存储管理单元；

所述算法分析单元基于灰度统计量的配准算法对医疗影像进行处理，使用3D Slicer软件导入DICOM格式的医疗图像进行的靶区勾画在内的分析与操作，生成含有图像二进制标签信息的文件；所述存储管理单元用于将生成的文件存储至医疗影像智能分析平台，以备后期操作处理；

所述算法分析单元的输出端与所述存储管理单元的输入端相连接。