1.一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述方法包括：获取乳腺导管原位癌的肿瘤病理组织图像；对所述肿瘤病理组织图像进行阈值分割，获取所述肿瘤病理组织图像中的连通区域；

分析每个所述连通区域的形状特征和尺寸特征，获取每个所述连通区域的初始形态正常参数；根据每个所述连通区域内像素点的灰度值的离散特征，获取灰度正常程度参数；根据每个连通区域的所述初始形态正常参数和所述灰度正常程度参数，构建初始区域特征向量；

根据与每个所述连通区域相距最近的预设邻域参数个其他连通区域的所述初始区域特征向量的相似特征，获取每个连通区域的修正区域特征向量；根据任意两个连通区域之间的所述修正区域特征向量的差异特征，结合修正区域特征向量的空间分布特征，获取对应两个连通区域之间的聚类距离；

根据聚类距离对所有连通区域进行层次聚类，获得所述肿瘤病理组织图像的层次聚类谱系图。

2.根据权利要求1所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述初始形态正常参数的获取方法包括：将每个所述连通区域内像素点的数量作为每个所述连通区域的尺寸特征参数；

将每个所述连通区域的边界像素点数量的平方作为每个所述连通区域的周长特征参数；将每个所述连通区域内像素点的数量与对应的所述周长特征参数的比值作为每个所述连通区域的形状指数；所述连通区域内像素点包含边界像素点；

根据每个所述连通区域的形状指数与标准圆的形状指数的差异特征，获取每个所述连通区域的形状特征参数；

结合每个所述连通区域的所述尺寸特征参数和所述形状特征参数，获取每个所述连通区域的初始形态正常参数；所述尺寸特征参数与所述初始形态正常参数负相关；所述形状特征参数与所述初始形态正常参数正相关；所述初始形态正常参数经过归一化处理。

3.根据权利要求2所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述形状特征参数的获取方法包括：将每个所述连通区域的所述形状指数与 的差值绝对值进行负相关映射并归一化后，作为每个所述连通区域的形状特征参数。

4.根据权利要求2所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述初始形态正常参数的获取方法包括：将每个所述连通区域的所述形状特征参数与所述尺寸特征参数的比值进行归一化后，作为每个所述连通区域的初始形态正常参数。

5.根据权利要求1所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述灰度正常程度参数的获取方法包括：获取每个所述连通区域内像素点的灰度值的方差作为第一离散特征参数；

获取每个所述连通区域内像素点的灰度值的四分位距作为第二离散特征参数；

根据每个所述连通区域对应的所述第一离散特征参数和所述第二离散特征参数，获取每个所述连通区域对应的灰度正常程度参数；所述第一离散特征参数和所述第二离散特征参数均与所述灰度正常程度参数负相关；所述灰度正常程度参数经过归一化处理。

6.根据权利要求5所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述灰度正常程度参数的获取方法包括：将每个所述连通区域对应的所述第一离散特征参数和所述第二离散特征参数的乘积进行负相关映射并归一化后，作为每个所述连通区域对应的灰度正常程度参数。

7.根据权利要求1所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述修正区域特征向量的获取方法包括：将两个所述连通区域之间的像素点之间的最小欧氏距离作为对应两个所述连通区域之间的参考距离；确定与任一连通区域参考距离最小的预设邻域参数个其他连通区域，作为对应连通区域的相邻连通区域；

根据每个所述连通区域对应的所述相邻连通区域的所述初始区域特征向量之间的相似特征，结合对应的所述参考距离，获取每个所述连通区域对应的每个所述相邻连通区域的参考度参数；

根据每个所述连通区域对应的每个相邻连通区域的所述参考度参数占据所有所述参考度参数的比例，获取每个所述连通区域对应的每个所述相邻连通区域的参考度权重；

根据每个所述连通区域对应的每个所述相邻连通区域的参考度权重，结合每个所述相邻连通区域的所述初始形态正常参数，修正每个所述连通区域的所述初始形态正常参数，获得修正形态正常参数；

利用所述修正形态正常参数替换对应的所述初始形态正常参数，获得每个所述连通区域的修正区域特征向量。

8.根据权利要求7所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述修正形态正常参数的获取方法包括：；其中，为连通区域的序号； 表示第 个连通区域的初始形

态正常参数； 表示第 个连通区域的修正形态正常参数；表示预设邻域参数；表示相邻连通区域的序号； 表示第 个连通区域对应的第 个相邻连通区域的初始形态正常参数； 表示第 个连通区域对应的第 个相邻连通区域的参考度权重，， 表示第 个连通区域对应的所有相邻连通区域

的初始区域特征向量的均值， 表示第 个连通区域对应的第 个相邻连通区域的初始区域特征向量； 表示向量的二范数的计算函数； 表示第 个连通区域与对应的第 个相邻连通区域之间的参考距离。

9.根据权利要求1所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述聚类距离的获取方法包括：将两个连通区域之间的所述修正区域特征向量的差的二范数作为这两个连通区域之间的第一距离参数；

利用第二距离参数的计算公式获取两个连通区域之间的第二距离参数；

将任意两个连通区域之间的所述第一距离参数和所述第二距离参数的乘积作为对应两个连通区域之间的聚类距离。

10.根据权利要求9所述的一种肿瘤病理组织图像的人工智能处理方法，其特征在于，所述第二距离参数的计算公式包括： ；其中，表示第 个连通区域与第 个连通区域对应的第二距离参数； 用于获取集合中的最小值；表示连通区域的序号； 表示第h个连通区域的修正区域特征向量； 表示向量的二范数的计算函数。