1.一种风湿免疫疾病特征识别模型训练系统，其特征在于，包括项目检查模块、数据采集模块、特征筛选分析模块、模型训练模块及反馈模块；

所述项目检查模块用于对患有风湿免疫疾病的患者进行各项医疗检查，并将各项医疗检查进行汇总，以获取初步数据集；

所述数据采集模块用于将初步数据集进行预处理，以获取当前患者的病症数据集，并根据视觉设备获取当前患者的相关肿胀集合，并结合无量纲处理技术，将病症数据集及相关肿胀集合均进行量纲处理；

所述特征筛选分析模块用于从病症数据集中提取出各项参数，并分析各项参数对患者关节肿胀的影响程度，以获取相应的相关系数Xgxs，依据相关系数Xgxs数值，筛选出特征数据，并生成特征集合；

所述模型训练模块用于利用卷积神经网络技术构建特征区分模型，并结合特征集合及历史数据构建相似系数Xsxs，同时通过设定不同数值的超参数值Cs，以获取不同超参数值Cs数值情况下的交叉验证准确率Zq；

所述反馈模块用于根据不同超参数值Cs数值情况下的交叉验证准确率Zq，选出匹配的超参数值Cs数值。

2.根据权利要求1所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述项目检查模块用于预先对患有风湿免疫疾病的患者进行各项医疗检查，其中，所述各项医疗检查包括影像学检查、血液检查及尿液检查，同时对患者进行关节穿刺操作，并将各项医疗检查所获取的检查报告进行汇总，以获取初步数据集。

3.根据权利要求1所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述数据采集模块包括第一数据采集单元和第二数据采集单元；

所述第一数据采集单元用于依据各项医疗检查所获取的初步数据集，采集并记录当前患者的病症数据集，所述病症数据集内的参数包括不同监测时段内的关节液中的白细胞数目、尿酸水平、补体水平、红细胞沉降率、C反应蛋白及类风湿因子；

所述第二数据采集单元用于根据视觉设备获取当前患者的相关肿胀集合，所述相关肿胀集合包括不同监测时段内患者关节肿胀面积Y。

4.根据权利要求3所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述特征筛选分析模块包括影响单元和筛选单元；

所述影响单元用于根据病症数据集及相关肿胀集合，分析各项参数对患者关节肿胀的影响 程度 ，以 获取 相应 的相 关系 数X gx s，具体 按照 以下 方式 获取 ：；式中，X表示为病症数据集内的随机参数；

表示为参数X与患者关节肿胀面积Y的联合概率分布； 是参数X的边际概率分布； 是患者关节肿胀面积Y的边际概率分布。

5.根据权利要求4所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述筛选单元用于依据影响单元中获取相关系数Xgxs的方式，获取若干组相关系数Xgxs，并将若干组相关系数Xgxs按照数值大小进行排序，具体排序方式为：按照数值从小到大进行排序，并生成数据列；依据数据列，设置阈值，并将数据列中的若干组相关系数Xgxs与阈值进行比对分析，以筛选出特征数据，并生成特征集合。

6.根据权利要求5所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述模型训练模块包括病情测试单元和性能优化单元；

所述病情测试单元用于根据当前患者特征集合及历史数据，生成病态数据集合，并将病态数据集合分为70%的训练集和30%的测试集，利用卷积神经网络技术预先建立基础模型，以病态数据集合对基础模型进行训练和测试，并将训练后的基础模型作为状态识别模型，分别获取状态识别模型内的特征信息，并将获取的特征信息对状态识别模型进行训练和测试，将训练后的状态识别模型作为特征区分模型。

7.根据权利要求6所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述历史数据包括历史时段内医院收集出若干位患有风湿免疫疾病的患者的病症数据集及相关肿胀集合；

所述性能优化单元基于训练集中的当前患者特征集合及历史数据，构建相似系数Xsxs，具体通过以下公式获取： ；式中， 表示为当前患者特征集合中的参数； 表示为历史时段内患有风湿免疫疾病的患者与当前患者特征集合中相同的参数； 表示为超参数值；exp是指数函数的符号，表示的是以自然常数e为底的指数运算； 表示为 和 之间的欧几里得距离。

8.根据权利要求1所述的风湿免疫疾病特征识别模型训练系统，其特征在于，预先设置不同数值的超参数值Cs，使用特征区分模型对测试集进行预测，对每个数值的超参数值Cs，使用K折交叉验证方法训练，每个数值的超参数值Cs将得到K次准确率结果，并对每个数值的超参数值Cs，计算其在所有K折中的平均准确率 。

9.根据权利要求8所述的风湿免疫疾病特征识别模型训练系统，其特征在于，所述反馈模块用于比较每个数值的超参数值Cs的平均准确率 ，以从中选择最高平均准确率的超参数值Cs作为适配超参数。

10.一种风湿免疫疾病特征识别模型训练方法，用于实现上述权利要求1 9任一项所述~的风湿免疫疾病特征识别模型训练系统，其特征在于，包括：

对患有风湿免疫疾病的患者进行各项医疗检查，并将各项医疗检查进行汇总，以获取初步数据集；

将初步数据集进行预处理，以获取患者的病症数据集，并根据视觉设备获取患者的相关肿胀集合，并结合无量纲处理技术，将病症数据集及相关肿胀集合均进行量纲处理；

从病症数据集中提取出各项参数，并分析各项参数对患者关节肿胀的影响程度，以获取相应的相关系数Xgxs，依据相关系数Xgxs数值，筛选出特征数据，并生成特征集合；

利用卷积神经网络技术构建特征区分模型，并结合特征集合及历史数据构建相似系数Xsxs，同时通过设定不同数值的超参数值Cs，以获取不同超参数值Cs数值情况下的交叉验证准确率Zq；

根据不同超参数值Cs数值情况下的交叉验证准确率Zq，选出匹配的超参数值Cs数值。