1.一种超声心动图的智能检测分割方法，其特征在于，所述方法包括：获取待分割的超声心动图；

分别将所述超声心动图中每一帧子图像分割为多个目标区域；

将相邻帧子图像中属于同一特征区域的所有目标区域划分至同一特征组中，得到多个特征组；

确定每一所述目标区域的增强必要性修正值，并根据每一所述目标区域的增强必要性修正值，提取每一特征组中的待增强区域；

确定每一特征组对应的灰度映射范围，并依据所述灰度映射范围对每一特征组中的待增强区域进行图像增强处理，得到增强处理后的超声心动图；

将所述增强处理后的超声心动图输入预先建立的智能检测分割模型，得到所述智能检测分割模型输出的心动图分割结果；

所述确定每一所述目标区域的增强必要性修正值，包括：

获取每一所述目标区域内各像素点的灰度值、所述目标区域的相邻区域内各像素点的灰度值以及所述目标区域的区域面积；

根据每一所述目标区域内各像素点的灰度值以及所述目标区域的相邻区域内各像素点的灰度值，计算得到每一所述目标区域的特征表现程度；

根据每一所述目标区域的特征表现程度，计算得到每一所述目标区域的增强必要性初始值；

根据每一所述目标区域的增强必要性初始值、特征表现程度以及区域面积，计算得到每一所述目标区域的增强必要性修正值。

2.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述分别将所述超声心动图中每一帧子图像分割为多个目标区域，包括：提取所述超声心动图中每一帧子图像内的扇形区域；

对每一所述扇形区域内的像素点进行聚类处理，得到多个聚类簇；

将每个所述聚类簇中连续相邻的像素点组成的连通域作为目标区域，得到每一帧子图像对应的多个目标区域。

3.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述将相邻帧子图像中属于同一特征区域的所有目标区域划分至同一特征组中，包括：获取相邻帧子图像中任意两个目标区域的重合面积、边缘链码的差值绝对值以及灰度交集尺寸；

根据所述相邻帧子图像中任意两个目标区域的重合面积、边缘链码的差值绝对值以及灰度交集尺寸，计算得到所述相邻帧子图像中任意两个目标区域属于同一特征区域的可能性评价值；

将所述可能性评价值大于预设评价阈值的所有目标区域划分至同一特征组中。

4.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述根据每一所述目标区域内各像素点的灰度值以及所述目标区域的相邻区域内各像素点的灰度值，计算得到每一所述目标区域的特征表现程度，包括：根据每一所述目标区域内各像素点的灰度值，计算得到每一所述目标区域内所有像素点的灰度均值和灰度方差；

根据每一所述目标区域内所有像素点的灰度均值以及所述目标区域的相邻区域内所有像素点的灰度均值，计算得到每一所述目标区域与各个相邻区域的灰度差异值；

根据每一所述目标区域内所有像素点的灰度均值和灰度方差，计算得到每一所述目标区域的灰度表现值；

将所述灰度差异值与所述灰度表现值作商，得到每一所述目标区域的特征表现程度。

5.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述根据每一所述目标区域的特征表现程度，计算得到每一所述目标区域的增强必要性初始值，包括：针对每一所述目标区域，根据每一所述目标区域的特征表现程度，分别确定所述目标区域所属聚类簇中所有目标区域的第一特征表现均值，以及所述目标区域所属子图像中所有目标区域的第二特征表现均值；

确定所述目标区域中所有像素点的第一灰度级数量，并确定所述目标区域所属聚类簇中各个目标区域内所有像素点的第二灰度级数量；

根据所述特征表现程度、所述第一特征表现均值以及所述第二特征表现均值，计算得到所述目标区域在所属子图像中的特征表现显著值；

将所述第一灰度级数量与所述第二灰度级数量作商，得到灰度级数量比值；

根据所述特征表现显著值和所述灰度级数量比值，计算得到每一所述目标区域的增强必要性初始值。

6.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述根据每一所述目标区域的增强必要性初始值、特征表现程度以及区域面积，计算得到每一所述目标区域的增强必要性修正值，包括：根据每一所述目标区域的特征表现程度和区域面积，分别确定所述目标区域所属特征组中所有目标区域的第三特征表现均值和区域面积均值；

根据每一所述目标区域的特征表现程度、区域面积、第三特征表现均值以及区域面积均值，计算得到每一所述目标区域的表现权重值；

根据每一所述目标区域的增强必要性初始值和表现权重值，计算得到所述目标区域的增强必要性修正值。

7.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述确定每一特征组对应的灰度映射范围，包括：根据每一特征组中所有目标区域的增强必要性修正值，计算得到每一特征组的增强必要性均值；

确定每一目标区域中像素点的最小灰度值，根据所述最小灰度值，计算得到每一特征组中所有目标区域的最小灰度均值；

将每一特征组的所述增强必要性均值与所述最小灰度均值相乘，得到范围下限值；

确定每一特征组中所有目标区域内像素点的最大灰度值，将所述最大灰度值作为范围上限值；

根据所述范围下限值和所述范围上限值，得到每一特征组对应的灰度映射范围。

8.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，在分别将所述超声心动图中每一帧子图像分割为多个目标区域之前，所述方法还包括：分别对所述超声心动图中每一帧子图像进行去噪处理。

9.根据权利要求1所述的一种超声心动图的智能检测分割方法，其特征在于，所述依据所述灰度映射范围对每一特征组中的待增强区域进行图像增强处理，得到增强处理后的超声心动图，包括：通过直方图均衡化算法确定每一待增强区域内至少部分像素点的灰度修正值；

若所述灰度修正值未在所述待增强区域所属特征组对应的灰度映射范围内，则将所述灰度映射范围内与所述灰度修正值差异最小的灰度映射值作为灰度更新值；

依据所述灰度更新值对每一特征组中待增强区域内至少部分像素点的灰度值进行更新，得到增强处理后的超声心动图。