1.一种基于乳腺癌单细胞空间蛋白组多细胞富集模式的患者分层方法，其特征在于，包括以下步骤：S1、乳腺癌单细胞空间蛋白组学图像数据细胞分割、细胞类型鉴定；

S2、构建细胞网络图，模拟肿瘤微环境；

S3、检测紧密连接的细胞社区，提取细胞社区特征；

S4、细胞社区特征聚类，表征患者肿瘤微环境分布模式；

S5、计算患者肿瘤微环境分布模式相似度，对患者进行分层；

所述S3具体包括以下步骤：

使用S2提到的细胞网络图，用社区检测算法检测紧密连接的细胞社区，对每个细胞社区提取其中含有的细胞类型的连接的边数，细胞类型连接的边数代表该细胞类型在该细胞社区的重要性，且可以更好地反映该细胞类型在细胞社区中的排列，将每种细胞类型的连接边数作为该细胞社区的特征表示；

所述S4具体包括以下步骤：

使用S3提取的细胞社区特征，用聚类算法得到k个肿瘤微环境特征结构，统计每个患者每种肿瘤微环境特征结构出现的频率作为该患者肿瘤微环境分布模式的一个表征；

所述S5具体包括以下步骤：

使用S4获取的每个患者的肿瘤微环境分布模式，计算两两患者的肿瘤微环境分布模式相似度，接着以患者作为节点，患者与患者之间的相似度作为连接患者边的权重，构建图，然后通过社区检测算法，将患者分到不同的组别中。

2.根据权利要求1所述的一种基于乳腺癌单细胞空间蛋白组多细胞富集模式的患者分层方法，其特征在于：所述S1具体包括以下步骤：使用深度学习方法Mesmer或CellProfiler软件结合Ilastik软件对图像数据进行细胞分割得到细胞掩膜图像，将细胞掩膜图像叠加到每个蛋白通道图像上，获取每个细胞的每个蛋白的表达，得到一个细胞蛋白表达矩阵，然后基于细胞蛋白表达矩阵用聚类算法对其进行聚类，得到一个细胞群蛋白表达热图，依据细胞群的蛋白表达情况给细胞群进行细胞类型的鉴定。

3.根据权利要求2所述的一种基于乳腺癌单细胞空间蛋白组多细胞富集模式的患者分层方法，其特征在于：所述S2具体包括以下步骤：使用S1提到的细胞掩膜图像，用图像处理软件包提取每个细胞质心的坐标，计算每个细胞质心与其他细胞质心的距离，设定一个半径值，认为在这个值内的细胞为该细胞的邻居，即给这两个细胞连上一条边，超过半径范围的不给予边的连接，构建细胞网络图。