1.一种用于数字化诊疗设备的造影图像分析方法，其特征在于，所述方法包括：获取目标患者不同时间点采集的造影图像序列，针对不同时间点的造影图像，分别从像素级别特征、体素级别特征和区域级别特征对病灶区域进行分割，得到不同时间点病灶区域的像素个数、平均密度和灰度值分布；提取并描述不同时间点的病灶区域特征，生成特征描述子，对特征描述子进行比值测试，筛选出特征匹配点，通过特征匹配点计算出病灶区域之间的变换矩阵，得到不同时间点病灶区域之间的变化；进行对齐配准后，根据每一时间点病灶区域的像素个数，得到病灶体积随时间的变化数据，同时根据病灶区域内像素灰度值，计算病灶区域的平均密度，得到病灶密度随时间的变化数据；通过将病灶体积随时间的变化数据和病灶密度随时间的变化数据进行数据拟合，分析病灶体积和密度随时间变化的规律，得到体积动态特征参数和密度统计参数，用以刻画病灶进展过程中的动态变化规律；根据病灶进展过程中的动态变化规律，计算病灶形状的不规则度和边界的平滑度，评估病灶的形态复杂程度和边界清晰程度，同时对比病灶区域与周围正常组织的密度差异，得到病灶周围组织密度差的定量指标；基于病灶体积特征参数、密度统计参数以及病灶周围组织密度差的定量指标对病情进展情况进行预测；判断对病情进展情况的预测结果是否达到预设风险阈值范围，若预测结果在预设风险阈值范围内，则判断病情进展情况为风险状态，生成高风险预警信息；根据病情进展情况预测的判断结果，结合病灶体积和密度随时间变化的拟合数据，判断病情的严重程度，对病灶进展过程进行分期分级，生成定量化的病情诊断报告。

2.根据权利要求1所述的方法，其特征在于，所述获取目标患者不同时间点采集的造影图像序列，针对不同时间点的造影图像，分别从像素级别特征、体素级别特征和区域级别特征对病灶区域进行分割，得到不同时间点病灶区域的像素个数、平均密度和灰度值分布，包括:根据造影图像采集序列对所述图像进行高斯平滑处理，采用基于像素灰度梯度的边缘跟踪工具得到病灶边界轮廓图；针对所述病灶边界轮廓图选取灰度值最大点作为种子点，通过八邻域像素密度差值小于预设阈值规则进行区域填充，得到病灶区域密度分布图；采用所述病灶区域密度分布图建立预设体素大小的三维点云数据，剔除所述点云数据的噪点，得到三维特征数据；对所述三维特征数据提取病灶区域质心坐标建立配准基准点，根据预设距离阈值对病灶边界点进行最近邻配对，得到病灶区域体积数据及灰度分布直方图；

还包括：通过提取不同时间点造影图像的区域级别特征，计算病灶区域的特征量化值，将预设特征量化阈值与病灶区域的特征量化值进行比较，初步分割得到目标区域；预设种子点的选择条件，根据选择条件从目标区域中选择若干个种子点，从种子点开始扩展分割区域，直到达到预设扩展条件，实现最终分割，具体包括：针对造影图像序列采用高斯平滑核函数进行降噪处理，根据降噪后图像的灰度值分布矩阵通过投影计算得到候选区域；根据所述候选区域的局部灰度值均值与方差，通过预设的均匀区域判定条件获取种子点位置，采用灰度差值阈值从种子点进行区域扩张得到扩展分割区域；针对所述扩展分割区域提取边缘轮廓线，通过计算检测窗口内的边缘梯度数据获取特征点，根据所述特征点的曲率进行区域分割直至面积收敛得到最终分割区域；从所述最终分割区域提取形状特征参数，通过特征点配对距离阈值判断区域形态特征差异，若所述形状特征参数差异在预设范围内且特征点配对率超过预设阈值，则确定为对应区域。

3.根据权利要求1所述的方法，其特征在于，所述提取并描述不同时间点的病灶区域特征，生成特征描述子，对特征描述子进行比值测试，筛选出特征匹配点，通过特征匹配点计算出病灶区域之间的变换矩阵，得到不同时间点病灶区域之间的变化，包括:采用高斯模糊工具对病灶区域原始图像进行平滑处理，通过边缘检测算子从所述平滑处理后图像提取边缘轮廓线，根据所述边缘轮廓线计算梯度直方图得到特征描述子；根据所述特征描述子计算不同时间点对应位置之间的欧氏距离值，通过所述欧氏距离值与预设距离阈值的比对结果获取初始匹配点集合；从所述初始匹配点集合中随机选取匹配点对计算仿射变换矩阵，统计满足所述仿射变换矩阵的内点数量得到最优变换参数；根据所述最优变换参数对病灶区域图像进行空间映射，采用双线性插值工具对变换后图像进行重采样，通过计算重采样前后图像的互信息值判断配准结果。

4.根据权利要求1所述的方法，其特征在于，所述进行对齐配准后，根据每一时间点病灶区域的像素个数，得到病灶体积随时间的变化数据，同时根据病灶区域内像素灰度值，计算病灶区域的平均密度，得到病灶密度随时间的变化数据，包括:通过基于种子点的区域生长工具获取病灶边界轮廓线，根据所述轮廓线内的连通区域像素个数及图像分辨率换算得到病灶体积数值；针对所述病灶边界轮廓线内的图像区域，采用直方图均衡化工具进行增强处理，从增强后图像提取灰度值矩阵并通过投影积分运算得到区域平均密度值；根据所述病灶体积数值与所述区域平均密度值构建时序数据，对所述时序数据中超出预设值的异常点进行线性插值修正，得到归一化的体积密度变化序列；针对所述归一化的体积密度变化序列，通过计算相邻时间点的差值获取变化速率，采用所述变化速率的均值与标准差构建病灶进展特征参数集，对所述特征参数集进行归一化处理得到标准化的病灶进展特征；

还包括：根据每一时间点病灶区域的像素个数，结合造影图像的体素级别特征，所述体素级别特征包括体素灰度值、体素空间位置和体素形状大小，确定每一时间点的像素个数和体素体积，计算出病灶的总体积，记录每一时间点病灶的总体积，得到病灶体积随时间的变化数据，具体包括：根据造影图像数据采用高斯平滑核函数进行降噪处理，对平滑后图像采用固定阈值进行二值化分割，通过区域生长算法得到初始病灶区域的体素集合；针对初始病灶区域采用三维网格划分空间，根据体素到网格中心点的欧氏距离进行体素归类，通过相邻网格单元的距离及灰度值差异判断连通性，得到病灶区域的三维网格连通图；从所述三维网格连通图提取边界点集合，根据边界点在三个方向上的最大最小坐标值构建边界框，通过计算边界框对角线长度及统计连通域内体素总数得到病灶最大直径与体积；针对病灶体积构建时序数据表，通过线性插值得到病灶体积随时间的变化数据。

5.根据权利要求1所述的方法，其特征在于，所述通过将病灶体积随时间的变化数据和病灶密度随时间的变化数据进行数据拟合，分析病灶体积和密度随时间变化的规律，得到体积动态特征参数和密度统计参数，用以刻画病灶进展过程中的动态变化规律，包括:采用三次样条插值工具对病灶体积及密度的时序数据进行平滑处理，根据所述平滑处理后的数据序列计算导数值，通过所述导数值的符号变化标记出特征点位置；根据所述特征点位置对病灶体积数据进行二阶多项式函数拟合，从拟合函数中提取二次项系数及一次项系数得到体积动态特征参数；针对病灶密度数据，采用预设阈值将所述密度数据划分为高值段和中间段及低值段，通过所述数据段的统计量得到密度变化特征参数；根据所述体积动态特征参数及所述密度变化特征参数构建特征向量，采用最小最大标准化方法对所述特征向量进行归一化处理，得到病灶进展特征集合。

6.根据权利要求1所述的方法，其特征在于，所述根据病灶进展过程中的动态变化规律，计算病灶形状的不规则度和边界的平滑度，评估病灶的形态复杂程度和边界清晰程度，同时对比病灶区域与周围正常组织的密度差异，得到病灶周围组织密度差的定量指标，包括:采用sobel算子对病灶区域灰度图像进行梯度计算，根据预设阈值获取边界点集合，通过所述边界点集合生成闭合轮廓线；针对所述闭合轮廓线获取参考点序列，根据所述参考点序列计算离散曲率值序列，统计所述离散曲率值序列中超过曲率阈值的点数比例，得到边界弯曲度；根据所述闭合轮廓线构建环形区域，所述环形区域通过对病灶边界向外扩展若干像素得到，从环形区域沿边界采样获取径向采样点，通过所述径向采样点构造径向采样线；根据所述径向采样线上的密度序列拟合密度变化曲线，通过所述密度变化曲线计算边界清晰度指标及密度差异参数，根据所述边界清晰度指标与所述密度差异参数得到病灶侵犯程度指标。

7.根据权利要求1所述的方法，其特征在于，所述基于病灶体积特征参数、密度统计参数以及病灶周围组织密度差的定量指标对病情进展情况进行预测，包括:针对病灶时序图像提取体积特征参数与密度统计参数，采用最小最大标准化处理得到归一化特征数据，根据所述归一化特征数据计算相关系数矩阵，从所述相关系数矩阵中获取特征子集；根据所述特征子集计算不同病情进展类别中特征均值与标准差，通过类间离散度与类内离散度之比获取区分度高于阈值的特征，按信息增益率降序排序得到特征向量；采用所述特征向量对训练数据进行交叉验证，通过支持向量机分类器计算验证指标，根据所述验证指标选择最优参数组合训练分类模型；接收新特征数据，对所述新特征数据进行标准化处理，根据所述分类模型计算特征点到分类边界距离，通过所述分类边界距离判定病情进展类别与置信度。

8.根据权利要求1所述的方法，其特征在于，所述判断对病情进展情况的预测结果是否达到预设风险阈值范围，若预测结果在预设风险阈值范围内，则判断病情进展情况为风险状态，生成高风险预警信息，包括:根据预测概率值采用最小最大标准化工具得到标准化预测值，所述标准化预测值位于零至一区间内；针对所述标准化预测值设置风险阈值上限值与下限值，通过计算所述标准化预测值与风险阈值区间的位置关系得到风险状态标记；针对所述标准化预测值采用基于标准差的区间估计工具计算置信区间，通过统计所述置信区间与风险阈值区间的重叠范围得到重叠比例值；根据所述重叠比例值判断风险等级，若所述重叠比例值超过预设重叠阈值则提升风险等级，反之降低风险等级，通过所述风险等级与所述重叠比例值构建风险评分；根据所述风险评分设置预警级别标识，所述预警级别标识包括高风险红色标识、中风险黄色标识和低风险绿色标识，通过所述预警级别标识与时间戳生成风险预警信息。

9.根据权利要求1所述的方法，其特征在于，所述根据病情进展情况预测的判断结果，结合病灶体积和密度随时间变化的拟合数据，判断病情的严重程度，对病灶进展过程进行分期分级，生成定量化的病情诊断报告，包括:采用二次多项式拟合工具对病灶体积与密度随时间变化曲线进行分段拟合，根据所述曲线计算各区间内体积变化速率与密度变化速率；根据所述体积变化速率与密度变化速率判断病灶进展等级，针对所述进展等级获取严重程度评分，所述严重程度评分由体积进展分值和密度改变分值及预测概率分值构成；根据所述进展等级在连续时间点的变化趋势判定病情分期状态，若连续若干时间点进展等级上升则判定为进展期，若连续若干时间点进展等级稳定则判定为稳定期；针对病情分期状态及严重程度评分生成诊断报告内容，所述诊断报告内容包含体积密度变化速率和严重程度评分及病情分期结果。

10.一种用于数字化诊疗设备的造影图像分析装置，其特征在于，执行如权利要求1‑9任一项所述的造影图像分析方法，所述装置包括：图像处理与特征提取模块，用于获取并分析不同时间点的造影图像序列；病灶区域变化分析模块，用于计算不同时间点病灶区域之间的变化；病灶动态特征分析模块，用于分析病灶体积和密度随时间变化的规律；病灶形态评估模块，用于评估病灶的形态复杂程度和边界清晰程度；病情预测与风险评估模块，用于预测病情进展情况并生成高风险预警信息；病情诊断与分级模块，用于判断病情严重程度并生成定量化诊断报告。