1.一種MRI圖像的帕金森病分類及標注病灶區域的方法，其特征在于，包括步驟：

構造MRI圖像的帕金森病分類模型；

構造帕金森病病灶標注模型；

使用MRI圖像的帕金森病分類模型，對待測MRI圖像進行分類；

對分類確定為帕金森病MRI圖像或者帕金森病潛伏期MRI圖像，使用帕金森病病灶標注模型標注出病灶區域；

所述構造MRI圖像的帕金森病分類模型，包括：

1.1構造分類模塊；

所述分類模塊包括：依次連接的卷積層、第一最大池化層、第一密集塊、第一過渡層、第二密集塊、第二過渡層、第三密集塊、第三過渡層、第四密集塊、第二最大池化層、全連接層和softmax分類器；還包括：在第二密集塊、第三密集塊、第四密集塊前建立連接，使每一層的輸入來自之前所有層的輸出；

所述卷積層的卷積核大小為7*7，步長為2；

所述第一最大池化層的卷積核大小為3*3，步長為2；

所述第二最大池化層的卷積核大小為7*7；

所述第一密集塊、第二密集塊、第三密集塊和第四密集塊的結構均為：依次連接的第一批歸一化層、第一激活層、卷積核大小為1*1的第一卷積層、第二批歸一化層、第二激活層、卷積核大小為3*3的第二卷積層、第三批歸一化層、第三激活層、卷積核大小為1*1的第三卷積層；所述第一激活層、第二激活層和第三激活層均使用Relu函數；

所述第一過渡層、第二過渡層和第三過渡層的結構均為：依次連接的卷積核大小為1*1的卷積層、卷積核大小為2*2的平均池化層；

所述分類模塊使用Adam優化器，使用交叉熵作為損失函數；

1.2將訓練集輸入分類模塊，并通過反向傳播更新網絡參數，得到MRI圖像分類模型；所述訓練集包括多張帕金森病MRI圖像、多張正常MRI圖像和多張帕金森病潛伏期MRI圖像；

所述構造帕金森病病灶標注模型，包括：

2.1構造帕金森病病灶標注模塊；

所述帕金森病病灶標注模塊包括依次連接的特征提取部分、RPN層、ROIpooling層；

所述特征提取部分，包括依次連接的VGG-16、第一卷積層、激活層、第一全連接層、第二全連接層、第三全連接層；所述VGG-16中，卷積層卷積核大小均為3*3，填充為1，步長為1；所述VGG-16中，池化層卷積核大小均為2*2，填充為0，步長為2；所述第一卷積層與VGG-16中卷積層相同；所述激活層使用Relu函數；

所述RPN層通過3*3的卷積，按照長寬比{1:2,1:1,2:1}生成九個anchors；對anchors進行二分類時IoU閾值設置為0.7，大于閾值的樣本label為1，小于0.3的樣本label為0，其余樣本label為-1；使用非極大值抑制取前100個anchor box；

所述帕金森病病灶標注模塊的損失函數為：

L_cls＝-logp_u，p_u是u為positive對應的概率；

t^u為預測參數，v為真實平移縮放參數，

g為Smooth L1：

2.2將多張帕金森病MRI圖像和多張帕金森病潛伏期MRI圖像分別進行預處理，得到訓練集；所述預處理為：將MRI圖像映射成三份，分別經過1*1的卷積；將第一份的輸出轉置后與第二份的輸出相乘，再經過softmax歸一化得到帶注意力的特征圖；再將帶注意力的特征圖和第三份的輸出逐像素點相乘，得到自適應注意力的特征圖；

2.3將訓練集輸入帕金森病病灶標注模塊，并通過反向傳播更新網絡參數，得到MRI圖像帕金森病病灶標注模型。