1.一种用于优化脑疾病神经调控的方法，其特征在于，所述方法包括以下步骤：
a)模拟神经调控；
b)筛选神经调控靶点；
c)参数定标和参数优化；
通过所述方法可获得受试者脑疾病的候选治疗靶点及其对应的候选调控参数。
2.如权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：
在步骤a)之前，采集磁共振数据，构建疾病组宏观全脑功能网络联接图谱；
在步骤b)之前，采集磁共振数据，构建健康对照组宏观全脑功能网络联接图谱。
3.如权利要求1所述的方法，其特征在于，所述受试者是个体水平或群体水平。
4.如权利要求1-3任一项所述的方法，其特征在于，所述步骤a)模拟神经调控，包括：
a1)基于磁共振数据构建的疾病组宏观全脑功能网络联接图谱，进行线性缩放；
a2)使用网络反卷积得到与功能网络相对应的直接网络；
a3)基于设定的调控幅度在直接网络上进行神经调控；
a4)将神经调控后的直接网络使用网络卷积得到神经调控后的功能网络。
5.如权利要求4所述的方法，其特征在于，所述步骤a2)使用网络反卷积得到与功能网络相对应的直接网络，其包括以下步骤：
a21)将功能网络进行奇异值分解；
a22)对所有的奇异值进行分式线性变换；
a23)基于所有奇异值的分式线性变换得到直接网络。
6.如权利要求1-3任一项所述的方法，其特征在于，所述步骤b)筛选神经调控靶点是通过量化指标筛选神经调控靶点的调控评估，包括以下步骤：
b1)基于磁共振数据构建健康对照组的全脑宏观功能网络联接图谱，进行群体水平评估；
b2)个体水平评估。
7.如权利要求6所述的方法，其特征在于，所述步骤b1)群体水平评估，包括以下步骤：
b11)分别计算模拟调控前、模拟调控后的疾病组平均功能网络矩阵和健康对照组平均功能网络矩阵的相似度，并且计算其比值来量化衡量治疗效果；
b12)通过最大化治疗效果选取调控强度；
b13)在所述调控强度下根据治疗效果筛选治疗靶点。
8.如权利要求6所述的方法，其特征在于，步骤b2)个体水平评估，包括以下步骤：
b21)分别计算模拟调控前、模拟调控后的受试者个体功能网络矩阵和健康对照组平均功能网络矩阵的相似度，并且计算其比值来量化衡量治疗效果；
b22)通过最大化治疗效果选取调控强度；
b23)在所述调控强度下根据治疗效果筛选治疗靶点。
9.如权利要求1-3任一项所述的方法，其特征在于，步骤c)参数定标和参数优化是结合神经调控装置，优化刺激参数，包括以下步骤：
c1)搭建磁共振兼容的神经调控装置；
c2)刺激参数对脑网络调控的定标；
c3)根据步骤b12)或b22)中获得的调控强度优化刺激参数。
10.如权利要求9所述的方法，其特征在于，所述参数定标步骤需要的硬件设备包括：磁共振成像设备、磁场兼容的神经调控装置。
11.如权利要求9所述的方法，其特征在于，所述的步骤c2)刺激参数对脑网络调控的定标，包括以下步骤：
c21)将神经调控设备的磁共振兼容部分通过波导管引入磁体间，使用磁共振兼容的刺激装置，通过与刺激同步的全脑功能磁共振数据采集，在功能磁共振数据采集的不同阶段，设置不同的刺激频率、电压幅值、脉冲宽度参数组合，获得对应的脑功能网络矩阵；
c22)建立刺激条件组合与网络调控强度间的对应关系，实现参数定标。
12.如权利要求9所述的方法，其特征在于，所述步骤c3)根据步骤b12)或b22)中获得的调控强度优化刺激参数，包括以下步骤：
c31)根据所述步骤c)调控评估并通过量化指标筛选神经调控靶点中筛选得到的候选靶点，可以获得针对每个靶点的调控强度；
c32)对比候选网络调控强度，在已定标的对应关系中，找到刺激条件组合，反馈至刺激装置进行参数优化。
13.一种筛选神经调控相关的脑疾病治疗靶点的装置，其特征在于，所述装置采用了如权利要求1-12任一项所述的优化神经调控的方法进行筛选神经调控相关的脑疾病治疗靶点。
14.一种筛选神经调控相关的脑疾病治疗靶点的装置，其特征在于，所述装置包括：
模拟神经调控模块和调控结果评估模块；
其中，所述神经调控模块用于在宏观脑功能网络连接的基础上模拟神经调控；所述调控结果评估模块用于通过量化指标筛选出神经调控治疗靶点；
所述装置可用于筛选受试者神经调控相关的脑疾病治疗靶点。
15.如权利要求14所述的装置，其特征在于，所述装置还包括：
磁共振数据采集和功能网络构建模块，
其中，所述磁共振数据采集和功能网络构建模块是基于磁共振数据构建功能网络矩阵。
16.如权利要求15所述的装置，其特征在于，所述磁共振数据采集和功能网络构建模块中的功能网络包括疾病组功能网络和健康对照组功能网络。
17.如权利要求14所述的装置，其特征在于，所述受试者是个体水平或群体水平。
18.如权利要求14-17任一项所述的装置，其特征在于，所述的模拟神经调控模块包括：
线性缩放单元、网络反卷积单元、神经调控单元、和网络卷积单元；
其中，所述线性缩放单元用于网络反卷积算法的预处理步骤；所述网络反卷积单元，是用于得到与功能网络相对应的直接网络；所述神经调控单元，是基于设定的调控强度范围对每个靶点在直接网络上进行双侧神经调控；所述网络卷积单元，是用于将神经调控后的直接网络使用网络卷积得到神经调控后的功能网络；
其中，线性缩放是基于磁共振数据构建的疾病组功能网络之后进行的。
19.如权利要求18所述的装置，其特征在于，所述的网络反卷积单元，包括：
第一奇异值分解单元、第一分式线性变换单元、和直接网络获得单元；
其中，所述的第一奇异值分解单元，是将功能网络进行奇异值分解；所述的第一分式线性变换单元，是对所有的奇异值进行分式线性变换；所述的直接网络获得单元，是基于所有奇异值的分式线性变换得到直接网络。
20.如权利要求18所述的装置，其特征在于，所述的网络卷积单元，包括：
第二奇异值分解单元、第二分式线性变换单元、和功能网络获得单元；
其中，所述的第二奇异值分解单元，是将神经调控后的直接网络进行奇异值分解；所述的第二分式线性变换单元，是对所有的奇异值进行分式线性变换；所述的功能网络获得单元，是基于所有奇异值的分式线性变换得到神经调控后的功能网络。
21.根据权利要求14-17任一项所述的装置，其特征在于，所述的调控结果评估模块，包括：
群体水平评估单元和个体水平评估单元；
其中，所述调控结果评估是基于健康对照组的全脑宏观功能网络矩阵进行的。
22.如权利要求21所述的装置，其特征在于，所述群体水平评估单元，包括：
群体水平量化评估单元、调控强度获取单元、和靶点效果预测单元；
其中，所述的群体水平量化评估单元，是分别计算模拟调控前、模拟调控后疾病组平均功能网络矩阵和健康对照组平均功能网络矩阵的相似度，并且计算其比值来量化衡量治疗效果；所述的调控强度获取单元，是通过最大化治疗效果选取调控强度；所述靶点效果预测单元，是在所述调控强度下根据治疗效果筛选治疗靶点。
23.如权利要求21所述的装置，其特征在于，所述个体水平评估单元，包括：
个体水平量化评估单元、调控强度获取单元、和靶点效果预测单元；
其中，所述的个体水平量化评估单元，是分别计算模拟调控前、模拟调控后受试者个体功能网络矩阵和健康对照组平均功能网络矩阵的相似度，并且计算其比值来量化衡量治疗效果；所述的调控强度获取单元，是通过最大化治疗效果选取调控强度；所述的靶点效果预测单元，是在所述调控强度下根据治疗效果筛选治疗靶点。
24.一种优化神经调控治疗方案的装置，其特征在于，所述装置包括：
如权利要求13-23任一项所述的装置、磁共振兼容的神经调控装置；
其中，权利要求13-23任一项所述的装置用于筛选脑疾病的候选治疗靶点；所述磁共振设备和神经调控装置用于参数定标和参数优化。
25.如权利要求1-13任一项所述的方法、权利要求13-24任一项所述的装置，其特征在于，所述脑疾病包括：例如少儿自闭症、中年情感障碍类疾病、老年神经退行性疾病。
26.如权利要求25所述的方法或装置，其特征在于，所述的中年情感障碍类疾病包括抑郁症、强迫症、成瘾症、厌食症。
27.如权利要求25所述的方法或装置，其特征在于，所述的老年神经退行性疾病包括帕金森、阿尔茨海默病。