1.一种巨细胞病毒性视网膜炎辅助识别方法，其特征在于，包括：
获取患者眼底图像；
提取所述眼底图像中巨细胞病毒性视网膜炎参数，所述巨细胞病毒性视网膜炎参数包括病灶位置和病灶形态；
将所述巨细胞病毒性视网膜炎参数输入训练好的巨细胞病毒性视网膜炎辅助识别模型输出特征向量，以根据所述特征向量得到分类结果。
2.根据权利要求1所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，还包括：
构建基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型；
采用内部数据集对所述巨细胞病毒性视网膜炎辅助识别模型进行四倍交叉验证以训练所述巨细胞病毒性视网膜炎辅助识别模型。
3.根据权利要求2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，所述构建基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型包括：
采用inceptionresnetv2网络模型作为基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型的基础网络模型；
采用crossentropy损失函数作为基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型的损失函数；
根据所述损失函数得到分类结果；
根据分类结果判断患者是否患有巨细胞病毒性视网膜炎。
4.根据权利要求2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，还包括：
对内部数据集中的样本进行分类；
根据内部数据集中样本类别施加不同权重。
5.根据权利要求1或2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，训练好的巨细胞病毒性视网膜炎辅助识别模型后，还包括：
采用外部验证数据集进行外部验证；
根据外部验证结果优化模型性能参数；
和/或；
采用前瞻性验证数据集进行前瞻性验证；
根据前瞻性验证结果优化模型性能参数。
6.根据权利要求5所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，所述模型性能参数包括：
准确率，敏感度，特异性和auc值中的一个或多个。
7.根据权利要求1所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，若识别出患者患有巨细胞病毒性视网膜炎，还包括：
根据训练好的巨细胞病毒性视网膜炎辅助识别模型得到对分类结果贡献的梯度；
根据所述梯度生成病灶热图；
将所述病灶热图与患者眼底图像叠加，根据叠加结果确定病灶位置。
8.根据权利要求7所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，所述根据所述梯度生成病灶热图，包括：
获取模型输出的分类结果和卷积层输出；
按照梯度链式法则根据分类结果和卷积层输出生成梯度矩阵；
将梯度矩阵缩放成与原始输入图像相同分辨率再与原始输入图像叠加生成最终热图。
9.一种巨细胞病毒性视网膜炎辅助识别装置，其特征在于，包括：
获取模块，用于获取患者眼底图像；
提取模块，用于提取所述眼底图像中巨细胞病毒性视网膜炎参数，所述巨细胞病毒性视网膜炎参数包括病灶位置和病灶形态；
识别模块，用于将所述巨细胞病毒性视网膜炎参数输入训练好的巨细胞病毒性视网膜炎辅助识别模型输出特征向量以根据所述特征向量得到分类结果。
10.一种电子设备，其特征在于，包括：
一个或者多个存储器，其上存储有可执行程序；
一个或者多个处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-8任一项所述方法的步骤。