1.基于影像特征数据的肿瘤预测方法，其特征在于，包括以下步骤：
S1：参照肿瘤数据采集：对不同种类、不同程度的肿瘤患者的肿瘤影像数据和历史肿瘤数据进行采集；
S2：建立参照肿瘤影像特征数据库和历史肿瘤数据库：将S1所述的肿瘤患者的肿瘤影像数据和历史肿瘤数据进行分类，建立参照肿瘤影像特征数据库和历史肿瘤数据库；
S3：建立对比函数：根据S2所述的参照肿瘤影像特征数据库和历史肿瘤数据库并通过通过卡尔曼滤波器、有限元和神经网络算法建立用于对比的对比函数；
S4：受检测者的样本影像特征数据采集：对受检者的体检影像数据和生理指标数据进行采集；
S5：建立受检测者样本影像特征数据库：将S4所述的受检者的各项数据进行分类，建立样本影像特征数据库；
S6：分类对比：将S5所述的样本影像特征数据库代入对比函数进行计算，从而得出被检测者患病的概率；
S7：风险评估与预防方案的制定：根据S6中所述的概率值并结合被检测者当前的生理指标评估患病风险，若评估风险值高于30％，则判定为高风险潜在患者，则需要对受检者制定相应的预防方案；
S8：修订对比函数：根据S7中所述的高风险潜在患者的后期发病率对对比函数进行修订。
2.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S1中，需要对多个肿瘤患者进行性别、年龄、肿瘤类型、肿瘤程度、发病时间、肿瘤基因表达数据、作息习惯、饮食习惯、病理检查数据、遗传病史、肿瘤影像等数据进行采集，并保留数据的完整性。
3.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S2中，按照内因、外因和意外因素并结合肿瘤影像对肿瘤影像数据进行分类，内因包括肿瘤基因表达数据、遗传病史、肿瘤影像等；外因包括作息习惯、饮食习惯等；意外因素包括是否受到过核辐射或重金属污染。
4.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S3中，根据分类后的参照肿瘤影像特征数据库和历史肿瘤数据依次按照卡尔曼滤波器、有限元和神经网络算法得出对比函数。
5.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S4中，对受检者进行性别、年龄、肿瘤类型、肿瘤程度、发病时间、肿瘤基因表达数据、作息习惯、饮食习惯、病理检查数据、遗传病史、肿瘤影像等数据进行采集，并保留数据的完整性。
6.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S5中，将受检者的样本影像特征数据和生理指标数据按照内因、外因和意外因素并结合肿瘤影像进行分类。
7.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S6中，将分类后的受检者的样本影像特征数据依次代入对比函数进行计算。
8.根据权利要求1所述的基于影像特征数据的肿瘤预测方法，其特征在于，所述S8中，若高风险潜在患者的后期发病率高于普通人均发病率，则判定对比函数正确；若高风险潜在患者的后期发病率低于普通人均发病率，则判定对比函数错误；若高风险潜在患者的后期发病率低于普通人均发病率，则判定对比函数错误；若高风险潜在患者的后期发病率与普通人均发病率基本持平，则对比函数进行重新采样修订。