1.一种方法，包括：
获取第一图像，所述第一图像包含第一区域；
获取第二图像，所述第二图像包含第二区域；
获取第三图像，所述第三图像包含第三区域；
基于卷积神经网络算法，提取所述第一区域的第一组特征；
基于所述卷积神经网络算法，提取所述第二区域的第二组特征；
基于所述卷积神经网络算法，提取所述第三区域的第三组特征；
计算与所述第一组特征和所述第二组特征相关的第一数据；
计算与所述第一组特征和所述第三组特征相关的第二数据；以及
基于所述第一数据和所述第二数据，对所述第二图像和所述第三图像进行排序。
2.权利要求1所述方法，包括：
设定第二参数，提取与所述第二区域有关的第二特征集，所述第二特征集包含所述第二组特征；以及
基于所述第二组特征，提取与所述第一区域有关的所述第一组特征。
3.权利要求2所述方法，从所述第二特征集中选择出所述第二组特征是基于特征选择算法。
4.权利要求3所述方法，所述特征选择算法是Correlation Based Feature Selection算法。
5.权利要求2所述方法，所述或所述第二参数包括卷积神经网络层级数目、卷积核大小、卷积核数目和产生的特征数目中至少一个。
6.权利要求1所述方法，所述第一数据基于所述第一组特征和所述第二组特征的特征之差产生。
7.权利要求1所述方法，所述第二数据基于所述第一组特征和所述第三组特征的特征之差产生。
8.权利要求1所述方法，包括基于所述第一数据和所述第二数据，使用LambdaMART算法对所述第二图像和所述第三图像排序。
9.权利要求1所述方法，包括使用计算机辅助诊断，在所述第一图像中定位所述第一区域。
10.权利要求1所述方法，所述第一图像、所述第二图像或所述第三图像是PET图像、CT图像、SPECT图像、MRI图像、超声图像中至少一种。
11.一个系统，包括：
一个图像获取装置，用于获取第一图像、第二图像和第三图像，以及在所述第一图像、所述第二图像和所述第三图像中分别定位第一区域、第二区域和第三区域；以及
一个图像分析装置，包括一个特征提取模块、一个特征分析模块和一个排序模块，
所述特征提取模块被配置为，基于卷积神经网络算法，分别提取所述第一区域的第一组特征、所述第二区域的第二组特征和所述第三区域的第三组特征，
所述特征分析模块被配置为
确定所述第一组特征和所述第二组特征相关的第一数据，
确定所述第一组特征和所述第三组特征相关的第二数据，以及
所述排序模块被配置为
基于所述第一数据和所述第二数据对所述第二图像或所述第三图像排序。
12.权利要求11所述系统，所述图像获取装置包含使用计算机辅助诊断，在所述第一图像中定位所述第一区域。
13.权利要求11所述系统，所述图像获取装置包含使用计算机辅助诊断，在所述第二图像中定位所述第二区域。