技术特征：
1.基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：包括：s1获取医学影像信息；s2对获取的医学影像信息进行信息提取；s3建立全模态深度学习ai序列匹配系统；s4进行序列匹配处理；s5将处理后的医学影像序列分组传输到显示单元；s6显示单元进行全模态医学影像序列分组显示。2.根据权利要求1所述的基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：所述医学影像信息为常规模态全身骨骼图像、pet/ct和pet/mr同机融合图形、全模态影像异机融合图像中的一种或几种。3.根据权利要求1所述的基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：所述信息提取为提取固定骨骼部位分割区域图像、提取pet相对应骨骼区域的同机分割图像中的一种或几种。4.根据权利要求1所述的基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：所述序列匹配处理的具体方法如下：s41对医学影像标注数据集；s42进行骨骼图像分割、ai算法识别；s43进行脊柱骨骼分割、识别测试数据；s44全模态ai融合匹配。5.根据权利要求2所述的基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：当医学影像信息为常规模态全身骨骼图像时，信息提取方法为提取固定骨骼部位分割区域图像。6.根据权利要求2所述的基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：当医学影像信息为pet/ct和pet/mr同机融合图形、全模态影像异机融合图像中的一种或两种时，信息提取方法为提取pet相对应骨骼区域的同机分割图像。7.权利要求1-6任一项所述的基于深度学习体征结构的全模态医学影像序列分组方法的系统，其特征在于：包括：输入单元，用于输入医学影像信息；第一处理单元，用于对输入的医学影像信息进行信息提取；第二处理单元，用于对提取的信息进行序列匹配处理；显示单元，用于分组显示全模态医学影像序列；所述输入单元的信号输入端连接外置信息输入设备，所述输入单元的信号输出端与第一处理单元的信号输入端相连，所述第一处理单元的信号输出端与第二处理单元的信号输入端相连，第二处理单元的信号输出端与显示单元的信号输入端相连。8.根据权利要求7所述的基于深度学习体征结构的全模态医学影像序列分组方法的系统，其特征在于：所述第二处理单元设置有全模态深度学习ai序列匹配系统。9.一种计算机存储介质，其上存储有计算机程序指令，其特征在于：所述计算机程序指令被处理器执行时实现权利要求1至6中任一项所述的方法。