1.一種通用智能自動化讀片方法，其特征在于，包括如下步驟：
步驟S1，獲取樣本大腦檢測影像的基礎(chǔ)結(jié)構(gòu)影像與待測結(jié)構(gòu)影像；
步驟S2，對步驟S1中獲取的待測結(jié)構(gòu)影像進(jìn)行數(shù)據(jù)處理，找出待測結(jié)構(gòu)影像上的異常信號點(diǎn)，分析并繪制蒙版；
步驟S3，將蒙版基于待測結(jié)構(gòu)影像剛體變換到基礎(chǔ)結(jié)構(gòu)影像之上；
步驟S4，將蒙版覆蓋后的樣本大腦基礎(chǔ)結(jié)構(gòu)影像與標(biāo)準(zhǔn)空間進(jìn)行配準(zhǔn)，獲得轉(zhuǎn)換矩陣，從而將樣本大腦根據(jù)轉(zhuǎn)換矩陣映射至標(biāo)準(zhǔn)腦模板；
步驟S5，將樣本大腦分為灰質(zhì)、白質(zhì)和腦脊液；
步驟S6，在步驟S5的基礎(chǔ)上，利用步驟S4中所得的轉(zhuǎn)換矩陣，將待測結(jié)構(gòu)影像映射至標(biāo)準(zhǔn)腦模板；
步驟S7，提取每個樣本大腦在神經(jīng)通路蒙版內(nèi)的待測信號，并計算異常信號值的體素數(shù)量。
2.根據(jù)權(quán)利要求1所述的通用智能自動化讀片方法，其特征在于，所述步驟S2采用基于影像信號強(qiáng)度的自動化算法，針對待測結(jié)構(gòu)影像上的異常信號點(diǎn)進(jìn)行分析，具體包括如下子步驟：
步驟S21，通過樣本大腦待測結(jié)構(gòu)影像的影像掃描值大小將樣本大腦與周邊背景噪音區(qū)分并提?。?/p>
步驟S22，將樣本大腦的二維分層掃描的待測結(jié)構(gòu)影像合并為三維待測結(jié)構(gòu)影像；
步驟S23，將三維待測結(jié)構(gòu)影像粗略地線性剛體與標(biāo)準(zhǔn)待測結(jié)構(gòu)影像進(jìn)行比較；
步驟S24，找出標(biāo)準(zhǔn)待測結(jié)構(gòu)影像上面皮層、神經(jīng)核團(tuán)、神經(jīng)通路的位置；
步驟S25，通過標(biāo)準(zhǔn)待測結(jié)構(gòu)影像上步驟S24所給出的特定區(qū)域位置的影像掃描值大小，找出三維待測結(jié)構(gòu)影像異常信號點(diǎn)，繪制蒙版。
3.根據(jù)權(quán)利要求1所述的通用智能自動化讀片方法，其特征在于，所述步驟S4基于Cost function算法，實(shí)現(xiàn)將樣本大腦根據(jù)轉(zhuǎn)換矩陣映射至標(biāo)準(zhǔn)腦模板。
4.根據(jù)權(quán)利要求1或3所述的通用智能自動化讀片方法，其特征在于，所述步驟S4中，重采樣分辨率至1×1×1mm3。
5.根據(jù)權(quán)利要求1所述的通用智能自動化讀片方法，其特征在于，所述步驟S5采用SPM軟件自帶的Segmentation算法完成。
6.根據(jù)權(quán)利要求1所述的通用智能自動化讀片方法，其特征在于，還包括如下步驟：
步驟S8，在一組訓(xùn)練集上比較步驟S7中得到的異常信號值的體素數(shù)量與多名神經(jīng)科醫(yī)生手動得出的異常信號值的體素數(shù)量，并進(jìn)行擬合。
7.根據(jù)權(quán)利要求1、3或5所述的通用智能自動化讀片方法，其特征在于，所述步驟S4和步驟S6中還包括對映射結(jié)果逐一檢查的過程，以確保映射結(jié)果正確。
8.根據(jù)權(quán)利要求1或2所述的通用智能自動化讀片方法，其特征在于，所述檢測影像包括如下任一種或任多種：
CT影像；
MRI影像。