1.一種基于深度學習的眼底圖像處理方法，其特征在于，包括以下步驟：
首先眼底圖像預處理，對眼底圖像進行區(qū)域的分割提取；
然后對分割提取得到的區(qū)域圖像進行重采樣；
對重采樣的區(qū)域圖像進行數(shù)據(jù)擴充；
采用深度學習方法識別區(qū)域圖像特征。
2.根據(jù)權(quán)利要求1所述的基于深度學習的眼底圖像處理方法，其特征在于，所述眼底圖像預處理還包括計算整個眼底圖像區(qū)域顏色平均值，眼底圖像任意像素減去該平均值顏色。
3.根據(jù)權(quán)利要求2所述的基于深度學習的眼底圖像處理方法，其特征在于，所述區(qū)域包括視盤區(qū)域、視杯區(qū)域、視乳頭周圍萎縮區(qū)域和血管區(qū)域。
4.根據(jù)權(quán)利要求1所述的基于深度學習的眼底圖像處理方法，其特征在于，所述重采樣包括將區(qū)域圖像生成小面片和剪裁區(qū)域圖像。
5.根據(jù)權(quán)利要求1所述的基于深度學習的眼底圖像處理方法，其特征在于，所述數(shù)據(jù)擴充包括區(qū)域圖像縮放、區(qū)域圖像旋轉(zhuǎn)、區(qū)域圖像傾斜和/或區(qū)域圖像對比度的調(diào)節(jié)。
6.根據(jù)權(quán)利要求1所述的基于深度學習的眼底圖像處理方法，其特征在于，所述采用深度學習方法識別區(qū)域圖像特征包括區(qū)域圖像特征訓練和區(qū)域圖像特征的識別。
7.根據(jù)權(quán)利要求6所述的基于深度學習的眼底圖像處理方法，其特征在于，所述深度學習方法為卷積神經(jīng)網(wǎng)絡方法。
8.一種基于深度學習的眼底圖像處理裝置，其特征在于，包括：
眼底圖像預處理模塊，所述用于對眼底圖像進行預處理，對眼底圖像進行區(qū)域的分割提?。?/p>
重采樣模塊，所述重采樣模塊用于對分割提取得到的區(qū)域圖像進行重采樣；
數(shù)據(jù)擴充模塊，所述數(shù)據(jù)擴充模塊對重采樣的區(qū)域圖像進行數(shù)據(jù)擴充；以及
區(qū)域圖像特征識別模塊，所述區(qū)域圖像特征識別模塊用于采用深度學習方法識別區(qū)域圖像特征。
9.一種基于深度學習的眼底圖像處理系統(tǒng)，其特征在于，包括眼底圖像輸入裝置，所述眼底圖像輸入裝置與權(quán)利要求8所述眼底圖像處理裝置連接，所述眼底圖像處理裝置與結(jié)果輸出裝置連接。