1.基于深度学习的医学图像处理装置，其特征在于：包括图像处理装置本体(1)，所述图像处理装置本体(1)的底部安装有第一防护机构(2)，所述图像处理装置本体(1)的顶部安装有第二防护机构(3)；

所述第二防护机构(3)由两个防护板(31)组成，两个所述防护板(31)的底部均与图像处理装置本体(1)铰接，所述防护板(31)包含有两个夹板(311)，两个所述夹板(311)相对的一侧开设有卡槽(312)，两个所述夹板(311)之间设置有橡胶圈(313)，所述橡胶圈(313)的顶部与底部分别延伸至两个卡槽(312)的内并与卡槽(312)的内壁卡接；

所述图像处理装置本体(1)上设置有数据采集接口(4)，所述数据采集接口(4)安装于两个夹板(311)之间，导线远离数据采集接口(4)的一端贯穿橡胶圈(313)与夹板(311)并与图像处理装置本体(1)连接；

所述图像处理装置本体(1)包含：

图像接收模块(11)，用于与数据采集接口(4)连接，接收源图像数据；

图像预处理模块(12)，用于对上述源图像数据进行解压、复原与增强的处理，获得特征明显，轮廓清晰的处理图像；

图像标记模块(13)，用于对上述医学处理图像的特征部位与边缘处进行颜色标记，突出重要特征与学习点；

图像输出模块(14)，用于对图像数据进行上传显示学习。

2.根据权利要求1所述的基于深度学习的医学图像处理装置，其特征在于：所述第一防护机构(2)包含有支撑板(21)，所述支撑板(21)的底部设置有连接有接触板(22)，两个所述接触板(22)之间固定连接有两个连接杆(23)，两个所述连接杆(23)上均铰接有四个铰接杆(24)，所述八个铰接杆(24)的另一端与支撑板(21)活动连接，所述支撑板(21)上固定连接有弹簧(25)，所述弹簧(25)的另一端与铰接杆(24)连接，所述支撑板(21)上一体成型有两个卡条(26)，两个所述卡条(26)分别与两个接触板(22)卡接。

3.根据权利要求1所述的基于深度学习的医学图像处理装置，其特征在于：所述图像处理装置本体(1)还包含有现有图库集(15)，所述现有图库集(15)用于保存现有图像数据以及用于保存正在采集标记的图像数据，完成对数据库的更新。

4.根据权利要求1所述的基于深度学习的医学图像处理装置，其特征在于：所述图像标记模块(13)包含有图像抓取单元(131)与伪彩色处理单元(132)；所述图像抓取单元(131)用于对源图像数据进行图像分割和特征提取，抓取图像中学习重点特征区域；所述伪彩色处理单元(132)用于对抓取的图像中学习重点特征区域及特征区域的边缘处进行染色标记。

5.根据权利要求1所述的基于深度学习的医学图像处理装置，其特征在于：所述图像标记模块(13)还包含有对比单元(133)，所述对比单元(133)用于对比特征区域颜色与标记颜色，使用不重复标记颜色，增强标记效果。

6.根据权利要求1所述的基于深度学习的医学图像处理装置，其特征在于：所述图像预处理模块(12)包含以下处理方式：灰度等级直方图处理，用于图像在某一灰度范围内有更好的对比度；

干扰抑制处理，通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；

边缘锐化处理，通过高通滤波或差分运算，使图形的轮廓线增强。

7.根据权利要求6所述的基于深度学习的医学图像处理装置，其特征在于：所述图像预处理模块(12)的处理算法包含：基于高斯模型建立检测模型；

通过Canny算子对图像边缘进行检测，算法如下：

θ＝arctan(Gy/Gx)；

其中Gx为检测模型中水平方向分量，Gy为检测模型中竖直方向分量，用于图像预处理模块(12)以及图像抓取单元(131)对图像处理时的数据支撑。

8.根据权利要求1所述的基于深度学习的医学图像处理装置中的方法，其特征在于：包含以下步骤：步骤一、将两个防护板(31)展开，将数据采集接口(4)连带导线从两个夹板(311)之间的橡胶圈(313)内抽出；

步骤二、将数据采集接口(4)与采集设备进行对接，通过图像接收模块(11)接收采集设备上传的源图像数据；

步骤三、图像预处理模块(12)接收上述源图像数据后，对源图像数据进行灰度等级直方图处理、干扰抑制处理、边缘锐化处理中一种及一种以上处理方式，得到清晰图像数据；

步骤四、通过图像标记模块(13)对上述清晰图像数据中的特征部位进行抓取并标记，形成标记图像数据；

步骤五、将所得到的标记图像数据、清晰图像数据与源图像数据共同存储至现有图库集(15)内进行保存；

步骤六、深度学习医学图像时，从现有图库集(15)内提取所需观看图像数据进行显示，完成深度学习。

9.根据权利要求8所述的基于深度学习的医学图像处理方法，其特征在于：所述步骤二中的采集设备可为数码相机、扫描仪、摄像头或各种可采集人体图像数据的医疗器械。

10.根据权利要求8所述的基于深度学习的医学图像处理方法，其特征在于：所述步骤一中，当两个防护板(31)闭合后，两个夹板(311)与橡胶圈(313)构成防护层，对位于两个夹板(311)之间的导线以及防护板(31)底部的图像处理装置本体(1)防护，所述第一防护机构(2)用于对图像处理装置本体(1)的支撑与减震，并对图像处理装置本体(1)的底部防护。