1.一种基于深度学习的医疗康复训练系统，包括数据收集模块、训练管理模块和设备管理模块，其特征在于：所述数据收集模块用于收集患者的骨折诊断数据及治疗数据，收集患者骨折处的愈合情况和患者康复训练的视觉图像，所述训练管理模块用于根据患者的病情及治疗情况为患者制定个性化的康复训练方案，评价患者的康复训练方案是否符合患者的身体状态，并根据患者的身体状态进行调节，所述设备管理模块用于在调整康复训练方案时，根据康复训练方案调整辅助设备的运行模式，所述数据收集模块、训练管理模块和设备管理模块相互电连接；

所述康复训练方案制定模块包括病情分析子模块、模型训练子模块和方案制定子模块，所述病情分析子模块用于分析患者损伤处肌肉组织的受损程度及各受损肌肉组织之间的关系，所述模型训练子模块用于训练方案分析模型，根据方案分析模型制定康复训练方案并进行优化，所述方案制定子模块用于根据分析结果为患者初步制定康复训练方案；

所述训练评价模块包括训练质量检测子模块、训练预警子模块和训练方案调整子模块，所述训练质量检测子模块用于实时监测患者在康复训练过程中的各项指标是否符合要求，所述训练预警子模块用于分析患者在康复训练过程中身体状态特征，根据分析结果发出告警叫停患者的康复训练，所述训练方案调整子模块用于分析患者的损伤愈合情况和身体特征，根据分析结果调整康复训练方案。

2.根据权利要求1所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述数据收集模块包括患者病情综合数据录入模块、数据采集模块和传感器模块，所述患者病情综合数据录入模块用于将患者的病情综合信息录入系统，所述数据采集模块用于实时收集患者的病情的愈合情况，所述传感器模块用于采集患者康复训练过程中的视觉图像。

3.根据权利要求2所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述训练管理模块包括康复训练方案制定模块，所述康复训练方案制定模块用于分析患者的病情数据及治疗数据，根据分析结果制定个性化康复训练方案。

4.根据权利要求3所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述训练管理模块还包括训练评价模块，所述训练评价模块用于分析患者在做康复训练时，训练是否达标，并根据患者的康复情况调整患者的康复训练方案。

5.根据权利要求4所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述设备管理模块包括智能调整模块和数据村塾模块，所述智能调整模块用于调整康复训练辅助设备的运行模式，所述数据存储模块用于将患者的历史康复训练数据和康复训练方案进行存储。

6.根据权利要求5所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述医疗康复训练系统的运行方法主要包括以下步骤：

步骤S1：通过患者病情综合数据录入模块，将患者的骨折诊断数据和身体特征数据录入系统，通过数据采集模块，实时收集患者在康复训练过程中骨折处的愈合情况和每次锻炼的时长，通过传感器模块，实时收集患者的身体特征参数和患者训练过程视觉图像；

步骤S2：当患者完成手术后，系统启动康复训练方案制定模块，开始分析患者的病情详细数据，根据分析结果为患者制定第一方案；

步骤S3：在患者进行康复训练时，系统启动训练评价模块，开始分析患者的康复训练各项指标是否达标，根据分析结果发出告警提醒患者停止康复训练，并根据患者的愈合情况进一步调整训练方案；

步骤S4：在患者进行康复训练时，系统根据训练方案实时调整辅助训练设备的工作模式，并将患者的康复训练数据进行记录。

7.根据权利要求6所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述步骤S2进一步包括以下步骤：

步骤S21：获取医院数据库中历史患者骨折诊断数据及对应的医生指导康复训练记录，对数据进行预处理，剔除数据中重复、残缺和错误的数据，将预处理后的数据作为样本数据，利用样本数据训练方案分析模型，调取测试样本及对应的医生指导方案，利用方案分析模型分析测试样本对应的模型推荐方案，对比医生指导方案，若模型推荐方案与医生指导方案的相似度大于系统设定阈值，则选取模型推荐方案作为第一方案，反之则对方案分析模型进行优化；

步骤S22：获取患者的骨折诊断数据，识别患者的骨折位置，调取数据库中对应的人体结构模型，根据患者骨折位置锚定患者骨折位置周围的肌肉群，识别肌肉群中受损肌肉线条的数量，根据受损肌肉群的位置及受损肌肉线条的数量，调取数据库中对应的肌肉收缩训练周期及对应的次数作为第二方案，获取第一方案，计算第一方案与第二方案中的肌肉收缩训练周期及对应次数的差值，若差值小于最小阈值，则将第一方案作为目标方案，若差值大于最小阈值且小于最大阈值，则将第一第二方案进行加权融合，得到第三方案作为目标方案，反之则系统继续检测。

8.根据权利要求7所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述步骤S3进一步包括以下步骤：

步骤S31：调取患者的体重和骨架特征，根据患者的体重和骨架特征，调取数据库中对应的影响患者肌肉伸缩训练模型大小的影响系数α和β；

步骤S32：调取患者在康复训练时的视觉图像，锚定患者骨折位置的视觉图像，调取与患者骨折位置对应的三维扫描数据，识别三维点云中的点数据，根据三维点云中的点数据构建患者骨折位置的三维模型，将构建的三维模型与数据库中的模型进行重叠对比，建立坐标系，分别识别两模型中各特征节点的坐标，通过距离公式分别计算构建三维模型和数据库中模型对应节点与原点的距离L步骤S33：根据设定的周期，周期性截取图像，扫描并识别患者骨折处所在躯体的边缘特征节点，锚定边缘特征节点和转动关节在图像中的位置，并对边缘特征节点和转动关节所在像素点进行标记，将周期内的所有图像进行重叠融合，识别像素点中的标记，若像素点中存在标记，则保留该像素点，反之则将该像素点剔除，将所有边缘特征节点与转动关节进行连接，识别转动角的大小θ

9.根据权利要求8所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述步骤S33进一步包括以下步骤：

步骤S331：识别患者骨折位置周围肌肉纤维的连接数量，根据肌肉纤维的链接数量，调取数据库中对应的肌肉纤维的拉伸力F

步骤S332：调取患者的骨折处骨骼愈合数据，识别患者的骨骼愈合度，根据患者的骨骼愈合度调取数据库中对应的对骨骼密度承受拉伸力的影响系数η，若愈合度大于最大阈值，则调取该用户的骨骼密度，根据骨骼密度调取数据库中对应的可承受肌肉纤维的拉伸力G，通过公式计算关节转动角度的影响系数

10.根据权利要求9所述的一种基于深度学习的医疗康复训练系统，其特征在于：所述步骤S4中在患者进行康复训练的过程中，系统实时记录患者的训练时长，若患者训练时长大于阈值时，则通过手环提醒患者进行休息，反之则继续检测，在患者开始康复训练时，调取系统为患者规划的康复训练方案，根据康复训练方案中的关节转动角度和转动速度对设备进行调节。