1.一种基于深度学习获取主动脉图像的系统，其特征在于，包括：数据库装置、深度学习装置、数据提取装置和主动脉获取装置；
所述数据库装置，用于生成主动脉层的切片数据库与非主动脉层的切片数据库；
所述深度学习装置，与所述数据库装置连接，用于对主动脉层的切片数据和非主动脉层的切片数据进行深度学习，获取深度学习模型，通过所述深度学习模型对特征数据进行分析，获得主动脉数据；
所述数据提取装置，用于提取待处理的CT序列图像或CT序列图像的三维数据的所述特征数据；
主动脉获取装置，与所述数据提取装置、所述深度学习装置连接，用于根据所述深度学习模型、所述特征数据从所述CT序列图像中获取主动脉图像；
与所述数据库装置、所述数据提取装置连接的CT存储装置，用于获取CT序列图像的三维数据；
所述数据库装置包括：图像处理结构、主动脉层的切片数据存储结构，非主动脉层的切片数据存储结构，所述主动脉层的切片数据存储结构、所述非主动脉层的切片数据存储结构、所述CT存储装置均与所述图像处理结构连接；
所述图像处理结构，用于从所述CT图像上去除肺部、降主动脉、脊椎、肋骨后，获取新图像；
所述主动脉层的切片数据存储结构，用于从所述新图像上获取主动脉层的切片数据；
所述非主动脉层的切片数据存储结构，用于从所述新图像上获取除去所述主动脉层的切片数据存储结构内的切片的剩余的切片数据，即为非主动脉层的切片数据；
所述图像处理结构包括：灰度直方图单元、灰度体积获取单元、去除肺部组织单元、心脏重心提取单元、脊椎重心提取单元、降主动脉图像提取单元、新图像获取单元；
所述灰度直方图单元，与所述CT存储装置连接，用于绘制每组所述CT序列图像的灰度直方图；
所述灰度体积获取单元，与所述灰度直方图结构连接，用于沿着所述灰度直方图的终点M至原点O方向，依次获取M点至M‑1点，M点至M‑2点，直至获取到M点至O点的各灰度值区域的体积；获取各灰度值区域的体积与M点至O点的总区域的体积占比V；
所述去除肺部组织单元，与所述灰度体积获取单元连接，用于根据医学知识以及CT图像成像原理，设置肺部灰度阈值Q肺；如果所述灰度直方图中的灰度值小于Q肺，则去除灰度值对应的图像，得到去除肺部组织的第一图像；
所述心脏重心提取单元，与所述灰度体积获取单元、所述去除肺部组织单元连接，用于获取心脏重心P2，如果V＝b，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述第一图像上，获取心脏区域三维图像，拾取所述心脏区域三维图像的物理重心P2，其中，b表示常数，0.2＜b＜1；
所述脊椎重心提取单元，与所述CT存储装置、所述心脏重心提取单元连接，用于获取脊椎重心P1，如果V＝a，则拾取所述灰度值区域对应的起始点，将所述起始点投射到所述CT序列图像上，获取骨头区域三维图像，拾取所述骨头区域三维图像的物理重心P1，其中，a表示常数，0＜a＜0.2；
所述降主动脉图像提取单元，与所述心脏重心提取结构、所述脊椎重心提取结构、所述去除肺部组织单元连接，用于根据所述心脏重心和所述脊椎重心获取每组CT序列图像的降主动脉图像；
所述新图像获取单元，与所述降主动脉图像提取单元、所述去除肺部组织单元、所述主动脉层的切片数据存储结构、所述非主动脉层的切片数据存储结构连接，用于从所述CT图像上去除肺部、降主动脉、脊椎、肋骨，获取新图像；
所述降主动脉区域划定单元包括：平均灰度值获取模块、分层切片模块、二值化处理模块；
所述平均灰度值获取模块，与所述去除肺部组织单元、灰度直方图结构连接，用于获取所述第一图像内的灰度值大于所述降主动脉灰度阈值Q降的像素点PO，计算所述像素点PO的平均灰度值
所述分层切片模块，与所述平均灰度值获取模块、所述去除肺部组织单元连接，用于从所述第一图像的底层开始分层切片，得到第一二维切片图像组；
二值化处理模块，与所述分层切片模块、灰度直方图结构连接，用于根据
对切片图像进行二值化处理，去除所述第一图像中的杂质点，
得到二值化图像，其中，k为正整数，Qk表示第k个像素点PO对应的灰度值，P(k)表示第k个像素点PO对应的像素值；
所述降主动脉区域划定单元还包括：粗略获取模块和精确获取模块；
所述粗略获取模块，与所述二值化处理模块连接，用于设置所述降主动脉至所述心脏边缘构成的圆的半径阈值为r阈，根据所述降主动脉与所述心脏的距离小于所述脊椎与所述心脏的距离，获取所述脊椎的大致区域与所述降主动脉的大致区域；
所述精确获取模块，与所述粗略获取模块连接，用于根据所述降主动脉的大致区域，去除误差像素点，即为所述降主动脉对应的圆；
所述数据提取装置包括：连通域结构和特征数据获取结构；
所述连通域结构，与所述新图像获取单元连接，用于从所述新图像获取单元内获取待处理的所述CT图像的多幅二值化图像；
所述特征数据获取结构，与所述连通域结构连接，用于从顶层开始，依次获取每幅所述二值化图像的连通域，以及连通域对应的拟圆圆心Ck、面积Sk、拟圆半径Rk，以及相邻两层圆心之间的距离Ck‑C(k‑1)，每层切片的圆心Ck距离所述顶层C1圆心的距离Ck‑C1，以及所述像素点在所述层像素大于0，且所述像素点在上一层像素等于0的全部的像素的面积Mk和过滤面积Hk，其中，k表示第k层切片，k≥1；Ck、Sk、Rk、Ck‑C(k‑1)、Ck‑C1、Mk、Hk即为特征数据；
所述特征数据获取结构内部设置数据处理单元，以及分别与所述数据处理单元连接的圆心获取单元、面积获取单元、半径获取单元；
所述数据处理单元，用于采用霍夫检测算法，从顶层开始，依次检测3层切片，从每层所述切片内各获得1个圆心和1个半径，分别形成3个圆；从3个所述圆心中去除偏离较大的点，获得降主动脉种子点P1；获取所述种子点P1所在层的连通域A1；获取连通域A1的重心作为拟圆圆心C1，获取连通域A1的面积S1以及拟圆半径R1；以所述C1为种子点，获取所述种子点P1所在层的连通域A2；对所述连通域A1进行膨胀，得到膨胀区域D1，从所述连通域A2内去除与所述膨胀区域D1重叠的部分，得到连通域A2’；设置连通域的体积阈值V阈，如果连通域A2’的体积V2＜V阈，去除与上一层圆心C1距离过大的点，则获取过滤面积Hk，所述连通域A2’的重心作为拟圆圆心C2，获取连通域A2的面积S2以及拟圆半径R2；重复所述连通域A2的方法，依次获取每幅所述二值化图像的连通域，以及连通域对应的拟圆圆心Ck、面积Sk、拟圆半径Rk，以及相邻两层圆心之间的距离Ck‑C(k‑1)，每层切片的圆心Ck距离所述顶层C1圆心的距离Ck‑C1；
所述圆心获取单元，用于存储拟圆圆心C1、C2...Ck...；
面积获取单元，用于存储面积S1、S2...Sk...，以及过滤面积H1、H2...Hk...；
半径获取单元，用于存储拟圆半径R1、R2...Rk...。
2.根据权利要求1所述的基于深度学习获取主动脉图像的系统，其特征在于，所述主动脉获取装置包括：梯度边缘结构和主动脉图像获取结构；
所述梯度边缘结构，与所述深度学习装置连接，用于膨胀所主动脉数据；
将膨胀后的所述主动脉数据与CT原图像数据相乘，并计算每个像素点的梯度，得到梯度数据；根据所述梯度数据，提取梯度边缘；从所述膨胀后的主动脉数据中减去所述梯度边缘；
所述主动脉图像获取结构，与所述新图像获取单元、所述梯度边缘结构连接，用于根据所述拟圆圆心生成种子点列表；根据所述种子点列表提取连通区域，获得主动脉图像。