技术特征：
1.一种基于人工智能的上颌窦底骨质分类方法，其特征在于，包括以下步骤：s1.采集患者上颌窦底骨质信息和临床既有骨质分类信息，并对患者上颌窦底骨质信息进行降噪、归一、统计处理；s2. 对处理后的患者上颌窦底骨质信息进行特征提取；s3. 对样本数据训练机器学习模型，并对样本数据进行分类，获得上颌窦底骨质分类模型；其中，所述样本数据训练方法具体包括以下子步骤：s301. 将锥形束ct计算机断层扫描信息和临床既有骨质分类信息的数据关键特征向量化，转化为高维度空间中的特征点；s302. 将关键特征的向量作为向量支撑描述域算法的输入，对算法进行训练；s303. 利用高斯核函数对关键特征的向量进行评估，并将属于某一类的最远向量距离设定为该类的临界距离；所述样本数据分类方法包括以下子步骤：s304. 将待分类的患者锥形束ct计算机断层扫描信息和临床既有骨质分类信息的数据关键特征向量化，转化为高维度空间中的特征点；s305. 利用待分类的数据向量与待判定类别的临界距离之间的度量距离进行判断：当待分类向量与待判定类别的距离小于待判定类别的临界距离时，则该待判定患者的骨质特征属于当前待判定的特征；当待分类向量与待判定类别的距离大于待判定类别的临界距离，则该待判定患者的骨质特征不属于当前待判定的特征，继续判断待判定患者是否属于下一类别的骨质特征。2.根据权利要求1所述的一种基于人工智能的上颌窦底骨质分类方法，其特征在于，所述待判定类别的临界距离为该类的最远向量距离。3.根据权利要求1所述的一种基于人工智能的上颌窦底骨质分类方法，其特征在于，所述对采集患者上颌窦底骨质信息进行降噪、归一、统计处理包括：通过数据降噪模块对影像采集模块采集的数据进行降噪和数据归一化处理和通过类别标注模块寻找与骨质既有分类类别对应的患者上颌窦底骨质信息，并对骨质形态进行统计。4.根据权利要求1所述的一种基于人工智能的上颌窦底骨质分类方法，其特征在于，所述骨质形态统计包括：统计上颌窦底骨皮质、牙槽突中央骨松质、牙槽嵴顶骨皮质、上颌腭黏膜及上颌窦侧壁的灰度变化，术区剩余骨高度，骨松质中骨小梁占比，牙槽嵴顶骨质和上颌窦底骨质厚度，牙槽嵴顶皮质骨、上颌窦底皮质骨和骨松质的密度。5.根据权利要求1所述的一种基于人工智能的上颌窦底骨质分类方法，其特征在于，所述临床既有骨质分类信息包括均质型骨质信息、3 层型骨质信息和不规则型骨质信息。6.一种基于人工智能的上颌窦底骨质分类系统，其特征在于，包括：数据采集单元，所述数据采集单元包括用于对患者上颌窦底骨质的锥形束ct计算机断层扫描进行信息读取的影像采集模块和采集临床既有骨质分类信息的分类类别数据采集模块；数据标注单元，所述数据标注单元包括用于医师对目标种植区域骨组织进行手动标注的手动标注模块和对医师手动进行标注的标注数据进行储存的标注储存模块；数据训练单元，所述数据训练单元包括对患者上颌窦底骨质特征进行提取的数据运输
模块和将标注完毕的标注数据与骨质分类类别数据建立映射的映射运算模块；数据自动分类单元，所述数据自动分类单元包括计算患者上颌窦底骨质特征值的特征值计算模块和计算特征值与骨质分类类别的特征的匹配分析模块。7.根据权利要求6所述的一种基于人工智能的上颌窦底骨质分类系统，其特征在于，还包括数据预处理单元，所述数据预处理单元包括对影像采集模块采集的数据进行降噪和数据归一化处理的数据降噪模块和寻找与骨质既有分类类别对应的类别标注模块。8.根据权利要求6所述的一种基于人工智能的上颌窦底骨质分类系统，其特征在于，还包括骨质形态统计单元，所述骨质形态统计单元用于对数据采集单元采集的影像数据、临床数据进行形态统计，得到统计信息交由数据训练单元进行交互，实现对数据训练单元的数据供给。9.根据权利要求8述的一种基于人工智能的上颌窦底骨质分类系统，其特征在于，所述统计信息包括上颌窦底骨皮质、牙槽突中央骨松质、牙槽嵴顶骨皮质、上颌腭黏膜及上颌窦侧壁的灰度变化，术区剩余骨高度，骨松质中骨小梁占比，牙槽嵴顶骨质和上颌窦底骨质厚度，牙槽嵴顶皮质骨、上颌窦底皮质骨和骨松质的密度。10.根据权利要求6所述的一种基于人工智能的上颌窦底骨质分类系统，其特征在于，所述临床既有骨质分类信息包括均质型骨质信息、3 层型骨质信息和不规则型骨质信息。