1.一种基于深度学习的智慧医疗系统，其特征在于，包括智能摄像头、智能穿戴设备、血糖血压测试医疗箱和上位机、数据服务器。智能穿戴设备、智能摄像头、上位机与数据服务器通信连接。用户穿戴智能穿戴设备并在室内个房间安装智能摄像头同时保持与数据服务器的连接。当用户出现摔倒、晕倒等异常情况时，智能穿戴设备将记录用户的惯性数值，当惯性数值异常时智能摄像头使用融合预测分析算法判断用当前是否为非正常状态，并将报警信息传到医院的上位机中。用户使用血糖血压测试医疗箱子将血糖血压数据上传至服务器，通过上位机远程就医，数据服务器通过利用二级级联神经网络算法网分析医学图像并为医生提供辅助诊断。

2.根据权利要求1所述的一种基于深度学习的智慧医疗系统，其特征在于，所述的智能摄像头，为一种具有识别能力的网络摄像头，采用融合预测分析算法能准确判断用户是否出现晕倒、摔倒等突发状况。

3.根据权利要求1所述的一种基于深度学习的智慧医疗系统，其特征在于，所述的智能穿戴设备，为一种具有记录心电图数据的智能手环，其具有记录心电图数据并上传至数据服务器的功能。

4.根据权利要求1所述的一种基于深度学习的智慧医疗系统，其特征在于，所述的血糖血压测试医疗箱，为与数据服务器连接通信的血糖血压测试器。

5.根据权利要求1所述的一种基于深度学习的智慧医疗系统，其特征在于，所述的上位机，包括PC端、智能移动终端，智能移动终端可以采用智能手机，可在进行远程就医问诊。

6.根据权利要求1所述的一种基于深度学习的智慧医疗系统，其特征在于，所述的数据服务器，存储病例数据，与每个用户心电图与血糖血压数据，搭载优化的二级级联神经网络算法，可对医学图像进行检测识别并为医生提供辅助诊断。

7.一种基于基于深度学习的智慧医疗系统，其特征在于，包括如下步骤：

1)用户佩戴智能穿戴设备就来心电图数据，并室内环境下每个房间安装智能摄像头，摄像头只有在智能设备传出异常的惯性数据才打开采集图像。智能穿戴设备、智能摄像头与数据服务器连接，确保数据能上传至服务器

2)用户使用血糖血压测试医疗箱子将血糖血压数据上传至服务器，作为医生诊断与慢性病监控的依旧。

3)数据服务器中存入大量的病理数据和医学图像数据集用于实现智能诊断；

4)当用户出现摔倒或晕倒等状况时，智能穿戴设备SMA与SMV值传入数据库服务器中的同时也将SMA与SMV传入智能摄像头，摄像头读到了当钱SMA与SMV的值判断若数值异常摄像头开启采集图像，通过复合检测算法再次判断用户状态若为真则将信息传入数据库服务器，服务器将报警信息传入医院客户端，此时医生得到警报可以快速做出救治反应；

5)用户使用上位机客户端远程就医时，数据服务器通过优化的二级联神经网络算法将医学图像内容进行分类并将最后的诊断与用户的血糖血压值一同传到医院客户端供医生参考诊断。

8.根据权利要求7所述的一种基于深度学习的智慧医疗系统，其特征在于，步骤2)，所述的融合预测分析算法，是利用智能穿戴设备上的六轴传感器得到的惯性数据与智能摄像头采集的图像进行二次判定。首先通过六轴传感器得到三个方向的加速度数据通过计算得到SMA与SMV的值，若SMA与SMV的数值超过预设的正常值并且SMA与SMV的增量突然骤增时，智能摄像头开始采集图片并使复合检测算法判定使用者是否出现摔倒或者晕倒的情况。SMA与SMV的计算公式如下：

上述公式(1)中智慧问诊系统，acc_X、acc_Y、acc_Z分别为三个方向的某一时刻的加速度值，i为当前采集的次数。

复合检测算法主要结构如下：

1)制作数据集

利用数据集中的表框信息截取数据集中的目标图像等到一个新的图像，对新的图像进行福利也变换得到新的数据集。

2)训练

将新老数据集一同输入到SSD网络中进行训练。

3)预测

首先将图像输入到SSD网络中进行预测等到预测框和预测分类分数；

其次使用上一步产生的预测框裁剪输入图像得到一个新的图像智慧问诊系统，将新的图像进行傅里叶变换后放入SSD，此次只进行二分类不产生预测框，得到最终的分类分数；

最后在将每个分类前后两次的分类分数相加，得到最终分数，将分数最高的结果作为预测结果。

9.根据权利要求7所述的一种基于深度学习的智慧医疗系统，其特征在于，步骤4)，所述的优化的二级级联神经网络算法，是利用U-Net对肿瘤进行图形分割，再利用-50对分割出来的肿瘤部分进行分类。