1.一种数据分析方法，其特征在于，该方法包括：预处理步骤：在接收到N个全脑影像数据组时，对所述N个全脑影像数据组中的每个全脑影像数据执行预处理操作，得到N个全脑基础数据组；其中，N是大于或等于2的正整数，且每个所述全脑影像数据组包括若干个全脑影像数据；结构网络连接矩阵构建步骤：重构N个全脑基础数据组中每个全脑基础数据的全脑白质神经纤维束，并计算出每个全脑基础数据的指定指标参数，得到N个全脑白质神经纤维束数据组；根据所述N个全脑白质神经纤维束数据组中的每个全脑白质神经纤维束数据，与预先划分的若干脑区进行配准，并将每个脑区之间的指定指标参数的均值作为脑区之间的结构网络连接度量，计算结构网络连接矩阵，得到N个结构网络连接矩阵组；网络统计分析步骤：对N个结构网络连接矩阵组进行基于网络统计分析，确定组间的网络结构差异，将满足指定条件的网络结构差异所对应的结构网络连接作为特征对象；特征提取步骤：基于所述特征对象，对所述N个结构网络连接矩阵组中的每个结构网络连接矩阵进行特征提取，生成特征值向量，得到N个特征值向量组；模型建立步骤：按照所述N个特征连接值向量组分类，并建立分类模型。
2.如权利要求1所述的数据分析方法，其特征在于，所述预处理步骤中，对所述N个全脑影像数据组中的每个全脑影像数据执行预处理操作，包括：对全脑影像数据进行格式转换，再提取没有梯度加权的图像数据，并对得到的图像数据执行删除非大脑部分的处理；对删除非大脑部分后的图像数据执行涡流矫正，再对涡流矫正后的图像数据执行张量拟合操作，得到弥散张量成像数据并作为全脑基础数据。
3.如权利要求1所述的数据分析方法，其特征在于，所述结构网络连接矩阵构建步骤中，指定指标参数为各向异性分数FA。
4.如权利要求1所述的数据分析方法，其特征在于，所述结构网络连接矩阵构建步骤中，根据FA重构N个全脑基础数据组中每个全脑基础数据的全脑白质神经纤维束时，采用纤维追踪成像方式，具体包括：(1)确定纤维束追踪的起始点x 0 ＝(x 0 ,y 0 ,z 0 )，从而得到起始点x 0 的特征向量，其中，x 0 为FA值大于所设定FA阈值的点；(2)确定当前追踪方向：将当前起始点x 0 的主特征向量v＝(v x ,v y ,v z )作为当前追踪方向；(3)确定纤维追踪轨迹的下一个体素的截取点x＝(x,y,z)，其中，x的坐标具体为：s表示指定的弧长；(4)确定是否满足指定的第一追踪停止条件，若是，则执行步骤(7)；否则执行步骤执行步骤(5)；(5)基于截取点x的弥散张量得到新主特征向量v′，并确定新主特征向量v′的方向后执行步骤(6)；其中，新主特征向量v′的方向为：计算新主特征向量v′与主特征向量v的内积，若内积结果为正，则保持新主特征向量v′的符号，否则，改变新主特征向量v′的符号；(6)确定是否满足指定的第二追踪停止条件，若是，则执行步骤(7)；否则，将截取点x作为当前起始点x 0 ，新主特征向量v′作为当前特征向量v继续执行步骤(2)～(6)；(7)即当前追踪方向上的纤维追踪结束，重新从当前起始点x 0 开始，转换转换x 0 处的主特征向量v的符号，进行逆向追踪(执行步骤(2)～(5))；当两个方向的追踪均已完成，则基于当前起始点x 0 的两个方向的的追踪结果，得到一条纤维坐标链，确定该纤维坐标链的长度是否位于指定的长度范围内，若是，则对该纤维坐标链进行三维曲线插值和平滑，并创建纤维束的属性表；其中，第一追踪停止条件包括：当前起始点x 0 到达全脑图像的边界；或者截取点x上的FA值小于设定FA阈值；第二追踪停止条件为：当前主特征向量v与新主特征向量v′之间的角度大于设定角度阈值。
5.如权利要求1所述的数据分析方法，其特征在于，所述网络统计分析步骤中，对N个结构网络连接矩阵组进行基于网络统计分析，确定组间的网络结构差异，将满足指定条件的网络结构差异所对应的脑区作为特征点包括：将脑区作为网络拓扑节点，脑区之间的结构网络连接度量作为网络拓扑节点之间的关联度量；设置矩阵D，作为网络统计分析的统计模型，其中，矩阵D至少包括三列，分别为：个体标识、组别属性和性别属性；其中，个体标识全部置为1，以表示获取全部的结构网络连接矩阵；通过元素为0和1的一维对比向量来指定单侧t检验中将被检验的假设和将被估计的p值，评估N个结构网络连接矩阵组之间关联度量假设的大小比较结果；基于预置的关联度量阈值，计算得到N个结构网络连接矩阵组中的每个结构网络连接矩阵的稀疏矩阵；基于预置的多从比较次数，将所述N个结构网络连接稀疏矩阵组进行拓扑空间上的聚类和多重比较的非参数统计分析，包括：通过广度搜索和深度搜索对结构网络连接稀疏矩阵进行拓扑空间上的边连接的聚类，得到多个子网络连接体；计算每一个子网络连接体FWER矫正后的p值，进行多次多重比较的排列检验，基于该p值选择一定数量的子网络连接体作为满足指定条件的网络结构差异。
6.如权利要求5所述的数据分析方法，其特征在于，所述基于网络统计分析步骤中，满足指定条件的网络结构差异指：在p值满足指定条件的子网络连接体重选取一定数量的子网络连接体。
7.一种数据分析装置，其特征在于，该装置包括包括预处理模块、结构网络连接矩阵构建模块、特征提取模块和模型建立模块；其中，预处理模块，执行如权利要求1或2所述的预处理步骤，得到N个全脑基础数据组；结构网络连接矩阵构建模块，对所述N个全脑基础数据组执行如权利要求1、3或4所述的结构网络连接矩阵构建步骤，得到N个结构网络连接矩阵组；特征提取模块，以指定的结构网络连接作为特征对象，基于所述特征对象对所述N个结构网络连接矩阵组中的每个结构网络连接矩阵进行特征提取，生成特征值向量，得到N个特征值向量组；模型建立模块，按照所述N个特征值向量组分类，并建立分类模型。
8.如权利要求7所述的数据分析装置，其特征在于，特征提取模块中的指定的结构网络连接基于权利要求1或5中所述的网络统计分析步骤获取得到。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以实现如权利要求1至6任一所述的数据分析方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以实现如权利要求1至6任一所述的数据分析方法。
