1.一种基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，包括：步骤一，采集宫颈癌组织显微图像数据，进行第一阶段聚类；

步骤二，对第一阶段聚类的结果进行骨架化处理，以通过骨架化的节点来近似表示细胞核的分布；

步骤三，将节点进行分离处理，将每一个连通的骨架作为一个区域，进而通过每个区域中的骨架节点构造成最小生成树；

步骤四：根据产生的最小生成树结构图，计算不同的统计值，作为图形特征来表示不同的组织；

步骤五：基于提取图形特征和全局特征，进行第二阶段的聚类。

2.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，在步骤一的第一阶段聚类过程中，采用RGB像素值作为颜色特征，通过应用k-means算法将宫颈组织病理学图像进行初次聚类操作；

其中，将k-means算法中的K值设定为2，且聚类结果通过采用白色代表细胞核区域，黑色代表核以外的区域，进而对细胞核与细胞质、细胞间物质进行区分。

3.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，在步骤一中，还包括通过对Sobel边缘检测、Canny边缘检测、Otsu阈值化、分水岭变换的结果进行融合，以提高聚类效果，并通过采用形态学操作来增加聚类的精度。

4.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，在步骤二中的骨架化处理过程中，需要对骨架化处理中产生的冗余节点进行删除，进而近似表示细胞核的分布。

5.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，在步骤四中，所提取的图形特征被配置为包括每个区域内边长度以及角度的均值、方差、偏度、峰度；

在步骤五中，所提取的全局特征被配置为包括组织的周长，以及每个组织内节点的独立拟合的参数值。

6.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，在步骤五中，所述第二阶段聚类被配置为通过采用k-means算法以实现二次聚类；

其中，二次聚类k-means算法中的k值被配置为3，以通过更详细的聚类结果将组织结构分为三级，有效区分了结构的复杂度以及特殊性，进而预测组织的癌症风险。

7.如权利要求1所述的基于图论的宫颈癌组织病理学显微图像聚类系统，其特征在于，还包括步骤六，通过剪影值对聚类结果进行分析评估；

其中，剪影值轮廓的范围被设置为负1到1，其值越高，则说明采用的聚类方法越合适，其值较低或为负值，则表明聚类太多或太少。