一种CT图像的处理系统，其特征在于，包括CT图像获取模块、感兴趣区域估计模块、特征提取模块、异常信号识别模块以及显示模块；所述CT图像获取模块用于获取进行过脑组织分割的头部CT图像；所述感兴趣区域估计模块接收所述头部CT图像，并对所述头部CT图像进行蛛网膜下腔感兴趣区域的估计；所述特征提取模块接收感兴趣区域估计后的头部CT图像，并对所述感兴趣区域估计后的头部CT图像进行特征提取，得到特征值；所述异常信号识别模块接收所述感兴趣区域估计后的头部CT图像和特征值，并采用模式识别的方法，根据所述特征值识别所述感兴趣区域内是否有异常信号，并将识别结果传送给所述显示模块；所述显示模块接收所述识别结果，并将被识别为有异常信号的感兴趣区域进行显示。

2.根据权利要求1所述的CT图像的处理系统，其特征在于，所述感兴趣区域估计模块 包括脑图谱存储模块、图谱配准模块以及形态学膨胀模块；所述脑图谱存储模块用于存储 脑部的概率图谱，所述概率图谱标记有蛛网膜下腔的待处理区域，所述待处理区域包括左 外侧裂池、右外侧裂池、基底池、四叠体和环池、脑纵裂池全长、脑纵裂池前端、脑纵裂池后 端区域；所述图谱配准模块接收所述概率图谱和所述头部CT图像，并将所述概率图谱配准 到头部CT图像上；所述形态学膨胀模块用于对配准后的头部CT图像的感兴趣区域进行形 态学的膨胀操作。

3.根据权利要求2所述的CT图像的处理系统，其特征在于，所述概率图谱是国际脑电 图协会的ICBM_452_T1数字脑图谱。

4.根据权利要求2所述的CT图像的处理系统，其特征在于，所述将所述概率图谱配准 到头部CT图像上，是通过基于图像分割与配准工具包的多分辨B样条配准算法实现配准 的。

5.根据权利要求1所述的CT图像的处理系统，其特征在于，所述特征值包括每个感兴 趣区域在各个所述头部CT图像的切片中的灰度均值、灰度方差、图像熵、以及图像平均能量。

6.根据权利要求1所述的CT图像的处理系统，其特征在于，所述异常信号识别模块包 括相互连接的模式训练模块和模式识别模块，所述模式训练模块存储有经过训练得到的模 型，所述模式识别模块使用所述模式识别的模型，根据所述特征值判别所述头部CT图像的 每个感兴趣区域内是否含有异常信号。

7.根据权利要求1所述的CT图像的处理系统，其特征在于，所述异常信号识别模块还 包括阈值识别模块，用于接收感兴趣区域估计后的头部CT图像，然后在每一个所述感兴趣 区域的颅骨内统计距所述颅骨的距离d为1 < d < 21、且CT值大于切片的灰质CT值Thl并 位于[40Hu，95Hu]之间的像素个数Numl，距所述颅骨的距离d大于20、且CT值大于Thl+10 并位于[55Hu，95Hu]之间的像素个数Num2 ；若Numl+Num2 > 40，则判定所述感兴趣区域有 异常信号。

8.根据权利要求1所述的CT图像的处理系统，其特征在于，所述CT图像获取模块包括 依次连接的输入模块、图像预处理模块、以及脑组织分割模块；所述输入模块用于获取原始的头部CT图像；所述图像预处理模块接收所述原始的头部CT图像，并矫正机架倾斜带来的图像变形， 具体是计算所述原始的头部CT图像的切片间的距离，然后根据所述切片间的距离计算位 移，接着根据位移得到变换矩阵，通过所述变换矩阵矫正机架倾斜，所述图像预处理模块还 用于对矫正了机架倾斜的头部CT图像进行线性插值，所述线性插值采用的间距为薄层扫 描的间距；所述脑组织分割模块接收图像预处理模块处理过的头部CT图像并将脑组织分割出 来，得到进行过脑组织分割的头部CT图像。

9.根据权利要求8所述的CT图像的处理系统，其特征在于，所述脑组织分割模块包括 依次连接的二值化处理模块、形态学腐蚀模块、恢复模块、以及非脑组织去除模块；所述二值化处理模块接收所述图像预处理模块处理过的头部CT图像并采用模糊C-均 值聚类方法进行二值化处理，得到二值化CT图；所述形态学腐蚀模块接收所述二值化CT图并采用形态学腐蚀断开所述二值化CT图中 大脑与其它组织的连接，得到断开CT图；所述恢复模块接收所述断开CT图，并找到所述断开CT图中前景像素的最大连通区域， 然后对所述最大连通区域做形态学膨胀运算以恢复大小，得到膨胀CT图；所述非脑组织去除模块接收所述膨胀CT图，并利用空间相关性去除所述膨胀CT图中 的非脑组织，得到经过脑组织分割后的头部CT图像。

10. 一种CT图像的处理方法，包括以下步骤：对进行过脑组织分割的头部CT图像进行蛛网膜下腔感兴趣区域的估计； 对估计出的所述感兴趣区域进行特征提取，得到特征值； 采用模式识别的方法，根据所述特征值判别所述感兴趣区域内是否有异常信号； 将被判别为有异常信号的感兴趣区域进行显示。

11.根据权利要求10所述的CT图像的处理方法，其特征在于，所述对进行过脑组织分 割的头部CT图像进行蛛网膜下腔感兴趣区域的估计，是采用概率图谱配准的方法进行；具 体是选择脑部的概率图谱后，通过基于图像分割和配准工具包的多分辨B样条配准算法， 将所述概率图谱配准到头部CT图像上，再进行形态学的膨胀操作；所述概率图谱标记有蛛 网膜下腔的待处理区域，包括左外侧裂池、右外侧裂池、基底池、四叠体和环池、脑纵裂池全 长、脑纵裂池前端、脑纵裂池后端区域。

12.根据权利要求10所述的CT图像的处理方法，其特征在于，所述对估计出的所述感 兴趣区域进行特征提取，得到特征值的步骤是计算每个感兴趣区域在各个所述头部CT图 像的切片中的灰度均值、灰度方差、图像熵、以及图像平均能量作为特征值。

13.根据权利要求10所述的CT图像的处理方法，其特征在于，还包括对头部CT图像进 行脑组织分割的步骤，具体包括：采用模糊C-均值聚类方法对头部CT图像进行二值化处理，得到二值化CT图； 采用形态学腐蚀断开所述二值化CT图中大脑与其它组织的连接，得到断开CT图； 找到所述断开CT图中前景像素的最大连通区域，然后对所述最大连通区域做形态学 膨胀运算以恢复大小，得到膨胀CT图；利用空间相关性去除所述膨胀CT图中的非脑组织，得到经过脑组织分割后的头部CT 图像。

14.根据权利要求13所述的CT图像的处理方法，其特征在于，在对头部CT图像进行脑 组织分割的步骤之前，还包括对头部CT图像进行预处理的步骤；所述对头部CT图像进行预处理的步骤包括矫正机架倾斜带来的图像变形，具体是计 算所述头部CT图像的切片间的距离，然后根据所述切片间的距离计算位移，接着根据位移 得到变换矩阵，通过所述变换矩阵矫正机架倾斜；所述对头部CT图像进行预处理的步骤还包括采用薄层扫描的间距，对所述头部CT图 像的切片进行线性插值。

15.根据权利要求10所述的CT图像的处理方法，其特征在于，所述采用模式识别的方 法，根据所述特征值判别所述感兴趣区域内是否有异常信号的步骤，是利用支持向量机模 型，根据所述特征值判别所述头部CT图像的每个感兴趣区域内是否含有异常信号。

16.根据权利要求10所述的CT图像的处理方法，其特征在于，还包括采用基于灰度 阈值的方法判别感兴趣区域内是否有异常信号的步骤；具体是在每一个所述感兴趣区域的 颅骨内统计距所述颅骨的距离d为1 < d < 21、且CT值大于切片的灰质CT值Thl并位于 [40Hu，95Hu]之间的像素个数Numl，以及距所述颅骨的距离d大于20、且CT值大于Thl+10 并位于[55Hu，95Hu]之间的像素个数Num2 ；若Numl+Num2 > 40，判定所述感兴趣区域有异 常信号。