1.一种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；其中，所述变换矩阵为GT为所述位移且GT＝tan(α)×Voxz×(n-1)/Voxx，α是机架倾斜

的角度，Voxz是各个切片间的距离，n是切片在整个扫描序列中的序号，Voxx是XY平面的像素间距；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；

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；

其中mean是灰度均值，variance是灰度方差，entropy是图像熵，energy是图像平均能量，N为感兴趣区域中的像素个数，xi为感兴趣区域内第i个像素的灰度，为感兴趣区域的平均灰度，pj为感兴趣区域内灰度为j出现的概率或频率。

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Th1并位于[40Hu，95Hu]之间的像素个数Num1，距所述颅骨的距离d大于20、且CT值大于Th1+10并位于[55Hu，95Hu]之间的像素个数Num2；若Num1+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。

9.一种CT图像的处理方法，包括以下步骤：

对头部CT图像进行预处理；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；其中，所述变换矩阵为GT为所述位移且GT＝tan(α)×Voxz×(n-1)/Voxx，α是机架倾斜

的角度，Voxz是各个切片间的距离，n是切片在整个扫描序列中的序号，Voxx是XY平面的像素间距；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；

对头部CT图像进行脑组织分割；

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。

10.根据权利要求9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。

11.根据权利要求9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；

其中mean是灰度均

值，variance是灰度方差，entropy是图像熵，energy是图像平均能量，N为感兴趣区域中的像素个数，xi为感兴趣区域内第i个像素的灰度，为感兴趣区域的平均灰度，pj为感兴趣区域内灰度为j出现的概率或频率。

12.根据权利要求9所述的CT图像的处理方法，其特征在于，所述对头部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。

13.根据权利要求9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。

14.根据权利要求9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Th1并位于[40Hu，95Hu]之间的像素个数Num1，以及距所述颅骨的距离d大于20、且CT值大于Th1+10并位于[55Hu，95Hu]之间的像素个数Num2；若Num1+Num2＞40，判定所述感兴趣区域有异常信号。