1.一种基于头颅CT影像的核心梗死体积的测量方法，其特征在于，包括：将待处理的多帧二维头颅CT影像数据输入到预先训练得到的梗死识别模型中；所述梗死识别模型是利用人工标记的样本的影像特征训练得到，所述影像特征包括灰度信息、相邻像素点的灰度信息、梯度信息以及相邻像素点的梯度信息；通过所述梗死识别模型识别所述头颅CT影像数据，获得所述头颅CT影像数据的梗死概率；基于所述头颅CT影像数据的梗死概率，测量核心梗死体积；所述基于所述头颅CT影像数据的梗死概率，测量核心梗死体积，具体包括：基于所述头颅CT影像数据的梗死概率，统计发生梗死的像素点的个数；根据CT影像的像素点间距、CT影像的层厚及所述发生梗死的像素点的个数，确定发生脑梗死的核心梗死体积；所述基于所述头颅CT影像数据的梗死概率，统计发生梗死的像素点，进一步包括：通过神经网络确定所述发生梗死的像素点所属的目标区域；利用区域联通的去噪方法对所述目标区域中所述发生梗死的像素点中孤立的梗死像素点进行校正；确定所述目标区域中发生梗死的像素点的个数，其中，所述目标区域是用于测量核心梗死体积的区域；所述通过所述梗死识别模型识别所述头颅CT影像数据，获得所述头颅CT影像数据的梗死概率，具体包括：梗死识别模型提取所述头颅CT影像数据的特征，输出所述头颅CT影像数据中各像素点的梗死概率。
2.如权利要求1所述的方法，其特征在于，所述将待处理的多帧头颅CT影像数据输入到预先训练得到的梗死判断模型中，该步骤前，还包括：收集用于训练梗死模型的样本；对所述收集的样本进行人工标记，获得人工标记的样本；利用监督学习的方式进行训练，获得梗死识别模型。
3.一种基于头颅CT影像的核心梗死体积的测量系统，其特征在于，包括：输入模块，用于将待处理的二维头颅CT影像数据输入到梗死识别模型；所述梗死识别模型是利用人工标记的样本的影像特征训练得到，所述影像特征包括灰度信息、相邻像素点的灰度信息、梯度信息以及相邻像素点的梯度信息；梗死识别模块，对所述头颅CT影像数据进行梗死判断；测量模块，基于所述头颅CT影像数据的梗死判断结果，测量核心梗死体积；所述对所述头颅CT影像数据进行梗死判断，具体包括：将待处理的多帧头颅CT影像数据输入到预先训练得到的梗死识别模型中；通过所述梗死识别模型识别所述头颅CT影像数据，获得所述头颅CT影像数据的梗死概率；基于所述头颅CT影像数据的梗死概率，测量核心梗死体积；所述基于所述头颅CT影像数据的梗死概率，测量核心梗死体积，具体包括：基于所述头颅CT影像数据的梗死概率，统计发生梗死的像素点的个数；根据CT影像的像素点间距、CT影像的层厚及所述发生梗死的像素点的个数，确定发生脑梗死的核心梗死体积；所述基于所述头颅CT影像数据的梗死概率，统计发生梗死的像素点，进一步包括：通过神经网络确定所述发生梗死的像素点所属的目标区域；利用区域联通的去噪方法对所述目标区域中所述发生梗死的像素点中孤立的梗死像素点进行校正；确定所述目标区域中发生梗死的像素点的个数，其中，所述目标区域是用于测量核心梗死体积的区域；所述通过所述梗死识别模型识别所述头颅CT影像数据，获得所述头颅CT影像数据的梗死概率，具体包括：梗死识别模型提取所述头颅CT影像数据的特征，输出所述头颅CT影像数据中各像素点的梗死概率。
4.如权利要求3所述的系统，其特征在于，所述将待处理的多帧头颅CT影像数据输入到预先训练得到的梗死判断模型中，该步骤前，还包括：收集用于训练梗死模型的样本；对所述收集的样本进行人工标记，获得人工标记的样本；利用监督学习的方式进行训练，获得梗死识别模型。
