1.一种基于颅脑影像数据的目标区域的提取方法，其特征在于，包括：读取待处理的颅脑灌注影像数据；基于所述待处理的颅脑灌注影像数据，计算所述待处理的颅脑灌注影像数据对应的特征图，具体包括：基于所述待处理颅脑灌注影像数据对应的时间密度曲线、动脉输入点和静脉输出点，计算所述待处理颅脑灌注影像数据的中各像素点的最大梯度；基于所述各像素点的最大梯度，获取待处理的颅脑灌注影像数据对应的特征图；基于待处理的颅脑灌注影像数据的对称轴，获得所述特征图的对侧比较图；采用阈值分割法，获取所述对侧比较图的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。
2.如权利要求1所述的方法，其特征在于，所述方法进一步包括：获取所述目标区域的体积，具体包括：利用形态学处理方法，对所述目标区域进行降噪处理；将所述目标区域内的目标像素的体积乘以目标像素的数量，作为所述目标区域的体积。
3.如权利要求1所述的方法，其特征在于，所述读取待处理的颅脑灌注影像数据，之后还包括步骤：以所述待处理的颅脑灌注影像数据中的第一个序列为基准，将所述待处理的颅脑灌注影像数据中的其它序列与所述第一个序列进行配准。
4.如权利要求1或3所述的方法，其特征在于，所述方法还包括预处理步骤，具体包括：采用去骨算法，去除所述待处理颅脑灌注影像数据中的颅骨和线圈，得到第一掩模数据图像；采用GPU加速的保留边缘滤波算法，对所述第一掩模数据图像进行平滑处理，得到第二掩模数据图像；将所述第二掩模数据图像中相同位置像素的最大灰度值进行密度投影，获得第一图像。
5.如权利要求4所述的方法，其特征在于，所述方法进一步包括：基于所述第一图像，通过二值化阈值提取血管，获得第二图像。
6.如权利要求5所述的方法，其特征在于，所述方法进一步包括：基于所述待处理颅脑灌注影像数据对应的时间密度曲线，获得动脉输入点及静脉输出点；将所述动脉输入点及所述静脉输出点在所述第二图像中进行标注，得到第三图像。
7.如权利要求4所述的方法，其特征在于，所述方法进一步包括：基于所述第一掩模数据图像，提取颅脑影像的对称轴。
8.如权利要求1所述的方法，其特征在于，所述基于待处理的颅脑灌注影像数据的对称轴，获得所述特征图的对侧比较图，具体包括：根据所述待处理的颅脑灌注影像数据的对称轴，计算所述特征图中一侧像素点与对侧像素点的比值和/或差值，获得对侧比较图，其中，计算特征图中的CBF和/或CBV中一侧像素点与对侧像素点的比值，获得rCBF和/或rCBV；计算特征图中的MTT和/或Tmax中一侧像素点与对侧像素点的差值，获得rMTT和/或rTmax。
9.如权利要求1所述的方法，其特征在于，所述采用阈值分割法，获取所述对侧比较图的目标区域，具体包括：根据预设阈值，获得所述对侧比较图中的目标区域的梗死像素点。
10.一种基于颅脑影像数据的目标区域的提取系统，包括：获取模块，读取待处理的颅脑灌注影像数据；处理模块，基于所述待处理的颅脑灌注影像数据，计算所述待处理的颅脑灌注影像数据对应的特征图，具体包括：基于所述待处理颅脑灌注影像数据对应的时间密度曲线、动脉输入点和静脉输出点，计算所述待处理颅脑灌注影像数据的中各像素点的最大梯度；基于所述各像素点的最大梯度，获取待处理的颅脑灌注影像数据对应的特征图；基于待处理的颅脑灌注影像数据的对称轴，获得所述特征图的对侧比较图；目标区域模块，采用阈值分割法，获取所述对侧比较图的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。
11.如权利要求10所述的系统，其特征在于，所述系统进一步包括：计算模块，获取所述目标区域的体积，具体包括：利用形态学处理方法，对所述目标区域进行降噪处理；所述目标区域内的目标像素体积乘以目标像素数量，作为目标区域的体积。
12.如权利要求10所述的系统，其特征在于，所述读取待处理的颅脑灌注影像数据，之后还包括步骤：以所述待处理的颅脑灌注影像数据的第一个序列为基准，将所述待处理的颅脑灌注影像数据中的其它数据与所述第一个序列进行配准。
13.如权利要求10或12所述的系统，其特征在于，所述系统还包括预处理模块，具体包括：采用去骨算法，去除所述待处理颅脑灌注影像数据中的颅骨和线圈，得到第一掩模数据图像；采用GPU加速的保留边缘滤波算法，对所述第一掩模数据图像进行平滑处理，得到第二掩模数据图像；将所述第二掩模数据图像中相同位置像素的最大灰度值进行密度投影，获得第一图像。
