1.一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：首先对从PACS服务器读取的心脏CT图像数据集进行CUDA加速最大密度投影三维重建，接着建立心脏坐标系来提取感兴趣容积以减少诸如胸椎和肋骨等其他高密度区的干扰，接着根据所设计的钙化斑块特征对感兴趣容积内的候选钙化斑块进行检测、分类和量化，最后输出检测结果。

2.如权利要求1所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：包括以下步骤：S1：图像重建：对PACS服务器读取的心脏CT图像数据集进行无失真最大密度投影三维重建，得到完整的心脏图像；

S2：建立心脏坐标系：在图像坐标系的基础上建立心脏坐标系，所述心脏坐标系的X轴、Y轴与Z轴的指向与图像坐标系中的指向相同；所述心脏坐标系的坐标原点为S1步骤中得到的完整的心脏图像中的主动脉与左主干的交点作为心脏坐标系的原点；所述心脏坐标系的X轴和Y轴均有正值或负值，而Z轴只有正值；

S3：钙化斑块特征设计：借助S2步骤中建立的心脏坐标系对将要表征的冠状动脉钙化斑块进行包括基于体素灰度的特征、形状特征、几何特征和纹理特征的钙化斑块特征设计；

S4：分类器设计：选择k-近邻分类器进行冠状动脉钙化斑块的检测分类；

S5：钙化斑块检测、分类与量化：利用S3步骤设计的钙化斑块特征和步骤S4选择的分类器通过四个阶段对冠状动脉钙化斑块进行检测、分类与量化；所述四个阶段包括：第一阶段是根据钙化阈值将可能钙化的区域和非钙化区域区分开来；第二阶段是将CT值大于钙化阈值的体素分类成心脏VOI中的候选钙化斑块和其他高密度对象；第三阶段是对心脏VOI中的候选钙化斑块进行分类，区分出冠状动脉钙化斑块和其他钙化斑块；第四阶段针对检测出的冠状动脉钙化斑块，建立心脏坐标系并在该坐标系内计算包括三个正交平面内的距离和角度特征来区分钙化斑块所处的冠状动脉及其分支。

3.如权利要求2所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：S3步骤中设计的钙化斑块特征的具体特征及描述如下:F1为某体素的灰度值；

F2为候选钙化斑块内所有体素的平均灰度值；

F3为候选钙化斑块内所有体素的最大灰度值；

F4和F5为区分片状结构和长条形结构的形状特征；所述F4由λ1/λ3计算得出，所述F5由λ2/λ3计算得出；其中，λ1，λ2和λ3为候选钙化斑块产生的三个特征向量，且λ1≤λ2≤λ3；

F6–F11为位置特征，其中F6-F8为图像坐标系中某体素的x,y,z坐标；F9-F11为心脏坐标系中某体素的x,y,z坐标；

F12为尺寸特征，表示为心脏CT数据集中候选钙化斑块的体积；

F13-F15为距离特征，分别依次表示心脏坐标系中两个体素在横断面、冠状面和矢状面上的投影之间的距离；

F16-F18为角度特征，分别依次表示心脏坐标系中的横断面角度、冠状面角度和矢状面角度；

F19-F22为纹理特征，分别依次表示对比度、相关性、熵和逆差距。

4.如权利要求3所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：S5步骤中所述四个阶段中不同的阶段利用不同的特征，具体如下：第一阶段只利用F1；第二阶段利用F2、F3、F6、F7、F8和F12；第三阶段利用F2、F3、F4、F5、F12、F19、F20、F21和F22；第四阶段利用F9、F10、F11、F13、F14、F15、F16、F17和F18。

5.如权利要求4所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：所述第二阶段利用的特征分为三种组合G2、G3和G4；所述G2包含F6-F8三个特征，在利用该组特征进行分类时，由用户通过一个类似盒子的向导手工确定该组特征的取值以将心脏VOI中的候选钙化斑块和其他高灰度区分开；所述G3由F2、F3和F12三个特征组成，由系统根据这些特征来自动进行分类；所述G4包含G1和G2中的所有特征，分类过程由手动和自动结合起来进行。

6.如权利要求4所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：所述第三阶段利用的特征分为三种组合G5、G6和G7；所述G5包括F4和F5，通过该组特征对冠状动脉钙化斑块和其他钙化斑块进行分类；所述G6是根据纹理特征F19-F22来进行分类；所述G7是在纹理特征的基础上，再加上体素的灰度特征和尺寸特征进行分类。

7.如权利要求4所述的一种基于心脏CT图像的冠状动脉钙化斑块自动检测方法，其特征在于：所述第四阶段利用的特征分为三种组合G8、G9和G10；所述G8利用心脏坐标系中的6个特征F9-F11和F13-F15来区分冠状动脉钙化斑块所处的冠状动脉及分支；在所述G9中，距离特征F13-F15换成了角度特征F16-F18；所述G10则将心脏坐标系中的坐标值、距离特征和角度特征结合起来进行分类。