1.一種基于深度學習的spect/ct影像融合方法，其特征在于，包括：
2.如權利要求1所述的基于深度學習的spect/ct影像融合方法，其特征在于：通過所述spect技術，獲取功能性影像數(shù)據(jù)；同時通過所述ct技術，獲取高分辨率的解剖結構影像數(shù)據(jù)。
3.如權利要求2所述的基于深度學習的spect/ct影像融合方法，其特征在于：將spect和ct的影像數(shù)據(jù)進行歸一化處理，統(tǒng)一像素值范圍；
4.如權利要求3所述的基于深度學習的spect/ct影像融合方法，其特征在于：所述構建多模態(tài)深度學習特征提取網(wǎng)絡包括，一個雙流卷積神經網(wǎng)絡，網(wǎng)絡包含兩個獨立的輸入流，分別處理spect和ct影像數(shù)據(jù)，使用深度卷積神經網(wǎng)絡進行異常特征提取和位置檢測；
5.如權利要求4所述的基于深度學習的spect/ct影像融合方法，其特征在于：所述分別提取spect和ct影像的特征包括，通過所述雙流卷積神經網(wǎng)絡的兩個獨立的通道，分別對spect和ct影像數(shù)據(jù)進行異常特征進行檢測，輸出兩張異常特征位置圖和，分別為spect和ct影像中檢測到的異常位置；
6.如權利要求5所述的基于深度學習的spect/ct影像融合方法，其特征在于：所述融合策略包括，通過前端界面的交互選擇，用戶能夠選擇融合策略；
7.?如權利要求6所述的基于深度學習的spect/ct影像融合方法，其特征在于：所述策略一具體包括，使用邊緣檢測算法提取ct影像的解剖結構?輪廓，對ct影像的結構輪廓進行復制，根據(jù)spect與ct的映射關系，將提取到的ct結構輪廓映射到spect影像?中，形成相應的輪廓標記；
8.一種采用如權利要求1-7任一所述方法的基于深度學習的spect/ct影像融合系統(tǒng)，其特征在于：
9.一種計算機設備，包括：存儲器和處理器；所述存儲器存儲有計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)基于深度學習的spect/ct影像融合方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)基于深度學習的spect/ct影像融合方法的步驟。