CN108962380A - 判读脑部影像的装置和方法及提供脑部状态信息的装置 - Google Patents

Abstract

本公开一方面涉及判读脑部影像的装置和方法及提供脑部状态信息的装置。公开了一种用于判读脑部的放射线影像的电子装置，其中脑部具理想脑中线及最大脑宽度，且包含判读单元。判读单元用以分析放射线影像，以判断脑部是否有脑中线偏移，其中放射线影像包含分别具多个像素的多个像素列、各像素具像素坐标值、且判读单元具像素权重模块、比对模块、以及计算模块。像素权重模块根据各像素列的各像素的一灰阶值及各像素的像素坐标值计算，以得到各像素列的权重像素坐标值；比对模块决定一组特定像素列的各权重像素坐标值，并自所有权重像素坐标值中找出与理想脑中线的相应坐标值间的最大偏移量；以及计算模块根据最大偏移量及最大脑宽度来决定偏移率。

Description

判读脑部影像的装置和方法及提供脑部状态信息的装置

技术领域

本发明涉及一种用于判读一脑部的一放射线影像的一电子装置及判读一脑部的一放射线影像的方法，尤指一种用于提供一脑部的一状态的相关信息的电子装置。

背景技术

研究显示，头部外伤或称创伤性脑损伤(traumatic brain injury,TBI)，至今仍是四十岁以下群众的最大宗死亡原因之一，全世界每年歌计有超过一千万人遭逢其害，脑部外伤的致死率与残废率相当高。

计算机断层扫描(Computed Tomography,CT)对于脑部异常的评估是不可缺少的，特别是急性的处置，例如创伤性脑损伤(Traumatic Brain Injury,TBI)以及自发性的脑内出血(Intracerebral Hemorrhage,ICH)，及时提供适当的护理是至关重要的，而快速且正确的脑部CT影像的判读则是是否能达成更好的神经系统损伤的预知的第一关键步骤。占位性病变(例如血肿，肿瘤，脓肿等)可导致局部或全身脑转移，其次是疝气(herniation)，颅内变化压力(Changes in Intracranial Pressure,ICP)，脑干压迫和死亡。由于人脑是大至上对称的结构，因此脑中线在解剖学上的观察，或称为中线偏移(midline shift,MLS)，则成为预测ICP增加的便利特征。虽然视觉的观察与手动的MLS测量对于有经验的放射科医师、神经放射学家、神经外科医师、和神经科医师而言已经变成标准与例行性的任务，然而精确的CT判读可能对于其他医护照护者而言却是一大挑战。急诊医师通常是参与管理病患的TBI和自发性ICH的第一个人，但是他们对脑部CT判读的可靠性常常被质疑。经由先进的计算机科技，我们相信计算机辅助诊断具有潜力来改善专家或非专家判读脑部CT影像的精确性以及处理速度。

传统的脑中线偏移的程度测量大多是医师以人工的方式在脑部的CT影像上测量，医师目视来找出脑室间孔(foramen of Monro)FOM1的位置，脑室间孔的透明中隔(septumpellucidum)SP1被视为通过真实脑中线的部分，如同图1A所示，图1A为习知藉由人工方式找出脑部CT影像的脑中线偏移量的示意图。在图1A中，通过该透明中隔SP1的头颅内宽度(Intracranial Width)以a表示，而该透明中隔SP1到头盖骨SKU1的内侧的距离以b表示，则脑中线偏移的偏移量为(a/2)-b。

另一种脑中线偏移的测量则是先找出理想脑中线(IML)，再找出该透明中隔SP1的位置，然后便可找出脑中线偏移的偏移量。请参阅图1B，其为习知藉由另一人工方式找出脑部CT影像的脑中线偏移量的示意图。在图1B中，脑鎌的最前端点P1与脑鎌的最末端点P2所连成的一直线为理想脑中线IML1，通过该透明中隔SP1且与该理想脑中线IML1平行绘制一虚线，则便可得知是此虚线到该理想脑中线IML1之间的垂直距离即为该脑中线偏移的偏移量c。

发明内容

上述习知的脑中线偏移的判读大都是藉由医师以人工方式来测量，若脑部CT的影像不是底片而是电子文件时，对于脑中线偏移的辅助判读，顶多医师只能用手动的方式让计算机软件在影像上标示尺寸大小，无法以全自动的方式找出脑中线偏移的偏移量。此外，因为传统的脑部CT影像的判读带有高度的主观性，不同地区、接受过不同训练、经验不同的医师所判断出来的结果往往有一些落差，因此对于头部外伤关键因素的判读的标准化也是必须考虑的因素之一。

另外，硬脑膜下的血肿、血块、肿瘤，脓肿、疝气等也会造成左脑或右脑的挤压，而造成脑中线偏移，使得颅内变化压力，脑干压迫等。因此能全自动化且精确地根据脑部CT影像来判读是否有血块，以及血块大小，便有帮助于预诊断病症。

有鉴于上述，期待有一种电子装置能以自动化、以及学习的方式来判读脑部CT影像，以获得脑中线偏移信息，以及是否有血块、血块大小的信息，这些辅助的信息再由医师问诊后，来综合判断病患的病情状况。

此外，在医疗设备不足的偏乡地区，或专业医师不足够的地方，期待有一种电子装置能判读脑部CT影像，也能远程同时提供脑部的状态的脑中线偏移与血块的相关信息给专业医师，以使专业医师也能在远程指导当地的医护适当地做出紧急处置。

从2015年1月到2015年3月的期间，陆续有50个病患在脑神经外科手术的服务下被送到台大医院新竹分院的加护病房(ICU)。其中的7个病患由于无法从PACS的数据库中获取到他们的脑部CT影像，因此被排除在此研究之外。剩下的43个病患中有29个男性以及14个女性，他们的年龄范围在13～93岁。脑部创伤是24个病患被送到ICU的主因，其他19个病患则是非脑部外伤的因素被送到ICU。脑部创伤的19个病患中，3个病患并未呈现颅内出血的现象，但其中的一个病患具有头盖骨折，另一个有脑部肿块，再另外一个有硬脑膜外的脓肿。43个病患的主要诊断列于下列表1。

表1

脑部肿块以及硬脑膜外的脓肿由于对于人类专家而言，难以测量其理想脑中线或颅内宽度，因此在稍后的研究中被排除。

本发明收集每一个病患的第一次未强化的脑部CT(包含了急诊或住院后)来研究，并提取含有5毫米的系列轴向影像。共有11套CT影像在医院外的7间进行。原始的DICOM影像设置为脑部的窗口(Hounsfield中心40，宽80)并下载到个人计算机作为JPEG(8位灰阶)格式文件，每个影像包含512x 512像素。该视野(FOV)范围为20.8至28.7(平均值：24.6±1.5)cm，导致可变分辨率为每像素0.41～0.56(平均值：0.48±0.03)mm(等于DICOM 3.0中的“像素间距”参数)。

本发明的电子装置藉由学习来判读该脑室间孔以及该透明中隔的位置，再利用脑部CT影像的灰阶值与脑部结构的密实关系，赋予脑部CT影像中的每一像素一权重值，而可藉由一特定的算法自动找出每一像素列的权重像素，再将该些权重像素的点描绘而连成线，形成一权重脑中线，位在该脑室间孔或该透明中隔附近的该权重脑中线与该理想脑中线的最大距离即为脑中线偏移的偏移量。

不同的偏移量对于不同年龄、性别、种族都具有不同程度的影响，对于脑部体积较小的儿童而言，偏移量稍有变动就比脑部体积较大的成人影响较多，本发明可自动找出脑中线偏移的偏移量，并可找出最大脑宽度而求得偏移率，此偏移率可以统一化地且更准确地来评估脑部变形量的程度，不会因脑部体积的大小差异而有所不同。

本发明藉由一简易型的CT与一电子装置，在医疗设备与医师都不足的偏远地区，简易型的CT扫描病患的脑部而得到脑部CT影像，该电子装置判读该脑部CT影像而可提供脑部的状态的信息，其包含脑中线偏移信息与血块信息，在远程的专业医师根据该些信息来判断病患的病情状况，以使专业医师也能在远程指导当地的医护适当地做出紧急处置。

本案之主要目的在于提供一种用于判读一脑部的一放射线影像的一电子装置，其中该脑部具一理想脑中线及一最大脑宽度，包含一判读单元，用以分析该放射线影像，以判断该脑部是否有一脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具多个像素、各该像素具一像素坐标值、且该判读单元具:一像素权重模块、一比对模块、以及一计算模块。该像素权重模块根据各该像素列的各该像素的一灰阶值及各该像素的一像素坐标值来计算，以得到各该像素列的一权重像素坐标值。该比对模块决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的一相应坐标值间的一最大偏移量。该计算模块根据该最大偏移量及该最大脑宽度来决定一偏移率。

本案之又一主要目的在于提供一种用于判读一脑部的一放射线影像的方法，其中该脑部具一理想脑中线及一最大脑宽度，该方法包含分析该放射线影像，以判断该脑部是否有一脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具多个像素、各该像素具一像素坐标值；根据各该像素列的各该像素的一灰阶值及各该像素坐标值来计算，以得到各该像素列的一权重像素坐标值；决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的一相应坐标值间的一最大偏移量；以及根据该最大偏移量及该最大脑宽度来决定一偏移率。

本案之又一主要目的在于提供一种用于提供一脑部的一状态的相关信息的电子装置，包含：一读取单元、一第一判读单元、一第二判读单元、以及一输出单元。该读取单元用以读取代表该状态的一放射线影像；该第一判读单元，用以分析该放射线影像，以提供有关该脑部的一脑中线偏移信息；该第二判读单元用以分析该放射线影像，以提供有关该脑部的一血块信息；以及该输出单元，用以输出该脑中线偏移信息及该血块信息以供判断该状态。

为了让本发明之上述目的、特征、和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

图1A：其显示习知藉由人工方式找出脑部CT影像的脑中线偏移量的示意图。

图1B：其显示习知藉由另一人工方式找出脑部CT影像的脑中线偏移量的示意图。

图2A：其显示一依据本发明构想之较佳实施例的自动判读脑部的放射线影像的示意图。

图2B：其显示一依据本发明构想之较佳实施例的自动判读脑部的放射线影像的示意图。

图2C：其显示一依据本发明构想之较佳实施例的自动判读脑部的放射线影像的示意图。

图3：其显示一依据本发明构想之较佳实施例的用于判读一脑部的一放射线影像的一电子装置。

图4：其显示一依据本发明较佳实施例的用于判读脑部的放射线影像的方法。

图5：其显示一依据本发明较佳实施例的判读脑部放射线影像的流程图。

图6：其显示一依据本发明构想之较佳实施例的用于提供一脑部的一状态的相关信息的电子装置的示意图。

图7：其显示一依据本发明构想之较佳实施例的判读系统的示意图。

图8：其显示一依据本发明构想之较佳实施例的自动判读治疗或处置的优先级的示意图。

具体实施方式

本发明提供下列较佳实施例来说明本发明的精神，为了更简洁表述本发明而省略了部分组件，而在各实施例之间可互相组合形成新的实施例，且在较佳实施例中的具体形状、结构、装置以及参数值并非用来限制本创作，凡熟知此技艺者当可做出更动或润饰，其皆在本发明的范围内。

图2A、2B、2C是显示一依据本发明构想之较佳实施例的自动判读脑部的放射线影像的示意图，其分别为三个不同病患的俯视的脑部的放射线影像的示意图。本发明所谓的自动是指只需将脑部的CT影像放入预定的设备或文件夹中，计算机便会先自动筛选影像、再自动更正影像、最后自动判读影像并输出结果。请同时参阅图3，其为依据本发明构想之较佳实施例的用于判读一脑部102,122,142的一放射线影像10,12,14的一电子装置20。在图2A、2B以及2C中，其中该脑部102,122,142具一理想脑中线IML2A,IML2B,IML2C及一最大脑宽度ICWmax1,ICWmax2,ICWmax3，该电子装置20包含一判读单元22，用以分析该放射线影像10,12,14，以判断该脑部102,122,142是否有一脑中线偏移，其中该放射线影像10,12,14包含多个像素列Rjn、各该像素列具多个像素Pij、各该像素Pij具一像素坐标值xij、且该判读单元22具有一像素权重模块221、一比对模块222、以及一计算模块223。该像素权重模块221根据各该像素列Rjn的各该像素Pij的一灰阶值gij及各该像素Pij的一像素坐标值xij来计算，以得到各该像素列Rjn的一权重像素坐标值m(xj)(例如m(xj1),m(xj2)等)。该比对模块222决定该多个像素列Rjn中的一组特定像素列Sjm的各该权重像素坐标值lm(xj)(例如lm(xj1),lm(xj2)等)，并自所有该权重像素坐标值m(xj)中找出与该理想脑中线IML2A,IML2B,IML2C的一相应坐标值I1,I2,I3间的一最大偏移量OFS1,OFS2,OFS3。该计算模223组根据该最大偏移量OFS1,OFS2,OFS3及该最大脑宽度ICWmax1,ICWmax2,ICWmax3，来决定一偏移率ROF1,ROF2,ROF3。

承上，该偏移率ROF1,ROF2,ROF3分别为该最大偏移量OFS1,OFS2,OFS3除以该最大脑宽度ICWmax1,ICWmax2,ICWmax3，即各偏移率等于

ROF1＝(OFS1/ICWmax1)

ROF2＝(OFS2/ICWmax2)

ROF3＝(OFS3/ICWmax3)。

当偏移率大于某一临界值时，则判读单元22判定脑中线偏移，临界值的选定需考虑到预估准确率以及预估误判率等问题，请容后文详述说明。此偏移率可以统一化地且更准确地来评估脑部变形量的程度，不会因脑部体积的大小差异而有所不同。需特别说明的是，这里所指的像素列是在头盖骨SKU2A,SKU2B,SKU2C内部的颅内区域Reg1,Reg2,Reg3的像素列，判读单元22经由学习不同病患的脑部放射线影像后会自动辨识出此区域。

在图2A、2B、2C中，两条横的虚线所夹的区域代表脑室间孔FOM1,FOM2,FOM3所在的区域，而垂直的虚线代表理想脑中线IML2A,IML2B,IML2C。若脑部放射线影像10,12,14顺时针或逆时针转90度，则同样的方法可用在像素行，而可找出每一像素行的权重坐标值，最大偏移量以及偏移率等数值。

在图2A、2B、2C与图3中，该放射线影像为计算机断层扫描(CT)的放射线影像，一开始，该电子装置会根据一第一选片准则以及一校正准则来对该放射线影像进行该脑中线偏移的判读，以获得该最大偏移量，从而判断该脑部是否有该脑中线偏移。该第一选片准则以及脑室间隔的形状与位置、理想脑中线、影像的自动分类等等，则是该电子装置20藉由学习多个脑部放射线影像而可获知，例如该第一选片准则可将即使专业医师也难以判断是否脑中线偏移的脑部放射线影像剔除，且可自动分类脑部俯视图或侧示图等，主要还是依据俯视图来判读脑中线是否偏移，当然俯视图也分成不同的旋转角度，该电子装置20的判读单元22可学习后自动将其分类以利判断。

图2A-2C中的箭头所指的脑室间孔FOM2A,FOM2B,FOM2C可藉由该判读单元22学习多个脑部放射线影像而能够知道其位置与型态，因此可以自动化获得，无需医师人工判断来找到。该校正准则包括找出该理想脑中线与一权重脑中线WML2A,WML2B,WML2C。该理想脑中线IML2A,IML2B,IML2C,是一脑镰(falx)的最前面的点P2A,P2B,P2C与与一脑部质心MC2A,MC2B,MC2C的点所连成的一直线。脑部质心MC2A,MC2B,MC2C与权重脑中线如何自动化求得，请容后文说明。

关于脑部质心MC2A,MC2B,MC2C的坐标的计算，该判读单元22会根据各头盖骨SKUL2A,SKUL2B,SKUL2C内部的颅内区域Reg1,Reg2,Reg3，该些颅内区域Reg1,Reg2,Reg3中的每一像素列中的多个坐标值加总后平均而得到每一像素列中的一第一平均坐标值，各该第一平均坐标值所代表的点便可绘制成铅直方向上的线，且该此颅内区域Reg1,Reg2,Reg3中的每一像素行中的多个坐标值加总后平均而得到每一像素行中的一第二平均坐标值，各该第二平均坐标值所代表的点便可绘制成水平方向上的线，最后水平方向上的线与铅直方向上的线所交叉的点即为脑部质心MC2A,MC2B,MC2C的点，而其脑部质心MC2A,MC2B,MC2C的坐标便可得知。

权重脑中线WML2A,WML2B,WML2C是各该放射线影像10,12,14中每一像素列Rjn的一权重像素坐标值m(xj)的点所连成的一描绘线。一般而言，计算机断层扫描是以X光放射线照射检测的部位，然后在底片上呈现灰阶的影像，当检测的部位较为密实的时候，X光放射线较不易通过，因而在底片上呈现较白的颜色(光线不易透过而呈现较暗之处为黑色，但底片为负片，会呈现较白的颜色)，就人的脑部结构而言，大脑分成相对较密实的左右脑部分与中间较稀疏而含有液体的脑室间孔FOM1,FOM2,FOM3，因此较稀疏而含有液体的脑室间孔FOM1,FOM2,FOM3的颜色会比较黑。据此，可利用该像素的颜色来赋予不同的权重值，颜色愈黑代表愈稀疏，且该权重值愈大。

当像素Pij的颜色愈黑时，其灰阶值愈小，则权重值愈大，反之亦然。负数指数型函数刚好可符合灰阶值愈小权重值愈大的特性，例如w(xij)＝e^-αgij---式(1)，其中w(xij)代表像素Pij在像素坐标值xij处的权重坐标值，gij代表像素Pij在像素坐标值xij处的灰阶值，α为一常数。较佳为正的常数，其他函数符合此特性者亦可使用而不在此限。

在图2A、2B、2C中，为了找出该权重脑中线WML2A,WML2B,WML2C，藉由一算法可计算出原本最黑的像素是向左偏或是向右偏，例如该像素权重模块221将相对应的像素列Rjn中的每一像素Pij的一权重值w(xij)乘以其像素坐标值xij后加总而得到一第一数值，并将相对应的像素列Rjn中的每一像素Pij的该权重值xij加总而得到一第二数值，并将该第一数值除以该第二数值而得到各该权重像素坐标值m(xj)。然后根据各该权重像素坐标值m(xj)描绘出每一列的权重像素坐标值m(xj)的点，并将这些点连起来而形成该权重脑中线。以较能理解此算法的方式来举例，例如像素坐标值xij从左到右数值从1开始逐渐增加，若最黑的像素的坐标在正中间偏左的位置，则该第一数值会比较小，这是相较于最黑的像素的坐标在正中间的位置而言。反之，若最黑的像素的坐标在正中间偏右的位置，则该第一数值会比较大。

上述算法的具体算式如右式(2)：

其中l_i与r_i分别代表第i列的最左边与最右边的一边界值。当该权重像素的x坐标m(x_j)的数值愈大时，其代表在该像素列Rjn中的该权重像素的位置愈偏向右边，当该权重像素的x坐标m(x_j)的数值愈小时，其代表在该像素列中的权重像素的位置愈偏向左边。如此一来，将每个权重像素的点连起来，就形成了权重脑中线，且权重脑中线WML2A,WML2B,WML2C,上的每个点的坐标值都可计算出来。

本发明的电子装置可为个人计算机、行动装置、云端服务器等，或可运行上述算法的装置。例如个人计算机配备了Intel Core i7-6800 3.4GHz CPU以及64GB memory，其处理方式是从输入完整的原始的脑部放射线影像，直到各该权重脑中线WML2A,WML2B,WML2C被显示在屏幕上。可藉由计算机断层扫描仪CT1扫描病患A,B,C后数字化，再经由一第一界面IF1而由该电子装置20接收如图2A,2B,2C的脑部放射线影像10,12,14。或是该电子装置藉由一第二界面IF2向一医疗影像储存系统PACS1的数据库获取脑部放射线影像10,12,14。其中该第一界面IF1包含串流传输接口，例如USB的传输接口、RS232的传输接口、SCSI传输接口、SATA传输接口。或是并行端口的传输接口、无线网络传输接口的至少其中之一。该第二界面IF2可为局域网络接口、行动网络接口的至少其中之一。

下列表2是三位专业医师对于评估是否有脑中线偏移的判断与其准确率，表3则是电子装置20经由人工校正与自动更正后，而判断是否有脑中线偏移的结果。以三位专业医师对41张脑部放射线影像第一次判读时来打分数，分别以偏移量大于0.5公分以及0.38公分为临界值，以作为预测是否有脑中线偏移的判断，若专业医师评估为有脑中线偏移，则给1分，若评估为有无脑中线偏移，则给0分。所有三位专业医师的评分加总所得到的总分在0～3的范围，其总分在2或3则当作真实有脑中线偏移，表2及表3中的第一列代表预测有脑中线偏移以及没有中线偏移的病患数量，第一行则代表真实有脑中线偏移与没有脑中线偏移的病患数量。

表2

医师1_临界值0.5cm

准确率＝正确预测的数量/总数＝(12+26)/(12+3+26)＝92.68％

医师2_临界值0.5cm

准确率＝正确预测的数量/总数＝(10+26)/(10+5+26)＝87.80％

医师3_临界值0.5cm

准确率＝正确预测的数量/总数＝(11+26)/(11+4+26)＝90.24％

医师1_临界值0.38cm

准确率＝正确预测的数量/总数＝(15+25)/41＝97.56％

医师2_临界值0.38cm

准确率＝正确预测的数量/总数＝(13+24)/41＝90.24％

医师3_临界值0.38cm

准确率＝正确预测的数量/总数＝(14+25)/41＝95.12％

从表2可知，各专业医师预测脑中线偏移的准确率＝正确预测的数量/总数＝(预测有脑中线偏移且真实有脑中线偏移的数量)/总数。三位专业医师在以0.5cm的脑中线的偏移量作为临界值时，其预测准确率在87.80％～90.24％，而在以0.38cm的脑中线的偏移量作为临界值时，其预测准确率提升到90.24％～97.56％。下列表3则是由电子装置20来判读脑中线偏移，脑部放射线影像的转向、调整、或剔除分成手动调整与自动调整。表3

临界值0.5cm 偏移率＝偏移量/最大脑宽度＝3.80％

临界值0.38cm 偏移率＝偏移量/最大脑宽度＝2.90％

最大脑宽度设为13.1cm，从表3中可知，在手动调整中的预测有MLS且真实有MLS的百分率为12/(12+3)＝80％；预测没有MLS且真实没有MLS的百分率为24/(2+24)＝92.3％；预测有MLS且真实没有MLS的百分率为2/(2+24)＝7.7％；预测没有MLS且真实有MLS的百分率为3/(12+3)＝20％，上述的前两者称为准确率，而后两者称为误报率。其于可类推得知各百分率。

需注意的是，若预测没有MLS且真实有MLS时，则情况较为严重，在影响的程度上可能会延误病患的救治的时机，因此，将临界值调整设为0.38cm后，而可改善预测没有MLS且真实有MLS时的误报率，如同表3所示，手动调整的误报率从20.0％降至6.7％，自动调整的误报率从40.0％降至20.0％。

再从表2与表3来比较，电子装置20判读脑中线偏移的准确率已经接近专业医师判读脑中线偏移的准确率，故本发明自动判读脑中线偏移的算法确实能够逼近、甚至超越专业医师的判读预测，且深具产业利用性。

请参阅图4，其为本发明较佳实施例用于判读脑部的放射线影像的方法，其中该脑部具理想脑中线及最大脑宽度，该方法包含步骤S101：分析一放射线影像，以判断一脑部是否有一脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具多个像素、各该像素具一像素坐标值。步骤S102：根据各该像素列的各该像素的一灰阶值及各该像素坐标值来计算，以得到各该像素列的一权重像素坐标值。步骤S103：决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与一理想脑中线的一相应坐标值间的一最大偏移量。步骤S104：根据该最大偏移量及一最大脑宽度来决定一偏移率。

请参阅图5，其为本发明较佳实施例判读脑部放射线影像的流程图。MLS评估与血块侦测可同时进行，也可先进行其中一项后再进行另一项，依照电子装置20的运算能力而定，或是可将脑部放射线影像转成电子文件后复制到两个不同的电子装置20来并行处理，以加快处理速度。

首先，在步骤S201中，电子装置20具有一读取单元以读取脑部放射线影像，该读取单元例如为扫描机，将底片转成数字数据以储存或传送，有些CT设备在扫描时可直接将底片转成电子文件。在步骤S202中，判读单元对所读取的脑部放射线影像进行MLS评估。在步骤S204中，判读单元22经由学习多个脑部基准图像后，来过滤或选片，以确认待判读的脑部放射线影像是否符合第一选片准则，例如学习脑部各个俯视图或侧式图的基准图像后，而可过滤掉非俯视的脑部放射线影像，其中学习该脑部俯视基准图像是根据一卷积神经网络算法。若符合第一选片准则，则进入步骤S214，将其剔除。且若脑部俯视图的放射线影像已经被顺时针或逆时针旋转后，也可被自动更正，如同步骤S206。在经过步骤S206的自动校正后，流程进入步骤S212，像素权重模块221、比对模块222、以及计算模块223会依序进行权重MLS的评估，如同前面所提到的图3、图4、式(1)、以及式(2)的相关内容所记载。最后，在步骤S216中，该电子装置20更包含一输出单元，以输出判读的结果，并提供相关的脑中线偏移的信息，以供专业医师对病患的病情做诊断。

电子装置20亦可在进行是否有脑中线偏移的判读之后，继续进行是否有血块的判读。在步骤S203中，判读单元22进行是否有血块的侦测。在步骤S205中，判读单元22经由学习脑部基准图像后，来过滤或选片，以确认待判读的脑部放射线影像是否符合一第二选片准则，例如学习在基准图像中的颅内的哪个位置、以及哪种形态是血块，此种学习型的血块侦测也是利用卷积神经网络算法。同样地，若符合该第二选片准则，则流程进入步骤S207，若否，则流程进入步骤S215，将其剔除。。在步骤S207中，因待判读的脑部放射线影像是针对血块，影像中的杂点对于血块的判读结果影响较大，需将其过滤去除。且不同的脑部放射线影像的缩放尺寸、像素分辨率也需做正规化，以在统一标准的条件下来判读多个不同的脑部放射线影像。在步骤S213中，判读单元22在训练阶段依据卷积神经网络算法来学习判读脑部放射线影像中的血块后，待判读的脑部放射线影像可由判读单元22判断是否在影像中有血块，若有，则进入步骤S217，进行血块体积的计算，然后进入步骤S219，输出结果。若无，则进入步骤S221，再次判断是否有小血块，若无小血块，则输出无血块现象的信息以供专业医师来诊断。若有小血块，则流程同样进入到步骤S217，以进行小血块的体积的计算，并在步骤S219中输出这些信息以供专业医师来对病患的病情做诊断。

图5中的脑中线偏移信息与血块信息可由电子装置20自动生成而产生报告，这两者的信息对于病患的病情的诊断较为重要，一般而言，放射线医师都需要自行手动键入来完成报告，本发明较佳实施例则可完成全自动化，从判读到生成信息、做成报告，而可减少专业医师的处理时间。

请参阅图6，其为本发明较佳实施例用于提供一脑部的一状态的相关信息的电子装置30的示意图。该电子装置30包含一读取单元300、一第一判读单元301、一第二判读单元302、以及一输出单元303。该读取单元300用以读取代表该状态的一放射线影像31。该第一判读单元301用以分析该放射线影像31，以提供有关该脑部的一脑中线偏移信息321。该第二判读单元302用以分析该放射线影像31，以提供有关该脑部的一血块信息322。该输出单元303用以输出该脑中线偏移信息321及该血块信息322以供判断该状态。

在图6中，该读取单元300包括扫描该放射线影像的一扫描机；该输出单元303包括打印该脑中线偏移信息321和该血块信息322的一报告32的一打印机。通常在脑部受到重击的外伤时，会产生头皮血肿(血块)，头骨骨折，硬脑膜外血肿等，这些撞击侧的变化，只会出现在撞击的那边。我们无法想象撞击到右边的头部，造成左边头皮破裂，或是头皮血肿。我们也不能想象，用铁棒敲头的右边，却造成左边头骨骨折。同样的道理，硬脑膜外血肿也是发生在撞击侧，因为其多半是伴随头骨骨折发生的。反作用力所发生的脑挫伤跟硬脑膜下血肿多半在撞击对侧，但是并不是百分之百在对侧。这点跟弯曲病变(Coupe lesion)一定在撞击侧有点不同。有可能是因为反作用力是来回震荡。而受重击所产生的血肿或血块的挤压会造成脑中线偏移，本发明能同时将两者的信息同时放在同一个报告中，让专业医师能做出综合判断。

请参阅图7，其为本发明较佳实施例判读系统40的示意图。请同时参阅图6与图7，该电子装置30配置以与一云端服务器41、一放射线摄影设备42、以及一医疗影像储传系统(PACS)43的至少其中之一通讯，该云端服务器41具有一第一人工智能辅助判断单元411，在图6中的该第一判读单元301可为该第一人工智能辅助判断单元411，该第二判读单元302可为该第二人工智能辅助判断单元304。该放射线摄影设备42对一待检测体摄影以产生该放射线影像31，其中该放射线摄影设备42为计算机断层扫描(CT)设备，在偏远医疗资源不足的地方，则可使用简易型的CT设备。该PACS 43储存与传收该放射线影像31，并可生成放射科医师所需的报告。电子装置30可整合至该放射线射影设备42中而形成整合型放射线射影设备44，其可包含第三人工智能辅助判断单元441，与该第二人工智能辅助判断单元304相同地，亦可判读病患是否有脑中线偏移、或是有血块的现象。

若是电子装置30的运算能力不够或无法处理，则该电子装置可发送关于该脑中线偏移信息321以及该血块信息322的一请求，该云端服务器41经过判读后传回关于该脑中线偏移信息321以及该血块信息322的一结果至该电子装置30。

在偏乡地区，医疗设备与医护人员不足时，电子装置30可具有一第二人工智能辅助判断单元304，该第二人工智能辅助判断单元304进行该脑中线偏移信息321的判读以及该血块信息322的判读以自动产生一报告32，小型诊所或医院的医师可根据此报告32来判断是否将病患转诊至医疗资源较丰富的大型医院。此外，该电子装置30藉由该云端服务器41，而将该报告32传送至该PACS以供在线阅览。放射科医师可从该PACS读取所需报告。

请参阅图8，其为本发明较佳实施例自动判读治疗或处置的优先级的示意图。在步骤S300中，电子装置30或整合型放射线摄影设备44读取脑部放射线影像。在步骤S302中，若脑部放射线影像不符合第三选片准则，则进入步骤S316，将其剔除；若符合，则进入步骤S304，对脑部放射线影像进行影像前置处理。在步骤S306中，人工智能辅助判断单元301,411,441判断病患是否呈现脑中线偏移、脑血块、脑瘤、脑中风、水脑、颅骨骨折等现象，若有上述的现象发生，则进入步骤S308，人工智能辅助判断单元301,411,441判断情况是否会造成病人立即性的危险。若否，则进入步骤S314，没有立即性的危险，对于治疗或检查的优先级下降。在步骤S310中，人工智能辅助判断单元301,411,441判断病患的病况有异常且有立即危险时，将治疗优先级提升至最高，并迅速回报给医师，医师可采取必要的措施。在步骤S312中，人工智能辅助判断单元301,411,441判断病患的病况有异常，但没有立即的危险，所以将治疗优先级提高，但上未至最高级。

在图7中的第三人工智能辅助判断单元441可执行在图8中的步骤，且亦可内建于图6的电子装置30中，而成为第三判读单元，其亦耦接该读取单元300与该输出单元303，而可读取放射线影像31，并可输出关于脑中线偏移、脑血块、脑瘤、脑中风、水脑、颅骨骨折的至少其中之一的报告32。

实施例：

1.一种用于判读一脑部的一放射线影像的一电子装置，其中该脑部具一理想脑中线及一最大脑宽度，且包含一判读单元。该判读单元用以分析该放射线影像，以判断该脑部是否有一脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具多个像素、各该像素具一像素坐标值、且该判读单元具一像素权重模块、一比对模块、以及一计算模块。该像素权重模块根据各该像素列的各该像素的一灰阶值及各该像素的一像素坐标值来计算，以得到各该像素列的一权重像素坐标值；该比对模块决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的一相应坐标值间的一最大偏移量；以及该计算模块根据该最大偏移量及该最大脑宽度来决定一偏移率。

2.如实施例1所述的电子装置，其中该放射线影像为计算机断层扫描(CT)的放射线影像；该电子装置根据一第一选片准则以及一校正准则来对该放射线影像进行该脑中线偏移的判读，以获得该最大偏移量，从而判断该脑部是否有该脑中线偏移；该校正准则包括找出该理想脑中线与一权重脑中线；该理想脑中线是一脑镰(falx)的最前面的点与与一脑部质心的点所连成的一直线；该权重脑中线是该放射线影像中每一像素列的一权重像素的点所连成的一描绘线；该像素权重模块将相对应的像素列中的每一像素的一权重值乘以其像素坐标值后加总而得到一第一数值，并将相对应的像素列中的每一像素的该权重值加总而得到一第二数值，并将该第一数值除以该第二数值而得到各该权重像素坐标值；每一像素的权重值是根据其像素的该灰阶值而定；每一像素的该灰阶值是根据一脑部的相对应处的一疏密程度而定；该像素的颜色愈黑代表愈稀疏，且该权重值愈大；该判读单元根据学习该脑部的该放射线影像找出一脑室间孔(foramen of monro)的位置；以及该判读单元藉由计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的一最大间距，而得到该最大偏移量，其中该组特定像素列是靠近该脑室间孔的位置。

3.如以上任一实施例所述的电子装置，其中在同一像素列中的相应的像素坐标值以x_ij表示，相应的像素的该灰阶值以g_ij表示，最黑的颜色代表该灰阶值的最小值，最白的颜色代表该灰阶值的最大值，相应的像素的一权重值以w(x_ij)表示，则w(xij)＝e^-αgij，其中α为一常数；在每一像素列中的相应的权重像素的x坐标以m(x_j)表示，则其中l_i与r_i分别代表第i列的最左边与最右边的一边界值；该判读单元根据该偏移率来判定该脑部是否有该脑中线偏移；当该权重像素的x坐标m(x_j)的数值愈大时，其代表在该像素列中的该权重像素的位置愈偏向右边；以及当该权重像素的x坐标m(x_j)的数值愈小时，其代表在该像素列中的权重像素的位置愈偏向左边。

4.如以上任一实施例所述的电子装置，其中该第一选片准则是该判读单元经由学习一脑部俯视基准图像来过滤掉非俯视的脑部放射线影像；学习该脑部俯视基准图像是根据一卷积神经网络算法；该判读单元根据一第二选片准则、一数据预处理、以及一学习型血块侦测来对该放射线影像进行一血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现。

5.一种用于判读一脑部的一放射线影像的方法，其中该脑部具一理想脑中线及一最大脑宽度，该方法包含：分析该放射线影像，以判断该脑部是否有一脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具多个像素、各该像素具一像素坐标值；根据各该像素列的各该像素的一灰阶值及各该像素坐标值来计算，以得到各该像素列的一权重像素坐标值；决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的一相应坐标值间的一最大偏移量；以及根据该最大偏移量及该最大脑宽度来决定一偏移率。

6.如实施例5所述的方法，其中该方法更包含：根据一第一选片准则以及一校正准则来对该放射线影像进行一脑中线偏移的判读，以获得该最大偏移量，从而判断该脑部是否有该脑中线偏移；根据一第二选片准则、一数据预处理、以及一学习型血块侦测来对该放射线影像进行一血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现；找出一理想脑中线与一权重脑中线；将一脑镰(falx)的最前面的点与与一脑部质心的点连成的一直线以形成该理想脑中线；将该放射线影像中每一像素列的一权重像素的点连成一描绘线以形成该权重脑中线；藉由计算相对应列中的每一像素的一权重值的加总平均来得到各该权重像素的x坐标；根据该权重值来找出一脑室间孔(foramen of monro)的位置；以及计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的一间距，以得到该最大偏移量。每一像素的权重值是根据其像素的该灰阶值而定；每一像素的该灰阶值是根据该脑部的相对应处的一疏密程度而定；以及该像素的颜色愈黑代表愈稀疏，且该权重值愈大。

7.如以上任一实施例所述的方法，其中该方法更包含：根据每一像素列中的各该像素的一灰阶值来计算出各该像素的一权重值，并将所有像素的该权重值加总以得到一总像素权重值；将各该像素的该权重值乘以各该像素的x坐标以得到多个坐标权重值，并将该多个坐标权重值加总以得到一总坐标权重值；将该总坐标权重值除以该总像素权重值以得到在每一像素列中的相应的权重像素坐标值；计算出一颅内最大宽度，并将该最大偏移量除以该颅内最大宽度来得到该偏移率，以在该偏移率大于一临界值时判定该脑部已形成该脑中线偏移；以及根据一第二选片准则、一资料预处理、以及一学习型血块侦测来对该放射线影像进行一血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现；根据一第三选片准则、一第二数据预处理，来判断该脑中线偏移、脑血块、脑瘤、脑中风、水脑、以及颅骨骨折的至少其中之一；判断该脑中线偏移、脑血块、脑瘤、脑中风、水脑、以及颅骨骨折的至少其中之一是否有立即的危险性，当有立即危险性的时候，则治疗优先级提升至最高，并迅速回报给医师来采取必要的措施。

8.一种用于提供一脑部的一状态的相关信息的电子装置，包含一读取单元、一第一判读单元、一第二判读单元、以及一输出单元。该读取单元用以读取代表该状态的一放射线影像；该第一判读单元用以分析该放射线影像，以提供有关该脑部的一脑中线偏移信息；该第二判读单元用以分析该放射线影像，以提供有关该脑部的一血块信息；以及该输出单元用以输出该脑中线偏移信息及该血块信息以供判断该状态。

9.如实施例8所述的电子装置，其中该电子装置配置以与一云端服务器、一放射线摄影设备、以及一医疗影像储传系统(PACS)的至少其中之一通讯，该云端伺服器具有一第一人工智能辅助判断单元；该放射线摄影设备对一待检测体摄影以产生该放射线影像；该PACS储存与传收该放射线影像；该电子装置将该放射线影像上传至该云端服务器，其中该云端服务器将该放射线影像传送至该PACS储存或读取该PACS中的放射线影像，该电子装置发送关于该脑中线偏移信息以及该血块信息的一请求，该云端服务器经过判读后传回关于该脑中线偏移信息以及该血块信息的一结果至该电子装置；以及该电子装置具有一第二人工智能辅助判断单元，该第二人工智能辅助判断单元进行该脑中线偏移信息的判读以及该血块信息的判读以自动产生一报告，且该电子装置将该报告传送至该PACS以供在线阅览；该电子装置整合至该放射线摄影设备而形成一整合型放射线摄影设备。

10.如以上任一实施例所述的电子装置，其中该放射线影像为一计算机断层扫描(CT)放射线影像；根据一第一选片准则以及一校正准则来对该放射线影像进行判读，以获得该脑中线偏移信息，从而判断该脑部是否有一脑中线偏移状态；根据一第二选片准则、一数据预处理、以及一学习型血块侦测来对该放射线影像进行该血块的判读，以估测该血块的大小，从而判断该脑部是否有血块出现；该校正准则包括找出一理想脑中线与一权重脑中线；该理想脑中线是一脑镰(falx)的最前面的点与一脑部质心的点所连成的一直线；该权重脑中线是该放射线影像中每一像素列的一权重像素的点所连成的一描绘线；该第一判读单元将相对应的像素列中的每一像素的一权重值乘以其像素坐标值后加总而得到一第一数值，并将相对应的像素列中的每一像素的该权重值加总而得到一第二数值，并将该第一数值除以该第二数值而得到各该权重像素坐标值；每一像素的权重值是根据其像素的该灰阶值而定；每一像素的该灰阶值是根据该脑部的相对应处的一疏密程度而定；该像素的颜色愈黑代表愈稀疏，且该权重值愈大；该第一判读单元根据学习该脑部的该放射线影像找出一脑室间孔(foramen of monro)的位置；该第一判读单元藉由计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的一最大间距，而得到该最大偏移量，其中该组特定像素列是靠近该脑室间孔的位置；该第一判读单元计算出一颅内最大宽度，并根据该最大偏移量与该颅内最大宽度来决定一偏移率，以得到该脑中线偏移信息；该第一及该第二选片准则是经由该电子装置学习该脑部的俯视基准图像来过滤掉非俯视的该脑部的该放射线影像；该数据预处理包含过滤掉该放射线影像中与该脑部不相关的一噪声图像以及一图像正规化处理；该血块信息是藉由一卷积神经网络学习而获得；当该第二判读单元判断该脑部有血块出现时，计算该血块的体积大小；当该第二判读单元判断该脑部没有血块出现时，再次确认该脑部是否有血块出现；该读取单元包括扫描该放射线影像的一扫描机；以及该输出单元包括打印该脑中线偏移信息和该血块信息的一报告的一打印机。

综上所述，本发明提供一种电子装置利用脑部CT影像的灰阶值与脑部结构的密实关系，赋予脑部CT影像中的每一像素一权重值，而可藉由一特定的算法自动找出每一像素列的权重像素，再将该些权重像素的点描绘而连成线，形成一权重脑中线，位在该脑室间孔或该透明中隔附近的该权重脑中线与该理想脑中线的最大距离即为脑中线偏移的偏移量。本发明同时可自动找出脑中线偏移的偏移量，并可找出最大脑宽度而求得偏移率，此偏移率可以统一化地且更准确地来评估脑部变形量的程度，不会因脑部体积的大小差异而有所不同。

此外，在医疗设备与医师都不足的偏远地区，简易型的CT扫描病患的脑部而得到脑部CT影像，该电子装置可整合至该简易型的CT或是可分离地耦接至该简易型的CT，以判读该脑部CT影像而可提供脑部的状态的信息，其包含脑中线偏移信息与血块信息，在远程的专业医师根据该些信息来判断病患的病情状况。

是以，纵使本案已由上述之实施例所详细叙述而可由本领域技术人员任施匠思而为诸般修饰，然皆不脱如权利要求书所欲保护者。

【符号说明】

10,12,14,31放射线影像 102,104,106脑部

FOM1,FOM2A,FOM2B,FOM2C SKU1,SKU2A,SKU2B,SKU2C头

脑室间孔 盖骨

IML1,IML2A,IML2B,IML2C理 WML2A,WML2B,WML2C权重

想脑中线 脑中线

SP1透明中隔 P1,P2A,P2B,P2C脑镰的最前端点

Pij多个像素 P2脑镰的最末端点

ICWmax1,ICWmax2,ICWmax3最 Rjn多个像素列

大脑宽度

MC2A,MC2B,MC2C脑部质心 Sjm一组特定像素列

OFS1,OFS2,OFS3最大偏移量 I1,I2,I3理像脑中线的相应坐标值

Reg1,Reg2,Reg3颅内区域 lm(xj)特定像素列的权重像素坐标值

CT1计算机断层扫描仪 m(xj)各像素列的权重像素坐标值

PACS1,43医疗影像储存系统 20,30电子装置

22判读单元 221像素权重模块

222比对模块 223计算模块

IF1第一界面 IF2第二界面

300读取单元 301第一判读单元

303输出单元 302第二判读单元

32报告 321脑中线偏移信息

40判读系统 322血块信息

41云端服务器 411第一人工智能辅助判断单元

42放射线摄影设备 304第二人工智能辅助判断单元

441第三人工智能辅助判断单元

Claims (10)

1.一种用于判读脑部的放射线影像的电子装置，其中该脑部具有理想脑中线及最大脑宽度，包含：

判读单元，用以分析该放射线影像，以判断该脑部是否有脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具有多个像素、各该像素具有像素坐标值、且该判读单元具有:

像素权重模块，根据各该像素列的各该像素的灰阶值及各该像素的像素坐标值来计算，以得到各该像素列的权重像素坐标值；

比对模块，决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的相应坐标值间的最大偏移量；以及

计算模块，根据该最大偏移量及该最大脑宽度来决定偏移率。

2.如权利要求1所述的电子装置，其中：

该放射线影像为计算机断层扫描(CT)的放射线影像；

该电子装置根据第一选片准则以及校正准则来对该放射线影像进行该脑中线偏移的判读，以获得该最大偏移量，从而判断该脑部是否有该脑中线偏移；

该校正准则包括找出该理想脑中线与权重脑中线；

该理想脑中线是脑镰的最前面的点与与脑部质心的点所连成的直线；

该权重脑中线是该放射线影像中每一像素列的权重像素的点所连成的描绘线；

该像素权重模块将相对应的像素列中的每一像素的权重值乘以其像素坐标值后加总而得到第一数值，并将相对应的像素列中的每一像素的该权重值加总而得到第二数值，并将该第一数值除以该第二数值而得到各该权重像素坐标值；

每一像素的权重值是根据其像素的该灰阶值而定；

每一像素的该灰阶值是根据脑部的相对应处的疏密程度而定；

该像素的颜色愈黑代表愈稀疏，且该权重值愈大；

该判读单元根据学习该脑部的该放射线影像找出一脑室间孔的位置；以及

该判读单元藉由计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的一最大间距，而得到该最大偏移量，其中该组特定像素列是靠近该脑室间孔的位置。

3.如权利要求1所述的电子装置，其中：

在同一像素列中的相应的像素坐标值以x_ij表示，相应的像素的该灰阶值以g_ij表示，最黑的颜色代表该灰阶值的最小值，最白的颜色代表该灰阶值的最大值，相应的像素的一权重值以w(x_ij)表示，则w(xij)＝e^-αgij，其中α为一常数；

在每一像素列中的相应的权重像素的x坐标以m(x_j)表示，则其中l_i与r_i分别代表第i列的最左边与最右边的边界值；

该判读单元根据该偏移率来判定该脑部是否有该脑中线偏移；

当该权重像素的x坐标m(x_j)的数值愈大时，其代表在该像素列中的该权重像素的位置愈偏向右边；以及

当该权重像素的x坐标m(x_j)的数值愈小时，其代表在该像素列中的权重像素的位置愈偏向左边。

4.如权利要求1所述的电子装置，其中：

该第一选片准则是该判读单元经由学习一脑部俯视基准图像来过滤掉非俯视的脑部放射线影像；

学习该脑部俯视基准图像是根据一卷积神经网络算法；

该判读单元根据第二选片准则、数据预处理、以及学习型血块侦测来对该放射线影像进行血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现。

5.一种用于判读脑部的放射线影像的方法，其中该脑部具有理想脑中线及最大脑宽度，该方法包含：

分析该放射线影像，以判断该脑部是否有脑中线偏移，其中该放射线影像包含多个像素列、各该像素列具有多个像素、各该像素具有像素坐标值；

根据各该像素列的各该像素的灰阶值及各该像素坐标值来计算，以得到各该像素列的权重像素坐标值；

决定该多个像素列中的一组特定像素列的各该权重像素坐标值，并自所有该权重像素坐标值中找出与该理想脑中线的一相应坐标值间的最大偏移量；以及

根据该最大偏移量及该最大脑宽度来决定偏移率。

6.如权利要求5所述的方法，其中：

该方法还包含：

根据第一选片准则以及校正准则来对该放射线影像进行脑中线偏移的判读，以获得该最大偏移量，从而判断该脑部是否有该脑中线偏移；

根据第二选片准则、数据预处理、以及学习型血块侦测来对该放射线影像进行血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现；

找出理想脑中线与权重脑中线；

将脑镰的最前面的点与与脑部质心的点连成的直线以形成该理想脑中线；

将该放射线影像中每一像素列的权重像素的点连成描绘线以形成该权重脑中线；

藉由计算相对应列中的每一像素的权重值的加总平均来得到各该权重像素的x坐标；

根据该权重值来找出脑室间孔的位置；以及

计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的间距，以得到该最大偏移量；

每一像素的权重值是根据其像素的该灰阶值而定；

每一像素的该灰阶值是根据该脑部的相对应处的疏密程度而定；以及该像素的颜色愈黑代表愈稀疏，且该权重值愈大。

7.如权利要求5所述的方法，其中：

该方法还包含：

根据每一像素列中的各该像素的灰阶值来计算出各该像素的权重值，并将所有像素的该权重值加总以得到总像素权重值；

将各该像素的该权重值乘以各该像素的x坐标以得到多个坐标权重值，并将该多个坐标权重值加总以得到总坐标权重值；

将该总坐标权重值除以该总像素权重值以得到在每一像素列中的相应的权重像素坐标值；

计算出颅内最大宽度，并将该最大偏移量除以该颅内最大宽度来得到该偏移率，以在该偏移率大于临界值时判定该脑部已形成该脑中线偏移；

根据第二选片准则、第一数据预处理、以及学习型血块侦测来对该放射线影像进行血块的判读，以估测该血块大小，从而判断该脑部是否有血块出现；

根据第三选片准则、第二数据预处理，来判断该脑中线偏移、脑血块、脑瘤、脑中风、水脑、以及颅骨骨折的至少其中之一；以及

判断该脑中线偏移、脑血块、脑瘤、脑中风、水脑、以及颅骨骨折的至少其中之一是否有立即的危险性，当有立即危险性的时候，则治疗优先级提升至最高，并迅速回报给医师来采取必要的措施。

8.一种用于提供脑部的状态的相关信息的电子装置，包含：

读取单元，用以读取代表该状态的放射线影像；

第一判读单元，用以分析该放射线影像，以提供有关该脑部的脑中线偏移信息；

第二判读单元，用以分析该放射线影像，以提供有关该脑部的血块信息；以及

输出单元，用以输出该脑中线偏移信息及该血块信息以供判断该状态。

9.如权利要求8所述的电子装置，其中：

该电子装置配置以与云端服务器、放射线摄影设备、以及医疗影像储传系统(PACS)的至少其中之一通讯，该云端伺服器具有第一人工智能辅助判断单元；

该放射线摄影设备对一待检测体摄影以产生该放射线影像；

该PACS储存与传收该放射线影像；

该电子装置将该放射线影像上传至该云端服务器，其中该云端服务器将该放射线影像传送至该PACS储存或读取该PACS中的放射线影像，该电子装置发送关于该脑中线偏移信息以及该血块信息的一请求，该云端服务器经过判读后传回关于该脑中线偏移信息以及该血块信息的一结果至该电子装置；

该电子装置具有第二人工智能辅助判断单元，该第二人工智能辅助判断单元进行该脑中线偏移信息的判读以及该血块信息的判读以自动产生一报告，且该电子装置将该报告传送至该PACS以供在线阅览；以及

该电子装置整合至该放射线摄影设备而形成一整合型放射线摄影设备。

10.如权利要求8所述的电子装置，其中：

该放射线影像为计算机断层扫描(CT)放射线影像；

根据第一选片准则以及校正准则来对该放射线影像进行判读，以获得该脑中线偏移信息，从而判断该脑部是否有脑中线偏移状态；

根据第二选片准则、数据预处理、以及学习型血块侦测来对该放射线影像进行该血块的判读，以估测该血块的大小，从而判断该脑部是否有血块出现；

该校正准则包括找出理想脑中线与权重脑中线；

该理想脑中线是脑镰的最前面的点与脑部质心的点所连成的直线；

该权重脑中线是该放射线影像中每一像素列的权重像素的点所连成的描绘线；

该第一判读单元将相对应的像素列中的每一像素的权重值乘以其像素坐标值后加总而得到第一数值，并将相对应的像素列中的每一像素的该权重值加总而得到第二数值，并将该第一数值除以该第二数值而得到各该权重像素坐标值；

每一像素的权重值是根据其像素的该灰阶值而定；

每一像素的该灰阶值是根据该脑部的相对应处的疏密程度而定；

该像素的颜色愈黑代表愈稀疏，且该权重值愈大；

该第一判读单元根据学习该脑部的该放射线影像找出脑室间孔的位置；

该第一判读单元藉由计算在靠近该脑室间孔的位置的该权重脑中线与该理想脑中线的最大间距，而得到该最大偏移量，其中该组特定像素列是靠近该脑室间孔的位置；

该第一判读单元计算出颅内最大宽度，并根据该最大偏移量与该颅内最大宽度来决定偏移率，以得到该脑中线偏移信息；

该第一及该第二选片准则是经由该电子装置学习该脑部的俯视基准图像来过滤掉非俯视的该脑部的该放射线影像；

该数据预处理包含过滤掉该放射线影像中与该脑部不相关的噪声图像以及图像正规化处理；

该血块信息是藉由一卷积神经网络学习而获得；

当该第二判读单元判断该脑部有血块出现时，计算该血块的体积大小；

当该第二判读单元判断该脑部没有血块出现时，再次确认该脑部是否有血块出现；

该读取单元包括扫描该放射线影像的扫描机；以及

该输出单元包括打印该脑中线偏移信息和该血块信息的报告的打印机。