Dicom medical imaging

何时使用

适用：

• 读写或修改 DICOM（.dcm）医学影像与元数据标签
• 从 CT/MRI/X 光/超声/PET 提取像素数组并做窗宽窗位显示
• 为科研或数据共享匿名化（去除 PHI 受保护健康信息）
• DICOM 转 PNG/JPEG/TIFF，或压缩/解压切换传输语法
• 处理 DICOM 序列、结构化报告与多切片三维体重建
• 对接 PACS 影像归档系统的影像数据

不该用：

• 处理普通图片（PNG/JPEG）或非 DICOM 格式（如 NIfTI、NRRD）——直接用 Pillow / nibabel
• 仅做通用数组运算而无需 DICOM 解析时
• 高级影像分割/配准/AI 推理（用 SimpleITK、MONAI 等专业库）

步骤

1. 安装 pydicom 及按需依赖（numpy/pillow/matplotlib；压缩文件另装解码器）。
2. 用 pydicom.dcmread() 读入得到 Dataset，先查 ds.file_meta.TransferSyntaxUID 判断是否压缩。
3. 访问元数据用属性名（ds.PatientName）或标签（ds[0x0010,0x0010]）；缺失字段务必先 hasattr 或 ds.get(name, default)。
4. 取像素用 ds.pixel_array；CT/MRI 显示前套 VOI LUT 窗宽窗位。
5. 修改后用 ds.save_as() 保存；匿名化后务必逐项核验再外发。

指令

uv pip install pydicom numpy pillow matplotlib
# 压缩 DICOM（JPEG / JPEG2000）需额外解码器：
uv pip install pylibjpeg pylibjpeg-libjpeg pylibjpeg-openjpeg python-gdcm

示例

读取与元数据：

import pydicom
ds = pydicom.dcmread('file.dcm')
print(ds.PatientName, ds.StudyDate, ds.Modality)
print(ds.file_meta.TransferSyntaxUID.name)  # 判断压缩

像素 + 窗宽窗位显示：

import matplotlib.pyplot as plt
from pydicom.pixel_data_handlers.util import apply_voi_lut
arr = ds.pixel_array  # 多帧为 (frames, rows, cols)；RGB 为 (rows, cols, 3)
img = apply_voi_lut(arr, ds) if hasattr(ds, 'WindowCenter') else arr
plt.imshow(img, cmap='gray'); plt.axis('off'); plt.show()

匿名化（去 PHI，保留像素）：

phi = ['PatientName','PatientID','PatientBirthDate','PatientSex','PatientAge',
       'PatientAddress','InstitutionName','ReferringPhysicianName',
       'OperatorsName','StudyDescription','SeriesDescription']
for tag in phi:
    if hasattr(ds, tag):
        if tag in ('PatientName','PatientID'):
            setattr(ds, tag, 'ANONYMOUS')
        elif tag == 'PatientBirthDate':
            ds.PatientBirthDate = '19000101'
        else:
            delattr(ds, tag)
if hasattr(ds, 'StudyDate'): ds.StudyDate = '20000101'  # 统一偏移保留时序
ds.save_as('anonymized.dcm')

压缩/解压切换传输语法：

ds.decompress(); ds.save_as('uncompressed.dcm', write_like_original=False)
ds2 = pydicom.dcmread('uncompressed.dcm')
ds2.compress(pydicom.uid.JPEGBaseline8Bit); ds2.save_as('compressed.dcm')

序列三维重建：

import numpy as np
from pathlib import Path
slices = [pydicom.dcmread(p) for p in Path('series/').glob('*.dcm')]
slices.sort(key=lambda x: float(x.ImagePositionPatient[2]))  # 或 InstanceNumber
volume = np.stack([s.pixel_array for s in slices])  # (slices, rows, cols)
spacing = slices[0].PixelSpacing; thickness = slices[0].SliceThickness  # 体素尺寸 mm

转 PNG（先归一化到 0-255）：

from PIL import Image
a = ds.pixel_array
if a.dtype != np.uint8:
    a = ((a - a.min()) / (a.max() - a.min()) * 255).astype(np.uint8)
Image.fromarray(a).save('out.png')

DICOM 转 RGB（彩色）：YBR_FULL 需用 convert_color_space(ds.pixel_array,'YBR_FULL','RGB')。

注意事项

• 报「Unable to decode pixel data」：装压缩解码器 pylibjpeg-libjpeg python-gdcm。
• 访问标签前用 hasattr() 或 ds.get() 防 AttributeError。
• 图像过暗/过亮：套 VOI LUT 窗宽窗位，或手动用 WindowCenter/WindowWidth。
• 大序列内存不足：迭代处理、内存映射或降采样。
• 新建实例要 generate_uid() 生成新 UID；修改时保留原 UID。
• 三维处理保留 PixelSpacing 与 SliceThickness 等空间信息。
• 匿名化外发前务必逐项核验，确保无残留 PHI。

互见

无（暂无强相关的已有技能）。

---

本条采编自 K-Dense-AI/scientific-agent-skills（MIT）。