mcpField
D
dicom-metadata-extract

dicom-metadata-extract

github.com/promptingcompany数据与数据库039 次安装17 周前更新
代码仓库

关于 dicom-metadata-extract

Medical AI Skills 中的 DICOM 元数据提取技能，读取单个文件并输出 JSON，适用于初步检查元数据及标准标签中的 PHI 标记。它仅覆盖有限标签，不用于匿名化或临床用途。

主要功能

  1. 01读取单个 DICOM 文件
  2. 02提取分组元数据
  3. 03标记标准标签中的 PHI
  4. 04输出 JSON 结果

适用场景

  1. 01检查 DICOM 文件的影像与检查元数据
  2. 02初步查看标准标签中的 PHI 标记

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/promptingcompany/nv-skills --skill dicom-metadata-extract

安装后在 Claude Code 中输入/dicom-metadata-extract确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

AGENTS.md
BENCHMARK.md
skill_manifest.yaml
skill-card.md
skill.oms.sig
evals/
baseline.yaml
evals.json
fixtures/
generate_sample.py
scripts/
extract_metadata.py
tests/
test_basic.py
validators/
output_schema.json

详细介绍

DICOM 元数据提取

用途

  • 用于从单个 DICOM 文件中提取选定的元数据，并标记是否存在标准标签中的 PHI。不用于匿名化或临床用途。
  • 严格按照文档中的说明使用封装器；不要用手写实现替换上游入口点。
  • 清单 I/O：输入为 dicom_path；输出为 metadata_json。

说明

  • 更改参数、副作用或验证门之前，请先阅读 skill_manifest.yaml。
  • 通过下方文档所示的命令运行 scripts/extract_metadata.py；将输出保存在调用方提供的运行目录中。
  • 如果宿主 Agent 提供 run_script，请使用 run_script("scripts/extract_metadata.py", args=[...])；否则运行下方所示的 Bash/Python 命令。
  • 检查生成的 JSON，并对证据包运行 medagent.verifiers.dicom_metadata_quality_v1，之后再将该运行视为已审核证据。

可用脚本

脚本用途参数
scripts/extract_metadata.pyskill_manifest.yaml 中声明的主要入口点。PATH_TO_DICOM [--output OUT.json]

先决条件

  • 运行时要求：runtime.side_effects.pip_packages 中列出的 Python 包。
  • 除非下方已有章节另有说明，否则请从仓库根目录运行命令。

限制

  • 仅支持受 PS3.15 启发的小型标准标签子集；并非完整的 Basic Application Confidentiality Profile 实现。
  • 不检查私有标签
  • 不检测图像中烧录的 PHI
  • 多帧处理能力有限
  • 不用于临床部署、法规规定的去标识化、自主诊断或面向患者的用途。

故障排除

错误原因解决方法
缺少依赖或导入错误运行时包与 skill_manifest.yaml 不一致。安装清单中声明的包，或使用文档所示的设置命令。
输出为空或架构无效输入路径错误、模态不受支持或上游执行失败。使用已知测试样例重新运行，并检查封装器 JSON 和 stderr。
验证门失败输出违反了声明的工程不变量。保留失败的证据包，并根据验证门消息修正输入或封装器代码。

使用 pydicom 读取单个 DICOM 文件，并在标准输出中生成 JSON。

python scripts/extract_metadata.py PATH_TO_DICOM
python scripts/extract_metadata.py PATH_TO_DICOM --output result.json

输出包含 transfer_syntax、modality、分组的研究/序列/图像元数据、phi_present 和 phi_tags_found。

将此作为 Medical AI Skills 技能的最小端到端示例。不要将其用于匿名化、私有标签审查、图像中 PHI 检测或临床解读。

如需进行第二轮证据审查，请生成可信运行：

python -m eval_engine.run_trusted skills/dicom-metadata-extract \
  --fixture skills/dicom-metadata-extract/fixtures/sample_ct.dcm \
  --out runs/dicom_metadata_trusted

评论

支持 Markdown