dicom-processing

DICOM 处理

概述

用于转换、读取和去标识化 DICOM 与 NIfTI 格式医学图像的流水线技能。提供确定性的命令和代码，用于：

• 使用 dcm2niix 将 DICOM 转换为 NIfTI（包括 BIDS 辅助文件）
• 使用 pydicom 读取 DICOM 头信息和像素数据
• 使用 pydicom 或 CTP DicomAnonymizer 移除 PHI（去标识化）
• 使用 nibabel 检查 NIfTI
• 按 SeriesInstanceUID 分组进行批处理
• 按 BIDS 规范组织目录

当用户处理 .dcm、.nii、.nii.gz、DICOM 目录或匿名化工作流时，请使用此技能。

用法

1. 将 DICOM 序列转换为 NIfTI（dcm2niix）

# Standard conversion: gzip output, BIDS sidecar, pattern-named files
dcm2niix -z y -b y -f %p_%s -o output_dir input_dir

标志（请记住）：

标志	含义
-z y	输出 gzip 文件（.nii.gz）
-b y	生成 BIDS JSON 辅助文件
-f %p_%s	文件名模式：%p = 协议，%s = 序列号
-m n	不要合并跨序列的 2D 切片（防止不同序列混合）
-o	输出目录

常见命名标记：%p 协议，%s 序列，%t 时间，%i 患者 ID，%n 患者姓名，%d 描述。

2. 使用 pydicom 读取 DICOM 文件

import pydicom

ds = pydicom.dcmread('file.dcm')
print(ds.PatientName, ds.StudyDate, ds.Modality)
print(ds.pixel_array.shape)  # numpy array of pixel data

3. 使用 pydicom 对 DICOM 文件进行去标识化

import pydicom
from pydicom.uid import generate_uid

ds = pydicom.dcmread('file.dcm')

tags_to_remove = [
    'PatientName', 'PatientID', 'PatientBirthDate',
    'InstitutionName', 'ReferringPhysicianName', 'StudyDate',
]
for tag in tags_to_remove:
    if tag in ds:
        del ds[tag]

ds.PatientID = 'ANON_001'

# Remove private (vendor) tags — they frequently contain PHI
ds.remove_private_tags()

# Replace UIDs so the study/series/instance cannot be linked back
ds.StudyInstanceUID  = generate_uid()
ds.SeriesInstanceUID = generate_uid()
ds.SOPInstanceUID    = generate_uid()

ds.save_as('anon.dcm')

4. 使用 CTP DicomAnonymizer 批量去标识化

# RSNA CTP / DicomBrowser DAP (DICOM Anonymizer Program)
java -jar DAP.jar -p profile.script -i input/ -o output/

适用于大型队列，或需要经过验证的 DICOM Supplement 142 配置文件的情况。

5. 使用 nibabel 加载 NIfTI 体数据

import nibabel as nib

img = nib.load('file.nii.gz')
data   = img.get_fdata()  # numpy ndarray
affine = img.affine       # 4x4 voxel-to-world transform
header = img.header

6. 批处理模式：按 SeriesInstanceUID 分组，逐序列转换

from pathlib import Path
from collections import defaultdict
import pydicom, subprocess

def group_by_series(input_dir):
    series = defaultdict(list)
    for p in Path(input_dir).rglob('*.dcm'):
        ds = pydicom.dcmread(p, stop_before_pixels=True)
        series[ds.SeriesInstanceUID].append(p)
    return series

def convert_all(input_dir, output_dir):
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    # dcm2niix handles series grouping internally when given a directory
    subprocess.run(
        ['dcm2niix', '-z', 'y', '-b', 'y', '-f', '%p_%s',
         '-o', output_dir, input_dir],
        check=True,
    )

7. BIDS 目录组织

dataset/
├── dataset_description.json
├── participants.tsv
└── sub-01/
    └── ses-01/
        ├── anat/  sub-01_ses-01_T1w.nii.gz
        ├── func/  sub-01_ses-01_task-rest_bold.nii.gz
        └── dwi/   sub-01_ses-01_dwi.nii.gz

规则：sub-<label>/ses-<label>/<modality>/<sub>_<ses>_<suffix>.nii.gz，并配有匹配的 .json 辅助文件。

响应格式

• 先给出用户需要的命令或代码，再进行解释
• 结构为：确认输入 → 可运行的代码 → 说明关键参数 → 注意事项
• 每项任务提供一个完整可运行的示例；不要列出所有替代方案
• 代码注释应精简且实用（说明作用，而非存在原因）
• 目标：50–100 行代码，并附简短说明

核心概念

格式与去标识化决策树

What is the target format?
├─ NIfTI (analysis) → dcm2niix -z y -b y
│  ├─ Need BIDS layout? → add -f sub-%i_ses-%t_%p, reorganize post-hoc
│  └─ Single series only? → point dcm2niix at series directory directly
└─ DICOM (archive/PACS) → pydicom read/write

De-identification method:
├─ Small cohort (< 100 studies) → pydicom script (remove tags + private + replace UIDs)
├─ Large cohort or regulatory → CTP DicomAnonymizer with Supplement 142 profile
└─ Burned-in pixel PHI risk?
   ├─ US / Secondary Capture / Screenshots → YES: add OCR + pixel masking step
   └─ CT / MR / PT → Usually NO: tag-level de-ID sufficient

DICOM 层级。 Patient → Study → Series → Instance。“序列”是转换的基本单位——一个 NIfTI 体数据通常对应一个 SeriesInstanceUID。

UID 是标识符，不是机密信息，但可以用于关联。 两个文件若具有相同的 StudyInstanceUID，则来自同一次检查。去标识化必须替换 UID（generate_uid()），以断开不同发布版本之间的关联。

私有标签可能包含 PHI。 特定厂商的标签（奇数群组号）通常会嵌入操作员备注、患者 ID 或烧录的元数据。务必调用 ds.remove_private_tags()。

像素数据也可能包含 PHI。 超声影像、二次捕获图像和屏幕截图中经常会在像素内烧录患者姓名／MRN。移除标签并不会清除像素——存在此类风险时，应另外运行 OCR 并进行遮罩处理。

几何和模态相关的重要 DICOM 标签：

标签	名称	用途
(0008,0060)	Modality	CT / MR / CR / US / PT ...
(0018,0050)	SliceThickness	mm
(0028,0030)	PixelSpacing	面内间距 [row, col] mm
(0020,0032)	ImagePositionPatient	切片在患者坐标系中的原点
(0020,0037)	ImageOrientationPatient	行／列方向余弦

这五个标签足以重建 NIfTI affine 矩阵。

NIfTI 与 DICOM。 NIfTI 将一个 3D／4D 体数据及其单个 affine 矩阵存储在一起；DICOM 则存储切片级元数据。转换器（dcm2niix）会汇总一个序列中的切片，并根据上述标签计算 affine 矩阵。

快速参考

# Convert
dcm2niix -z y -b y -f %p_%s -o out/ in/

# Skip merging across series (safer)
dcm2niix -z y -b y -m n -f %p_%s -o out/ in/

# Batch anonymization (CTP)
java -jar DAP.jar -p profile.script -i input/ -o output/

# Read DICOM
ds = pydicom.dcmread('file.dcm')
ds.PatientName, ds.Modality, ds.pixel_array.shape

# Header-only (fast, no pixels)
ds = pydicom.dcmread('file.dcm', stop_before_pixels=True)

# Anonymize core fields
for t in ['PatientName','PatientID','PatientBirthDate',
          'InstitutionName','ReferringPhysicianName','StudyDate']:
    if t in ds: del ds[t]
ds.remove_private_tags()
ds.StudyInstanceUID  = generate_uid()
ds.SeriesInstanceUID = generate_uid()
ds.SOPInstanceUID    = generate_uid()

# Load NIfTI
img = nib.load('file.nii.gz'); data = img.get_fdata(); aff = img.affine

常见错误

• 错误： DICOM 去标识化时未移除私有标签 正确做法： 始终在去标识化流程中调用 ds.remove_private_tags() 原因： 厂商私有标签（奇数群组号）通常包含 PHI，标准的标签级清理无法将其移除

• 错误： 匿名化后保留原始 UID 正确做法： 对每个去标识化文件，使用 generate_uid() 替换 StudyInstanceUID、SeriesInstanceUID 和 SOPInstanceUID 原因： 原始 UID 可关联回源 PACS——两个文件共享同一个 StudyInstanceUID，就能看出它们来自同一次检查

• 错误： 使用 dcm2niix 默认的合并行为而不进行验证 正确做法： 使用 -m n 禁用合并，或根据预期序列列表检查输出文件数量 原因： 默认合并可能会将不同的采集数据合并到一个 NIfTI 体积中，导致数据损坏

• 错误： 去标识化时忽略像素数据中烧录的注释 正确做法： 对超声、二次捕获和截图模态，添加 OCR 检测和像素遮罩步骤 原因： 标签级去标识化不会清理像素——标签移除后，烧录在图像中的患者姓名／MRN 仍然存在

• 错误： 从 dcm2niix 输出未压缩的 .nii 文件 正确做法： 始终向 dcm2niix 传递 -z y，以输出经过 gzip 压缩的 .nii.gz 文件，除非下游工具明确要求未压缩文件 原因： 未压缩的 NIfTI 文件体积大 3–5 倍，会浪费存储空间并减慢传输速度，对大多数流程却没有任何好处

• 错误： 只需要 DICOM 头信息时仍读取完整像素数据 正确做法： 对于仅需元数据的扫描，使用 pydicom.dcmread(path, stop_before_pixels=True) 原因： 对大型队列加载像素数组会浪费内存和时间，而实际上只需要 Modality、SeriesInstanceUID 或 SliceThickness 等标签

• 错误： 将 DICOMDIR 当作文件目录并遍历其中的条目 正确做法： 改用 Path(input_dir).rglob('*.dcm') 遍历实际的 .dcm 文件 原因： DICOMDIR 是具有自身结构的索引文件，可能不完整、已过期或不存在；直接遍历文件更可靠

参考资料

• dcm2niix：Li 等，《J Neurosci Methods》，2016 年，https://doi.org/10.1016/j.jneumeth.2016.03.001
• pydicom：https://pydicom.github.io/pydicom/stable/
• BIDS：Gorgolewski 等，《Sci Data》，2016 年，https://doi.org/10.1038/sdata.2016.44
• DICOM 去标识化：DICOM PS3.15 附录 E，https://dicom.nema.org/medical/dicom/current/output/chtml/part15/chapter_E.html