pydicom - Python DICOM 医学影像处理技能

技能概述

pydicom 技能提供完整的 DICOM 医学影像文件处理指导，涵盖从基础的 DICOM 文件读写、像素数据提取，到医疗图像匿名化、格式转换和压缩数据处理的全流程操作指南。

适用场景

1. 医学影像数据研究与分析

适用于研究人员和数据科学家处理 CT、MRI、X-ray、超声、PET 等各种医学影像数据。支持批量读取 DICOM 文件序列，构建三维体数据，提取关键影像特征和元数据，为医学 AI 模型训练提供数据预处理支持。

2. 医疗信息系统集成与开发

面向医疗软件开发者和 PACS（影像归档和通信系统）集成工程师，提供 DICOM 文件格式标准化处理方案。包括影像数据的导入导出、元数据修改、压缩格式转换等操作，支持放射科工作流程自动化和医院影像系统开发。

3. 医疗数据合规与共享处理

针对需要共享医学影像数据的研究场景，提供 DICOM 文件匿名化处理能力。自动移除或替换患者敏感信息（PHI），包括姓名、ID、出生日期、医生信息等，确保符合医疗数据隐私保护要求。

核心功能

1. DICOM 文件读写与元数据操作

提供完整的 DICOM 文件解析和处理能力，支持：

• 使用 pydicom.dcmread() 读取 DICOM 文件并访问数据集
• 通过属性符号或标签符号访问任意 DICOM 标签
• 修改患者信息、研究日期、序列描述等元数据
• 处理 DICOM 序列和嵌套数据结构
• 创建全新的 DICOM 文件并生成标准 UID

2. 医学影像像素数据处理

支持提取和处理各种格式的医学影像像素数据：

• 将 DICOM 像素数据转换为 NumPy 数组进行分析
• 处理单色、RGB、YBR 等不同色彩空间图像
• 应用 VOI LUT 窗口技术优化 CT/MRI 图像显示
• 处理多帧 DICOM 文件（动态影像、视频序列）
• 维护像素间距、层厚等空间信息用于三维重建

3. 医疗图像格式转换与压缩处理

提供灵活的 DICOM 图像转换和压缩处理方案：

• 将 DICOM 图像转换为 PNG、JPEG、TIFF 等通用格式
• 处理 JPEG、JPEG 2000、RLE 等压缩 DICOM 文件
• 支持有损和无损压缩格式之间的转换
• 批量处理大型医学影像数据集
• 处理内存密集型多序列影像数据

常见问题

pydicom 是什么？主要用于什么场景？

pydicom 是一个纯 Python 编写的 DICOM 医学影像文件处理库。DICOM（医学数字成像与通信）是医疗影像行业的标准格式。pydicom 主要用于医学影像数据分析、医疗信息系统开发、PACS 集成、放射科工作流程自动化等场景，支持 CT、MRI、X-ray、超声等各种医学影像格式的读取、处理和转换。

如何在 Python 中读取和处理 DICOM 文件？

使用 pydicom.dcmread('文件路径') 读取 DICOM 文件，返回的 Dataset 对象包含所有元数据。通过属性符号（如 ds.PatientName）访问标签，使用 ds.pixel_array 获取图像数据。对于压缩文件需要安装额外的处理库。处理完成后可用 ds.save_as() 保存修改后的文件。

怎样安全地匿名化 DICOM 文件中的患者信息？

pydicom 技能提供完整的 DICOM 匿名化方案。通过识别并处理包含患者敏感信息的标签（如 PatientName、PatientID、PatientBirthDate、ReferringPhysicianName 等），可以删除或替换这些字段。技能包含现成的匿名化脚本 anonymize_dicom.py，也可自定义匿名化规则。注意在共享数据前务必验证匿名化效果。

pydicom 支持哪些医学影像模态和压缩格式？

pydicom 支持所有 DICOM 标准定义的医学影像模态，包括 CT、MRI、X-ray（摄影/造影/透视）、超声、PET、核医学等。压缩格式支持 Explicit VR Little Endian（未压缩）、JPEG Baseline、JPEG Lossless、JPEG 2000、RLE 等多种传输语法。处理压缩文件可能需要安装 pylibjpeg 或 python-gdcm 等额外库。

如何将 DICOM 图像转换为普通图片格式？

使用 pydicom 读取 DICOM 文件后，通过 pixel_array 获取图像数据，归一化到 0-255 范围，然后用 PIL/Pillow 库保存为 PNG、JPEG 等格式。技能提供了 dicom_to_image.py 脚本可直接使用。对于 CT/MRI 图像，建议先应用 VOI LUT 窗口处理以获得更好的视觉效果。

处理大型 DICOM 序列时遇到内存问题怎么办？

处理大型医学影像序列时，可采用分批迭代处理、内存映射数组或图像下采样等策略。pydicom 技能建议使用 pathlib 遍历目录中的 DICOM 文件，按切片位置或实例号排序后逐个处理，避免一次性加载所有图像数据到内存。对于三维重建，可使用 NumPy 的内存映射功能。