DICOM图像全方位解读

1 定义

DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息的国际标准（ISO 12052）。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。

2 包结构

由上图可知，一个 DICOM 图像的包结构包含三部分（前缀部分未画，值为 DICOM），分别为：

• 导言：固定为 128 字节，可直接忽略
• 前缀部分：固定为 DICOM，代表此图为 DICOM 格式的数据，若前缀部分不是此固定值，则说明文件损坏，或者这根本就不是一个 DICOM 图像。
• data_element⭐️：这一部分是整个图像的重点，以 Tag（后面会详细进行描述） 大小顺序顺序排列值文件末尾。

到此，我们便可以粗略的解读出一张 DICOM 图像大致是由怎么组成的了。

3 data_element

3.1 节点解读

数据节点主要包含两个大类：显式与隐式，区别之处就在于隐式节点缺少了 VR（Value Representation，值表示） 标识。

每一个数据节点的数据结构都是一致的，包括

• 组名：data_element 最前面的两个字节，对 data_element 进行大方向上的分类。
• 元素号：元素号又被称为标识号，可以看做是子分类，用于协同组名进行细化的数据项标识。
• VR：可以看做是编程语言中的数据类型，uint，int，long等，在 dicom 的标准中，VR 共有 27 中类型。
• 值 LEN：表征像素数据的长度。
• 像素数据内容：数据内容的存储是与 VR 是有关联的，VR 不存在时（即隐式），需要通过 tag 进行自行判断与处理。

组名是 dicom 标准中定义好的一种通用的信息标识，通常：

• 0002组描述设备通讯
• 0008组描述特征参数
• 0010组描述患者信息
• 0028组描述图像信息参数

除此之外，还有很多其他组号，常用的数据就那么几个。

3.2 Tag 解读

3.2.1 Tag 分类

第二部分描述的Tag，其实就是：组名➕元素号，Tag 基本上有三种类型：

• 文件元节点：用以确认传输语法。
• 普通节点：承载图像处理阶段对数据的加工内容，比如患者信息、医院信息等。
• 数据节点：承载图像的像素数据

网上有这样一张图，可供参考。

注: 文件元 tag 以显式 VR 表示。

从上面可以了解到，VR 的种类为 27 （还有一种 UN，Unknown 类型），而 Tag 则有 2000+中。这二者的对应关系很奇妙，可以整理为：

• 不同的 DICOM 图像的同一个 Tag，对应的 VR 类型肯定是相同的。
• 同一个 VR，可能会对应多个类型的 Tag。

比较拗口，但是仔细考虑下这种一对多的关系，应该也是可以理解的。

---

3.2.2 关键 Tag

在 DICOM 图像中，有两个 Tag 最为关键：

• 0002,0000，决定普通tag的读取方式 little字节序还是big字节序(也就是平时常说的序列化数据的大小端读取策略)，隐式VR还是显示VR。从网上找了一段代码，可参考如下：

switch (VFStr)
{
    case "1.2.840.10008.1.2.1\0"://显示little
        isLitteEndian = true;
        isExplicitVR = true;
        break;
    case "1.2.840.10008.1.2.2\0"://显示big
        isLitteEndian = false;
        isExplicitVR = true;
        break;
    case "1.2.840.10008.1.2\0"://隐式little
        isLitteEndian = true;
        isExplicitVR = false;
        break;
    default:
        break;
}

• 7fe0,0010，像素数据由此处开始。

3.2.3 深挖指南

Dicom Tags 查找清单：https://exiftool.org/TagNames/DICOM.html

4 实测

4.1 操作步骤

以HexFriend 工具打开一张 DICOM 图像为例。

1. 加载 DICOM 图像，查看是否为合法图像。
   

2. 查看 tag 的传输方式
   

从上图可以看到，开始的 tag0002,0000标识要以 little 形式读取普通tag。

3. 有第二步知道以小端形式读取 tag，则读取到数据 tag 的时候也应如此。
   

从此处开始，即可读取到对应的像素数据。

4.2 代码

下面以一段 python 代码为例，来测试下对 DICOM 的信息读取与匿名化处理。

4.2.1 环境准备

运行之前需要先安装pydicom库，命令如下：

pip install pydicom

4.2.2 读取DICOM 信息

# coding: utf8

from pydicom import dcmread
filepath = "/tmp/I9500000"
ds = dcmread(filepath)
metas = [
    "PatientID",
    "PatientName",
    "PatientBirthDate",
    "PatientSex",
    "StudyDescription",
    "BodyPartExamined",
    "InstitutionName",
]
for meta in metas:
    print(ds.data_element(meta))

4.2.3 匿名化处理

# coding: utf8

from pydicom import dcmread
filepath = "/tmp/I9500000"
ds = dcmread(filepath)
metas = [
    "PatientID",
    "PatientName",
    "PatientBirthDate",
    "PatientSex",
    "StudyDescription",
    "BodyPartExamined",
    "InstitutionName",
]

anonymizations = {
    "PatientName": "ZHANG SAN",
    "PatientBirthDate": "20210102",
    "PatientSex": "M",
}

for anonymizationKey, val in anonymizations.items():
    ds.data_element(anonymizationKey).value = val

# 写回
ds.save_as(filepath)

匿名化处理结果

5 回顾

简单回顾下本文，从包结构开始对 DICOM 有一个大致的认识，随着抽丝剥茧，对整个包进行细化拆分。了解到了 data_element 与 tag 等术语及其各自之间的联系。通过代码简单对 DICOM 图像进行了信息读取与匿名化处理，对 DICOM 有了更深的认识。

此文为基础，后面还会围绕 DICOM 开发一些配套工具。科技，让生活更简单！

参考链接：

1. VR 类型详解
2. 常见Tag详解