SuperAPI AI 工具集

dicom-processing

数据与分析

查看项目

更新于 10-15 17:23

技能介绍

用途:处理 DICOM 与 NIfTI 医学影像,覆盖格式转换、头信息与像素读取、去标识化及批量组织。

主要能力:用 dcm2niix 将 DICOM 序列转为 NIfTI(可输出 gzip 与 BIDS sidecar);用 pydicom 读取 DICOM 头与像素数据;用 pydicom 或 CTP DicomAnonymizer 移除 PHI;用 nibabel 检查 NIfTI 体数据;按 SeriesInstanceUID 分组批量处理;按 BIDS 规范组织目录。

必要用法:转换命令 dcm2niix -z y -b y -f %p_%s -o output_dir input_dir,其中 -z y 输出 .nii.gz,-b y 生成 BIDS JSON sidecar,-f 指定命名模式,-m n 禁止跨序列合并 2D 切片。读取用 pydicom.dcmread('file.dcm'),仅读头信息加 stop_before_pixels=True。去标识化需删除 PatientName、PatientID 等标签,调用 ds.remove_private_tags(),并用 generate_uid() 替换 StudyInstanceUID、SeriesInstanceUID、SOPInstanceUID。大批量或需合规时用 java -jar DAP.jar -p profile.script -i input/ -o output/。NIfTI 用 nib.load 获取 data 与 affine。

适用场景:DICOM 转 NIfTI、去标识化工作流、BIDS 数据集整理、按序列批量转换。

限制:标签级去标识化不清除像素中烧录的 PHI,超声、二次采集和截图需额外 OCR 与像素遮蔽;DICOMDIR 不宜作为文件目录遍历,应使用 rglob('*.dcm');默认合并行为可能混合不同采集,需用 -m n 或核对输出数量。