技能介绍

要解决什么问题

CT、MRI、X 光、超声、PET 等医学影像在交换与归档时普遍采用 DICOM 标准。实际工程里常见痛点包括：从 .dcm 里稳定取出像素与窗宽窗位、批量改元数据或做匿名化、处理 JPEG / JPEG2000 / RLE 等压缩传输语法，以及把多帧序列或 3D 体积交给下游图像或研究管线。纯靠记忆标签号与传输语法 UID，很容易在缺失属性、解码失败或显示过暗过亮时卡住。

技能如何工作

本技能围绕 pydicom 的典型工作流组织说明，而不是替代官方 API 文档。

读取与访问：用 dcmread() 得到 Dataset，通过属性名（如 PatientName）或标签（如 ds[0x0010, 0x0010]）读元素；用 file_meta 看传输语法；对可能缺失的字段用 hasattr / get 或 getattr 兜底。
像素与可视化：从 pixel_array 取 ndarray，彩色与多帧序列有单独处理路径；显示异常时强调 VOI LUT（apply_voi_lut 或 WindowCenter / WindowWidth）。
元数据与写入：改数据元素后保存；新建实例时注意 UID 规则（新实例生成新 UID，修改现有文件保留原 UID）；save_as(..., write_like_original=True) 利于保留文件元数据结构。
序列与多文件：嵌套 DICOM Sequence 与同一研究下多文件关联的处理方式有专门说明。
配套脚本与参考：scripts/ 提供 anonymize_dicom.py、dicom_to_image.py、extract_metadata.py；references/common_tags.md、references/transfer_syntaxes.md 汇总常用标签与传输语法。

适用边界与注意点

技能侧重 Python + pydicom 的文件级操作与常见故障排查（如「无法解码像素数据」需额外 JPEG/GDCM 类依赖、「大序列内存」建议迭代或降采样）。PACS 集成、多层体积重建、结构化报告等场景在「何时使用」里点到为止，具体接口与部署需结合院内系统与合规要求。共享数据前应对匿名化结果做彻底验证；读取不可信来源文件时应做异常处理。更完整的 API 与示例以 pydicom 官方文档为准。