技能介绍

要解决什么问题

在医学影像流水线里，分割、配准或可视化工具往往期望输入是 NIfTI 体积（含 HU 值与空间仿射），而原始数据常常是按序列拆散的 DICOM 切片文件夹。手工用通用工具转换时，容易在 Rescale、切片顺序或方向编码上踩坑，导致下游模型读到的 spacing/axcodes 与预期不一致。

本技能针对 单一 CT DICOM 序列目录，把工程侧常见的「序列 → 3D 体积」步骤封装成固定入口，并产出可校验的 JSON 摘要，便于 agent 在跑模型前做质量门断言。

技能如何工作

输入 / 输出：清单 I/O 为 dicom_dir；输出为 nifti_volume（.nii.gz）与 result_json。
主入口：应通过文档化的 scripts/series_to_volume.py 运行（参数：PATH_TO_DICOM_DIR，可选 --output OUT.nii.gz），不要用自写脚本替代上游入口。
转换逻辑：按 ImagePositionPatient 排序切片；应用 RescaleSlope 与 RescaleIntercept 得到 HU；由方向与间距相关标签构建仿射矩阵，并以 NIfTI/RAS 坐标写入体积。
可信运行：在把一次运行当作证据前，检查 JSON 及配套的 dicom_volume_quality_v1 校验器；关键字段包括 n_slices、series_instance_uid、output.shape、output.spacing、output.axcodes、output.affine、hu_range 等。

适用边界与注意点

仅支持单一序列；多序列会在预检阶段被拒绝。
不支持多帧 DICOM（NumberOfFrames > 1）、JPEG/JPEG2000/RLE 等压缩传输语法。
不做体素重定向；仿射由 DICOM 头推导，若分割模型对方向敏感，应在送入模型前用 expected_axcodes 等校验门断言方向。
非临床用途：不可用于自主诊断、合规提交或生产级临床推理；此类场景应使用经审查的转换器（如 dcm2niix）。

截图预览

使用场景

收到单个 CT 序列的 DICOM 目录，要在送入 3D 分割或配准前转成 HU NIfTI，并用 JSON 核对 spacing 与 axcodes。
在 agent 工作流中按清单 I/O 传入 `dicom_dir`，运行封装脚本得到 `nifti_volume` 与 `result_json`，再跑 `dicom_volume_quality_v1` 校验。
研究或 benchmark 数据按序列存成多文件 DICOM，需固定入口批量生成 `.nii.gz`，供训练框架或可视化工具直接加载。
转换结果为空或校验失败时，保留 stderr 与 JSON，对照是否为多序列、多帧 DICOM 或压缩传输语法等不支持输入。

适合人员

维护 CT 3D 训练或推理流水线的算法工程师，需要可复现的序列→体积转换与可断言的 JSON 字段。
整理公开或脱敏 CT 数据的科研助理，要把按序列拆分的 DICOM 目录统一转成 NIfTI 再入库或标注。
在宿主 agent 里对接 Skill manifest 的集成开发者，必须通过 `scripts/series_to_volume.py` 而非自写转换替代上游。
在分割模型前负责空间一致性检查的影像软件工程师，需依据 DICOM 头推导的仿射与 RAS 方向做工程校验。