'DICOM'数据是医疗影像的关键,一个.dcm 文件保存了单次诊断的全部信息(病人信息+图像数据),通过读取解析.dcm文件可以获取所有信息。
DICOM文件结构

打开任意一个.dcm文件,使用16进制打开,可以看到如下结构:

- 导言
导言部分128字节,可以直接跳过。
- 前缀
前缀标识的一个dicm文件,总共4个字节。
- 数据元素
在前缀后面就是真正的数据元素来。
从数据元素开始,均是以key,value的形式提供,每个tag就是dicom里面定义好的字典,我们在解析时根据需要只需关注特定的tag即可,dicom全部的tag至少有 2000个。
好了,Dicom基本数据结构就这样,刚开始学习时可以自己动手解析下,体验下上面说的几个步骤。实际工作或者软件开发中都是使用第三方开源库进行操作,比如比较著名的 C++ 系的DCMTK,JAVA系的 dcm4che, python系的 pyDicom等等,本文乃至以后的文章主要以 DCMTK为主.
DICOM-Tag说明
1 患者信息(整个SERIES一样)

2 设备医院相关信息(整个SERIES一样)

3 study信息(整个SERIES一样)

4 图像信息(除注明的,整个SERIES相同)

5 CT 设备信息(整个SERIES相同)

6 MR设备相关tag(整个SERIES相同)

DICOM-VR数据类型说明


DICOM 标准支持的数据集
