3. DICOM数据元素与编码实战

在PACS工程实践中，DICOM文件并不是“一张图片加一些文字”，而是一棵由数据元素（Data Element）逐层嵌套构成的编码树。要真正读懂一台CT、MR或超声设备导出的DICOM文件，必须掌握四个关键层面：数据元素的三元组结构、VR（Value Representation）类型、传输语法（Transfer Syntax）以及字符集（Specific Character Set）。本节以真实DICOM文件解析为主线，把抽象标准落到可操作的字段与字节上。

一、数据元素：DICOM的最小信息单元

每个数据元素由三部分构成：标签（Tag）、值表示（VR）和值长度（Value Length），随后是值域（Value Field）。标签是4字节无符号数，写成 (组号,元素号) 的十六进制形式，例如患者姓名是 (0010,0010)，像素数据是 (7FE0,0010)。组号为偶数的标签属于标准标签，奇数组号通常为私有标签。

数据元素按标签升序排列，形成一条“扁平序列”，但通过SQ（Sequence）类型的元素可以嵌套子数据集，从而表达“一个检查包含多个序列、一个序列包含多帧图像”的层级关系。解析时若只做线性扫描而不处理SQ嵌套，就会漏掉序列内部的采集参数。

二、VR类型：决定值如何被解释

VR规定了值域的编码方式。常见VR包括：PN（患者姓名，如“ZHANG^SAN”）、DA（日期，YYYYMMDD）、TM（时间）、UI（唯一标识符，如SOP Instance UID）、US/SS（无符号/有符号短整型）、UL（无符号长整型）、OB/OW（字节/字流，像素数据常用）、SQ（序列）、CS（代码字符串）、DS/IS（十进制/整数字符串）。

VR的编码方式分两种：显式VR下，VR以两个大写字母直接写在标签之后；隐式VR下，VR不写出，由字典根据标签查表推断。这正是传输语法要解决的问题。

三、传输语法：字节序、VR模式与压缩

传输语法（0002,0010）是一个UID，它同时约定三件事：字节序（小端/大端）、VR模式（显式/隐式）、像素数据是否压缩。工程中最常见的几种：

• 1.2.840.10008.1.2 —— 隐式VR小端（Implicit VR Little Endian），兼容性最好；
• 1.2.840.10008.1.2.1 —— 显式VR小端（Explicit VR Little Endian），现代设备默认；
• 1.2.840.10008.1.2.2 —— 显式VR大端，较少见；
• 1.2.840.10008.1.2.4.50 —— JPEG基线压缩；
• 1.2.840.10008.1.2.4.70 —— JPEG无损；
• 1.2.840.10008.1.2.4.90/91 —— JPEG 2000无损/有损。

解析时若把隐式VR文件按显式VR读取，会把长度字段误读成VR字符，导致后续全部错位。因此先读文件头（0002组）确定传输语法，再切换解析模式，是解析器的第一条铁律。

四、字符集：中文姓名不乱码的关键

字符集由 (0008,0005) Specific Character Set 指定。默认ISO-IR 6（ASCII）只能表示英文；中文常用 ISO 2022 IR 6 与 ISO 2022 IR 87（GB2312）、ISO 2022 IR 149（韩文）、GB18030 或 UTF-8。若解析器忽略该字段，用UTF-8去解GB2312字节，患者姓名就会变成乱码。正确做法是：先读 (0008,0005)，再按声明的字符集解码PN、LO、SH等文本VR。

五、实战：用工具解析真实DICOM文件

命令行下最直接的工具是 dcmdump（DCMTK）与 gdcminfo（GDCM）。以一份CT文件为例，先看文件头与传输语法：

$ dcmdump +P 0002,0010 ct_chest.dcm
(0002,0010) UI = 1.2.840.10008.1.2.1   # Explicit VR Little Endian

$ dcmdump +P 0008,0005 ct_chest.dcm
(0008,0005) CS = ISO_IR 100            # Latin-1，中文需另设

$ dcmdump +P 0010,0010 ct_chest.dcm
(0010,0010) PN = ZHANG^SAN

若文件声明为 ISO 2022 IR 87，则姓名可能以GB2312字节存储，此时用Python的pydicom读取需显式指定编码：

import pydicom
ds = pydicom.dcmread("ct_chest.dcm")
print(ds.SpecificCharacterSet)      # ['ISO 2022 IR 87']
print(ds.PatientName)               # 正确解码为中文
print(ds.file_meta.TransferSyntaxUID)
print(ds.Rows, ds.Columns, ds.BitsAllocated)
print(ds.WindowCenter, ds.WindowWidth)

提取关键属性时，建议按“患者—检查—序列—图像”四级组织：患者层取姓名、ID、出生日期；检查层取检查UID、检查日期、模态；序列层取序列UID、序列号、层厚；图像层取SOP Instance UID、行列数、位深、窗宽窗位、像素数据。这样既符合DICOM信息模型，也便于后续入库与检索。

六、结果如何判断

一份解析成功的DICOM文件，应满足：患者姓名可读且与设备界面一致；SOP Instance UID全局唯一；Rows×Columns×BitsAllocated/8 与像素数据长度吻合（多帧需再乘帧数）；窗宽窗位为合理数值（如肺窗W=1500、L=-600）；传输语法与像素数据实际编码一致。若姓名乱码，先查字符集；若像素长度不符，先查传输语法与是否压缩；若属性缺失，检查是否因SQ未展开而漏读。掌握这条链路，就掌握了PACS数据接入的第一道关口。