2. 医学影像数据获取与格式解析

三维可视化与测量的第一步，是把“图像”还原成“带物理坐标的三维数据体”。这一步做错，后面无论重建算法多好，测量结果都不可信。本节围绕三件事展开：不同模态的成像原理决定了体素值代表什么；DICOM 标准决定了这些体素如何被组织和索引；体素与空间坐标系统决定了如何把像素索引换算成毫米、如何判断左右上下前后。

一、三种模态的成像原理与体素含义

CT 利用 X 线穿过人体后的衰减差异成像。X 线管与探测器绕患者旋转，重建得到每个体素的线性衰减系数，再经标定转换为 CT 值（HU，Hounsfield Unit）：水为 0 HU，空气约 −1000 HU，致密骨可达 +1000 HU 以上。因此 CT 的体素值是定量的，可直接用于阈值分割（如骨窗、肺窗）和骨密度测量。

MRI 不测衰减，而是利用氢质子在主磁场 B₀ 中的进动与射频激励。通过梯度磁场实现空间编码：选层梯度决定层面位置，相位编码与频率编码决定层内位置。不同脉冲序列（T1WI、T2WI、DWI 等）产生不同对比度，体素值是无量纲的相对信号强度，不具备绝对物理量纲，因此 MRI 分割通常依赖多序列组合与区域生长，而非固定阈值。

PET 属于发射断层成像：注入的放射性示踪剂（如 ¹⁸F-FDG）衰变发射正电子，与电子湮灭产生一对方向相反的 511 keV γ 光子，被环状探测器符合探测。重建得到的是放射性浓度分布，临床常用 SUV（标准化摄取值） 表示代谢活性。PET 空间分辨率低（约 4–6 mm），常与 CT 或 MRI 融合，用解剖图像提供定位、用 PET 提供功能信息。

下表对比三种模态在三维处理中的关键差异：

二、DICOM 标准：从像素到可定位数据

DICOM（Digital Imaging and Communications in Medicine）不只是图像格式，而是一套包含数据字典、信息模型和网络协议的标准。一个 DICOM 文件由文件头与数据集组成，数据集由若干数据元素构成，每个元素用 (组号, 元素号) 唯一标识，例如 (0028,0010) 是 Rows，(0028,0030) 是 Pixel Spacing，(0020,0032) 是 Image Position Patient。

三维重建最依赖的标签包括：

• Pixel Spacing (0028,0030)：行、列方向像素间距，单位 mm，如 [0.7, 0.7]。
• Slice Thickness (0018,0050) 与 Spacing Between Slices (0018,0088)：层厚与层间距，二者可能不等。
• Image Position Patient (0020,0032)：该层左上角体素在患者坐标系中的 (x, y, z)，单位 mm。
• Image Orientation Patient (0020,0037)：行、列方向余弦，定义图像平面朝向。
• Rescale Slope/Intercept (0028,1053/1052)：把存储的像素值转为 HU 等物理值。

一个常见陷阱是：层间距不等于层厚。若层厚 1 mm、层间距 1.5 mm，则体素在 z 方向是各向异性的，直接按等立方体重建会拉伸或压缩解剖结构。此外，同一序列的层可能并非严格平行或等间距，需按 Image Position Patient 排序并检查间距一致性。

三、体素与空间坐标系统

体素是三维数据的最小单元，由索引 (i, j, k) 定位。要把索引变成毫米坐标，需要三个要素：体素尺寸、原点位置、坐标轴方向。以患者坐标系（LPS：+x 向左、+y 向后、+z 向头）为例，体素中心坐标可写为：

P(i,j,k) = IPP + i·(Δr·RowCos) + j·(Δc·ColCos) + k·(Δs·NormalCos)

其中：
  IPP      = Image Position Patient（首层左上角体素中心）
  Δr, Δc   = Pixel Spacing 的行、列间距（mm）
  Δs       = 层间距（mm）
  RowCos   = 行方向余弦（Image Orientation 前 3 个值）
  ColCos   = 列方向余弦（Image Orientation 后 3 个值）
  NormalCos= RowCos × ColCos（层法向）

需要注意：DICOM 的 Image Position Patient 通常指左上角体素的中心，而部分工具按角点处理，二者相差半个体素。做多模态配准或与外部测量设备对齐时，必须统一这一约定。

下图给出从 DICOM 序列到三维体数据、再到患者坐标的完整数据流，并标出关键参数在链路中的作用位置：

四、实操：从 DICOM 到可测量体数据

以 Python + pydicom + SimpleITK 为例，一个稳健的读取流程如下：

import pydicom, numpy as np, SimpleITK as sitk

# 1. 读取序列并按 Image Position Patient 排序
slices = [pydicom.dcmread(f) for f in dicom_files]
slices.sort(key=lambda s: float(s.ImagePositionPatient[2]))

# 2. 校验一致性
spacings = {tuple(map(float, s.PixelSpacing)) for s in slices}
assert len(spacings) == 1, "Pixel Spacing 不一致"

# 3. 组装体数据并应用 Rescale
volume = np.stack([s.pixel_array * float(s.RescaleSlope)
                   + float(s.RescaleIntercept) for s in slices])

# 4. 构造 SimpleITK 图像，写入物理间距与原点
img = sitk.GetImageFromArray(volume)
img.SetSpacing((float(slices[0].PixelSpacing[1]),
                float(slices[0].PixelSpacing[0]),
                float(slices[0].SpacingBetweenSlices)))
img.SetOrigin(tuple(map(float, slices[0].ImagePositionPatient)))
sitk.WriteImage(img, "volume.nii.gz")

运行后应检查三件事：Spacing 是否为 (0.7, 0.7, 1.5) 这类真实物理尺寸；Origin 是否与首层 IPP 一致；用 sitk 的 TransformIndexToPhysicalPoint 把某个索引转成毫米坐标，再与手工公式核对。若两者相差半个体素，说明原点约定不一致，需要修正。

五、坐标系统的一致性检查

三维测量中最容易出错的是坐标系混用。常见有三套：体素索引坐标（i, j, k）、患者坐标（LPS，单位 mm）、世界/显示坐标（部分软件使用 RAS，即 +x 向右、+y 向前、+z 向头）。LPS 与 RAS 的 x、y 方向相反，转换时需取负。

做多模态融合时，应统一到同一坐标系后再配准。例如把 PET 重采样到 CT 网格：先读取两者 IPP 与 Orientation，用 SimpleITK 的 ResampleImageFilter 以 CT 为参考，设置恒等变换与线性插值，输出与 CT 同尺寸、同 Spacing、同 Origin 的 PET 体数据。完成后用同一索引取两者体素，确认解剖位置对齐。

最后给出一个可复用的检查清单，用于每次数据导入后快速验证：

• 同一 Series 内 Pixel Spacing、Rescale 参数是否一致；
• 层位置是否单调递增、间距是否均匀；
• Spacing 三分量是否与预期层厚/层间距吻合；
• Origin 是否等于首层 IPP；
• 索引→物理坐标换算与手工公式是否一致（注意半体素偏移）；
• 多模态数据是否已统一到同一坐标系与同一网格。

只有把模态语义、DICOM 标签和坐标变换三者对齐，后续的三维重建、分割与测量才具备可重复性和临床可比性。