3. DICOM 元数据与标准化标签
DICOM 文件并不是“一张图 + 一段说明”，而是由文件头、数据集和像素数据共同构成的容器。真正决定这张影像能否被正确重建、配准、测量和归档的，是数据集中的元数据标签。每个标签由组号（Group）和元素号（Element）唯一标识，例如 (0010,0010) 是患者姓名，(0020,0032) 是图像位置，(0028,0030) 是像素间距。预处理流水线的第一步，往往不是滤波或重采样，而是把这些标签可靠地读出来、校验清楚，并在合规前提下完成匿名化。
一、标签的解析：从字节流到可读语义
解析 DICOM 时，先要判断传输语法（Transfer Syntax UID，(0002,0010)）。隐式 VR 小端、显式 VR 小端、显式 VR 大端以及各类压缩语法，决定了后续如何读取每个元素的 VR（值表示）和长度。解析器通常按“标签 → VR → 长度 → 值”的顺序推进，遇到 SQ（序列）时递归进入子数据集，遇到未定义长度时依赖定界项结束。解析结果应落到一个以标签为键的结构中，同时保留原始 VR 和值长度，便于后续校验。
解析阶段最容易出问题的是私有标签和厂商扩展。私有标签以奇数组号出现，语义依赖私有创建者（如 (0009,0010) 的私有创建者 UID）。工程上不应盲目丢弃，而应保留原始字节，仅在明确映射规则时才解释其含义，否则容易把设备私有字段误读成标准字段。
二、校验：几何与采集参数的一致性检查
元数据校验的目标，是确认“影像能被正确摆到空间里”。核心检查项包括：
- 像素间距
(0028,0030)：行间距与列间距，单位 mm，必须为正数且非零；缺失时不能默认 1.0，应标记为不可测量。 - 图像方向
(0020,0037)：前三个值为行方向余弦，后三个值为列方向余弦，二者应近似正交，模长接近 1。 - 图像位置
(0020,0032)：首像素中心在患者坐标系中的 (x, y, z)，单位 mm。 - 层厚与层间距
(0018,0050)、(0018,0088)：用于判断体素是否各向同性。 - 窗宽窗位
(0028,1050)、(0028,1051)：影响显示，不影响原始像素值。 - 重缩放
(0028,1052)、(0028,1053)：HU = 像素值 × Slope + Intercept，是 CT 定量分析的前提。
一个常见的校验逻辑是：若 (0028,0030) 缺失或为 0，则像素间距不可信；若方向余弦点积绝对值大于 0.01，则方向矩阵可能被错误写入；若同一序列内层间距与层厚差异超过阈值，则提示可能存在丢层或重复层。校验结果应分级：致命错误阻断流程，警告记录并继续，信息仅记录。
三、匿名化：在去标识与可用性之间取舍
匿名化不是简单删除患者姓名。(0010,0010)、(0010,0020)、(0010,0030)、(0008,0050) 等直接标识符必须处理，但 (0010,0020) 患者 ID 往往被研究流程用作跨序列关联键，因此常用“替换为哈希值”而非直接删除。日期类标签如 (0008,0020)、(0008,0021)、(0008,0030) 可做偏移或截断，但需保持同一患者内的时间顺序一致。
需要特别注意的是，像素数据本身可能包含 burned-in annotation（如超声图像上的姓名、日期）。仅处理标签并不足以完成匿名化，必要时需对像素区域做遮挡或 OCR 检测。此外，私有标签中也可能藏有标识信息，应结合私有字典或直接清除未知私有块。
(0008,0060) 模态、(0018,0015) 身体部位、(0028,0030) 像素间距等对分析必要的字段，避免“过度匿名化”导致影像不可用。四、一个可执行的校验与匿名化流程
下面给出一个面向工程实现的处理顺序，输入为单个 DICOM 文件，输出为校验报告和匿名化后的数据集：
1. 读取文件，解析 Transfer Syntax UID
2. 按 VR 解析所有元素，保留原始字节
3. 校验必填标签：SOPClassUID、StudyInstanceUID、SeriesInstanceUID
4. 校验几何标签：PixelSpacing、ImageOrientationPatient、ImagePositionPatient
5. 校验像素标签：Rows、Columns、BitsAllocated、PixelRepresentation
6. 校验重缩放：RescaleSlope、RescaleIntercept
7. 匿名化：删除/替换直接标识符，处理日期偏移
8. 检查私有标签，清除未知私有块
9. 输出校验报告：error / warning / info
10. 写出匿名化后的 DICOM 文件校验报告建议包含：标签名、标签号、期望条件、实际值、级别。例如 PixelSpacing 期望“两个正浮点数”，实际为“0.0\0.0”，级别为 error。这样后续排障时可以直接定位到具体字段，而不是只看到“文件损坏”。
五、标签关系与处理路径可视化
下图把本节涉及的核心标签、校验关注点和匿名化动作组织成一张关系图，帮助理解“哪些标签决定几何、哪些决定显示、哪些必须去标识”。
从图中可以看到，解析层解决“能不能读”，校验层解决“读得对不对”，匿名化层解决“能不能合规地用”。三者顺序不能颠倒：如果先匿名化再校验，可能因为关键几何标签被删除而无法判断影像是否可测量；如果先校验再匿名化，则可以在保留完整信息的前提下完成质量判断，再按策略去标识。
六、工程实践中的几个判断点
第一，像素间距缺失时不要用 1.0 兜底。很多测量误差都源于“默认值”被当成真实值。正确做法是标记该序列不可用于定量测量，或从同系列其他切片推断并明确标注推断来源。
第二，方向余弦要检查正交性。计算行方向与列方向的点积，理想值为 0；若绝对值大于 0.01，说明方向矩阵可能被错误写入或存在非标准旋转，应触发 warning。
第三，匿名化后要重新校验。删除或替换标签可能破坏引用关系，例如 (0008,1155) 引用 SOP Instance UID 时，若被引用对象已重映射，必须同步更新，否则会形成断链。
第四，保留审计记录。匿名化前后应记录哪些标签被修改、修改规则版本、操作时间，但审计记录本身不能包含原始标识信息，否则等于把敏感数据换了个地方存放。
掌握标签的解析、校验与匿名化，是后续重采样、配准和建模能够稳定运行的前提。只有先把元数据这一层做扎实，像素层面的处理才有可靠的空间与语义基础。