2. DICOM协议核心对象精讲

在DICOM世界里，影像AI服务并不是直接“读一张图”，而是先理解一套层层嵌套的信息模型。SOP Class、IOD、IE、模块、数据集和编码规则共同构成了这套模型的主干。只有把这条链路理清，AI服务才能稳定地接收影像、正确解析元数据，并把推理结果以合规方式写回PACS或归档系统。

从SOP Class到IOD：先定义“能做什么”

SOP Class是DICOM中定义服务对象类型的核心标识，它决定了某个对象能参与哪些服务，例如存储、查询、打印或工作列表。常见的CT图像存储SOP Class UID为1.2.840.10008.5.1.4.1.1.2，MR图像存储为1.2.840.10008.5.1.4.1.1.4，而AI结果常以Secondary Capture或Enhanced SR等形式表达。SOP Class本身是一个UID，它把“对象类型”和“服务语义”绑定在一起。

IOD（Information Object Definition）则描述这类对象在信息层面“长什么样”。它规定了必须存在哪些信息实体、每个实体包含哪些属性、哪些属性是必需的、哪些是条件性的。可以这样理解：SOP Class回答“这是什么服务对象”，IOD回答“这个对象由哪些信息组成”。例如CT图像IOD包含患者、检查、序列、图像等多个信息实体，而AI分割结果若以DICOM Segmentation对象存储，则对应Segmentation IOD，其信息实体和属性要求与普通CT图像不同。

IE与模块：把IOD拆成可实现的积木

IE（Information Entity）是IOD中的高层信息单元，常见包括Patient、Study、Series、Equipment、Image等。每个IE下再挂载若干模块（Module），模块是属性集合的最小功能单元。例如Patient IE下包含Patient Module，Study IE下包含General Study Module，Series IE下包含General Series Module，Image IE下包含General Image Module和Image Pixel Module。

模块内部由属性（Attribute）组成，每个属性有标签（Tag）、VR（Value Representation）、VM（Value Multiplicity）和条件类型（Type 1、1C、2、2C、3）。Type 1表示必须存在且非空，Type 2表示必须存在但可为空，Type 3表示可选。AI服务在构造或解析对象时，必须优先保证Type 1和Type 1C属性正确，否则对象可能被拒绝或无法被下游系统识别。

数据集与编码规则：属性如何真正落到字节

数据集是模块中属性的实际集合，按标签从小到大排列。每个属性由标签、VR、值长度和值组成。VR决定了值的编码方式，例如PN表示人员姓名，UI表示UID，DA表示日期，US表示无符号短整型。VM表示值多重性，例如1表示单值，1-n表示一个或多个。AI服务在解析时，必须根据VR正确解码，否则会把二进制像素值误读为文本，或把UID截断。

传输语法（Transfer Syntax）决定字节序、VR是否显式以及是否压缩。常见的有Implicit VR Little Endian、Explicit VR Little Endian、JPEG Lossless和JPEG 2000。AI服务接收影像时，必须先读取(0002,0010) Transfer Syntax UID，再决定用哪种解码器。若传输语法是JPEG 2000，而服务只支持未压缩像素，就必须先解压再推理。

影像AI服务必须掌握的字段

对于影像AI服务，以下字段是必须优先掌握的：SOPClassUID用于判断对象类型；SOPInstanceUID用于唯一标识实例；StudyInstanceUID、SeriesInstanceUID用于建立检查与序列层级；PatientID用于患者关联；Modality用于区分CT、MR、US等；Rows、Columns用于确定图像矩阵；BitsAllocated、BitsStored、HighBit、PixelRepresentation用于正确解析像素；PhotometricInterpretation用于判断灰度或彩色；RescaleSlope、RescaleIntercept用于将像素值转换为HU值；ImagePositionPatient、ImageOrientationPatient、PixelSpacing、SliceThickness用于空间定位和几何计算。

一个可执行的字段检查清单

在AI服务上线前，建议用以下清单逐项核对输入对象：

例如，某CT影像的RescaleSlope=1、RescaleIntercept=-1024，像素值为1024时，对应HU值为1024×1+(-1024)=0，即水。若AI模型训练时使用的是HU值，而服务直接输入原始像素值，就会产生系统性偏差。因此，在推理前必须完成HU = Pixel × RescaleSlope + RescaleIntercept的转换，并确认PixelRepresentation与模型输入一致。