📚 课程目录第3章 DICOM影像传输与查询机制

3. DICOM影像传输与查询机制

在DICOM影像AI服务集成工程中，影像的传输与查询机制是连接PACS、AI推理引擎与临床工作站的“血管系统”。理解C-STORE、C-FIND、C-MOVE、C-GET、WADO-RS、QIDO-RS这六种核心机制，并据此设计AI服务的触发点，是集成工程师必须掌握的基本功。本节将逐一剖析这些机制的工作原理、适用场景，并给出AI服务触发点的设计方法。

一、传统DIMSE服务：C-STORE、C-FIND、C-MOVE、C-GET

DIMSE（DICOM Message Service Element）是DICOM网络通信的传统服务集，基于TCP/IP之上的上层协议，采用“请求-响应”的确认式通信模型。其中四个服务与影像传输和查询直接相关。

C-STORE（存储服务）是最基础的影像推送机制。发送方（如CT、MR设备或AI服务）作为SCU（Service Class User），将影像数据集推送给接收方（如PACS或AI服务）作为SCP（Service Class Provider）。C-STORE是“推”模型，发送方主动发起，接收方被动接收。在AI集成中，AI推理完成后将结构化报告或标注影像回写PACS，通常就使用C-STORE。其关键参数包括SOP Class UID、SOP Instance UID、Transfer Syntax UID，接收方需验证这些UID是否在协商的Presentation Context中。

C-FIND（查询服务）用于在远端节点上检索符合条件的信息。C-FIND是“拉”模型中的查询部分，SCU发送查询标识符（Query Identifier），SCP返回匹配的条目列表。查询层级可以是Patient、Study、Series、Composite Instance四级。例如，AI服务需要查找某患者最近一周的胸部CT检查，可向PACS发起Study级C-FIND，查询键包括PatientID、StudyDate范围、Modality=CT、BodyPartExamined=CHEST。C-FIND只返回元数据，不返回影像像素数据。

C-MOVE（移动服务）是一种“第三方传输”机制。SCU向SCP发送C-MOVE请求，指定目标AE Title，SCP将匹配的影像通过C-STORE推送到目标节点。C-MOVE的响应只表示“请求已接受”，实际影像传输是异步进行的，SCU无法直接获知传输完成状态。在AI集成中，若需要将影像从PACS“拉”到AI服务，可让AI服务作为C-MOVE SCU，指定自身为目的地，PACS会将影像C-STORE推送给AI服务。

C-GET（获取服务）与C-MOVE类似，但影像数据直接通过同一关联（Association）返回给请求方，而非建立新的连接推送到第三方。C-GET是“拉”模型，请求方在同一TCP连接上接收影像。其优势是无需额外配置目标AE Title，但要求请求方同时具备C-STORE SCP能力以接收数据。C-GET在跨防火墙场景中更友好，因为只需一个方向的连接。

二、Web服务：WADO-RS与QIDO-RS

随着DICOMweb标准的普及，基于HTTP/RESTful的接口逐渐成为现代AI服务集成的首选。WADO-RS（Web Access to DICOM Objects - RESTful Services）用于检索影像数据，QIDO-RS（Query based on ID for DICOM Objects - RESTful Services）用于查询元数据。

QIDO-RS通过HTTP GET请求查询Study、Series或Instance级别的元数据。例如，查询某患者的所有检查：GET /studies?PatientID=12345&Modality=CT，返回JSON或XML格式的元数据列表。QIDO-RS支持分页、模糊匹配和返回字段筛选，比C-FIND更灵活，且天然适配Web架构。

WADO-RS用于检索DICOM对象。检索整个Study：GET /studies/{StudyInstanceUID}；检索单个Instance：GET /studies/{StudyInstanceUID}/series/{SeriesInstanceUID}/instances/{SOPInstanceUID}。WADO-RS返回multipart/related格式的DICOM数据，支持指定Transfer Syntax进行转码。与C-GET类似，WADO-RS是“拉”模型，但基于HTTP，更容易与容器化AI服务、API网关和负载均衡集成。

三、AI服务触发点设计

AI服务触发点是指“在什么条件下、以什么方式启动AI推理任务”。触发点设计直接决定了AI服务的实时性、吞吐量和系统耦合度。根据上述传输查询机制，可归纳出四种典型触发模式。

模式A：C-STORE触发（实时推送）。AI服务作为C-STORE SCP，PACS或设备在影像归档后直接C-STORE推送给AI服务。AI服务在接收完一个完整的Study后立即启动推理。这种模式实时性最高，适合急诊脑出血、肺结节筛查等场景。实现要点：AI服务需正确响应C-STORE请求，按StudyInstanceUID聚合Instance，当收到该Study最后一个Instance时触发推理。判断“最后一个Instance”可通过比较C-FIND查询到的Instance总数与已接收数量，或依赖PACS发送的Study完成通知。

模式B：C-FIND轮询（定时拉取）。AI服务定时（如每5分钟）向PACS发起C-FIND查询，查找自上次轮询以来新增的检查，然后通过C-MOVE或C-GET拉取影像。这种模式实现简单，对PACS改造要求低，但存在固有延迟。查询键设计示例：StudyDate=20250101-20250101, Modality=CT, BodyPartExamined=CHEST，并记录上次查询的最大StudyTime作为增量条件。

模式C：QIDO-RS监听（Web原生）。在DICOMweb架构下，PACS或VNA在影像归档后通过Webhook或消息队列（如Kafka、RabbitMQ）发布事件，AI服务监听事件后通过QIDO-RS查询元数据、WADO-RS拉取影像。这种模式天然适配云原生和微服务架构，易于水平扩展。实现要点：QIDO-RS查询需处理分页，WADO-RS拉取需支持multipart响应解析和Transfer Syntax转码。

模式D：混合触发（异步解耦）。在高吞吐场景下，AI服务作为C-STORE SCP接收影像后，不立即推理，而是将StudyInstanceUID写入消息队列，由独立的推理工作池消费。这种模式将接收与推理解耦，避免推理阻塞接收，适合夜间批量筛查或大规模体检场景。

四、触发点选择与参数配置示例

选择触发模式时需权衡实时性、吞吐量、系统耦合度和运维复杂度。急诊场景优先模式A，体检批量场景优先模式D，云原生环境优先模式C，传统PACS环境且改造受限时可选模式B。

以下给出一个模式A的C-STORE SCP配置示例（基于DCMTK的storescp工具），用于接收影像并触发AI推理脚本：

storescp -v -dhl -pm -uf -od /data/dicom/incoming \
  --exec-on-reception "/opt/ai/trigger_inference.sh #f" \
  --sort-conc-studies CT \
  --study-date-format "%Y%m%d" \
  11112

# trigger_inference.sh 示例逻辑：
# 1. 解析接收到的DICOM文件路径
# 2. 提取StudyInstanceUID、SeriesInstanceUID
# 3. 查询该Study下已接收Instance数量
# 4. 若数量等于预期总数，调用AI推理API
# 5. 推理完成后通过C-STORE回写结果到PACS

对于模式C，QIDO-RS查询示例：GET https://pacs.example.com/dicomweb/studies?Modality=CT&StudyDate=20250101&limit=50&offset=0，返回JSON数组后遍历StudyInstanceUID，再通过WADO-RS拉取：GET https://pacs.example.com/dicomweb/studies/{StudyInstanceUID}，请求头Accept: multipart/related; type="application/dicom"。

工程提示：无论采用哪种触发模式，都必须处理“Study不完整”问题。影像可能分多次C-STORE到达，AI服务需设置合理的等待窗口（如收到第一个Instance后等待30秒），或通过C-FIND/QIDO-RS确认Study下Instance总数后再触发推理，避免对不完整序列进行推理导致结果错误。

常见排障：若C-MOVE请求返回成功但影像未到达AI服务，检查目标AE Title是否在PACS中正确注册、AI服务的C-STORE SCP是否监听正确端口、Presentation Context是否协商了所需的SOP Class和Transfer Syntax。若WADO-RS返回406错误，检查Accept头是否包含正确的multipart类型。

综上，C-STORE、C-FIND、C-MOVE、C-GET构成传统DIMSE传输查询体系，WADO-RS、QIDO-RS构成现代DICOMweb体系。AI服务触发点设计应基于这些机制，结合临床实时性要求、系统吞吐量和架构约束，选择C-STORE实时触发、C-FIND轮询、QIDO-RS监听或混合异步触发模式，并妥善处理Study完整性判断和结果回写，才能构建稳定可靠的AI集成链路。