PNG、JPG如何转Dicom（dcm），那些年我踩过的坑（Python版）

见贤思齐

Dicom作为医学影像的常见数据格式，是每个深耕于医疗AI的同学无法跳过的一个坑。虽然我只是一名扎根于算法部署方面的小白。但是也不可避免地接触到这类数据。这不，最近接到算法同学给出的算法，需要我自己找公开数据集进行测试。可是Dicom数据集并不常见（PS：测了1000张还嫌不够，大无语），因此只能将目光聚焦于PNG、JPG类型的数据集（直接用PNG、JPG训练的除外）。    但是PNG、JPG类型的数据转Dicom并不容易，一不小心你就会收获“非标准Dicom”，网上的一些教程我也尝试了，很遗憾：转出来的Dicom不是黑不溜秋，就是无法识别。要么就是c++写的，编译来编译去，令人心烦。也尝试过用现成的Dicom数据，然后使用PNG、JPG的Data替换其中的PixelData。但是都无功而返！    于是乎，我潜心钻研（东Copy西Copy），完成了这份python版本的PNG、JPG转Dicom。目录1.Dicom数据格式简介2.PNG、JPG转Dicom（以PNG为例）3.进一步完善Dicom 4.结果展示1.Dicom数据格式简介        首先，在你尝试着将PNG、JPG类型的数据转换成Dicom数据之前，你可能需要浅浅了解一下Dicom数据的基本格式。（1）preamble（前导）：不重要，主要是为了向后兼容性和可扩展性而保留的若干个字节。（2）prefix（前缀）：不重要，主要是确认该文件是否符合DICOM标准。前导和前缀是可选的，对于DICOM文件来说，并不是必需的。（3）FileMetaInformation（文件元信息头）：重要！！！文件元信息头是DICOM文件的必要部分，其中包含了一些关键信息，如DICOM版本号、文件字节顺序、数据元素编码方式等。（4）DataElements(数据元素)：重要！！！是DICOM文件中包含的实际医学图像和相关信息的部分。2.PNG、JPG转Dicom（以PNG为例）    OK，知道了Dicom的数据结构，我们就能够针对主要的部分来转换我们的PNG、JPG。废话不多说，上代码！如果你不想看接下来的分析，你只需要修改main函数中的路径即可。importosimportpydicomfromPILimportImagedefpng_to_dicom(input_png_path,output_dcm_path,patient_name="Anonymous",study_description="PNGtoDICOM"):forfileNamesinos.listdir(input_png_path):input_filename=os.path.basename(fileNames).split('.')[0]output_filename=input_filename+".dcm"input_filepath=input_png_path+fileNamesoutput_dcmpath=output_dcm_path+output_filename#读取PNG图像img=Image.open(input_filepath)#将PNG图像转换为灰度图像（单通道）pixel_array=img.convert("L")#创建一个空的FileDataset对象，并添加DICOM数据集元素ds=pydicom.dataset.FileDataset(output_dcm_path,{},file_meta=pydicom.dataset.Dataset())#创建文件元信息头对象#添加DICOM文件元信息头ds.file_meta.FileMetaInformationGroupLength=184ds.file_meta.FileMetaInformationVersion=b'\x00\x01'ds.file_meta.MediaStorageSOPClassUID='1.2.840.10008.5.1.4.1.1.1.1'ds.file_meta.MediaStorageSOPInstanceUID='1.2.410.200048.2858.20230531153328.1.1.1'ds.file_meta.TransferSyntaxUID='1.2.840.10008.1.2'ds.file_meta.ImplementationClassUID='1.2.276.0.7230010.3.0.3.5.4'ds.file_meta.ImplementationVersionName='ANNET_DCMBK_100'#添加DICOM数据集元素ds.PatientName=patient_nameds.StudyDescription=study_descriptionds.Columns,ds.Rows=img.sizeds.SamplesPerPixel=1ds.BitsAllocated=8ds.BitsStored=8ds.HighBit=7ds.PixelRepresentation=0#数据显示格式ds.PhotometricInterpretation="MONOCHROME2"ds.PixelData=pixel_array.tobytes()#直接使用灰度图像的字节数据#保存DICOM数据集到文件ds.is_little_endian=Trueds.is_implicit_VR=True#使用隐式VRds.save_as(output_dcmpath)print(output_dcmpath)if__name__=="__main__":#输入PNG图像路径和输出DICOM图像路径input_png_path="Your_Input_PNG_Path"output_dcm_path="Your_Output_Dicom_Path"#将PNG转换为DICOMpng_to_dicom(input_png_path,output_dcm_path)让我们来详细分析一下这部分代码：（1）FileMetaInformationGroupLength：指定FileMetaInformation部分的长度，随意啦，别太离谱就行。（2）FileMetaInformationVersion：表示FileMetaInformation部分的版本号。（3）MediaStorageSOPClassUID：定义了影像的数据类型，每种类型有唯一的UID标识。如“1.2.840.10008.5.1.4.1.1.1.1”代表的是“DigitalX-RayImageStorage-ForPresentation”（4）MediaStorageSOPClassUID：唯一标识一个特定的影像数据实例。（5）TransferSyntaxUID：表示DICOM图像数据的传输语法，它指定了数据在网络传输中的编码方式。每种方式有唯一的UID标识，比如“1.2.840.10008.1.2”代表的是“ImplicitVRLittleEndian”。（6）ImplementationClassUID：用于标识实现DICOM标准的应用程序或设备的唯一标识符。（7）ImplementationVersionName： 实现DICOM标准的应用程序或设备的版本名称或标识。        看到这里你可能会问“你这乱七八糟的一堆数字，我怎么知道什么意思？”聪明的我早就想到了，首先随便选一张标准的Dicom数据，然后执行如下代码：importpydicomdataset=pydicom.dcmread("Your_Dicom_Path",force=True)print(dataset.file_meta)    然后你会看到下面一堆信息，如果你想更换MediaStorageSOPClassUID和TransferSyntaxUID，那你就要自己去查对应的UID喽，所以以下内容我不建议你自己换，除非你知道你要干嘛：3.进一步完善Dicom      哈哈哈哈，没想到还有吧！实际上，通过第2步，你已经可以获得一张用于展示的Dicom数据格式了。但是仅此而已，如果你想要做算法或者跟我一样，去验证别人的算法。那么，这一步是必不可少的。        在第2步中，我们为新的Dicom添加了FileMetaInformation（文件元信息头）和部分DataElements(主要是PixelData)。因此这份Dicom是可以正常被读取、浏览的。但是，如果是用于算法训练或者验证算法，是需要确保这份Dicom数据的唯一性的。    为了便于理解，确保Dicom数据唯一性的代码，我另起了一个新的py文件：importosimportpydicom#源文件夹和目标文件夹路径source_folder='Your_Input_Dicom_Path'target_folder='Your_Output_Dicom_Path'patient_pid=20230726001accession_number=202307261001study_uid=2023072620001seriesNumber=1seriesInstanceUID="1.2.410.200048.2858.20230529094313.1"modality="CR"pixelSpacing=[0.160145,0.160114]instanceNumber=1bodyPartExamined="CHEST"#遍历源文件夹中的文件forfilenameinos.listdir(source_folder):iffilename.endswith('.dcm'):#构建源文件路径和目标文件路径source_file=os.path.join(source_folder,filename)target_file=os.path.join(target_folder,filename)#加载源DCM文件dcm_data=pydicom.dcmread(source_file,force=True)#添加患者PID、AccessionNumber和StudyUID等信息dcm_data.PatientID=str(patient_pid)dcm_data.AccessionNumber=str(accession_number)dcm_data.StudyInstanceUID=str(study_uid)dcm_data.SeriesNumber=seriesNumberdcm_data.SeriesInstanceUID=seriesInstanceUIDdcm_data.Modality=modalitydcm_data.PixelSpacing=pixelSpacingdcm_data.BodyPartExamined=bodyPartExamineddcm_data.InstanceNumber=instanceNumber#将文件名作为患者名file_name_without_extension=os.path.splitext(filename)[0]dcm_data.PatientName=file_name_without_extension#保存修改后的DCM文件到目标文件夹dcm_data.save_as(target_file)#递增计数器patient_pid+=1accession_number+=1study_uid+=1else:print("error!")同样的，我们来详细解析以下这部分代码。（1）patient_pid：患者的唯一标识符，你怎么开心怎么写。（2）accession_numbe：分配给患者检查的唯一标识号码,唯一地标识特定的检查或一组医学影像，你怎么开心怎么写。（3）study_uid：对应医学影像研究的ID，你怎么开心怎么写。（4）seriesNumber：标识图像所属系列的编号，建议按照我这个来。（5）seriesInstanceUID：唯一标识一个影像系列，建议按照我这个来，或者你找一张标准的Dicom，参考它怎么写。（6）modality：用于获取图像的影像学模态，建议按照我这个来，或者你找一张标准的Dicom，参考它怎么写。（7）pixelSpacing：像素在行和列方向上的物理间距，建议按照我这个来，或者你找一张标准的Dicom，参考它怎么写。（8）instanceNumber：分配给图像中个别实例的唯一编号，通常用于区分一个系列中的不同图像，你怎么开心怎么写。（9）bodyPartExamined：检查部位，根据实际写，你也可以不写。4.结果展示        需要说的是，PNG、JPG亦或是其它类型的数据，在转成Dicom的过程中不可避免地会出现一定的损失。如果在Dicom数据充足的情况下，无论是算法训练还是验证，都建议使用Dicom（直接用PNG训练的除外）。PNG、JPG转Dicom实属无奈之举啊！