技能简介
很多影像项目在正式分析前就会被数据整理拖慢。这一期把“看懂序列、整理目录、检查基础元数据”放在最前面，适合作为医学影像课题的标准起手动作。
传统方式通常需要 30–60分钟，而把流程说清楚后，AI 辅助可以在 约8分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
病例与序列命名先盘清
至少要先确认病人编号、Study/Series 结构和常见序列缩写的对应关系。
输出层级提前设计
是按病人、检查日期还是序列类型分目录，最好在整理前先定好。
匿名化状态必须先检查
公开数据与院内数据的处理要求不同，最好先看元数据里是否还留有敏感信息。
后续用途提前说明
如果后面要做分割、分类或 radiomics，整理时就应保留相应的关键信息字段。
📦 一轮像样输出至少应交付这 4 样
序列识别清单
快速区分 CT、MR 或不同 sequence 类型，并形成可复核的摘要表。
病例级整理目录
把散乱文件重组为更适合后续分析的目录结构。
DICOM 元数据摘要
提取 series 描述、层数、像素间距等常用字段，便于判断数据质量。
匿名化与异常提示
标出可能仍需处理的敏感信息或结构异常样本。
💡 适用场景
影像课题起步
先把原始 DICOM 整理干净，再决定后续算法路线。
批量接收数据
面对多个病例或多个检查批次时，这一页适合先统一目录规则。
方法学教学
把 DICOM 元数据和目录结构的概念讲清楚，比直接上模型更适合入门。
公开数据二次使用
对于下载后的 TCIA/IDC 数据，先做一次本地整理会更省事。
⚙️ 核心实操流程
先把序列类型和基础信息认出来
第一步你先别做模型。 先弄清楚手里到底是什么数据。 哪组是 CT、哪组是 MR、哪组切片数异常，已经先被列出来了
调用 `pydicom`： 扫描这个 DICOM 文件夹， 识别每个 study / series 的 modality、slice 数、层厚、像素间距、序列描述， 输出一张影像清单表。
做一轮科研用脱敏和命名整理
第二步最现实。 你不是先炫技，而是先把数据处理到能安全协作。 原来最容易出事的不是算法，是前面的数据规范
在保留研究必需 tag 的前提下， 对这批 DICOM 做脱敏， 去除姓名、住院号等敏感信息， 并按患者-检查-序列的规则重新整理文件名。
生成快速预览和质量检查图
光看 tag 还不够。 你还得快速看一眼图像本身。 中间层预览、拼图和强度分布一起出来，哪些序列有问题，一眼就能看见
用 `matplotlib`： 为每个代表性序列生成中间层预览图、slice 拼图和像素强度分布， 标注异常序列或疑似重复序列。
输出一份影像研究准备摘要
最后你拿到的，是一份别人一看就能接手的影像数据摘要。 而你的同门还在文件夹里猜哪个 series 才是主序列
把以上结果整理成一份影像研究准备摘要，包含： - 可用患者数 - 可用序列数 - modality 分布 - 脱敏状态 - 异常序列清单 并写一段适合 README / 组会汇报的说明。
建议录制的关键画面
- DICOM 文件夹扫描过程
- 序列清单表生成
- 脱敏前后示意
- 中间层预览图与拼图
- 最终影像研究准备摘要
建议准备的关键截图
- study / series manifest
- 脱敏状态摘要
- 预览拼图
- 异常序列列表
🧯 最常见的 4 类翻车点
只看文件名不看元数据
同名文件夹不代表序列含义一致，还是要回到 DICOM 字段核对。
整理后丢失追溯关系
如果病例号、检查号和原始路径对应不上，后续回查会非常麻烦。
忽略匿名化检查
即使是研究用途，也应先确认是否仍保留患者敏感信息。
为了整齐过度删除字段
过早删掉元数据可能会影响后续分层、校正和图像解释。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。