Dicom患者信息获取乱码分析

开发的软件在读取CT机的Dicom文件时，其中的患者信息出现乱码，产生原因是因为Dicom使用了默认的字符集，导致不能正常解析中文。

开发环境

Fo-Dicom

VS2022 

.net6+

问题现象

开发的CT软件，从CT的Dicom文件中读取到的患者姓名、性别出现了乱码。

同时将此Dicom以RadiAnt打开，也是一样的问题。

 

排查过程

开始怀疑是在扫描CT时出现了异常，导致Dicom的PatientName标签中汉字异常。但debug时尝试将PatientName以如下方式读取时：

    var item = dicomDataset.GetDicomItem<DicomElement>(dicomTag);
    if (item == null) return string.Empty;
    byte[] bytes = item.Buffer.Data;
    string txt = Encoding.GetEncoding("GB18030").GetString(bytes).Trim('\0');

发现是能还获取到患者姓名的。于是怀疑是DICOM的字符集可能是有问题。看了Dicom中的Specific Character Set，确认此是有问题的。

原因分析

在 DICOM 文件中，​​Specific Character Set (0008,0005)​​ 的值为 ​​ISO_IR 100​​ 时无法正常解析中文，是因为该字符集实际上是 ​​Latin-1（ISO-8859-1）​​，仅支持西欧语言字符，​​不包含中文字符​​。

以下为Dicom中Specific Character Set截图：

 

(1) ISO_IR 100 的本质​​

• ​​ISO_IR 100​​ 是 DICOM 标准中定义的字符集标识符，对应 ​​ISO-8859-1（Latin-1）​​。
• ​​Latin-1 的局限性​​：
  • 仅支持 ​​256 个字符​​（0x00-0xFF），覆盖 ​​西欧字母​​（如 ä, ñ, é），但​​不包含任何中文字符​​。
  • 中文字符在 Latin-1 编码下会被解析为​​乱码​​（如 张三 → ÕÅСÀÖ）。

​​(2) DICOM 的字符集处理逻辑​​

• 当 Specific Character Set 被声明为 ISO_IR 100 时，解析器会强制使用 Latin-1 解码所有字符串标签（如 PatientName）。
• 如果实际数据是中文（如 GB18030/UTF-8 编码），则必然解析失败。

 

解决方案

(1) 修改 Specific Character Set 为中文编码​​

在写入或修改 DICOM 文件时，显式声明支持中文的字符集：

// 使用 fo-dicom 库示例
var dataset = new DicomDataset();

// 关键步骤：声明为 GB18030 或 UTF-8
dataset.AddOrUpdate(DicomTag.SpecificCharacterSet, "GB18030"); // 或 "ISO_IR 192"（UTF-8）

// 添加中文数据
dataset.AddOrUpdate(DicomTag.PatientName, "张三");
dataset.AddOrUpdate(DicomTag.StudyDescription, "胸部CT");

// 保存文件
new DicomFile(dataset).Save("output.dcm");

 

若不想操作DICOM，仅是想在读取相应文件时，不出现乱码，那么在读取字符串时，以中文编码读取也是可行的。

如下为参考代码：

private static string GetChineseString(DicomDataset dicomDataset, DicomTag dicomTag)
{

    var item = dicomDataset.GetDicomItem<DicomElement>(dicomTag);
    if (item == null) return string.Empty;
    byte[] bytes = item.Buffer.Data;
    string txt = Encoding.GetEncoding("GB18030").GetString(bytes).Trim('\0');
    Debug.WriteLine(txt);
    return txt;
}

注意：GetDicomItem方法是可能返回null值的，一定不要忘了处理。

 

​​(2) 支持的 DICOM 中文编码标识符​​

​​字符集​​	​​DICOM 标识符​​	​​适用范围​​
GB18030	"GB18030"	中国国家标准（全覆盖）
GBK	"GBK"	兼容 GB2312（较旧系统）
UTF-8	"ISO_IR 192"	国际通用（推荐）

　　建议使用GB18030，其它字符集不能完全覆盖，一些人的人名中有生僻字的话又会出现乱码。

​​(3) 修复已存在的文件​​

若文件已错误写入 ISO_IR 100，需重新编码数据：

var dicomFile = await DicomFile.OpenAsync("corrupted.dcm");

// 1. 修正字符集声明
dicomFile.Dataset.AddOrUpdate(DicomTag.SpecificCharacterSet, "GB18030");

// 2. 重新解码原始字节（假设原始数据是 GB18030）
var nameBytes = dicomFile.Dataset.GetDicomItem<DicomElement>(DicomTag.PatientName).Buffer.Data;
string correctName = Encoding.GetEncoding("GB18030").GetString(nameBytes).Trim('\0');

// 3. 更新数据
dicomFile.Dataset.AddOrUpdate(DicomTag.PatientName, correctName);
dicomFile.Save("fixed.dcm");

 

为什么会出现 ISO_IR 100？​​

• ​​默认行为​​：某些 DICOM 生成工具（如老旧设备）未正确配置字符集，默认使用 ISO_IR 100。
• ​​错误转换​​：中文数据被错误地用 Latin-1 编码后写入文件。

建议

在国内DICOM字符集建议使用GB18030，其它字符集不能完全覆盖，一些人的人名中有生僻字的话又会出现乱码。