在医学影像系统中，DICOM格式不仅承载图像，还包含大量病人身份数据。使用C++解析这类文件时，必须理解其二进制结构，才能准确提取并脱敏隐私信息。脱敏的核心目标是移除或替换能识别个人的标签，同时保留临床与科研需要的其他属性。
一、DICOM文件基础结构
DICOM文件以128字节的前导符开头，接着是4字节的“DICM”魔法字。之后进入数据集部分，由一系列数据元素（Data Element）组成。每个数据元素包含标签（Tag）、值表示（VR）、长度（Length）和值（Value）。标签是一个8位十六进制数对，例如（0010,0010）表示病人姓名。
在C++中解析时，我们通常以二进制流方式打开文件，跳过前导部分，再循环读取数据元素。需要注意的是，显式VR和隐式VR两种编码方式会影响读取逻辑。显式VR在标签后直接给出两个字母的类型标识，而隐式VR需依赖字典推断。实际项目中建议优先支持显式VR，以降低复杂度。
二、病人身份相关标签清单
脱敏处理首先要明确哪些标签属于病人身份范畴。常用的包括（0010,0010）患者姓名、（0010,0020）患者ID、（0010,0030）出生日期、（0010,0040）性别，以及（0010,1000）其他患者ID等。此外，（0008,0090）推荐医师、（0008,1050）执行医师也可能暴露真实人员。
下面给出一个常见身份标签的对照表，方便在代码中建立映射：
| 标签 | 名称 | 脱敏建议 |
|---|---|---|
| (0010,0010) | PatientName | 替换为匿名编码 |
| (0010,0020) | PatientID | 哈希后截断存储 |
| (0010,0030) | PatientBirthDate | 置为空或仅留年份 |
| (0010,1000) | OtherPatientIDs | 直接清空 |
建立这样的表格后，程序在遍历数据元素时即可判断是否命中敏感标签，从而执行对应策略。注意有些标签虽不直接写姓名，但组合后可推断身份，因此脱敏范围应结合业务合规要求适当扩大。
三、C++解析与脱敏代码实现
下面示例展示如何用C++读取DICOM并脱敏患者姓名与ID。代码以简化显式VR为例，仅演示核心思路，真实项目需补充异常与完整性校验。
#include <fstream>
#include <iostream>
#include <string>
#include <vector>
struct DataElement {
unsigned short group;
unsigned short element;
std::string vr;
std::string value;
};
// 简单解析显式VR的DICOM数据元素
std::vector<DataElement> parseDICOM(const std::string& path) {
std::ifstream file(path, std::ios::binary);
file.seekg(128); // 跳过前导
char magic[4];
file.read(magic, 4); // 读取DICM
std::vector<DataElement> elements;
while (file.good()) {
DataElement de;
file.read(reinterpret_cast<char*>(&de.group), 2);
file.read(reinterpret_cast<char*>(&de.element), 2);
char vr[2];
file.read(vr, 2);
de.vr = std::string(vr, 2);
unsigned int len = 0;
file.read(reinterpret_cast<char*>(&len), 4);
if (len > 0 && len < 10000) {
de.value.resize(len);
file.read(&de.value[0], len);
}
if (file.gcount() == 0) break;
elements.push_back(de);
}
return elements;
}
// 脱敏处理函数
void deidentify(std::vector<DataElement>& els) {
for (auto& e : els) {
if (e.group == 0x0010 && e.element == 0x0010) {
e.value = "ANON_NAME"; // 患者姓名替换
}
if (e.group == 0x0010 && e.element == 0x0020) {
e.value = "HASH_ID_001"; // 患者ID替换
}
}
}
int main() {
auto data = parseDICOM("test.dcm");
deidentify(data);
std::cout << "脱敏完成，元素数量：" << data.size() << std::endl;
return 0;
}
上述代码将文件流定位到数据集区，逐个读入标签与值。脱敏函数针对特定组号与元素号进行字符串替换。在工程化时，应把标签判断抽象为配置表，避免硬编码。
对于不可逆脱敏，可采用MD5或SHA对原始ID加盐后存储，既避免重识别，又能在同一批数据中保持映射一致。相比直接置空，哈希方式更利于多中心研究时关联同一匿名患者。
四、脱敏策略对比与注意点
直接清空标签实现简单，但会造成某些依赖患者ID的后续流程失效。哈希替换保留了唯一性，却要求盐值安全管理。另一种做法是生成完全虚构但格式合法的随机值，适合演示系统。
需要警惕的是，像素数据中的烧录文字（如超声图像角落的姓名）无法通过标签脱敏消除，必须借助图像处理方法。此外，私有标签（组号奇数）可能由设备厂商自定义身份字段，解析时应结合DICOM字典或设备文档补充处理规则。
五、总结
用C++解析DICOM并完成病人身份脱敏，关键在于准确读取数据元素、建立敏感标签清单并选择恰当的替换逻辑。开发者应在合规前提下，平衡隐私保护与数据可用性，才能构建可信的医学影像处理工具。
C++DICOMpatient_deidentification修改时间：2026-08-05 18:24:39