医学图像中主流格式为DCM文件或者称为DICOM(DigitalImaging andCommunications inMedicine)，该格式最令人头痛的是切片众多且命名混乱。众所周知，医学图像（以CT图像为例）多为三维图像，分为横断面、矢状面和冠状面。如图(1)所示，三维格式的图像经常会以横断面分割为多个切片数据(Slice)，但是由于命名混乱的原因，不容易理解切片位置。本文旨在分享多个切片重构成一个三维数据的过程，若有错误，欢迎指正。

图1

首先，需要对DCM文件进行简单介绍，令读者有个直观的认识。科研中常见的情形如图(2)所示，一个患者的所有影像数据(CT,MRI,CBCT等等)都在一个文件夹下，每种数据又有许多切片dcm，造成数据读取困难的问题。需要注意的是，切片的文件名的数字顺序并不代表切片的实际空间顺序！！因此，需要一种将多张二维切片数据重构重构成单张三维数据。

图2

 DCM格式的文件会存储其各类重要信息，其详细解释可浏览该博客。其中，本文主要用到（1）Patient ID : 患者ID （一般与患者的文件夹命名一致）；（2）Series Number : 属于同一三维数据的该序号应当是一样的，例如都是同一CT图像中的某张切片，那么该值是一样，通过该值判断是不是属于同一个三维数据（可能一个患者拍了多张CT图像）；（3）Image Position ：该切片左上角像素点的空间位置。简而言之，利用Series Number找出患者文件夹下的所有属于同一三维图像的所有切片，然后利用Image Position对这些切片进行排序并重构成三维数据。流程如图（３）所示。

图３流程图

 需要注意的是，不建议重构的三维数据保存为DCM格式，因为这样需要设置许多DCM的头信息，过于麻烦。建议保存为NII格式，或者MAT格式，或者NPZ格式，这些格式对于c++，matlab以及paython都是非常方便读取的格式。

为了方便大家使用，本文提供对应matlab代码和python代码，欢迎下载。