如何递归遍历目录生成含DICOM元数据的CSV研究汇总文件

核心逻辑 #

• 继续用Pathlib处理目录遍历，它的层级路径操作天生适配你的目录结构，完全能hold住复杂场景
• 直接从目录路径里提取年、月、日、研究名称、模态这些固定层级的信息，不用重复从DICOM文件里抠
• 每个模态目录下只读取第一个DICOM文件的元数据（同研究同模态的DICOM元数据基本一致），大幅提升处理效率
• 先把所有研究的记录攒在列表里，最后一次性写入CSV，减少频繁IO的开销

代码实现 #

from pathlib import Path
import pydicom
import csv

def extract_dicom_metadata(dicom_path):
    """提取DICOM核心元数据，做容错处理避免崩溃"""
    try:
        # 只读取元数据，跳过像素数据，速度更快
        ds = pydicom.dcmread(dicom_path, stop_before_pixels=True)
        return {
            "patient_name": getattr(ds, "PatientName", ""),
            "institution_name": getattr(ds, "InstitutionName", ""),
            "study_description": getattr(ds, "StudyDescription", ""),
            "modality": getattr(ds, "Modality", "")
        }
    except Exception as e:
        print(f"读取{dicom_path}失败: {e}")
        return {
            "patient_name": "",
            "institution_name": "",
            "study_description": "",
            "modality": ""
        }

def process_dicom_directory(root_dir):
    root = Path(root_dir)
    study_records = []

    # 遍历所有模态目录（层级：年/月/日/研究/模态）
    for modality_dir in root.glob("*/*/*/*/*"):
        if not modality_dir.is_dir():
            continue
        
        # 从路径拆分出层级信息
        path_parts = modality_dir.parts
        # 假设路径结构是「root/年/月/日/研究名称/模态」，索引从1开始跳过root
        year = path_parts[1]
        month = path_parts[2]
        day = path_parts[3]
        study_name = path_parts[4]
        modality = path_parts[5]

        # 找模态目录下的第一个DICOM文件
        dicom_files = list(modality_dir.glob("*.dcm"))
        if not dicom_files:
            print(f"模态目录{modality_dir}下无DICOM文件，跳过")
            continue
        
        dicom_metadata = extract_dicom_metadata(dicom_files[0])

        # 组装完整记录
        record = {
            "year": year,
            "month": month,
            "day": day,
            "study_name": study_name,
            "modality": modality,
            "patient_name": dicom_metadata["patient_name"],
            "institution_name": dicom_metadata["institution_name"],
            "study_description": dicom_metadata["study_description"]
        }
        study_records.append(record)
    
    # 批量写入CSV
    if study_records:
        csv_columns = ["year", "month", "day", "study_name", "modality", "patient_name", "institution_name", "study_description"]
        with open("dicom_study_records.csv", "w", newline="", encoding="utf-8") as csvfile:
            writer = csv.DictWriter(csvfile, fieldnames=csv_columns)
            writer.writeheader()
            writer.writerows(study_records)
        print(f"已生成CSV记录，共{len(study_records)}条")
    else:
        print("未找到有效研究记录")

# 调用示例：替换成你的根目录路径
process_dicom_directory("/path/to/your/dicom/root")

关键细节说明 #

• 跳过像素数据：用stop_before_pixels=True读取DICOM，只加载元数据，处理速度提升明显
• 容错机制：用getattr处理缺失的DICOM字段，同时捕获读取异常，避免单个损坏文件导致整个程序中断
• 路径索引调整：如果你的根目录本身包含在层级路径里（比如/data/dicom/2024/05/20/...），记得调整path_parts的索引（比如年对应的索引改为2）
• 研究合并：如果同一个研究跨多个模态，当前代码会为每个模态生成一条记录；如果要按研究合并，可以在收集记录时用study_name作为key，把多模态信息整合到同一条记录中

内容的提问来源于stack exchange，提问作者Eoin Vaughan