准备环境：装好 Python 和必备工具

首先，你需要一台电脑（Windows / macOS / Linux 都可以），然后安装 Python（一种编程语言，用来运行 AI 程序）。建议从 python.org 下载 3.8 到 3.11 版本，安装时记得勾选“Add Python to PATH”。

安装完成后，打开命令行（Windows 搜索“cmd”，Mac 搜索“终端”），输入 python --version 确认显示版本号。如果提示“不是内部命令”，说明 PATH 没加对，重新安装并勾选即可。

安装 PyTorch 和 MONAI

PyTorch 是一个 AI 框架，用来训练和运行深度学习模型。MONAI 是专门为医学图像设计的 PyTorch 扩展库。在命令行中依次运行以下命令：

1. 升级 pip：python -m pip install --upgrade pip
2. 安装 PyTorch（CPU 版）：pip install torch torchvision（如果你有 NVIDIA 显卡，可以去 pytorch.org 选 CUDA 版本）
3. 安装 MONAI：pip install monai
4. 安装其他依赖：pip install pydicom pytesseract pillow（pydicom 用于读取 DICOM 文件，pytesseract 是 OCR 工具，pillow 处理图像）

常见坑：安装 pytesseract 前需要单独安装 Tesseract OCR 引擎（从 GitHub 下载安装包），否则会报错。

验证是否成功：跑一个简单例子

新建一个文本文件，命名为 test.py，用记事本打开，粘贴以下代码：

import monai
print("MONAI 版本:", monai.__version__)

保存后，在命令行中运行 python test.py，如果输出类似 MONAI 版本: 1.3.0，说明安装成功。

接下来，你可以用 MONAI 自带的脱敏工具处理一张 DICOM 图像。参考官方文档中的 RemovePatientIdentifiersd 变换，一行代码就能移除元数据中的患者信息。

下一步可以做什么

现在你已经有了基础环境。可以尝试：

• 用 OCR（光学字符识别，即从图片中提取文字）检测图像中烧录的文字，并用模糊或遮盖去除。
• 用 NER（命名实体识别，即自动找出人名、日期等敏感词）智能识别并替换。
• 将脱敏后的图像保存为 PNG 或新的 DICOM 文件，用于研究或训练 AI 模型。

记住，脱敏后的数据要确保无法还原患者身份，这是合规的关键。