dicom-mcp MCP-server

Vad gör “dicom-mcp” MCP-servern?

dicom-mcp MCP-servern är en specialiserad Model Context Protocol (MCP)-server utformad för smidig interaktion med DICOM-servrar, inklusive PACS (Picture Archiving and Communication Systems) och VNA (Vendor Neutral Archives). Den ger AI-assistenter möjlighet att utföra avancerade operationer på medicinska bilddata, såsom att söka patientjournaler, läsa kliniska rapporter och flytta bildserier mellan system. Genom att exponera dessa centrala DICOM- och PACS-operationer som standardiserade, verktygsliknande slutpunkter, möjliggör dicom-mcp automatisering och intelligenta arbetsflöden för medicinsk bildhantering, med stöd för uppgifter som databasförfrågningar, rapportextraktion och integration med externa AI-diagnostikslutpunkter. Detta ökar utvecklarproduktiviteten avsevärt och möjliggör avancerade sjukvårdsapplikationer som kräver säker, programmerbar åtkomst till medicinska bildarkiv.

Lista över promptar

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

Begär demo Logga in

Lista över resurser

Lista över verktyg

• query_patients: Sök efter patienter på DICOM-servern med olika kriterier.
• query_studies: Hämta studiemetadata för angivna patienter eller baserat på filter.
• query_series: Lista bildserier inom en studie eller utifrån filter.
• extract_pdf_text_from_dicom: Extrahera och returnera texten från inbäddade PDF-rapporter i DICOM-instanser.
• move_series: Skicka en DICOM-serie till en angiven destination (t.ex. en AI-slutpunkt för vidare analys).

Gå med i vårt nyhetsbrev

Få de senaste tipsen, trenderna och erbjudandena gratis.

E-postadress

Prenumerera

Användningsområden för denna MCP-server

• Patient- och studiefrågor: Gör det möjligt för utvecklare att söka och hämta metadata för patienter, studier och bildserier, till stöd för journalgranskning och kohortval.
• Klinisk rapportextraktion: Automatiserar hämtning och tolkning av kliniska rapporter lagrade som PDF i DICOM-studier, vilket förenklar sammanfattning och analys av historiska fynd.
• Integration av AI-arbetsflöden: Underlättar överföring av bilddata till AI-slutpunkter för bearbetningsuppgifter som segmentering eller diagnos, vilket effektiviserar avancerade bildflöden.
• Bilddataöverföring: Automatiserar överföring av DICOM-serier mellan system eller destinationer, till stöd för samarbete mellan olika platser eller forskning.
• Hantering av anslutningar: Tillhandahåller verktyg för att hantera och förstå tillgängliga förfrågningsalternativ och DICOM-serverfunktioner, vilket underlättar systemintegration.

Hur ställer man in det

Windsurf

1. Säkerställ att Python 3.12+ är installerat.
2. Lokalisera din Windsurf-konfigurationsfil.
3. Lägg till dicom-mcp MCP-servern med följande JSON-snutt:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Spara filen och starta om Windsurf.
5. Verifiera att servern körs genom att kontrollera Windsurf MCP-panelen.

Claude

1. Installera Python 3.12+.
2. Lokalisera Claude-konfigurationsfilen.
3. Lägg till dicom-mcp MCP-servern:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Spara ändringar och starta om Claude.
5. Bekräfta integrationen via Claude UI.

Cursor

1. Kontrollera att Python 3.12+ finns tillgänglig.
2. Öppna Cursors inställnings-/konfigurationspanel.
3. Lägg in följande under MCP-servrar:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Spara och starta om Cursor.
5. Kontrollera att dicom-mcp visas i MCP-serverlistan.

Cline

1. Bekräfta att Python 3.12+ är installerat.
2. Redigera din Cline-konfigurationsfil.
3. Lägg till dicom-mcp MCP-serverns information:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Spara och starta om Cline.
5. Verifiera att dicom-mcp-servern är tillgänglig från Cline.

Säkra API-nycklar med miljövariabler

För system som kräver API-nycklar eller inloggningsuppgifter, använd miljövariabler för säker injicering. Exempel:

{
  "mcpServers": {
    "dicom-mcp": {
      "command": "dicom-mcp",
      "args": [],
      "env": {
        "DICOM_USERNAME": "${DICOM_USERNAME}",
        "DICOM_PASSWORD": "${DICOM_PASSWORD}"
      },
      "inputs": {
        "server_url": "https://your.dicom.server/api"
      }
    }
  }
}

Hur man använder denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion anger du dina MCP-serveruppgifter med detta JSON-format:

{
  "dicom-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra “dicom-mcp” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Baserat på tabellerna ovan tillhandahåller dicom-mcp utmärkt dokumentation om sina kärnverktyg och installation, men saknar explicita promptmallar och resursdefinitioner. Stöd för sampling och Roots nämns inte. Projektet är moget och har tydlig licens, men vissa MCP-funktioner är inte fullt exponerade.

MCP-betyg

Samlat omdöme: 7/10
dicom-mcp är robust och väl dokumenterad för DICOM/PACS-integration, men skulle vinna på explicita promptar/resurser och tydligare omnämnande av avancerade MCP-funktioner.