Dom/anonymisation
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
12 Commits 1 Branch 0 Tags
a138b267381f0da963abd6b3bbea5ce7c48309a0
Commit Graph

4 Commits

Author SHA1 Message Date
Domi31tls
a138b26738 Fix faux positifs PDF (EDS_TEL, EDS_VILLE) + détection noms Notes IDE 
- Skip EDS_TEL dans PDF (valeurs Pouls détectées comme N° de téléphone)
- Ajout EDS_VILLE au whole-word matching (évite "GEL" dans "GELULE")
- Filtre stop words étendu à EDS_HOPITAL et EDS_VILLE dans la détection NER
- Détection noms soignants dans "Note IDE\nPrenom NOM" (BARGAIN, LACOTE, etc.)
- Stop words : semaine, jour, matin, soir, nuit, midi

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
 2026-02-26 17:22:38 +01:00
Domi31tls
2236fdcd01 Correction majeure des faux positifs et fuites d'anonymisation PDF 
- Fix fuites critiques trackare : extraction multi-occurrences (re.finditer),
  noms soignants multi-lignes, N° épisode, tokens GLOBAL sur final_text
- Fix faux positifs PDF : whole-word matching pour tokens courts (<5 chars)
  au lieu de les ignorer (corrige Emma/Lili non masqués + évite substring)
- Skip EDS_SECU dans PDF (valeurs vitales PA/Pouls détectées comme N° sécu)
- Skip EDS_DATE dans PDF (dates rendaient les tableaux illisibles)
- Filtre dosages détectés comme noms (10MG, 300UI, 1 000)
- Filtre EDS_NOM multi-mots contenant des stop words (SI DIARRHEES)
- Regex CODE_POSTAL : exclure unités médicales (13000 UI ≠ code postal)
- Stop words massivement enrichis (~100+ termes médicaux, médicaments,
  abréviations, en-têtes de colonnes trackare)

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
 2026-02-26 17:01:32 +01:00
Domi31tls
5ed2312d93 Amélioration majeure de l'anonymisation regex : trackare, noms composés, faux positifs 
- Parseur trackare spécifique (détection par contenu, extraction structurée des PII)
- Support format "Dr X. NOM" et "Mme X. NOM" (initiales + noms composés avec tiret)
- Détection noms personnel médical (Aide, Cadre Infirmier, etc.)
- Masquage RPPS, établissements (EHPAD/SSR/USLD standalone), lieux de naissance
- Stop words médicaux enrichis (~270 entrées : DCI, spécialités, termes contextuels)
- Détection compagnon (noms adjacents à des noms connus dans le texte brut)
- Protection noms composés (JEAN-PIERRE traité comme un tout, pas JEAN + PIERRE)
- Nettoyage codes postaux orphelins, téléphones fragmentés/partiels
- Désactivation masquage dates génériques, AGE avec contexte obligatoire
- GUI : extraction OGC depuis le nom du répertoire parent, incrustation sur les pages

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
 2026-02-26 00:25:18 +01:00
Domi31tls
8339069c83 Initial commit — Pseudonymisation de PDF v5 
- GUI v5 : vue unique épurée (tkinter), 2 étapes visuelles
- Core ONNX : anonymisation regex + NER optionnel
- Extraction globale des noms depuis champs structurés
  (Patient, Rédigé par, MME/Madame, DR)
- Génération simultanée PDF Image + PDF Anonymisé (structure préservée)
- Build Windows via Nuitka (script batch + GitHub Actions CI)
- install.sh pour setup/run Linux

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
 2026-02-16 15:03:37 +01:00