Presidio项目中的DICOM图像脱敏引擎自定义分析器配置
2025-06-13 17:40:11作者:蔡怀权
在医疗影像数据处理领域,DICOM格式的图像脱敏是一个重要需求。微软开源的Presidio项目提供了强大的隐私数据识别和脱敏功能,其中DicomImageRedactorEngine专门用于处理DICOM图像中的敏感信息。
默认分析器与自定义需求
Presidio的DicomImageRedactorEngine默认使用spaCy模型进行命名实体识别(NER)。然而,在实际应用中,开发者可能需要使用其他NLP模型,如Flair或Transformers模型,来满足特定场景下的识别需求。
自定义分析器配置方法
通过AnalyzerEngine的灵活配置,我们可以轻松替换默认的spaCy模型。以下是完整的配置示例:
from presidio_analyzer import AnalyzerEngine
from presidio_analyzer.nlp_engine import TransformersNlpEngine, NerModelConfiguration
from presidio_image_redactor import ImageAnalyzerEngine, DicomImagePiiVerifyEngine
# 定义模型配置
model_config = [{
"lang_code": "en",
"model_name": {
"spacy": "en_core_web_sm", # 基础spaCy模型用于分词等基础处理
"transformers": "obi/deid_roberta_i2b2" # 自定义Transformers模型
}
}]
# 建立模型标签与Presidio实体类型的映射关系
model_to_presidio_entity_mapping = {
"PER": "PERSON",
"PERSON": "PERSON",
"LOC": "LOCATION",
"GPE": "LOCATION",
"ORG": "ORGANIZATION",
"AGE": "AGE",
"ID": "ID",
"EMAIL": "EMAIL",
"DATE": "DATE_TIME",
"PHONE": "PHONE_NUMBER"
}
# 配置NER模型参数
ner_model_configuration = NerModelConfiguration(
labels_to_ignore=["O"], # 忽略"O"标签(非实体)
model_to_presidio_entity_mapping=model_to_presidio_entity_mapping
)
# 初始化NLP引擎
nlp_engine = TransformersNlpEngine(
models=model_config,
ner_model_configuration=ner_model_configuration
)
# 创建自定义分析器引擎
analyzer_engine = AnalyzerEngine(nlp_engine=nlp_engine)
# 构建图像分析器和DICOM验证引擎
image_analyzer = ImageAnalyzerEngine(analyzer_engine=analyzer_engine)
dicom_engine = DicomImagePiiVerifyEngine(image_analyzer_engine=image_analyzer)
技术实现要点
-
模型配置:支持同时配置spaCy模型(用于基础NLP处理)和Transformers模型(用于实体识别)
-
标签映射:不同NER模型的输出标签可能与Presidio定义的实体类型不同,需要通过映射表进行转换
-
忽略规则:可以指定需要忽略的标签,如常见的"O"标签表示非实体
-
多语言支持:通过lang_code参数可以支持多种语言的模型
应用场景
这种灵活的配置方式特别适用于:
- 医疗领域专用术语识别
- 特定语言的敏感信息检测
- 高精度实体识别需求场景
- 领域自适应(domain adaptation)需求
通过这种配置方式,开发者可以充分利用最新的NLP模型技术,同时保持与Presidio框架的无缝集成,为DICOM图像脱敏提供更强大的支持。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8