技能介绍

病理图像分析为什么难拆

全切片病理图像（WSI）往往来自 Aperio、Hamamatsu、Leica 等厂商的专有格式，单张可达 GB 级；H&E 染色批次差异、组织区域与伪影又会让下游细胞核检测和分类不稳定。若再叠加 CODEX、多重免疫荧光等多通道空间组学数据，还要在「切片—tile—细胞—图结构」之间保持一致的可复现流水线。

PathML 能做什么

PathML 是一套 Python 计算病理 工具包，用模块化组件把常见工作流串起来：

加载与格式：统一接口读取 160+ 种 WSI 格式（如 SVS、NDPI、SCN、DICOM、OME-TIFF），访问金字塔层级与 ROI 元数据。
预处理：用 Pipeline 组合染色归一化（Macenko/Vahadane）、组织/细胞核检测、降噪与 tile 级伪影标注等变换，便于在大数据集上复现同一套预处理。
图与 ML：从分割结果提取特征、构建细胞/组织空间图；集成 PyTorch，支持 HoVer-Net、HACTNet 等模型训练与 ONNX 推理。
多参数成像：针对 CODEX、Vectra、MERFISH 等提供专用切片类与变换，可配合 Mesmer 做细胞分割并量化标志物，导出 AnnData。
数据管理：用 HDF5 集中存 tile、掩码、元数据与特征，适配批式 ML 工作流。

典型 H&E 路径：加载 WSI → 组织检测与染色归一化 → 细胞核检测或训练分割模型 → 建图与下游分析。CODEX 路径：加载多轮通道 → 合并 → 分割 → 量化 → 单细胞分析。

适用边界

本技能侧重 工作流编排与 API 参考（如 references/image_loading.md 等），不是替代 PathML 官方文档或你的临床验证流程。复杂、长时、多工具协作的分析，更适合在具备持久会话与算力编排的环境里跑完整 pipeline；简单脚本级任务可直接按参考文档逐步调用。