pathml

PathML - 计算病理学全流程分析工具

技能概述

PathML 是一个功能全面的 Python 计算病理学工具包，用于处理和分析全切片病理图像（WSI），支持 160+ 种厂商格式，提供从图像加载、预处理、细胞分割到机器学习模型训练的完整工作流。

适用场景

1. H&E 染色组织切片分析

处理常规 H&E 染色的病理切片，包括组织区域检测、染色归一化、核分割与分类、特征提取和空间图构建。支持 Aperio SVS、Hamamatsu NDPI、Leica SCN 等主流格式。

2. 多参数成像分析（CODEX/Vectra）

分析来自 CODEX、Vectra、MERFISH 等平台的空间蛋白质组学和基因表达数据，支持细胞分割（Mesmer 模型）、marker 表达定量，并可导出到 AnnData 进行单细胞分析。

3. 病理图像机器学习模型训练

使用内置的 HoVer-Net、HACTNet 等预训练模型，或训练自定义深度学习模型进行核检测、分割和分类。支持 PyTorch 集成和 ONNX 推理部署。

核心功能

1. 多格式 WSI 加载与预处理

统一接口加载 160+ 种厂商格式（SVS、NDPI、SCN、ZVI、DICOM、OME-TIFF 等），自动处理图像金字塔和元数据。提供模块化预处理管道，包含染色归一化（Macenko/Vahadane）、组织检测、核分割、质量控制等变换。

2. 空间图构建与分析

从分割对象中提取特征，构建细胞和组织级别的空间关系图，适用于图神经网络和空间分析。支持组织图构建、特征提取和空间分析工作流。

3. 深度学习模型集成

集成 HoVer-Net（同时核分割和分类）、HACTNet（分层细胞类型分类）等模型，提供 PyTorch DataLoader 和 ONNX 推理支持，可处理公开病理数据集。

常见问题

PathML 和 histolab 应该选哪个？

如果你只需要从 H&E 切片中简单提取 tiles，histolab 可能更轻量简单。如果你需要高级功能如多重免疫荧光分析、核分割、组织图构建或训练 ML 模型，PathML 是更全面的选择。

PathML 支持哪些切片格式？

PathML 支持 160+ 种厂商专有格式，包括 Aperio SVS、Hamamatsu NDPI、Leica SCN、Zeiss ZVI、DICOM、OME-TIFF 等，会自动处理格式差异并提供统一访问接口。

如何用 PathML 处理 CODEX 数据？

使用 CODEXSlide 加载数据，合并多运行通道数据，应用 Mesmer 模型进行细胞分割，量化 marker 表达，最后可导出到 AnnData 进行下游单细胞分析。详见 references/multiparametric.md。