histolab

# Histolab ## 概述 Histolab 是一个用于处理数字病理学中全切片图像 (WSI) 的 Python 库。它自动执行组织检测，从千兆像素图像中提取信息丰富的切片，并为深度学习流水线准备数据集。该库处理多种 WSI 格式，实现了复杂的组织分割，并提供了灵活的切片提取策略。 ## 安装 bash uv pip install histolab ## 快速入门 从全切片图像中提取切片的基本工作流： python from histolab.slide import Slide from histolab.tiler import RandomTiler # 加载切片 slide = Slide("slide.svs", processed_path="output/") # 配置切片器 tiler = RandomTiler( tile_size=(512, 512), n_tiles=100, level=0, seed=42 ) # 预览切片位置 tiler.locate_tiles(slide, n_tiles=20) # 提取切片 tiler.extract(slide) ## 核心能力 ### 1. 切片管理 加载、检查和处理各种格式的全切片图像。 **常见操作：** - 加载 WSI 文件 (SVS, TIFF, NDPI 等) - 访问切片元数据（尺寸、放大倍数、属性） - 生成可视化缩略图 - 使用金字塔图像结构 - 在特定坐标提取区域 **关键类：** `Slide` **参考：** `references/slide_management.md` 包含关于以下内容的完整文档： - 切片初始化和配置 - 内置样本数据集（前列腺、卵巢、乳腺、心脏、肾脏组织） - 访问切片属性和元数据 - 缩略图生成和可视化 - 使用金字塔层级 - 多切片处理工作流 **示例工作流：** python from histolab.slide import Slide from histolab.data import prostate_tissue # 加载样本数据 prostate_svs, prostate_path = prostate_tissue() # 初始化切片 slide = Slide(prostate_path, processed_path="output/") # 检查属性 print(f"Dimensions: {slide.dimensions}") print(f"Levels: {slide.levels}") print(f"Magnification: {slide.properties.get('openslide.objective-power')}") # 保存缩略图 slide.save_thumbnail() ### 2. 组织检测和掩码 自动识别组织区域并过滤背景/伪影。 **常见操作：** - 创建二值组织掩码 - 检测最大组织区域 - 排除背景和伪影 - 自定义组织分割 - 移除笔迹标注 **关键类：** `TissueMask`, `BiggestTissueBoxMask`, `BinaryMask` **参考：** `referenc