DigitalSlideArchive/HistomicsTK

HistomicsTK – 数字病理图像分析开源工具包

What it is – 一个 Python 库（以及 Digital Slide Archive 的可选插件），为处理全切片和显微镜图像提供即插即用的算法。它专注于计算病理学中常见的任务，如颜色归一化、染色解卷积、细胞核分割和特征提取。

Why it matters – 全切片成像产生吉像素级的图像，使用通用的图像处理工具很难处理。HistomicsTK 封装了 large_image 库以高效读取这些格式，并添加了领域特定方法，使研究人员和病理学家能够将机器学习流水线应用于大型组织学数据集，而无需从头构建底层代码。

How you use it

• Pure Python – 通过 pip 安装（可选地拉取 large_image 的预构建二进制 wheel 文件）并直接在图像文件或 NumPy 数组上调用函数。API 文档和示例 notebook 演示了端到端的工作流程。
• Within the Digital Slide Archive (DSA) – 将该库部署为插件，以便用户可以从基于 Web 的 HistomicsUI 界面启动分析任务。自定义算法可以封装为 slicer‑cli‑web 容器并提供给 DSA 平台。

Key capabilities

• Color handling – 跨染色批次的归一化以及用于分离 hematoxylin/eosin 组件的解卷积。
• Segmentation – 经典的细胞核分割流水线（阈值处理、分水岭算法、形态学后处理）。
• Feature extraction – 为每个分割出的对象计算形态学、纹理和强度描述符。
• Annotation integration – 读取和写入 HistomicsUI 使用的注释数据，从而实现对算法输出结果的交互式审查。

Installation snapshot

# Linux – from PyPI with pre‑built large_image wheels
python -m pip install histomicstk --find-links https://girder.github.io/large_image_wheels

# From source (Linux/macOS) – editable install
git clone https://github.com/DigitalSlideArchive/HistomicsTK.git
cd HistomicsTK
python -m pip install -e . --find-links https://girder.github.io/large_image_wheels

Windows 需要额外的步骤（安装 large-image、CMake、Visual Studio C++ tools 以及 large-image-source-tiff 包）如 README 中所述。

Where to learn more

• API reference: https://digitalslidearchive.github.io/HistomicsTK/api-docs.html
• Example notebooks: https://digitalslidearchive.github.io/HistomicsTK/examples.html
• Project website & demos: https://digitalslidearchive.github.io/digital_slide_archive/demos-examples/
• Source code for related components: Digital Slide Archive, HistomicsUI, large_image, slicer_cli_web.

Funding & community – 由 NIH grant U24‑CA194362‑01 支持。开发工作通过 GitHub discussions 和更广泛的 Digital Slide Archive 生态系统进行协调。