Toolverse
All skills

histolab

by K-Dense-AI

Lightweight WSI tile extraction and preprocessing. Use for basic slide processing tissue detection, tile extraction, stain normalization for Hu0026E images. Best for simple pipelines, dataset preparation, quick tile-based analysis. For advanced spatial proteomics, multiplexed

Installation

Pick a client and clone the repository into its skills directory.

Installation

Quick info

Category
Security
Views
1

About this skill

Lightweight WSI tile extraction and preprocessing. Use for basic slide processing tissue detection, tile extraction, stain normalization for Hu0026E images. Best for simple pipelines, dataset preparation, quick tile-based analysis. For advanced spatial proteomics, multiplexed imaging, or deep learning pipelines use pathml.

How to use

  1. Zainstaluj bibliotekę Histolab za pomocą polecenia uv pip install histolab. Upewnij się, że masz zainstalowany Python i dostęp do menedżera pakietów.

  2. Przygotuj plik slajdu mikroskopowego w obsługiwanym formacie (SVS, TIFF, NDPI lub inny format WSI) oraz określ ścieżkę do folderu wyjściowego, gdzie będą zapisane wyodrębnione fragmenty.

  3. Załaduj slajd, tworząc obiekt Slide z podaniem ścieżki do pliku i katalogu wyjściowego: slide = Slide("slide.svs", processed_path="output/").

  4. Skonfiguruj ekstraktor fragmentów, wybierając RandomTiler i ustawiając parametry takie jak rozmiar fragmentu (np. 512x512 pikseli), liczbę fragmentów do wyodrębienia oraz poziom powiększenia.

  5. Opcjonalnie podgląd lokalizacji fragmentów przed ekstrakcją za pomocą metody locate_tiles, aby sprawdzić, czy fragmenty będą wyodrębniane z odpowiednich obszarów slajdu.

  6. Wykonaj ekstrakcję fragmentów, wywołując metodę extract na obiekcie tiler'a. Fragmenty zostaną automatycznie zapisane w określonym katalogu wyjściowym i będą gotowe do dalszego przetwarzania lub analizy.

Related skills