科研 Skill
数字病理全切片分析
20-ai-medical-imaging-ai-whole-slide-image-analysis
在AI医学影像领域开展“全切片图像分析”任务时使用;根据输入、科学假设和运行环境,在数字病理AI下已保留的方法实现之间路由。
官方收录发布者 Codar安全审核通过v0.1.1更新于 2026-09-04
SKILL.md
数字病理全切片分析
先读取 WSI 层级、扫描倍率、像素尺寸、染色和病例/切片关系。训练与测试按患者划分,来自同一组织块的多个切片不能跨集合。
在低分辨率建立组织 mask,排除背景、笔迹、折叠、气泡和严重失焦,再按物理尺寸而非固定像素切块。染色归一化的参考片和参数只由训练数据确定,并保留原图以供核查。
根据任务选择 patch 分类、细胞/腺体分割或多实例学习。聚合到切片/患者层评价,报告覆盖率和被丢弃区域;热图需回到原片叠加检查。
交付 tissue mask、patch 索引、质量标记、模型/特征结果和代表性叠加图。不能把 patch 数量当成独立样本量。
所属插件
安装该插件会一并获得同领域的 22 个 Skill / MCP。
同插件的其他科研 Skill
- 医学影像深度学习模型开发在AI医学影像领域开展“CNN影像”任务时使用;根据输入、科学假设和运行环境,在医学影像深度学习下已保留的方法实现之间路由。
- 放射组学特征提取与建模在AI医学影像领域开展“特征提取”任务时使用;根据输入、科学假设和运行环境,在影像组学下已保留的方法实现之间路由。
- 放射影像-病理-组学融合在AI医学影像领域开展“影像组学融合”任务时使用;根据输入、科学假设和运行环境,在多模态影像融合下已保留的方法实现之间路由。
- 神经影像与电生理分析当用户需要分析fMRI、EEG或其他神经电生理数据,完成预处理、事件建模、连接性和受试者层统计时使用。
- Cellpose细胞与细胞核分割当用户需要在荧光或明场显微图像中使用Cellpose分割细胞或细胞核并提取形态指标时使用。
- nnU-Net医学影像分割当用户拥有标注医学影像并需要规划、训练或评估nnU-Net分割流程时使用。
- H&E虚拟空间转录组预测当用户需要用DeepSpot-M从H&E切片切块预测空间基因表达并评估适用性时使用。
- 临床多模态LLM评估当用户需要评估放射报告生成、医学视觉问答或临床多模态LLM的正确性、忠实度和安全性时使用。
- 三维医学影像配准与重采样当用户需要用SimpleITK对CT、MRI或显微体数据进行刚体、仿射或形变配准,并安全重采样影像与标签时使用。
- 生物显微图像处理与定量当用户需要对显微图像或ImageJ、CellProfiler输出进行强度、形态、细胞计数和组间统计分析时使用。
- DICOM影像处理与去标识当用户需要读取、检查、转换或安全去标识DICOM影像与元数据时使用。
- 癌症影像公共数据检索当用户需要按癌种、影像模态、临床或病理条件检索并下载可公开使用的癌症影像队列时使用。
- BIDS神经影像数据整理当用户需要组织、检查或转换符合BIDS规范的MRI、PET、EEG、MEG或其他神经影像研究数据时使用。
- 医学影像模型可信评估当用户需要审核医学影像模型的数据泄漏、外部验证、校准、不确定性、OOD、可解释性或模型文档时使用。
- 显微影像数据管理当用户需要整理、入库、检索、标注、共享或导出显微影像及其元数据时使用。
- 单颗粒跟踪与扩散分析当用户需要从视频显微图像定位颗粒、连接轨迹并计算MSD或扩散系数时使用。
- 细胞划痕面积与闭合率分析当用户提供细胞划痕实验图片、ImageJ/Fiji测量结果或已有分割,希望测算划痕空白面积、看伤口还剩多少、比较不同时间点愈合情况、计算闭合率或批量处理图片时使用;也用于划痕分析反复报错、耗时异常、识别区域不对和结果复核。支持scratch assay、wound healing assay;仅有疾病、基因或发表目标时先澄清实验与数据,不直接启动图像分析。
- 医学影像数据准备与质量检查开展医学图像分割、质量检查或影像模型评估时使用;不用于常规科研绘图。
- nf-core-cellpainting流程当多通道细胞成像及处理条件需要生成形态特征用于比较时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/cellpainting。
- nf-core-liverctanalysis流程当肝脏 CT 数据需要分割或定量,而候选流程包含尚未实现该能力的历史模板时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/liverctanalysis。
- nf-core-lsmquant流程当光片显微三维图像需要校正、对象识别或定量时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/lsmquant。
常见问题
数字病理全切片分析能做什么?
在AI医学影像领域开展“全切片图像分析”任务时使用;根据输入、科学假设和运行环境,在数字病理AI下已保留的方法实现之间路由。
如何安装数字病理全切片分析?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「数字病理全切片分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
数字病理全切片分析需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
数字病理全切片分析经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。