dsarchive/histomicstk

HistomicsTK

HistomicsTK 是一个用于数字病理图像分析的Python包。它既可以作为独立库使用，也可以作为Digital Slide Archive (DSA)插件，允许用户通过HistomicsUI调用图像分析任务。其功能可通过slicer cli web <https://github.com/girder/slicer_cli_web>__ 扩展，使开发者能将自己的图像分析算法集成到DSA中，通过HistomicsUI进行传播。

概述与主要用途

全切片成像（whole-slide imaging）以大型多分辨率图像捕获组织的组织学细节。成像技术的进步、存储成本的降低以及数字病理用于初步诊断的监管批准，导致全切片成像数据激增。数字化使得计算图像分析和机器学习算法能够应用于这些图像，以表征图像内容，并理解组织学、临床结果与基因组平台分子数据之间的关系。

与放射学和基因组学相关领域相比，用于数字病理管理、可视化和分析的开源工具相对滞后。为此，我们开发了HistomicsTK，并与数字病理图像管理和共享平台Digital Slide Archive_ (DSA)、用于全切片图像注释标记及图像分析工具运行的专用界面HistomicsUI_ 协同工作。HistomicsTK旨在满足两类用户需求：一是希望使用最先进算法分析数据的病理学家/生物学家，二是希望开发新/改进算法并向社区广泛传播的算法研究人员。

核心功能与特性

• 基础图像分析算法：提供颜色归一化、颜色反卷积、细胞核分割、特征提取等核心算法。
• 双重使用模式：支持作为纯Python包独立使用，或作为DSA插件集成到Web平台。
• 算法扩展性：通过slicer cli web支持开发者集成自定义图像分析算法。
• 多平台兼容性：支持Linux、Windows和OSX系统安装与使用。
• 与DSA/HistomicsUI协同：作为插件时，可通过HistomicsUI调用分析任务，实现大规模图像分析结果可视化。

使用场景与适用范围

• 病理学家/生物学家：利用现有算法分析数字病理图像，关联组织学与临床/分子数据。
• 算法研究人员：开发新算法并通过DSA平台传播，供社区使用。
• 数字病理实验室：管理、可视化和分析全切片成像数据，提升研究效率。

使用方法与配置说明

HistomicsTK有两种使用方式：

1. 作为纯Python包

可独立于Digital Slide Archive (DSA)应用图像分析算法。

安装说明

Linux系统安装

使用PyPI安装：

bash
$ python -m pip install histomicstk --find-links https://girder.github.io/large_image_wheels

从源码安装：

bash
$ git clone https://github.com/DigitalSlideArchive/HistomicsTK/
$ cd HistomicsTK/
$ python -m pip install setuptools-scm Cython>=0.25.2 scikit-build>=0.8.1 cmake>=0.6.0 numpy>=1.12.1
$ python -m pip install -e .

注意：HistomicsTK使用large_image_库读取全切片和显微镜图像格式。若不使用--find-links选项，需通过系统包管理器安装依赖库（如Ubuntu需安装libopenslide-dev和libtiff-dev）。若之前安装过HistomicsTK或large_image，可能需要添加--force-reinstall --no-cache-dir强制使用指定链接。

Windows系统从源码安装

1. 运行以下命令：

bash
$ pip install large-image
$ pip install cmake
$ git clone https://github.com/DigitalSlideArchive/HistomicsTK/
$ cd HistomicsTK/
$ python -m pip install setuptools-scm Cython>=0.25.2 scikit-build>=0.8.1 cmake>=0.6.0 numpy>=1.12.1

2. 安装libtiff：

bash
$ pip install libtiff

3. 安装典型 tile 源：

bash
$ pip install large-image-source-tiff

4. 安装Visual Studio 15 2017社区版（需包含C++构建工具，在"工具 > 获取工具和功能"中勾选"使用C++的桌面开发"下的前8个选项）。

5. 完成安装：

bash
$ python -m pip install -e .
$ pip install girder-client

OSX系统从源码安装

使用homebrew安装libtiff和openslide等依赖库，然后运行：

bash
$ python -m pip install histomicstk large-image-source-tiff large-image-source-openslide

注意：OSX安装步骤需由OSX用户确认和扩展，可能存在对系统库的依赖假设。

2. 作为HistomicsUI和Digital Slide Archive的图像处理任务库

允许终端用户通过Web应用容器化分析模块/流程。安装说明参见Digital Slide Archive_。

先前版本

HistomicsTK仓库过去包含几乎所有Digital Slide Archive和HistomicsUI代码，现在主要包含图像分析算法和注释数据处理代码。DSA的部署和安装代码已移至Digital Slide Archive_仓库，用户界面和注释功能已移至HistomicsUI_仓库。这些部署和UI代码最终将从本仓库的master分支移除，相关新开发应在上述仓库进行。

资金支持

本项目由NIH grant U24-CA***-01_资助。

参见

• DSA/HistomicsTK项目网站：演示 <https://digitalslidearchive.github.io/digital_slide_archive/demos-examples/>__ | 成功案例 <https://digitalslidearchive.github.io/digital_slide_archive/success-stories/>__
• 源码仓库：Digital Slide Archive_ | HistomicsUI_ | large_image_ | slicer_cli_web_
• 讨论渠道：Discourse论坛 <https://discourse.girder.org/c/histomicstk>__ | Gitter聊天室 <https://gitter.im/DigitalSlideArchive/HistomicsTK>__

.. _HistomicsTK: https://digitalslidearchive.github.io/digital_slide_archive/ .. _Digital Slide Archive: http://github.com/DigitalSlideArchive/digital_slide_archive .. _HistomicsUI: http://github.com/DigitalSlideArchive/HistomicsUI .. _large_image: https://github.com/girder/large_image .. _slicer_cli_web: https://github.com/girder/slicer_cli_web .. _U24-CA***-01: [***]