المهارات pathml
📦

pathml

مراجعة المحتوى r2 مخاطر عالية ⚡ يحتوي على سكربتات⚙️ الأوامر الخارجية📁 الوصول إلى نظام الملفات🌐 الوصول إلى الشبكة

تحليل صور علم الأمراض باستخدام PathML

تتطلب سير عمل صور الشرائح الكاملة تعاملاً دقيقاً مع التنسيقات والبلاطات والنماذج والتخزين. توفر هذه المهارة إرشادات PathML للتحميل والمعالجة المسبقة وتحليل الرسوم البيانية وتعلم الآلة والتصوير متعدد المعلمات.

يدعم: Claude Codex Code(CC)
⚠️ 38 ضعيف

التثبيت باستخدام Agent لدي

انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.

طلب الوكيل
Review the Skillstore skill "pathml" from https://skillstore.io/skills/davila7-pathml.md and its manifest at https://skillstore.io/api/skills/davila7-pathml/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.

يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.

موارد مهيّأة لـ Agents

استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.

تفاصيل Markdown GET /skills/davila7-pathml.md manifest موقَّع GET /api/skills/davila7-pathml/manifest lockfile موقَّع GET /api/skills/davila7-pathml/lockfile

اختبرها

جارٍ استخدام "pathml". يسأل باحث عن كيفية معالجة 500 شريحة H&E لتحليل النوى.

النتيجة المتوقعة:

خطة مرحلية تغطي فحص الشرائح، وإنشاء البلاطات، وتطبيع الصبغات، واكتشاف النوى، ومخرجات HDF5، وضوابط المعالجة الدفعية.

جارٍ استخدام "pathml". يسأل فريق أحياء مكانية عن كيفية تحليل تعبير علامات CODEX.

النتيجة المتوقعة:

سير عمل لتحميل بيانات CODEX، ودمج القنوات، وتجزئة الخلايا، وتقدير العلامات، وتصدير AnnData، والتحقق من المخرجات.

جارٍ استخدام "pathml". يسأل مهندس عن كيفية تقييم نموذج HoVer-Net على شرائح محجوزة للاختبار.

النتيجة المتوقعة:

قائمة تحقق لتقسيمات مجموعة البيانات، والمحمّلات، ووضع الاستدلال، ومقاييس التجزئة، ومراجعة الأخطاء، وتخطيط تصدير النموذج.

التدقيق الأمني

مخاطر عالية
v10 • ٢٣‏/٧‏/٢٠٢٦ فتح التقرير المرتبط بالإصدار

Most static detections are documentation syntax or standard local PathML operations, not executable threats. Remote DeepCell inference creates a real data-disclosure boundary, while unpinned installation and unrestricted checkpoint loading require safeguards.

7
الملفات التي تم فحصها
4,143
الأسطر التي تم تحليلها
2
عناصر المراجعة
0
تم تجاهل الإيجابيات الكاذبة

مخاوف أمنية مؤكدة (2)

مرتفع
references/data_management.md:441
Unsafe Model Checkpoint Deserialization
The feature extraction example loads a PyTorch checkpoint with torch.load without restricting deserialization or establishing checkpoint trust.
torch.load can deserialize executable pickle content in affected configurations. The example provides no weights-only setting, provenance check, or hash verification.
متوسط
SKILL.md:79-84
Unpinned Third-Party Package Installation
The quick start installs PathML and all optional dependencies without a version or integrity constraint, increasing dependency substitution and update risk.
The documented commands explicitly install unpinned packages from the configured package index. The behavior is legitimate, but dependency contents can change.
عناصر مراجعة القدرات (2)

هذه قدرات محلية حقيقية قد يُتوقع وجودها لهذه المهارة، لذا فهي تتطلب مراجعة ولكن لا تُحتسب كسلوك خبيث مؤكد.

متوسط
references/multiparametric.md:175
Hardcoded URL
api_url='https://deepcell.org/api/predict',
SegmentMIFRemote sends pathology image channels to a fixed external DeepCell endpoint. The example does not warn about patient-data authorization or deidentification.
متوسط
references/preprocessing.md:355
Hardcoded URL
api_url='https://deepcell.org/api'
The documented remote segmentation transform sends image data to DeepCell. Pathology images may be sensitive, and the example omits privacy and retention safeguards.

عوامل الخطر

⚡ يحتوي على سكربتات (8)
references/data_management.md:442 references/machine_learning.md:229 references/machine_learning.md:499 references/machine_learning.md:541 references/machine_learning.md:473-477 references/preprocessing.md:409-416 references/preprocessing.md:443-448 references/preprocessing.md:474-483
⚙️ الأوامر الخارجية (28)
references/data_management.md:395 references/data_management.md:387 SKILL.md:33 SKILL.md:40 SKILL.md:41 SKILL.md:42 SKILL.md:43 SKILL.md:45 SKILL.md:51 SKILL.md:61 SKILL.md:67 SKILL.md:73 SKILL.md:79-85 SKILL.md:85-89 SKILL.md:89-109 SKILL.md:109-121 SKILL.md:121-138 SKILL.md:138-139 SKILL.md:139-140 SKILL.md:140-141 SKILL.md:141-142 SKILL.md:142-143 SKILL.md:143-153 SKILL.md:153-154 SKILL.md:154-155 SKILL.md:155-156 SKILL.md:156-157 SKILL.md:157-158
📁 الوصول إلى نظام الملفات (23)
references/data_management.md:105 references/data_management.md:655 references/data_management.md:662 references/data_management.md:663 references/data_management.md:664 references/data_management.md:672 references/data_management.md:675 references/data_management.md:678 references/data_management.md:679 references/data_management.md:686 references/data_management.md:382 references/data_management.md:401 references/data_management.md:39 references/data_management.md:314 references/data_management.md:350 references/data_management.md:379 references/data_management.md:496 references/data_management.md:564 references/image_loading.md:207 references/image_loading.md:400 references/multiparametric.md:603 references/multiparametric.md:574 references/preprocessing.md:541
🌐 الوصول إلى الشبكة (2)
references/multiparametric.md:175 references/preprocessing.md:355
دقّقه: codex عرض سجل التدقيق →
شارك واستشهد بهذا التقرير

شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.

فتح التقرير المرتبط بالإصدار
تقييم الأمان

نسخ رابط التقرير

https://skillstore.io/skills/davila7-pathml/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

شارة Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-pathml/security.svg)](https://skillstore.io/skills/davila7-pathml?utm_source=security_passport_badge)

شارة HTML

<a href="https://skillstore.io/skills/davila7-pathml?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pathml/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

بطاقة قابلة للتضمين

<iframe src="https://skillstore.io/embed/skills/davila7-pathml.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
الاستشهادات الأكاديمية (APA · BibTeX · CFF)

اقتباس APA

davila7. (2026). pathml security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pathml/audits/10

اقتباس BibTeX

@techreport{davila7-davila7-pathml-2026, author = {davila7}, title = {pathml security audit report (audit version 10)}, institution = {Skillstore}, year = {2026}, number = {10}, url = {https://skillstore.io/skills/davila7-pathml/audits/10}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "pathml security audit report (audit version 10)" version: "unspecified" type: report authors: - name: "davila7" date-released: "2026-07-23" url: "https://skillstore.io/skills/davila7-pathml/audits/10" identifiers: - type: other value: "skillstore:davila7-pathml:audit:10" description: "Skillstore immutable audit report identifier"

مقارنة المتغيرات

2 متغيرات قابلة للتثبيت

تبقى مهارة كل مؤلف عنصراً مستقلاً قابلاً للتثبيت. يُرتب المتغير الموصى به وفق أدلة Skillstore.

سبب تصدر هذا المتغير

أعلى تقييم في Skillstore
K-Dense-AI موصى به

k-dense-ai-pathml

تقييم Skillstore 50
موثوقية الأدلة مرتفع
استخدام Skillstore 15
تم التحديث

2026-09-09

davila7 الحالي

davila7-pathml

تقييم Skillstore 38
موثوقية الأدلة متوسط
استخدام Skillstore 9
تم التحديث

2026-09-09

تقييم Skillstore

سبب هذا التقييم موثوقية الأدلة: متوسط
45
الهندسة المعمارية
85
قابلية الصيانة
87
المحتوى
70
المجتمع
91
الامتثال للمواصفات

ما الذي يمكنك بناؤه

بناء مسارات المعالجة المسبقة لـ WSI

خطط لإنشاء البلاطات، واكتشاف النسيج، وتطبيع الصبغات، وتخزين HDF5 لمجموعات كبيرة من الشرائح.

تحليل صور الأنسجة متعددة الإرسال

صمم سير عمل CODEX أو Vectra للتجزئة، وتقدير العلامات، وتصدير AnnData.

إعداد سير عمل تدريب النماذج

نظم مجموعات البيانات، والمحمّلات، والمقاييس، وخطط الاستدلال لنماذج تعلم الآلة في علم الأمراض.

جرّب هذه الموجّهات

تخطيط تحميل الشرائح 
استخدم مهارة PathML لوضع مخطط لخطة تحميل WSI لـ [format]، و[number] من الشرائح، و[analysis goal]. ضمّن إرشادات مستوى الهرم.
تصميم المعالجة المسبقة 
أنشئ خطة معالجة مسبقة باستخدام PathML لـ [stain or modality]. ضمّن مراقبة الجودة، وإعدادات البلاطات، والتحويلات، ومخرجات التخزين.
بناء تحليل مكاني 
صمم سير عمل رسم بياني للخلايا لـ [modality] باستخدام أقنعة التجزئة، وميزات العلامات، ومقاييس الجوار، ومخرجات التصور.
هندسة مسار التدريب 
خطط لسير عمل تعلم الآلة باستخدام PathML لـ [task]. ضمّن إعداد مجموعة البيانات، والمحمّلات، والمقاييس، والتحقق، والاستدلال، وقيود النشر.

أفضل الممارسات

  • تحقق من تنسيقات الشرائح، والتكبير، والبيانات الوصفية، والأذونات قبل توسيع نطاق المعالجة الدفعية.
  • ابدأ بالصور المصغرة ومجموعات صغيرة من البلاطات قبل معالجة مجموعات الشرائح الكاملة.
  • أبق البيانات الخام منفصلة عن مخرجات HDF5 المعالجة ووثق جميع معلمات المعالجة.

تجنب

  • تشغيل التجزئة البعيدة على صور سريرية حساسة دون موافقة تتعلق بالخصوصية.
  • تحميل الشرائح كاملة الدقة في الذاكرة قبل التحقق من مستويات الهرم وأحجام البلاطات.
  • استخدام مخرجات النماذج لاتخاذ قرارات سريرية دون تحقق ومراجعة وحوكمة.

الأسئلة المتكررة

ما الغرض من هذه المهارة؟
تساعد في تخطيط وشرح سير عمل PathML لتحليل صور علم الأمراض الرقمي وتعلم الآلة.
هل تعالج المهارة ملفات الصور بنفسها؟
لا. توفر إرشادات وأمثلة للأدوات التي يشغلها المستخدمون في بيئاتهم الخاصة.
ما تنسيقات الصور التي تغطيها؟
تغطي تنسيقات WSI وتنسيقات متعددة الإرسال الشائعة مثل SVS وNDPI وDICOM وOME-TIFF وCODEX وVectra.
هل يمكنها المساعدة في البروتيوميات المكانية؟
نعم. تغطي سير عمل CODEX وسير العمل متعددة الإرسال، وتقدير العلامات، والتجزئة، وتكامل AnnData.
هل هي مناسبة للتشخيص السريري؟
لا. يتطلب الاستخدام السريري تحققاً مستقلاً، وضوابط للخصوصية، ومراجعة تنظيمية، وإشرافاً من متخصصين مؤهلين.
هل تستخدم خدمات بعيدة؟
تصف بعض الأمثلة تجزئة DeepCell البعيدة. ينبغي للمستخدمين تفضيل المعالجة المحلية للبيانات الحساسة أو الخاضعة للتنظيم.

تفاصيل المطور

المؤلف

davila7

الترخيص

MIT

مراجعة Skillstore

r2

تنبيه الإصدار

لم يعلن المؤلف عن إصدار.

المستودع

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/pathml

مرجع

c43861a65bb95efcae259cd161c9d6f4dc7eec6f

حداثة الصيانة

٢٨‏/٧‏/٢٠٢٦

الاستخدام

6 تنزيلات · 220 مشاهدات

بنية الملفات

📁 references/

📄 data_management.md

📄 graphs.md

📄 image_loading.md

📄 machine_learning.md

📄 multiparametric.md

📄 preprocessing.md

📄 SKILL.md

المزيد من davila7

عرض الكل

مهارات ذات صلة

عرض الكل
📦

pytdc

82

تحليل مجموعات بيانات التعلم الآلي العلاجية باستخدام PyTDC

بواسطة K-Dense-AI

تحتاج فرق اكتشاف الأدوية إلى مجموعات بيانات موثوقة وبروتوكولات تقييم عادلة. تساعد هذه المهارة Claude على استخدام PyTDC لبيانات التعلم الآلي العلاجية المنسقة، وتقسيمات المعايير المرجعية، والمقاييس، والأوراكل الجزيئية.

البيانات والتحليلات عرض
📦

senior-data-scientist

81

تصميم تجارب ونماذج علم البيانات

بواسطة alirezarezvani

غالبا ما تفشل مشاريع علم البيانات عندما تفتقر التجارب والميزات والنماذج إلى بنية إحصائية واضحة. تمنح هذه المهارة Claude وCodex وClaude Code مسارات عمل موجهة للتجريب، وهندسة الميزات، ومراجعة النماذج.

البيانات والتحليلات عرض
📦

ml-antipattern-validator

81

تحقق من سير عمل التعلم الآلي لاكتشاف الأنماط المضادة الخفية

بواسطة Doyajin174

قد تبدو مشاريع التعلم الآلي دقيقة بينما يخفي تسرب البيانات أو التقييم الضعيف عيوبًا خطيرة. توجه هذه المهارة فحوصات منظمة للتقسيمات والمقاييس والتدريب وجاهزية النشر.

البيانات والتحليلات عرض
📦

data-scientist

78

تحليل البيانات بإرشادات علم البيانات

بواسطة sickn33

تحتاج فرق البيانات إلى إرشادات منظمة في الإحصاء، وتعلم الآلة، وتقارير الأعمال. تساعد هذه المهارة Claude وCodex وClaude Code على تخطيط التحليلات، والتحقق من صحة الأساليب، وشرح النتائج القابلة للتنفيذ.

البيانات والتحليلات عرض