Histolabは、超高解像度全スライド画像から組織の検出とタイル抽出を自動化します。WSIファイルを処理して、深層学習パイプラインや医学研究のために有益なタイルを抽出します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「histolab」を使用しています。 前立腺組織スライドから100タイルを抽出
期待される結果:
- Loaded slide: prostate.svs (dimensions: 46000×32000 pixels)
- Created RandomTiler with 512×512 tile size
- Applied tissue mask filtering (80% threshold)
- Extracted 100 tiles to output/prostate_tiles/
- Generated preview visualization showing tile locations
- Average tissue coverage: 87% across extracted tiles
「histolab」を使用しています。 組織マスクを作成して可視化
期待される結果:
- Initialized TissueMask with default filters
- Generated binary mask (tissue: 72%, background: 28%)
- Saved mask visualization to output/mask_preview.png
- Detected 3 tissue regions with varying sizes
セキュリティ監査
安全Documentation-only skill containing markdown files with Python code examples for histolab, a legitimate digital pathology library. All 389 static findings are false positives - backticks are markdown syntax for code blocks (not Ruby/shell execution), no actual cryptographic or malicious patterns exist, and no executable code is present. This is a safe scientific tool for processing whole slide images.
リスク要因
⚡ スクリプトを含む (1)
⚙️ 外部コマンド (1)
品質スコア
作れるもの
病理スライドからトレーニングデータセットを準備
がん検出と分類のための深層学習モデルをトレーニングするために、全スライド画像からバランスの取れたタイルデータセットを抽出します。
自動化された組織分析パイプラインの構築
スライドコレクション全体の組織セグメンテーション、タイル抽出、品質評価のための再現可能なワークフローを作成します。
スライド前処理ワークフローの標準化
研究や臨床試験のために一貫した組織検出とタイル抽出手順を実装します。
これらのプロンプトを試す
Load the slide at path 'slide.svs' and extract 100 random tiles of size 512x512 pixels. Save them to 'output/tiles/' directory.
Create a tissue mask for my slide and visualize it. Use the BiggestTissueBoxMask to focus on the main tissue section.
Extract tiles in a grid pattern across all tissue regions with 20% overlap. Use tissue mask to avoid background areas.
Use ScoreTiler with NucleiScorer to extract the 50 tiles with highest nuclei density. Generate a report of tile scores.
ベストプラクティス
- 抽出前にlocate_tiles()でタイル位置を常にプレビューして設定を確認してください
- 適切なピラミッドレベルを使用 - 完全解像度にはlevel 0、高速処理にはlevel 1-2
- カバレッジと品質のバランスを取るため、tissue_percent閾値を70-90%に設定
回避
- メモリ制約を考慮せずに最高解像度で全タイルを抽出する
- 再現性のある結果のためSeedを設定せずにRandomTilerを使用する
- 組織のマスクプレビューをスキップして背景タイルが抽出される可能性がある