Histolab는 기가픽셀 전사 슬라이드 이미지에서 조직 감지 및 타일 추출을 자동화합니다. WSI 파일을 처리하여 딥러닝 파이프라인 및 의학 연구를 위한 정보가 풍부한 타일을 추출합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"histolab" 사용 중입니다. 전립선 조직 슬라이드에서 100개 타일 추출
예상 결과:
- 슬라이드 로드: prostate.svs (크기: 46000×32000 픽셀)
- 512×512 타일 크기의 RandomTiler 생성
- 조직 마스크 필터링 적용 (80% 임계값)
- 100개 타일을 output/prostate_tiles/에 추출
- 타일 위치를 보여주는 미리보기 시각화 생성
- 추출된 타일 전반의 평균 조직 커버리지: 87%
"histolab" 사용 중입니다. 조직 마스크 생성 및 시각화
예상 결과:
- 기본 필터로 TissueMask 초기화
- 이진 마스크 생성 (조직: 72%, 배경: 28%)
- mask_preview.png에 마스크 시각화 저장
- 크기가 다양한 3개의 조직 영역 감지
보안 감사
안전Documentation-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.
위험 요인
⚡ 스크립트 포함 (1)
⚙️ 외부 명령어 (1)
품질 점수
만들 수 있는 것
병리 슬라이드에서 학습 데이터셋 준비
암 탐지 및 분류를 위한 딥러닝 모델 학습을 위해 전사 슬라이드 이미지에서 균형 잡힌 타일 데이터셋 추출
자동화된 조직 분석 파이프라인 구축
슬라이드 컬렉션 전반에 걸친 조직 세분화, 타일 추출 및 품질 평가를 위한 재현 가능한 워크플로우 생성
슬라이드 전처리 워크플로우 표준화
연구 시험 및 임상 시험을 위한 일관된 조직 감지 및 타일 추출 절차 구현
이 프롬프트를 사용해 보세요
'slide.svs' 경로의 슬라이드를 로드하고 512x512 픽셀 크기의 100개 무작위 타일을 추출합니다. 'output/tiles/' 디렉토리에 저장합니다.
내 슬라이드에 대한 조직 마스크를 생성하고 시각화합니다. 주요 조직 영역에 집중하기 위해 BiggestTissueBoxMask를 사용합니다.
모든 조직 영역에 걸쳐 20% 중첩으로 그리드 패턴의 타일을 추출합니다. 배경 영역을 피하기 위해 조직 마스크를 사용합니다.
ScoreTiler와 함께 NucleiScorer를 사용하여 핵 밀도가 가장 높은 50개 타일을 추출합니다. 타일 점수 보고서를 생성합니다.
모범 사례
- 설정을 확인하기 위해 추출 전 locate_tiles()로 타일 위치 미리보기
- 적절한 피라미드 레벨 사용 - 전체 해상도는 레벨 0, 빠른 처리는 레벨 1-2
- 커버리지와 품질의 균형을 위해 tissue_percent 임계값을 70-90%로 설정
피하기
- 메모리 제약을 고려하지 않고 최고 해상도에서 모든 타일 추출
- 재현 가능한 결과를 위해 시드를 설정하지 않고 RandomTiler 사용
- 배경 타일 추출로 이어질 수 있는 조직 마스크 미리보기 생략