Habilidades histolab
🔬

histolab

Seguro ⚡ Contém scripts⚙️ Comandos externos

Processar imagens de lâminas completas para patologia digital

Também disponível em: davila7

O Histolab automatiza a detecção de tecido e extração de blocos de imagens de lâminas completas em gigapixels. Ele processa arquivos WSI para extrair blocos informativos para pipelines de aprendizado profundo e pesquisa médica.

Suporta: Claude Codex Code(CC)
🥉 72 Bronze
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "histolab". Extrair 100 blocos de lâmina de tecido prostático

Resultado esperado:

  • Carregada lâmina: prostate.svs (dimensões: 46000×32000 pixels)
  • Criado RandomTiler com tamanho de bloco 512×512
  • Aplicada filtragem por máscara de tecido (limiar de 80%)
  • Extraídos 100 blocos para output/prostate_tiles/
  • Gerada visualização de pré-visualização mostrando localizações dos blocos
  • Cobertura média de tecido: 87% nos blocos extraídos

A utilizar "histolab". Criar máscara de tecido e visualizar

Resultado esperado:

  • Inicializado TissueMask com filtros padrão
  • Gerada máscara binária (tecido: 72%, fundo: 28%)
  • Salva visualização da máscara em output/mask_preview.png
  • Detectadas 3 regiões de tecido com tamanhos variados

Auditoria de Segurança

Seguro
v4 • 1/17/2026

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.

8
Arquivos analisados
3,010
Linhas analisadas
2
achados
4
Total de auditorias

Fatores de risco

⚡ Contém scripts (1)
SKILL.md:242
⚙️ Comandos externos (1)
SKILL.md:17-19
Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

45
Arquitetura
100
Manutenibilidade
87
Conteúdo
22
Comunidade
100
Segurança
96
Conformidade com especificações

O Que Você Pode Construir

Preparar conjuntos de dados de treinamento a partir de lâminas de patologia

Extrair conjuntos de blocos equilibrados de imagens de lâminas completas para treinar modelos de aprendizado profundo na detecção e classificação de câncer.

Construir pipelines automatizados de análise de tecido

Criar fluxos de trabalho reproduzíveis para segmentação de tecido, extração de blocos e avaliação de qualidade em coleções de lâminas.

Padronizar flux de trabalho de pré-processamento de lâminas

Implementar procedimentos consistentes de detecção de tecido e extração de blocos para estudos de pesquisa e ensaios clínicos.

Tente Estes Prompts

Extração básica de blocos 
Carregue a lâmina no caminho 'slide.svs' e extraia 100 blocos aleatórios de tamanho 512x512 pixels. Salve-os no diretório 'output/tiles/'.
Detecção de tecido 
Crie uma máscara de tecido para minha lâmina e visualize-a. Use BiggestTissueBoxMask para focar na seção principal do tecido.
Fluxo de trabalho de extração em grade 
Extraia blocos em um padrão de grade por todas as regiões de tecido com 20% de sobreposição. Use a máscara de tecido para evitar áreas de fundo.
Seleção baseada em qualidade 
Use ScoreTiler com NucleiScorer para extrair os 50 blocos com maior densidade de núcleos. Gere um relatório das pontuações dos blocos.

Melhores Práticas

  • Sempre pré-visualize as localizações dos blocos com locate_tiles() antes da extração para verificar as configurações
  • Use o nível apropriado da pirâmide - nível 0 para resolução máxima, nível 1-2 para processamento mais rápido
  • Defina o limiar de tissue_percent entre 70-90% para equilibrar cobertura e qualidade

Evitar

  • Extrair todos os blocos na maior resolução sem considerar restrições de memória
  • Usar RandomTiler sem definir uma semente para resultados reproduzíveis
  • Pular a pré-visualização da máscara de tecido que pode levar à extração de blocos de fundo

Perguntas Frequentes

Quais formatos de arquivo o histolab suporta?
O Histolab suporta formatos comuns de WSI incluindo SVS, TIFF, NDPI e outros formatos compatíveis com a biblioteca OpenSlide.
Como lidar com lâminas com múltiplas seções de tecido?
Use TissueMask em vez de BiggestTissueBoxMask para detectar todas as regiões de tecido, ou crie máscaras personalizadas para ROIs específicas.
Posso extrair blocos em múltiplas resoluções?
Sim, use o parâmetro level (0=resolução máxima, 1=metade da resolução, etc.) ou extraia hierarquicamente com múltiplos tilers.
Como remover anotações de caneta das lâminas?
Crie filtros personalizados usando o espaço de cores HSV para detectar e excluir marcações de caneta com base em suas cores características.
Qual é a diferença entre RandomTiler e GridTiler?
RandomTiler amostra blocos aleatoriamente pelo tecido, bom para dados de treinamento. GridTiler extrai em padrão sistemático para cobertura completa.
Como posso acelerar a extração para grandes conjuntos de dados?
Use níveis mais baixos da pirâmide, reduza a contagem de blocos, use BiggestTissueBoxMask e ative o registro para monitorar o progresso.

Detalhes do Desenvolvedor

Licença

Apache-2.0 license

Repositório

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/histolab

Referência

main

Estrutura de arquivos

📁 references/

📄 filters_preprocessing.md

📄 slide_management.md

📄 tile_extraction.md

📄 tissue_masks.md

📄 visualization.md

📄 evaluation_output.json

📄 SKILL.md