📦
latex-posters
87建立 LaTeX 研究海報
研究海報在 LaTeX 中很難排版，也很難為列印進行校對。此技能提供範本、版面配置指引，以及適用於會議就緒海報的 PDF 檢查。
設計與創意 查看
技能 pathml
📦
pathml
內容修訂 r2 高風險 ⚡ 包含腳本⚙️ 外部命令📁 檔案系統存取🌐 網路存取
使用 PathML 分析病理影像
全玻片影像工作流程需要謹慎處理格式、影像切塊、模型與儲存。此技能提供 PathML 指引，涵蓋載入、前處理、圖分析、機器學習與多參數影像。
支援: Claude Codex Code(CC)
安裝前請停止並請求確認。
請審查安裝計畫，並在變更檔案前取得使用者明確同意。
使用我的智慧代理安裝
將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。
智能體請求
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.你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。
Agent 可讀資源
當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。
測試它
正在使用「pathml」。 研究人員詢問如何處理 500 張 H&E 玻片以進行細胞核分析。
預期結果:
一個分階段計畫，涵蓋玻片檢查、影像切塊生成、染色正規化、細胞核偵測、HDF5 輸出與批次處理控制。
正在使用「pathml」。 空間生物學團隊詢問如何分析 CODEX 標記表現。
預期結果:
一套工作流程，涵蓋載入 CODEX 資料、合併通道、分割細胞、量化標記、匯出 AnnData 與驗證輸出。
正在使用「pathml」。 工程師詢問如何在保留玻片上評估 HoVer-Net 模型。
預期結果:
一份檢查清單，涵蓋資料集切分、載入器、推論模式、分割指標、錯誤檢視與模型匯出規劃。
安全審計
高風險v10 • 2026/7/23 開啟版本化報告
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
已掃描檔案
4,143
分析行數
2
複核項目
0
已忽略的誤報
已確認的安全問題 (2)
高
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.
中
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.
能力複核項目 (2)
這些是真實的本機能力，對此技能而言可能是預期行為，因此需要複核，但不會按已確認的惡意行為計分。
中
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.
中
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.
風險因素
⚡ 包含腳本 (8)
⚙️ 外部命令 (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
📁 檔案系統存取 (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
審計單位: codex 檢視審計紀錄 →
分享與引用此報告
分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。
複製報告連結
https://skillstore.io/skills/davila7-pathml/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/davila7-pathml?utm_source=security_passport_badge)HTML 徽章
<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>嵌入卡片
<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>學術引用 (APA · BibTeX · CFF)
APA 引用
davila7. (2026). pathml security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pathml/audits/10BibTeX 引用
@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"
比較變體
2 個可安裝變體每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。
為何此變體排名第一
Skillstore 評分最高
作者 / 來源 Skillstore 評分 證據置信度 Skillstore 使用量 已更新
Skillstore 評分
評分依據 證據置信度: 中 45
架構
85
可維護性
87
內容
70
社群
91
規範符合度
你可以打造什麼
建構 WSI 前處理管線
為大型玻片世代規劃影像切塊生成、組織偵測、染色正規化與 HDF5 儲存。
分析多重組織影像
設計 CODEX 或 Vectra 工作流程，用於分割、標記量化與 AnnData 匯出。
準備模型訓練工作流程
為病理機器學習模型組織資料集、載入器、指標與推論計畫。
試試這些提示
規劃玻片載入
使用 PathML 技能為 [format]、[number] 張玻片與 [analysis goal] 概述 WSI 載入計畫。包含金字塔層級指引。
設計前處理
為 [stain or modality] 建立 PathML 前處理計畫。包含品質控制、影像切塊設定、轉換與儲存輸出。
建構空間分析
為 [modality] 設計細胞圖工作流程，包含分割遮罩、標記特徵、鄰域指標與視覺化輸出。
架構訓練管線
為 [task] 規劃 PathML 機器學習工作流程。包含資料集準備、載入器、指標、驗證、推論與部署限制。
最佳實務
- 在擴大批次處理前，先驗證玻片格式、放大倍率、中繼資料與權限。
- 在處理完整玻片世代前，先從縮圖與小型影像切塊子集開始。
- 將原始資料與處理後的 HDF5 輸出分開保存，並記錄所有處理參數。
避免
- 未經隱私核准即對敏感臨床影像執行遠端分割。
- 在檢查金字塔層級與影像切塊大小前，將全解析度玻片載入記憶體。
- 未經驗證、審查與治理即將模型輸出用於臨床決策。
常見問題
這項技能的用途是什麼？
它協助規劃與說明用於數位病理影像分析和機器學習的 PathML 工作流程。
這項技能會自行處理影像檔案嗎？
不會。它為使用者在自己環境中執行的工具提供指引與範例。
涵蓋哪些影像格式？
它涵蓋常見的 WSI 與多重格式，例如 SVS、NDPI、DICOM、OME-TIFF、CODEX 和 Vectra。
它能協助空間蛋白質體學嗎？
可以。它涵蓋 CODEX 與多重工作流程、標記量化、分割和 AnnData 整合。
它適合用於臨床診斷嗎？
不適合。臨床使用需要獨立驗證、隱私控制、法規審查與合格專業人員監督。
它會使用遠端服務嗎？
部分範例描述遠端 DeepCell 分割。對於敏感或受監管資料，使用者應優先採用本機處理。
開發者詳細資訊
作者
davila7授權
MIT
Skillstore 修訂
r2
版本提示
作者未聲明版本。
引用
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
維護新鮮度
2026/7/26
使用量
6 次下載 · 220 次瀏覽
davila7 的更多技能
查看全部📦
content-creator
87建立 SEO 就緒的行銷內容
行銷團隊需要符合品牌語氣與搜尋目標的清晰內容。此技能提供範本、分析腳本與平台指引，協助可重複的內容製作。
寫作與內容 查看
📦
treatment-plans
86建立結構化醫療治療計畫
臨床治療計畫往往會變得不一致、冗長或難以審查。此技能提供聚焦的範本、可衡量的目標、時程，以及本機品質檢查。
文件 查看
📦
clinical-reports
86建立結構化臨床報告
臨床團隊需要符合醫療與法規標準的清晰報告。此技能提供範本、檢查清單與驗證指引，適用於病例報告、診斷、試驗與病人紀錄。
文件 查看
📦
exploratory-data-analysis
85分析科學資料檔案
科學資料檔案很難檢查，因為每種格式儲存結構與中繼資料的方式都不同。此技能會偵測格式、剖析資料品質，並建立實用的 Markdown EDA 報告。
資料與分析 查看
📦
diffdock
85執行 DiffDock 分子對接工作流程
分子對接設定常因輸入、參數與信心分數難以對齊而失敗。此技能會引導 DiffDock 工作流程，從準備到結果檢閱。
研究與學習 查看
相關技能
查看全部📦
pytdc
82使用 PyTDC 分析治療性 ML 資料集
由 K-Dense-AI
藥物探索團隊需要可靠的資料集與公平的評估協定。此技能可協助 Claude 使用 PyTDC 取得精選的治療性 ML 資料、基準切分、指標與分子 oracle。
資料與分析 查看
📦
senior-data-scientist
81設計資料科學實驗與模型
由 alirezarezvani
當實驗、特徵和模型缺乏清楚的統計結構時，資料科學專案往往會失敗。這項技能為 Claude、Codex 和 Claude Code 提供實驗設計、特徵工程和模型審查的引導式工作流程。
資料與分析 查看
📦
ml-antipattern-validator
81驗證 ML 工作流程中的隱藏反模式
由 Doyajin174
ML 專案可能看起來很準確，但資料洩漏或薄弱的評估會掩蓋嚴重缺陷。此技能會引導針對切分、指標、訓練與部署準備度進行結構化檢查。
資料與分析 查看
📦
when-debugging-ml-training-use-ml-training-debugger
80偵錯 ML 訓練失敗
由 DNYoussef
ML 訓練可能因 NaN 損失、過度擬合、收斂緩慢或梯度不穩定而失敗。此技能會引導診斷、針對性修正、驗證與報告。
資料與分析 查看
📦
azure-ai-anomalydetector-java
79使用 Azure AI 建置 Java 異常偵測
由 sickn33
Java 團隊需要可靠的模式來偵測異常的時間序列行為。此技能提供 Azure AI Anomaly Detector 範例，涵蓋用戶端、模型、推論與錯誤處理。
資料與分析 查看
📦
pufferlib
78更快速訓練強化學習智慧體
由 K-Dense-AI
當環境與訓練迴圈無法擴展時，強化學習實驗會變慢。PufferLib 協助 Claude、Codex 和 Claude Code 設計更快速的向量化訓練工作流程。
資料與分析 查看