======================== HistomicsTK |codecov-io|

.. |codecov-io| image:: https://codecov.io/github/DigitalSlideArchive/HistomicsTK/coverage.svg?branch=master :target: https://codecov.io/github/DigitalSlideArchive/HistomicsTK?branch=master :alt: codecov.io

.. |gitter| image:: https://badges.gitter.im/DigitalSlideArchive/HistomicsTK.svg :target: https://gitter.im/DigitalSlideArchive/HistomicsTK?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge :alt: 加入 https://gitter.im/DigitalSlideArchive/HistomicsTK 的聊天

HistomicsTK 是一个用于分析数字病理图像的 Python 包。它可以作为独立的库使用，也可以作为数字切片存档的插件，允许用户通过 HistomicsUI 调用图像分析作业。HistomicsTK 提供的功能可以通过 slicer cli web 扩展，这使开发人员能够将他们的图像分析算法集成到 DSA 中，以便通过 HistomicsUI 进行传播。

全切片成像捕捉了组织的组织学细节，形成了大型多分辨率图像。成像技术的改进、存储成本的降低以及数字病理学用于主要诊断的监管批准导致了全切片成像数据的爆炸性增长。数字化使得可以应用计算机图像分析和机器学习算法来表征这些图像的内容，并理解组织学、临床结果和基因组平台分子数据之间的关系。与相关的放射学和基因组学领域相比，用于管理、可视化和分析数字病理学的开源工具一直落后。为了解决这个问题，我们开发了 HistomicsTK，与数字切片存档（DSA）协调，DSA 是一个用于在集中的网络可访问服务器中管理和共享数字病理图像的平台，以及 HistomicsUI，这是一个专门用于注释和标记全切片图像、运行图像分析工具以及可扩展地可视化来自图像分析算法的密集输出的用户界面。HistomicsTK 旨在满足对使用最先进算法分析数据感兴趣的病理学家/生物学家的需求，以及对开发新的/改进的算法并传播它们以供社区更广泛使用感兴趣的算法研究人员的需求。

HistomicsTK 可以通过两种方式使用：

作为纯 Python 包：可以独立于数字切片存档（DSA）将图像分析算法应用于数据。HistomicsTK 提供了一系列基本算法，用于颜色归一化、颜色分解、细胞核分割和特征提取等任务。有关这些功能的更多信息，请参阅 api-docs 和 examples。

Linux 上的安装说明：

使用 PyPI 安装 HistomicsTK：

$ python -m pip install histomicstk --find-links https://girder.github.io/large_image_wheels

从源代码安装 HistomicsTK：

$ git clone https://github.com/DigitalSlideArchive/HistomicsTK/ $ cd HistomicsTK/ $ python -m pip install setuptools-scm "Cython>=0.25.2" "scikit-build>=0.8.1" "cmake>=0.6.0" "numpy>=1.12.1" $ python -m pip install -e .

HistomicsTK 使用 large_image 库来读取全切片和显微镜图像格式的内容。根据您的具体系统，安装支持这些格式所需的库可能很复杂。有一些非官方的预构建 Linux 库可以作为安装的一部分包含在内，方法是指定 pip install histomicstk --find-links https://girder.github.io/large_image_wheels。请注意，如果您之前安装了 HistomicsTK 或 large_image 而没有使用这些库，您可能需要在 pip install 命令中添加 --force-reinstall --no-cache-dir 以强制使用 find-links 选项。

如果未指定 --find-links 选项，则将使用系统版本的各种库。您需要使用包管理器来安装适当的库（例如，在 Ubuntu 上，您需要 libopenslide-dev 和 libtiff-dev）。

在 Windows 上从源代码安装：

1- 运行以下命令：

$ pip install large-image $ pip install cmake $ git clone https://github.com/DigitalSlideArchive/HistomicsTK/ $ cd HistomicsTK/ $ python -m pip install setuptools-scm "Cython>=0.25.2" "scikit-build>=0.8.1" "cmake>=0.6.0" "numpy>=1.12.1"

2- 运行 pip install libtiff

3- 运行 pip install large-image-source-tiff 以安装典型的图块源。您可能需要其他源，这需要其他库。

4- 安装 Visual Studio 15 2017 社区版

5- 安装 C++ 构建工具。在工具 > 获取工具和功能... > 使用 C++ 的桌面开发下，确保选中前 8 个复选框。

6- 运行以下命令：

$ python -m pip install -e . $ pip install girder-client

在 OSX 上从源代码安装：

注意：这需要由 OSX 用户确认和扩展。可能对可用库做了一些假设。

使用 homebrew 安装 libtiff 和 openslide 或其他库，具体取决于您所需的图块源。

运行：

$ python -m pip install histomicstk large-image-source-tiff large-image-source-openslide
作为 HistomicsUI 和数字切片存档的图像处理任务库：这允许最终用户通过网络应用容器化的分析模块/流程。有关安装说明，请参阅数字切片存档。