用途：PathML 是用于计算病理学工作流的 Python 工具包，面向全切片病理图像（WSI）的机器学习与图像分析，覆盖从加载、预处理到建模与下游分析的完整流程。
主要能力：
- 图像加载与格式：支持 Aperio SVS、Hamamatsu NDPI、Leica SCN、Zeiss ZVI、DICOM、OME-TIFF 等 160 多种专有格式，统一访问图像金字塔、元数据与感兴趣区域。
- 预处理管线：以可组合的 Pipeline 构建可复现流程，包含 Macenko/Vahadane 染色归一化（StainNormalizationHE）、组织与细胞核检测（TissueDetectionHE、NucleusDetectionHE）、模糊降噪、伪影质控等变换。
- 图构建：从分割对象提取特征，构建细胞与组织级空间图，供图神经网络与空间分析使用。
- 机器学习：集成 PyTorch，提供 HoVer-Net（细胞核分割与分类）、HACTNet（层级细胞类型分类）、自定义 DataLoader 与 ONNX 推理支持。
- 多重成像：处理 CODEX、Vectra、MERFISH 等空间蛋白组与基因表达数据，支持 Mesmer 细胞分割、标记物定量，并输出 AnnData。
- 数据管理：用 HDF5 统一存储切片、掩膜、元数据与特征，支持批处理。
使用方式：需先安装 OpenSlide 与 JDK 等原生依赖，官方建议使用 conda 环境，纯 pip 安装常因原生依赖失败。PathML 3.0.8 对科学计算栈有严格版本约束（如 numpy<2、pandas<=2.1.4、scanpy==1.9.6、torch==2.12.0 等），建议使用独立环境： uv venv .venv-pathml && source .venv-pathml/bin/activate uv pip install pathml 基本流程为加载切片（如 HESlide）、构建并运行 Pipeline、遍历处理后的 tile 与掩膜。CODEX 流程为加载 CODEXSlide、用 CollapseRunsCODEX 合并通道、SegmentMIF 分割、QuantifyMIF 定量，再从 slide.counts 读取 AnnData。
适用场景：H&E 图像分析、细胞核检测与分割、空间图与空间蛋白组分析、病理模型训练与推理。
限制：与 alterlab-scanpy、alterlab-squidpy-spatial 等技能同环境安装可能解析失败或静默降级，建议以 HDF5/AnnData 文件跨环境传递结果；API 在不同版本间有变化，需以已安装版本和官方文档为准。轻量 H&E 预处理、Visium/Xenium 邻域统计、单细胞表达分析、通用视觉模型训练、已有图的 GNN 等场景应改用其他技能。