本技能处理成像型空间转录组的图像分析，核心是把图像与分子表（x、y、gene）转化为细胞基因矩阵。资料强调：细胞是分割假设而非观测，分割错误会主导下游分型、差异表达和配体-受体推断结果。
两种操作须区分：一是分割，即在图像或转录本点云上画细胞/核边界并把每个分子分配到细胞；二是图像特征提取，即汇总每个 Visium 斑点下像素的强度与纹理（不画边界）。
分割工具选择依据可用边界信号：仅有 DAPI 时，StarDist 适合圆形拥挤细胞核；Cellpose（v4 为单一通用模型，diameter 可选）可用核+膜双通道做真正的全细胞分割；squidpy.im.segment 的水域分割是快速基线但易过分割；有膜染色时 Mesmer/DeepCell 可做全细胞；Baysor、proseg 为基于分子表的 CLI 工具，可在无膜染色时按转录本组成定义边界；SSAM/ClusterMap 为无分割映射，但无单细胞对象。
仅核分割会丢失胞质转录本，核扩张是基线而非解决方案；不同扩张半径（如 Xenium 默认从 15 um 改为 5 um）并非真值。
使用前应核验已安装版本（如 squidpy 1.7+、scanpy 1.10+、scikit-image 0.22+、numpy 1.26+、pandas 2.2+、cellpose 4.0+，CLI 工具 Baysor 0.6+、proseg 1.0+），API 不符时应内省并适配，而非重试。
分割后需质检：检查每细胞转录本数与细胞面积分布的双峰/长尾、检查互斥谱系标记共表达（溢出特征），必要时用 SPLIT、邻域分解、FastReseg、ovrlpy 或 SOPA 处理。图像特征提取用 squidpy.im.calculate_image_features（summary、histogram、texture/GLCM），需显式指定 layer='image'。
限制：无膜染色时全细胞分割依赖推断或转录本方法；面板稀疏且无先验时 Baysor/proseg 不稳定；分割污染会制造短程共定位假信号，相关结论应先按假设对待。