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与多参数成像数据的机器学习与图像分析。
用途：加载并处理多种专有格式的全切片图像（WSI），进行 H&E 染色图像预处理、细胞核检测与分割、空间图构建、深度学习模型训练与部署，以及 CODEX、Vectra、MERFISH 等平台的空间蛋白组学与多重免疫荧光分析。
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 transform 构建模块化管线，包括 Macenko/Vahadane 染色归一化（StainNormalizationHE）、组织与细胞核检测（TissueDetectionHE、NucleusDetectionHE）、去噪（MedianBlur、GaussianBlur）及伪影质控（LabelArtifactTileHE）。
- 图构建：从分割对象提取特征，构建细胞与组织层面的空间图，用于图神经网络和空间分析。
- 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）等预置模型、自定义 DataLoader 及 ONNX 推理支持。
- 多参数成像：提供 CODEXSlide 等专用类与 transform，支持 Mesmer 细胞分割、标记物定量及导出 AnnData 进行单细胞分析。
- 数据管理：使用 HDF5 统一存储切片、掩膜、元数据与提取特征，支持批量处理。
使用方式：安装命令为 uv pip install pathml，完整功能可安装 uv pip install pathml[all]。基本流程为用 SlideData.from_slide 加载切片，构建 Pipeline 并运行，再遍历 wsi.tiles 访问处理后的图像与掩膜。详细文档按能力分为 image_loading、preprocessing、graphs、machine_learning、multiparametric、data_management 等参考文件。
适用场景：H&E 图像分析、CODEX 等多参数成像分析、病理机器学习模型训练与推理。
限制：资料未提供具体收费、价格、平台兼容性细节或性能指标，暂未提供。