用途：分析显微成像衍生的测量数据，覆盖菌落形态测量、荧光强度定量、细胞计数统计、剂量反应与比例数据的回归建模，以及成像软件（ImageJ、CellProfiler、QuPath）输出的统计比较。
主要能力：使用 pandas、numpy、scipy、statsmodels、scikit-image 进行分组统计、t 检验、Dunnett、Cohen's d、功效分析，以及多项式/自然样条回归；对原始 TIFF/PNG 图像可做经典分割（Otsu、watershed、自适应阈值），也可用 Cellpose 深度学习分割（Cellpose_segment_image，model_type 可选 cyto3 或 nuclei，需 pip install cellpose，首次运行会下载权重）。还提供 R 到 Python 的等价方法对照。
外部数据查询：CellPainting_* 工具查询 Image Data Resource 的 Cell Painting 筛选数据（先搜索筛选，再取板与孔数据）；BioImageArchive_* 工具检索 EBI BioStudies 的成像研究元数据与文件清单；FPbase 工具查询荧光蛋白光谱与生物物理参数、按激发/发射波长筛选。
使用方式：先扫描数据目录是否有预计算产物（*_executed.ipynb、results/deseq/stats 等 CSV/TSV、analysis.R 等规范脚本），有则直接读取或执行并引用其输出，不存在时才按本技能重新分析；注意从原始数据重跑会与已发布的数值不同。分析前先加载并检查所有 CSV/TSV，解析所问的确切统计量，再选择检验或回归方法。
限制与注意：不适用于系统发育、RNA-seq 差异表达、单细胞 scRNA-seq、无成像背景的统计，以及放射学 DICOM/CT/MRI/PET 系列与队列发现（应使用 medical-imaging-radiology 技能）。遇到科学事实不确定时应先查数据库而非凭记忆推断。“A 与 B 的相对比例”默认按百分比报告，可在计算后同时给出百分比与小数并标明百分比为主答案。Cell pose 未安装时会返回明确的包不可用错误。具体脚本文件与文档列表如资料所述，其他官方细节暂未提供。