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重参数成像数据的机器学习与图像分析，提供模块化、可组合的工具。
用途：加载多种专有切片格式、预处理图像、构建空间图、训练深度学习模型，以及分析 CODEX、Vectra、MERFISH 等多重成像数据。
主要能力：一是图像加载与格式，支持 160 多种专有格式（Aperio SVS、Hamamatsu NDPI、Leica SCN、Zeiss ZVI、DICOM、OME-TIFF 等），统一处理图像金字塔、元数据与感兴趣区域；二是预处理流水线，可通过组合变换构建可复现的流水线，包括 Macenko/Vahadane 染色归一化、组织与细胞核检测、模糊降噪、伪影质控等；三是图构建，从分割对象提取特征，构建细胞与组织级空间图，适用于图神经网络与空间分析；四是机器学习，集成 PyTorch，提供 HoVer-Net、HACTNet 等预置模型、自定义 DataLoader 与 ONNX 推理；五是多重参数成像，支持 CODEX、Vectra、MERFISH 等平台，含 Mesmer 细胞分割与标记定量，并可导出至 AnnData；六是数据管理，使用 HDF5 统一存储切片、掩码、元数据与提取特征。
使用方式：安装 uv pip install pathml，全部功能可用 uv pip install pathml[all]。基本流程为用 SlideData.from_slide 加载切片，构建 Pipeline（如 TissueDetectionHE 与 StainNormalizationHE）并运行，再访问处理后的 tile 图像与掩码。多重成像可加载 CODEXSlide、折叠通道、用 Mesmer 分割细胞并定量标记。
适用场景：H&E 图像分析、CODEX 等多重成像空间蛋白质组学分析、细胞核检测与分类、模型训练与部署、大规模病理数据集管理。
限制：资料未提供具体收费、价格、性能指标或平台兼容性细节，暂未提供。