Pathml 预处理

# 预处理流水线与转换 ## 概述 PathML 提供了一种基于可组合转换的模块化预处理架构，这些转换被组织在流水线中。转换是修改图像、创建掩码或提取特征的单个操作。流水线将转换链接在一起，为计算病理学创建可复现、可扩展的预处理工作流。 ## 流水线架构 ### Pipeline 类 `Pipeline` 类组合了一系列连续应用的转换： python from pathml.preprocessing import Pipeline, Transform1, Transform2 # 创建流水线 pipeline = Pipeline([ Transform1(param1=value1), Transform2(param2=value2), # ... 更多转换 ]) # 在单个切片上运行 pipeline.run(slide_data) # 在数据集上运行 pipeline.run(dataset, distributed=True, n_workers=8) **关键特性：** - 转换的顺序执行 - 自动处理切片和掩码 - 支持使用 Dask 进行分布式处理 - 具有可序列化配置的可复现工作流 ### Transform 基类 所有转换都继承自 `Transform` 基类并实现： - `apply()` - 核心转换逻辑 - `input_type` - 预期的输入 (切片, 掩码等) - `output_type` - 产生的输出 ## 转换类别 PathML 提供六大类转换： 1. **图像修改** - 模糊、重缩放、直方图均衡化 2. **掩码创建** - 组织检测、细胞核检测、阈值处理 3. **掩码修改** - 掩码的形态学操作 4. **染色处理** - H&E 染色归一化和分离 5. **质量控制** - 伪影检测、空白区域标记 6. **专业化** - 多参数成像、细胞分割 ## 图像修改转换 ### 模糊操作 应用各种模糊核进行降噪： **MedianBlur：** python from pathml.preprocessing import MedianBlur # 应用中值滤波 transform = MedianBlur(kernel_size=5) - 对椒盐噪声有效 - 比高斯模糊更好地保留边缘 **GaussianBlur：** python from pathml.preprocessing import GaussianBlur # 应用高斯模糊 transform = GaussianBlur(kernel_size=5, sigma=1.0) - 平滑降噪 - 可调节的 sigma 控制模糊强度 **BoxBlur：** python from pathml.preprocessing import BoxBlur # 应用盒式滤波 transform = BoxBlur(kernel_size=5) - 最快的模糊操作 - 核内均匀平均 ### 强度调整 **RescaleInte