pathml.org

是什么

PathML 是面向计算病理的开源研究工具包，目标是降低数字病理分析门槛。正文强调其设计原则为可扩展性、标准化和易用性，适用于癌症研究与临床相关研究中的大规模病理影像分析，但从披露信息看，定位主要仍是科研工具，而非临床生产系统。

核心能力

PathML 以 Python 包形式使用，可通过 import pathml 调用。它支持读取 160+ 种病理图像格式，并提供 H&E 染色分离、颜色归一化、明场影像预处理、多参数成像、单细胞定量、Tile Stitching、ONNX 模型批量运行等能力。机器学习方面，示例覆盖 HoVer-Net 细胞核检测分类、HACTNet 图模型癌症亚型分类，以及使用 Graph API 构建细胞和组织图。生态上，它与 PyTorch、CUDA、OpenSlide、OpenJDK、Jupyter、Google Colab、Docker、Conda/Micromamba 等工具链结合较深。

安装、部署与文档

它支持 PyPI 安装、源码安装、Docker 镜像和 Google Colab。Docker 命令可直接启动带 PathML 环境的 Jupyter Lab，对复现实验较友好；源码安装则更适合开发者。文档方面，项目提供 Read the Docs、安装指南和示例图库，覆盖 Linux、macOS、Windows、CUDA、Jupyter 等细节，信息较充分。不过 OpenSlide、Java、CUDA、PyTorch 等外部依赖较多，Windows 和 GPU 场景仍可能有一定配置门槛。

定价与许可

PathML 采用 GNU GPL v2 开源许可，用户可在该许可下使用、修改和分发。正文还说明提供商业许可选项，但未披露价格、付款方式或企业服务范围，因此商业使用前需要联系项目方确认授权边界。

优缺点与适合人群

优点是场景聚焦、开源、示例丰富，且已有多篇论文引用或使用，适合数字病理科研、癌症影像分析、AI 模型开发和教学。缺点是环境依赖较重，商业支持信息有限，也未见临床合规、数据治理或托管服务说明。中国访问方面，正文未提供可用性信息；GitHub、Docker Hub、Read the Docs、Colab 等依赖在国内可能受网络环境影响，可考虑本地镜像、离线环境或 QuPath、TIAToolbox、HistomicsTK 等替代/互补工具。