数字病理学是将传统病理切片数字化，用AI进行分析的新兴领域。但这个领域涉及图像处理、深度学习、医学知识等多个方面，入门门槛很高。
Slideflow 是一个专为数字病理学设计的深度学习库，提供从切片处理到模型训练的完整工具链，让研究人员可以快速上手。
🔬 完整的病理分析流程
Slideflow 覆盖了数字病理学的全流程：
- 切片处理：自动分割、标准化、提取图像块
- 染色标准化：消除不同实验室的染色差异
- 模型训练：支持多种深度学习模型
- 结果可视化：热力图、马赛克图、显著性图
🧠 多种学习方式
Slideflow 支持多种深度学习范式：监督学习用标注数据训练分类或回归模型、弱监督学习用切片级别的标签训练无需像素级标注、自监督学习从无标注数据中学习特征、多实例学习处理病理切片的特殊数据结构。
🎨 丰富的可视化工具
Slideflow 提供了多种可视化工具：热力图显示模型关注的图像区域、马赛克图将相似的区域聚类展示、显著性图解释模型的决策依据、交互式界面实时查看和分析切片。
🏥 临床应用验证
Slideflow 已经在多个临床研究中使用，研究成果发表在Nature Communications、npj Breast Cancer、npj Precision Oncology等顶级期刊上，被多个国际研究团队验证和使用。
💡 适合谁用？
- 病理研究者：开发新的病理AI模型
- 临床医生：用AI辅助病理诊断
- AI研究者：探索医学图像分析
- 医院信息科：部署数字病理系统
数字病理学是精准医疗的重要组成部分。Slideflow 让病理AI的开发变得简单高效。