【一览表】病理图像处理流程

1. WSI获取

引言：
本专栏以TCGA数据库为例，详细介绍TCGA数据库中特定癌症数据集WSI的选择与下载，以及下载后如何将WSI的存放位置进行批量化整理（提供Python代码）。

1.1 TCGA选择特定数据集并添加到购物车

TCGA数据库中要想下载数据，首先需要选择要下载的数据集，并将其添加到购物车中。

【TCGA 2.0】选择特定的肿瘤数据集

【TCGA 2.0】选择病理图像数据并添加到购物车

1.2 WSI下载

然后，将购物车中的数据进行下载。TCGA提供了两种下载方式：

1. 命令行（Client）下载
   【恒源智享云】在云服务器上批量下载WSIs-GDC Transfer Tool(client)
2. 可视化界面（UI）下载
   【TCGA】批量下载WSIs(GDC Transfer Tool-UI)
   【TCGA】GDC Transfer Tool-UI settings(踩坑)

1.3 WSI整理

下载后的WSI数据分布在不同的子文件夹中，而后续例如CLAM模型等需要将所有WSI置于一个文件夹下，才可以批量操作。因此，此处，先将所有WSI数据从不同的文件夹中移动到同一个文件夹下，Python代码如下：

【TCGA】将TCGA数据移动到一个文件夹下

小结：
至此，WSI数据就获取成功啦，接下来我们对WSI进行了解，以便更好地对WSI进行处理。

2. WSI相关知识

引言：
以QuPath软件为例，对WSI进行可视化展示，并列举Python代码，通过指令批量化显示每张WSI的基本信息。

【病理图像】如何获取全切片病理图像的信息python版本

小结：
至此，WSI数据就解读完成啦，接下来我们对WSI进行处理，以便输入到深度学习模型中。

3. WSI标注（可跳过）

引言：
以QuPath软件为例，介绍如何运用工具对WSI进行ROI圈画。并介绍标注文件的保存，标注文件的内容解读。

【QuPath】人工标注WSI

小结：
至此，WSI数据的人工标注就完成啦，此处生成的注释文件的处理代码，将在下一部分进行介绍。

4. WSI预处理

引言：
WSI由于其超高的分辨率无法直接输入到深度学习模型中，因此需要对其进行剪裁操作，本专栏分别对无标注、有标注的WSI的剪裁操作进行详细介绍，此外还提供染色归一化操作的教程。

4.1 WSI组织分割以及Patch剪裁

本专栏将分别对无标注的WSI以及人工标注的WSI的Patch剪裁流程进行介绍，提供Python代码。

1. 无标注的WSI：
   本专栏提供两种方法：
   1.1 histolab
   【病理数据处理-histolab】使用histolab模块将WSI剪切成多个patch
   1.2 CLAM
   CLAM模型使用教程
2. 有标注的WSI：
   如果是Camleyon数据集或者标注文件是xml的，可以直接参考这位大佬的博客：链接
   【剪裁Patch】已标注的WSI剪裁Patch的处理流程（以QuPath软件得到的标注信息为例）

4.2 染色归一化

本专栏对staintools工具进行介绍，并提供批量化染色归一化的Python代码。
【染色归一化】staintools工具详讲

小结：
至此，WSI数据的预处理就完成啦，大家可以将预处理好的Patch图像通过MIL等方式输入到构建好的深度学习模型中进行训练与测试啦。

5. 特征提取（可跳过）

有的模型是直接使用特征向量作为深度学习模型的输入，因此，本专栏对CLAM模型的特征提取方式进行介绍，提供linux指令。