VisCy

显微图像自动提取单细胞特征，省去人工分析

VisCy 是一个面向单细胞表型分析的开源计算机视觉工具库，主要服务于生物图像分析场景。它把深度学习模型封装成可直接调用的组件，用于从显微图像中提取单细胞层面的形态与表达特征，解决传统人工分析通量低、主观性强、难以跨实验复现的问题。核心能力包括：基于表示学习的图像特征提取、图像翻译（如虚拟染色与模态转换）、细胞分割与追踪、以及单细胞表型聚类和分类。项目以 Jupyter Notebook 为主要载体，提供可复现的训练与推理流程，方便生物学家和计算人员快速上手。它面向高内涵筛选、活细胞成像和空间组学等需求，帮助研究者把原始像素转化为可量化的表型向量，从而支撑药物筛选、基因功能研究和疾病模型分析。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 104

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队mehta-lab

所属国家

官网地址https://mehta-lab.github.io/VisCy

GitHubhttps://github.com/mehta-lab/VisCy

定价模式free

价格说明开源免费，基于GitHub Pages文档，需自行部署

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Jupyter Notebook

技术栈/模型bioimage-analysis,computer-vision,image-translation,machine-learning,representation-learning

GitHub 星标★ 104

30天Star增速

HF 下载量

上线时间2023-05-30 00:00:00

最近更新2026-09-11 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数0

使用教程

核心亮点

提供从图像翻译到表示学习的完整单细胞分析流水线，覆盖分割、特征提取和表型分类
以 Notebook 形式组织，实验流程可读可复现，降低生物背景用户的使用门槛
支持虚拟染色和模态转换，能在缺少荧光标记时生成替代信号，扩展实验设计空间

不足之处

项目处于早期阶段，星标仅 104，社区规模和第三方教程较少
主要面向显微图像领域，通用计算机视觉任务支持有限，迁移到其他领域需较多改造

适用场景

高内涵药物筛选：批量处理孔板显微图像，自动量化单细胞形态变化
活细胞成像追踪：对时间序列图像分割并追踪细胞，分析分裂与迁移行为
空间组学辅助：从组织切片图像提取单细胞表示，与表达数据联合分析

替代项目

CellProfiler、DeepCell、scikit-image

项目介绍

VisCy 是一个计算机视觉领域的开源项目，官方简介：computer vision models for single-cell phenotyping。项目使用 Jupyter Notebook 开发，在 GitHub 上获得 104 星标。

上一篇：kwiver

下一篇：supervisely