DeepLIIF

一键将免疫组化图像转化为多重荧光定量数据，提升病理分析效率

开源 🏷️定价信息待确认 ✅ 目前可打开计算机视觉 🍴 复刻 91 👀 关注 7

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 265

维护状态维护中

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类计算机视觉

开发团队nadeemlab

官网地址https://deepliif.org

GitHubhttps://github.com/nadeemlab/DeepLIIF

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ai-ready,cell-biology,cell-segmentation,cloud-native-applications,datasets,deep-learning,digital-pathology,image-segmentation,immunohistochemical-images,immunohistochemistry,multiplex,multitask-learning,pathology,pathology-gan,pathology-image,pytorch,segmentation,stitching,super-resolution,whole-slide-imaging

GitHub 星标★ 265

上线时间2021-04-15 00:00:00

代码更新2026-08-31

仓库体积98.6 MB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-10

浏览次数5

项目介绍

DeepLIIF 是一个基于深度学习的多重免疫荧光图像分析工具，专注于免疫组化（IHC）图像的定量分析。它解决了病理学中传统人工定量分析主观性强、效率低、难以标准化的问题。核心能力包括：从单色 IHC 染色图像中推断出多重免疫荧光信号，实现细胞分割、染色分离、细胞分类和定量评分。项目提供了完整的深度学习模型、训练好的权重、数据集和云端部署方案（如 Docker 镜像），支持用户直接运行或二次开发。其方法已在 Nature Machine Intelligence、CVPR、MICCAI 等顶级会议和期刊上发表，具备学术严谨性和临床转化潜力。通过自动化流程，DeepLIIF 能够为病理学家和研究人员提供可重复、高通量的组织微环境分析，助力癌症研究和精准医疗。