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

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。

开源 unknown 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 262
维护状态 较活跃
是否开源 是
定价模式 unknown

项目数据

分类计算机视觉
开发团队nadeemlab
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
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★ 262
30天Star增速
HF 下载量
上线时间2021-04-15 00:00:00
最近更新2026-09-10 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数5

使用教程

核心亮点

  • 提供预训练模型和完整数据集,开箱即用,降低使用门槛
  • 方法经过多篇顶刊论文验证,学术可靠性强
  • 支持云端部署(Docker),便于集成到现有病理工作流

不足之处

  • 项目文档和社区支持相对有限,新手可能需自行摸索
  • 依赖特定硬件(GPU)和深度学习框架,环境配置有一定复杂度

适用场景

  • 病理学研究中的免疫组化图像定量分析
  • 肿瘤微环境细胞亚型分类与空间分布统计
  • 临床前药物研发中的生物标志物评估

替代项目

QuPath、CellProfiler、StarDist

项目介绍

DeepLIIF 是计算机视觉领域的开源项目,由 nadeemlab 开发,2021 年首次发布。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 262。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-10。从国内网络环境看,可直接访问。

它主要面向的使用场景是:病理学研究中的免疫组化图像定量分析。同类可对比的替代方案包括 QuPath、CellProfiler、StarDist。

上一篇:detectree

下一篇:piccante

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
Olympus 开源

一个路由搞定所有视觉任务,免去逐个微调

[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···

★ 427 2026-08-09