slideflow
Biblioteca de deep learning para patologia digital e análise de lâminas virtuais.
Biblioteca Python open-source para patologia digital, desenvolvimento de modelos e análise de lâminas virtuais.
O Slideflow é uma biblioteca de deep learning adaptada para patologia digital, unindo aprendizado de máquina avançado às necessidades de pesquisa clínica. Pesquisadores médicos e cientistas de dados a utilizam para processar lâminas virtuais e treinar modelos preditivos.
O que é
Fornece pipelines de treinamento customizáveis, processamento de lâminas e ferramentas de normalização de coloração que lidam com rótulos supervisionados fracos e fortes. Você pode construir modelos usando aprendizado de instâncias múltiplas (MIL), aprendizado auto-supervisionado, redes generativas adversariais e modelos de fundação integrados.
Para quem
É ideal para patologistas computacionais e pesquisadores de IA médica com experiência em Python que precisam de fluxos de trabalho completos de análise de lâminas. Não é adequado para clínicos sem habilidades de programação ou que buscam um aplicativo médico pronto para uso sem codificação.
Recursos principais
Kit de Ferramentas para Processamento de Lâminas
Extrai blocos de lâminas virtuais usando cuCIM ou Libvips com resolução e magnificação ajustáveis.
Normalização de Coloração
Aplica rotinas integradas de normalização de coloração para padronizar a aparência histológica entre diferentes scanners.
Aprendizado de Instâncias Múltiplas
Suporta arquiteturas MIL como CLAM para predição em nível de lâmina usando anotações de pacientes.
Mapas de Explicabilidade
Gera mapas de calor, mapas em mosaico, mapas de saliência e histologia sintética via StyleGAN.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Suporta os backends PyTorch e Tensorflow, dependendo da sua preferência de ambiente.
- Inclui amplos utilitários de processamento e divisão em blocos de lâminas com opções de buffer em disco RAM.
- Oferece ferramentas avançadas de explicabilidade, incluindo mapas de calor e análise de ativação de camadas.
- Integra-se com modelos de fundação pré-treinados populares como UNI, HistoSSL e GigaPath.
Onde deixa a desejar
- Exige conhecimento significativo em Python e aprendizado de máquina para configurar adequadamente.
- Requer hardware de alto desempenho, especificamente GPUs com suporte a CUDA, para treinar modelos com eficiência.
- Alguns modelos complementares avançados, como CLAM e StyleGAN, exigem a instalação de pacotes não comerciais.
- O desempenho de leitura de lâminas depende de dependências externas configuradas corretamente, como cuCIM ou Libvips.
Preços & licença
Gratuito sob a licença Apache-2.0, com complementos opcionais não comerciais disponíveis. O único custo é executá-lo por conta própria em seu próprio hardware de GPU.
Vagas para quem fala português
876 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
Quais frameworks de deep learning o Slideflow suporta?
O Slideflow suporta PyTorch e Tensorflow, usando PyTorch por padrão se ambos estiverem disponíveis e configurável através da variável de ambiente SF_BACKEND.
Como as lâminas virtuais são lidas?
Ele usa o cuCIM por padrão para leitura rápida, com um backend opcional do Libvips para suportar formatos como .scn, .mrxs, .ndpi, .vms e .vmu.
