Pathview (Pa Bannier)

PathView


用于数字病理学的高性能全幻灯片图像（WSI）查看器。PathView通过模型上下文协议（MCP）将GPU加速的平铺渲染与多边形覆盖相结合，用于细胞分割可视化、组织分类热图和AI代理集成。

PathView preview

______________________________________________________________________

目录

• 特性
• 快速开始
• 安装
• 用法
• 远程幻灯片
• AI代理集成
• 数据格式
• 文档
• 贡献
• 许可证

______________________________________________________________________

特性

______________________________________________________________________

快速开始

# Clone the repository
git clone https://github.com/PABannier/PathView.git
cd PathView

# Build (macOS with Homebrew vcpkg)
export VCPKG_TARGET_TRIPLET=arm64-osx
cmake -B build -DCMAKE_BUILD_TYPE=Release \
  -DCMAKE_TOOLCHAIN_FILE=$(brew --prefix vcpkg)/scripts/buildsystems/vcpkg.cmake
cmake --build build -j$(nproc)

# Run
./build/pathview

______________________________________________________________________

安装

先决条件

从源代码构建

macOS

# Set triplet for your architecture
export VCPKG_TARGET_TRIPLET=arm64-osx   # Apple Silicon
# export VCPKG_TARGET_TRIPLET=x64-osx   # Intel

# Configure and build
cmake -B build \
  -DCMAKE_BUILD_TYPE=Release \
  -DCMAKE_TOOLCHAIN_FILE=$(brew --prefix vcpkg)/scripts/buildsystems/vcpkg.cmake

cmake --build build -j$(nproc)

Linux

export VCPKG_TARGET_TRIPLET=x64-linux

cmake -B build \
  -DCMAKE_BUILD_TYPE=Release \
  -DCMAKE_TOOLCHAIN_FILE=~/vcpkg/scripts/buildsystems/vcpkg.cmake

cmake --build build -j$(nproc)

验证安装

./build/pathview --version

______________________________________________________________________

用法

打开幻灯片

导航

加载多边形覆盖

从协议缓冲区文件中加载单元分段数据：

File → Load Polygons...

多边形使用基于类的着色和细节级别优化进行渲染。

组织热图可视化

PathView在协议缓冲区文件中可用时自动加载组织分类热图。组织图提供像素级组织分类叠加，渲染为彩色热图。

特征：

• 多层瓷砖：支持与载玻片分辨率级别匹配的金字塔结构组织图
• 基于类别的着色：每个组织类别都用不同的颜色渲染
• 空间索引：O（k）使用二维网格空间索引进行视口查询，以实现高效渲染
• 每班能见度：在侧边栏中打开/关闭单个纸巾类
• 不透明度控制：将叠加透明度从0%调整到100%
• GPU加速：瓷砖被缓存为SDL纹理，以实现平滑渲染

控制：

• View → “图层”面板→ 组织图谱部分
• 使用复选框切换可见性
• 使用滑块调整不透明度
• 启用/禁用单个组织类别
• 颜色指示器显示每个类的指定颜色

窗口标题会动态更新，以显示当前加载的幻灯片文件名（对于本地幻灯片）或幻灯片ID（对于远程幻灯片），从而可以轻松跟踪您正在查看的幻灯片。

______________________________________________________________________

远程幻灯片

PathView通过以下方式从S3兼容存储流式传输幻灯片 WSIStreamer，无需本地下载即可查看大型幻灯片。

快速演示

# Requires Docker, docker-compose, and MinIO client (mc)
./scripts/demo_remote_slide.sh ~/Downloads/sample.svs

此脚本：

1. 启动本地MinIO+WSIStreamer实例
2. 将幻灯片上传到本地S3存储桶
3. 启动连接到服务器的PathView

连接到服务器

1. 打开 File → Connect to Server (Ctrl+Shift+O)
2. 输入服务器URL（例如。， http://localhost:3000)
3. 如果需要，请输入身份验证密钥
4. 从服务器浏览并选择幻灯片

生产部署

对于生产环境，请将WSIStreamer与您的S3兼容存储一起部署：

docker run -p 3000:3000 \
  -e WSI_S3_BUCKET=my-slides-bucket \
  -e AWS_ACCESS_KEY_ID= \
  -e AWS_SECRET_ACCESS_KEY= \
  -e AWS_REGION=us-east-1 \
  wsistreamer/wsi-streamer

看 WSIStreamer文档 用于配置选项，包括身份验证、缓存和CORS。

______________________________________________________________________

AI代理集成

PathView提供了一个MCP（模型上下文协议）服务器，用于AI代理的程序控制。API可实现自动化组织分析工作流程，包括导航、屏幕截图捕获和基于ROI的细胞计数。

建筑

┌─────────────┐     MCP/JSON-RPC      ┌─────────────────┐      IPC       ┌─────────────┐
│  AI Agent   │ ◄──────────────────►  │  MCP Server     │ ◄────────────► │  PathView   │
│             │     HTTP + SSE        │  (port 9000)    │    TCP/JSON    │  GUI        │
└─────────────┘                       └─────────────────┘                └─────────────┘
                                              │
                                              ▼
                                      ┌─────────────────┐
                                      │  HTTP Server    │
                                      │  (port 8080)    │
                                      └─────────────────┘

启动MCP服务器

# Terminal 1: Start PathView GUI
./build/pathview

# Terminal 2: Start MCP server
./build/pathview-mcp

端点

可用工具

MCP服务器公开了7个类别的27个工具：

工作流示例

# 1. Connect and register
session = await client.call_tool("agent_hello", {
    "agent_name": "pathology-analyzer",
    "agent_version": "1.0.0"
})

# 2. Load resources
await client.call_tool("load_slide", {"path": "/data/slide.svs"})
await client.call_tool("load_polygons", {"path": "/data/cells.pb"})

# 3. Acquire navigation lock
await client.call_tool("nav_lock", {
    "owner_uuid": "agent-12345",
    "ttl_seconds": 300
})

# 4. Navigate to region of interest
move = await client.call_tool("move_camera", {
    "center_x": 50000, "center_y": 30000,
    "zoom": 2.0, "duration_ms": 500
})

# 5. Wait for animation and capture
while not (await client.call_tool("await_move", {"token": move["token"]}))["completed"]:
    await asyncio.sleep(0.05)
snapshot = await client.call_tool("capture_snapshot", {})

# 6. Analyze region
annotation = await client.call_tool("create_annotation", {
    "vertices": [[48000, 28000], [52000, 28000], [52000, 32000], [48000, 32000]],
    "name": "Tumor ROI"
})
print(f"Cell count: {annotation['cell_counts']['total']}")

# 7. Release lock
await client.call_tool("nav_unlock", {"owner_uuid": "agent-12345"})

API文档

关于完整的API参考，包括所有参数、响应模式和错误代码：

• API 规范 -完整的MCP API参考
• AI代理指南 -集成指南和教程

______________________________________________________________________

数据格式

整张幻灯片图像

PathView支持由识别的所有格式 OpenSlide 对于本地幻灯片：

对于来自S3存储桶的流媒体，PathView支持以下格式： WSI 流媒体:

细胞分割和组织图谱

PathView使用协议缓冲区文件(.pb, .protobuf)用于存储细胞多边形覆盖和组织分类热图。该格式支持：

细胞多边形：

• 使用多边形坐标进行每细胞分割
• 细胞类型分类和置信度评分
• 每个单元格的质心坐标

组织热图：

• 在多个分辨率级别上基于平铺的组织分割
• 每像素组织分类（uint8类ID）
• 可选zlib压缩，实现紧凑型存储
• 类ID到组织类型名称映射

数据结构：

message SlideSegmentationData {
    required string slide_id;
    required int32 max_level;
    repeated TileSegmentationData tiles;
    map tissue_class_mapping;
}

message TileSegmentationData {
    required int32 level;
    required float x, y;           // Tile position in slide coordinates
    required int32 width, height;
    repeated SegmentationPolygon masks;     // Cell polygons
    required TissueSegmentationMap tissue_segmentation_map;  // Tissue heatmap
}

两个覆盖层都是从单个文件同时加载的，组织图为细胞级分析提供了背景。

______________________________________________________________________

文档

______________________________________________________________________

贡献

欢迎捐款。请遵循以下指南：

1. 问题：包括平台详细信息、PathView版本和复制步骤
2. 拉取请求：遵循现有的代码风格，在适用的情况下包括测试
3. 功能请求：在实施之前打开一个问题进行讨论

开发版本

cmake -B build-debug \
  -DCMAKE_BUILD_TYPE=Debug \
  -DCMAKE_TOOLCHAIN_FILE=$(brew --prefix vcpkg)/scripts/buildsystems/vcpkg.cmake

cmake --build build-debug

运行测试

./build/test/unit_tests

______________________________________________________________________

许可证

MIT许可证。看 许可证 了解详情。

______________________________________________________________________

Built for digital pathology research and AI-assisted tissue analysis.