安装

环境要求

QuPath（步骤 1–3）

• QuPath 0.6.0+
• 已安装 Cellpose 扩展 — 在 Edit → Preferences → Cellpose/Omnipose 中配置 Cellpose 和 Cellpose SAM 的 Python 路径

• 推荐使用 GPU 加速 Cellpose 分割
• 预训练的像素分类器 "Fat in muscle" 以及所有 Groovy 脚本和 Python 脚本可从 GitHub 仓库下载

Python（步骤 4）

• Python 3.9+
• 推荐使用 Conda 环境

下载

1. 克隆或下载

MyoPath/
├── MyoPath1_roi.groovy
├── MyoPath2_segment.groovy
├── MyoPath3_export.groovy
├── MyoPath4_analysis.py
├── project.qpproj                   # QuPath 项目文件
├── classifiers/
│   ├── classes.json
│   └── pixel_classifiers/
│       ├── Fat in muscle.json       # 必需的像素分类器
│       └── ...                      # 其他可选分类器
├── data/                            # QuPath 切片条目
├── exports/                         # 步骤 3 输出（按样本）
├── results/                         # 步骤 4 汇总输出
└── src/
    ├── data_loader.py
    ├── coordinate_processor.py
    ├── tissue_analyzer.py
    ├── visualizer.py
    └── dystrophy_analyzer.py

像素分类器

classifiers/pixel_classifiers/ 目录是 QuPath 项目的一部分，包含 JSON 格式的预训练像素分类器。流水线要求一个名为 Fat in muscle 的分类器用于步骤 2 的脂肪浸润检测。如果您正在搭建新的 QuPath 项目，需自行训练该分类器（参见环境要求）或从已有项目中复制。

2. 配置 Python 环境

conda create -n myopath python=3.10 -y
conda activate myopath

pip install tiatoolbox numpy scipy matplotlib shapely pandas

3. 验证安装

python -c "import tiatoolbox, numpy, scipy, matplotlib, shapely, pandas; print('All dependencies OK')"

常见问题

步骤 2 中 Cellpose 报 TileFile null 错误

降采样因子过小，导致 tile 尺寸过大。默认 downsample: 10.0 通常可用。若仍出现此错误，请增大该值（如 12.0 或 15.0）。

未检测到肌纤维

• 确保 ROI 覆盖实际肌肉组织
• 检查 Cellpose 及其 Python 环境是否正确安装
• 尝试降低 cellprobThreshold（如从 0 降至 −2）

Python ModuleNotFoundError

确保从 MyoPath/ 目录运行，或使用 --input 指定导出路径。

Conda 报 An unexpected error has occurred

An unexpected error has occurred. Conda has prepared the above report.

这是 conda 25.7.0 在 Windows GBK 编码下的已知 bug，不影响结果生成——输出文件已正确产生。可以安全忽略，或通过以下方式抑制：

CONDA_NO_PLUGINS=true conda run -n myopath python MyoPath4_analysis.py --all

批处理时内存不足

减少 --cores 以限制并行进程数（每个样本约需 2–4 GB 内存）。