MaSkel 与 napari-MaSkel：从分割掩膜中快速提取形态学骨架特征

摘要：现有用于从网络状生物医学结构中提取形态学特征的工作流程通常需要使用多种异构工具，这可能限制其集成性与可重复性。我们提出了 MaSkel 和 napari-MaSkel，这两款开源 Python 工具提供了基于图形用户界面（GUI）和命令行界面（CLI）的二维与三维骨架化及基于图的特征提取工作流程，其核心采用了经过显著加速实现的、广泛使用的 Lee94 细化算法。 可用性与实现：MaSkel 和 napari-MaSkel 是采用 MIT 许可证发布的开源 Python 软件包，可通过 PyPI 和 GitHub 获取：https://github.com/bionetslab/maskel/，https://github.com/bionetslab/napari-maskel/。 文档：https://bionetslab.github.io/maskel/，https://bionetslab.github.io/napari-maskel/。 基准测试与验证：https://github.com/bionetslab/maskel-evaluations。

摘要：现有用于从网络状生物医学结构中提取形态学特征的工作流程通常需要使用多种异构工具，这可能限制集成性和可重复性。我们提出了 MaSkel 和 napari-MaSkel，这是开源的 Python 工具，可提供基于 GUI 和 CLI 的二维、三维骨架化及基于图的特征提取工作流程，并采用了经过大幅加速的广泛使用的 Lee94 细化算法实现。

可用性与实现：MaSkel 和 napari-MaSkel 是基于 MIT 许可证发布的开源 Python 软件包，可通过 PyPI 和 GitHub 获取：https://github.com/bionetslab/maskel/，https://github.com/bionetslab/napari-maskel/。文档：https://bionetslab.github.io/maskel/，https://bionetslab.github.io/napari-maskel/。基准测试与验证：https://github.com/bionetslab/maskel-evaluations。

感谢您有兴趣帮助传播 bioRxiv 的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751651v1?rss=1

🏷️ 形态学骨架化 图像分割 图特征提取 二维与三维图像分析 开源生物医学软件