소스 정보
- 저장소
- tomevault-io/skills-registry
- 최근 소스 활동
- 2026년 7월 3일 19:45
- 감지된 SKILL.md 언어
- 영어
- 스타
- 0
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
메뉴
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/tomevault-io/skills-registry --skill cell-segmentation-skills-index명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | cell-segmentation-skills-index |
| description | | Use when this capability is needed. |
Instance segmentation tools for cells and nuclei in microscopy images. Use the tool selection guide below to choose the right method, then load the corresponding skill file for detailed usage.
| Goal | Recommended Tool | Speed | Tested |
|---|---|---|---|
| Best overall accuracy | Cellpose-SAM (v4.x) | Moderate (~310s/1024px CPU) | ✅ 955 cells |
| Fastest inference | InstanSeg | Fast (~7s/1024px CPU) | ✅ 586 cells |
| Low quality / noisy images | Cellpose 3 (image restoration) | Moderate | ✅ |
| Round nuclei only | StarDist | Fastest (~0.5s) | ✅ 150 cells |
| Whole-cell (nucleus + membrane) | Mesmer / DeepCell | Moderate | ⚠️ install issues |
| Interactive annotation / 3D / tracking | micro-sam | Slow | ⚠️ Python 3.10+ |
| Fully automatic, no prompts | CellSAM | Moderate | ⚠️ Python 3.10+ |
[!TIP] Start with Cellpose (default in v4.x) for most tasks. It has the best generalization. Switch to InstanSeg if speed matters or you need simultaneous nuclei + cell masks.
[!WARNING] Environment isolation is important. These tools have conflicting dependencies. Cellpose/InstanSeg use PyTorch; StarDist/Mesmer use TensorFlow; SAM-based tools need Python 3.10+. Create separate virtual environments for each tool family:
venv-cellpose: Cellpose + InstanSeg (both PyTorch)venv-stardist: StarDist (TensorFlow,numpy<2)venv-deepcell: Mesmer/DeepCell (TensorFlow, strict numpy version)venv-sam: micro-sam / CellSAM (Python 3.10+)
General-purpose cell and nucleus segmentation using Cellpose v4.x (includes Cellpose-SAM with ViT-L backbone). Image restoration, fine-tuning, and 3D segmentation.
Skill file: cellpose.md
When to use: Default choice for most segmentation tasks.
Fast cell and nucleus segmentation with dual output (nuclei + cells simultaneously). Supports multiplexed images via ChannelNet.
Skill file: instanseg.md
When to use: Speed-critical workflows, multiplexed images, QuPath integration.
Nuclear segmentation using star-convex polygon prediction. Extremely fast but assumes round/convex nuclei.
Skill file: stardist.md
When to use: Round nuclei in fluorescence images where speed matters.
Whole-cell segmentation using both nuclear and membrane markers. TissueNet-trained PanopticNet architecture.
Skill file: mesmer.md
When to use: Tissue images with both nuclear and membrane/cytoplasm markers.
Cell segmentation using SAM adaptations: CellSAM (automatic), micro-sam (interactive + 3D), SAMCell (label-free).
Skill file: sam_based.md
When to use: Interactive annotation, 3D/tracking, or label-free brightfield.
Source: aristoteleo/PantheonOS — distributed by TomeVault.
