ERROR: Failed building wheel for spams

1.解决在conda环境中使用 pip install spams命令报错的情况，可以使用如下命令来进行解决。
conda install -n histopythology -c conda-forge python-spams
其中，histopythology 为所安装的conda环境的名称，python-spams则为相应的安装包。
2.针对病理图片标准化的三种基本方式
病理图像可以帮助医生对病人做出诊断。通过病理图像，我们可以看到肿瘤细胞的具体情况。比如说有无浸润，有无淋巴结转移，分化程度如何。对肿瘤的诊断，预后，分级分期都是很有帮助的。
人工智能在病理图像的领域也有十分广泛的应用。可以用来做分割，分类，预后等。
随着人们研究的深入，病理图像的标准化变成了一个预处理的必要过程。那我们为什么要进行图像的标准化呢。
首先，病理图片的成像和很多因素有关系，制作过程，扫描的机器等都会对图像造成颜色的结构上面的不同。这种不同对人眼来说影响比较小，虽然颜色略有不同，但是还是可以分辨的。但是对于深度学习等算法来说就不太能适应这种不同。还有一个很大的原因是，也就是这种颜色和结构上的不同，使得不同机型， 不同机构甚至是不同操作员扫描出来的病理图片不能够放在一起用。
处理这种颜色差异的方法，就是颜色的标准化。叫做color normalization或者是stain normalization。原理就是将所有的图片都标准化到同一张模板图片的颜色分布上。
对于病理图片的标准化，从开始到现在大概有3种比较主流的方法。一个是灰度直方图的标准化，一个是颜色的标准化，一个是光谱的标准化。按照字面意思其实就是将所有图片都转化成模板图片灰度分布，将所有图片都转化成模板图片颜色（RGB）分布，将所有图片都转化成模板图片光谱（即染料的颜色空间，有多少种染料就有多少种颜色空间）分布。
3.染色标准化
针对病理切片领域，研究人员(Macenko 等，2009; Vahadane 等，2015)使用染色分离的方法，将RGB空间的图像通过颜色反卷积(color deconvolution)技术映射到染色机的色彩空间进行标准化。