我们开发了一个基于卷积神经网络的组织和笔迹分割模型，通过对200张H&E染色WSI数据集的训练，在组织分割和笔迹分割方面取得了较高的准确性。我们还提出了一种基于聚类的后处理方法，用于分离交叉部分，并证明该方法对于常见的玻片和扫描伪影具有鲁棒性。我们将经过训练的模型参数和后处理方法以SlideSegmenter的Python软件包公开发布。