看病更放心！Python在临床医学领域实现新突破！

目前医学图像配准在临床医学界是研究的热点，医学图像配准技术对临床医生辅助诊断病情有很大的帮助。图像配准算法将多模态的医学图像信息准确地集成到同一图像中，医生可以更方便、更精确地从多个角度观察器官的结构和病变情况。通过对不同设备、不同时间采集的器官图像进行配准与融合，可以构建3D医学图像，全方位较准确地定量分析器官局部的变化情况，使得医生制定放射治疗计划、手术计划以及医疗诊断更准确可靠。

目前已有大量的应用系统软件应用于医学图像处理和分析的生产环境中，在这些应用软件中Python和Open CV已投入使用，其中Python提供了很多医学图像配准的开源工具包，Open CV也提供了大量用于医学图像配准的算法。

Open CV是一个开源C++库，用于处理计算机视觉问题。Open CV自带大量丰富的算法和函数，并提供了完善的Python接口，而且方便调用。Open CV提供的一些图像处理函数与Python形成了很好的互补。Open CV主要依靠Caffe运行。Caffe是一种高效的基于C++架构的深度学习框架，支持Python、MATLAB接口以及命令行，模块化设计，能使用Caffe提供的各层类型来自定义模型，并且自定义的模型在海量数据的情况下Caffe上运行速度快。

配准实现过程通过Alex Net网络模型训练、CNN特征提取、CNN-SIFT特征融合等方面进行。

利用Python与Open CV的工具包，通过调用caffe训练的Alex Net卷积神经网络模型，设计并开发了一套医学图像配准软件，配准过程采用了CNN-SIFT特征融合的多模态配准策略，并用于实现图像配准。python未来将在实现医学3D图像配准方面提供技术支持。