深度学习下的医学图像分析（一）

近年来，深度学习技术一直都处于科研界的前沿。凭借深度学习，我们开始对图像和视频进行分析，并将其应用于各种各样的设备，比如自动驾驶汽车、无人驾驶飞机，等等。

A Neural Algorithm of Artistic Style是一篇最新发表的研究性论文，论文向我们介绍了如何将一种风格和气质从艺术家身上转移至一张图像，并由此创建出另一张新图像。其他的一些论文，比如Generative Adversarial Networks和Wasserstein GAN，也已经为开发模型铺平了道路，这个模型能够创建出与输入数据相似的新数据。由此，“半监督学习”世界的大门被打开了，未来“无监督学习”的发展也将更加顺利。

尽管这些调查研究的对象现在仅限于一般的图像，但我们的目标是将这些研究运用到医学图像中，帮助医疗保健的发展。在本文中，我将从图像处理和医学图像格式数据入手，并对一些医学数据进行可视化处理。在下一篇文章中，我将进深入剖析一些卷积神经网络，并将其与Keras联合，预测肺癌。

使用Python进行基本的图像处理

OpenCV（开源计算机视觉库）凭借其大量社区支持，以及对C++，Java和Python的可兼容性，在琳琅满目的图像处理库中脱颖而出，成为了图像处理库的主流。

 现在，打开你的Jupyter笔记本，并且确定cv2是能够导入至笔记本的。你还需要numpy和matplotlib来查看笔记本内的细节内容。

 现在，我们来看一下你能不能打开图片，能不能用下面的代码在你的笔记本上查看图片。