针对医学图像配准任务1分别列举两种所涉及的具体技术并进行阐述；2以及简要讨论所列举技术的适用应用场景或者临床适应症给出合理的理由。

（1）两种所涉及的具体技术：

a. 特征点配准：将两幅图像中的特征点进行匹配，计算出相应的变换矩阵，实现对两幅图像的配准。常见的特征点包括角点、边缘、斑点等。

b. 基于图像相似度的配准：通过计算两幅图像的相似度来实现配准。常见的相似度计算方法包括互信息、归一化互相关等。

（2）技术的适用应用场景或者临床适应症：

a. 特征点配准：适用于医学图像中出现较多特征点的情况，如CT图像、磁共振图像等。在这些图像中，不同组织结构的边缘、角点等特征点较为明显，可以通过特征点配准实现较高的配准精度。

b. 基于图像相似度的配准：适用于医学图像中特征点较少、噪声较多的情况，如X光影像。在这些图像中，特征点不够明显，但是可以通过计算图像相似度来实现配准。此外，基于图像相似度的配准方法对图像的形变、旋转等变换具有较好的鲁棒性，适用于医学图像的长期随访等场景。